Development of an Explainable Traffic Flow Prediction Model Using Shapley Additive Explanation and Elliptic Bivariate Relationship
Year: 2023
Type: article
Abstract: 교통관리전략 운영에 있어 교통류 소통상태를 파악하는 것은 매우 중요하며, 교통량 예측은 선제적이고 효과적인 교통관리를 위해 중요한 요소이다. 본 연구의 목적은 교통류 상태를 파악하는 새로운 방법 중 하나인 vehicle accumulation과 travel time 간의 elliptic bivariate relationship을 교통량 예측모형 개발에 적용하는 것이다. Elliptic bivariate relationship의 두 가지 파라미터인 ø와 ｜λ｜를 다양한 유형의 머신러닝 및 딥러닝 기반 교통량 예측모형에 적용하고, SHAP(SHapley Additive exPlanations)을 이용하여 두 파라미터가 가지는 변수 중요도(feature importance)를 산정하였다. 본 연구는 개발된 각 예측모형을 고속도로 검지기 데이터에 적용하여 사례분석을 수행하였다. 5분 후, 15분 후, 30분 후 교통량 예측결과, 모든 예측모형에서 elliptic bivariate relationship 파라미터 적용을 통해 예측오차를 감소시킬 수 있는 것으로 나타났다. 또한, 변수 중요도를 산정한 결과, 예측모형에 적용된 설명변수 중 ø의 중요도가 가장 높은 것으로 나타났으며 ｜λ｜의 중요도 역시 일반적인 교통류 변수와 유사하거나 다소 높은 수준인 것으로 확인되었다. 위 분석결과는 elliptic bivariate relationship 파라미터들이 다양한 머신러닝 기반의 교통량 예측모형에 적용될 수 있음을 보여준다.
Source: 대한교통학회지
Language: English
Subfield: Transportation
Field: Social Sciences
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W4367679103