• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.89-92
• /
• 2022

본 논문에서는 딥러닝 모델 기반 보행자의 GPS 경로를 예측하는 시스템을 제안한다. 다양한 경로 예측 방식들 중 본 논문은 GPS 데이터 기반 경로 예측 연구이다. 시계열 데이터인 보행자의 GPS 경로를 학습하여 다음 경로를 예측하도록 하는 딥러닝 모델 기반 연구이다. 본 논문에서는 보행자의 GPS 경로를 딥러닝 모델이 학습할 수 있도록 데이터 구성 방식을 제시하였으며, 예측 범위에 큰 제약이 없는 예측 딥러닝 모델을 제안한다. 본 논문의 딥러닝 모델에 적합한 파라메터들을 제시하였으며, 우수한 예측 성능을 보이는 결과를 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.437-440
• /
• 2006

본 논문에서는 도로 네트워크에서 이동하는 객체들의 미래 경로를 예측하는 방안에 대하여 다룬다. 기존의 대부분 미래 예측 기법들을 유클리드 공간에서 이동하는 객체들을 대상으로 한다. 그러나 텔레매틱스 등 다양한 응용에서 객체들은 도로 네트워크 상에서 이동하는 경우가 많으므로 이를 위한 미래 예측 방법이 요구된다. 본 연구에서는 질의 객체의 현재까지의 이동 궤적과 유사한 경향을 가지는 과거 궤적들을 분석함으로써 이 객체의 미래 경로를 예측하는 기법을 제안한다. 우선, 도로 네트워크의 특성을 미래 경로를 다음과 같이 예측한다. 먼저, 이동 객체 데이터베이스 내의 과거 궤적들을 대상으로 주어진 질의 궤적과 유사한 부분 궤적을 갖는 후보 궤적들을 검색한다. 그 다음, 검색된 후보 궤적들의 현재 위치 이후부터 목적지까지의 이동 경로를 분석함으로써 객체의 미래 이동 경로를 예측한다. 작은 차이를 갖는 이동 경로들을 같은 그룹으로 간주함으로써 경로 예측의 정확성을 높이는 방안을 제안한다.

• The Journal of Korean Institute of Information Technology
• /
• v.17 no.12
• /
• pp.29-38
• /
• 2019

A path prediction method using lifelog requires a large amount of training data for accurate path prediction, and the path prediction performance is degraded when the training data is insufficient. The lack of training data can be solved using data of other users having similar user movement patterns. Therefore, this paper proposes a path prediction algorithm based on user similarity. The proposed algorithm learns the path in a triple grid pattern and measures the similarity between users using the cosine similarity technique. Then, it predicts the path with applying measured similarity to the learned model. For the evaluation, we measure and compare the path prediction accuracy of proposed method with the existing algorithms. As a result, the proposed method has 66.6% accuracy, and it is evaluated that its accuracy is 1.8% higher than other methods.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.8
• /
• pp.61-68
• /
• 2022

In this paper, we propose a system to predict the GPS trajectory of a pedestrian based on a deep learning model. Pedestrian trajectory prediction is a study that can prevent pedestrian danger and collision situations through notifications, and has an impact on business such as various marketing. In addition, it can be used not only for pedestrians but also for path prediction of unmanned transportation, which is receiving a lot of spotlight. Among various trajectory prediction methods, this paper is a study of trajectory prediction using GPS data. It is a deep learning model-based study that predicts the next route by learning the GPS trajectory of pedestrians, which is time series data. In this paper, we presented a data set construction method that allows the deep learning model to learn the GPS route of pedestrians, and proposes a trajectory prediction deep learning model that does not have large restrictions on the prediction range. The parameters suitable for the trajectory prediction deep learning model of this study are presented, and the model's test performance are presented.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.321-323
• /
• 2012

최근 모바일 기기 보급의 확산과 관련 기술의 발전으로 인해 사용자의 편의를 제공하는 다양한 서비스들이 제공되고 있다. 이러한 서비스 중에서 대표적인 것으로 사용자의 이동 경로를 파악하고 예측하여 알맞은 위치기반서비스(Location-based Service; LBS)를 제공하는 것이다. 위치기반서비스를 제공하기 위한 가장 핵심 기술은 사용자의 이동 경로를 파악하는 것인데, 기존의 이동 경로 파악 기술은 이전의 이동 경로 자료를 기반으로 현재 이동 경로를 유추하였다. 그러나 이전의 이동 경로 자료가 점점 증가함에 따라 방대한 자료를 보관하고 가공하는데 많은 비용이 발생하는 문제점이 있다. 본 논문에서는 이동 경로를 예측하기 위한 방법으로 사용자가 일정 지점에 머무는 시간 정보, 이동 거리 그리고 다른 사용자와의 소통 정보를 활용한다. 이 정보들을 활용하여 사용자에게 의미 있는 장소를 추출하고 이를 기반으로 사용자의 이동 경로를 예측할 때, 기존 방법과 비교하여 적은 비용으로 효과적인 경로 예측을 할 수 있다.

• Journal of IKEEE
• /
• v.24 no.2
• /
• pp.661-664
• /
• 2020

In this paper, we propose a maritime region segmentation method and a segment-based destination prediction method for vessel path prediction. In order to perform maritime segmentation, clustering on destination candidates generated from the past paths is conducted. Then the segment-based destination prediction is followed. For destination prediction, different prediction methods are applied according to whether the current region is linear or not. In the linear domain, the vessel is regarded to move constantly, and linear prediction is applied. In the nonlinear domain with an uncertainty, we assume that the vessel moves similarly to the most similar past path. Experimental results show that applying the linear prediction and the prediction method using a similar path differently depending on the linearity and the uncertainty of the path is better than applying one of them alone.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.3
• /
• pp.1-10
• /
• 2024

The research on predicting the routes of ships, which constitute the majority of maritime transportation, can detect potential hazards at sea in advance and prevent accidents. Unlike roads, there is no distinct signal system at sea, and traffic management is challenging, making ship route prediction essential for maritime safety. However, the time intervals of the ship route datasets are irregular due to communication disruptions. This study presents a method to adjust the time intervals of data using appropriate interpolation techniques for ship route prediction. Additionally, a deep learning model for predicting ship routes has been developed. This model is an LSTM model that predicts the future GPS coordinates of ships by understanding their movement patterns through real-time route information contained in AIS data. This paper presents a data preprocessing method using linear interpolation and a suitable deep learning model for ship route prediction. The experimental results demonstrate the effectiveness of the proposed method with an MSE of 0.0131 and an Accuracy of 0.9467.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2329-2331
• /
• 2004

본 논문에서는 이동 로봇의 경로 추종 제어를 위해 웨이블릿 신경 회로망에 기반한 예측 제어기의 설계 방법을 제안하고자 한다. 제안한 방법에 의해 설계된 제어기는 이동 로봇의 동특성을 예측하기 위한 웨이블릿 신경회로망 기반 예측기와 예측 제어기로 구성된다. 제안한 방법에서 모델링 및 제어기로 적용되는 신경 회로망의 장점과 우수한 해석 능력을 가진 웨이블릿 변환의 장점을 결합한 웨이블릿 신경 회로망을 이용하여 이동 로븟의 동특성을 모델링하여 예측 제어기에서의 비용 함수 최소화에 적용한다. 경로 추종 제어의 목적인 이동 로봇의 실제 출력과 예측기의 출력 오차를 최소화하기 위해 웨이블릿 신경 회로망의 파라미터 동정 및 예측 제어기는 경사 하강법을 이용하여 학습한다. 마지막으로 컴퓨터 모의 실험을 통하여 제안한 예측 제어 시스템의 적용가능성 및 효율성을 검증하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.280-282
• /
• 2005

현재 국내외 적으로 많은 대사경로 재구축을 위한 소프트웨어들이 개발 보급되고 있다. 그러나 기존의 소프트웨어들은 유전자 서열의 주해 작업이 끝난 게놈에 대해서만 가능하다. 따라서 대사경로를 예측하고자 할 경우는 주해 작업이 선행되어야 하는 어려움이 있었다. 본 논문에서는 주해 작업이 완료되지 않은 유전자 서열로부터 유전자의 기능 예측뿐만 아니라 대사경로를 예측할 수 있는 시스템을 제안한다. 제안된 시스템은 Orthologous 데이터베이스를 활용하여 새롭게 밝혀진 유전자 서열을 대상으로 비교적 정확성이 높은 대사경로를 예측하는 기능을 제공한다. 이 방법을 통해 주해 작업이 완료되지 않은 유전자 서열을 이용하여 서열 내에 포함된 유전자의 기능을 예측할 뿐만 아니라 예측된 유전자 정보를 이용하여 대사 경로를 예측할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.798-801
• /
• 2015

센서 레지스트리 시스템(SRS, Sensor Registry System)은 이기종 센서 네트워크에서 끊김 없는 의미 처리를 위하여 사용자에게 센서 정보를 제공한다. 불안정한 네트워크 상황에서의 원활한 서비스 제공을 위하여 빠른 근거리 사용자 이동 경로 예측 알고리즘(FCR, Fast and Close-Range Prediction) 기반의 SRS가 연구되었다. 이 연구는 경로 예측 기반의 SRS에서 이용되는 FCR 알고리즘이 지니는 한계를 극복하기 위하여 3-간선 패턴(TEP, Three-Edge Pattern) 기반의 경로 예측 알고리즘을 제안한다. TEP 알고리즘은 경로를 그래프로 표현할 때 사용자의 위치를 기준으로 이전 간선, 현재 간선, 다음 간선으로 패턴화 하여 학습하고, 이 패턴을 기반으로 하는 사용자의 이동 경로를 예측한다. 또한 실험 및 비교 평가에서, TEP 알고리즘이 FCR 알고리즘에 비해 높은 정확성을 지님을 보인다.