• 한국가스학회지
• /
• 제18권3호
• /
• pp.53-59
• /
• 2014

본 연구에서는 비정상상태 운전을 기본으로 하는 CNG 충전소를 대상으로 다변량 통계분석방법 중의 하나인 다차원의 대용량 데이터 처리에 적합한 주성분분석(PCA) 기법을 사용하여 실시간 이상감지 및 진단이 가능한 모니터링 시스템을 제안하였다. CNG 충전소로부터 매초 간격으로 수집되는 7개의 압력센서 데이터와 5개의 온도센서 데이터의 주요 경향을 나타내는 변수들의 조합으로 주성분이라 불리는 새로운 특성변수들을 산출하고, 분산의 분포를 통해 특성변수의 계산으로부터 모델을 구축하였다. 모니터링은 구축된 모델을 통해 운전 중의 실시간 데이터를 반영하여 진행된다. 시스템 검증 및 정확성을 개선하기 위해 모니터링 테스트를 수행한 결과, 정상상태의 모든 데이터를 정상으로 판단하였고, 이상 데이터의 성공적인 검출 시 관련 변수를 추적하여 비정상 원인을 찾아낼 수 있었다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.