고속도로 교통량 결정요인 탐색 및 딥러닝 모형을 통한 예측

Exploring expressways traffic volume determinants and Prediction with deep learning models

본 연구는 대한민국 고속도로 교통량에 영향을 미치는 주요 결정요인을 탐색하고, 이를 기반으로 교통량 예측모형을 구현하는 것을 목표로 한다. 처음으로 고속도로 교통량과 기상 데이터의 탐색적 데이터 분석을 통해 주요 변수들의 상관관계를 파악하고, 교통량에 영향을 미치는 환경적, 사회적 요인들을 분석하였다. 이후 이를 바탕으로 비선형성을 가진 종속변수 예측에 장점이 있는 Block-rNN, N-Beats, N-Hits 등 5개의 딥러닝 시계열 예측 모형을 구축하였으며, 평균 절대 백분율 오차(MAPE), 평균 절대 오차(MAE), 평균 제곱근 오차(RMSE) 등의 평가 지표를 사용하여 예측 정확도를 평가하였다. 연구결과 특정 지역의 강수량 및 강설량, 월, 요일, 휴일, 연휴 등의 요인이 고속도로 교통량에 유의미한 영향을 미치는 것으로 나타났으며, 해당 요인을 바탕으로 여러 딥러닝 기반 예측 모형 중 고속도로 교통량 예측에 가장 최적화된 모델을 도출하였다. 본 연구는 공휴일, 명절, 연휴 등 대한민국 특유의 통행 특성을 분석하여 교통량 예측 결과를 도출 및 비교했다는 점에서 기존 연구와 차별성이 있다. 이를 통해 효율적인 도로 관리 및 교통정책 수립에 기여할 수 있기를 기대한다.

This study aims to explore the main determinants affecting traffic volume on Korean expressways and implement a traffic forecasting model based on them. Through Exploratory Data Analysis of traffic volume data provided by Korea Expressway Corporation, we identified the correlation of major variables and analysed environmental and social factors affecting traffic volume. Based on this, we built deep learning time series prediction models that have advantages in predicting dependent variables with nonlinearity, and compared the performance of each model. The results of the study showed that factors such as precipitation and snowfall in a specific region, month, day of the week, national holidays, and public holidays have a significant impact on highway traffic volume, and Block-rNN, N-HiTS of the deep learning-based models were found to be superior in terms of prediction performance. This study is expected to contribute to the development of efficient policies for highway traffic management and traffic information prediction models.