Current Result Document :
| 한글제목(Korean Title) |
도시 네트워크의 교통 데이터 개선을 통한 그래프 딥러닝 모델 성능 분석 |
| 영문제목(English Title) |
Performance Analysis of Graph Deep Learning Models via Traffic Data Improvement in Urban Networks |
| 저자(Author) |
최민규
한승훈
김정선
김성수
임성수
Mingyu Choi
Seunghoon Han
Jeongseon Kim
Sung-Soo Kim
Sungsu Lim
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 1311 ~ 1313 (2022. 12) |
한글내용
(Korean Abstract) |
도시내 교통 혼잡 예측은 지능형 교통 시스템의 중요한 응용 중의 하나다. 그러나, 부정확한 각 소통정보 수집대상 도로의 속성과 누락된 각 도로의 소통정보가 교통 예측을 어렵게 한다. 이로 인해, 그래프 기반의 혼잡 예측 모델에서 공간적인 도로 연관관계 파악과 시간에 따른 도로 소통상황 변화를 정확하게 파악하기가 쉽지 않다. 본 논문에서는 부정확한 도로 정보와 도로 소통정보 결측치를 보정하는 기법을 제안한다. 제안한 방법을 통해 개선된 대전 도심 네 개 지역의 교통 소통 정보를 세 가지 그래프 딥러닝 기반 교통 예측 모델들에 적용하고, 각 모델의 교통 혼잡 예측의 정확도를 평가하였다. 본 논문에서 제시한 데이터 정제 및 보정 기법이 그래프 기반 혼잡 예측 성능 개선에 효과적임을 입증하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
