A Time Series-based Algorithm for Eliminating Outliers of GPS Probe Data

A treatment of outlier has been discussed. Outliers disrupt the reliability of information systems and they should be eliminated prior to the information and/or data fusion. A time series-based elimination algorithm were proposed and prediction interval, as a criterion of acceptable value width, was obtained with the model. Ten actual link values were used and the best model was identified as IMA(1,1). Although the actual verification was difficult in a sense that the matching process between the eliminated data and model data was not readily available, the proposed model can be successfully used in practice with some calibration efforts.

시계열기반의 GPS 프로브 자료의 이상치 제거 알고리즘 개발

본 연구는 구간검지체계의 GPS 프로브 원시데이터의 1차 기공을 위한 평균화과정에 있어 발생할 수 있는 문제점으로 이상치 문제에 대해 검토하고 있다. 이상치의 미 제거는 구간검지의 수집 및 가공 신뢰도를 저하시킬 수 있으므로 이상치에 대한 부문을 수집 주기별로 판단하여 제거해 주어야 한다. 연구에서는 이상치 제거 알고리즘으로 ARIMA 모형을 적용시켜 실시간적 신뢰구간 추정과정들을 검토해 보았다. 이러한 ARIMA 모형의 적용하기 위해 서울시 10개의 도로구간의 GPS 프로브 기반의 교통데이터에 대하여 모수 추정 기간 등을 변화시키면서 이상치 제거 개수들을 확인하였다. 모든 링크는 IMA(1,1)모형으로 모형이 식별이 되었으며, 모수 추정의 경우 추정기간이 짧아질수록 이상치 제거율이 낮아지는 즉 교통흐름에 보다 민감한 경향을 보이는 결과를 가져왔다. 이상치로 제거된 각 개별 원시 데이터의 확인이 불가하여 모형의 신뢰도 평가는 불가하여 모형의 우수성은 입증되지 못 하였으나 본 연구의 결과 수집 데이터 측면에서의이상치 제거의 모형으로서 시계열 모형이 적절하게 이용 가능할 것으로 판단된다.