공유형 자율차의 이동 경로 예측에 관한 기초연구: AI 분석 기반의 택시 경로와 도시 빅데이터를 이용하여 (Preliminary study for exploring SAV route using taxi DTG and urban big-data with learning based approach in AI)

서지정보

· 발행기관 : 대한교통학회
· 수록지 정보 : 대한교통학회지 / 39권 / 6호 / 766 ~ 779페이지
· 저자명 : 김건욱, 김정화, 김우진, 이승현

초록

본 연구에서는 대구광역시를 대상으로 택시 DTG(Digital Tachograph) 데이터를 활용하여 공유형 자율주행차의 주행 형태가 택시와 유사하다는 대전제를 두고 공유형 자율주행차의 주요 이동 경로를 예측하기 위한 기초연구를 수행하였다. 택시 이용자의 승차지점부터 하차지점까지의 주행 경로가 기록된 DTG 데이터를 바탕으로 승차율 분석결과를 히트맵으로 시각화하였으며, 주행 경로를 통해 택시의 주요 이동 경로를 확인하였다. 승차율 분석결과 대구광역시 도심인 동성로, 부도심인 동대구역의 승차율이 높게 나타났으며 그다음으로 승차율이 높은 지역은 상업시설의 비중이 높은 지역으로 확인되었다. 분석결과 지하철 노선과 도시 내 주간선도로와 유사한 축으로 나타나는 경향을 확인하였으며 이를 통해 향후 간선도로와 보조 간선도로, 지하철 노선을 따라 공유형 자율주행차를 위한 인프라가 구축 될 수 있다는 시사점을 얻을 수 있었다. 또한 머신러닝 기법인 랜덤포레스트와 LightGBM를 활용한 회귀모형을 구축하여 택시 이동 경로 결정에 영향을 주는 인자를 분석하였다. 모형 추정결과 2개의 회귀모형 모두 적합성을 확보한 것으로 나타났으며, 지하철역까지의 거리, 간선도로, 유동인구 수, 카드매출 실적, 버스정류장까지의 거리가 주요 변수로 도출되었다. 장래 이와 같은 영향변수들의 변화를 고려하여 공유형 자율주행차의 주행과 관련된 필수 인프라를 전략적으로 배치하는 데 에 본 연구의 결과가 활용 될 수 있을 것으로 기대한다.

영어초록

This study analyzed the main travel routes of shared autonomous vehicles by using DTG (Digital Tachograph) data of Daegu Metropolitan City under the premise that the driving mode of the shared autonomous vehicle is similar to that of a taxi. Based on the taxi DTG data that recorded the driving route from the taxi user’s entry point to the exit point, the ride rate analysis result was visualized as a heat map. The main travel routes of taxi users were found through the driving route. As a result of the loading rate analysis, it was confirmed that the loading rate was high in Dongseong-ro, the downtown area of Daegu Metropolitan City, and the nearby area of Dongdaegu Station. The following high passenger rate region was analyzed as the region with a high proportion of commercial facilities. In the case of movement routes, it was confirmed that they appear mainly along the same axis as subway lines and major arterial roads in the city. And through this, it was possible to obtain the implication that the infrastructure for shared autonomous vehicles could be built along arterial roads, auxiliary arterial roads, and subway lines in the future. In addition, this study established a regression model using machine learning techniques such as Random forest and LightGBM to confirm the variables that affect the user’s choice to use a taxi. The distance to the subway station, the arterial road, the number of floating population, the card sales performance, and the distance to the bus stop were derived as the primary variables that affect the decision of the taxi route. As a result of model estimation, it was found that both regression models secured the fit. It is expected that the results of this study can be utilized to strategically arrange essential infrastructure related to the driving of shared autonomous vehicles in consideration of changes in these influencing variables.

참고자료

· 없음