• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.721-724
• /
• 2011

UDT(UDP-based Data Transfer protocol)는 연구망과 같은 대용량 고속 네트워크에서 신속하고 안정적인 데이터 전송에 효율적인 전송 프로토콜이다. 하지만 네트워크가 혼잡한 상황이거나 데이터 패킷 손실이 발생할 경우 매우 공격적인 전송 메커니즘으로 인해 오히려 성능이 감소하는 경우가 발생한다. 본 논문에서는 네트워크 지연 예측을 통해 혼잡을 제어하는 TCP-Vegas 기법을 UDT에 적용하여 네트워크 상황에 보다 적응적인 UDT 혼잡제어 기법을 제안한다. 즉, 네트워크 라우터 큐에 빌드된 Diff 값을 미리 예측하고 Diff 값에 따라 UDT rate control을 조절하여 기존 방법보다 향상된 성능을 얻는다. 네트워크 시뮬레이터인 NS2를 통해 실험한 결과 패킷 손실이 없는 상황에서 최대 11%, 손실률 0.01%인 상황에서는 최대 31%의 성능 향상을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.717-720
• /
• 2011

고속 네트워크 환경에서 AR UDT(Adaptive Rate control UDT)는 표준 전송 프로토콜인 TCP에 비해 뛰어난 성능을 보인다. UDT(UDP-based Data Transfer)를 기반으로 하는 AR UDT의 혼잡제어는 네트워크 상태를 예측하여 패킷 간 전송시간을 변화시킴으로써 기존 UDT보다 향상된 성능을 보인다. 그러나 AR UDT는 네트워크 상태 예측의 오차가 클 뿐만 아니라 rate control만을 공격적으로 조절하기 때문에 수신 버퍼의 초과로 인해 안정적인 성능을 기대하기 어렵다. 본 논문에서는 AR UDT환경에서 네트워크 상태에 따라 적응적으로 혼잡제어를 하는 기법을 제안한다. RTT(Round Trip Time)의 변화량에 따라 네트워크 상태를 예측하여 flow control과 rate control을 적응적으로 조절한다. 네트워크 시뮬레이션 결과를 통하여 AR UDT에 비해 전송속도와 안정성이 향상되었음을 보였다.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.51-62
• /
• 2022

교통 혼잡을 해결하기 위한 AI 기반 속도 예측 연구는 활발하게 진행되고 있다. 하지만, 인공지능의 추론 과정을 설명하는 설명 가능한 AI의 중요성이 대두되고 있는 가운데 AI 기반 속도 예측의 결과를 해석하고 원인을 추리하는 연구는 미흡하였다. 따라서 본 논문에서는 '설명 가능 그래프 심층 인공신경망 (GNN)'을 고안하여 속도 예측뿐만 아니라, GNN 모델 입력값의 마스킹 기법에 기반하여 인근 도로 영향력을 정량적으로 분석함으로써 혼잡 등의 상황에 대한 추론 근거를 도출하였다. TOPIS 통행 속도 데이터를 활용하여 서울 시내 혼잡 도로를 기준으로 예측 및 분석 방법론을 적용한 후 영향력 높은 인근 도로의 속도를 가상으로 조절하는 시뮬레이션 통하여 혼잡 도로의 통행 속도가 개선됨을 확인하여 제안한 방법론의 타당성을 입증하였다. 이는 교통 네트워크에 제안한 방법론을 적용하고, 그 추론 결과에 기반한 특정 인근 도로를 제어하여 교통 흐름을 개선할 수 있다는 점에 의미가 있다.

• 한국ITS학회 논문지
• /
• 제18권4호
• /
• pp.44-57
• /
• 2019

여러 대도시에서 교통 혼잡 문제를 해결하기 위해 정확한 교통 흐름을 예측하는 다양한 연구가 진행되었다. 대부분의 연구가 과거의 교통 흐름 패턴이 미래에도 반복될 것이라는 가정하에 예측 모델을 개발하였으나 교통사고 등과 같은 뜻하지 않은 비반복적 교통 패턴을 예측하는 데에는 신뢰성이 낮게 나타났다. 이런 문제를 해결하기 위한 대안으로 지능형 교통 시스템(ITS)을 통해 얻은 빅데이터와 인공지능을 접목한 교통 흐름 예측 연구가 진행되어 왔다. 하지만 시계열 분석에 일반적으로 사용되는 알고리즘인 RNN의 경우, 단기 예측에 최적화되어 장기 예측 정확도가 낮다는 단점을 가지고 있다. 이런 문제를 해결하기 위해 본 논문에서는 기온과 강수량 등의 기상 정보 외에도 각종 외부 요인들을 고려하여 장기적 시점에서 교통 혼잡도를 예측하는 '심층 인공 신경망 모델'을 제안하였다. TOPIS 자료를 이용한 사례 연구 결과 서울시 주요 도로 링크의 교통 혼잡도를 90%에 가까운 정확도로 예측이 가능하였다. 추후 교통사고나 도로 공사와 같은 도로에 영향을 미치는 이벤트 데이터를 추가로 확보할 수 있다면 정확도는 더욱 높아질 것으로 예상된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (하)
• /
• pp.1345-1348
• /
• 2002

기존의 TCP/IP 네트워크 상에서 혼잡을 제어하는 일반적인 방법은 end-to-end 피드백 방식이다. 혼잡이 발생했는지의 여부는 수신측의 ACK 신호로 예측할 수밖에 없으므로 RTT(round trip time)가 길어질 경우 혼잡처리 시간이 길어지게 된다. Active Network 기술을 이용한 ACC(Active Congestion Control)의 경우 혼잡이 발생한 라우터에서 전송자에게 직접적으로 정보를 전송하기 때문에 보다 빠른 혼잡처리가 가능하다. 비록 코어 라우터에서 패킷을 누락시키는 방법에 있어 상태정보를 필요로 하는 단점이 있지만 모의 실험 결과 향상된 처리량을 보여주었다. 혼잡처리에 있어 새로운 처리 방식은 AQM(Active Queue Management)이다. 이 방식은 RED 를 기본 모델로 변형된 것이 대부분이며 RED 가 갖는 단점을 개선하고 혼잡처리와 공평성(fairness)을 향상 시키는데 목적이 있다. 본 논문에서는 ACC 의 피드백 메커니즘과 AQM 의 융통성 있는 큐 관리 기법을 이용하여 보다 향상된 혼잡제어 기법을 보이겠다.

• 한국콘텐츠학회논문지
• /
• 제20권4호
• /
• pp.25-37
• /
• 2020

교통 혼잡으로 인한 사회적 비용이 증가하면서 도로 속도를 예측하기 위한 다양한 연구들이 진행되고 있다. 도로 속도 예측의 정확도를 향상시키기 위해서는 교통 돌발 상황을 고려할 필요가 있다. 본 논문에서는 교통 돌발 상황을 고려한 도로 속도 예측 기법을 제안한다. 제안하는 기법은 연결된 도로들이 미치는 영향을 반영하기 위해서 예측 도로의 속도 데이터 뿐만 아니라 연결된 도로들의 속도 데이터도 이용한다. 또한, 돌발 상황으로 인한 혼잡을 예측하기 위해 속도의 변화량을 분석한다. 연결된 도로와 타겟 도로의 속도 데이터를 LSTM의 입력 데이터로 이용하여 1차적으로 도로 속도를 예측한다. 교통 돌발 상황으로 도로의 규칙적인 흐름이 깨지며 발생하는 예측 오차를 줄이기 위해 이벤트 가중치를 적용하여 최종적으로 도로 속도를 예측한다. 다양한 성능 평가를 통해 제안된 방법의 우수성을 입증한다.

• 인터넷정보학회논문지
• /
• 제1권2호
• /
• pp.29-37
• /
• 2000

ATM은 비동기 시분할 및 통계적 다중화 특성을 기존의 데이터 통신분야에 도입함으로써 멀티미디어를 이용한 다양한 통신을 유연하게 서비스할 수 있다. AIM ABR 서비스는 망의 혼잡상태에 대한 피드백 정보를 활용하여 트래픽을 제어하여 요구되는 서비스 품질을 보장할 수 있으며 최소의 대역폭을 보장하고 가용 대역폭을 최대 셀 전송률까지 높여 전송할 수 있다. 본 논문에서는 ATM 망에서 더욱 효과적인 ABR 트래픽 제어를 위해서 피드백 정보 형성에 큐 길이 예측제어 방법을 적용한다. 스위치에서 발생한 혼잡상황 임박에 대한 피드백 정보가 역방향 노드에 도착하기 위해서 더욱 긴 지연시간을 갖는 경우에, 제어되기 전에 도착되는 트래픽에 의해 스위치에서의 큐 길이는 이미 혼잡상황을 발생할 수 있으며 또한 큐 길이의 시간 대비 변화량이 비효율적으로 크게 된다. 이 논문에서 제시한 피드백 예측 제어방식들은 스위치에서 시간 대비 큐 길이함수의 기울기와 이전의 큐 변화량을 이용하여 스위치의 큐 길이를 미리 예측하였으며, 그 예측을 통한 혼잡상황 정보를 미리 역방향 노드에게 전달한다. 예측 제어방식으로는 NLMS와 신경망 구조를 이용하였으며 두 방식에 대해 비교하였다. 시뮬레이션 결과 본 논문에서 제시한 알고리즘은 예측기능이 없는 피드백 제어 방식에 비해 더욱 효과적임이 증명되었다. 즉, 예측을 통해서 피드백 정보의 긴 지연을 상쇄함을 이용하여. 스위치에서 큐 길이의 안정화와 더욱 효율적인 혼잡제어가 가능할 수 있음을 보여 준다.

• 한국정보통신학회논문지
• /
• 제10권7호
• /
• pp.1312-1318
• /
• 2006

텔레매틱스 서비스 중에서 가장 많이 이용하고 있는 것 중 하나는 출발지와 목적지에 이르는 최단 경로를 찾아 주는 서비스이다 . 현재 보편적으로 사용되고 있는 최단 경로 찾기서비스는 실시간 교통 정보를 고려하지 않는 정적인 최단 경로 알고리즘을 사용하고 있다. 본 연구에서는 실시간 교통 정보를 반영하여 현재 시간으로부터 일정 시간 경과한 후의 교통 정보를 예측하기 위한 방법을 제안하고 예측 결과의 정확성을 평가하기 위해 실시간 데이터를 이용하여 실험하였다. 제안된 방법은 도로 위를 달리는 차량의 평균 속도를 5분 단위로 입력 받아 누적된 데이터를 동일한 시간과 요일별로 분석하여 구한 누적 속도패턴과 칼만 필터 방법을 통합한 것이다 . 제안한 방법은 현재 사용되고 있는 누적 속도 패턴만을 이용한 예측보다 더 정확한 예측 결과를 보여 주었다. 예측된 결과는 동적인 최단 경로를 구하기 위해 사용될 뿐만 아니라교통혼잡이 예측되는 지역을 피하여 여행하도록 정보를 제공할 수 있다.

• 한국정보과학회논문지:정보통신
• /
• 제32권4호
• /
• pp.433-442
• /
• 2005

트래픽의 증가는 전체 네트워크 성능에 크게 영향을 미치며 네트워크 성능의 유지 및 향상을 위해서는 트래픽 관리가 필수적이다. 본 논문에서는 네트워크 트래픽을 분석하여 시계열 모형에 의해 트래픽을 예측하고 예측된 결과가 대역폭에 비해 크다면 트래픽 폭주임을 가정하고 라우팅 경로의 비용을 증가하여 트래픽을 분산되도록 한다. 즉, 라우팅 혼잡의 발생을 예측하여 라우팅 혼잡을 미리 해소하는 방안을 제안한다. 예측 모형은 실제 네트워크 망에서 트래픽을 수집하여 모형의 확률적 오차를 최소화하는 모형을 추출한다. 확률적 오차를 최소화하는 시계열 모형을 얻기 위해서는 정상성 가정에 대한 적합성을 판단하는데, 정상성 가정은 자기상관함수와 편자기상관함수를 통해 얻을 수 있다. 실험을 통하여 추출된 예측 모형이 라우팅 경로의 비용을 조정함으로써 트래픽이 분산되도록 한다. 그 결과, 트래픽 예측 라우팅이 혼잡 발생을 미연에 방지하여 네트워크 성능을 향상시킬 수 있는 방안이라는 것을 보인다.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.344-350
• /
• 2022

물동량의 증가로 인해 컨테이너 터미널의 혼잡도가 높아지고 있고 이에 따른 장치장 및 게이트에서의 반출입 차량의 대기시간이 큰 폭으로 길어지고 있어 차량 운용 및 항만 운영 비효율이 극심한 상태이다. 이러한 문제 해결을 위해 부산항의 경우, 항만 공사 및 터미널 측에서 반출입 차량 예약시스템(VBS), 터미널 차량 혼잡도 정보, 예상 작업 처리 시간 정보 등을 서비스하고 있지만 실제 대기시간과 상이한 경우가 있어 가시적인 효과는 여전히 미흡한 실정이다. 따라서 이러한 문제를 해결하기 위한 기초자료로써 본 연구에서는 부산 신항의 컨테이너반출입 정보를 활용하여 딥러닝 기반의 반출입 차량 평균 대기시간 예측 모형을 제시하였다. 실제 평균 대기시간과의 비교를 통해 예측률을 검증한 결과 제시한 예측 모형이 높은 예측률을 보이는 것을 확인하였다.