• 한국인터넷방송통신학회논문지
• /
• 제15권6호
• /
• pp.115-121
• /
• 2015

본 논문에서는 멀티프로세서 아키텍처 상에 반복적인 데이터흐름 알고리즘을 스케줄링하는 방법을 제안한다. 기본적인 하드웨어 모델을 기반으로 멀티프로세서 아키텍처라는 세부적인 특성을 가지도록 확장하여 용량이 제한된 통신 네트워크상에 전송할 데이터를 라우팅 하는데 필요한 하드웨어 모델을 구현하고, 스케줄링 방법을 적용한다. 제안한 스케줄링 방법은 세 가지 계층으로 구성된다. 가장 상위 계층에 구현된 유전 알고리즘은 반복 데이터흐름 그래프의 최적화를 담당한다. 유전 알고리즘은 대상이 되는 연산들에 대해 서로 다른 조합을 생성한다. 그리고서 이 조합들은 중간계층으로 전달된다. 이 중간 계층에는 전역 스케줄링이 위치하며, 연산들의 조합을 바탕으로 스케줄링에 관한 주요 결정을 이 스케줄이 내리게 된다. 마지막으로, 하부 계층에서는 하드웨어 세부사항을 고려하며 블랙-박스 스케줄링을 이용한다. 연산에 대한 스케줄링을 완료하고, 세부적인 하드웨어 모델이 이 결정을 준수하는지 확인한다. 스케줄 사이에 사이클을 삽입할 수 있는 두 가지 스케줄링을 통해 유효한 스케줄을 항상 빨리 찾아낼 수 있다. 본 논문에서 제안한 스케줄링 방법의 성능을 테스트하기 위하여 다섯 가지 필터들에 대한 벤치마크를 수행하여 합당한 시간 안에 양질의 스케줄을 찾아낼 수 있음을 입증한다.

• 한국통신학회논문지
• /
• 제40권1호
• /
• pp.152-164
• /
• 2015

최근 반도체 기술, 센서 기술 및 이동통신 기술의 발전으로 스마트 자동차 기술 연구 개발이 진행 중에 있다. 사회가 발전함에 따라 차량이 증가하였고 사고에 대한 위험은 점차 높아지고 있다. 그에 따라 기존의 차량용 블랙박스 외에 차량의 각종 센서 정보를 활용하여 운전자에게 다양한 정보를 제공하는 첨단 운전자 보조 시스템이 연구되고 있다. 본 논문에서는 차량 간의 통신기능을 포함하고, 주변의 정보를 습득하여 제공할 수 있는 스마트 카메라 장치를 설계 및 구현하여, 장치에 포함된 카메라로부터 입력 받은 영상을 분석하여 획득한 정보를 영상 메타데이터화 하는 기술에 대한 연구를 수행하였다. 또한 임베디드 장치의 제한된 계산 성능을 보완하기 위해 관심영역을 설정하는 S-ROI(Static-Region Of Interest), D-ROI(Dynamic-Region Of Interest) 방식을 고안하였다. 실험을 통해 영상처리 속도가 전체영상 분석에 비해 S-ROI의 경우 3.0배, D-ROI의 경우 4.8배 향상함을 확인하였다.

• 한국도로학회논문집
• /
• 제11권1호
• /
• pp.105-115
• /
• 2009

2007년 경찰청 통계자료에 따르면 사업용 차량(시내, 시외, 기타 버스)의 교통사고 건수는 당해 교통사고 건수의 3.5%에 해당한다. 사업용 차량의 경우 운전자 외 다수 승객의 안전을 책임져야 하므로 더욱 심각한 사회적, 경제적 문제를 초래한다. 이러한 사업용 차량의 교통사고 감소 및 안전운전에 대한 사회적 요구에 부흥하기 위하여 디지털 주행기록계, 차량용 블랙박스 등 다양한 형태의 시스템이 사용되고 있으나 이러한 시스템은 사고 후 차량데이터를 기반으로 위험운전 여부를 분석하여 운전자를 관리하기 때문에 실시간으로 운전자를 관리하기에는 큰 한계가 있다. 또한 현재 운영되고 있는 주행기록계는 운전자에게 실시간으로 경고정보를 제공하지만 실제 위험운전 여부와 상관없이 차량의 속도와 RPM정보만을 이용하여 운전자에게 경고를 제공하고 있어 효율이 매우 떨어지는 실정이다. 이에 본 연구에서는 선행연구에서 개발된 위험운전 유형과 그 유형을 판단할 수 있는 프로그램이 탑재되어있는 시뮬레이터를 이용하여 우선적으로 일반운전자를 대상으로 하여 시뮬레이터 실험을 진행하였다. 본 연구에서 산정 되어지는 가중치를 이용하여 운전자에게 경고정보를 제공한다면 매우 효율적인 시스템이 될 수 있을 것으로 판단된다. 그러나 본 연구는 일반운전자의 시뮬레이터 실험에 따른 가중치이므로 실제 적용하기에는 한계성이 있는 것이 사실이므로 향후 연구에서는 실제 사업용 차량 운전자의 운전행태 데이터를 기반으로 하여 연구를 보완하여야 할 것이다.

• 한국ITS학회 논문지
• /
• 제20권2호
• /
• pp.30-42
• /
• 2021

전국 고속도로의 포트홀 발생으로 인한 보상금액과 건수는 2015년 대비 2019년에 각각 약 4.2배, 3.5배 수준으로 증가하고 있으며, 이러한 도로 위 위험요소들로 인한 피해 증가로 국토교통부는 사업용 차량 내 장치(운행기록계, 블랙박스, ADAS)가 수집하는 정보를 활용하여 도로위험정보를 수집하고 제공할 수 있는 기술 및 서비스를 개발 중에 있다. 본 연구는 이러한 기술개발을 대비하여 운전자 및 도로관리자에게 도로위험정보를 제공하기 위해서 연속류 및 단속류를 대상으로 개발한 알고리즘에 대한 통합평가를 실시하여 설정한 3개 시나리오들을 검증하였다. 그 결과, 통합평가 전체 정확도가 81.88%로 도출되었고 통합평가의 목적과 가정을 고려하여 1분 미만 데이터의 누락, GPS 좌표 위치와 알고리즘 관련 오류들만 본 통합평가 시 발생한 오류로 간주하였다. 그 중에서 GPS 오류 데이터들을 보정하여 전체 90.15%(도로파손의 확률: 99.38%, 결빙: 84.45%,안개: 94.42%)의 정확도로 도출하였다. 본 연구결과는 사업용 차량이 수집할 위치기반 정보 정확도 향상 및 정책개발의 기초자료로 활용될 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.580-586
• /
• 2021

현재 사출성형분야의 Computer Aided Testing(CAT) 방법론으로 CAE(Computer Aided Engineering)를 이용한 수치 해석 기법이 주를 이루고 있다. 그러나 최근 시뮬레이션에 추가로 인공지능 기법을 응용하는 방법론이 연구되고 있다. 우리는 지난 연구에서 다양한 Machine Learning 기법을 활용하여 사출 성형 공정에 따른 변형 결과를 비교하였으며, 최종적으로 MLP(Multi-Layer Perceptron) 예측모델을 생성하였고, HMA(Hybrid Metaheuristic Algorithm)를 이용하여 최적화 결과를 얻어냈다. 그러나 MLP는 예측 성능이 우수한 반면 블랙박스와 같이 결정 과정에 대한 설명이 부족하다. 본 연구에서는 Radiator Tank 부품에 대하여 사출 성형 해석 소프트웨어인 Autodesk Moldflow 2018을 이용하여 수치 해석 기법으로 데이터를 생성하고, Machine Learning 소프트웨어인 RapidMiner Studio version 9.5를 활용하여 여러 Machine Learning Algorithms 모델을 생성하여 평균 제곱근 오차를 비교하였다. Decision-tree는 Root Mean Square Error(RMSE) 값이 다른 Machine Learning 기법에 비해 양호한 예측 성능을 갖추고 있었다. Decision-tree의 크기를 결정하는 Maximal Depth에 따라 분류 기준을 높일 수 있지만 복잡성도 함께 증가시켰다. Decision-tree를 이용하여 구속 조건을 만족하는 중간 값을 선정하여 시뮬레이션을 진행한 결과 기존의 시뮬레이션만 진행한 것보다 7.7%의 개선 효과가 있었다.

• 한국ITS학회 논문지
• /
• 제18권3호
• /
• pp.95-105
• /
• 2019

최근 들어 도로 노면 파손의 위치 정보를 수집하기 위한 영상 처리 기술에 대한 연구가 활발히 진행되고 있다. 대표적으로 차량에 탑재가 가능한 스마트폰이나 블랙박스를 통해 영상을 얻고 이를 영상처리 알고리즘을 사용하여 인식하는 기술이 주로 사용된다. GPS 모듈과 연계하여 실제 파손 위치를 파악할 때 가장 중요한 기술은 영상 처리 알고리즘인데, 근래에는 대부분 인공지능을 통한 알고리즘이 연구 주제로 주목받고 있다. 이와 같은 맥락에서 본 연구에서도 영역 기반의 합성곱 방식 계열의 객체인식 (Object Detection) 방법을 사용한 인공지능 영상 처리 알고리즘에 대하여 논의하고자 한다. 도로 노면 파손 객체 인식 성능을 향상시키기 위하여 도로 노면 파손 영상 600여 장과 일반적인 도로 주행 영상 1500여 장으로 학습 데이터베이스를 구성하였다. 또한 배경 객체 인식 방법을 적용한 지도 학습을 수행하여 도로 노면 파손의 오탐을 감소시켰다. 그 결과 동일한 테스트용 데이터베이스를 통해 알고리즘의 인식 성능을 mAP 평균값 기준 9.44%만큼 향상시킨 새로운 방법을 소개하고자 한다.

• 비교교육연구
• /
• 제28권4호
• /
• pp.1-21
• /
• 2018

OECD ITP 프로젝트는 일종의 블랙박스를 들여다본 연구와 같다. 2000년대에 들어서면서 다양한 국제학업성취평가 결과 비교를 통해 각국은 교육의 질을 높이기 위한 방안으로 교원양성교육 개혁과 신임 교원의 입직연수 지원제도를 포함한 다양한 전문성 개발제도의 개혁을 시도해왔다. 2015년부터 OECD 회원국들 가운데 자발적 참여 의사를 밝힌 국가들을 중심으로 국가 간 심층 비교연구인 교사 양성제도 국제비교 연구(ITP)를 시행해 왔다. 본고에서는 ITP 프로젝트의 진행 과정을 소개하고, 참여국의 교원양성제도에 대한 국가배경보고서를 분석하여 참여국 간 교원양성제도 상의 특징을 비교해 보았다. 또한 과제 참여국의 교원양성 제도를 비교하여 교원 양성제도를 둘러싼 공통적 쟁점들을 살펴보았다. 이를 통해 본 연구에서는 프로젝트에 참여하는 6개국의 교원양성제도의 공통점과 차이점 여섯 가지를 도출하였다. 또한 이러한 비교 분석한 결과는 우리나라의 교원양성제도를 개혁하는데 다음과 같은 시사점을 제공해 주었다. 첫째, 국가 수준의 전문성 기준(professional standards)을 개발하여 교원 양성, 연수, 평가, 승진에 이르는 제도의 연속성과 일관성을 확보할 수 있도록 해야 한다. 둘째, 교원양성제도 개혁의 속도와 강도를 조금 더 높일 필요가 있다. 셋째, 좀 더 다양한 이해집단이 교원양성제도 개혁과 운영에 참여할 필요가 있다.

• 벤처창업연구
• /
• 제16권6호
• /
• pp.43-55
• /
• 2021

최근 국내 일자리 문제가 심각해지면서 정부 부처에서는 많은 예산을 투입하여, 예비창업자의 창업을 장려하고 있다. 창업의 성공에 중요한 것은 창업을 시작하기 전 다양한 창업기회인식, 시도를 통한 경험인데, 예비창업자들은 정부 부처에서 진행하고 있는 다양한 창업 교육을 통해 기회인식에 관한 경험을 수행하고 있다. 그러나 실제 예비창업자들은 다양한 정부 지원 사업을 통해 창업 교육, 초기 사업화 자금 등의 지원을 통해 다양한 창업기회를 인식·모색 하지만 실제 창업으로 이루어지는 것은 현실적으로 어렵다. 선행연구에서는 창업기회인식이 성별 등 다양한 변수에 의해 창업의도에 영향을 미치고 있다고 밝히고 있으나, 창업기회인식과 창업의도 사이에서 어떤 블랙박스가 존재하는지에 연구는 부족한 상황이다. 본 연구의 목적은 창업의도를 향상하기 위한 주요한 방법으로 긍정심리자본의 중요성을 강조하고, 긍정심리자본이 창업기회인식과 창업의도 사이에서 매개적인 역할을 하고 있는지 탐색적으로 분석하는데 있다. 연구 결과 창업기회인식이 창업의도에 영향을 미치고, 창업기회인식과 창업의도 사이에서 긍정심리자본이 매개효과가 있다는 것을 확인하였다. 이는 창업기회를 인식 후에 이것이 실제 창업의도로 이어지려면 긍정심리자본이 중요하다는 의미이다. 따라서 현재 창업생태계에 있는 예비창업자들의 창업을 활성화하기 위해서는 창업기회인식과 긍정심리자본을 향상 시킬 수 있는 방안을 마련해야겠다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.562-565
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통 안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만장의 대형차, 소형차, 중형차 별 적재 불량 차량과 일반차량으로 구분 된 데이터 셋 중 종류별로 제공되는 CCTV, 블랙박스, 카메라 시점의 적재 불량 차량 데이터 셋을 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

• 문화기술의 융합
• /
• 제9권1호
• /
• pp.649-654
• /
• 2023

본 논문은 그래프 합성곱 신경망을 이용한 신경망 구조 탐색 모델 설계를 제안한다. 딥 러닝은 블랙박스로 학습이 진행되는 특성으로 인해 설계한 모델이 최적화된 성능을 가지는 구조인지 검증하지 못하는 문제점이 존재한다. 신경망 구조 탐색 모델은 모델을 생성하는 순환 신경망과 생성된 네트워크인 합성곱 신경망으로 구성되어있다. 통상의 신경망 구조 탐색 모델은 순환신경망 계열을 사용하지만 우리는 본 논문에서 순환신경망 대신 그래프 합성곱 신경망을 사용하여 합성곱 신경망 모델을 생성하는 GC-NAS를 제안한다. 제안하는 GC-NAS는 Layer Extraction Block을 이용하여 Depth를 탐색하며 Hyper Parameter Prediction Block을 이용하여 Depth 정보를 기반으로 한 spatial, temporal 정보(hyper parameter)를 병렬적으로 탐색합니다. 따라서 Depth 정보를 반영하기 때문에 탐색 영역이 더 넓으며 Depth 정보와 병렬적 탐색을 진행함으로 모델의 탐색 영역의 목적성이 분명하기 때문에 GC-NAS대비 이론적 구조에 있어서 우위에 있다고 판단된다. GC-NAS는 그래프 합성곱 신경망 블록 및 그래프 생성 알고리즘을 통하여 기존 신경망 구조 탐색 모델에서 순환 신경망이 가지는 고차원 시간 축의 문제와 공간적 탐색의 범위 문제를 해결할 것으로 기대한다. 또한 우리는 본 논문이 제안하는 GC-NAS를 통하여 신경망 구조 탐색에 그래프 합성곱 신경망을 적용하는 연구가 활발히 이루어질 수 있는 계기가 될 수 있기를 기대한다.