We discover ideas, create meaning, and grow together.
Abstract
본 프로젝트는 인천광역시의 불법 주정차 문제를 해결하기 위해 빅데이터 분석과 강화학습 기반의 단속 차량 경로 최적화 시스템을 개발하였습니다. 도로 정보의 부재라는 현실적인 제약을 극복하고, 다양한 도시 데이터를 통합하여 단속 효율을 극대화하는 경로를 도출하였습니다. 이 연구는 2020년 대한전자공학회 하계학술대회에서 발표되었으며, 핵심 알고리즘은 2020 X-Corps Festival에서 시연되었습니다.
Problem Formulation
인천광역시는 도로별 주정차 가능 여부에 대한 데이터가 부재하여 불법 주정차 단속의 효율성이 저하되고 있었습니다. 이를 해결하기 위해 다음과 같은 문제를 정의하였습니다:
- 도로 데이터 구축: 인천광역시 내 모든 도로의 주정차 가능 여부를 수집하고 데이터베이스화
- 위험 요소 통합: 공용 및 사설 주차장, 소화전, 버스정류장, 지역행사, 어린이 보호구역, 사고다발지, 민원발생지 등의 데이터를 통합
- 경로 최적화: 강화학습을 통해 단속 차량의 최적 경로를 도출
Architectural Design and Algorithm
1. 데이터 수집 및 구축
- 도로 데이터 수집: 인천광역시 내 도로의 주정차 가능 여부를 직접 조사하여 데이터베이스 구축
- 위험 요소 데이터 통합: 다양한 도시 데이터를 수집하여 통합
2. 데이터 시각화 및 분석
- QGIS 활용: 수집된 데이터를 QGIS를 통해 시각화
- 상관관계 분석: 위험 요소와 불법 주정차 발생 간의 상관관계를 분석
3. 경로 최적화 알고리즘
- Q-Learning 적용: 강화학습 기법인 Q-Learning을 활용하여 단속 차량의 최적 경로를 도출
- 시뮬레이션 및 검증: 도출된 경로를 시뮬레이션하여 효율성을 검증
Tech Stack
- Language & Tools
- Python, SQL, QGIS
- Algorithm: Q-Learning