• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.896-899
• /
• 2017

본 논문에서는 일상생활 환경에서 동작하는 지능형 서비스 로봇을 위한 시 공간 상황 질의 언어와 질의 처리 방안을 제안한다. 서비스 로봇이 외부 환경 변화를 정확히 인식하고 행동 절정에 신속히 반영하기 위해서는 로봇 내부에서 관리되는 상황 지식들이 매우 높은 시간 의존성을 가져야 한다. 본 논문에서 제안하는 상황 질의 언어인 RCQL은 시간 의존성이 높은 공간 관계 상황 지식들을 효과적으로 표현할 수 있도록 Allen의 간격 대수 이론에 기초한 시간 연산자들을 포함하고 있다. 물체들 간의 고수준 공간 관계 상황 지식을 조회하는 RCQL 질의들에 신속히 답하기 위해, 본 논문에서는 후향 정량 추론을 포항한 질의 처리기의 설계 방안도 제시한다. 다양한 실험을 통해 본 논문에서 제안하는 상황 질의 언어와 질의 처리 방안의 우수생을 확인할 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2010.05a
• /
• pp.428-430
• /
• 2010

가상현실에서 실제 사람처럼 행동하는 가상거주자는 스스로 주변의 상황을 판단하고 평가를 내리게 된다. 이러한 상황에 대한 판단은 얼마나 정확하고 다양한 자료가 주어졌느냐에 따라서 달라지게 된다. 본 논문에서는 Spatio-temporal graph(ST graph)를 사용하여 시간과 공간에 대한 데이터를 정의하고, ontology의 개념을 더하여 다양한 상황에 대한 표현이 가능하게 하였다. 이 표현 방법으로 가상거주자는 어떠한 상황을 마주하더라도 주변 환경이나 공간에 대한 데이터를 가지고 분석하여 필요한 행동을 할 수 있게 될 것이다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.20 no.4
• /
• pp.46-56
• /
• 2021

Predicting the incident clearance time is important for eliminating the high transportation costs and congestion from non-repetitive congestion caused by incidents. In this study, the factors influencing the clearance time suitable for domestic road conditions were analyzed, using a training dataset for predicting the incident clearance time using artificial neural networks. In a previous study, the under-prediction problem for high incident clearance time was used. In the present study, over-sampling training data applied using the SMOGN technique was obtained and applied to the model as a solution. As a result, the DNN model applying the SMOGN technique could compensate for the limitations of the previously developed prediction model by predicting the clearance time with the highest accuracy among the models developed in the research process with MAE = 18.3 minutes.

• Journal of Korea Spatial Information System Society
• /
• v.12 no.1
• /
• pp.28-36
• /
• 2010

Some context is characterized by a single event in computing environment, but many other contexts are determined by a lot of things which occur with a space and a time. The Realtime Sensor Network context-awareness service that interacts with the physical space can have property such as time. A methodology that is specified the relationship between the contexts and the service needs to be developed to Realtime context-awareness deal with spatio-temporal. In this paper, we propose an approach which should include spatio-temporal property in the context model, and verify its effectiveness using enhanced Petri-Net. The context-awareness service modeling of Realtime Sensor Network is discussed the properties of model such as basic Petri-Net, patterned Petri-Net, or Spatio-temporal Petri-Net. The proposed methodology demonstrated using an example that is SAEMANGUEM warming watching system. The use of Spatio-temporal Petri-Net will contribute not only to develop the application but also to model the spatio-temporal context awareness.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.09a
• /
• pp.355-359
• /
• 2010

최근 스마트폰이 급속히 보급됨에 따라 다양한 모바일 컨텐츠와 어플리케이션에 대한 요구들이 점차 증가하고 있다. 앱 스토어를 통한 지속적이고 다양한 컨텐츠의 생산은 사용자의 선택권을 확대시켜주는 이점은 있는 반면에 사용자가 원하는 것은 직접 찾아야 함으로 많은 시간과 노력이 요구된다. 따라서 미래에는 동적으로 변하는 상황에 따라 맞춤형 컨텐츠를 제공하기 위한 상황 인식 기술이 요구될 것으로 예상된다. 본 논문에서는 모델 기반의 상황 모델링을 통해 상황 인식 서비스의 개발 기간 단축과 재사용성을 제고 하였고, 이 상황 모델과 공간 정보를 결합하여 넓은 지역에 걸친 다양한 도메인에 적용할 수 있는 공간 기반 상황 인식 서비스를 제시하였다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.340-347
• /
• 2007

"유비쿼터스 컴퓨팅"과 "상황인지 컴퓨팅"이 점차 확산되어짐에 따라 유비쿼터스 환경이 급격하게 발전하면서 변화하고 있다. 이러한 변화로 인해 사용자 정보와 사용자 주변의 환경 정보를 파악하여, 적절한 시간에 적절한 서비스를 제공할 수 있는 기술과 인간과 컴퓨터 관계가 증가하면 할 수 록 인간과 인간의 관계처럼 좀 더 자연스러운 관계를 유지 할 수 있는 상황인지 컴퓨팅이라는 개념이 나타나기 시작하였다. 이러한 상황인지 컴퓨팅을 통하여 상황을 인지하고 사용자에게 필요한 정보를 제공하기 위해서는 상황을 정의 할 수 있는 상황인지 모델이 필요하다. 그러나 현재, 상황을 인지하기 위한 상황인지 모델에 관한 연구는 미비한 상태이다. 본 논문에서는 5W1H를 이용하여 상황을 정의하고, RFMatrix를 이용하여 주변 환경과 사람들과의 관계를 반영한 RFMatrix 기반의 상황인지 모델을 제안한다. 또한 제안된 RFMatrix모델의 유용성을 검증하기 위해 학습공간의 실험을 통하여 정확성을 검증하고자 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2009.10a
• /
• pp.48-49
• /
• 2009

This study predicts and compares the evacuation times of a training ship, which is easily influenced by gathering patterns of crews' onboard life style. As the results, the evacuation times of the high density, like meal time, take 1.5 times longer than the low density, like normal time. And it is also evaluated that the evacuation times of high density affected by evacuation speeds show 4 times higher than the low density.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.347-350
• /
• 2012

비즈니스 프로세스는 네트워크 상황정보와 개인취향정보, 사무환경정보들을 지능적으로 취합, 상황 분석 및 관리하는 서비스지원이 필요하다. 이러한 상황정보의 규모는 시간이 지남에 따라 점점 커지는 특성을 가지고 있어 이에 유연하게 대처하기 위한 확장성이 요구된다. 본 논문에서는 비즈니스 프로세스의 유연한 상황정보 추론을 위하여 가상공간에 대한 구조를 정의하고 재사용이 가능한 컴포넌트로 상황인식 메커니즘을 제공하여 복잡성을 줄이고 확장성을 갖게 되었다. 그리고 추가되거나 변경되는 상황정보를 기반으로 소프트웨어 컴포넌트를 구현하여 내부코드 변화 없이 컴포넌트의 수정으로 확장성을 확보하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10a
• /
• pp.505-507
• /
• 2001

자바의 벡터는 크기가 스스로 확장되는 배열 기능을 가지는 클래스이다. [9] 벡터는 그 사용상의 편려함 때문에 자바 프로그램에서 자주 쓰인다. [2] 그러나 벡터는 제공하는 두 가지 크기 확장방식이 성능면에서 각각 지나치게 시간 흑은 공간 소비적이라는 문제점을 가진다. 이를 해결하기 위해 제안하는 새로운 두개의 벡터 생성자는 확장에 사용되는 확장배수를 사용자가 임으로 조절할 수 있게 해준다. 이를 통하여 사용자는 벡터의 크기확장 시 기존에 많이 사용되는 지나친 공간 소비적 방식을 시간, 공간의 병행적인 소비 방식으로 바꿀 수 있으므로 각각 상황에 알맞은 벡터의 확장방식을 선택하여 사용할 수 있다.

• Journal of KIISE
• /
• v.43 no.12
• /
• pp.1365-1375
• /
• 2016

One of the most important capabilities for autonomous service robots working in living environments is to recognize and understand the correct context in dynamically changing environment. To generate high-level context knowledge for decision-making from multiple sensory data streams, many technical problems such as multi-modal sensory data fusion, uncertainty handling, symbolic knowledge grounding, time dependency, dynamics, and time-constrained spatio-temporal reasoning should be solved. Considering these problems, this paper proposes an effective dynamic context management and spatio-temporal reasoning method for intelligent service robots. In order to guarantee efficient context management and reasoning, our algorithm was designed to generate low-level context knowledge reactively for every input sensory or perception data, while postponing high-level context knowledge generation until it was demanded by the decision-making module. When high-level context knowledge is demanded, it is derived through backward spatio-temporal reasoning. In experiments with Turtlebot using Kinect visual sensor, the dynamic context management and spatio-temporal reasoning system based on the proposed method showed high performance.