Earticle

초록

영어

The subway is a public transportation that many people use every day. Line 2 especially has the most crowded stations during the day. However, the risk of crush accidents is increasing due to high congestion during rush hour and this reduces the safety and comfort of passengers. Subway congestion prediction is helpful to forestall problems caused by high congestion. Therefore, this study proposes machine learning classification models that predict subway congestion during commuting time. To predict congestion in Line 2 based in machine learning, we investigate variables that affect subway congestion through previous research and collect a dataset of subway congestion on Line 2 during rush hour from PUBLIC DATA PORTAL. The proposed model is expected to establish the subway operation plane to make passengers safe and satisfied.

한국어

지하철은 사람들이 일상적으로 이용하는 대중교통으로 자리잡고 있다. 특히 2호선은 지하철 승객이 하루동안 가장 많이 이용하는 역들이 포함되어 있는 호선으로 출퇴근 시간대에는 높은 혼잡도로 인해 압사사고의 위험성이 높 아지고 있으며, 이는 지하철을 이용하는 사람들의 안전성과 쾌적함을 저하시킨다. 따라서 지하철 역사 내 혼잡도 예 측을 바탕으로 높은 혼잡도로 인해 발생하는 문제를 대비할 필요가 있다. 이를 위해 본 연구에서는 출퇴근 시간대 혼 잡 여부를 판별하는 머신러닝 분류 모델을 제안한다. 선행연구를 통해 지하철 혼잡도에 영향을 주는 변수를 파악하 고, 공공데이터포털에서 출퇴근 시간대의 2호선 지하철 혼잡도 데이터셋을 수집하여 머신러닝을 기반하여 2호선 지하 철 역사 내 혼잡 여부를 예측한다. 본 연구에서 제안하는 출퇴근 시간대 2호선 역사 내 혼잡도 예측 모델은 지하철 이용객의 안전과 만족도를 향상시키기 위한 지하철 운영 계획 수립에 활용될 수 있을 것으로 기대된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 지하철 혼잡도 관련 선행연구
Ⅲ. 대표적인 분류 머신러닝 알고리즘
Ⅳ. 2호선 지하철 혼잡도 예측
1. 데이터 수집
2. 데이터 전처리
3. 모델링
4. 모델 성능 평가 및 결과
Ⅴ. 결론
References

키워드

지하철 2호선 출퇴근 시간대 혼잡도 머신러닝 지도학습 Subway Line 2 Rush Hours Congestion Machine Learning Supervised Learning

저자

• 장진영 [ Jinyoung Jang | 준회원, 서울여자대학교 데이터사이언스학과 학부생 ] 제1저자
• 김채원 [ Chaewon Kim | 준회원, 서울여자대학교 데이터사이언스학과 학부생 ] 참여저자
• 박민서 [ Minseo Park | 정회원, 서울여자대학교 데이터사이언스학과 조교수 ] 교신저자

참고문헌

발행기관

간행물