• 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.

• 헤리티지:역사와 과학
• /
• 제44권1호
• /
• pp.72-105
• /
• 2011

본 연구는 전북 완주군 동상면 대아리 산1-2번지의 도유림인 속칭 가막골 금낭화군락지의 천연보호구역적 가치를 검토하는 한편 금낭화군락지의 적정 생육환경을 구명하고 이를 바탕으로 금낭화군락지의 보전을 위한 기초자료를 제공할 목적으로 시도 되었다. 이를 위해 문헌 및 인터넷조사를 통해 '금낭화의 형태적 생태적 특성'과 '국내 천연기념물 초본군락의 지정현황 및 문제점'을 살펴보는 한편 현지조사를 통해 금낭화군락의 광환경, 토양환경, 식생조건 등을 조사 분석하여 가막골 금낭화군락지의 천연보호구역적 가치를 파악하고자 한 연구 결과는 아래와 같다. 국내 금낭화 자생군락지를 분석한 결과, 금낭화는 전국의 산지에 고루 분포되고 있으며 이 중 완주 가막골 금낭화군락지의 서식규모는 매우 큰 것으로 나타났다. 또한 금낭화군락지 분포에 대한 문헌 및 현지조사 결과, 준고냉지에서 생육이 월등하며, 생육왕성기인 5월의 풍부한 강수량은 금낭화 생육에 매우 필수적인 것으로 보아 가막골 금낭화군락지는 매우 전형적 기상여건을 보이는 서식지라 판단된다. 한편 금낭화 고밀도분포 군락의 환경 분석 결과, 전석지(轉石地) 토양을 기반으로 고도 300~375m의 범위에 있었으며 평균고도는 344.5m이고 자생지의 좌향(坐向)은 북향 또는 북서향도 포함되나 북동향(NE)이 압도적이었으며 평균 경사는 $19.5^{\circ}$로 나타났다. 또한 광조건 분석 결과, 4월부터 8월까지 생육기간인 5개월간 군락 내 광도는 평균 30,810Lux 이었으며, 생육 초기에는 낮았고 후기로 갈수록 광도는 상승하는 경향이었다. 금낭화 자생조건은 4~5월 생육기에는 약 14,000~18,000Lux 정도의 광조건이었으며, 개화 이후에는 상대적으로 광도 증가와는 관련 없이 결실이 이루어지는 것으로 판단된다. 토양환경 분석 결과, 토양산도(pH)는 표토, 5.2~6.1, 심토, 5.2~6.2로 거의 유사한 범위를 보였으며 표토의 평균 토양pH는 5.54, 심토는 5.58로 이 조건은 비교대상 군락지와 거의 유사하고 전형성이 큰 것으로 추정됨에 따라 가막골의 토양 안정성은 매우 높다고 판단된다. 식생환경 분석 결과, 조사구별 금낭화의 개체수는 13~52개체까지 심한 편차를 보였으나 군락내 발견된 분류군(taxa)은 총 126종류로 순수군락을 유지하면서도 높은 종다양성이 확인되었다. 그리고 대아수목원 금낭화군락지는 금낭화, 미나리냉이, 거북꼬리, 이삭여귀, 물봉선 등이 우점하는 식물사회로 확인되었으며 군락내 식별종(Differential species)은 물봉선, 꼭두서니, 칡, 산딸기와 고추나무, 광대싸리, 개다래로 밝혀짐에 따라 지형 및 토양습도에 따라 전형적 하위군락으로 구분되는 것으로 판단된다. 이와 같은 결과를 종합할 때, 완주군 동상면 대아리 가막골 금낭화군락지는 탁월한 관상성을 가진 자생식물의 서식처임을 확인할 수 있고, 본 군락은 전국분포상의 금낭화 자생군락으로는 국내 최대 규모로 추정되며 기상 및 지형, 토양조건과 식생환경이 군락지의 지속적인 생육 환경을 보장할 수 있는 매우 탁월한 서식지로 판단된다. 따라서 전형적 서식조건과 지속가능성이 큰 가막골 금낭화군락은 당연히 천연보호구역적 가치가 매우 큰 것으로 사료된다.

• 벤처창업연구
• /
• 제16권3호
• /
• pp.193-211
• /
• 2021

최근 K팝을 필두로 한 한류열풍과 K뷰티에 관한 관심이 높아지고 있다. 또한, 국내 뷰티 서비스 산업에 대한 인기와 영향력이 커지며 경제적, 문화적 파급효과가 지속해서 확대되고 있다. 해당 파급효과와 더불어 국내 뷰티 서비스 발전에 따른 인력 수요에 대응한 전문인력양성 필요성이 강조되고 있기도 하며 뷰티 아카데미의 실 수요자인 교육생도 점차 증가하고 있다. 따라서 본 연구의 목적은 뷰티 아카데미에서 제공하는 교육서비스에 있어 교육목적을 달성하기 위한 교육서비스 품질요인의 중요성과 관계몰입 간 영향 관계 및 교육서비스 성과를 살펴보는 것이다. 나아가 교육서비스 제공 활동을 비롯하여 행정지원서비스, 교육프로그램 등의 중요성을 도출하는 것이다. 하지만 뷰티 서비스 제공에 따르는 전문인력 양성을 위한 연구는 뷰티 산업의 발전속도에 비하여 부족한 편이다. 따라서 뷰티 서비스 교육이 강조되고 있는 현재 시점에서 본 연구는 국내 프랜차이즈 뷰티 아카데미의 교육생들이 교육서비스 품질을 바탕으로 하는 관계몰입과 교육서비스 성과에 간의 영향 관계를 살펴볼 것이다. 본 연구 수행을 위해 설정한 측정변수는 프로그램, 강사자질, 수강료, 외적 서비스, 서비스 공정성, 관계몰입, 신뢰수준, 교육서비스 성과이다. 해당 변수들은 설문조사를 통한 자료를 분석하여 측정하였으며 실증분석 결과 아래와 같은 내용을 도출하였다. 첫째, 뷰티 아카데미에서 제공하는 교육서비스 품질인 프로그램, 외적 서비스, 서비스 공정성, 관계몰입 그리고 신뢰수준은 관계몰입에 유의한 영향을 미쳤다. 교육프로그램의 체계성과 다양성 등 학원 측에서 제공하는 교육서비스가 수강생에게 일률적인 관계몰입을 가능케 하는 것으로 나타났다. 교육서비스 품질 자체가 수강생 입장에서 뷰티 서비스 제공에 필요한 전문지식을 학습 받고 학원과의 관계에 유기적인 역할을 하는 것이다. 둘째, 교육서비스 품질과 관계몰입에 있어 학원과 수강생 간 신뢰수준의 조절 효과가 유의하게 나타났다. 이는 학원이 제공하는 교육서비스에 대하여 수강생들의 실질적인 신뢰 관계를 통해 더욱 높은 수준의 서비스품질을 느끼게 된다는 것이다. 위와 같은 실증분석 결과를 바탕으로 본 연구가 가지는 시사점은 교육서비스 성과로 대표되는 수강생 실력과 만족도를 향상할 방안을 강구하는 것이다. 뷰티 아카데미라는 학원 입장에서 제공하는 교육서비스 품질이 교육시설이나 수강생들의 진로 선택에도 큰 영향을 미칠 것이기 때문이다. 교육 자체에 관한 일관성과 편의성, 지식 지향성 등의 특성이 종합적으로 고려되어야 할 것이며 학원의 외부환경인 외적 서비스 요인을 통한 이미지 형성으로 강력한 시장 입지를 구축해야 한다. 나아가 경쟁업체와의 차별화된 전략 제시 측면에서도 교육서비스품질요인은 수강생과의 관계몰입에 상당히 중요한 역할을 하는 것으로 알 수 있기에 수강생의 행동에 수반되는 수요를 사전적으로 파악하여 수강생 개인이 경험하는 심리적 안정감에도 관계 마케팅 역할이 중요할 것이다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1995년도 제27회 학술발표회
• /
• pp.101-113
• /
• 1995

The objective of this research is to test the feasibility of developing a statewide truck traffic forecasting methodology for Wisconsin by using Origin-Destination surveys, traffic counts, classification counts, and other data that are routinely collected by the Wisconsin Department of Transportation (WisDOT). Development of a feasible model will permit estimation of future truck traffic for every major link in the network. This will provide the basis for improved estimation of future pavement deterioration. Pavement damage rises exponentially as axle weight increases, and trucks are responsible for most of the traffic-induced damage to pavement. Consequently, forecasts of truck traffic are critical to pavement management systems. The pavement Management Decision Supporting System (PMDSS) prepared by WisDOT in May 1990 combines pavement inventory and performance data with a knowledge base consisting of rules for evaluation, problem identification and rehabilitation recommendation. Without a r.easonable truck traffic forecasting methodology, PMDSS is not able to project pavement performance trends in order to make assessment and recommendations in the future years. However, none of WisDOT's existing forecasting methodologies has been designed specifically for predicting truck movements on a statewide highway network. For this research, the Origin-Destination survey data avaiiable from WisDOT, including two stateline areas, one county, and five cities, are analyzed and the zone-to'||'&'||'not;zone truck trip tables are developed. The resulting Origin-Destination Trip Length Frequency (00 TLF) distributions by trip type are applied to the Gravity Model (GM) for comparison with comparable TLFs from the GM. The gravity model is calibrated to obtain friction factor curves for the three trip types, Internal-Internal (I-I), Internal-External (I-E), and External-External (E-E). ~oth "macro-scale" calibration and "micro-scale" calibration are performed. The comparison of the statewide GM TLF with the 00 TLF for the macro-scale calibration does not provide suitable results because the available 00 survey data do not represent an unbiased sample of statewide truck trips. For the "micro-scale" calibration, "partial" GM trip tables that correspond to the 00 survey trip tables are extracted from the full statewide GM trip table. These "partial" GM trip tables are then merged and a partial GM TLF is created. The GM friction factor curves are adjusted until the partial GM TLF matches the 00 TLF. Three friction factor curves, one for each trip type, resulting from the micro-scale calibration produce a reasonable GM truck trip model. A key methodological issue for GM. calibration involves the use of multiple friction factor curves versus a single friction factor curve for each trip type in order to estimate truck trips with reasonable accuracy. A single friction factor curve for each of the three trip types was found to reproduce the 00 TLFs from the calibration data base. Given the very limited trip generation data available for this research, additional refinement of the gravity model using multiple mction factor curves for each trip type was not warranted. In the traditional urban transportation planning studies, the zonal trip productions and attractions and region-wide OD TLFs are available. However, for this research, the information available for the development .of the GM model is limited to Ground Counts (GC) and a limited set ofOD TLFs. The GM is calibrated using the limited OD data, but the OD data are not adequate to obtain good estimates of truck trip productions and attractions .. Consequently, zonal productions and attractions are estimated using zonal population as a first approximation. Then, Selected Link based (SELINK) analyses are used to adjust the productions and attractions and possibly recalibrate the GM. The SELINK adjustment process involves identifying the origins and destinations of all truck trips that are assigned to a specified "selected link" as the result of a standard traffic assignment. A link adjustment factor is computed as the ratio of the actual volume for the link (ground count) to the total assigned volume. This link adjustment factor is then applied to all of the origin and destination zones of the trips using that "selected link". Selected link based analyses are conducted by using both 16 selected links and 32 selected links. The result of SELINK analysis by u~ing 32 selected links provides the least %RMSE in the screenline volume analysis. In addition, the stability of the GM truck estimating model is preserved by using 32 selected links with three SELINK adjustments, that is, the GM remains calibrated despite substantial changes in the input productions and attractions. The coverage of zones provided by 32 selected links is satisfactory. Increasing the number of repetitions beyond four is not reasonable because the stability of GM model in reproducing the OD TLF reaches its limits. The total volume of truck traffic captured by 32 selected links is 107% of total trip productions. But more importantly, ~ELINK adjustment factors for all of the zones can be computed. Evaluation of the travel demand model resulting from the SELINK adjustments is conducted by using screenline volume analysis, functional class and route specific volume analysis, area specific volume analysis, production and attraction analysis, and Vehicle Miles of Travel (VMT) analysis. Screenline volume analysis by using four screenlines with 28 check points are used for evaluation of the adequacy of the overall model. The total trucks crossing the screenlines are compared to the ground count totals. L V/GC ratios of 0.958 by using 32 selected links and 1.001 by using 16 selected links are obtained. The %RM:SE for the four screenlines is inversely proportional to the average ground count totals by screenline .. The magnitude of %RM:SE for the four screenlines resulting from the fourth and last GM run by using 32 and 16 selected links is 22% and 31 % respectively. These results are similar to the overall %RMSE achieved for the 32 and 16 selected links themselves of 19% and 33% respectively. This implies that the SELINICanalysis results are reasonable for all sections of the state.Functional class and route specific volume analysis is possible by using the available 154 classification count check points. The truck traffic crossing the Interstate highways (ISH) with 37 check points, the US highways (USH) with 50 check points, and the State highways (STH) with 67 check points is compared to the actual ground count totals. The magnitude of the overall link volume to ground count ratio by route does not provide any specific pattern of over or underestimate. However, the %R11SE for the ISH shows the least value while that for the STH shows the largest value. This pattern is consistent with the screenline analysis and the overall relationship between %RMSE and ground count volume groups. Area specific volume analysis provides another broad statewide measure of the performance of the overall model. The truck traffic in the North area with 26 check points, the West area with 36 check points, the East area with 29 check points, and the South area with 64 check points are compared to the actual ground count totals. The four areas show similar results. No specific patterns in the L V/GC ratio by area are found. In addition, the %RMSE is computed for each of the four areas. The %RMSEs for the North, West, East, and South areas are 92%, 49%, 27%, and 35% respectively, whereas, the average ground counts are 481, 1383, 1532, and 3154 respectively. As for the screenline and volume range analyses, the %RMSE is inversely related to average link volume. 'The SELINK adjustments of productions and attractions resulted in a very substantial reduction in the total in-state zonal productions and attractions. The initial in-state zonal trip generation model can now be revised with a new trip production's trip rate (total adjusted productions/total population) and a new trip attraction's trip rate. Revised zonal production and attraction adjustment factors can then be developed that only reflect the impact of the SELINK adjustments that cause mcreases or , decreases from the revised zonal estimate of productions and attractions. Analysis of the revised production adjustment factors is conducted by plotting the factors on the state map. The east area of the state including the counties of Brown, Outagamie, Shawano, Wmnebago, Fond du Lac, Marathon shows comparatively large values of the revised adjustment factors. Overall, both small and large values of the revised adjustment factors are scattered around Wisconsin. This suggests that more independent variables beyond just 226; population are needed for the development of the heavy truck trip generation model. More independent variables including zonal employment data (office employees and manufacturing employees) by industry type, zonal private trucks 226; owned and zonal income data which are not available currently should be considered. A plot of frequency distribution of the in-state zones as a function of the revised production and attraction adjustment factors shows the overall " adjustment resulting from the SELINK analysis process. Overall, the revised SELINK adjustments show that the productions for many zones are reduced by, a factor of 0.5 to 0.8 while the productions for ~ relatively few zones are increased by factors from 1.1 to 4 with most of the factors in the 3.0 range. No obvious explanation for the frequency distribution could be found. The revised SELINK adjustments overall appear to be reasonable. The heavy truck VMT analysis is conducted by comparing the 1990 heavy truck VMT that is forecasted by the GM truck forecasting model, 2.975 billions, with the WisDOT computed data. This gives an estimate that is 18.3% less than the WisDOT computation of 3.642 billions of VMT. The WisDOT estimates are based on the sampling the link volumes for USH, 8TH, and CTH. This implies potential error in sampling the average link volume. The WisDOT estimate of heavy truck VMT cannot be tabulated by the three trip types, I-I, I-E ('||'&'||'pound;-I), and E-E. In contrast, the GM forecasting model shows that the proportion ofE-E VMT out of total VMT is 21.24%. In addition, tabulation of heavy truck VMT by route functional class shows that the proportion of truck traffic traversing the freeways and expressways is 76.5%. Only 14.1% of total freeway truck traffic is I-I trips, while 80% of total collector truck traffic is I-I trips. This implies that freeways are traversed mainly by I-E and E-E truck traffic while collectors are used mainly by I-I truck traffic. Other tabulations such as average heavy truck speed by trip type, average travel distance by trip type and the VMT distribution by trip type, route functional class and travel speed are useful information for highway planners to understand the characteristics of statewide heavy truck trip patternS. Heavy truck volumes for the target year 2010 are forecasted by using the GM truck forecasting model. Four scenarios are used. Fo~ better forecasting, ground count- based segment adjustment factors are developed and applied. ISH 90 '||'&'||' 94 and USH 41 are used as example routes. The forecasting results by using the ground count-based segment adjustment factors are satisfactory for long range planning purposes, but additional ground counts would be useful for USH 41. Sensitivity analysis provides estimates of the impacts of the alternative growth rates including information about changes in the trip types using key routes. The network'||'&'||'not;based GMcan easily model scenarios with different rates of growth in rural versus . . urban areas, small versus large cities, and in-state zones versus external stations. cities, and in-state zones versus external stations.