속도 프로파일과 그래프 신경망을 활용한 전역 교통량 추정
읽는 시간: 2 분
...
📝 원문 정보
- Title: Network-Wide Traffic Volume Estimation from Speed Profiles using a Spatio-Temporal Graph Neural Network with Directed Spatial Attention
- ArXiv ID: 2512.13758
- 발행일: 2025-12-15
- 저자: Léo Hein, Giovanni de Nunzio, Giovanni Chierchia, Aurélie Pirayre, Laurent Najman
📝 초록 (Abstract)
기존 교통량 추정 방법은 센서가 설치된 도로의 교통량을 예측하거나 인근 센서를 이용해 결측량을 공간적으로 보완하는 데 초점을 맞추었다. 전자는 설계상 모니터링되지 않은 도로를 무시하고, 후자는 추론 시에도 교통량 데이터가 필요해 센서가 부족한 도시에서는 적용이 제한된다. 반면, 탐색 차량의 속도 정보와 정적 도로 속성은 비교적 쉽게 확보할 수 있어 대부분의 도로 구간을 전면적으로 커버한다. 본 연구에서는 이러한 데이터를 활용해 네트워크 전체의 일일 교통량 프로파일을 예측하는 유도형 딥러닝 프레임워크인 Hybrid Directed‑Attention Spatio‑Temporal Graph Neural Network (HDA‑STGNN)를 제안한다. HDA‑STGNN은 속도 프로파일, 정적 도로 특성, 도로 네트워크 위상 정보를 결합하여 추론 시 교통량 데이터 없이도 모든 도로 구간의 교통량을 추정한다. 광범위한 소거 실험을 통해 모델이 복잡한 시공간 의존성을 효과적으로 포착하고, 위상 정보가 네트워크 전역 교통량 추정 정확도에 크게 기여함을 확인하였다.💡 논문 핵심 해설 (Deep Analysis)
속도 데이터와 도로 정적 속성(예: 차선 수, 도로 종류, 제한 속도 등)은 GPS 기반 탐색 차량이나 모바일 앱을 통해 비교적 저비용으로 수집할 수 있다. 속도는 교통 흐름의 직접적인 지표이면서, 교통량과는 비선형적인 관계를 갖는다. 따라서 속도 프로파일을 효과적으로 변환해 교통량을 추정하려면 복잡한 시공간 상관…