표제지
목차
국문요약 8
제1장 서론 9
제2장 선행연구 고찰 11
2.1. 교통 분야 수요예측 연구 11
2.2. Gated Recurrent Unit 신경망 비교 연구 13
2.3. 서울시 공공자전거 수요예측 연구 15
2.4. 본 연구의 차별점 18
제3장 연구 데이터 수집 및 기술 통계량 분석 19
3.1. 데이터 수집 19
3.2. 기술통계량 분석 21
3.3. 데이터 상관 분석 23
제4장 이론적 배경 24
4.1. 이론적 배경 24
4.1.1. 다중선형회귀분석 24
4.1.2. Long Short Term Memory 24
4.1.3. 1-Dimensional Convolution Neural Networks - LSTM 26
4.1.4. GRU 26
4.2. 연구방법 28
4.2.1. 실험 데이터 30
4.2.2. 표준화 30
4.2.3. 다중선형회귀분석(기준 모델) 31
4.2.4. 입력 변수 31
4.2.5. 입력 패러미터 설정 32
4.2.6. 모델 평가 방법 33
제5장 분석 결과 34
제6장 토의 및 결론 40
참고문헌 43
Abstract 49
〈표 1〉 교통 분야 수요예측 연구 요약 12
〈표 2〉 GRU 신경망 비교 연구 요약 14
〈표 3〉 서울시 공공자전거 수요예측 연구 요약 17
〈표 4〉 데이터셋 설명 20
〈표 5〉 기술통계량 21
〈표 6〉 자전거 대여수와의 상관관계 23
〈표 7〉 하드웨어 및 소프트웨어 구성 33
〈표 8〉 모델 패러미터 33
〈표 9〉 R² 변화량 결과 34
〈표 10〉 서울시 생활인구를 제외한 다중선형회귀분석 결과 35
〈표 11〉 서울시 생활인구를 포함한 다중선형회귀분석 결과 35
〈표 12〉 모델 성능평가 결과 39
〈그림 1〉 서울시 여의나루역 1번 출구 지점 20
〈그림 2〉 시간별 데이터 분포 22
〈그림 3〉 서울시 공공자전거와 변수간 분포 23
〈그림 4〉 LSTM Cell 25
〈그림 5〉 1D Conv-LSTM 26
〈그림 6〉 GRU Cell 27
〈그림 7〉 연구수행도 29
〈그림 8〉 학습, 검증, 테스트 데이터셋 구분 30
〈그림 9〉 데이터 윈도우 사이즈 32
〈그림 10〉 모델 성능 평가(MSE 예시) 36
〈그림 11〉 다중선형회귀분석 모델 결과 시계열 그래프 37
〈그림 12〉 LSTM 모델 결과 시계열 그래프 37
〈그림 13〉 Conv-LSTM 모델 결과 시계열 그래프 38
〈그림 14〉 GRU 모델 결과 시계열 그래프 38