짧은 기간 교통 흐름 예측과 변동성 분석

본 논문은 교통 흐름의 단기 예측과 그 신뢰성을 평가하기 위한 새로운 방법론을 제시한다. 기존의 회귀, 인공신경망, 퍼지 로직 등 다양한 모델링 기법이 널리 사용되어 왔지만, 저자들은 이러한 방법들이 대규모 데이터 저장·분석과 복잡한 확률·결정론적 모델링에 의존한다는 점을 비판한다. 대신 비표준 해석(non‑standard analysis)과 Cartier‑Perrin 정리를 기반으로 시계열을 ‘추세(E)’와 ‘빠른 변동(Fluctuation)’으로 분해한다. 이 분해는 무한소 수준까지 유일하게 정의되며, 추세는 매우 부드럽고 변동은 거의 평균값에 기여하지 않는 특성을 가진다. 추세를 실시간으로 추정하기 위해 저자들은 알제브라적 미분 추정 기법을 도입한다. 다항식 근사를 라플라스 변환 형태로 표현하고, 양변에 sⁿ을 곱해 적분 연산으로 변환함으로써 노이즈에 강인한 파라미터 a₀(추세)와 a₁(추세의 기울기)를 구한다. 이 과정은 짧은 시간 창(window)만으로도 정확한 추정이 가능하도록 설계되었다. 예측 단계에서는 두 가지 기본 아이디어를 활용한다. 첫 번째는 ‘지속성(persistence)’으로, 미래 값을 현재 값과 동일하게 가정한다(식 5). 두 번째는 ‘스케일드 지속성(scaled persistence)’으로, 추세에 전일 동일 시점 대비 비율 S_c(t)를 곱해 변화를 반영한다(식 6). 두 방법 모두 빠른 변동을 무시하고 추세에 초점을 맞춘다. 그러나 각각 과소·과대 예측의 위험이 존재한다. 이를 보완하기 위해 ‘혼합 예측(Mixed Forecast)’(식 10)를 제안한다. 이 식은 추세의 미분에 기반한 선형 예측과 스케일드 지속성에 기반한 비선형 예측 중 절댓값이 더 작은 항을 선택함으로써 두 방법의 장점을 결합한다. 변동성(볼래틸리티) 정의는 전통적인 금융 분야의 수익률 기반이 아니라, 시계열 자체와 추세 차이의 제곱 평균을 이용한 표준편차 형태로 제시한다. 이는 교통량의 불확실성을 직접 측정하게 해 주며, 시간 스케일에 따라 변동성의 크기가 어떻게 변하는지를 정량화한다. 실험은 프랑스 A25 고속도로 구간(덩케르크‑릴에서 900 m 간격 두 측정소)에서 2014년 6월 한 달간 1분 간격으로 기록된 교통량 Q(t)를 사용한다. 추세는 100점 이동 평균(식 7)으로 계산하고, 전일 동일 시점 대비 비율을 스케일링 팩터로 적용한다. 5분, 15분, 60분 세 가지 예측 horizon에 대해 평균 제곱오차(MSE)를 비교하였다. 결과는 표 1에 정리되었으며, 혼합 예측이 지속성과 스케일드 지속성에 비해 각각 105 %·137 % (5분), 52 %·114 % (15분), 36 %·169 % (60분) 정도의 오차 감소를 보였다. 그래프(Figures 3‑5)에서도 혼합 예측이 실제 측정값과 가장 근접함을 확인할 수 있다. 추가적으로, 다양한 시간 스케일(100, 250, 500분)에서 추세와 변동성을 시각화한 결과(Figures 6‑7)는 스케일이 커질수록 추세가 부드러워지고 변동성은 증가하는 경향을 나타낸다. 이는 교통 관리자가 장기적인 위험을 평가할 때 시간 스케일을 적절히 선택해야 함을 시사한다. 결론에서는 제안된 모델‑프리 방법이 데이터 양과 연산 복잡도 면에서 기존 방법보다 효율적이며, 실시간 교통 흐름 예측과 변동성 분석에 충분히 적용 가능함을 강조한다. 향후 연구 과제로는 다른 도로망에 대한 일반화, 장기 예측(수시간~수일) 적용, 그리고 신뢰구간(confidence band) 기반 위험 관리 체계 구축이 제시된다.