• 지적과 국토정보
• /
• 제51권1호
• /
• pp.53-65
• /
• 2021

국내·외적으로 수행되고 있는 다양한 C-ITS 관련 도로 인프라 구축 사업들은 다양한 센서 기술들을 융합적으로 활용하고 있으며, 도로 인프라의 효율성과 신뢰성을 높이기 위해 센서 관련 기술 향상에 많은 노력을 하고 있다. 최근에는 인공지능 기술의 발전으로 영상정보를 수집하는 CCTV의 역할은 더욱 중요해지고 있다. CCTV는 현재 도로 상태 및 상황, 보안 등의 이유로 많은 양이 구축되어 운영되고 있으나, 단순한 영상 모니터링에 주로 활용되고 있어 자율주행 측면에서 센서들에 비해 활용도가 부족한 실정이다. 본 연구에서는 기구축된 CCTV영상에서 이동체(차량·사람 등)들을 식별·추적하고, 이들의 정보를 다양한 환경에서 활용할 수 있도록 분석·제공하는 방안을 제안한다. 이를 위해 Yolov4와 Deep sort 알고리즘을 활용한 이동체 식별·추적과 Kafka 기반의 실시간 다중 사용자 지원 서버 구축, 영상과 공간 좌표계 간의 변환 행렬 정의, 그리고 정밀도로지도, 항공맵 등을 활용한 맵기반 이동체 시각화를 진행하였으며, 유용성을 확인하기 위한 위치 정합도 평가를 수행하였다. 제안된 방안을 통해 CCTV가 단순한 모니터링 역할을 넘어 도로 인프라 측면에서 도로 상황을 실시간으로 분석하여 관련 정보를 제공할 수 있는 중요한 센서로써의 역할을 할 수 있음을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권4호
• /
• pp.133-142
• /
• 2021

최근 딥러닝은 하드웨어 성능이 향상됨에 따라 자연어 처리, 영상 인식 등의 다양한 기술에 접목되어 활용되고 있다. 이러한 기술들을 활용해 지능형 교통 시스템(ITS), 스마트홈, 헬스케어 등의 산업분야에서 데이터를 분석하여 고속도로 속도위반 차량 검출, 에너지 사용량 제어, 응급상황 등과 같은 고품질의 서비스를 제공하며, 고품질의 서비스를 제공하기 위해서는 정확도가 향상된 딥러닝 모델이 적용되어야 한다. 이를 위해 서비스 환경의 데이터를 분석하기 위한 딥러닝 모델을 개발할 때, 개발자는 신뢰성이 검증된 최신의 딥러닝 모델을 적용할 수 있어야 한다. 이는 개발자가 참조하는 딥러닝 모델에 적용된 학습 데이터셋의 정확도를 측정하여 검증할 수 있다. 이러한 검증을 위해서 개발자는 학습 데이터셋, 딥러닝의 계층구조 및 개발 환경 등과 같은 내용을 포함하는 딥러닝 모델을 문서화하여 적용하기 위한 구조적인 정보가 필요하다. 본 논문에서는 신뢰성있는 딥러닝 기반 데이터 분석 모델을 참조하기 위한 딥러닝 기술 언어를 제안한다. 제안하는 기술 언어는 신뢰성 있는 딥러닝 모델을 개발하는데 필요한 학습데이터셋, 개발 환경 및 설정 등의 정보와 더불어 딥러닝 모델의 계층구조를 표현할 수 있다. 제안하는 딥러닝 기술 언어를 이용하여 개발자는 지능형 교통 시스템에서 참조하는 분석 모델의 정확도를 검증할 수 있다. 실험에서는 제안하는 언어의 유효성을 검증하기 위해, 번호판 인식 모델을 중심으로 딥러닝 기술 문서의 적용과정을 보인다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.149-156
• /
• 2024

기존 긴급 및 외부 통신이 주목적이었던 차량 인포테인먼트의 지능화와 고속화는 내비게이션, 자율주행 등 다양한 서비스 적용에 대한 가능성을 보여주고 있다. 특히 통신 및 네트워크의 진보로 인하여 외부 기기 및 인프라 연동에 대한 기능성이 강화되고 있는 바 이러한 경향하에 고도화된 차량 서비스 및 주행을 위한 협력 지능형 교통 체계 (C-ITS)와의 연동 방향에 대한 고민이 필요하다. 또한 자동차도 텔레매틱스 및 인포테인먼트 고도화를 넘어 전동화 경향에 맞춘 소프트웨어 정의 차량 (SDV) 라는 개념을 토대로 한 미래 차량 개발 개념을 정립하고 있는 바 이러한 SDV 연계에 대한 고려도 동시에 병행해야 한다. 본 논문에서는 차량 인포테인먼트 구조 분석을 토대로 한 향후 ITS와 SDV 연계 방향성에 대해서 고찰한다. 우선 이를 위해서 현존하는 차량 인포테인먼트 구조 및 아키텍처 분석을 진행하며 이와 연계된 SDV에 대한 구조도 같이 제시한다. 이를 토대로 하여 표준 기반의 C-ITS 서비스와 SDV 기기 적용 및 연동 가능성에 대한 고려사항을 도출한다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.39-70
• /
• 2017

최근 여론조사 분야에서 데이터에 기반을 둔 분석 기법이 널리 활용되고 있다. 기업에서는 최근 출시된 제품에 대한 선호도를 조사하기 위해 기존의 설문조사나 전문가의 의견을 단순 취합하는 것이 아니라, 온라인상에 존재하는 다양한 종류의 데이터를 수집하고 분석하여 제품에 대한 대중의 기호를 정확히 파악할 수 있는 방안을 필요로 한다. 기존의 주요 방안에서는 먼저 해당 분야에 대한 감성사전을 구축한다. 전문가들은 수집된 텍스트 문서들로부터 빈도가 높은 단어들을 정리하여 긍정, 부정, 중립을 판단한다. 특정 제품의 선호를 판별하기 위해, 제품에 대한 사용 후기 글을 수집하여 문장을 추출하고, 감성사전을 이용하여 문장들의 긍정, 부정, 중립을 판단하여 최종적으로 긍정과 부정인 문장의 개수를 통해 제품에 대한 선호도를 측정한다. 그리고 제품에 대한 긍 부정 내용을 자동으로 요약하여 제공한다. 이것은 문장들의 감성점수를 산출하여, 긍정과 부정점수가 높은 문장들을 추출한다. 본 연구에서는 일반 대중이 생산한 문서 속에 숨겨져 있는 토픽을 추출하여 주어진 제품의 선호도를 조사하고, 토픽의 긍 부정 내용을 요약하여 보여주는 제품 평판 마이닝 알고리즘을 제안한다. 기존 방식과 다르게, 토픽을 활용하여 쉽고 빠르게 감성사전을 구축할 수 있으며 추출된 토픽을 정제하여 제품의 선호도와 요약 결과의 정확도를 높인다. 실험을 통해, K5, SM5, 아반떼 등의 국내에서 생산된 자동차의 수많은 후기 글들을 수집하였고, 실험 자동차의 긍 부정 비율, 긍 부정 내용 요약, 통계 검정을 실시하여 제안방안의 효용성을 입증하였다.

• 한국ITS학회 논문지
• /
• 제3권1호
• /
• pp.85-96
• /
• 2004

본 연구의 기본개념은 개별 차량이 대기차량 검지기를 통과할 때 "점유시간이 길다면 곧 차량은 정체하고 있다."라는 아주 기본적인 명제에서 출발하고 있다. 즉 차량의 속도를 고려하지 않고, 점유시간과 정체도는 비례한다는 개념으로부터 차량의 점유시간에서 정체도의 개념을 바로 유추하는 것이다. 본 연구에서 수행한 결과만을 놓고 본다면, 본 연구에서 제안하는 방식인 지점속도 대신 주기단위 점유율을 사용하는것이 모형이 정확도와 대기길이 추정의 신뢰도 측면에서 공히 우월한 결과를 얻었다. 이외 운영자 측면에서의 이점으로는 긴존 방식에서 요구되는 모수 s1, s2, Thdoc 값을 현장에 맞게 최적화 할 필요 없이 점유율을 곧 바로 정체도로 사용할 수 있다는 장점도 매력적일 수 있다. 점유율 방식을 사용할 경우 물론 현장 상황에 따라 조정되어야 할 변수들이 있겠지만, 기정값으로는 기존 임계정체도에서 사용하는 값인 0.7 대신에 0.20 - 0.30 정도가 적당한 것으로 분석되었다. 단, 제안 모형의 한계로는 본 모형은 누적 점유시간을 계측 주기시간 동안의 점유율을 사용하기 때문에 만일 대기차량이 형성되어 있는 동안 차량이 검지기를 점유하지 않을 때는 상당한 오차를 가지게 된다는 문제가 있다. 따라서 제안방식의 모형의 추정 신뢰도를 제고하기 위해서는 현재 상류부 대기길이용 검지기인 1.8m X 1.8m 크기의 검지기를 차량흐름 방향으로 크게 하거나 아니면 아예 검지기를 쌍으로 설치하는 것이 필요하다고 하겠다. 또한 COSMOS 시스템에서의 신뢰도 높은 대기길이 추정 기능은 과포화시 효율적인 신호제어에 필수적으로 요구되는 기능으로 향후 이와 관련된 후속연구가 활발히 진행되기를 바란다.그리고 매트릭스는 $256\times512$ 였다. MRI촬영자료에서 관절연골부위를 픽셀단위로 비교분석 하였다. 배양이 끝난 관절연골은 hematoxylin & eosin, toluidine blue, alcian blue, trichrome 염색 등을 시행하여 관찰하였다. 결과 : Dimethylmethylene blue를 이용한 GAG의 정량분석결과 배양시간증가에 따라 GAG의 농도가 비례적으로 증가하였다. $Gd(DTPA)^{2-}$ 첨가된 trypsin배양에서 관절연골의 T1 강조 영상에서의 신호강도는 trypsin 배양에 비하여 평균 $42.0\%$ 증가하였고 4시간과 5시간배양에서는 trypsin에서만 배양한 관절연골에 비하여 신호강도가 더욱 뚜렷하게 증가되었다 (p<0.05). 관절연골의 T1, T2, rho 이완시간은 배양시간에 따라 유의성 있는 차이가 관찰되지 않았으나 $Gd(DTPA)^{2-}$ 첨가된 trypsin배양에서 T1이완시간의 증가가 관절연골의 표층부와 이행부에서 측정되었다. 조직검사결과 trypsin 배양의 관절연골에서 toluidine blue와 alcian blue염색에서 결손이 관찰되었다. 결론 : Trypsin 배양시간에 따라 관절연골의 GAG결손을 정량적으로 확인할 수 있었고 픽셀크기 $97.9\times195\;{\mu}m$인 MRI로 $Gd(DTPA)^{2-}$-조영증강 및 이완시간을 측정할 수 있었다. 배양시간에 따른 GAG결손은 T1, T2, rho 이완시간보다 $Gd(DTPA)^{2-}$-조영증강에서

• 지능정보연구
• /
• 제25권1호
• /
• pp.43-61
• /
• 2019

최근 4차 산업혁명과 함께 인공지능 기술에 대한 연구가 활발히 진행되고 있으며, 이전의 그 어느 때보다도 기술의 발전이 빠르게 진행되고 있는 추세이다. 이러한 인공지능 환경에서 양질의 지식베이스는 인공지능 기술의 향상 및 사용자 경험을 높이기 위한 기반 기술로써 중요한 역할을 하고 있다. 특히 최근에는 인공지능 스피커를 통한 질의응답과 같은 서비스의 기반 지식으로 활용되고 있다. 하지만 지식베이스를 구축하는 것은 사람의 많은 노력을 요하며, 이로 인해 지식을 구축하는데 많은 시간과 비용이 소모된다. 이러한 문제를 해결하기 위해 본 연구에서는 기계학습을 이용하여 지식베이스의 구조에 따라 학습을 수행하고, 이를 통해 자연어 문서로부터 지식을 추출하여 지식화하는 방법에 대해 제안하고자 한다. 이러한 방법의 적절성을 보이기 위해 DBpedia 온톨로지의 구조를 기반으로 학습을 수행하여 지식을 구축할 것이다. 즉, DBpedia의 온톨로지 구조에 따라 위키피디아 문서에 기술되어 있는 인포박스를 이용하여 학습을 수행하고 이를 바탕으로 자연어 텍스트로부터 지식을 추출하여 온톨로지화하기 위한 방법론을 제안하고자 한다. 학습을 바탕으로 지식을 추출하기 위한 과정은 문서 분류, 적합 문장 분류, 그리고 지식 추출 및 지식베이스 변환의 과정으로 이루어진다. 이와 같은 방법론에 따라 실제 지식 추출을 위한 플랫폼을 구축하였으며, 실험을 통해 본 연구에서 제안하고자 하는 방법론이 지식을 확장하는데 있어 유용하게 활용될 수 있음을 증명하였다. 이러한 방법을 통해 구축된 지식은 향후 지식베이스를 기반으로 한 인공지능을 위해 활용될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.107-118
• /
• 2016

2020년경 우리에게 모습을 보이게 될 5G 이동통신은 IoT, V2X 등을 비롯하여 다양한 서비스를 고객들에게 제공할 것으로 예상되며, 이러한 서비스를 제공하기 위한 요구사항은 꾸준히 수준을 높여오던 고속 데이터 속도 외에도, 신뢰도, 그리고 실시간 서비스를 위한 지연 감소 등이 가장 중요한 고려사항이 될 것으로 전망된다. 이러한 이유는 5G의 주요 응용분야로 고려되는 분야인 M2M, IoT, Factory 4.0 등의 서비스를 위해서는 기존의 속도뿐 아니라, 특히 지연 및 신뢰성이 매우 중요하게 고려되어야 한다. 특히, 교통관제 등 자동차를 기반으로 하는 다양한 V2X(Vehicle to X)를 활용한 지능형 교통관제 시스템 및 서비스에서는 요구사항이 가장 높은 수준으로 고려될 수 있다. 5G 이동통신을 위하여 세계 각국의 표준화 기구들은 서비스를 규정하고 이를 요구사항에 따라 그룹화하여, 서비스의 시나리오 와 기술적 요구사항을 도출하였고, 최근에는 이러한 시나리오를 위한 요구사항의 수준이 어느 정도 합의에 다다르고 있다. 도출된 서비스 시나리오는 5개이며 이는 다음과 같다. 첫 번째 시나리오는 빠른 데이터 전송이 필요한 서비스로 가상 사무공간의 3차원 정보의 전송을 위해 높은 품질의 데이터를 요구한다. 두 번째 시나리오는 운동장, 콘서트장, 백화점과 같이 군중이 몰린 곳에서도 합리적인 이동통신 광대역 서비스 제공하는 경우이며, 세 번째는 이동 중에 일정 수준의 서비스를 제공하는 경우이고, 네 번째 경우는 지연 및 신뢰도에 대한 매우 강한 요구사항을 갖는 경우이며, M2M 통신과 같이 실시간성 보안 및 산업을 위한 응용 등의 예가 해당된다. 마지막으로 다섯 번째는 유비퀴터스 통신의 예이며, 다양한 요구사항을 가진 많은 수의 디바이스에 대한 효과적인 조정하는 경우를 예로 들 수 있다. 5G 통신은 또한 차세대 망의 구조를 고려하여 SDN(Software Defined Network)기반의 구조를 채택하고 있는데, 이러한 망의 구조는 지연과 신뢰도와 밀접한 관계를 갖고, 최악조건의 경우를 위한 SDN을 고려한 망 구조측면의 검토가 필요하다. 다양한 요구사항 중 5G에서 가장 주요시 고려 되어야 할 지연 및 신뢰도에 가장 적합한 시나리오는 지능형 교통 시스템 및 서비스 환경에서의 응급상황이다. 자동차는 매우 빠른 속도로 5G의 작은 셀들을 지나가고, 응급상황에 전달해야 하는 메시지는 매우 짧은 시간에 전달 및 처리되어야 하는 시나리오로 지연에 민감한 최악조건의 대표적인 예라고 생각할 수 있다. 본 논문에서는 V2X의 응급상황에서 SDN 망 구조 및 정보흐름의 규모에 대한 시뮬레이션을 통하여 시스템 수준의 분석을 진행하였다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.135-155
• /
• 2018

본 연구는 최근 4차산업 혁명의 산물로 대두되고 있는 자율주행차가 대중교통 수단인 택시로 이용될 때 해석수준과 메시지 프레이밍에 따른 사용 의도의 차이를 분석하는 것이다. 해석수준이란 가까운 미래에 발생한 일과 먼 미래에 발생할 일을 가정하여 어떤 제품이나 서비스를 해석하는 것이 다르다는 것을 말한다. 메시지 프레이밍이란 긍정 혹은 부정의 표현 또는 혜택, 손실의 양극단의 메시지를 구성한 것을 말한다. 즉, 기존연구에서는 이 두 개념에 따라 제품이나 서비스의 가치를 다르게 해석한다고 한다. 본 연구는 자율주행차가 택시로 출시될 때 두 개념을 적용할 경우 사용 의도의 차이를 보이는지 살펴보고자 한다. 결과를 요약하면 우선, 메시지 프레이밍 구성에서 자율주행 택시를 이용할 경우 혜택(Gain)과 왜(Why) 사용해야 하는지를 설명한 메시지 형식과 자율주행 택시를 이용하지 않았을 경우 손실(Loss)와 어떻게(How)를 강조한 메시지를 구성하여 비교해 보았다. 두 메시지 프레이밍은 차이를 보였으며(t= 3.063) 혜택(Gain)과 왜(Why)를 설명한 메시지 형태가 더 높은 사용 의도를 보였다. 또한, 해석수준에 따른 결과를 요약하면 다음과 같다. 혜택(Gain) 및 손실(Loss)에 대한 먼 미래와 가까운 미래에 발생할 것을 가정한 경우 사용 의도에 차이가 있었으며, 구체적으로 혜택(Gain)을 설명한 메시지와 먼 미래에 발생할 것을 가정한 경우가 사용 의도가 높았다. 요약하면 자율주행 택시의 사용 의도를 높이기 위해서는 긍정의 메시지(Gain)와 먼 미래에 일어날 수 있는 것을 가정하여 사람들에게 메시지를 전달해야 한다는 결론이다. 또한, 본 연구를 통하여 향후 신기술의 출현에 대한 사용 의도 연구 시 연구방법을 활용할 수 있을 것이다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.51-66
• /
• 2018

인공지능 기술의 비약적인 발전으로 인하여, 사용자의 편의성 증대를 목적으로 다양한 분야에서 관련된 제품과 서비스들의 개발이 이루어지고 있다. 이러한 기술의 발전에는 긍정적인 파급 효과에 대한 기대감이 존재하나, 향후 발생 가능한 부정적인 측면에 대한 논의도 활발히 이루어지고 있다. 예를 들어, 인공지능 기술 기반의 자율주행 자동차의 경우 안정성의 향상이라는 측면에서 많은 관심을 받고 있으나, 트롤리 딜레마, 시스템 보안 문제 등의 사회적 이슈 또한 활발히 논의되고 있다. 이에 따라, 인공지능 관련 기술의 발전과 사회적 수용을 위해서는 사회적으로 논의되는 주요 관련 이슈들에 대한 확인과 효과적인 분석이 요구된다. 이를 위해, 본 연구에서는 '이세돌 vs 알파고' 시점인 2016년 3월을 포함하여 2016년 1월부터 2017년 12월까지 2년 동안의 인공지능과 관련된 사회적인 이슈들을 파악하고 온라인상에서 발생되는 사회적 여론에 대하여 다 범주 감성을 분석하고자 한다. 이를 위하여 국내 대표적인 포털 사이트에서 인공지능 관련 뉴스의 수와 관련된 뉴스 제목, 뉴스의 댓글을 웹 크롤링(Web Crawling) 하였다. 사회적 여론에 대한 다 범주 감성 분석은 논의되는 이슈들의 중요성을 고려하여 단순 긍정 또는 부정이 아닌, 분노, 혐오, 두려움, 행복, 중립, 슬픔, 놀라움의 7가지 다 범주 감성으로 분석하였다. 분석 결과, 대부분의 이벤트 기간에 대하여 1위 감성은 '행복'으로 나타났지만 각 키워드에 대하여 나오는 감성이 상이함을 볼 수 있었다. 또한 2016년 상반기, 하반기, 2017년 상반기, 하반기로 나누어 보았을 때 시간이 지남에 따라 '분노'의 감성이 낮아짐을 확인하였다. 이러한 분석 결과를 바탕으로 인공지능과 관련하여 현재 논의되고 있는 다양한 이슈와 동향 파악이 가능하며, 이에 대한 대응 방안 마련에 활용이 가능할 것이다. 향후 감성 분석기의 성능 향상과 댓글에 대한 공감 및 비공감도의 가중치를 추가하여 분석한다면 사회적 여론을 보다 세밀하게 파악 할 수 있을 것이다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.137-154
• /
• 2018

조류인플루엔자와 구제역 같은 동물감염병은 거의 매년 발생하며 국가에 막대한 경제적 사회적 손실을 일으키고 있다. 이를 예방하기 위해서 그간 방역당국은 다양한 인적, 물적 노력을 기울였지만 감염병은 지속적으로 발생해 왔다. 최근 빅데이터와 딥러닝 기술을 활용하여 감염병의 예측모델을 개발하고자 하는 시도가 시작되고 있지만, 실제로 활용가능한 모델구축 연구와 사례보고는 활발히 진행되고 있지 않은 실정이다. KT와 과학기술정보통신부는 2014년부터 국가 R&D사업의 일환으로 축산관련 차량의 이동경로를 분석하여 예측하는 빅데이터 사업을 수행하고 있다. 동물감염병 예방을 위하여 연구진은 최초에는 차량이동 데이터를 활용한 회귀분석모델을 기반으로 한 예측모델을 개발하였다. 이후에는 기계학습을 활용하여 좀 더 정확한 예측 모델을 구성하였다. 특히, 2017년 예측모델에서는 시설물에 대한 확산 위험도를 추가하였고 모델링의 하이퍼 파라미터를 다양하게 고려하여 모델의 성능을 높였다. 정오분류표와 ROC 커브를 확인한 결과, 기계 학습 모델보다 2017년 구성된 모형이 우수함을 확인 할 수 있었다. 또한 2017에는 결과에 대한 설명을 추가하여 방역당국의 의사결정을 돕고 이해관계자를 설득할 수 있는 근거를 확보하였다. 본 연구는 빅데이터를 활용하여 동물감염병예방시스템을 구축한 사례연구로 모델주요변수값, 이에따른 실제예측성능결과, 그리고 상세하게 기술된 시스템구축 프로세스는 향후 감염병예방 영역의 지속적인 빅데이터활용 및 분석 모델 개발에 기여할 수 있을 것이다. 또한 본 연구에서 구축한 시스템을 통해 보다 사전적이고 효과적인 방역을 할 수 있을 것으로 기대한다.