NPR기반 누락 교통자료 추정기법 개발 및 적용

서지정보

· 발행기관 : 대한교통학회
· 수록지 정보 : 대한교통학회지 / 28권 / 3호
· 저자명 : 장현호, 한동희, 이태경, 이영인, 원제무

목차

Ⅰ. 연구의 배경 및 목적
Ⅱ. 기존연구 고찰
Ⅲ. 모형의 개발 및 적용
Ⅳ. 결론 및 향후 연구
참고문헌

초록

지능형 교통체계는 실시간 교통자료를 수집하고 방대한 양의 이력자료를 축적한다. 그러나 방대한 이력자료는 효
율적으로 관리/이용되지 않고 있는 실정이다. ADMS와 같은 자료관리시스템이 도입되면서, 이력자료의 잠재적 활용
성은 급격히 증대되고 있다. 그러나 자료관리스템의 교통자료는 다량의 누락자료를 포함하고 있다. 누락자료는 장기
간에 걸쳐 빈번하게 교통자료를 이용할 수 없게 하기 때문에, 이력자료를 활용하는데 있어 주된 장애요인 중 하나이
다. 따라서 누락자료 추정기법은 자료관리시스템에서 주요한 역할을 수행하게 된다. 이러한 한계를 극복하기 위하여,
본 연구에서는 자료관리스템에 탑재가 용이하며 이력자료에 포함된 누락자료를 추정하기 위한 누락자료 추정모형을
개발하였다. 개발모형은 비모수회귀식(NPR)을 기반으로 개발되었으며, 이력자료의 다양한 교통자료 패턴을 이용하
고 현실적인 요구사항(변수 최소화, 연산속도, 다양한 형태의 누락자료 보정, 다중대체)을 충족하도록 설계되었다.
모형의 평가는 다양한 누락자료 형태의 상태에서 수행되었으며, 자료관리시스템에 탑재되기 위해 요구되는 정확도,
연산 수행속도에서 기존에 보고된 모형보다 우수한 성능을 보였다.

영어초록

ITS (Intelligent transportation systems) collects real-time traffic data, and accumulates vest
historical data. But tremendous historical data has not been managed and employed efficiently.
With the introduction of data management systems like ADMS (Archived Data Management
System), the potentiality of huge historical data dramatically surfs up. However, traffic data in
any data management system includes missing values in nature, and one of major obstacles in
applying these data has been the missing data because it makes an entire dataset useless every so
often. For these reasons, imputation techniques take a key role in data management systems. To
address these limitations, this paper presents a promising imputation technique which could be
mounted in data management systems and robustly generates the estimations for missing values
included in historical data. The developed model, based on NPR (Non-Parametric Regression)
approach, employs various traffic data patterns in historical data and is designated for practical
requirements such as the minimization of parameters, computational speed, the imputation of
various types of missing data, and multiple imputation. The model was tested under the conditions
of various missing data types. The results showed that the model outperforms reported existing
approaches in the side of prediction accuracy, and meets the computational speed required to be
mounted in traffic data management systems.

참고자료

· 없음