도시 교통량을 예측하는 방법
날짜:
2023년 2월 28일
원천:
복잡성 과학 허브 비엔나
요약:
새로운 기계 학습 모델은 도시의 여러 구역에서 교통 활동을 예측할 수 있습니다. 이를 위해 한 연구원은 이탈리아의 주요 자동차 공유 회사의 데이터를 전체 도시 교통량의 프록시로 사용했습니다. 서로 다른 도시 구역이 상호 작용하는 방식을 이해하면 예를 들어 교통 체증을 피하고 대중 교통의 지역 확장과 같은 정책 입안자의 목표 대응을 가능하게 할 수 있습니다.
전체 이야기
새로운 기계 학습 모델은 도시의 여러 구역에서 교통 활동을 예측할 수 있습니다. 이를 위해 Complexity Science Hub 연구원은 이탈리아의 주요 자동차 공유 회사의 데이터를 전체 도시 교통의 프록시로 사용했습니다. 서로 다른 도시 구역이 상호 작용하는 방식을 이해하면 예를 들어 교통 체증을 피하고 대중 교통의 지역 확장과 같은 정책 입안자의 목표 대응을 가능하게 할 수 있습니다.
사람들의 이동 패턴을 이해하는 것은 도시 교통 흐름을 개선하는 데 핵심이 될 것입니다. Complexity Science Hub의 Simone Daniotti 는 "도시 지역에서 인구가 증가함에 따라 이 지식은 정책 입안자들이 효과적인 교통 정책과 포괄적인 도시 계획을 설계하고 구현하는 데 도움이 될 수 있습니다."라고 말합니다 .
예를 들어, 모델이 두 구역 사이에 사소하지 않은 연결이 있음을 보여주는 경우, 즉 사람들이 특정 이유로 한 구역에서 다른 구역으로 통근하는 경우 이러한 상호 작용을 보상하는 서비스가 제공될 수 있습니다. 반대로 모델이 특정 위치에서 활동이 거의 없는 것으로 나타나면 정책 입안자는 해당 지식을 사용하여 구조를 변경하는 데 투자할 수 있습니다.
비엔나와 같은 다른 도시에 대한 모델도
이 연구를 위해 주요 자동차 공유 회사에서 데이터를 제공했습니다. 2017년 이탈리아 4개 도시(로마, 토리노, 밀라노, 플로렌스)에 있는 차량의 모든 차량 위치. 데이터는 서비스 공급자의 웹 API를 지속적으로 쿼리하여 얻었습니다. , 각 차량의 주차 위치와 시작 및 종료 타임스탬프를 기록합니다. "이 정보를 통해 각 여행의 출발지와 목적지를 식별할 수 있습니다."라고 Daniotti는 설명합니다.
Daniotti는 이를 모든 도시 교통에 대한 프록시로 사용하고 다양한 도시 지역에서 정확한 시공간 예측뿐만 아니라 정확한 이상 감지가 가능한 모델을 만들었습니다. 파업 및 악천후와 같은 이상 현상은 모두 교통과 관련이 있습니다.
이 모델은 또한 비엔나와 같은 다른 도시의 교통 패턴을 예측할 수 있습니다. "그러나 이를 위해서는 적절한 데이터가 필요합니다."라고 Daniotti는 지적합니다.
다른 모델보다 뛰어난 성능
이미 도시의 교통 행동을 예측하도록 설계된 많은 모델이 있지만 "집계 데이터에 대한 대부분의 예측 모델은 완전히 해석할 수 없습니다. 모델의 일부 구조가 두 구역을 연결하더라도 상호 작용으로 해석할 수는 없습니다."라고 Daniotti는 설명합니다. . 이것은 시민의 일상을 지배하는 기본 메커니즘에 대한 이해를 제한합니다.
최소한의 제약 조건만 고려하고 모든 매개변수가 실제 상호 작용을 나타내므로 새 모델을 완전히 해석할 수 있습니다.
그러나 해석 없는 예측이란 무엇입니까?
Daniotti는 "물론 예측을 하는 것이 중요합니다. 그러나 매우 정확한 예측을 할 수 있으며 결과를 올바르게 해석하지 않으면 때때로 매우 잘못된 결론을 내릴 위험이 있습니다."라고 설명합니다.
모델이 특정 결과를 표시하는 이유를 모르면 모델이 예상한 결과를 표시하지 않는 이벤트를 제어하기 어렵습니다. Daniotti는 "모델을 조사하고 이해하는 것은 우리와 정책 입안자들이 잘못된 결론을 내리지 않도록 도와줍니다."라고 지적합니다.
출처 : https://www.sciencedaily.com/