최신자료
인공지능 활용한 교통데이터 통행목적과 이용자특성 추정
서울연구원은 「인공지능 활용한 교통데이터 통행목적과 이용자특성 추정」을 발표하였다.
- 가구통행실태조사로 구축되는 여객 기종점통행량(Origin to Destination, 이하 O/D)은 교통계획 및 사회간접자본의 타당성 평가에 활용되며 각종 교통통계지표를 산출하기 위한 핵심 기초자료임
- 가구통행실태조사는 개인에 관한 풍부한 정보를 제공하지만, 극히 적은 표본이라는 단점이 있음. 반면, 교통카드데이터와 택시운행정보관리시스템(Taxi Operation Information Management System, 이하 TIMS) 데이터는 전수 통행데이터라는 엄청난 장점이 있지만 통행목적과 이용자특성에 대한 정보가 없음
- 이처럼 필요한 속성이 있는 표본 데이터와, 전수 데이터이지만 해당 속성이 없는 데이터가 존재하며, 각 데이터의 장점을 적절히 활용할 필요가 있음.
- 교통데이터의 통행목적과 이용자특성 추정에는 AI(Artificial Intelligence)모형 중 분류모형과 생성모형이 적용되고 있음.
- 분류모형과 생성모형은 가구통행실태조사에 포함된 통행정보, 통행목적, 이용자특성을 학습하여 교통카드데이터의 통행목적과 이용자특성을 추정함.
- 기존 연구들에서도 유사한 방법론을 확인할 수 있었으며, 이 연구 또한 이를 참조하여 서울시 교통데이터 활용에 적합한 모형을 구축하였음.
- 가구통행실태조사로 구축되는 여객 기종점통행량(Origin to Destination, 이하 O/D)은 교통계획 및 사회간접자본의 타당성 평가에 활용되며 각종 교통통계지표를 산출하기 위한 핵심 기초자료임
- 가구통행실태조사는 개인에 관한 풍부한 정보를 제공하지만, 극히 적은 표본이라는 단점이 있음. 반면, 교통카드데이터와 택시운행정보관리시스템(Taxi Operation Information Management System, 이하 TIMS) 데이터는 전수 통행데이터라는 엄청난 장점이 있지만 통행목적과 이용자특성에 대한 정보가 없음
- 이처럼 필요한 속성이 있는 표본 데이터와, 전수 데이터이지만 해당 속성이 없는 데이터가 존재하며, 각 데이터의 장점을 적절히 활용할 필요가 있음.
- 교통데이터의 통행목적과 이용자특성 추정에는 AI(Artificial Intelligence)모형 중 분류모형과 생성모형이 적용되고 있음.
- 분류모형과 생성모형은 가구통행실태조사에 포함된 통행정보, 통행목적, 이용자특성을 학습하여 교통카드데이터의 통행목적과 이용자특성을 추정함.
- 기존 연구들에서도 유사한 방법론을 확인할 수 있었으며, 이 연구 또한 이를 참조하여 서울시 교통데이터 활용에 적합한 모형을 구축하였음.
많이 본 자료
