교통 밀도 복원을 위한 서브스페이스 인식 핵심노름 SDP 프레임워크

초록

SATORIS‑N은 인접 일자들의 특이벡터 서브스페이스를 사전 정보로 활용해, 부분 관측된 교통 밀도 행렬을 핵심노름 기반 반정밀 반정규화(SDP) 최적화로 복원한다. 명시적 서브스페이스 제약을 포함한 convex formulation은 전역 최적을 보장하며, 높은 결측률(75‑90%)에서도 SoftImpute·IterativeSVD·딥러닝 기반 모델보다 10‑20% 낮은 RRMSE와 MAE를 달성한다. 또한, 행렬을 수평·수직으로 스택해 서브스페이스를 암시적으로 정렬하는 경량 방법도 제시한다.

상세 분석

본 논문은 일별 교통 밀도 행렬이 저차원 구조와 시간에 걸친 서브스페이스 안정성을 동시에 갖는다는 실증적 사실을 기반으로 한다. 저차원 구조는 행렬의 주요 k(≤10)개의 특이값이 전체 분산의 75 % 이상을 설명한다는 기존 연구와 일치한다. 서브스페이스 안정성은 인접 일자 간의 좌·우 특이벡터(U, V)의 주각(principal angle)이 작아, 서로 다른 날의 행렬이 거의 동일한 좌·우 서브스페이스를 공유한다는 점을 의미한다. 이러한 두 특성을 동시에 활용하면, 관측이 결측된 행렬에 대해 필요한 샘플 복잡도를 크게 낮출 수 있다(문헌