• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1166-1174
• /
• 2019

이 논문에서는 사람 재식별 모델인 PersonNet의 성능을 개선하는 방법을 제안하고 실험한다. 특징점 추출을 위해 인셉션 레이어를 접목하여, 기존 32개의 특징점을 154개로 증가시켜 강화하였다. 또한, PersonNet에서 사용하는 CND 방식을 수정하여 비대칭성을 완화하였고, 보행자 이미지의 특징점을 3부분으로 나누어 가중치를 적용한 방법을 적용하여 특징을 더 뚜렷하게 파악하도록 하였다. 성능 평가를 위해 CUHK01, CUHK03 그리고 Market-1501 3가지의 데이터베이스를 사용하였고 실험 결과 27~31% 성능이 개선되었다.

• 교육시설
• /
• 제9권1호
• /
• pp.27-36
• /
• 2002

This paper is to evaluate the campus master plan, which is influenced by Korean educational policy and managing organization, with respect to land use and block plans of buildings. It uses a case study method to periodically know specific details to form a master plan. It is found, at first, that design method of master plan was influenced by some educational policies and managing organization of ministry of education. Secondly, design methods have been changed according to the change of the times. Any master plan was not formulated until the 1960s. Seoul National University formed a master plan adopting radiated sector pattern for land use and a block plan in the early years of the 1970s. Chungnam National University used a squared space style with a trouble of the learned from the SNU design methods in the year 1974. A concept of axis according to topography] in Andong National University and environmental preservation in Yiosu National University was used in the 1980s. Korean Athletic Educational University used a transportation model for facilitating efficiency to use university land and making pedestrian convenient by classification with fast and slow walker's way.

• Smart Structures and Systems
• /
• 제24권5호
• /
• pp.617-630
• /
• 2019

Currently most of the vision-based structural identification research focus either on structural input (vehicle location) estimation or on structural output (structural displacement and strain responses) estimation. The structural condition assessment at global level just with the vision-based structural output cannot give a normalized response irrespective of the type and/or load configurations of the vehicles. Combining the vision-based structural input and the structural output from non-contact sensors overcomes the disadvantage given above, while reducing cost, time, labor force including cable wiring work. In conventional traffic monitoring, sometimes traffic closure is essential for bridge structures, which may cause other severe problems such as traffic jams and accidents. In this study, a completely non-contact structural identification system is proposed, and the system mainly targets the identification of bridge unit influence line (UIL) under operational traffic. Both the structural input (vehicle location information) and output (displacement responses) are obtained by only using cameras and computer vision techniques. Multiple cameras are synchronized by audio signal pattern recognition. The proposed system is verified with a laboratory experiment on a scaled bridge model under a small moving truck load and a field application on a footbridge on campus under a moving golf cart load. The UILs are successfully identified in both bridge cases. The pedestrian loads are also estimated with the extracted UIL and the predicted weights of pedestrians are observed to be in acceptable ranges.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권1호
• /
• pp.531-542
• /
• 2021

The study aims to investigate differences between men and women in influence of various socio-demographic factors on choice of mode of transport. For this purpose, a binary logit model of choice probabilities is implemented on survey data of a developing country city. Results indicate women's choice of travel mode to be more environment-friendly than that of men. Well-educated, working and middle-aged individuals appear to be the most likely to choosing more-polluting modes of transport for frequent travelling purposes. Individuals in the sample who are the least socioeconomically well off are found the most likely to be promising for the environment. The findings of this study suggest the future transportation policies toward development of existing infrastructure of greener modes of transportation in the city such as, public transportation services and pedestrian lanes, so as to manage the rising issues of degrading environmental quality. The study highlights how the consideration and inclusion of socio-demographic factors is crucial for policy recommendation regarding curtailing the environmental damages contributed by transportation sector. Because mobility crucially affects all other indicators of empowerment, and women are the ones using green modes extensively, the city's transportation system should be so developed which gives their safety and security due importance.

• International journal of advanced smart convergence
• /
• 제13권1호
• /
• pp.37-47
• /
• 2024

This study presents the results of designing a system that determines the location of a person in an indoor environment based on a single IMU sensor attached to the tip of a person's shoe in an area where GPS signals are inaccessible. By adjusting for human footfall, it is possible to accurately determine human location and trajectory by correcting errors originating from the Inertial Measurement Unit (IMU) combined with advanced machine learning algorithms. Although there are various techniques to identify stepping, our study successfully recognized stepping with 98.7% accuracy using an artificial intelligence model known as Long Short-Term Memory (LSTM). Drawing upon the enhancements in our methodology, this article demonstrates a novel technique for generating a 200-meter trajectory, achieving a level of precision marked by a 2.1% error margin. Indoor pedestrian navigation systems, relying on inertial measurement units attached to the feet, have shown encouraging outcomes.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.87-96
• /
• 2022

고령보행자를 포함한 교통약자는 신체적 능력이 저하되어 보행속도가 상대적으로 낮으며, 인지반응시간이 느린 특성을 가지고 있지만, 현재 교통약자를 위한 보행신호는 0.8m/s로 일률적으로 적용하고 있다. 문제점을 개선하기 위하여 스마트 횡단시스템이 개발되어 운영되고 있지만, 보행자별 적정 보행속도를 반영한 신호운영이 이루어지지 못하고 있다. 본 연구에서는 교통약자비율이 높은 지역에서 수집된 영상정보를 활용하여, 교통약자의 종류, 보행자의 수, 도로의 기하구조 등을 고려한 신경망모형과 다중회귀모형기반의 횡단속도 추정모델을 개발하였다. 이를 통해 개발된 모델을 스마트횡단시스템에 적용하여 실시간 교통약자에 따른 최적 보행신호 제공을 지원하고자 하였다. 경기도 파주시의 도시 교통 네트워크에서 수집된 실제 교통 상황 데이터 2,400개를 사용하였다. 모델의 성능은 상관계수, 평균 절대오차 등 7개의 선택된 지표를 통해 평가되었다. 다중선형회귀모델은 상관 계수가 0.652이고 MAE가 0.182였으며, 신경망모델은 상관계수가 0.823이고 MAE가 0.105로 나타나. 신경망모델이 더 높은 예측력을 보였다.

• 한국멀티미디어학회논문지
• /
• 제13권3호
• /
• pp.417-429
• /
• 2010

배경 제거를 위한 많은 연구가 있어왔음에도 기존의 방법들을 실제 환경에 효과적으로 적용하기에는 아직도 많은 어려움이 있다. 본 논문에서는 배경 제거를 실제 환경에 적용하면서 만나게 되는 다양한 문제들을 해결하기 위해 기존의 가우시안 혼합 모델 방법을 개선하는 배경 제거 방법을 제안한다. 첫째로 제안한 방법은 낮은 계산량을 얻기 위하여 고정 소수점 연산을 이용하였다. 배경 모델링 과정은 변수들의 높은 정밀도를 요구하지 않기 때문에 제안한 방법에서는 고정 소수점 변수를 이용함으로서 정확도를 유지한 채 연산 속도를 크게 향상시킬 수 있었다. 두 번째로 보행자들의 높은 통행량 하에서 흔히 발생되는 전경 객체가 배경으로 학습되는 문제를 피하기 위하여 각 화소의 정적인 정도를 이용하여 배경 모델의 학습 속도를 동적으로 조절하였다. 즉 최근 화소 값에 큰 차이가 발생한 화소들은 배경 영역이 아닐 가능성이 높으므로, 이에 대해 낮은 학습 비율을 적용함으로써 높은 통행량을 보이는 영상에서도 유효한 배경 모델을 유지하는 것이 가능했다. 마지막으로 영상의 빠른 밝기값 변화에 대응하기 위하여 연속한 두 프레임 간의 밝기 변화를 선형 변환으로 추정하였으며, 훈련된 배경 모델을 이 선형 변환에 의해 직접적으로 변환시켜 주었다. 제안한 고정 소수점 연산에 의해 기존의 가우시안 혼합 배경 모델링 방법을 구현한 결과 배경 제거에 기존 방법의 약 30%의 연산시간 만을 필요로 하였다. 또한 제안한 방법을 실제 환경의 영상에 적용한 결과 기존의 배경 제거 방법에 비해 검출률이 약 20% 향상되었으며, 오검률은 5~15% 가량 낮아지는 것을 확인하였다.

• 한국ITS학회 논문지
• /
• 제16권4호
• /
• pp.76-91
• /
• 2017

국내 철도역사는 규모설계 시 4단계 교통수요모델을 기반으로 산출된 1일간의 철도 승 하차 이용객을 기준으로 한다. 하지만 역사기능의 다양화로 비승차객 이용이 증가하고 있다. 이를 반영하여 철도역사 설계 시 비승차객 할증율을 역사 유형에 따라 적용하고 있지만, 적용기준에 대한 구체적인 근거가 미비한 상황이다. 따라서, 본 연구에서는 유형별 철도역사를 대상으로 역사 이용객의 실측자료를 바탕으로 비승차객 할증율을 재산정하고자 한다. 이후 콘코스, 편의시설, 화장실 등이 포함된 철도역사를 대상으로 보행자 시뮬레이션을 통해 설계면적의 적정성평가를 시행하였다. 실측조사에 따른 비승차객 비율을 고려한 역사 설계 시 현황 기준을 적용한 역사 대비 전체 면적이 감소(약 45%)하였음에도 불구하고 시설물 별 적정서비스수준을 만족하는 결과를 도출하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.11-19
• /
• 2021

이상 객체란 일반적이고 평범한 행동을 취하는 객체가 아닌 비정상적이고 흔하지 않은 행동을 하여 관찰이나 감시·감독을 필요로 하는 사람, 물체, 기계 장치 등을 뜻한다. 이를 사람의 지속적인 개입 없이 인공지능 알고리즘을 통해 탐지하기 위해서 광학 흐름 기법을 활용한 시간적 특징의 특이도를 관찰하는 방법이 많이 활용되고 있으며, 이 기법은 정해진 표현 범위가 없는 수많은 이상 행동을 식별하기에 적합하다. 본 연구에서는 생성적 적대 신경망(Generative Adversarial Network, GAN)으로 입력 영상 프레임을 광학 흐름 영상으로 변환하는 알고리즘을 학습시켜 비정상적인 상황을 식별한다. 특히 생성적 적대 신경망 모델이 입력 영상에 대한 중요한 특징 정보를 학습하고, 그 외 불필요한 이상치를 제외시키기 위한 전처리 과정과 학습 후 테스트 데이터셋에서 식별 정확도를 높이기 위한 후처리 과정을 고도화하여 전체적인 모델의 이상 행동 식별 성능을 향상시키는 기법을 제안한다. 이상 행동을 탐지하기 위한 학습 데이터셋으로 UCSD Pedestrian, UMN Unusual Crowd Activity를 활용하였으며, UCSD Ped2 데이터셋에서 프레임 레벨 AUC 0.9450, EER 0.1317의 수치를 보이며 이전 연구에서 도출된 성능 지표 대비 성능 향상이 확인되었다.

• 한국정보전자통신기술학회논문지
• /
• 제14권2호
• /
• pp.128-133
• /
• 2021

현재 자율주행차량 시장은 3레벨 자율주행차량을 상용화하고 있으나, 안정성의 문제로 완전 자율주행 중에도 사고가 발생할 가능성이 있다. 실제로 자율주행차량은 81건의 사고를 기록하고 있다. 3레벨과 다르게 4레벨 이후의 자율주행차량은 긴급상황을 스스로 판단하고 대처해야 하기 때문이다. 따라서 본 논문에서는 CNN을 통하여 차량 외부의 정보를 수집하여 저장하고, 저장된 정보와 차량 센서 데이터를 이용하여 차량이 처한 위기 상황을 0~1 사이의 수치로 출력하는 차량 내·외부 데이터 및 딥러닝 기반 차량 위기 감지 시스템을 제안한다. 차량 위기 감지 시스템은 CNN기반 신경망 모델을 사용하여 주변 차량과 보행자 데이터를 수집하는 차량 외부 상황 수집 모듈과 차량 외부 상황 수집 모듈의 출력과 차량 내부 센서 데이터를 이용하여 차량이 처한 위기 상황을 수치화하는 차량 위기 상황 판단 모듈로 구성된다. 실험 결과, VESCM의 평균 연산 시간은 55ms 였고, R-CNN은 74ms, CNN은 101ms였다. 특히, R-CNN은 보행자수가 적을 때 VESCM과 비슷한 연산 시간을 보이지만, 보행자 수가 많아 질수록 VESCM보다 많은 연산 시간을 소요했다. 평균적으로 VESCM는 R-CNN보다 25.68%, CNN보다 45.54% 더 빠른 연산 시간을 가졌고, 세 모델의 정확도는 모두 80% 이하로 감소하지 않으며 높은 정확도를 보였다.