딥러닝을 이용한 긴급차량 통행시간 추정 모형 개발에 관한 연구

Abstract

본 연구에서는 긴급차량 통행시간과 관련된 실측자료를 수집하여 통행시간 영향요인을 분석하고 이를 활용하여 긴급차량 통행시간을 추정하는 딥러닝 기반 모형을 개발하였다. 이를 위하여 화재 발생 출동 이력 자료와 KTDB 노드/링크 자료를 활용하였고, 딥러닝 모형과 모수 및 비모수 통계 모형을 각각 개발하고, 통계적인 지표를 활용하여 비교 평가 하였다. 그리고 실제 도로구간을 대상으로 적용성에 대한 평가를 수행하였다. 긴급차량 출동 관련 실측 자료 기반으로 긴급차량 통행시간과 독립변수 간의 Pearson 상관분석 결과, 9개의 변수가 유의한 것으로 나타났다. 이후 멱함수 분석을 통해 긴급차량 통행시간의 주요 영향요인 6개(첨두시, 1차로/2차로/3차로 링크길이, 신호지점 수, 비신호지점 수)를 도출하였다. 다양한 입력변수(13개)를 적용하여 딥러닝 모형 기반의 긴급차량 통행시간 추정모형을 개발하였다. 이를 모수적 통계기법의 MLR 모형과 비모수적 통계 기법의 KNN 모형과 평가지표별 비교한 결과, MAPE 기준으로 딥러닝을 이용한 모형의 MAPE가 25.31%로 MLR 모형보다 13.7%, KNN 모형보다 15.7% 오차율이 감소하여 타 모형에 비해 우수한 결과를 나타내었다. 개발모형의 평가를 위해 대표지점 20개소를 선정하여 내비게이션 경로 통행시간과 개발모형의 추정 통행시간을 비교하였다. 평가 결과, 20개 경로 중 75%가 내비게이션 예상 경로 통행시간 보다 개발모형의 추정 경로 통행시간이 빠른 것으로 분석되었다. 통계적 검정 결과 내비게이션 통행시간과 개발모형의 추정 통행시간의 차이는 유의한(t=2.697, p<0.05) 것으로 분석되었다.