심층신경망을 이용한 지역간 수단선택 모형 구축 (Establishment of Travel Mode Choice Model in Intercity Passenger Travel Using Deep Neural Networks)

서지정보

· 발행기관 : 한국철도학회
· 수록지 정보 : 한국철도학회논문집 / 25권 / 5호 / 354 ~ 366페이지
· 저자명 : 공민선, 이장호, 박범환

초록

최근 들어 국외에서는 딥러닝을 이용한 수단선택 모형 연구가 활발히 진행되는 반면, 국내에서는 다소 미흡한 실정이다. 이에 따라 본 연구에서는 딥러닝의 한 종류인 심층신경망을 이용하여 지역간 수단선택 모형을 구축하고 이를 기존의 로짓 모형 추정 결과와 비교하였다. 자료는 국가교통DB의 전국 지역간 주수단 OD를 사용하였으며, 지역 간 통행 시 선택 불가능한 수단의 존재 여부에 따른 모형의 성능을 비교하고자 전체 기종점 자료와 4개 수단이 모두 존재하는 기종점 자료로 구분하여 분석하였다. 전체 기종점 자료를 이용한 경우, 심층신경망을 이용하여 모형을 추정하였을 때로짓모형과 비교할 때, MSE값은 24.95%, RMSE값은 13.37%, MAE값은 25.97% 감소하는 것으로 분석되었다. 또한, 4 개 수단이 모두 존재하는 기종점 자료를 이용한 경우, 로짓모형과 비교할 때 MSE값은 42%, RMSE값은 23.85%, MAE 값은 34% 감소하는 것으로 분석되었다. 이상의 결과를 토대로 지역간 수단선택모형에 있어서 심층신경망의 도입은 기종점간 수단선택확률을 더 잘 예측하는 데에 도움이 될 수 있을 것으로 판단된다.

영어초록

Recently, research is being conducted using deep learning for travel mode choice models; however, in Korea such research has been insufficient. In this study, we established a model of inter-city travel mode choice using a deep neural network and a type of deep learning, and compared the estimation results with those of the multinomial logit model. For the model estimation, the O/D data for each mode from the Korea Transport Data Base were used. To compare the performance of the model according to the existence of non-available mode when traveling between regions, the analysis data were preprocessed by dividing them into total O/D data and O/D data with all four modes. In the case of the total O/D data, when using the deep neural network, it was estimated that the MSE decreased by 24.95%, the RMSE decreased by 13.37%, and the MAE decreased by 25.97% compared with the results from the multinomial logit model. Also, in the case of the O/D data with all four modes, it was estimated that the MSE decreased by 42%, the RMSE decreased by 23.85%, and the MAE decreased by 34%. It can be concluded that the introduction of a deep neural network can be helpful to more accurately predict the choice probability in the inter-city travel mode choice context.

참고자료

· 없음