Key points are not available for this paper at this time.
도시화의 끊임없는 진전은 인구 밀도의 증가와 자동차 수의 극적인 증가로 이어졌으며, 교통 혼잡은 도시 발전에 중요한 장벽으로 떠오르고 있습니다. 지능형 교통 시스템(ITS)은 첨단 정보 기술을 활용하여 실시간으로 교통 흐름을 모니터링하고 분석함으로써 도시 교통 압박을 완화하고 도로 사용 효율을 향상시키는 데 중요한 역할을 합니다. 본 논문은 실시간 교통 모니터링 및 혼잡 예측을 위한 머신러닝 알고리즘 기반의 데이터 분석 방법을 제안하여 도시 교통 관리에 대한 과학적 의사 결정을 지원하는 것을 목표로 합니다. 연구는 차량 위치, 속도, 흐름에 대한 데이터를 포함한 교통 데이터 수집 방법, 데이터 품질을 개선하고 혼잡 예측에 유용한 특성을 추출하기 위한 교통 데이터 전처리 및 특징 추출 기법, 그리고 교통 혼잡 예측 모델 구축을 위한 다양한 머신러닝 알고리즘의 응용을 포함합니다. 또한 본 논문은 모델을 평가하고 최적화하며 실제 교통 데이터로 테스트하여 그 효과성과 실용성을 검증합니다. 연구 결과는 제안된 머신러닝 기반 방법이 교통 혼잡을 효과적으로 예측할 수 있음을 나타내며, 이는 교통 관리 부서에 강력한 도구를 제공하여 교통 지연을 줄이고 시민의 이동 경험을 향상할 수 있는 예방 조치를 지원합니다. 이 연구는 지능형 교통 시스템 연구 분야를 풍요롭게 할 뿐만 아니라 도시 교통 관리 관행에 대한 이론적 기초와 기술적 지원을 제공합니다.
Wei Song (Sun,)은 이 문제에 대해 연구했습니다.