• PDF 버전 [PDF : 662KB]

동일본 고속도로 주식회사 (이하, NEXCO EAST)와 주식회사 그리드 (이하, 그리드)은 AI를 활용하여 지금까지 정체 예보 사를 다녀왔다 몇달 대상 체증 예측을 가능하게하는 기술 개발 에 성공했습니다.

그리드는 일본 유수의 AI 기술을 가진 기술 벤처 기업이며, 이번 그리드가 개발 · 제공하고있는 다양한 과제에 대응 가능한 AI 개발 플랫폼 "ReNom (리노무)"^※하면 NEXCO EAST이 가진 정체 예측 기술을 이용하여 정체 예보 사 상응하는 예측 모델을 개발했습니다. 이 예측 모델과 교통 혼잡 기의 정체 실적과 비교 한 결과, 일정한 정밀도를 확인할 수 실용화를 향한 목표가 섰습니다 알려드립니다.

1 AI에 의한 혼잡 예측

교통 혼잡 기나 정체 달력 등 몇 개월 동안 앞이되는 정체 예측은 기존에는 NEXCO EAST의 정체 예보 업무를 수행 정체 예보 사가 과거의 정체 실적을 쌓고 요일 배열이나 도로 상황의 변화, 주변 이벤트의 상황 등을 고려하여 판단 예측하고있었습니다.

AI에 의한 혼잡 예측 모델은 정체 발생에 크게 영향을 미칠 수있는 과거의 요인 데이터를 연구하여 미래의 날짜 및 시간, 장소에서 정체 발생의 유무를 예상하는 것입니다.

이번 개발은 Kan-Etsu Expressway를 대상으로 하고 있어, 2004년부터 2018년까지의 약 14년분의 이하【1】～【2】의 대량의 데이터를 학습에 사용했습니다. 학습에 있어서는, NEXCO EAST의 정체 예측의 노하우와, 그리드의 모델 엔지니어링 기술을 곱해 교사 데이터를 작성하고 있습니다.
【1】 트래픽 카운터라고 불리는 장치로부터 얻은 5분마다의 속도, 교통량 데이터
【2】각년의 캘린더 패턴(요일 배열 및 공휴일 배치 등)

• 심층 학습 등의 고급 알고리즘을 과제에 따라 자유롭게 구축 할 수 있으며 간단한 과제에 관해서는 전문가가 아니더라도 프로그램을 작성하지 않고 GUI 인터페이스 모델 개발이 가능한 AI 개발 플랫폼 .

【참고】 정체 예보 사에 의한 종래의 정체 예측

정체 예보 기술자가 수행 정체 예측은 크게 나누면 다음의 [1] ~ [4]의 작업으로 분류됩니다.

• [1] 과거 정체 실적의 중첩 (3 년분)
• 【2】 과거 정체 실적 조사
• [3] 최근 교통 동향 가미
• [4] 보정 작업 (근접하는 정체의 결합 연결하는 노선에 미치는 영향 고려)

2 AI에 의한 혼잡 예측의 정확도

올해 Kan-Etsu Expressway의 교통 혼잡 기 (GW, 추석)의 AI와 정체 예보 사에 의한 혼잡 예측 실적을 비교 한 결과 예측의 헛 스윙 비율^※간과 율^※모두 약 20 % 정도가 정체 예보 사에 의한 예측과 거의 동일한 정밀도로 예측할 수있는 것으로 확인되었습니다.

• 간과 율 : "놓치지 횟수 (정체가 발생하지 않는 것으로 예측했지만 실제로 발생한 정체 실적 횟수)"/ "전체 정체 실적 횟수"
  헛 스윙 비율 : "헛 스윙 횟수 (정체가 발생할 것으로 예측했지만 실제로는 발생하지 않았다 체증 예측 횟수)"/ "전체 체증 예측 회수"

또한 올해 Kan-Etsu Expressway 연말 연시의 정체 예측 대해 AI에 의한 혼잡 예측 정체 예보 사에 의한 혼잡 예측을 비교 한 결과, 약 80 %가 비슷한 경향의 예측이되고 있습니다.

《예측의 예[1]》Kan-Etsu Expressway도 업선 1월 2일(수) AI 예측과 예보사 예측의 비교

《예측의 예[2]》Kan-Etsu Expressway도 업선 1월 3일(목) AI 예측과 예보사 예측의 비교

3 AI를 활용 한 혼잡 예측의 향후의 전개

• 이번에 개발 한 기술은 대상으로 한 Kan-Etsu Expressway 이외에도 적용 가능하며, 향후 Tohoku Expressway 등 다른 노선도 학습 대상 노선의 크게를 목표로합니다.
• 현시점에서 교통 체증 예보 기술자가 수행 도로 상황과 요금 체계의 변화에 따른 예측은 곤란하고, 정체 예측 업무에서 정체 예보 사의 예측에 간과이 없는지 등 보조적으로 활용하고 있습니다.
• 향후 AI에 의한 혼잡 예측의 정확도가 더욱 높아 기존 예측 시스템과의 연계가 이루어지면, 정체 예보 사를 다녀왔다 [1] 중첩 작업 [4] 보정 작업 등의 작업 시간이 크게 단축되고, 정체 예측 업무가 대체로 반감한다고 가정합니다.
• 향후 기상 정보와 사고 발생 상황 등 새로운 학습 데이터의 가능성을 고려하여 더욱 정밀도 향상을 목표하고 있습니다.