• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권1호
• /
• pp.19-28
• /
• 2015

본 논문에서는 과거 교통정체 패턴을 이용하여 현재의 교통정체가 풀리는 정체인지 아니면 악화되는 정체인지를 판별하는 알고리즘을 제안한다. 과거 교통정체 패턴은 다중 포인터를 이용하여 정체구간들을 연결한 인접 리스트에 교통정체의 시간적 길이와 공간적 길이로 저장된다. 교통정체가 시작된 구간에 해당하는 헤드노드를 탐색하고 현재패턴과 가장 유사한 과거 교통정체 패턴을 이용하여 장래의 교통정체 변화정보를 제공한다. 실험을 통해 검증한 결과, 도로 구간 하나에 대한 정체 변화를 판별하였을 때 실제 값과 비교해서 평균적으로 15분 오차를 보였으며, 연속된 다수의 도로 구간들을 결합하여 비교적 긴 구간의 정체 변화를 판별하였을 경우 평균적으로 10분 이내의 오차를 보이며 실제 값과 유사한 것을 보였다.

• 한국ITS학회 논문지
• /
• 제21권2호
• /
• pp.74-84
• /
• 2022

자율주행 관련 기술의 고도화와 함께 자율차와 비자율차가 혼재된 교통 환경이 예측됨에 따라서 미시구간의 차량 속도정보 예측은 안전한 교통 환경 구축에 가장 중요한 정보 중 하나로 판단되고 있다. 하지만, 현재 제공되는 링크 기준 미시구간 주행 속도는 속도 변화 구간을 정확하게 반영하지 못하는 한계가 있다. 본 연구에서는 미시구간 속도정보 서비스를 위한 개별 차량 빅데이터 기반의 공간 분할 방안을 제시한다. 본 연구에서는 차량 빅데이터를 이용한 동질속도구간 도출과 지오해시 기반의 단계적 구간 분할을 통하여 미시적 속도 정보 변화 지점을 분류하였다. 경부고속도로 경기지역에 대하여 제안된 방법을 적용한 결과 해당 구간 도로는 130 및 170개의 동질속도구간으로 세분되었다. 본 연구에서는 결과 분석을 통하여 제안된 방법은 기존 링크 기반 정보에 비하여 정밀하고 정확한 속도 정보 제공이 가능함을 제시하였으며, 개별 차량 빅데이터를 이용한 미시적 속도 정보 제공을 위한 구간 세분화가 필요함을 검증하였다.

• 한국ITS학회 논문지
• /
• 제20권5호
• /
• pp.113-129
• /
• 2021

최근 수도권 중심의 생활권역 확장과 대도시로의 인구 집중으로 도시 내의 교통 혼잡이 지속적으로 증가하고 있다. 도심지의 땅값 상승과 한정된 부지로 인해 새로운 도로 건설은 불가능하게 되었고, 데이터 기반의 효율적인 도로 운영의 중요성이 점점 부각되고 있다. 효율적인 도로 운영을 위해서는 교통상황의 변화에 따른 적절한 TOD 시간분할과 TOD 시간분할을 통한 최적의 신호 운영 방안이 필수적이다. 본 연구에서는 최적의 TOD 시간 분할을 위해 연속된 교차로에서 수집된 교통량과 속도 데이터에 시계열 데이터의 군집 분석을 위한 동적 타임 워핑 모델을 적용하였다. 시간 분할을 위해 활용된 데이터별 군집의 특성을 분석하여 최적의 신호 운영 시나리오를 구성하기 위한 시간 분할 방법론을 제안하고자 한다.

• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.45-56
• /
• 2022

최근 수원시 내 공유자전거 도입 및 이용이 활성화되고 있다. 이에 따라 자전거 도로 인프라가 확충되어야 함에도 불구하고, 그렇지 못한 상황이다. 따라서, 본 연구에서는 수원시 자전거 전용차로 도입 방안을 제시하고자 하였다. 이를 위해 모바이크에서 제공한 2018년 9월 10일~16일 기간 내 공유자전거 이용 데이터와 교통유발시설 현황 데이터를 기반으로 입지분석을 수행하였다. 분석결과를 활용하여 수원시 내 자전거 전용차로 도입 적정 구간을 선정하였다. 최종적으로 수원시 내 자전거 전용차로 우선 도입구간으로 총 2개, 5.6 km 구간을 선정하였다. 해당 구간들은 기존 자전거 도로 인프라 또는 교통유발시설과의 연계가 용이하고, 기운영중인 자전거 도로를 활용하여 설치가 용이하다는 장점이 있으나, 기존 도로공간 점유로 인한 교통정체가 발생하는 단점이 있음을 알 수 있었다. 본 연구를 통해 수원시 내 자전거 전용차로 도입 활성화 및 인프라 정비 사업 확대, 공유자전거 및 공유 PM 등 공유형 교통수단 이용 활성화, 관내 지속가능 도시교통체계가 구현되길 기대한다.

• 한국재난정보학회 논문집
• /
• 제16권4호
• /
• pp.682-690
• /
• 2020

연구목적: 본 연구는 재난 발생 데이터와 실시간 기상·대기 관련 데이터를 수집하고 정제과정을 통하여 데이터베이스를 구축하고, API로 제공되는 공공 데이터와 연계하여 빅 데이터 기반의 도시안전지수의 서비스 모델을 제안하고자 한다. 연구방법: 재난 발생과 관련한 다양한 정보를 공공 데이터와 SNS를 활용하여 수집하고, 기계학습 알고리즘으로 분석한 결과를 중심으로 이용자 관심지역의 재난상황을 실시간 대시보드로 확인하고 대처하는 방법을 제공하고자 한다. 연구결과: 분야별 지역안전지수와 기상·대기의 상관관계가 높은 속성을 추출하여 예측모델과 비교하면 교통사고 분야의 지역안전지수는 기상·대기 데이터와 상당한 상관관계가 있음을 확인하였다. 결론: 기계학습 알고리즘 기반의 안전지수 예측모델을 생성하여 이용자 관심 지역에 분야별 안전지수를 지도에 표시하는 시스템을 제안하였다.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1208-1215
• /
• 2017

Recently, people's attention and worries about fine particulate matter have been increasing. Due to the construction and maintenance costs, there are insufficient air quality monitoring stations. As a result, people have limited information about the concentration of fine particulate matter, depending on the location. Studies have been undertaken to estimate the fine particle concentrations in areas without a measurement station. Yet there are limitations in that the estimate cannot take account of other factors that affect the concentration of fine particle. In order to solve these problems, we propose a framework for estimating the concentration of fine particulate matter of a specific area using meteorological data and traffic data. Since there are more grids without a monitor station than grids with a monitor station, we used a domain adversarial neural network based on the domain adaptation method. The features extracted from meteorological data and traffic data are learned in the network, and the air quality index of the corresponding area is then predicted by the generated model. Experimental results demonstrate that the proposed method performs better as the number of source data increases than the method using conditional random fields.

• 한국멀티미디어학회논문지
• /
• 제21권5호
• /
• pp.599-608
• /
• 2018

As natural disasters are increasing due to the unusual weather and the modern society is getting complicated, the rapid change of the urban environment has increased human disasters. Thus, citizens are becoming more anxious about social safety. The importance of preparation for safety has been suggested by providing the disaster safety services such as regional safety index, life safety map, and disaster safety portal application. In this paper, we propose an application framework to predict the urban safety index based on user's location with realtime weather/atmosphere data after creating a predication model based on the machine learning using number of occurrence cases and weather/atmosphere history data. Also, we implement an application to provide traffic safety index with executing preprocessing occurrence cases of traffic and weather/atmosphere data. The existing regional safety index, which is displayed on the Si-gun-gu area, has been mainly utilized to establish safety plans for districts vulnerable to national policies on safety. The proposed system has an advantage to service useful information to citizens by providing urban safety index based on location of interests and current position with realtime related data.

• 한국BIM학회 논문집
• /
• 제12권2호
• /
• pp.1-11
• /
• 2022

Road traffic accidents (RTAs) are the leading cause of accidental death among children. RTA reduction is becoming an increasingly important social issue among children. Municipalities aim to resolve this issue by introducing "Smart Pedestrian Crosswalks" that help prevent traffic accidents near children's facilities. Nonetheless such facilities tend to be installed in relatively limited number of areas, such as the school zone. In order for budget allocation to be efficient and policy effects maximized, optimal location selection based on machine learning is needed. In this paper, we employ machine learning models to select the optimal locations for smart pedestrian crosswalks to reduce the RTAs of children. This study develops an optimal location index using variable importance measures. By using k-means clustering method, the authors classified the crosswalks into three types after the optimal location selection. This study has broadened the scope of research in relation to smart crosswalks and traffic safety. Also, the study serves as a unique contribution by integrating policy design decisions based on public and open data.

• 정보보호학회논문지
• /
• 제30권4호
• /
• pp.693-704
• /
• 2020

기업의 네트워크가 대규모화되고 보안시스템 수가 많아짐에 따라 엄청난 양의 보안시스템 이벤트로부터 이상 트래픽을 신속하게 탐지하기란 쉽지 않다. 본 논문에서는 방화벽 등 정보보호 시스템의 보안이벤트를 실시간 탐지하고 분석할 수 있는 트래픽 시각화 분석시스템(FDANT-PCSV)를 제안한다. FDANT-PCSV는 보안이벤트 중 5가지 인자(출발지 IP, 목적지 IP, 목적지 포트, 패킷 길이, 처리상태)를 이용한 Parallel Coordinates 시각화와 4가지 인자(출발지 IP, 목적지 IP, 이벤트 수, 데이터 크기)를 이용한 Sankey 시각화로 구성된다. 또한, 빅데이터 기반 SIEM을 이용하기 때문에 인터넷 및 인트라넷에서 발생하는 네트워크 공격과 네트워크 장애 트래픽을 실시간 탐지할 수 있다. FDANT-PCSV는 사이버 보안 관제요원과 네트워크 관리자가 네트워크 이상 트래픽을 빠르고 쉽게 탐지하여 네트워크 위협에 신속히 대응할 수 있도록 해준다.

• 한국ITS학회 논문지
• /
• 제17권4호
• /
• pp.14-25
• /
• 2018

최근 빅데이터 시대의 도래와 함께 교통사고와 관련된 요인을 설명하기 용이해졌다. 이에따라 최신 분석 기법을 적용하여 교통사고 자료를 분석하고 시사점을 도출할 필요가 있다. 본 연구의 목적은 고속도로 교통사고 자료를 이용하여 고속도로의 주요 분석 단위인 콘존의 교통사고 건수를 예측하기 위하여 음이항 회귀모형과 딥 러닝을 이용한 기법을 적용하고 예측 성능을 비교하였다. 예측 성능 비교 결과, 딥 러닝 모형의 MOE들이 음이항 회귀모형에 비해 다소 우수한 것으로 나타났으나, MAD 기준으로 차이는 미미한 것으로 나타났다. 하지만 딥 러닝을 이용할 경우 다른 독립변수들을 추가하는 것이 용이하고, 모형의 구조 등을 변경할 경우 예측 신뢰도를 더욱 증가시킬 수 있을 것으로 판단된다.