• 한국ITS학회 논문지
• /
• 제16권5호
• /
• pp.38-48
• /
• 2017

속도, 점유율, 교통량 등의 링크 속성은 교통계획 및 운영에 필수적인 요소이다. 따라서 링크 속성 정보를 수집하기 위한 센서들의 최적 위치를 결정하는 것은 지능형교통시스템(ITS)의 중요한 의사결정 중 하나이다. 본 연구는 전체 네트워크 교통정보의 변동성을 최소화하기 위한 네트워크 센서의 최적 입지를 결정하는 모형을 개발하는 것을 목적으로 한다. 이를 위해 데이터 수집의 이산적 특성을 반영한 네트워크 센서 위치 모형(NSLM)이 개발된다. 교통 정보의 변동성 지표는 분산-공분산 행렬의 대각요소의 합을 통해 계산된다. 개발된 모형의 적용가능성을 평가하기 위해, 대구광역시 도로에서 단거리 전용 통신(DSRC)으로 수집되는 속도 자료가 이용된다. 본 연구는 지능형교통시스템(ITS)의 투자 효율성을 제고하고 정보 정확도를 개선하는 데에 기여할 것으로 기대된다.

• 한국정보과학회논문지:데이타베이스
• /
• 제33권2호
• /
• pp.163-174
• /
• 2006

분산 센서 네트워크에서 대용량 스트림 데이타를 제한된 네트워크, 전력, 프로세서를 이용하여 모든 센서 데이타를 전송하고 분석하는 것은 어렵고 바람직하지 않다. 그러므로 연속적으로 입력되는 데이타를 사전에 분류하여 특성에 따라 선택적으로 데이타를 처리하는 데이타 분류 기법이 요구된다. 이 논문에서는 다차원 센서에서 주기적으로 수집되는 스트림 데이타를 슬라이딩 윈도우 단위로 데이타를 분류하는 기법을 제안한다. 제안된 기법은 전처리 단계와 분류단계로 구성된다. 전처리 단계는 다변량 스트림 데이타를 포함한 각 슬라이딩 윈도우 입력에 대해 데이타의 변화 특성에 따라 문자 기호를 이용하여 다양한 이산적 문자열 데이타 집합으로 변환한다. 분류단계는 각 윈도우마다 생성된 이산적 문자열 데이타를 분류하기 위해 표준 문서 분류 알고리즘을 이용하였다. 실험을 위해 우리는 Supervised 학습(베이지안 분류기, SVM)과 Unsupervised 학습(Jaccard, TFIDF, Jaro, Jaro Winkler) 알고리즘을 비교하고 평가하였다. 실험결과 SVM과 TFIDF 기법이 우수한 결과를 보였으며, 특히 속성간의 상관 정도와 인접한 각 문자 기호를 연결한 n-gram방식을 함께 고려하였을 때 높은 정확도를 보였다.

• 한국ITS학회 논문지
• /
• 제22권6호
• /
• pp.17-31
• /
• 2023

활동기반 모델은 현대의 복잡한 개인의 통행행태를 반영한 정교한 기반의 수요예측이 가능하지만, 분석 대상지의 상세한 인구정보가 필수적으로 요구된다. 최근 다양한 심층생성 모델을 활용한 합성인구 생성 기법이 개발되었고, 설문조사를 통해 수집된 샘플 데이터에 존재하지 않는 실제 인구와 유사한 인구 특성을 모사한 데이터를 생성해내는 방법론이 제시되었다. 이는 이산형으로 이루어진 샘플 데이터를 연속형 데이터로 변환하여 분포 영역을 정의한 뒤 생성된 표본 데이터의 거리를 정교하게 계산하여, 불가능한 인구 특성 조합을 억제하는 방식으로 데이터의 확률 분포를 학습한다. 하지만 데이터 변환 과정에 활용되는 개체 임베딩이 잘 학습되지 않으면 의도와 다르게 왜곡된 연속형 분포 영역이 정의될 수 있고, 원본 데이터 표현의 오류로 인한 잘못된 합성인구를 생성할 가능성이 존재한다. 따라서 본 연구에서는 정확도 높은 임베딩을 추출하여 간접적으로 합성인구 생성 성능을 증가시키고자 한다. 결과적으로 합성인구의 다양성과 정확성 측면에서 기존 대비 약 28.87% 성능이 향상하였다.

• 전자공학회논문지
• /
• 제53권6호
• /
• pp.167-173
• /
• 2016

압축 센싱은 기존의 섀넌/나이키스트 이론보다 낮은 샘플링률로 신호를 샘플링 하여도 원신호로 복원할 수 있다는 이론이다. 본 논문에서는 압축 센싱을 이용하여 반향 신호의 정량적 주파수 특성을 직접 추출하여 이를 이용한 초음파 감쇠 지수 예측 방법을 제안한다. 일반적인 초음파 감쇠 지수 예측 방법들은 시간 영역에서 수집된 반향 신호를 Fourier 변환 등을 통해 주파수 영역으로 변환하는데, 제안하는 예측 방법은 압축 센싱으로 수집된 데이터를 복원하는 과정에서 적용하는 basis 행렬을 이용하여 시간 영역으로의 완전한 신호 복원 없이 반향 신호의 주파수 특성을 직접 추출하여 감쇠 지수를 예측한다. 3가지의 basis 행렬을 통해 주파수 영역에서 복원된 반향 신호에 대하여 다중 참조 신호를 이용한 Centroid Downshift 방법으로 감쇠 지수를 예측하여 각각의 예측 정확도와 실행 시간을 비교 분석하였다. 컴퓨터 모의 실험 결과 이산 코사인 변환(DCT) 행렬을 적용하는 경우, 50%의 압축률에서는 압축 센싱을 적용하지 않은 경우와 0.35% 이내의 예측 정확도를 보였으며, 압축률을 70%까지 높이는 경우에도 약 6% 이내의 평균 예측 오차를 보였다. 제안한 압축 센싱을 적용한 반향 신호의 주파수 특성 추출 방법은 향후 주파수 영역의 다른 정량적 초음파 분석 방법에 적용할 수 있다.