The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Crowdsourcing based Local Traffic Event Detection Scheme

크라우드 소싱 기반의 지역 교통 이벤트 검출 기법

  • 김윤아 (충북대학교 빅데이터 협동과정) ;
  • 최도진 (창원대학교 컴퓨터공학과) ;
  • 임종태 (충북대학교 정보통신공학부) ;
  • 김상혁 (충북대학교 빅데이터 협동과정) ;
  • 김종훈 (충북대학교 정보통신공학부) ;
  • 복경수 (원광대학교 인공지능융합학과) ;
  • 유재수 (충북대학교 정보통신공학부)
  • Received : 2022.01.28
  • Accepted : 2022.02.18
  • Published : 2022.04.28
Download PDF
⟨ Previous Next ⟩

Abstract

Research is underway to solve the traffic problem by using crowdsourcing, where drivers use their mobile devices to provide traffic information. If it is used for traffic event detection through crowdsourcing, the task of collecting related data is reduced, which lowers time cost and increases accuracy. In this paper, we propose a scheme to collect traffic-related data using crowdsourcing and to detect events affecting traffic through this. The proposed scheme uses machine learning algorithms for processing large amounts of data to determine the event type of the collected data. In addition, to find out the location where the event occurs, a keyword indicating the location is extracted from the collected data, and the administrative area of the keyword is returned. In this way, it is possible to resolve a location that is broadly defined in the existing location information or incorrect location information. Various performance evaluations are performed to prove the superiority and feasibility of the proposed scheme.

운전자가 모바일기기를 사용하여 직접 교통 정보를 제공하는 크라우드 소싱을 활용하여 교통 문제를 해결하려는 연구들이 진행 중이다. 크라우드 소싱을 통해 수집된 데이터를 교통 이벤트 검출에 사용한다면 관련된 데이터를 수집하는 작업이 줄어들어 시간 비용이 낮아지고 정확도는 높아지는 장점이 있다. 본 논문에서는 크라우드 소싱을 활용하여 교통과 관련된 데이터를 수집하고, 이를 통해 교통에 영향을 미치는 이벤트를 검출하는 기법을 제안한다. 제안하는 기법은 대용량 데이터 처리를 위해 기계 학습 알고리즘을 사용하여 수집된 데이터의 이벤트 유형을 판별한다. 또한, 이벤트가 발생된 위치를 추출하기 위하여 수집된 데이터에서 위치를 나타내는 키워드를 추출하고 키워드의 행정구역을 반환한다. 이를 통해 기존 제공되는 위치 정보에서 광범위하게 정의된 위치나 잘못된 위치 정보를 해결할 수 있다. 제안하는 기법의 타당성을 입증하기 위해 다양한 성능 평가를 수행한다.

Keywords

Acknowledgement

이 논문은 중소벤처기업부 '산업전문인력역량강화사업'의 재원으로 한국산학연협회(AURI)의 지원(2021년 기업연계형연구개발인력양성사업, 과제번호 : S3047889), 2021년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원(No.2014-3-00123, 실시간 대규모 영상 데이터 이해·예측을 위한 고성능 비주얼 디스커버리 플랫폼 개발), 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원(No. NRF-2020R1F1A1075529), 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성(Grand ICT연구센터) 사업의 연구결과로 수행되었음" (IITP-2022-2020-0-01462).

References

  1. L. Arp, D. Vreumingen, D. Gawehns, and M. Baratchi, "Dynamic macro scale traffic flow optimisation using crowd-sourced urban movement data," Proc. IEEE International Conference on Mobile Data Management, pp.168-177, 2020.
  2. Z. Xu, Y. Liu, N. Y. Yen, L. Mei, X. Luo, X. Wei, and C. Hu, "Crowdsourcing Based Description of Urban Emergency Events Using Social Media Big Data," IEEE Transactions on Cloud Computing, Vol.8, No.2, pp.387-397, 2020. https://doi.org/10.1109/tcc.2016.2517638
  3. https://www.index.go.kr
  4. 박범진, 문병섭, 변장선, "크라우드 소싱의 ITS 적용방안," 한국ITS 학회논문지, 제11권, 제2호, pp.48-56, 2012.
  5. 정한유, "모바일 크라우드소싱 기반 운전자 지원 시스템의 설계 및 구현," 전기전자학회논문지, 제22권, 제1호, pp.29-37, 2018. https://doi.org/10.7471/IKEEE.2018.22.1.29
  6. D. Vij and N. Aggarwal, "Smartphone based traffic state detection using acoustic analysis and crowdsourcing," Applied Acoustics, Vol.138, pp.80-91, 2018. https://doi.org/10.1016/j.apacoust.2018.03.029
  7. T. Sakaki, Y. Matsuo, T. Yanagihara, N. P. Chandrasiri, and K. Nawa, "Real-time event extraction for driving information from social sensors," Proc. IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems, pp.221-226, 2012.
  8. S. Klaithin and C. Haruechaiyasak, "Traffic information extraction and classification from Thai Twitter," Proc. International Joint Conference on Computer Science and Software Engineering, pp.1-6, 2016.
  9. Alomari, Ebtesam, Rashid Mehmood, and Iyad Katib, "Sentiment analysis of Arabic tweets for road traffic congestion and event detection," Smart Infrastructure and Applications. Springer, Cham, pp.37-54, 2020.
  10. C. Zhang, L. Liu, D. Lei, Q. Yuan, H. Zhuang, T. Hanratty, and J. Han, "Triovecevent: Embedding-based online local event detection in geo-tagged tweet streams," Proc. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.595-604, 2017.
  11. S. Zhang, Y. Cheng, and D. Ke, "Event-Radar: Real-time Local Event Detection System for Geo-Tagged Tweet Streams," arXiv:1708.05878, pp.1-10, 2017.
  12. S. Klaithin and C. Haruechaiyasak, "Traffic information extraction and classification from Thai Twitter," Proc. International Joint Conference on Computer Science and Software Engineering, pp.1-6, 2016.
  13. Neruda, Gregorius Aria, and Edi Winarko. "Traffic Event Detection from Twitter Using a Combination of CNN and BERT," 2021 International Conference on Advanced Computer Science and Information Systems (ICACSIS), IEEE, 2021.
  14. E. A. Alomari, I. A. Katib, A. Albeshri, T. Yigitcanlar, and R. Mehmood, "Iktishaf+: A Big Data Tool with Automatic Labeling for Road Traffic Social Sensing and Event Detection Using Distributed Machine Learning," Sensors, Vol.21, No.9, pp.1-33, 2021. https://doi.org/10.1109/JSEN.2020.3039123
  15. https://www.its.go.kr
  16. https://aiopen.etri.re.kr
  17. https://developers.google.com/maps
  18. https://developers.kakao.com
  19. http://www.tbn.or.kr
  20. W. Y. Yang, et al, "Automatic recognition of arrhythmia based on principal component analysis network and linear support vector machine," Computers in biology and medicine, Vol.101, pp.22-32, 2018. https://doi.org/10.1016/j.compbiomed.2018.08.003
  21. Norton, Edward C., Bryan E. Dowd, and Matthew L. Maciejewski, "Marginal effects-quantifying the effect of changes in risk factors in logistic regression models," Jama, Vol.321, No.13, pp.1304-1305, 2019. https://doi.org/10.1001/jama.2019.1954
  22. D. Berrar, "Bayes' theorem and naive Bayes classifier," Encyclopedia of Bioinformatics and Computational Biology: ABC of Bioinformatics, 403, 2018.
  23. S. J. Huang, et al, "Applications of support vector machine (SVM) learning in cancer genomics," Cancer genomics & proteomics, Vol.15, No.1, pp.41-51, 2018.