DOI QR코드

DOI QR Code

Drivers Detour Decision Factor Analysis with Combined Method of Decision Tree and Neural Network Algorithm

의사결정나무와 신경망 모형 결합에 의한 운전자 우회결정요인 분석

  • Received : 2011.04.20
  • Accepted : 2011.08.09
  • Published : 2011.09.15

Abstract

This study's purpose is to analyse factors of determination about detouring for makinga standard model in regard of unfavorableness and uncertainty when unspecified individual recipients make a decision at the time of course detour. In order to achieve this, we surveyed SP investigation whether making a detour or not for drivers as a target who take a high way and National highway. Based on this result, we analysed detour determination factors of drivers, establishing a combination model of Decision Tree and Neural Network model. The result demonstrates the effected factors on drivers' detour determination are in ordering of the recognition of alternative routevs, reliable and frequency of using traffic information, frequency of transition routes and age. Moreover, from the outcome in comparison with an existing model and prediction through undistributed data, the rate of combination model 8.7% illustrates the most predictable way in contrast with logit model 12.8%, and Individual Model of Decision Tree 13.8% which are existed. This reveals that the analysis of drivers' detour determination factors is valid to apply. Hence, overall study considers as a practical foundation to make effective detour strategies for increasing the utility of route networking and dispersion in the volume of traffic from now on.

본 연구는 불특정 다수의 도로이용자들이 경로우회 시 갖는 의사결정과정속에 내포된 비선형성과 불확실성을 고려한 정도 있는 모형구축으로 주요 우회결정요인을 분석하는 것이 주요 목적이다. 이를 위하여 고속도로 및 국도를 이용하는 운전자를 대상으로 우회여부에 관련된 SP조사를 실시하였고, 조사결과에 대하여 의사결정나무와 신경망이론의 결합된 모형을 구축하여 운전자 우회결정요인을 분석하였다. 분석결과 운전자 우회여부결정에 영향을 미치는 요인은 우회도로 인지여부, 교통정보 신뢰도 및 이용빈도, 경로전환빈도, 나이순으로 나타났다. 또한 오분류표를 통한 기존 모형과의 예측력의 비교결과 결합된 모형의 오분류율이 8.7%로 기존 모형인 로짓모형 12.8%, 의사결정나무 단독 모형 13.8%와 비교했을 때 가장 예측력이 높은 것으로 나타나 운전자 우회결정요인 분석에 관한 모형의 적용 타당성을 확인할 수 있었다. 본 연구의 결과는 향후 교통량 분산효과와 도로망 효율 증대를 위한 효과적인 우회관리전략 수립 시 기초 자료로 활용가능하리라 사료된다.

Keywords

References

  1. 강병서, 김계수(2010), SPSS17.0 사회과학 통계분석, 한나래아카데미.
  2. 김연지(2003), 의사결정나무를 이용한 신경망의 해석, 박사학위논문, 한국과학기술연구원.
  3. 김일평(2008), 우회결정요인 분석을 통한 교통정보 제공 방안에 관한 연구, 박사학위논문, 홍익대학교.
  4. 김중효,신재만,박제진,하태준(2010), 유전자 알고리즘과 신경망 이론의 결합에 의한 신호교차로 위험도 예측모형 개발에 관한 연구, 대한토목학회논문집 D, Vol.30 No.4, pp.351-360
  5. 서임기, 박상명, 이병주, 남궁문(2006). 교통정보의 신뢰도와 만족도가 경로선택에 미치는 영향. 대한토목학회 학술대회, Vol.2006.No.10, pp.3063-3066.
  6. 염현섭(2005), 신용평점표와 혼합모형을 이용한 부실기업 예측모형, 석사학위논문, 연세대학교.
  7. 이진천(2000), 입력자료 판별에 따른 데이터 마이닝 기법선택을 통한 시스템의 성능 개선, 석사학위논문, 아주대학교.
  8. 장정아, 문병섭, 최기주(2005), 고속도로에서의 우회(국도)교통정보 제공에 따른 경로전환 효과분석, 대한토목학회논문집 D, Vol.25.no.2, pp.221-226.
  9. 진현정(2010), 의사결정나무모형을 이용한 소비자 그룹 분석, 한국농업경제연구지, Vol.51.No.1, pp.19-40.
  10. 최기주, 장정아, 김성현, 김종식(2004), VMS 우회정보 제공에 따른 우회율 분석(국도 3호선을 중심으로), 대한토목학회논문집 D, Vol.24.No.6, pp.879-880.

Cited by

  1. Study on the Classification Methodology for DSRC Travel Speed Patterns Using Decision Trees vol.13, pp.2, 2014, https://doi.org/10.12815/kits.2014.13.2.001
  2. Classification Method of Congestion Change Type for Efficient Traffic Management vol.16, pp.4, 2014, https://doi.org/10.7855/IJHE.2014.16.4.127