지점 및 구간 교통정보를 활용한 KNN 기반 단기 교통정보 예측 및 평가 : 대전시를 중심으로

국문 초록 (Abstract)

실시간 교통정보는 적시성 확보가 중요하지만, 현재 제공되는 교통정보는 예측체계의 부재와 연계체계의 성능 부족으로 정시성 확보에 한계를 가지고 있다. 현재 제공하는 교통정보는 수집되고 가공되는 순간 정보는 과거 정보가 되며, 이용자가 원하는 미래정보가 아닌 과거 시점의 데이터가 제공되어 이용자는 과거 데이터를 바탕으로 목적에 따라 이용하고 있다.

따라서 본 연구에서는 머신러닝의 한 기법인 KNN 알고리즘을 대전광역시의 도시부도로(단속류)에 적용하여 교통상황을 예측하고, 실제 교통상황과 예측정보의 차이를 비교하여 예측 정확도의 분석을 실시하였다.

분석결과 시간대별(오전첨두, 비첨두, 오후첨두), 요일별 예측통행속도의 MAPE 값이 전체적으로 평가기준을 만족하는 수준(정확도 80% 이상)으로 분석되었으며, 특히 교통변화가 많이 발생되지 않는 비첨두 시간대에서는 정확도가 90% 이상으로 높은 수준의 정확도가 분석되었다. 일부 분석구간에서 오차율이 20% 이상 발생하였지만, 도시부도로(단속류) 특성인 교통신호로 인한 지체발생은 감안하면 KNN을 적용한 통행속도 예측은 비교적 정확하다고 판단된다.

본 연구를 통해 개발된 도시부 단속류 구간의 통행속도 예측 방법을 적용하여 정보를 제공하면 교통정보시스템의 신뢰성을 향상시키고, 교통관리 측면에서 높은 기여를 할 것으로 기대한다. 또한, 더 정확한 예측정보시스템 구현을 위한 데이터의 다양성을 반영한 빅데이터 분석과 예측 알고리즘 보완이 필요하다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 1 절 연구의 배경 및 목적 1
• 제 2 절 연구의 범위 및 방법 2
• 제 2 장 이 론 적 고 찰 3
• 제 1 절 통행시간 예측 선행연구 검토 3
• 제 2 절 K 최근접 이웃 알고리즘 이론 8
• 제 3 절 이론적 고찰을 통한 시사점 10
• 제 3 장 시스템 구성 및 KNN 구조 설계 13
• 제 1 절 시스템 구성 13
• 제 2 절 KNN 구조 설계 25
• 제 4 장 현장적용 및 평가 29
• 제 1 절 현장적용 29
• 제 2 절 데이터 검증 및 평가 33
• 제 5 장 결론 및 향후 연구 54
• 제 1 절 결론 54
• 제 2 절 향후 연구 55
• 참 고 문 헌 56