Transformer 기반 광역 긴급차량 통행시간 예측 모형 개발
Development of a Transformer-based Travel Time Prediction Model for Emergency Vehicles under Wide-area EVPS Environment
- 주제(키워드) EVPS , 통행시간 예측 , Transformer
- 주제(DDC) 629.04
- 발행기관 아주대학교 일반대학원
- 지도교수 이상수
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 박사
- 학과 및 전공 일반대학원 교통공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035714
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
재난의 대형화 및 광역화 추세에 따라 행정구역을 초월한 긴급차량의 신속 이동이 국가 재난 대응의 핵심 과제로 대두되었다. 그러나 기존의 지자체 단위 우선신호 시스템은 관할 경계 진입 시 신호 연동이 단절되는 구조적 한계로 인해 골든타임 확보를 저해해 왔다. 이에 본 연구는 광역 긴급차량 우선신호 (Wide Area EVPS) 환경에서의 통행시간 예측 정밀도를 획기적으로 개선하기 위해, 실제 1년간 축적된 119 구급차 및 소방차의 운행 빅데이터를 기반으로 Transformer 딥러닝 예측 모형을 개발하고 이를 실증하였다. 분석 결과, 제안된 Transformer 모형은 RMSE 79.24초, R² 0.79를 기록하며 기존의 통계적 기법(MLR) 및 머신러닝 기법(Random Forest) 대비 월등한 예측 성능을 입증하였다. 특히 log_distance 변수의 높은 중요도는 모형이 단순 물리적 거리가 아닌, 거리 증가에 따른 소요 시간의 비선형적 패턴을 효과적으로 학습 했음을 시사한다. 또한, 위·경도 좌표 임베딩을 통해 출발지와 도착지 간의 시공간적 맥락(Spatio-temporal Context)을 내재화함으로써 별도의 도로망 데이터 없이도 높은 정확도를 확보하였다. 무엇보다 본 연구의 차별화된 의의는 광역 이동 시나리오에서의 예측 안정성을 입증했다는 점이다. 본 모형은 지자체 경계를 통과할 때 발생하는 신호 단절과 시스템 핸드오버(Hand-over) 지연 등 보이지 않는 ‘제도적 마찰 비용’까지 데이터 패턴으로 학습하여 예측에 반영하였다. 결론적으로 본 연구는 물리적 도로망 정보뿐만 아니라 행정 구역 간 단절이라는 제도적 특성을 기계학습 모형이 스스로 학습하도록 설계하여 고정밀 예측을 구현하였다는 점에서 교통 공학과 데이터 과학의 융합적 성과라 할 수 있으며, 향후 국가 재난 대응 시스 템의 지능화에 기여할 것으로 기대된다. 주제어: 광역 EVPS, 긴급차량, 딥러닝, 통행시간 예측, Transformer
more목차
제1장 서론 1
제1절 연구의 배경 및 목적 1
1. 연구 배경 1
2. 연구의 목적 2
제2절 연구의 범위 및 통행시간 예측방법론 4
제3절 연구 내용 및 방법 6
제2장 이론적 배경 7
제1절 관련 개념 7
1. 긴급차량 우선신호(EVPS) 정의 및 발전과정 7
2. 광역 긴급차량 우선신호 아키텍처 및 운영 개념 9
3. 통행시간 예측 모형 이론 12
제2절 국내외 선행 연구 사례 17
1. 긴급차량 통행시간 관련 연구 17
2. 머신러닝·딥러닝 기반 통행시간 예측 연구 18
3. Transformer 기반 통행시간 예측 연구 20
제3절 연구의 차별성 및 시사점 22
제3장 데이터 수집 및 분석 24
제1절 개요 24
제2절 데이터 수집 및 범위 24
제3절 데이터 정제 및 이상치 처리 파이프라인 27
제4절 변수선정 및 특성분석 29
1. 종속변수(Dependent Variable) 29
2. 독립변수 및 파생변수 생성 30
제5절 탐색적 데이터 분석(EDA) 및 패턴 도출 38
1. 종속변수 및 주요 연속형 변수의 분포 특성 38
2. 시공간적 이동 패턴 분석 40
3. 변수 간 상관관계 및 비선형성 규명 44
제6절 분석 데이터셋 구축 및 검증 46
1. 층화 추출을 통한 데이터 분할 46
2. 데이터 누수 검증 47
제4장 예측 모형 개발 49
제1절 개요 49
1. 개발 방법론 49
2. 모형의 지표 49
제2절 MLR 모형 개발 52
1. 개요 52
2. 입력피처 및 하이퍼파라미터 53
3. 모형수식 및 회귀계수 추정 56
4. 통계적 검증 및 분석 57
5. 모형 성능 및 분석 60
제3절 Random Forest 모형 개발 61
1. 개요 61
2. 입력피처 구성 63
3. 모델링 및 하이퍼파라미터 튜닝 프로세스 64
4. Random Forest 모형 결과 분석 68
5. 검증 결과 분석 70
제4절 Transformer 모형 개발 72
1. 개요 72
2. 입력변수 및 데이터셋 구성 72
3. 모형 아키텍처 및 구현 상세 73
4. 손실 함수 선정 및 최적화 방법론 79
5. Transformer 모형 결과 분석 83
6. 모형 성능 및 분석 89
제5절 모형의 평가 91
1. 평가 방법론 91
2. 모형의 비교 평가 91
3. 통계적 검정 93
4. 정책적 활용방안 96
제5장 결론 및 향후 연구과제 99
제1절 결론 99
제2절 향후 연구과제 101
참고문헌 103
Abstract 108
