1 |
1
교통흐름 방해 정보 및 교통 데이터를 수신하는 입력모듈; 및상기 입력모듈로부터 상기 교통 데이터를 수신하여 교통 흐름 예측 정보를 생성하는 인공지능모듈; 을 포함하고,상기 교통 데이터는 제 1의 시간 동안의 제 1의 교통 데이터 및 제 2의 시간 동안의 제 2의 교통 데이터를 포함하고,상기 제 1의 교통 데이터의 경우, 상기 입력모듈은 상기 제 1의 시간 동안의 제 1의 교통데이터 전부를 수신하고, 상기 제 2의 교통 데이터의 경우, 상기 입력모듈은 상기 제 2의 시간 동안 기설정된 시간간격에 대응하는 상기 제 2의 교통 데이터를 수신하고,상기 교통 흐름 예측 정보는 ReLU(Recited Linear Units)함수에 기반하여 처리된 상기 제 1 및 제 2의 교통 데이터와, 상기 교통 흐름 방해정보를 기초로 생성되는 교통 흐름 예측 장치
|
2 |
2
제 1 항에 있어서, 상기 인공지능 모듈은 LSTM RNN(Long Short Term Memory Recurrent Neural Network)에 기반한 것인 교통 흐름 예측 장치
|
3 |
3
제 2 항에 있어서, 상기 제 1의 시간은 기설정된 시점을 기준으로 3개월 전 내지 6개월 전이며, 상기 제 2의 시간은 상기 기설정된 시점을 기준으로 2시간 전부터 상기 기설정된 시점까지이고 상기 기설정된 시간간격은 15분인 교통 흐름 예측 장치
|
4 |
4
제 1 항에 있어서, 상기 제 1의 교통 데이터 및 제 2의 교통 데이터를 ReLU(Rectified Linear Units)함수에 기반하여 처리하는 처리모듈; 을 더 포함하는 교통 흐름 예측 장치
|
5 |
5
제 4 항에 있어서, 상기 입력모듈은 교통 흐름 방해 정보를 수신하고, 상기 인공지능 모듈은 상기 제 1 및 제 2의 교통 데이터의 경우, 상기 처리모듈에 의해 처리 후 수신하고 상기 교통 흐름 방해 정보의 경우, 직접 수신하여 상기 교통 흐름 예측 정보를 생성하는 교통 흐름 예측 장치
|
6 |
6
제 4 항에 있어서,상기 교통 흐름 예측 정보를 출력하는 출력모듈을 더 포함하고, 상기 출력모듈은 적어도 하나 이상이고, 상기 입력모듈의 개수는 상기 제 2의 시간을 상기 기설정된 시간간격으로 나눈 값이며, 상기 출력모듈의 개수는 상기 입력모듈의 개수와 동일하고, 상기 인공지능모듈의 개수는 상기 입력모듈의 개수보다 한 개 더 많은 교통 흐름 예측 장치
|
7 |
7
입력모듈이 교통흐름 방해 정보 및 교통 데이터를 수신하는 단계; 및인공지능모듈이 상기 교통 데이터를 기초로 교통 흐름 예측 정보를 생성하는 단계;를 포함하고,상기 교통 데이터는 제 1의 시간 동안의 제 1의 교통 데이터 및 제 2의 시간 동안의 제 2의 교통 데이터를 포함하고,상기 제 1의 교통 데이터의 경우, 상기 입력모듈은 상기 제 1의 시간 동안의 제 1의 교통 데이터 전부를 수신하고,상기 제 2의 교통 데이터의 경우, 상기 입력모듈은 상기 제 2의 시간 동안 기설정된 시간간격에 대응하는 상기 제 2의 교통 데이터를 수신하고,상기 교통 흐름 예측 정보는 ReLU(Recited Linear Units)함수에 기반하여 처리된 상기 제 1 및 제 2의 교통 데이터와, 상기 교통 흐름 방해정보를 기초로 생성되는 교통 흐름 예측 방법
|
8 |
8
제 7 항에 있어서, 상기 인공지능 모듈은 LSTM RNN(Long Short Term Memory Recurrent Neural Network)에 기반한 것인 교통 흐름 예측 방법
|
9 |
9
제 8 항에 있어서, 상기 제 1의 시간은 기설정된 시점을 기준으로 3개월 전 내지 6개월 전이며, 상기 제 2의 시간은 상기 기설정된 시점을 기준으로 2시간 이전부터 상기 기설정된 시점까지이고, 상기 기설정된 시간간격은 15분인 교통 흐름 예측 방법
|
10 |
10
제 7 항에 있어서, 상기 교통 흐름 예측 방법은, 처리 모듈이 상기 제 1의 교통 데이터 및 제 2의 교통 데이터를 ReLU(Rectified Linear Units)함수에 기반하여 처리하는 단계;를 더 포함하는 교통 흐름 예측 방법
|
11 |
11
제 10 항에 있어서, 상기 입력모듈은, 교통 흐름 방해 정보를 수신하고, 상기 인공지능 모듈은 상기 제 1 및 제 2의 교통 데이터의 경우, 상기 처리모듈에 의해 처리 후 수신하고 상기 교통 흐름 방해 정보의 경우, 직접 수신하여 상기 교통 흐름 예측 정보를 생성하는 교통 흐름 예측 방법
|
12 |
12
제 10 항에 있어서,상기 교통 흐름 예측 방법은, 출력모듈이 상기 교통 흐름 예측 정보를 출력하는 단계를 더 포함하고, 상기 출력모듈은 적어도 하나 이상이고, 상기 입력모듈의 개수는 상기 제 2의 시간을 상기 기설정된 시간간격으로 나눈 값이며, 상기 출력모듈의 개수는 상기 입력모듈의 개수와 동일하고, 상기 인공지능모듈의 개수는 상기 입력모듈의 개수보다 한 개 더 많은 교통 흐름 예측 방법
|
13 |
13
교통 데이터를 수신하고, 상기 교통 데이터를 기초로 교통 흐름 예측 정보를 생성하고, 상기 교통 데이터는 제 1의 시간 동안의 제 1의 교통 데이터 및 제 2의 시간 동안의 제 2의 교통 데이터를 포함하고, 상기 제 1의 교통 데이터의 경우 전부 수신하고, 상기 제 2의 교통 데이터의 경우, 상기 제 2의 시간 동안 기설정된 시간간격에 대응하는 상기 제 2 교통데이터를 수신하고, 교통 흐름 방해 정보를 수신하고, 상기 교통 흐름 예측 정보는 ReLU(Rectified Linear Units)함수에 기반하여 처리된 상기 제 1 및 제 2의 교통 데이터와, 상기 교통 흐름 방해정보를 기초로 생성하는 교통 흐름 예측을 위한 프로그램을 저장하는 저장매체
|