• 대한교통학회지
• /
• 제25권4호
• /
• pp.123-133
• /
• 2007

본 연구에서는 위계구조를 갖는 대중교통 노선망이 효율적인지, 효율적이라면 과연 어떤 조건 하에서 효율적인지에 대한 해석적 검토를 수행하였다. 대중교통 노선망을 구성하는 총 비용을 모형화하고 구축된 모형을 통해 위계구조를 갖는 대중교통 노선망과 단일 위계로 구성된 노선망의 총 비용을 비교하여 위계구조를 갖는 대중교통 노선망의 효율적 조건을 제시하였다. 위계구조 노선망의 효율성 조건은 상위 노선이 도입됨에 따라 절감되는 통행비용 절감이 상위 노선이 도입됨에 따라 추가적으로 발생하는 접근비용, 대기비용, 그리고 운영비용의 합인 비통행비용의 증가보다 클 경우에 해당한다. 이는 일반적인 상식과 부합하며 경제성평가의 비용/편익 분석의 개념과도 일치하는 결과이다. 상위 노선으로 구분된 단위 공간 내부의 통행은 하위 노선만을 이용하여 통행하고 단위 공간 외부의 통행은 하위 노선과 상위 노선을 모두 이용하여 통행하는 것으로 수요조건을 가정하였을 경우에는 상위 노선을 이용하는 통행수요가 노선간격 감소에 제곱하여 증가하게 되는데 이는 상위 노선의 간격이 줄어들어 상위 노선망이 연계체계를 이룰수록 적은양의 수요증가로도 상위 노선망의 효율성이 보장됨을 의미한다. 이는 대중교통 노선망에 있어서 규모의 경제를 의미하는 것으로, 대도시의 대중교통 노선망이 확장되어 효율적인 연계체계가 구축될수록 대중교통 통행수요가 급격하게 증가하는 현상과 일맥상통하는 결과로 해석된다. 본 연구는 대중교통 노선망에서의 위계구조를 해석적으로 풀이한 최초의 연구이며 대중교통 노선설계에 관한 수리적 연구의 기반이 될 것이다. 그러나 본 연구는 해석적 연구로써 현실적인 네트워크를 고려하는데 있어서 한계를 갖기 때문에 수리적 연구의 보완이 필요하다.시 인접교차로와의 관계를 고려하여 유출연결로의 위치를 결정하는 설계기준에 반영할 수 있을 것이고, 이로 인해 향후 인터체인지 주변의 교차로 운영과 고속도로 본선 교통류의 효율적 관리에 기여할 것으로 기대된다.22.97 %로 quercetin의 함량이 가장 큰 것으로 나타났다. 루이보스 추출물의 ethylacetate 분획의 TLC 크로마토그램은 7개의 띠로 분리되었고, HPLE 크로마토그램은 9개의 피이크를 보여주었다. TLC와 HPLC의 띠와 피이크를 확인한 결과, HPLC의 9개의 피이크는 용리순서로 peak 1 (조성비 14.71 %)은 isoorientin, peak 2 (28.84 %)는 orientin peak 3 (5.63 %)은 vitexin, peak 4 (12.73 %)는 rutin과 isovitexin, peak 5 (9.24 %)는 hyperoside, peak 6 (5.40%)은 isoquercitrin, peak 7 (1.48 %)은 luteolin, peak 8 (17.61 %)은 quercetin 및 peak 9 (4.59 %)는 kaempferol로 확인되었다. Aglycone 분획은 elastase 저해활성($IC_{50}$)이 $9.08\;{\mu}g/mL$로 매우 큰 활성을 나타내었다. 이상의 결과들은 루이보스 추출물이 $^1O_2$ 혹은 다른 ROS를 소광시키거나 소거함으로써 그리고 ROS에 대항하여 세포막을 보호함으로써 생체계, 특히 태양 자외선에 노출된 피부에서 항산화제로서 작용할 수 있음을 가리키며, 루이보스 성분에 대한 분석과 ethylacetate 분획의 당 제거 실험 후 얻어진 aglycone 분획의

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.