[ITFIND] 실시간 주차공간 정보 제공, 센서 방식과 기계학습 방식의 경쟁

 

 

 

주차장 정보 시스템을 구축하기 위한 방법으로 현재 미국에서는 두 가지 기술 방식이 경쟁하고 있음

 

공공기관은 센서(IoT) 기술을 이용한 정보 집약 방식을 택하고 있으며, 민간기업 구글은 기계학습 기술을 이용한 알고리즘 방식의 정보 집약 방식을 택하고 있음

 

 

 

■ 센서(IoT) 기술을 이용한 정보 집약 방식

 

- 미국 캘리포니아주 샌프란시스코, 주차장에 IoT를 적용하여 혼잡도를 파악하는 'SFPark' 실증 실험 진행

 

- 주차와 동시에 주차 미터기의 센서가 작동하여 차의 유무를 감지하며, 주차 미터기에 연결된 IoT 전용 네트워크인 Sigfox를 통해 주차 공간의 혼잡 정보가 집약됨

 

- 불법주차 또는 특별 허가증을 가진 차량이 주차하는 경우 공간 여우가 있다고 판단될 가능성이 있음

 

- 주차시간이 남아 있는 상태에서 자동차를 빼는 경우 주차중이라고 판단될 가능성이 있음

 

- 이러한 문제들 때문에 보완이 필요하다는 의견이 적지 않음

 

 

 

■ 기계학습 기술을 이용한 알고리즘 방식의 정보 집약 방식

 

- 구글에 따르면 이 서비스를 위해 주차 공간을 파악 하는데 '크라우드 소싱'과 '기계학습'을 사용 중이라고 함 ==> "기계학습을 이용한 주차의 어려움 예측(Using Machine Learning to Predict Parking Difficulty)"

 

- 크라우드 소싱으로 집약되는 데이터에는 사용자의 위치 정보, 체류 정보, 주차장 찾기까지 걸린 시간 정보 등이 포함됨

 

- 그러나 이 크라우드 소싱 방법만으로는 주차장의 정체를 정확히 추정할 수 없는데, 이는 차를 주차하는 패턴의 수가 많고 이러한 요인을 고려할 필요가 있기 때문

 

- 기계학습의 '로지스틱 회귀분석(Logistic Regression)'이 사용되었으며, 로지스틱 회귀분석으로 알고리즘을 교육하여 변수를 입력하면 어떤 사항에 대해 그 결과를 예상할 수 있으며, 이 경우에는 운전자의 운행 데이터를 입력하면 주차장을 찾기가 쉬울지 어려울지를 예측 할 수 있음

 

 

 

 

- 출처 / 보고서 전문 보기: [ITFIND] 실시간 주차공간 정보 제공, 센서 방식과 기계학습 방식의 경쟁 [자동으로 다운로드 됩니다.]

 

- 문서:

178704.pdf