• 제목/요약/키워드: Road profile system

검색결과 74건 처리시간 0.024초

수도권 지역에서 기상-대기질 모델링을 위한 VOC와 PM2.5의 화학종 분류 및 시간분배계수 산정 (Estimation of Chemical Speciation and Temporal Allocation Factor of VOC and PM2.5 for the Weather-Air Quality Modeling in the Seoul Metropolitan Area)

  • 문윤섭
    • 한국지구과학회지
    • /
    • 제36권1호
    • /
    • pp.36-50
    • /
    • 2015
  • 본 연구의 목적은 휘발성 유기화합물(VOC)과 먼지(PM)의 배출원 프로파일로부터 화학종 분류를 할당하고, 성김 행렬 조작자 핵심 배출량 시스템(SMOKE) 내에 배출원 분류코드에 따른 배출원 프로파일의 화학종 분류와 시간분배계수를 수정하는 것이다. 기솔린, 디젤 증기, 도장, 세탁, LPG 등과 같은 VOC 배출원 프로파일로부터 화학 종 분류는 탄소 결합 IV (CBIV) 화학 메커니즘과 주 규모 대기오염연구센터 99 (SAPRC99) 화학 메커니즘을 위해 각각 12종과 34종을 포함한다. 또한 토양, 도로먼지, 가솔린, 디젤차, 산업기원, 도시 소각장, 탄 연소 발전소, 생체 연소, 해안 등과 같은 PM2.5 배출원 프로파일로부터 화학종 분류는 미세 먼지, 유기탄소, 원소 탄소, 질산염과 황산염의 5종으로 할당하였다. 게다가 점 및 선 배출원의 시간 프로파일은 2007년 수도권 지역에서의 굴뚝 원격감시시스템(TMS)과 시간별 교통 흐름 자료로부터 구하였다. 특별히 점 배출원에 있어 오존 모델링을 위한 시간분배계수는 굴뚝 원격감시시스템 자료의 $NO_X$ 배출량 인벤토리에 근거하여 추정하였다.

G7 고속전철기술개발사업에서의 시제차량 통합 디자인 개발 (A Study on Development of Prototype Test Train Design in G7 Project for High Speed Railway Technology)

  • 정경렬;이병종;윤세균
    • 디자인학연구
    • /
    • 제16권4호
    • /
    • pp.185-196
    • /
    • 2003
  • WTO출범 이후 저에너지 소모, 저공해, 무공해 등의 환경친화적 운송수단의 발달이 요구됨과 동시에 세계적으로 고속전철기술의 지속적 발전과 시장 확대가 전망됨에 따라 프랑스, 독일, 일본 등과 같은 철도선진국들은 철도기술 개발에 막대한 기술 투자비를 투입하여 기술 우위를 유지하기 위해 노력을 경주하고 있다. 이러한 기술환경 변화에 적극적으로 대응함과 동시에 좁은 국토에서 도로정체에 의한 물류비 증가와 환경오염, 국민생활의 불편 등으로 인한 사회ㆍ경제적 손실을 최대한 억제하고, 국가경쟁력 제고와 환경친화적인 철도 발전을 이끌기 위해 고속전철기술에 대한 독자적 개발 능력은 절실히 요구되고 있다. 이와 같은 요구에 의해 1996년부터 2002년까지 6년간 수행된 G7 고속전철기술개발사업은 350km/h급 고속전철의 독자적인 설계, 엔지니어링 및 제작 능력을 배양하고, 2000년대 차세대 한국형 고속전철을 실현하기 위한 연구개발 프로그램이다. 본 고에서는 G7 고속전철기술개발사업에서 수행된 연구내용 중 차량시스템 엔지니어링기술개발과제의 디자인부문 개발 성과를 요약 소개하였다. 철도선진국에서는 차량설계 초창기부터 디자인 측면의 검토가 매우 활발히 이루어지고 있는 반면, 국내 철도차량개발에 있어 디자인 측면의 검토는 미비하고 소홀히 다루어지고 있는 것이 현실이었다. 하지만 본 사업에서는 차량개념설계 단계부터 디자인전문가들의 적극적인 참여를 통해 국내 철도차량디자인 개발의 새로운 전기를 마련하였을 뿐만 아니라 새로운 차량디자인의 수요에 능동적으로 대처할 수 있는 기반을 구축하였다. 한국형 고속전철시스템의 디자인 컨셉은 한국의 자연조건과 기술환경에 적합한 보다 빠르고, 보다 쾌적하고, 보다 조용한 한국 고유형 고속전철과 그 여행문화를 이루어내는 것이다. 고속전철의 한국 고유성이란 주로 승객의 고속전철여행을 통해서 인식되어지는 것이다. 따라서 우선적으로 한국의 행동양식과 생활문화를 고려한 일반 객실의 단면개념을 기준으로 공기역학적으로 유리한 단면 외형 형상을 구현하는 한편, 터널 개활지 주행 최적화를 위한 전두부 공력형상 구현, 차체 단면적 축소와 곡선화를 통한 공력저항 최소화, 인간공학적 실내 설계 및 부속실의 편의성 도모, 외관통합 색채디자인 등을 통해 한국 고유형 고속전철 차량 디자인을 개발하였다.

  • PDF

생존분석을 활용한 과속방지턱 영향구간 분석 (Identifying Roadway Sections Influenced by Speed Humps Using Survival Analysis)

  • 윤규근;장유림;고승영;이청원
    • 대한교통학회지
    • /
    • 제35권4호
    • /
    • pp.261-277
    • /
    • 2017
  • 본 연구에서는 과속방지턱으로 인해 통과차량이 제한속도 이하로 주행하게 되는 구간을 영향구간이라 정의하였다. 이를 과속방지턱 통과 전 구간 사이 구간 통과 후 구간으로 구분한 뒤, 단독 및 연속 설치 여부 차종 시간대 등 다양한 요인들로 인한 변화를 분석하였다. 특히, 사이 구간에서는 구간 내에서 제한속도 이하로 주행한 거리의 비율을 유효영향구간비율로 정의하여 분석하였다. 스피드건으로 과속방지턱을 통과하는 차량들의 속도궤적을 수집하여 영향구간의 길이를 산출하였고, 생존분석을 이용하여 추정한 영향구간의 생존함수를 비교하였다. 설치 형태에 따른 변화 분석 결과, 50m 간격 연속형 과속방지턱의 통과 전 평균 영향구간 길이는 단일형보다 75.3% 길었으며, 통과 후 평균 영향구간은 18.9% 긴 것으로 나타났다. 연속형 과속방지턱의 유효영향구간비율은 30m와 50m 간격에서 각각 81.0%와 76.0%로 큰 차이가 없었으나, 제한속도 이하로 주행한 절대적 길이는 각각 24.3m와 38.0m로 50m 간격에서 더 길었다. 차종별로 추정된 영향구간의 생존함수에 대해 로그순위검정을 수행한 결과 연속형 과속방지턱의 영향구간이 단일형 과속방지턱보다 길다는 것이 통계적으로 유의하였다. 차종은 단일형 과속방지턱에서 유의한 차이를 나타냈으나, 주야 시간대는 유효한 요인이 아닌 것으로 판명되었다. 본 연구의 결과는 과속방지턱의 적정 설치 위치 또는 연속형 과속방지턱의 적정 간격 산정의 근거로 활용할 수 있을 것으로 판단된다.

교통사고 데이터의 마이닝을 위한 연관규칙 학습기법과 서브그룹 발견기법의 비교 (Comparison of Association Rule Learning and Subgroup Discovery for Mining Traffic Accident Data)

  • 김정민;류광렬
    • 지능정보연구
    • /
    • 제21권4호
    • /
    • pp.1-16
    • /
    • 2015
  • 교통사고의 원인을 규명하고 미래의 사고를 방지하기 위한 노력의 일환으로 데이터 마이닝 기법을 이용한 교통 데이터 분석의 연구가 이루어지고 있다. 하지만 기존의 교통 데이터를 이용한 마이닝 연구들은 학습된 결과를 사람이 이해하기 어려워 분석에 많은 노력이 필요하다는 문제가 있었다. 본 논문에서는 많은 속성들로 표현된 교통사고 데이터로부터 유용한 패턴을 발견하기 위해 규칙 학습 기반의 데이터 마이닝 기법인 연관규칙 학습기법과 서브그룹 발견기법을 적용하였다. 연관규칙 학습기법은 비지도 학습 기법의 하나로 데이터 내에서 동시에 많이 등장하는 아이템(item)들을 찾아 규칙의 형태로 가공해 주며, 서브그룹 발견기법은 사용자가 지정한 대상 속성이 결론부에 나타나는 규칙을 학습하는 지도학습 기반 기법으로 일반성과 흥미도가 높은 규칙을 학습한다. 규칙 학습 시 사용자의 의도를 반영하기 위해서는 하나 이상의 관심 속성들을 조합한 합성 속성을 만들어 규칙을 학습할 수 있다. 규칙이 도출되고 나면 후처리 과정을 통해 중복된 규칙을 제거하고 유사한 규칙을 일반화하여 규칙들을 더 단순하고 이해하기 쉬운 형태로 가공한다. 교통사고 데이터를 대상으로 두 기법을 적용한 결과 대상 속성을 지정하지 않고 연관규칙 학습기법을 적용하는 경우 사용자가 쉽게 알기 어려운 속성 사이의 숨겨진 관계를 발견할 수 있었으며, 대상 속성을 지정하여 연관규칙 학습기법과 서브그룹 발견기법을 적용하는 경우 파라미터 조정에 많은 노력을 기울여야 하는 연관규칙 학습기법에 비해 서브그룹 발견기법이 흥미로운 규칙들을 더 쉽게 찾을 수 있음을 확인하였다.