겨울철 도로 기상정보 생산을 위한 공간보간법 비교 (Comparison of spatial interpolation methods for producing road weather information in winter)

서지정보

· 발행기관 : 한국자료분석학회
· 수록지 정보 : Journal of The Korean Data Analysis Society / 23권 / 2호 / 541 ~ 551페이지
· 저자명 : 김대성, 윤상후, 김백조

초록

겨울 도로 교통사고의 원인으로 사람의 부주의, 차량의 결함 외 도로의 상태와 기상이 있다. 도로에 내리는 비와 눈은 도로와 타이어 사이의 마찰력을 낮추고 제동거리를 증가시켜 대형 교통사고의 원인이 된다. 겨울철 도로 기상정보는 결빙 취약지점에 설치된 고정식 도로기상 관측장비로 수집되고 있지만 그 수는 매우 적다. 본 연구는 전국에 설치된 기상관측소에서 수집된 기온과 강수량을 도로단위로 생산하기 위한 다양한 모형의 공간보간 성능을 비교하고자 한다. 연구 자료는 2017년부터 2019년까지 겨울(1월, 2월, 12월)에 전국의 기상관측소에서 수집된 시간 단위 기온과 강수량이다. 공간보간 성능평가를 위해 도로와 기상관측소 간 1.5km를 기준으로 훈련자료와 검증자료로 구분하였다. 고려된 모형은 역거리가중법, 크리깅, k-최근접 이웃법, 일반화가법모형, 그리고 랜덤포레스트이다. 성능 평가기준으로 관측값과 예측값 사이의 평균제곱근오차(RMSE)와 평균절대값오차(MAE)가 사용되었다. 분석결과 거리를 기반으로 한 역거리가중법, 크리깅, k-최근접 이웃법에 비해 위도, 경도, 해발고도를 독립변수로 사용한 일반화가법모형과 랜덤포레스트의 공간보간 성능이 우수하였다. 기온은 일반화가법모형의 공간보간 성능이 우수하였고 강수량은 랜덤포레스트가 우수하였다.

영어초록

Winter road traffic accidents are happened by human carelessness, vehicle defects, and road conditions and weather. A significant traffic accident could be caused by rain and snow falling on the road that decrease the friction between the road and the tire and increase the braking distance. Road weather in winter is being collected with fixed road weather observation equipment installed at vulnerable points of freezing, but the sample is not enough. The purpose of this study is to compare the spatial interpolation performance of various models to interpolate the temperature and precipitation on express roads. Research data are hourly temperature and precipitation collected from weather stations during winter (January, February, December) between 2017 and 2019. For the evaluation of spatial interpolation performance, it was divided into training data and verification data based on 1.5 km between the road and the weather station. Inverse distance weighting, kriging, k-nearest neighbor method, generalized additive model, and random forest were considered. The root mean square error (RMSE) and the mean absolute value error (MAE) between the observed and predicted values ​​were used as a performance evaluation criterion. As a result, the generalized additive model and randomforest using latitude, longitude, and elevation were interpolated well compared to the distance-based inverse distance weighting method and k-nearest neighbor method. The spatial interpolation performance of the generalized additive model and randomforest were excellent for temperature and the random forest, respectively.

참고자료

· 없음