Graph-based Spatiotemporal Traffic Forecasting and Representation Learning
연구 내용
그래프 신경망과 대비학습·토폴로지 정보를 결합해 교통 및 모빌리티 시계열의 예측 성능과 전이성을 함께 향상하는 연구
교통 데이터는 공간적 구조와 시간적 의존성을 동시에 가지므로 그래프 기반 학습을 중심으로 연구합니다. Progressive Graph Convolutional Networks처럼 입력 데이터 흐름에 맞춰 그래프 구조를 단계적으로 적응시키고, dilated causal convolution 및 gated activation으로 시간 특징을 추출합니다. 또한 도시 표현 학습에서는 heterogeneous graph attention network와 mobility time series contrastive learning으로 공간-인간 활동 관계를 결합하며, time series topological contrastive learning에서는 persistent homology로 계절성과 위상 정보를 안정적으로 반영합니다. 이런 축적을 바탕으로 대도심 속도·혼잡도 예측과 전이 가능한 표현을 지향합니다.
관련 연구 성과
관련 논문
8편
관련 특허
0건
관련 프로젝트
3건
연구 흐름
그래프 인공신경망을 활용한 대도심 모빌리티 네트워크 분석과 예측모델 기술 개발 과제로 연구 방향이 정립되었습니다. 이후 교통 예측에서 단일 정적 그래프에 의존하는 한계를 완화하기 위해 단계적 그래프 적응을 포함한 PGCN 프레임이 제안되었습니다. 2023년에는 공간-시간 딥러닝 모델의 building block 선택이 연구 사이트와 예측 구간에 따라 달라지는 특성을 체계적으로 평가했습니다. 동시에 도시 표현 학습에서는 heterogeneous urban graph attention network와 mobility 시계열 대비학습을 통해 예측용 임베딩을 학습했습니다. 최근에는 지속적 동형정보를 활용한 토폴로지 기반 대비학습과 지하철 이용 패턴의 시계열 군집화로 확장되며, 2025~2026년에는 토폴로지 불변 특징을 포함한 전이·강건성 검증이 진행되었습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
PGCN: Progressive Graph Convolutional Networks for Spatial–Temporal Traffic Forecasting
Deep learning framework for vessel trajectory prediction using auxiliary tasks and convolutional networks
Design, Field Evaluation, and Traffic Analysis of a Competitive Autonomous Driving Model in a Congested Environment
Performance Evaluation of Building Blocks of Spatial-Temporal Deep Learning Models for Traffic Forecasting
Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT)
Time Series Cluster Analysis of Seoul Subway Usage Patterns under COVID-19 Based on Dynamic Time Warping
MobiCLR: Mobility Time Series Contrastive Learning for Urban Region Representations
TopoCL: Topological Contrastive Learning for Time Series
관련 프로젝트
구분
제목
어텐션 메커니즘과 그래프인공신경망에 기반한 대도심 모빌리티 네트워크 분석 및 예측모델 기술 개발
어텐션 메커니즘과 그래프인공신경망에 기반한 대도심 모빌리티 네트워크 분석 및 예측모델 기술 개발
도시 표현 학습을 위한 멀티 모달 인공지능 학습 모델 및 신뢰가능한 인공지능 기술 연구