딥러닝을 위한 실험적 평가 기반의 이동경로 데이터 인코딩 방법 비교

Abstract

센서기술의 발달로 자동차나 사람으로부터 수집되는 이동경로 데이터의 양이 급증하고 있다. 이러한 이동경로 데이터로부터 유의미한 결과를 이끌어내기 위해서 현재까지 많은 연구들이 활발히 진행되고 있다. 그 중 자연어 처리 등 타 분야에서 두각을 나타낸 딥러닝을 이용한 연구들이 최근 시도되었으나, 이동경로 데이터만의 고유한 특성을 효과적으로 인코딩하는 방법은 아직 많이 연구되지 않았다. 본 논문에서는 이동경로 데이터의 특성을 표현하는 인코딩 방법론 5가지와 그에 맞는 정규화과정을 소개하고, 이에 대한 비교실험을 통해 성능을 비교하고자 한다. Microsoft Geolife 데이터를 활용하여 LSTM기반의 딥러닝 모델을 학습하고 교통수단(Transportation Mode) 분류를 수행한 결과, 임베딩과 결합된 One-Hot Encoding 기반 정규화 방법론이 성능과 속도 측면에서 비교모델 중 가장 우수한 것으로 관측되었다.