도시교통망에서 교통흐름은 각이한 교통상태에 놓일수 있으며 주목하는 도로구간의 교통흐름에 주는 이웃한 도로구간의 영향도 교통상태에 따라 변하게 된다. 이러한 변화를 고찰하기 위한 한가지 방법은 시공간상관성에 따라 교통패턴들을 일정한 개수의 무리들로 분할하고 매 무리에서 독립적으로 비선형상관성을 해석하는것이다.
교통망에서 교통흐름들사이의 동적시공간상관성을 정확히 평가함으로써 교통흐름예측의 정확도를 높이기 위하여 한가지 분류후예측방법을 제안하였다. 제안한 방법은 비직결단계와 직결단계로 구성된다.
비직결단계에서는 교통흐름들사이의 상관곁수를 분류측도로 하여 교통패턴들을 여러개의 무리로 분류한다. 여기서 매 무리는 서로 류사한 시공간상관구조를 가진 교통패턴들을 포함하게 된다. 매 무리에는 하나의 예측모형이 대응되며 예측모형들은 그에 대응하는 무리에 속하는 교통패턴들을 학습자료로 리용하여 훈련된다. 직결단계에서 현재 시각의 교통상태는 분류알고리듬에 의하여 하나의 적당한 무리에로 할당된다. 현재의 무리에 대응하는 예측모형은 동적시공간상관분석에 의하여 결정된 벡토르를 입력으로 하여 미래의 교통흐름을 예측하게 된다.
교통리력자료들을 리용한 예측실험결과들은 제안한 방법이 교통흐름의 시공간상관성의 변화를 고려하여 예측모형의 정확도를 개선한다는것을 보여주었다.
이 연구결과는 잡지 《Transportation》에 《A clustering based traffic flow prediction method with dynamic spatiotemporal correlation analysis》(https://doi.org/10.1007/s11116-021-10200-9)의 제목으로 출판되였다.
