정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
도심지 교통흐름 및 미세먼지 예측을 위한 딥러닝 LSTM 프레임워크 |
| 영문제목(English Title) |
A Deep Learning LSTM Framework for Urban Traffic Flow and Fine Dust Prediction |
| 저자(Author) |
이홍석
부이 칵 남
선충녕
Hongsuk Yi
Khac-Hoai Nam Bui
Choong-Nyoung Seon
|
| 원문수록처(Citation) |
VOL 47 NO. 03 PP. 0292 ~ 0297 (2020. 03) |
한글내용
(Korean Abstract) |
정확하고 시기 적절한 예측은 스마트시티의 성공적인 추진을 위한 중요한 단계이다. 매일 수집되는 교통 데이터의 급격한 성장으로, 도심지에서 단기 교통 예측을 위한 최근 연구는 장단기메모리 LSTM(Long-Short Term Memory) 기반의 딥러닝으로 집중되고 있다. 하지만 단기 (5분) LSTM 모델은 실시간 비선형 교통흐름 예측에는 한계가 있다. 더욱이, 교통 데이터에 기반한 미세먼지 예측은 또한 매우 시급한 연구 분야이다. 따라서 본 논문에서는, 중기/장기 예측을 지원하기 위한 멀티 층 LSTM 프레임워크를 설계하였다. 또한 교통데이터 기반 미세먼지 흐름을 예측하기위한 컨볼루션 ConvLSTM (Convolutional LSTM) 모델을 개발하였다. 교통흐름 예측을 위하여 대전시 중심도로의 차량검지기 VDS (Vehicle Detection System) 데이터를 활용하였다. 실험 결과 본 논문에서 제안한 모델은 우수한 예측 성능을 보여주었다.
|
영문내용
(English Abstract) |
Accurate and timely forecasting is an essential step for the successful deployment of smart cities. With the rapid growth of traffic data collected daily, recent studies have focused on deep learning based on long-term short term memory (LSTM) for short-term traffic prediction, especially in urban areas. However, the short-term (five minutes) LSTM model is limited in the real-time nonlinear traffic flow prediction. Moreover, the fine dust prediction based on traffic data is also an emerging issue in this research area. Thus, this paper designs the multiple traffic data-based multi-input/output LSTM framework for supporting medium and long-term prediction. Additionally, a convolutional LSTM (ConvLSTM) model is developed for predicting fine dust flow based on traffic data. Regarding the experiment, we analyzed data from the Vehicle Detection System (VDS) located on major roads in Daejeon City for the evaluation. The experiment indicates promising results for the proposed approach.
|
| 키워드(Keyword) |
도심지 미세먼지 예측
deep learning
딥러닝
장단기 메모리
교통흐름 예측
long short term memory
traffic flow prediction
fine dust prediction
|
| 파일첨부 |
PDF 다운로드
|
