Road Network Traffic Data Prediction Using ResNet

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.