베이지안 변수 선택 기법을 이용한 서울 톨게이트 변수 선택

Abstract

도로 혼잡을 예측하고 방지하는 것이 도로혼잡 비용을 줄이는 최선의 방법이다. 특히 전체 인구의 절반이 수도권에 밀집된 한국의 특성상 출퇴근 시간대 서울시에서 경기 남부로 진출하는 관문인 서울 톨게이트는 심한 교통혼잡과 이로 인한 물적, 심리적, 환경적 비용을 야기한다. 교통혼잡과 비용을 줄이기 위한 첫걸음은 교통 혼잡을 야기하는 요인(변수)을 찾아내는 것이라 할 수 있다. 주요 요인(변수)을 찾는 것이다. 본 논문에서는 기존 연구를 기반으로 계절, 날씨(온도, 습도, 강수량 등), 휴일, 서울시 직장/학생 수 관련 변수 중에서 교통량에 유의한 변수들을 찾아내는 변수선택을 수행하고자 한다. 손쉽게 사용할 수 있는 단계적 변수 선택은 변수들의 조합을 동시에 고려한 동시 검정이 아니며 더욱이 모형의 복잡성으로 인한 페널티를 반영하지 않은 단점이 있으므로, 본 논문에서는 베이지안 변수 선택을 적용하여 위의 두 단점을 보완한 변수선택을 수행하고자 한다. 실제 자료에 대한 변수선택은 어느 기법이 가장 최선인지 알 수 없으며 기법에 따라 변수선택이 달라지므로, 세 가지 베이지안 변수 선택기법 -Stochastic Search Variable Selection(SSVS, George and McCulloch, 1993), Kuo-Mallick 방법(Kuo and Mallick, 1998), 깁스 변수 선택(GVS, Carlin and Chib, 1995)-을 적용하여 선택된 변수 조합을 비교하여 그중 가장 최적이라고 생각되는 조합을 최종 모형으로 선택한다. 최종 선택된 모형에 대한 사후추론을 수행하여 선택된 변수들이 교통량에 미치는 영향을 분석한다. 여객 교통과 화물 교통은 특성이 매우 다르므로 (Choi, 2011) 여객 교통과 화물 교통을 분리하여 각각 변수선택을 적용하고 교통 특성에 따라 영향을 미치는 변수들이 어떻게 다른지 살펴본다. ;Predicting and preventing road congestion is the best way to reduce road congestion costs. Especially during rush hour, toll gates in Seoul cause heavy traffic congestion and the resulting physical, psychological, and environmental costs. The first step to reduce traffic congestion and costs is to find the factors (variables) that cause traffic congestion. Based on previous research, this paper aims to perform variable selection among variables related to seasons, weather, holidays, and the number of workers/students in Seoul. In this paper, we want to apply three Bayesian variable selections: Search variable selection techniques (SSVS, George and McCulloch, 1993), Kuo-Mallick method (Kuo and Mallick, 1998), and Gibbs Variable Selection (GVS, Carlin and Chibs, 1995). We select the best combination of selected variables as the final model. Perform post-inference on the last selected model to analyze the impact of the selected variables on traffic. Since passenger and cargo traffic have very different characteristics (Choi, 2011), separate passenger and cargo traffic and apply variable selection, respectively, and look at how different variables affect different traffic characteristics.