기존의 길찾기 시스템은 예측(prediction)이 아닌 추론(estimation)입니다. 단순히 과거의 비슷한 시간대의 유사한 이력 자료를 가져올 뿐이다. 이는 실제 걸리는 ETA(Estimated Time of Arrival)와 차이가 있습니다.
따라서 저희는 한국도로공사에서 제공하는 차량감지장치(VDS)로 학습한 Deep Learning 모델과 A*알고리즘을 사용하여, 미래 상황을 예측하고 개선된 ETA를 계산하려 한다
- Front-End의
출발지, 도착지, 출발시각을 요청을 받는다. - 인공지능은 출발시각 1시간 전 데이터을 기반으로 미래의 1시간을 추론한다.
- A* 알고리즘의 연산을 통해 최단 시간 ETA와 경로를 반환한다. 이때, 경과 시간이 앞서 인공지능이 추론한 시간을 초과할 경우 다시 2번으로 돌아간다.
- React를 사용한 UI
- Flask와 GCP를 사용한 인공지능 연계 및 데이터 송수신
- Kakao API를 사용한 Map 구현 및 경로 표시
- LightGBM을 사용한 결측 데이터 보완(예측 방법)
- 교통량 비율에 따른 데이터 비율 가중 평균 변환
- 인공지능이 사용할 수 있도록 데이터 형식 변환
- Graph-WaveNet 모델에 대한 설명
- Epoch 마다 평균 학습 시간과 추론 시간
- 학습 성능과 추론 성능
시연영상
(1) 경로 요청 및 인공지능 추론
(2) 경로 시각화 및 ETA 도출
| 이름 | 역할 | GitHub 프로필 | 이메일 |
|---|---|---|---|
| 김상원 | 프로젝트 매니저, 인공지능 학습 및 배포 | GitHub | [email protected] |
| 윤태형 | 프론트엔드 개발자, React 및 Flask | GitHub | [email protected] |
| 최우석 | 백엔드 개발자, 데이터 전처리 및 서버 운용 | GitHub | [email protected] |
| 강주현 | 프론트엔드 개발자, React 및 경로 탐색 | GitHub | [email protected] |
