• 대한토목학회논문집
• /
• 제30권3D호
• /
• pp.255-261
• /
• 2010

교통정책에 대한 평가는 평가자의 관점에 따라서 차이가 있기 때문에, 단순한 빈도분석보다는 평가대상에 대해서 정확한 인지 서열화를 통한 분석이 필요하다. 본 연구는 대도시의 교통정책에 대한 평가를 위하여, 도로소통, 대중교통, 주차, 보행환경, 광역교통, 교통정보, 교통전체 7개 분야에 대해서 다차원척도법인 ALSCAL법과 MDPREF법을 시용하여 분석을 하였다. 포지셔닝한 결과, 각각 4개 집단으로 분류되었으며, 전체적으로는 비슷한 경향을 나타내었으나, 아이디얼 포인트 모형인 ALSCAL법은 지능형 교통체계의 도입 유무에 따른 교통정책별 개선정도, 벡터 모형인 MDPREF법의 경우는 특정 기능의 확충 내지 구축에 따른 교통정책별 개선정도에 대한 인지경향이 있는 것으로 대별되어 나타났다. 따라서 향후 교통정책을 수립할 경우에는 아이디얼 포인트 모형인 ALSCAL법과 벡터 모형인 MDPREF법을 우선적으로 수행하여 평가자의 정확한 인지 서열화를 기한 후, 이를 함께 고려한 교통정책을 수립, 제시하는 것이 바람직한 것으로 나타났다.

• 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.