• 제목/요약/키워드: Traffic monitoring and analysis

검색결과 232건 처리시간 0.018초

전라남도 도서지역 귀화식물의 도서생물지리학적 특성 (Island-Biogeographical Characteristics of Naturalized Plant in Jeollanamdo Islands)

  • 김현희;김다빈;전철현;김찬수;공우석
    • 환경영향평가
    • /
    • 제26권4호
    • /
    • pp.272-289
    • /
    • 2017
  • 본 연구는 전라남도 도서지역 귀화식물의 분포 현황을 도서생물지리학적 관점에서 분석하였다. 유인도 47곳, 무인도 194곳의 식물상 자료를 분석한 결과 귀화식물은 30과 134종이 분포한다. 분포역이 가장 넓은 종은 소리쟁이(Rumex crispus)로 모두 141곳의 도서에 분포한다. 도서별 평균 귀화식물 종수는 유인도 20.6종(${\pm}14.22$), 무인도 3.7종(${\pm}3.89$)이다. 도서별로는 여수시 금오도가 59종으로 가장 많다. 자생식물 대비 귀화식물의 비율인 귀화율은 유인도서 7.66%(${\pm}3.96$), 무인도서 4.97%(${\pm}3.70$)이다. 지역별로는 전라남도 서해 도서지역 귀화율이 5.92%(${\pm}4.49$)로 남해 도서지역 4.96%(${\pm}2.15$)보다 높다. 특히 유인도서 내 귀화율은 서해 도서지역 8.39%(${\pm}4.37$), 남해 도서지역 5.80%(${\pm}1.41$)로 그 차이가 더 크다. 도서지역 귀화식물 귀화율은 섬의 크기와 유의한 양의 관계(r=0.412, p<0.01)를 갖지만, 육지로부터의 거리, 해발고도와의 상관성은 유의하지 않다. 법정 생태계 교란종은 8종이 분포하며 종에 따라 분포역에 차이가 있다. 이와 같은 도서 및 지역 간 차이는 물리적 환경 차이와 함께 육지와의 왕래 정도, 경작에 따른 토지 간섭 등 자연 및 인문 환경요인이 복합적으로 반영된 결과로 보인다. 도서지역은 서식지가 제한적이기 때문에 외부로부터 유입되는 종이나 각종 환경 변화에 취약할 수밖에 없다. 따라서 도서지역 외래종에 대한 지속적인 모니터링과 관리가 필요하다.

Hybrid CNN-LSTM 알고리즘을 활용한 도시철도 내 피플 카운팅 연구 (A Study on People Counting in Public Metro Service using Hybrid CNN-LSTM Algorithm)

  • 최지혜;김민승;이찬호;최정환;이정희;성태응
    • 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.