메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
전승배 (조선대학교) Muhammad Sarfraz Khan (조선대학교) 이정환 (조선대학교) 정명훈 (조선대학교)
저널정보
대한공간정보학회 대한공간정보학회지 대한공간정보학회지 제29권 제2호
발행연도
2021.6
수록면
75 - 84 (10page)
DOI
10.7319/kogsis.2021.29.2.075

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
교통 데이터에 대한 정밀한 예측은 지능형 교통 시스템(intelligent transport system, ITS) 분야에서 중요한 역할을 한다. 시간의 영향을 받는 교통 데이터의 특성을 반영하여 예측을 수행하기 위해 사용되었던 통계적 모델 기반 시계열 분석 알고리즘들은 도로 네트워크의 공간적인 특성을 반영하지 못한다는 한계점이 있다. 이러한 한계점을 극복하고자 단순한 구조를 가진 합성곱 신경망(convolutional neural network, CNN)이 교통 데이터 예측을 위해 적용되었다. 본 연구는 이미지로 변환된 교통 데이터를 상대적으로 깊은 구조를 가진 residual neural network(ResNet)를 기반으로 정의된 모델을 전이 학습하여 도로 네트워크의 교통 속도 예측을 수행하였다. 이후 단순한 구조를 가진 CNN의 결과와 비교 분석하였고, 결론적으로 ResNet에 레이어를 추가한 모델이 기존의 방식에 비해 mean absolute error(MAE)를 척도로 하였을 때 2.7% 더 높은 성능을 보였다.

목차

要旨
Abstract
1. 서론
2. 이론적 고찰
3. 데이터 및 아키텍처
4. 모델 구조 및 하이퍼 파라미터
5. 실험 결과
6. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0