Buses are one of the most useful public transportation in the urban area. The most important factor in assessing the service quality of buses is the predictability of travel time. When planning one's itinerary, the main criteria for choosing transportation mode is anticipated travel time to be taken. Previous studies regarding bus travel time prediction did not take into account characteristics depending on the predicted time. In addition, recent development of ICT has collected bus traffic records from the bus information system, and it is easy to predict the travel time based on the data. As a result of analyzing the attributes of bus travel time through bus traffic record, it is shown that route based prediction is more proper than link-node for bus travel time. Based on this, the method of predicting each short-term and long-term travel time is proposed by applying artificial neural network. Long-term forecasting is based on self-organizing clustering, one of the unsupervised learning algorithm by using historical data. Short-term forecasting is based on neural network analysis for supervised learning algorithm by using both real and historical data. In order to verify the proposed framework, An empirical analysis is conducted by selecting one direct route and one trunk route from the suburb area to the central business district through a median bus priority lane. As a result, the average absolute error percentage was less than 10%, and the final results of predicting travel time with accuracy of 90% or more were derived.
버스는 도시에서 가장 유용한 대중교통 수단 중 하나이다. 버스의 서비스 질을 평가하는 요소 중 가장 중요한 것은 통행시간에 대한 예측가능성이다. 여정을 계획할 때, 교통수단을 선택하는 주요 기준이 통행에 걸리는 시간이기 때문이다. 기존의 버스 통행시간 예측 연구에서는 예측하는 시점에 따른 특성은 고려되지 않았다. 또한, 최근 ICT의 발전으로 버스정보시스템으로부터 버스 통행기록이 수집, 누적되고 있어 데이터기반의 통행시간 예측이 용이하게 되었다. 먼저 버스 통행기록을 통해 버스 통행시간의 특성을 파악한 결과, 링크-노드 기반 보다는 노선 기반의 예측이 용이할 것으로 나타났다. 이를 토대로 버스 통행시간의 예측하는 시점을 중장기와 단기로 나누고, 각 통행시간을 예측하는 방법론을 인공신경망 기반의 알고리즘을 적용하여 제안하였다. 중장기 예측은 이력자료를 이용한 비지도학습 기반의 자기조직화 클러스터링 기법을, 단기 예측은 실시간 데이터를 이용한 지도학습 기반의 인공신경망 기법을 적용하였다. 그리고 제안한 방법론을 검증하기 위해 중앙 버스전용차로를 통해 교외 주거지역에서 시내 업무중심단지로 들어가는 경로를 주행하는 직행 1개, 간선 1개, 총 2개 노선을 선정하여 실증분석을 수행하였다. 그 결과, 평균 절대 오차 백분율이 대부분 10% 이내로 나타났으며, 90% 이상의 정확도로 통행시간을 예측하는 결과를 도출하였다.
