DTW를 이용한 광역철도 역별 수송량 시계열 군집 (Time series clustering of metropolitan railway traffic using dynamic time warping)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 33권 / 5호 / 775 ~ 783페이지
· 저자명 : 박현아, 나종화

초록

본 연구는 DTW 알고리즘을 적용하여 수도권 광역철도 수송량 자료에 기초한 역별 군집분석을 수행하였다. DTW는 일반적인 다변량 자료의 군집에 사용되는 유클리드 거리 등과는 달리 시간의 신축 및 왜곡의 경우에도 잘 적용되어 두 시계열 간의 거리 측도로 유용하게 사용된다. 광역철도의 역별 수송량 자료에 기초한 군집 분석에서 최적의 군집 수 및 성능 평가에는 6가지의 내적(internal) CVI 측도를 사용하였다. 그 결과 고전적인 군집에 비해 DTW를 사용한 군집의 응집도와 분리도가 가장 큰 것을 알 수 있었다. 이는 3개의 군집으로 형성되며, 중심 패턴을 비교 한 결과 뚜렷하게 구분되는 군집 결과를 확인하였다.

영어초록

In this study, time series cluster analysis was performed by applying the DTW algorithm to the metropolitan railroad traffic data. Unlike the Euclidean distance used for clustering of general multivariate data, DTW is well applied in the case of time stretching and distortion, and therefore it is usefully used as a measure of the distance between two time series. Six internal CVI measures were used to evaluate the optimal number of clusters and performance in cluster analysis based on the traffic data of metropolitan railways. As a result, it was found that the degree of cohesion and separation of the cluster using DTW was the greatest compared to the classical cluster. As a result of the clustering, three clusters were formed, and as a result of comparing the central patterns, distinct clustering results were confirmed.

참고자료

· 없음