Earticle

초록

영어

This study develops an optimal mobile-communication-based National Highway traffic volume estimation model using an ensemble-based machine learning algorithm. Based on information such as mobile communication data and VDS data, the LightGBM model was selected as the optimal model for estimating traffic volume. As a result of evaluating traffic volume estimation performance from 96 points where VDS was installed, MAPE was 8.49 (accuracy 91.51%). On the roads where VDS was not installed, traffic estimation accuracy was 92.6%.

한국어

본 연구는 이동통신 로그 데이터를 통해 산출된 교통량 정보를 활용하여 기존 검지기에 준 하는 교통량 정보를 추정하기 위해, 머신러닝의 앙상블 기법을 기반으로 하는 최적의 이동통 신 기반 교통량 추정 모형을 개발하는 것이다. 이동통신 데이터를 통해 계측된 교통량 등의 정보와 VDS 실측 데이터를 활용하여 머신러닝 모형들을 통해 비교·분석한 결과, LightGBM 모형이 교통량 추정의 최적모형으로 선정되었다. 국도 1, 3, 6호선 검지영역 96개소를 대상으 로 교통량 추정 모형의 성능을 평가한 결과, 전체 검지영역의 경우 MAPE 8.49로 교통량 추정 정확도가 91.51%로 분석되었다. VDS가 설치되지 않은 구간의 경우 교통량 추정 정확도는 92.6%로, VDS 설치가 어려운 구간에서도 LightGBM 교통량 추정 모형이 적용 가능하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 개요
Ⅱ. 선행연구 고찰
1. 교통량 추정의 정의
2. 차량검지기 교통량 정확도 평가
3. 교통량 등 교통변수 추정 및 예측
4. 머신러닝 기반 교통 분석
5. 본 연구의 차별성
Ⅲ. 머신러닝 기반 교통량 추정모형의 개발
1. 교통량 추정모형 개발 절차
2. 데이터 전처리 및 데이터셋 정의
3. 교통량 추정모형의 개발
Ⅳ. 교통량 추정모형의 평가
1. 모형의 평가 개요
2. 모형의 평가
Ⅴ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 오동섭 [ Dong-seob Oh | 한국지능형교통체계협회 산업진흥본부 기술지원센터 센터장 ] 주저자
• 윤소식 [ So-sig Yoon | 경찰청 교통국 국장 ] 교신저자
• 이철기 [ Choul-ki Lee | 아주대학교 교통시스템공학과 교수 ] 공저자
• 조용성 [ Yong-Sung CHO | 한국지능형교통체계협회 기획조정본부 본부장 ] 공저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338