earticle

영어

As cities are becoming densely populated, previously unexpected events such as crimes, accidents, and infectious diseases are bound to affect user demands. With a time-series prediction of demand using information with uncertainty, it is impossible to derive reliable results. In particular, the COVID-19 outbreak in early 2020 caused changes in abnormal travel patterns and made it difficult to predict demand for time series. A methodology that accurately predicts demand by detecting and reflecting these changes is, therefore, required. The current study suggests a time series modeling pipeline that automatically detects and predicts abnormal events caused by COVID-19. We expect its wide application in various situations where there is a change in demand due to irregular and abnormal events.

한국어

도시에 많은 사람들이 밀집하여 살아가면서 기존에 예측하지 못했던 범죄, 사고, 감염병 등 의 비정상 이벤트가 발생은 도시 내 이용자 수요에 영향을 미치게 된다. 이러한 불확실성 (uncertainty)이 내포된 정보를 기반으로 도시 내 이용자 수요에 대한 시계열적 예측을 수행한다 면 신뢰성 있는 결과 도출이 불가능하다. 특히, 2020년 초 발발한 COVID-19는 비정상적인 이 동통행패턴의 변화를 불러 일으키며 시계열 수요예측을 어렵게 만들었기에 이러한 변화를 검 지하고 이를 반영하여 정확한 수요를 예측 수행할 수 있는 방법론의 필요성이 대두되고 있다. 이에 본 연구는 COVID-19로 인한 비정상적 이벤트를 자동으로 검지하고 예측하는 모형 파이 프라인을 구축하였다. 이는 도시 내 다양한 분야에서의 불규칙적이고 비정상적인 이벤트로 인 한 수요변화가 일어나는 상황에 폭넓게 활용될 수 있을 것으로 생각된다.