earticle

영어

The Decision Transformer model was used to predict the behavior of Cutting-In vehicles at highway ramps using the traffic data collected using the Aimsun simulation tool. The Decision Transformer demonstrated superior performance to the Transformer and RNN models, achieving higher accuracy, precision, recall, and F1-Score. As a sequence-based prediction model, it removes the complexity associated with reinforcement learning while significantly improving traffic flow predictions. This research underscores the potential of the model to mitigate traffic congestion and reduce accidents caused by cutting-in vehicles, ultimately enhancing traffic efficiency and road safety.

한국어

본 연구는 도시 교통 시뮬레이션을 기반으로 진출입로에서 발생하는 끼어들기 차량의 행동을 예측하기 위해 Decision Transformer 모델을 적용하였다. 교통 시뮬레이션인 AIMSUN을 활용하여 일정 구간에서 차량의 정보를 수집하였으며, 이를 모델의 입력으로 활용하였다. 실험 결과, Decision Transformer 모델은 기존의 Transformer 및 RNN 모델에 비해 정확도, 정밀도, 재현율, F1-Score에서 모두 우수한 성능을 기록하였다. 특히, Decision Transformer 모델은 강화학습의 복잡성을 제거하고 시퀀스 기반의 예측 모델로 설계되어, 교통 흐름 예측 정확도를 향상시켰다. 본 연구는 끼어들기 차량으로 인한 교통 체증과 사고를 사전에 방지하고 교통 흐름의 효율성을 높이는 데 기여할 가능성을 제시하였다.