138. 차선 단위 대기행렬길이 예측을 위한 그래프 딥러닝 프레임워크 / 나채민, 김현수, 여화수

포스터세션, , 27(금) 12:50-13:20, 라카이볼룸Ⅱ 

차선 단위 대기행렬길이 예측을 위한 그래프 딥러닝 프레임워크 / 나채민(한국과학기술원(KAIST)), 김현수(한국과학기술원(KAIST)), 여화수(한국과학기술원(KAIST))

이 연구는 도심 내 신호 교차로에서 차선 단위 대기행렬 길이를 예측하기 위해 실제 교통 데이터와 AIMSUN 시뮬레이션을 활용한 프레임워크를 제안하였다. 부천시의 4x4 도로망을 모델링하여, 신호 정보와 교통 수요 데이터를 바탕으로 시뮬레이션을 수행하고, 이를 통해 대기행렬 데이터셋을 구축하였다. 각 차선을 그래프의 노드로 정의하고, 대기행렬 길이와 신호 정보 등을 포함한 그래프 시계열 데이터를 생성하여, Graph Convolutional Network (GCN)와 Long Short Term Memory Network (LSTM)를 결합한 T-GCN 모델로 학습하였다. 예측 결과는 입력 주기가 1주기이며 신호 정보를 제공받았을 때, 전체에 대해 MAE 1.1862veh 및 MSE 3.7582veh, 혼잡이 가장 심한 5%에 대해 MAE 2.6924veh 및 MSE 12.5390veh로 높은 정확도를 보였다. 결과적으로 신호 정보가 포함된 1주기 입력에서 높은 예측 정확도를 보였으며, 특히 혼잡이 심한 구간에서도 효과적인 예측이 가능했다. 이 연구는 신호 정보를 포함한 그래프 기반 접근법이 차선 단위 대기행렬 예측에 있어 유용함을 입증하며, 향후 신호 제어 등 다양한 응용 가능성을 제시하였다.