벡터자기회귀모형을 통한 교통량 예측

• 영문명: A Study on Traffic Forecasting Model Using Vector Auto Regressive near Singal Junction
• 발행기관: 한국자료분석학회
• 저자명: 김아현(Ahyun Kim) 박노진(Ro Jin Pak)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.16 No.1, 173~185쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2014.02.28

국문 초록

교통량이 지속적으로 증가함에 따라 교통량을 정확히 예측하는 것이 중요한 과제로 떠오르고 있다. 기존 교통량 예측 모형으로 신경망, 회귀분석, 시계열 등이 많이 연구되었다. 본 논문에서는 벡터자기회귀(vector auto-regressive; VAR)를 적용하여 교통량 예측 모형을 개발하였다. 한국도로공사에서 제공하는 2004년 1월부터 2012년 12월까지의 신갈-수원, 신갈-마성, 신갈-동수원, 신갈-서울, 수원-기흥 구간의 교통량 자료를 사례로 이용하였다. 특히, 신갈-마성 구간을 중심으로 다른 구간들과의 관계를 찾고자 하였다. VAR을 통해 예측모형을 설정하고, 단변량 시계열모형과 예측 성능을 비교하였다. 충격반응함수를 통해 신갈-마성 구간에 대한 VAR모형 내 다른 구간들의 영향을 살펴보고, 분산분해를 통해 개별 구간들의 신갈-마성 구간 예측에 대한 상대적 중요성을 알아보았다. 관심의 대상인 신갈-마성 구간의 교통량에 대한 주변 구간들과의 수리적 모형을 구축하였고 주변 구간들의 영향력을 수치적으로 시각적으로 확인하였다. 신갈-마성 구간에 대한 인접 구간들의 영향력을 파악함으로써 차후 도로 건설 및 도로 관리에 도움이 될 것으로 사료된다.

영문 초록

With the continuous increasing in the volume of the traffic, the exact forecasting is emerging as one of the principal challenges these days. Even though neural network, regression analysis and time series analysis have already been studied as traffic forecasting model, in this study, we am going to find out the model using vector auto-regressive. Vector auto-regressive is the way of combination regression analysis with time series analysis. It expands the traditional ARMA to multivariate model. In this study, we have referred to the traffic data of Singal-Suwon, Singal-Masung, Singal-Dongsuwon, Singal-Seoul, Suwon-Kiheung sections from January 2004 to December 2012 from the materials of Korea Expressway Corporation. For the exact analysis, we did log transform after eliminating seasonal factors of materials. We set up the forecasting model through VAR, compared the performances with univariate time series. In addition, we examined the influence of variable in the VAR with using impulse response analysis and the relative importance of individual explanatory variables using variance decomposition analysis as well. As the result of the analysis, VAR has a better predictive power than univariate time series to a certain degree. It also shows the relative importance of individual explanatory variables.

목차

1. 서론

2. 이론적 배경

3. 자료 분석

4. 결론

References

키워드

공적분 검정 그랜저 인과관계 검정 단위근 검증 분산분해 충격반응함수 unit root test cointegration test Granger causality test impulse response analysis variance decomposition analysis