머신러닝 알고리즘을 활용한 노면 유형 분류 모델 개발

Q: 이 논문에서 정의한 노면 유형 분류 모델이란 무엇인가?

노면 유형 분류 모델은 자율 주행 차량이 노면 유형에 따른 주행 방법의 효율을 높이고자 기계학습 알고리즘을 활용하여 도로 표면의 유형을 아스팔트, 자갈길, 흙길 세 가지로 분류하는 모델이다. 가속도계, 자이로스코프 및 속도 센서 데이터를 조합하여 학습한다.

Q: 머신러닝 기반 노면 유형 분류 모델 중 가장 우수한 성능을 보이는 알고리즘은 무엇인가?

결론적으로, 실험 시나리오와 상관없이 Random Forest(RF) 알고리즘 기반 노면 유형 분류 모델이 가장 높은 Micro F1-score 값을 가졌다. 특히 가속도계, 자이로스코프, 속도 측정 데이터를 모두 포함한 데이터세트를 학습할 때 성능 향상이 확인되었다.

황찬일; 박유진; 박규백; 임혜진; 김선우; 조석헌

추천

검색

질문

자료유형: 학술대회자료

저자정보: 황찬일 (건국대학교) 박유진 (건국대학교) 박규백 (계명대학교) 임혜진 (금오공과대학교) 김선우 (전북대학교) 조석헌 (University of California, San Diego)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2024년도 한국통신학회 추계종합학술발표회 논문집

발행연도: 2024.11

수록면: 1,191 - 1,194 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

This study provides a model of classifying road surface types using machine learning algorithms. The measurement data from accelerometers, gyroscopes, and speed sensors, which was collected in 2019 in Anita Garibaldi, Brazil, is utilized for training the proposed road surface type classification model. Several datasets are newly derived by considering various combinations of the measurement data from accelerometers, gyroscopes, and speed sensors. Machine learning algorithms, which are Multinomial Logistic Regression, K-Nearest Neighbors, and Random Forest algorithms, are used for classifying three different road surface types, such as asphalt, cobblestone, and dirt. It is observed that the RF-based road surface type classification model achieves the best value of the Micro F1-score over all experiments. Furthermore, the consideration of the dataset consisting of data measured from all three sensors enhances the performance of the RF-based classification model.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)