긴 시간의 교통 흐름 예측을 위한 컨볼루션 어텐션 모델 (Convolution-Attention Model for Long-Term Traffic Forecasting)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 2호 / 283 ~ 290페이지
· 저자명 : 최병진, 이민우, 정교민

초록

교통 흐름을 예측하는 것은 현대 도시의 중요한 문제 중 하나이며, 이에 교통 흐름의 예측을 위하여 다양한 모델들이 연구되어왔다. 그러나 교통 흐름을 예측하는 문제는 시간적인 특성과 공간적인 특성을 모두 고려해야 하기에 해결하기에 복잡한 문제이다. 최근 들어서는 시계열 구조와 그래프 구조를 같이 활용하는 뉴럴 네트워크 모델들이 새롭게 떠오르고 있다. 그러나 이전의 많은 연구들은 짧은 시간의 예측을 주로 다루었고, 긴 시간의 교통 흐름을 예측하는 데 어려움이 있었다. 이를 개선하여 짧은 시간 뿐만 아니라 긴 시간의 예측 성능을 같이 고려하기위하여, 본 논문에서는 dilated causal convolution 구조와 attention 구조를 결합한 새로운 모델을 제시한다. 실제데이터를 이용한 교통 흐름 예측 실험을 통해 본 논문에서 제시한 모델이 이전의 dilated causal convolution-based models 및 attention model과 비교하여 짧은 시간 및 긴 시간의 예측에서 모두 효과적임을 보여준다.

영어초록

In modern cities, traffic forecasting is one of the important problems, and various models have been studied to predict traffic flow. However, the traffic forecasting problem is a complex problem in that both temporal and spatial properties must be considered. Accordingly, various spatio-temporal neural network models which consider the two properties together are emerging recently. However, many previous studies have difficulty predicting long-term time series traffic flow. To improve predictive performance in the long-term, we build a model based on a dilated causal convolution and an attention model. We show that our model is effective for long-term prediction through experiments on real-world datasets. Experimental results show better performance than previous models such as dilated causal convolution-based models and attention models in long-term traffic forecasting.

참고자료

· 없음