earticle

영어

Generally, we use Time of Day(T.O.D.) method that makes traffic signal cycle with a average car data previously feeded to create a optimal traffic signal. And we used a traditional neural network or fuzzy algorithms to predict an optimal traffic signal until now. But the neural network algorithms have disadvantage, destitution of a systematic method and explicit model classification that can determine a number of a input vector value or a type. In this paper, we propose a combination method of a neural network and a data mining technology called C4.5 decision tree algorithm to solve this drawback. In experiments, the proposed method is more effective of performance than a traditional neural network algorithm method.

한국어

일반적으로 최적의 교통신호를 생성하기 위해서는 교차로를 통행하는 평균차량 데이터를 미리 입력 시켜서 교통 신호주기를 생성 시키는 Time of Day(T.O.D.) 신호등 방식을 사용한다. 그리고 최적의 교통 신호를 예보하기 위해서 신경망 알고리즘 및 퍼지 알고리즘에 기반한 방법을 사용하였다. 그러나 신경망 알고리즘은 미래의 목표 값을 예측하는데 있어서 입력 벡터의 값의 수나 형태를 결정할 수 있는 체계적인 방법의 결여와 모델의 분류가 어떻게 이루어지는지 명확하게 이해 할 수 없는 단점이 있다. 본 논문에서는 이러한 단점을 해결하기 위해서 데이터 마이닝 기법인 C4.5 의사결정나무 알고리즘을 기존의 신경망 알고리즘에 결합시키는 방법을 제안한다. 실험결과 두 알고리즘을 결합할 때가 결합하지 않을 때 보다는 성능이 향상됨을 알 수 있었다. 또한 이 결합 알고리즘이 교통 예보능력이 우수함으로 실체 교통체계에 활용하기에 충분함을 알 수 있었다.