인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 논문은 이용자가 노선의 어느 정류장에서든 임의로 탑승했을 때, 목적지 정류장의 도착 예정 시각(ETA)을 추정하기 위한 새로운 예측 방식을 제안한다. 본 연구에서 사용한 데이터는 초단위로 기록된 DTG 운행 데이터이며, 이를 정류장 단위의 도착 시각과 구간 이동 시간으로 재구성하기 위해 정류장 매칭, 순서 보정, 이상치 제거로 구성된 전처리 절차를 설계하였다. 제안 모델은 Transformer Encoder 구조를 기반으로 하며, 이용자가 실제로 탑승하는 단일 정류장의 도착 시각과 기상정보 그리고 위치를 입력으로 받는다. 모델은 출력으로 전체 정류장의 구간별 이동 시간을 예측하고, 예측된 구간 이동 시간을 누적하여 목적지까지의 ETA를 산출한다. 이러한 설계를 통해 제안 모델은 Curriculum learning 기반 LSTM 모델과 비교하여 상대적으로 긴 노선에서 더 우수한 예측 정확도를 유지하면서도, 학습 시간은 약 50% 단축하였다. 실험을 통해 단일 정류장 정보만으로도 목적지 도착 시간을 효과적으로 예측할 수 있음을 검증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096643206
