• 한국도로학회논문집
• /
• 제15권3호
• /
• pp.93-101
• /
• 2013

PURPOSES : This study is to investigate the relationship of socioeconomic characteristics and road network structure with traffic growth patterns. The findings is to be used to tweak traffic forecast provided by traditional four step process using relevant socioeconomic and road network data. METHODS: Comprehensive statistical analysis is used to identify key explanatory variables using historical observations on traffic forecast, actual traffic counts and surrounding environments. Based on statistical results, a multiple regression model is developed to predict the effects of socioeconomic and road network attributes on traffic growth patterns. The validation of the proposed model is also performed using a different set of historical data. RESULTS : The statistical analysis results indicate that several socioeconomic characteristics and road network structure cleary affect the tendency of over- and under-estimation of road traffics. Among them, land use is a key factor which is revealed by a factor that traffic forecast for urban road tends to be under-estimated while rural road traffic prediction is generally over-estimated. The model application suggests that tweaking the traffic forecast using the proposed model can reduce the discrepancies between the predicted and actual traffic counts from 30.4% to 21.9%. CONCLUSIONS : Prediction of road traffic growth patterns based on surrounding socioeconomic and road network attributes can help develop the optimal strategy of road construction plan by enhancing reliability of traffic forecast as well as tendency of traffic growth.

• 한국정보통신학회논문지
• /
• 제19권9호
• /
• pp.2107-2113
• /
• 2015

본 논문에서는 교차로와 같은 교통집중 구간에서 교통약자를 대상으로 하여 교통신호 변화를 사전에 미리 인지하고 대응할 수 있는 교차로 신호 사전예보 시스템을 제안하였다. 또한, 제안 시스템의 정보연계 절차를 설계하고 무선통신의 운용 가능성을 검증하기 위해 PHY 기반의 무선통신 시뮬레이터를 설계하였다. 결과적으로, 본 논문에서 설계한 시뮬레이터를 기반으로 교차로 채널환경에 따른 성능분석을 수행함으로써 교통약자에 대한 차량 IT 기반의 의사결정 지원을 위한 교차로 신호 사전예보 시스템의 서비스가 가능함을 확인 하였다.

• 한국ITS학회 논문지
• /
• 제20권3호
• /
• pp.59-73
• /
• 2021

교통사고로 인한 많은 인명피해가 발생하고 있으나, 첨단 기술의 발전에도 불구하고 교통사고 발생은 줄어들지 않고 있다. 교통사고를 사전에 예방하기 위해서는 향후 사고가 어떻게 변화하여 갈 것인지를 정확하게 예측할 필요가 있다. 지금까지 교통사고 발생 빈도 예측은 주요 연구 분야가 아니었으며 주로 과거 일정 기간의 통계를 기반으로 전통적인 방법으로 미시적으로 분석되어 왔다. 최근 AI 기술이 교통사고 분야에 도입 되었음에도 불구하고 주로 교통 흐름 예측에 초점을 맞추고 있어, 본 연구에서는 2014년부터 2019년까지 국내에서 발생한 1,339,587건의 교통사고 기록을 시계열 데이터로 변환하고 AI 알고리즘 LSTM을 이용하여 연령별, 시간별 교통사고 발생 빈도를 예측하였다. 또한 코로나-19로 인한 교통 환경의 변화에 맞추어 예측값과 실제값을 비교 검증하였다. 향후 이러한 연구결과가 교통사고 예방의 정책개선으로 이어지고 사고 예방에 활용 될 것으로 기대된다.

• 도시과학
• /
• 제7권1호
• /
• pp.45-54
• /
• 2018

The purpose of this study is to find the factors that reduce prediction error in traffic volume using highway traffic volume data. The ARIMA model was used to predict the day, and it was confirmed that weekday and weekly characteristics were distinguished by prediction error. The forecasting results showed that weekday characteristics were prominent on Tuesdays, Wednesdays, and Thursdays, and forecast errors including MAPE and MAE on Sunday were about 15% points and about 10 points higher than weekday characteristics. Also, on Friday, the forecast error was high on weekdays, similar to Sunday's forecast error, unlike Tuesday, Wednesday, and Thursday, which had weekday characteristics. Therefore, when forecasting the time series belonging to Friday, it should be regarded as a weekly characteristic having characteristics similar to weekend rather than considering as weekday.

• 한국통신학회논문지
• /
• 제29권2B호
• /
• pp.217-227
• /
• 2004

인터넷의 발달로 네트워크 트래픽은 현저하게 증가되었다. 트래픽의 폭증은 전체 네트워크의 성능에 크게 영향을 미치게 되었으며 트래픽의 관리가 망 관리의 중요한 이슈로 되었다. 본 논문에서는 네트워크 트래픽을 분석하여 효율적인 대응을 수립하기 위해 예측하는 시계열 모형의 적합성을 검증한다. 네트워크 트래픽을 예측하기 위해서는 시간적 흐름에 따라 자료간의 상관 관계를 유추하고, 이 관계를 이용하여 예측을 수행한다. 상관 관계를 유추하는 과정에서 필연적으로 확률적 오류를 포함하게 되는데, 정확한 예측을 위해서는 확률적 오차를 최소화해야 한다. 따라서, 통계학 분야에서 예측 방법으로 널리 쓰이는 시계열 모형인 AR, MA, ARMA, ARIMA 모형을 사용하여 네트워크 트래픽을 예측함과 동시에, 예측하는 과정에서 정확한 예측을 수행할 수 있는지에 대한 적합성을 검증하고자 한다. 적합성 검증은 모형 식별 단계에서 초기 단계인 정상성 가정을 만족하는지의 여부로 판단하며. 정상성 가정은 자기상관함수와 편자기상관함수를 통해 구할 수 있다. 정상성 가정을 만족하지 못하는 모형은 비정상 시계열 자료로 분류되는데 이 경우의 예측은 정확하다고 볼 수 없다. 따라서, 정확한 예측을 수행할 수 있도록 시계열 자료의 정상성 가정을 만족하도록 모형을 분류하는 방안을 제시하고자 한다. 정확한 예측을 수행하면, 네트워크 트래픽을 좀 더 나은 방법으로 관리하며, 예측 결과를 이용하여 동적인 트래픽의 관리가 가능하게 된다.

• 대한산업공학회지
• /
• 제37권4호
• /
• pp.297-303
• /
• 2011

Major ports in Northeastern Asia engage in fierce competition to attract transshipment traffic volume. Existing time series analyses for analyzing port competition relationships examine the types of competition and relations through the signs of coefficients in cointegration equations using the transshipment traffic volume results. However, there are cases for which analyzing competing relationships is not possible based on the results of the transshipment traffic volume data differences and limitations in the forecasting of traffic volume. Accordingly, we used the Lotka-Volterra (L-V) model,also known as the ecosystem competitive relation model, to analyze port competition relations for the long-term forecast of South Korean transshipment traffic volume.

• 한국항해항만학회지
• /
• 제32권1호
• /
• pp.81-88
• /
• 2008

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2007년도 추계학술대회 및 제23회 정기총회
• /
• pp.259-260
• /
• 2007

컨테이너항만의 물동량 예측은 항만의 계발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모델과 비선형모델에 강점이 있는 ARIMA와 신경망 모델을 결합해 보다 효과적인 예측 모델을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

• 산업공학
• /
• 제12권4호
• /
• pp.625-634
• /
• 1999

On this study we selected some variable which affect on the estimated of the voice traffic, and estimated daily average traffic by years according to the variables. We applied nonlinear growth curve model to future traffic forecast with estimated historical traffic data. As a result of the forecasting, this study investigates the year in which the internet traffic goes far than the voice traffic.

• 해양환경안전학회지
• /
• 제19권6호
• /
• pp.612-620
• /
• 2013

본 연구는 기존의 회귀분석과는 달리 금융, 경제, 무역 등 다양한 분야의 수요 예측에 널리 적용되고 있는 시계열 분석 방법을 시도하였다. 인천항의 1996년 1월부터 2013년 6월까지 입항 척수 자료를 바탕으로 정상성 검증, 모형의 식별, 모수의 추정, 진단 과정을 거쳐 장래 해상교통량을 예측하였다. 2014년 1월부터 2015년 12월까지 예측한 결과 2월달의 교통량이 다른 달 보다 적게 예측된 반면, 1월달의 교통량은 다른 달 보다 많을 것으로 나타났다. 또한 인천항은 지수평활법 보다 ARIMA 모형이 적합하며, 계절에 따라 월별 교통량의 차이를 보이는 것을 알 수 있다. 본 연구는 시계열 분석으로 장래 교통량을 월별로 예측하였다는 점에서 의의가 있다. 또한 기존의 회귀분석으로 예측한 장래 해상교통량보다 시계열 분석으로 예측한 장래 해상교통량이 더 적합한 모형인 것으로 판단된다.