• 대한토목학회논문집
• /
• 제34권1호
• /
• pp.213-221
• /
• 2014

2005년 "교통약자의이동편의증진법"의 제정이후, 교통약자의 이동권 보장을 위한 특별교통수단의 도입과 운영이 각 책임 지자체의 주도로 이루어져왔다. 특별교통수단을 운영함에 있어 이용자 통행특성은 서비스 수준과 운영 효율성 제고를 위한 필수적인 기초 자료이나, 현재까지 통행 특성에 대한 지식은 자료부족으로 인해 매우 미미한 상황이다. 본 연구는 경상남도 콜센터 자료를 활용하여 특수교통수단 이용자의 통행특성 파악을 시도하였다. 콜센터는 서비스 제공 과정에서 통행특성 파악에 필요한 다양한 자료를 산출한다. 구체적으로 이용건수, 이용자 장애 특성, 이용일자 및 시간, 휠체어 이용여부, 통행목적, 출발지 및 목적지 등을 포함하고 있다. 따라서 수단 이용자의 기본 특성 뿐 아니라 시 군 경계를 초월하는 광역통행을 포함한 O-D의 파악도 가능하다. 분석 결과 일반통행패턴과 다르거나 의미 있는 패턴이 파악되었다. 예를 들면, 휠체어 이용자는 42% 정도이며, 통행이 주로 비첨두시간에 집중됨도 파악되었다. 본 연구의 결과는 경상남도 뿐 아니라 타 지자체의 특별교통수단 정책수립과 운영을 위한 유용한 기초자료로 활용될 수 있을 것으로 기대하며, 향후 콜센터 정보수집내용에 일반적 특성을 추가할 경우 전체 자료를 활용하여 주기적인 패턴의 파악이 가능할 것으로 판단된다.

• 대한교통학회지
• /
• 제34권2호
• /
• pp.158-167
• /
• 2016

본 연구는 실시간 자료를 기반으로 k-NN을 활용한 단기 교통상황 예측 시 각 단계별 세부절차 및 변수결정, 입력자료 구축 등의 각 단계별 잠재적 예측오차에 대한 원인분석 및 시사점 도출을 목적으로 한다. 다양한 단기 예측모형에 대한 선행연구 검토를 통하여 k-NN 모형의 유용성을 검토하였고 이에 대한 적용가능성을 분석하였다. 본 연구의 k-NN 모형은 이력자료 평활화 및 패턴DB 구축의 입력자료 부분, 실시간 자료와 과거 이력자료와의 유사성 측정 및 k 근접이웃 결정 등의 k-NN 알고리즘 부분, 그리고 예측 시간간격에 따른 출력결과 부분 등으로 구성되며 올림픽대로 김포방향 한강대교 남단~여의상류IC 구간을 대상으로 분석을 실시하였다. 교통자료의 불규칙 잡음으로 인하여 정확한 패턴매칭을 위해서 이력자료의 평활화를 실시하였으며, 이력자료 패턴 DB는 일반 및 이벤트 상황으로 구분하여 활용하였다. 최적의 시계열 자료 및 k 근접이웃 결정을 위해서 시행착오 방법을 적용하였으며, 단기 교통상황 예측 시 예측 시간간격이 증가할수록 예측오차가 증가하는 패턴, 그리고 교통상태가 급변하는 시점에서도 예측오차가 증가함을 알 수 있었다. 본 연구의 k-NN 모형에 대한 각 단계별 예측오차에 대한 원인을 분석하여 개선방향을 제시함으로써 향후 신뢰성 있는 단기 교통상황예측 정보제공 및 시스템에 활용이 가능할 것으로 판단된다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2023년도 춘계학술대회
• /
• pp.15-16
• /
• 2023

해상교통관제 구역은 항만 시설을 사용하기 위한 입·출항 선박, 연안 해역을 이동하는 선박 등이 서로 복잡하게 운항하는 교통 패턴을 가지고 있다. 이를 안전하고 효과적으로 관리하기 위해 해상교통관제센터(VTS)에서는 선박을 실시간 모니터링하며 관제 업무를 수행하고 있지만, 교통 혼잡 상황에서는 업무 로드의 증가로 인해 관제 공백이 발생하기도 한다. 이에 교통 혼잡도 및 혼잡 구역을 예측한다면보다 효율적인 관제가 가능하지만 현재는 관제사의 경험에 전적으로 의존하고 있는 실정이다. 본 논문에서는 VTS 관점에서의 교통 혼잡을 정의하고, 과거 항적 데이터를 이용하여 항내 선박 교통 혼잡도 및 혼잡 구역을 예측하는 방법을 제안하였다. 또한, 실해역 데이터(대산항 VTS)를 적용하여 제안된 기술이 관제지원 도구로서 활용될 수 있는지 검토하였다.

• Ecology and Resilient Infrastructure
• /
• 제8권4호
• /
• pp.165-178
• /
• 2021

본 연구는 유목의 생성 및 퇴적과 쓰나미 흐름을 수치모형을 활용하여 실험하였다. 이를 위해 2차원 수심적분흐름모형과 유목동역학모형을 사용하였다. 연구지역은 일본 센다이(Sendai)해안가로서 관측자료(Inagaki et al. 2012)를 이용하여 시뮬레이션 결과와 유목의 퇴적패턴을 비교검증하였다. 본 연구를 위해 흐름의 항력으로 인해 유목이 발생하는 단순화된 모형이 개발되었다. 또한 유목 발생량을 고려하기 위해 Google Earth를 활용하여 연구지역의 퇴적된 유목 수를 추정하였으며 그 결과, 해안숲의 30만 그루의 나무으로부터 13000개 이상의 유목이 발생하여 내륙으로 이송되는 수치모의를 수행하였다. 이 수치실험 결과는 Inagaki et al. (2012)의 관측데이터와 유사하였다. 또한, 유목의 발생과 퇴적 패턴의 재현성은 종방향 퇴적패턴에서 높은 상관성을 나타냈다. 추후에는 목재의 크기, 경계 조건, 격자 크기와 같은 유목 매개변수에 대한 민감도 분석을 구축하여 유목의 이동패턴을 분석할 필요가 있을 것으로 판단된다. 이러한 모델링은 물의 흐름과 유목에 따른 재해예측에 유용한 방법론이 될 것으로 기대된다.

• 해양환경안전학회지
• /
• 제28권5호
• /
• pp.780-790
• /
• 2022

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1630-1636
• /
• 2022

현재 교통 표지판 인식 기법들은 다양한 날씨, 빛의 변화 등과 같은 외부환경 뿐만 아니라 교통 표지판이 일부 훼손된 경우에는 인식 성능이 저하되는 경우가 발생한다. 따라서 본 논문에서는 이러한 문제점을 개선하기 위하여 홉필드 네트워크와 퍼지 Max-Min 신경망을 이용하여 손상된 교통 표지판의 인식 성능을 개선하는 방법을 제안한다. 제안된 방법은 손상된 교통 표지판에서 특징들을 분석한 후, 그 특징들을 학습 패턴으로 구성하여 퍼지 Max-Min 신경망에 적용하여 1차적으로 교통 표지판의 특징을 분류한다. 1차적 분류된 특징이 있는 학습 영상들을 홉필드 네트워크에 적용하여 손상된 특징을 복원한다. 홉필드 네트워크를 적용하여 복원된 교통 표지판의 특징들을 다시 퍼지 Max-Min 신경망에 적용하여 최종적으로 손상된 교통 표지판을 분류하고 인식한다. 제안된 방법의 성능을 평가하기 위하여 손상된 정도가 다른 다양한 교통 표지판 8개를 적용하여 실험한 결과, 제안된 방법이 퍼지 Max-Min 신경망에 비해 평균적으로 38.76%의 분류 성능이 개선되었다.

• 한국ITS학회 논문지
• /
• 제19권4호
• /
• pp.81-99
• /
• 2020

기종점 데이터는 수요 분석 및 서비스 설계를 위해서 대중교통, 도로운영 등 다양한 분야에서 저장 및 활용되고 있다. 최근 빅데이터의 활용성이 증대되면서 기종점 데이터의 분석 및 활용에 대한 수요도 함께 증가하고 있다. 기존의 일반적인 교통 정보 데이터가 수집장비 수(n)에 비례하여 데이터양이 증가(α·n)하는 것과는 다르게, 기종점 데이터는 수집지점 수(n)의 증가에 따라 수집 데이터의 양이 기하급수적으로 증가(α·n²)하는 경향이 있다. 이로 인하여 기종점 데이터를 원시 데이터의 형태로 장기간 저장하고 빅데이터 분석에 활용하는 것은 대용량의 저장 공간이 필요하다는 것을 고려할 때 실용적 대안으로 여겨지지 않고 있다. 이와 함께 기종점 데이터는 0~10 사이의 작은 수요 부분에 패턴화된 형태와 무작위 적인 형태의 데이터가 섞여있어 작은 수요가 그룹화되어 발생하는 주요 패턴을 추출하기에 어려움이 있다. 이러한 기종점 데이터의 저장용량의 한계와 패턴화 분석의 한계를 극복하고자 본 연구에서는 주성분 분석을 활용한 대중교통 기종점 데이터의 압축 및 분석 방법을 제안하였다. 본 연구에서는 서울시와 세종시의 대중교통 이용 데이터를 활용하여 모빌리티 데이터를 분석하고, 모빌리티 기종점 데이터에 포함된 무작위 성향이 높은 데이터를 제거하기 위해 주성분분석 기반의 데이터 압축 및 복원에 관한 연구를 수행하였다. 주성분분석으로 분해된 기종점 데이터와 원데이터를 비교하여 주요한 수요 패턴을 찾고 이를 통해 압축률과 복원율을 높일 수 있는 주성분 범위를 제안하였다. 본 연구에서 분석한 결과, 서울시 기준 1~80, 세종시 기준 1~60까지의 주성분을 사용할 경우 주요 이동 데이터의 손실 없이 기종점 데이터에 포함되어있는 노이즈를 제거하고 데이터를 압축 및 복원이 가능하였다.

• 대한토목학회논문집
• /
• 제26권2D호
• /
• pp.225-231
• /
• 2006

소비자가 쇼핑통행을 하지 않으면서 인터넷을 통하여 물건을 주문하고, 집이나 직장 등 소비자가 원하는 장소에서 물건을 배달 받는 온라인 쇼핑은 운송산업 구조, 산업입지 패턴, 화물운송수요 및 통행패턴에 종전과 전혀 다른 변화를 초래할 것이다. 우리나라의 경우 장래 예상되는 여성인구의 사회활동 참여 증대, 고령인구의 증가, 대량생산에서 소량 다품목 고부가 가치 생산으로 변화하는 산업구조 등 사회 경제적 변혁은 앞으로 온라인 쇼핑의 가능성을 더욱 확대시킬 것이다. 따라서 장래 통행수요 및 통행패턴에도 상당한 변화를 초래할 것이며 이러한 변화는 장래 교통정책 방향에 지대한 영향을 미칠 것이다. 온라인 쇼핑의 통행에 미치는 영향이 매우 큼에도 불구하고 아직 우리나라에서는 이에 대한 연구가 이루어진 적이 전혀 없으며 교통정책 수립 시 전혀 반영되지 못하고 있는 실정이다. 따라서 본 연구에서는 온라인 쇼핑이 개인통행에 미치는 영향을 파악하고, 이러한 변화에 대응하기 위하여 장래 교통정책에서 다루어야 할 과제와 정책방향을 검토하고 제시한다.

• 대한교통학회지
• /
• 제23권7호
• /
• pp.111-123
• /
• 2005

본 논문에서는 교통시설투자 의사결정을 위한 네트워크 설계 모형이 제시되었다. 모형은 사용자 평형의 통행패턴을 예측할 수 있으면서, 링크의 설치 여부를 정하는 이산형 의사결정변수를 갖는 Bi-Level Programming 형태로 구축되었다. 제시된 모형의 장점으로는 사회적 비용을 감안한 투자 결정을 묘사했다는 점과 도로와 철도로 이루어진 네트워크에서의 평형 통행패턴을 예측할 수 있다는 점이다. 정수형 변수의 Bit 구조를 이용한 효율적인 해법 알고리즘이 개발되었다. 예제를 통하여 모형과 알고리즘의 유효성을 검증하였는데, 예제 결과에서 투자의 한계효과 감소현상을 발견하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.131-134
• /
• 2024

본 논문에서는 기존 철도 운영 및 관리시에 철도 주변환경으로 부터 발생하는 소음, 진동, 미세먼지 센서에서 다양한 실시간 스트림 데이터를 감지하고 정형화된된 데이터 패턴을 인식하고 분석할 수 있도록 데이터를 구성 및 저장하고 분석된 데이터를 표현할 수 있도록 시각화 지원을 위한 모니터링 시스템 플랫폼을 구현하였다. 데이터 전송을 위해 시리얼 통신 기법을 주로 적용하였으나, 센서와 디바이스의 증가로 인해 시리얼 통신의 한계가 나타났다. 따라서, 본 연구에서는 기존의 아두이노와 서버 간의 직접 통신 방식 대신 라즈베리파이를 도입하여 MQTT Broker(브로커)를 설치하고 통신을 진행하였다. 철도 데이터 모니터링 시스템 플랫폼은 NoSQL 데이터베이스인 MonGoDB와 데이터 시각화할 수 있는 Grafana를 이용하여 구축하였다.