• 한국인터넷방송통신학회논문지
• /
• 제19권3호
• /
• pp.17-23
• /
• 2019

IaaS는 인프라 하드웨어를 소유하지 않고 필요에 따라 임대하는 새로운 방식의 컴퓨팅 서비스로서 비용측면에서 매우 효율적인 것으로 알려져 있다. 일반적으로 사용량에 따른 과금 방식을 채택하므로 인프라 비용에 민감한 서비스를 운영하기에 적합하다. 이러한 서비스를 운영하는 책임자는 예상되는 소요 비용을 조기에 파악하여 클라우드 활용 정책을 적시에 변경하기를 원할 것이다. 그러나 클라우드 서비스 제공자들은 십수시간 지연된 과금 정보를 제공하여 신속한 대처가 불가능하다. 본 논문에서는 가상 머신 인스턴스 수준에서 사용량을 모니터링하고 이에 기반하여 실시간 IaaS 비용 예측 모델을 제안한다. 이 모델 검증을 위하여 1학기 동안의 공용 클라우드 기반의 PC 실습실 서비스를 운용하였으며, 이를 통하여 부과된 실제 금액과의 차이는 평균 5.2% 이하임을 확인하였다.

• 한국ITS학회 논문지
• /
• 제16권6호
• /
• pp.67-78
• /
• 2017

교통혼잡비용은 매해 증가하며, 교통혼잡비용의 63.8%에 해당되는 도심부 교통혼잡에 대한 대책 마련이 시급한 상태이다. 최근 빅데이터, 인공지능 등 4차 산업혁명을 선도하는 기술들의 발전으로 교통부문의 정보화에도 많은 변화가 초래되고 있다. 이러한 신개념 기술을 활용하여 소통상황 예측정보를 제공함으로써 교통혼잡비용을 저감할 수 있을 것으로 기대된다. 이에 본 연구에서는 순환 인공 신경망(RNN)을 활용하여 반복 및 비반복 정체 예측 모형을 개발하고자 하였다. 제안 모형은 실시간 소통정보, 이력정보, 유고상황정보 등을 활용하여 현재를 기점으로 15분 간격의 1시간 이후 소통 상황을 예측하는 모형이다. 33개 링크로 구성된 서울시 논현로에 대해 2개의 은닉층으로 구성된 RNN 모형을 구축하였다. 총 30개 모형을 계량활용변화역전파 알고리즘으로 학습하여, 이 중 평균오차제곱이 0.0834인 모형을 최적 모형으로 선정하였다. 모형 검증 결과 25개 링크에 대해 유의성 높은 예측을 하였다. 모형의 예측력을 열지도를 통해 검토한 결과 반복 정체뿐 아니라 비반복 정체까지 예측할 수 있는 것을 확인할 수 있었다. 따라서 실제 도로 상에서의 교통혼잡 예측을 위한 모형으로 활용할 수 있을 것이라 기대된다.