도심지 교통흐름 및 미세먼지 예측을 위한 딥러닝 LSTM 프레임워크 


47권  3호, pp. 292-297, 3월  2020
10.5626/JOK.2020.47.3.292


PDF

  요약

정확하고 시기 적절한 예측은 스마트시티의 성공적인 추진을 위한 중요한 단계이다. 매일 수집되는 교통 데이터의 급격한 성장으로, 도심지에서 단기 교통 예측을 위한 최근 연구는 장단기메모리 LSTM(Long-Short Term Memory) 기반의 딥러닝으로 집중되고 있다. 하지만 단기 (5분) LSTM 모델은 실시간 비선형 교통흐름 예측에는 한계가 있다. 더욱이, 교통 데이터에 기반한 미세먼지 예측은 또한 매우 시급한 연구 분야이다. 따라서 본 논문에서는, 중기/장기 예측을 지원하기 위한 멀티 층 LSTM 프레임워크를 설계하였다. 또한 교통데이터 기반 미세먼지 흐름을 예측하기위한 컨볼루션 ConvLSTM(Convolutional LSTM) 모델을 개발하였다. 교통흐름 예측을 위하여 대전시 중심도로의 차량검지기 VDS (Vehicle Detection System) 데이터를 활용하였다. 실험 결과 본 논문에서 제안한 모델은 우수한 예측 성능을 보여주었다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

H. Yi, K. N. Bui, C. Seon, "A Deep Learning LSTM Framework for Urban Traffic Flow and Fine Dust Prediction," Journal of KIISE, JOK, vol. 47, no. 3, pp. 292-297, 2020. DOI: 10.5626/JOK.2020.47.3.292.


[ACM Style]

Hongsuk Yi, Khac-Hoai Nam Bui, and Choong-Nyoung Seon. 2020. A Deep Learning LSTM Framework for Urban Traffic Flow and Fine Dust Prediction. Journal of KIISE, JOK, 47, 3, (2020), 292-297. DOI: 10.5626/JOK.2020.47.3.292.


[KCI Style]

이홍석, 부이 칵 남, 선충녕, "도심지 교통흐름 및 미세먼지 예측을 위한 딥러닝 LSTM 프레임워크," 한국정보과학회 논문지, 제47권, 제3호, 292~297쪽, 2020. DOI: 10.5626/JOK.2020.47.3.292.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr