교통흐름 예측을 위한 딥러닝 슈퍼컴퓨팅 연구

Abstract

(1) 연구사업의 최종 목표 ◦ 시민체감형 교통혼잡 해소 의사결정지원을 위한 슈퍼컴퓨팅 기반 중·단기 교통흐름 예측모형을 개발 - 대도시 예측할 수 없는 차량정체 원인을 파악하고 교통정체 해결방안 제시 - 정부기관/지자체/민간 교통정보서비스 제공기관과 협력으로 교통서비스 고도화 (2) 목표 달성 내역

(3)대표성과 < 세계 최고 수준의 HPC 교통 예측 모형 개발 및 AI 적용 > [성과 요약] ○ 슈퍼컴퓨팅 기반의 교통패턴 알고리즘 개발 및 ‘계층적 교통패턴(Hierarchical Traffic Pattern, HTP) 예측 모형 개발’로 민간 네비게이션 업체인 현대엠엔소프트 품질평가 방법 대비 24% 예측력 향상으로 MOU를 통해 지속적인 모형 최적화 및 기술이전을 진행 (70% 이상 정확도 달성) - 전국 300만 여개의 링크에 대한 630여만개 소통상황을 5분 주기로 예측 - 약 127억 여개 (630 x 288 x 7) 소통상황 정보 계산

○ HTP 모형의 지속적인 개선 연구 진행 - 민간 네비게이션 업체인 현대엠엔소프트와의 MOU를 통해 지속적이 모형 최적화 진행 - 매월 새로운 소통정보를 활용하여 HTP의 고도화 및 성능 제고

[추진배경 및 당위성] 병렬 교통 소통정보 예측 알고리즘 개발 ○ 국내 네비게이션 경로탐색 알고리즘에는 방대한 교통 데이터를 실시간 병렬처리 할 수 있는 기술이 미비로 교통정보 제공 서비스 품질 수준이 낮음 ○ 단순 결측처리 방법을 사용하고 있고 이로 인하여 예측 정확도가 낮음 서비스를 제공함 ※ ‘결측처리’란 데이터가 없으며 보통 평균치나 상수값으로 사용하는 방법 ○ 교통 소통정보 예측 정확도를 향상하기 위해, 슈퍼컴퓨팅 기반 교통 빅데이터 처리를 위한 공유메모리 환경에서 OpenMP 병렬프로그램 기술 개발이 시급

[연구내용] ○ 차량용 네비게이션의 경로탐색 성능 향상을 위한 고성능컴퓨팅 계층적교통패턴화 HTP(Hierarchical Traffic Pattern)를 개발 ○ 슈퍼컴퓨터를 활용한 계층적 교통패턴 알고리즘을 개발하고, 공유메모리에서 최적화된 OpenMP 병렬화 알고리즘 사용으로, 시공간적인 소통정보를 5분마다 620만개를 사용할 수 있으며, ○ 이는 기존 업체 사용 데이터 규모에 비하여 약 10,000배 이상 규모로 세계 최고 수준임 ○ 비선형적 시공간 4단계 HTP 모형 개발로 전국 300만 개 도로에서 수집된 소통정보의 정확도를 70% 이상 개선 및 업체에서 실증 완료 함 ○ 인공지능(AI) 심층신경망(Deep Neural Network)과 HTP 모델 융합으로 소통정보 정확도를 최적화

[우수성] ○ 세계 최고 수준의 병렬화 HTP 알고리즘 개발로 교통 소통정보 제공 서비스의 품질을 획기적으로 개선함 ○ 실제 현업에서 사용되고 있는 네비게이션 예측 모델 보다 20% 예측력이 향상됨 ○ 슈퍼컴퓨터를 이용한 교통 빅데이터 패턴 분석 결과를 주기적으로 제공하고 협력하는 내용의 현대엠엔소프트와 MoU 추진

[기대효과] ○ 자율주행을 위한 도로교통정보 인프라 플랫폼 개발 과제에 적용 * 자율주행차는 국가전략프로젝트 사업분야

[증빙자료]정적속도 패턴화 품질평가 : 개선효과 24%

( 출처 : 요약문 4p )