@article{ART003066412},
author={
박동혁
and
박준영
and
김덕녕
},
title={
교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발
},
journal={
물류과학기술연구
},
issn={2765-2351},
year={2024},
number={1},
pages={44 - 58},
doi={10.23178/jlst.5.1.202403.003},
url={http://dx.doi.org/10.23178/jlst.5.1.202403.003}
TY - JOUR
AU - 박동혁
AU - 박준영
AU - 김덕녕
TI - 교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발
T2 - 물류과학기술연구
PY - 2024
VL - 5
IS - 1
PB - 한국물류과학기술학회
SP - 44 - 58
SN - 2765-2351
AB - 물리적 피해와 인명 피해가 큰 화물차 사고는 공급망 차원에서 리드 타임에 크게 영향을 미쳐 신뢰도 저하와 재주문율 하락으로 이어져 화물차 교통사고를 잠재적 위험 요소로 판단해야 한다. 본 연구는 교통‧기상‧모바일 데이터를 통해 교통안전과 복합적으로 연관된 요소를 기반으로 단기 교통류를 예측하고 사전에 사고를 포착할 수 있는 실시간 화물 운송 경로 위험도 평가 방법론을 개발하는 것을 목적으로 한다. 우선, 실시간 교통 데이터를 기반으로 Transformer-LSTM을 활용하여 시계열 교통류를 예측하였다. 다음으로 Xgboost 기반의 화물차 사고 예측모형을 개발하였다. 분석 결과 위양성률이 5.23%로 도출되어 실시간 화물운송경로 위험도 평가에 효과적일 것으로 판단된다. 연구의 결과물은 향후 화물차 운전자를 위한 안전경로안내 서비스를 제공할 수 있으며 민간 내비게이션 업체와 협력을 통해 화물차 사고 예방을 위한 실시간 사고위험 경고 서비스 제공에 활용할 수 있다.
KW - 화물차, 화물운송경로, 실시간사고위험평가, 딥러닝, 교통데이터
DO - 10.23178/jlst.5.1.202403.003
UR - http://dx.doi.org/10.23178/jlst.5.1.202403.003
ER -
박동혁
,
박준영
and
김덕녕
(2024).
교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발.
물류과학기술연구,
5(1),
44 - 58.
박동혁
,
박준영
and
김덕녕
. 2024,
“교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발”,
vol.5,
no.1,
pp. 44 - 58.
Available from: doi:10.23178/jlst.5.1.202403.003
박동혁
외.
“교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발“
물류과학기술연구
5.1
pp. 44 - 58.
(2024): 44.
박동혁
,
박준영
,
김덕녕
.
교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발
물류과학기술연구
[Internet].
2024;
5(1),
:
44 - 58.
Available from: doi:10.23178/jlst.5.1.202403.003
박동혁
,
박준영
and
김덕녕
. “교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발“
물류과학기술연구
5, no.1,
(2024): 44 - 58. doi: :10.23178/jlst.5.1.202403.003