- 과제명 : 어텐션 메커니즘과 그래프인공신경망에 기반한 대도심 모빌리티 네트워크 분석 및 예측모델 기술 개발 (Attention based Graph Neural Network Models for Urban Mobility Network Analysis and Prediction)
- 위탁기관명 : 한국연구재단
- 시작 및 종료일 : 21.06.01 ~ 24.02.29
- 공동책임자 : 윤윤진 교수
1. 요약(Abstract)
This research project aims to develop technology for broad and long-term transportation prediction, user behavior extraction, and information service that are required for “AI + Mobility,” a representative technology area of the Fourth Industrial Revolution, and future urban mobility. By combining Graph Neural Networks (GNN) and Attention mechanisms, which are newly emerging in the field of artificial intelligence, the research team is composed of interdisciplinary researchers who have conducted various research and development in mathematics, computer science, industrial engineering, and transportation engineering will train a complex model to analyze and predict large-scale urban mobility networks with high spatiotemporal characteristics, and develop mobility information services that apply this to individual travel behavior.
The research team will ensure expertise in transportation big data collection and processing, artificial intelligence, graph modeling, pedestrian analysis, network analysis, and more. Through close collaboration among researchers based on a server-based collaborative working environment, the team aims to develop leading technology in the “AI + Mobility” field while also developing technology that can enhance individual users’ convenience.
본 연구과제에서는 4차 산업혁명 대표 기술 분야인 ‘인공지능 + 모빌리티’와 미래 도심 모빌리티 (future urban mobility) 에 요구되는 광역, 중장기 교통 예측, 사용자 행태 추출 및 정보서비스 기술 개발을 목표로 한다. 인공지능 분야에서 새롭게 대두된 Graph Neural Network (GNN) 과 Attention 메커니즘을 결합하여, 고도의 시공간적 특성 지닌 대도심 모빌리티 네트워크 분석 예측 모델을 다각적으로 학습하고, 이를 개인이동행태에 적용한 모빌리티 정보 서비스를 개발한다.
다년간 수학, 전산학, 산업공학, 교통공학 분야에서 다양한 연구개발을 진행한 융합 연구진 구성을 통해, 교통 빅데이터 수집 및 가공, 인공지능, 그래프 모델링, 통행자 분석, 네트워크 분석 등의 전문성을 확보한다. 또한, 서버 기반 공동 작업환경에 기반한 연구진 간 긴밀한 협업을 통해 ‘인공지능 + 모빌리티’ 분야의 선도적 기술을 연구 개발함과 동시에, 개별 이용자의 편의를 도모할 수 있는 기술 개발을 목표로 한다.
2. 논문(Acknowdgement)
1. Lee, S., Lee, J., Hiemstra-van Mastrigt, S., & Kim, E. (2022). What cities have is how people travel: Conceptualizing a data-mining-driven modal split framework. Cities, 131, 103902.
2. Lee, S., Ko, E., Jang, K., & Kim, S. (2023). Understanding individual-level travel behavior changes due to COVID-19: Trip frequency, trip regularity, and trip distance. Cities, 104223.
3. 중심어(Keyword)
Mobility big data, Graph Neural Networks(GNN), Recurrent Neural Networks(RNN), Attention mechanism, Urban traffic speed prediction, Urban crowd flow prediction, Mobility pattern mining, Mobility Information Service
