GPS and digital tachograph based transportation and logistics operation prediction
연구 내용
GPS 궤적과 디지털 타코그래프 데이터를 활용해 이동수단 특성을 추론하고 항만에서의 트럭 대기 및 회전시간을 예측하는 연구
교통·물류 운영에서는 이동수단 유형과 항만 처리 특성이 수요 변동과 현장 조건에 따라 달라져 예측의 일반화가 핵심입니다. 본 연구는 GPS 차량 궤적 또는 중장비 디지털 타코그래프 기반의 시계열 특징을 장기 의존성을 반영하는 딥러닝 구조로 학습하여 이동 모드를 추론합니다. 또한 항만별 운영 차이를 반영하기 위해 포트 간 전이학습을 적용하고, 데이터가 제한된 항만에서도 회전시간 예측 성능을 확보하는 방향으로 모델링을 고도화합니다. 이를 통해 사전 운영 계획과 혼잡 대응을 지원하는 기초기술을 확보합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 GPS 기반 시계열을 전처리하고 신경망 학습을 통해 이동수단의 유형을 추론하는 방법을 정립하는 데 집중했습니다. 이후 항만에서 트럭 대기 및 처리 지연을 반영하는 회전시간(Turnaround Time) 예측 연구로 확장하며, 실제 운영 데이터 기반의 예측 파이프라인을 구축했습니다. 최근에는 항만 간 데이터 제약 조건을 고려해 전이학습으로 모델을 이식하고, 제한된 데이터 환경에서도 예측 성능을 유지하는 방향으로 연구를 심화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
GPS data-based mobility mode inference model using long-term recurrent convolutional networks
Deep learning-based estimation of truck Turn Around Time at container port
Freight Truck Turnaround Time Prediction at Container Ports Using Transfer Learning