• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.179-196
• /
• 2021

코로나19로 인한 언택트 문화의 확산으로 타인과 접촉을 최소화할 수 있는 차박 시장의 규모가 확대되고 있다. 이에 차박캠핑에 용이한 SUV의 경우 승용 세단 판매량을 넘어섰고, 레저용 차량(RV)의 판매량은 작년 동기 대비 101% 증가하였다. 이러한 폭발적인 차박 수요의 증가에도 불구하고 차박 관련 연구는 저조하다. 이에 본 연구에서는 차박 이용자 중심의 연구를 진행하고자 하였다. 네이버 대표 차박 카페를 조사한 결과, 여러 장소의 차박지가 하나로 정리되어있는 글이나 지도, 웹사이트는 찾기 어려웠다. 또한, 기존의 캠핑 웹사이트들을 분석한 결과, 대부분 캠핑장소에 대한 정보만을 게시하고 있어 차박지의 자세한 정보를 알 수 없었다. 이에 더하여 관련 선행연구와 문헌조사를 통해 도출한 설문조사에 따르면 차박지내 쓰레기 무단 투기 문제에 대한 해결방안을 촉구하는 의견이 다수였다. 또한, 이용자들은 차박지 근처 편의시설 정보를 제공받고자 하였다. 따라서 차박지의 기본정보와 차박지 근처 편의시설 정보를 제공하는 차박 캠핑 웹사이트를 구축하고자 하였으며, 클린캠핑 인증 기능을 제공하여 차박지 쓰레기 무단투기 문제를 해결하고자 하였다. 더 나아가, 주요 웹사이트 기능인 클린캠핑 인증을 발전시켜 비즈니스 모델을 고안하였다. 비즈니스 모델은 차박 이용자들이 클린캠핑 인증 절차를 거쳐 보상을 받는 구조로 설계하였다. 클린캠핑 인증에 대한 보상은 국내 자동차 회사, 한국관광공사, 소상공인시장진흥공단과의 제휴를 통해 제공될 수 있도록 제안하였다.

• 서비스연구
• /
• 제12권3호
• /
• pp.115-133
• /
• 2022

본 연구는 인류의 지속가능한 삶을 위한 새로운 인간 모델과 교육시스템 디자인을 위해 수행되었다. 인류사회는 위기에 직면해있다. 인류사회의 문제들을 해결하기 위한 새로운 인간상과 교육시스템에 초점을 맞추어 연구를 수행하였다. 현대사회는기존 사회와 시간, 공간, 인간 차원에서 확연히 다르며 리터러시 증대로 개인들의 주도적 역할이 증대되어 문제가 심화될 경우 어느 시점에서 와해와 토붕이 순식간에 발생할 수도 있다. 성장과 자유의 가치가 높아져서 기술혁신은 가속화되고 있고 근대에 구축된 정치행정 및 경제시스템은 현대와의 괴리가 커져가고 있으므로, 새로운 기술과 산업이 인류사회를 크게 위험에 빠뜨릴 수도 있는 상황이다. 본 연구에서는 이와 같은 현재 인류사회의 문제점을 종합적으로 진단하였다. 기존 연구들에서 제시된 문제들을 분석하고 종합하면서 인간 및 교육 관련 문제를 깊이 있게 재분석하였다. 제기된 문제들을 해결하는 새로운 시스템의 필요조건과 충분조건을 도출하였다. 그리고 이러한 조건들을 충족하는 시스템을 제시하였다. 새로운 시스템은 현대 인류사회의 인간 및 교육 관련 문제들을 해결하는 시스템이어야 하고 또 장기간 지속가능한 시스템이어야 하므로 인류 공통원리에 부합해야 한다. 따라서 새로운 시스템은 서비스철학에 기반을 둔 시스템으로서 서비스주의 인간 및 교육시스템으로 명명되었다. 새로운 시스템의 구조와 운용모델, 구현방안을 제시하였다. 기본 구조는 성선설과 성악설이 균형을 이룬 인간관, 이성과 비이성을 모두 인정하는 인간상, 지성교육과 덕성교육이 균형을 이룬 교육 시스템, 인간노력과 무위자연의 가치가 모두 존중되는 교육시스템이다. 현대 이데올로기의 개선과 보상시스템의 개선 등과 함께 새로운 교육시스템이 가동될 필요가 있다. 본 연구에서는 거시적 방향을 제시하였으므로, 향후 본 연구를 구체화하는 인간 및 교육 관련 추가 연구들이 필요하다.

• 한국음향학회지
• /
• 제35권5호
• /
• pp.331-339
• /
• 2016

본 논문은 음선 기반 블라인드 디컨볼루션을 이용하여 송 수신기의 상대적인 이동으로 인한 도플러 편이가 존재하는 수중 음향 채널 환경에서의 송신 신호 및 채널 임펄스 응답 추정에 대한 방법을 제시한다. 도플러 편이가 존재하는 수중 채널 환경에서 m시퀀스와 같은 도플러 효과에 민감한 탐침 신호를 사용할 경우, 도플러 왜곡에 의한 수신 신호와의 낮은 상관도에 의해 정합 필터 처리만으로는 채널 임펄스 응답 추정에 어려움이 따른다. 본 연구에서는 음선기반 블라인드 디컨볼루션을 이용하여 도플러 편이가 포함되어 있는 송신 신호의 위상을 추정한 후, 이를 수신 신호에 보상함으로써 도플러 편이가 보상된 채널 임펄스 응답 추정에 대한 방법을 제안한다. 해상실험을 통해 측정된 수신 데이터에 대하여 정합 필터만으로는 채널 임펄스 응답 추정이 어려운 반면 제안된 방법을 통한 채널 임펄스 응답 추정 시, 음선 모델에서 예측된 전달경로와 유사한 특성을 보여주는 것을 확인하였다. 또한 산란 함수를 통해 추정된 도플러를 보상한 송신 신호에 비해 음선 기반 블라인드 디컨볼루션을 이용하여 복원한 송신 신호가 더 우수한 도플러 보상효과를 나타낸다.

• 한국도로학회논문집
• /
• 제17권2호
• /
• pp.107-122
• /
• 2015

PURPOSES : The use of virtual driving tests to determine actual road driving behavior is increasing. However, the results indicate a gap between real and virtual driving under same road conditions road based on ergonomic factors, such as anxiety and speed. In the future, the use of virtual driving tests is expected to increase. For this reason, the purpose of this study is to analyze the gap between real and virtual driving on same road conditions and to use a calibration formula to allow for higher reliability of virtual driving tests. METHODS : An intelligent driving recorder was used to capture real driving. A driving simulator was used to record virtual driving. Additionally, a virtual driving map was made with the UC-Win/Road software. We gathered data including geometric structure information, driving information, driver information, and road operation information for real driving and virtual driving on the same road conditions. In this study we investigated a range of gaps, driving speeds, and lateral positions, and introduced a calibration formula to the virtual record to achieve the same record as the real driving situation by applying the effects of the main causes of discrepancy between the two (driving speed and lateral position) using a linear regression model. RESULTS: In the virtual driving test, driving speed and lateral position were determined to be higher and bigger than in the real Driving test, respectively. Additionally, the virtual driving test reduces the concentration, anxiety, and reality when compared to the real driving test. The formula includes four variables to produce the calibration: tangent driving speed, curve driving speed, tangent lateral position, and curve lateral position. However, the tangent lateral position was excluded because it was not statistically significant. CONCLUSIONS: The results of analyzing the formula from MPB (mean prediction bias), MAD (mean absolute deviation) is after applying the formula to the virtual driving test, similar to the real driving test so that the formula works. Because this study was conducted on a national, two-way road, the road speed limit was 80 km/h, and the lane width was 3.0-3.5 m. It works in the same condition road restrictively.

• 재무관리연구
• /
• 제23권1호
• /
• pp.227-242
• /
• 2006

이 논문은 자동차보험분야에서 고의사고를 통한 보험사기에 대한 게임이론적 분석을 통하여 개선안을 제시한다. 보험사기범이 고의로 교통사고를 유발하여 보험금과 합의금을 받아내는 상황을 게임모형으로 분석한다. 현행제도 하에서는 최초 교통법규를 위반하여 사고를 낸 운전자(즉 궁극적인 보험사기의 피해자)의 교통법규 위반행위에 대한 처벌수준이 너무 높아서 최초법규위반자와 보험사기범과의 협상게임에서 협상력이 과도하게 약화된다. 보험사기범은 이를 악용하여 과도한 합의금을 (협박하여) 요구하게 되는 것이다. 즉, 최초 법규위반 운전자에 대한 과다한 처벌이, 본래 목적이 교통질서를 유지하려는 것임에도 불구하고, 오히려 보험사기범죄를 유발하는 역효과를 발생시키고 있는 것이다. 이러한 보험사기에 대한 대책으로 보통 제시되는 방안은 범죄에 대한 적발확률을 높이고 적발시 처벌강도를 높여서 보험사기범에 대한 기대처벌비용을 높이자는 것이다. 이러한 제안에 추가하여 이 논문에서 보이려는 것은, 보험사기범과 사기피해자(최초 법규위반/사고원인 제공자)의 게임상황에서 사기 피해자의 협상력을 낮추지 않는(즉 올리는) 것이 보험사기를 억제하는 데에 보다 더 중요하다는 점이다. 보험사기를 억제하기 위해서는 보험사기범에 대한 공권력 등을 사용한 적발 처벌도 중요하지만, 그와 병행하여 사기 피해자의 협상력을 높이는 것이 중요하다. 중요 교통법규위반 중 선량한 운전자가 어쩔 수 없이 위반하게 되는 법규위반 행위에 대한 처벌을 적절한 수준으로 낮추는 것이 고의사고를 유발하는 보험사기 범죄를 줄이는 방안이 될 것이다.

• 한국항해항만학회지
• /
• 제43권3호
• /
• pp.172-178
• /
• 2019

위성항법시스템의 안정적인 항법정보 제공에 대한 요구사항은 점차 증가하고 있지만, 의도적인 전파교란 및 자연환경 변화에 의한 성능 저하는 현실적으로 완벽히 해결하기 어렵다. 이러한 위성항법 시스템의 단점을 보완하기 위한 대표적인 항법시스템으로 고출력 신호를 이용한 지상파항법시스템인 eLoran이 주목받고 있고, 의도적인 전파교란에 강인하다는 장점이 있다. 사용자는 eLoran 시스템에서 사용 환경에 따라 E-field 또는 H-field 수신 안테나 중에서 적합한 것을 사용한다. 안정적인 접지 연결에 대한 제약이 없고, 상대적으로 주변 전자장비의 잡음에 강인한 H-field 안테나는 두 개의 루프로 구성되어 루프 간의 위상과 이득차이로 인해 등방성을 가지지 못한다. 그러므로 H-field 안테나는 정지위치에서도 수신한 신호의 방향에 따라 측정치의 변화가 발생하는 단점이 있고, 보다 정확한 측위 결과를 위해서는 신호의 방향에 따른 오차를 제거해야한다. 본 논문에서는 H-field 안테나와 송신국간의 기하학적 방향에 따른 오차를 제거하기 위한 지향성 보상기법을 제안하였다. eLoran 모의 신호생성기를 활용하여 오차를 분석하고 모델링하여 보상하는 기법을 개발하였고, 시뮬레이션과 차량실험을 통해 제안한 기법의 성능을 검증하였다.

• Journal of Preventive Medicine and Public Health
• /
• 제43권6호
• /
• pp.479-485
• /
• 2010

Objectives: The Korean Genome and Epidemiology Study (KoGES), a multicenter-based multi-cohort study, has collected information on body composition using two different bioelectrical impedence analysis (BIA) machines. The aim of the study was to evaluate the possibility of whether the test values measured from different BIA machines can be integrated through statistical adjustment algorithm under excellent inter-rater reliability. Methods: We selected two centers to measure inter-rater reliability of the two BIA machines. We set up the two machines side by side and measured subjects' body compositions between October and December 2007. Duplicated test values of 848 subjects were collected. Pearson and intra-class correlation coefficients for inter-rater reliability were estimated using results from the two machines. To detect the feasibility for data integration, we constructed statistical compensation models using linear regression models with residual analysis and R-square values. Results: All correlation coefficients indicated excellent reliability except mineral mass. However, models using only duplicated body composition values for data integration were not feasible due to relatively low $R^2$ values of 0.8 for mineral mass and target weight. To integrate body composition data, models adjusted for four empirical variables that were age, sex, weight and height were most ideal (all $R^2$ > 0.9). Conclusions: The test values measured with the two BIA machines in the KoGES have excellent reliability for the nine body composition values. Based on reliability, values can be integrated through algorithmic statistical adjustment using regression equations that includes age, sex, weight, and height.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.749-754
• /
• 2011

본 연구에서는 최적 pRBFNNs 패턴분류기 기반 2차원 영상과 ASM 알고리즘을 이용한 얼굴인식 시스템을 설계하고자 한다. 기존의 2차원 영상 기반 얼굴 인식 기법들은 인식하고자 하는 객체의 영상내의 위치, 크기 및 배경의 존재 유무에 따라 인식률이 영향을 받는 단점이 있으며, 본 연구에서는 이를 보완하기 위하여 관심 영역 내에서의 얼굴 영역 추출 및 특징 추출기법을 이용한 얼굴인식 방법을 소개한다. 본 연구에서는 CCD 카메라를 이용하여 영상을 획득하고 히스토그램 평활화를 이용하여 조명으로 왜곡된 영상정보를 개선한다. AdaBoost 알고리즘을 이용하여 얼굴영역을 검출하고 ASM을 통하여 얼굴 윤곽선 및 형상을 추출하여 개인 프로필을 구성한 후 PCA 알고리즘을 사용하여 고차원 얼굴데이터의 차원을 축소한다. 그리고 인식 모듈로서 pRBFNNs 패턴분류기를 제안한다. 제안된 다항식 기반 RBFNNs은 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 구성되어 있고 조건부는 퍼지 클러스터링을 사용하여 입력 공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 또한 차분진화 알고리즘을 이용하여 제안된 분류기의 파라미터, 즉, 학습률, 모멘텀 계수, 퍼지 클러스터링의 퍼지화 계수를 최적화한다. 제안된 다항식 기반 RBFNNs는 얼굴 인식을 위한 패턴분류기로서 직접 CCD 카메라로부터 입력받은 데이터를 영상 보정, 얼굴 검출 및 특징 추출 등과 같은 데이터 전 처리 과정을 포함하여 고차원 데이터로 이루어진 얼굴 영상에 대한 인식 성능을 확인한다.

• 지적과 국토정보
• /
• 제50권1호
• /
• pp.107-123
• /
• 2020

최근, Multi-GNSS 위성시스템 인프라 환경의 안정화와 이종 위성 조합 활용에 대한 효용성이 입증되면서 측위, 항법 및 시간 정보 관련 응용 등 다양한 산업 분야에서 실시간 Multi-GNSS 조합 활용의 분위기가 높아지고 있다. 본 연구의 목적은 가장 수요층이 많은 저가형 1주파 GNSS 위성 수신기 사용자를 대상으로 정적 및 동적 환경에서 4가지 Multi-GNSS 측량기법에 RTCM-SSR 보정류(streams)를 적용, Multi- GNSS 위성의 1주파 실시간 단독측위(SF-RT-PP)의 효용성을 평가하고 대응 과제를 도출하는 것이다. SSR 보정류를 4가지 Multi-GNSS 측위 기법에 연계하여 정적 및 동적 시험장에 적용한 결과, CNES의 SSRa00CNE0 서비스가 2차원 좌표성분에서 다른 SSR 보정류에 비해 양호한 결과를 제시하였다. Multi-GNSS 위성의 Carrier를 활용한 SF-RT-PP 측위 결과, 공통적으로 고도성분에서 큰 편차가 발생되었는데 이에 대한 원인 규명 및 SF-RT-PPP 측위에서 비차감 비조합 전리층 지연보정과 이종 위성조합에 따른 신호 Bias 보정의 중요성을 확인할 수 있었다. 또한, Multi-GNSS 위성의 인프라 환경 향상으로 4종의 GNSS 위성 중, 1종 위성만으로도 SF-SPP 측위가 가능함을 확인하였다. 특히, GPS 위성의 1주파 신호만을 활용한 RT-SPP 측위에서 Code 기반 SF-RT-SPP 측위의 경우, 위성궤도/시계 보정관련 보통력과 SSR 보정 간 효과는 미소한 반면, 전리층 보정의 경우는 Klobuchar 모델에 비해 SBAS 보정 정보를 활용한 경우가 높이에서 약 2배 이상의 정확도 향상 효과를 공통적으로 확인할 수 있었다. 향후, 2020년말 Galileo 및 BDS 위성 인프라가 완성되면서 Multi-GNSS 위성의 지역 특성이 반영된 실시간 전리층지연 및 기상특성을 반영한 SSR 조정 서비스가 진행될 경우, SF-RT-PPP 활용성 및 여러 산업부문의 다양한 수요 창출이 기대된다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.177-190
• /
• 2021

4차 산업혁명 기술의 발전으로 사람이 처리하지 못하는 부분을 기계학습 등 인공지능 기법을 활용하여 개선해 보려는 노력이 확대되고 있다. 주문형 생산 기업에서도 주문에 대한 총생산시간을 예측하여 납기 지연 등의 기업 리스크를 줄이고자 하나 주문마다 총생산시간이 모두 달라 이를 예측하는데, 어려움을 겪고 있다. 주문 처리량 증대, 주문 총비용 절감을 위해 효율성이 가장 낮은 영역을 찾아 그 영역을 강화하는 TOC(Theory of constraints) 이론이 개발되었으나 총생산시간 예측은 제시하지 못하였다. 주문생산은 고객의 다양한 요구로 인해 주문마다 그 특성이 모두 다르므로 개별적인 주문의 총생산시간을 사후에 측정할 수는 있으나 사전 예측을 하기는 어렵다. 기존 주문의 이미 측정된 총생산시간도 모두 달라 표준 시간으로 활용할 수 없는 한계성이 있다. 이에 따라 경험이 많은 관리자는 시스템의 이용보다는 감에 의존하고 있고, 경험이 부족한 관리자는 간단한 관리지표(예, 원재료가 파이프이면 총생산시간 60일, 철판이면 총생산시간 90일 등)를 사용하고 있다. 불완전한 감이나 지표를 기초로 하여 작업 지시를 너무 빨리하면 정체가 발생하여 생산성이 저하되고, 너무 늦게 하면 긴급 처리로 인해 생산비용이 증가하거나 납기를 지키지 못하는 경우가 발생한다. 납기를 지키지 못하면 지체상금을 배상해야 하거나 영업, 수금 등의 부문에 악영향을 미친다. 본 연구에서는 이러한 문제를 해결하기 위하여 주문생산시스템을 운영하는 기업의 신규 주문 총생산시간을 추정하는 기계학습 모델을 찾고자 한다. 기계학습에 활용된 자료는 수주, 생산, 공정 실적을 사용한다. 그리고 총생산시간의 추정에 가장 적합한 알고리즘으로 OLS, GLM Gamma, Extra Trees, Random Forest 알고리즘 등을 비교 분석하고 그 결과를 제시하고자 한다.