• 대한토목학회논문집
• /
• 제37권1호
• /
• pp.203-215
• /
• 2017

최근 스마트폰 보급과 측위 기술의 향상으로 보행자용 내비게이션 서비스(Pedestrian Navigation Service, PNS)에 대한 관심이 높아지고 있으며, 보행자의 이동 특성과 길 찾기 성공률 측면에서 보행자에게 길안내를 하는데 랜드마크를 이용하는 것이 효율적이다. 이에 PNS를 위하여 랜드마크를 추출하려는 연구들이 진행되어 왔다. 그러나 이들 선행연구는 랜드마크를 추출할 때 건물들 간의 차이만을 고려하고, PNS가 구동되는 화면 속 지도에 대한 사용자의 시각적 주의를 고려하지 않았다는 한계를 가지고 있다. 본 연구는 건물의 속성을 지역적 변수와 전역적 변수로 정의함으로써 이와 같은 문제를 개선하고자 한다. 지역적 변수는 건물들 간의 차이를 나타내고 전역적 변수는 건물이 가지는 고유한 특성을 나타냄으로써 건물의 현출성과 시각적 주의 정도를 반영한다. 또한, 네트워크 보로노이 다이어그램을 이용하여 네트워크의 연결성을 고려하고 랜드마크 후보군 추출 시 발생하는 중첩 현상을 해결한다. PNS를 위한 랜드마크를 추출하기 위하여 선행 연구를 바탕을 건물 속성정보를 정의하였다. 다음으로, 보행자를 위한 선택점을 선정하고, 해당 선택점 별로 랜드마크 후보군을 추출하였다. 이들 랜드마크 후보군에 대해서 정의된 건물 속성정보를 산출하고, 주성분 분석을 이용하여 랜드마크를 추출하였다. 제안된 기법을 서울특별시 관악구 일부 지역을 대상으로 적용하여 랜드마크를 추출하고, 네이버와 다음 지도 서비스의 레이블과 길찾기 시 표출되는 랜드마크와 비교하여 정확도를 평가하였다. 그 결과, 네이버와 다음 레이블 219개 중에서 60.3%에 해당하는 132개가 제안된 방법으로 랜드마크로 추출되었으며, 네이버와 다음 지도 서비스에는 없지만 선택점에서 추가로 추출된 228개의 랜드마크는 지역적 수준에서 길 찾기 시 방향 전환을 결정하는데 도움이 될 수 있음을 확인하였다.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.1-14
• /
• 2024

지금까지의 최적경로탐색 알고리즘은 노드표지와 링크표지를 적용하는 방안이 소개되었다. 노드표지는 2개의 노드를 최적경로 탐색과정에서 동시에 고려한다. 링크표지는 2개의 링크를 탐색과정에서 동시에 고려한다. 본 연구는 2개의 회전을 탐색과정에서 동시에 고려하는 회전표지기반 최적경로탐색기법을 제안한다. 회전표지기반 최적경로탐색은 2개의 회전을 탐색과정에서 고려하기 때문에 Bellman(1957)의 최적원리에 근거한 동적프로그래밍의 최적해가 보장된다. 한편 회전표지기반 최적경로탐색은 링크표지의 극한 접근 개념을 동일하게 적용하기 때문에 링크표지를 적용하는 장점을 수용할 수 있다. 따라서 네트워크의 확장없이 노드는 복수의 방문이 허용되면서 링크는 방문이 허용되지 않는 합리적 순환통행을 반영하는 것이 가능하다. 특히 2개의 연속회전에서 나타나는 추가적인 비용구조를 반영하는 특성이 포함되어 통행비용함수의 구조를 보다 유연하게 표현하는 것이 가능하다. 교통카드 단말기로 구성된 수도권 도시철도 네트워크를 대상으로 시행된 사례연구는 연속된 보행환승이 나타나는 통행에 대한 심리적 저항감을 나타내는 파라메타를 Turn Label 최적경로탐색에 도입하여 연구의 현실적 확장성을 검토하였다. 연속회전에 대한 심리적 저항값이 커지면서 통행시간 및 거리가 늘어나도 연속된 환승을 우회하는 방안으로 시뮬레이션 결과가 도출되어 Turn Label의 비용구조를 반영하는 것이 확인되었다. 향후 도로교통망 및 대중교통망의 통행비용함수에 대해 다양성을 확보하기 위한 추가적인 연구의 진행이 필요하다.

• 디지털융복합연구
• /
• 제15권2호
• /
• pp.173-181
• /
• 2017

본 논문에서는 현재와 이전의 영상 프레임 뿐 만 아니라 영상의 축척과 이전 위치에 주어진 객체의 비율과 위치 추정에 대한 학습 문제로서 사람 추적 문제를 다룬다. 본 논문에서는 회선 신경망 분류기를 이용한 사람 검출방법을 제안한다. 제안하는 방법은 신경망을 정규화하고 검출 작업을 위한 특징 표현을 자동으로 최적화함으로써 사람 검출의 정확성을 향상시킨다. 제안하는 방법에서는 감시 영상 시스템에서 실시간 영상이 들어오면 제일 먼저 위치를 추정하는 작업을 수행하기 위하여 회선신경망을 학습시킨다. 기존의 다른 학습 방법과 달리 회선신경망은 두쌍의 연속된 영상 프레임으로부터 공간적이고 시간적인 특징을 모두 공동으로 학습시킨다. 회선 신경망에 의해 학습된 특징을 이용하는 SVM 분류기의 정확성은 회선 신경망의 정확성과 일치한다. 이것은 자동적으로 최적화된 특징의 중요성을 확인시켜 준다. 그러나, 회선 신경망을 이용한 사람 객체의 분류에 대한 계산 시간은 사용된 특징의 타입과 관계없이 SVM의 것보다 약 40분의 1정도로 작다.