Md. Ashikuzzaman;Wasim Akram;Md. Mydul Islam Anik;Taskeed Jabid;Mahamudul Hasan;Md. Sawkat Ali
International Journal of Computer Science & Network Security
/
제23권8호
/
pp.95-100
/
2023
Due to Traffic accidents people faces health and economical casualties around the world. As the population increases vehicles on road increase which leads to congestion in cities. Congestion can lead to increasing accident risks due to the expansion in transportation systems. Modern cities are adopting various technologies to minimize traffic accidents by predicting mathematically. Traffic accidents cause economical casualties and potential death. Therefore, to ensure people's safety, the concept of the smart city makes sense. In a smart city, traffic accident factors like road condition, light condition, weather condition etcetera are important to consider to predict traffic accident severity. Several machine learning models can significantly be employed to determine and predict traffic accident severity. This research paper illustrated the performance of a hybridized neural network and compared it with other machine learning models in order to measure the accuracy of predicting traffic accident severity. Dataset of city Leeds, UK is being used to train and test the model. Then the results are being compared with each other. Particle Swarm optimization with artificial neural network (PSO-ANN) gave promising results compared to other machine learning models like Random Forest, Naïve Bayes, Nearest Centroid, K Nearest Neighbor Classification. PSO- ANN model can be adopted in the transportation system to counter traffic accident issues. The nearest centroid model gave the lowest accuracy score whereas PSO-ANN gave the highest accuracy score. All the test results and findings obtained in our study can provide valuable information on reducing traffic accidents.
KSII Transactions on Internet and Information Systems (TIIS)
/
제15권8호
/
pp.2783-2804
/
2021
In the network function virtualization environment, dynamic changes in network traffic will lead to the dynamic changes of service function chain resource demand, which entails timely dynamic adjustment of service function chain resource configuration. At present, most researches solve this problem through virtual network function migration and link rerouting, and there exist some problems such as long service interruption time, excessive network operation cost and high penalty. This paper proposes a dynamic adjustment method of service function chain resource configuration for the dynamic changes of network traffic. First, a dynamic adjustment request of service function chain is generated according to the prediction of network traffic. Second, a dynamic adjustment strategy of service function chain resource configuration is determined according to substrate network resources. Finally, the resource configuration of a service function chain is pre-adjusted according to the dynamic adjustment strategy. Virtual network functions combination and virtual machine reusing are fully considered in this process. The experimental results show that this method can reduce the influence of service function chain resource configuration dynamic adjustment on quality of service, reduce network operation cost and improve the revenue of service providers.
인공 지능이 발전함에 따라 예측 시스템은 우리의 삶에 필수적인 기술 중 하나로 자리를 잡았다. 이러한 기술의 성장에도 불구하고, 21세기 사거리 교통 체증은 계속해서 문제 되어 왔다. 본 논문에서는 Conv-LSTM(: Convolutional-Long Short-Term Memory) 알고리즘을 이용한 사거리 교통 체증 예측 시스템을 제안한다. 제안한 시스템은 교통 체증이 발생하는 사거리에 시간대별 교통 정보를 학습한 데이터를 모델링 한다. 시간의 흐름에 따라 기록된 교통량 데이터로 교통 체증을 예측하며. 예측된 결과를 기반으로 사거리 교통 신호를 제어하고, 일정한 교통량으로 유지한다. VDS(: Vehicle Detection System)센서를 활용하여 도로 혼잡도 데이터를 정의하고, 교통을 원활하게 하기 위하여 각각의 교차로를 Conv-LSTM 알고리즘기반 네트워크 시스템으로 구성하였다.
인터넷 규모의 확장과 트래픽의 증가로 인해 발생하는 망 혼잡 상황을 해결하기 위해 본 연구는 망 제어 기술의 일환책으로서 간섭 예측 정보를 이용한 online 라우팅 알고리듬을 제안한다. 차세대 통합망은 사용자 서비스별 요구 수준에 따라 종단간의 QoS를 보장해야 한다. 이를 위해 동적 대역폭 할당이 효율적으로 이루어져야 하며, 망 전체 성능을 고려한 경로 설정 알고리듬이 필요하다. 본 논문에서 제안한 알고리듬은 현재 라우팅 요청이 요구하는 대역폭의 양이 미래의 잠재적인 트래픽을 간섭하는 정도를 예측하여, 이를 최소화시키는 방안을 제시한다. 망 전체 성능을 최대화하고, 한정된 자원이 낭비되는 것을 방지하기 위해 제안 알고리듬은 요구 대역폭, link 상태정보, 그리고 ingress-egress pair 정보 등을 복합적으로 고려한다. 또한 간섭을 예측하는 것은 동적으로 변화하는 망 상황에서 보장된 대역폭을 제공하게 함으로써 사용자의 요구를 최대한 수용할 수 있게 한다. 본 논문에서는 Internet traffic engineering에 적합한 최적 경로 설정 알고리듬을 제안하기 위해 라우팅 알고리듬이 갖추어야 할 요구 조건과 최근 연구동향을 분석하였으며, QoS 라우팅의 대표적인 연구사례를 분석하였다. 그리고 이를 기반으로 기존의 알고리듬의 문제점을 파악하고 최적의 해결 방안을 제시한다. 개선된 사항은 시뮬레이션을 통해 기존 알고리듬과 비교 및 분석되었다.
전통적으로 동적 교통망 모형들은 실시간 교통운영 문제를 위한 도구로 인식되어 왔다. 이와 같은 모형들을 활용하는 방안 중 하나는 예측통행시간을 생성하는 것이다. 예측통행시간 정보는 통행자들이 혼잡한 지역에서 덜 혼잡한 지역으로 경로를 전환할 수 있도록 해 주는데 이는 교통망의 용량을 효과적으로 활용하게 한다. 이러한 접근 방법은 돌발상황이 발생했을 때 매우 효과적일 것으로 예상된다. 이 때 고려해야 할 사항은 통행시간정보가 미래 통행여건 자체에 영향을 준다는 점이다. 이로 인해 예기치 못한 과잉반응(over-reaction)을 야기할 수 있으며 예측정보의 신뢰도를 떨어뜨리는 요인으로 작용할 수도 있다. 본 연구에서는 돌발상황 발생 시를 대상으로 교통망 차원의 통행시간 예측모형을 제시한다. 이 모형에서는 모든 운전자가 개인 차내 단말기를 통해 상세한 교통정보를 이용할 수 있으며 이러한 정보를 바탕으로 경로선택에 관한 의사결정을 할 수 있다고 가정하였다. 경로기반(route-based)의 확률론적 변등부등식(stochastic variational inequality)을 통행시간예측의 기본모형으로 사용하였으며 운전자의 경로전환의사를 반영하기 위해 경로전환함수를 적용하였다. 컴퓨터 프로그램과 간단한 교통망 분석을 통해 제안된 모형의 특성을 살펴보았다.
정확한 교통정보의 예측은 출발지로부터 목적지까지의 최적경로를 제공할 수 있으며, 이로 인해 시간과 비용의 절감 효과를 얻을 수 있다. 본 논문에서는 다양한 교통정보 예측 방법 중 확률 모델을 기반으로 교통정보를 예측하는 베이지안 네트워크 방법을 이용한다. 기존 연구에서는 베이지안 네트워크 예측 방법이 모든 시간대에서의 데이터를 학습에 사용하는 것과는 달리, 본 논문에서는 예측하고자 하는 시간대와 동일한 요일과 시간에 해당하는 데이터만을 선별적으로 학습에 사용한다. 서로 다른 두 가지 학습방법에 따른 예측 결과의 정확도는 일반적으로 많이 사용되는 MAPE(Mean Absolute Percentage Error)로 검증하였으며, 서울 시내 14개의 링크 구간에 대해 실험을 진행하였다. 실험결과는 본 논문에서 제안한 방법이 모든 시간대의 데이터를 학습에 사용한 방법에 비해 MAPE의 관점에서 더 높은 정확도를 가진 교통 예측 값을 계산할 수 있음을 보여준다.
Journal of Korea Artificial Intelligence Association
/
제1권2호
/
pp.15-20
/
2023
This study aims to enhance the accuracy of fine dust predictions by analyzing various factors within the local environment, in addition to atmospheric conditions. In the atmospheric environment, meteorological and air pollution data were utilized, and additional factors contributing to fine dust generation within the region, such as traffic volume and electricity transaction data, were sequentially incorporated for analysis. XGBoost, Random Forest, and ANN (Artificial Neural Network) were employed for the analysis. As variables were added, all algorithms demonstrated improved performance. Particularly noteworthy was the Artificial Neural Network, which, when using atmospheric conditions as a variable, resulted in an MAE of 6.25. Upon the addition of traffic volume, the MAE decreased to 5.49, and further inclusion of power transaction data led to a notable improvement, resulting in an MAE of 4.61. This research provides valuable insights for proactive measures against air pollution by predicting future fine dust levels.
현재 복잡한 가상전장 환경을 표현하기 위해 많은 수의 시뮬레이터들을 연결한 분산 컴퓨팅 기반의 워게임 시뮬레이션이 이용되고 있다. 모의 결과를 도출하기 위해 네트워크상의 각 시뮬레이터들은 중앙 모의 서버에 주기적으로 메시지를 송수신하게 된다. 이러한 네트워크 트래픽은 전체 시스템 성능저하의 직접적인 원인이 된다. 따라서 본 논문에서는 분산 워게임 시뮬레이션 시 발생되는 네트워크 트래픽을 제어하기 위한 시스템 및 방법을 제안한다. 제안된 시스템은 메시지 수신 시 해당 모의 개체의 이동거리를 측정하고 이를 거리 임계값과 비교하여 해당 메시지를 필터링한다. 거리 임계값은 네트워크 트래픽 및 위치 오차와 같은 시스템 조건에 따라 조절된다. 그리고 모의 개체의 위치를 예측함으로써 메시지 필터링 시 발생되는 위치오차를 최소화한다. 실험 결과는 제안된 시스템이 분산 시뮬레이션 시스템의 네트워크 트래픽을 감소시키고 메시지 필터링에 따른 모의 개체의 위치 오차를 줄이는 데 매우 효과적이라는 것을 입증한다.
본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.
인터넷의 발달로 네트워크 트래픽은 현저하게 증가되었다. 트래픽의 폭증은 전체 네트워크의 성능에 크게 영향을 미치게 되었으며 트래픽의 관리가 망 관리의 중요한 이슈로 되었다. 본 논문에서는 네트워크 트래픽을 분석하여 효율적인 대응을 수립하기 위해 예측하는 시계열 모형의 적합성을 검증한다. 네트워크 트래픽을 예측하기 위해서는 시간적 흐름에 따라 자료간의 상관 관계를 유추하고, 이 관계를 이용하여 예측을 수행한다. 상관 관계를 유추하는 과정에서 필연적으로 확률적 오류를 포함하게 되는데, 정확한 예측을 위해서는 확률적 오차를 최소화해야 한다. 따라서, 통계학 분야에서 예측 방법으로 널리 쓰이는 시계열 모형인 AR, MA, ARMA, ARIMA 모형을 사용하여 네트워크 트래픽을 예측함과 동시에, 예측하는 과정에서 정확한 예측을 수행할 수 있는지에 대한 적합성을 검증하고자 한다. 적합성 검증은 모형 식별 단계에서 초기 단계인 정상성 가정을 만족하는지의 여부로 판단하며. 정상성 가정은 자기상관함수와 편자기상관함수를 통해 구할 수 있다. 정상성 가정을 만족하지 못하는 모형은 비정상 시계열 자료로 분류되는데 이 경우의 예측은 정확하다고 볼 수 없다. 따라서, 정확한 예측을 수행할 수 있도록 시계열 자료의 정상성 가정을 만족하도록 모형을 분류하는 방안을 제시하고자 한다. 정확한 예측을 수행하면, 네트워크 트래픽을 좀 더 나은 방법으로 관리하며, 예측 결과를 이용하여 동적인 트래픽의 관리가 가능하게 된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.