• 대한전자공학회논문지TC
• /
• 제41권7호
• /
• pp.31-40
• /
• 2004

본 논문에서는 Gigabit Ethernet-PON의 상향 트래픽 제어를 위해 기존에 제안되었던 Interleaved polling with Adaptive Cycle Time (IPACT) 방식의 gated service 스케줄링의 성능을 수학적으로 분석하였다. 성능분석 방법은 EPON MAC 프로토콜을 polling system으로 모델링하고, mean value analysis를 사용하였다. Arrival rate λ의 값을 세 구간으로 나누고, 구간마다 의 수학적 분석과정을 제시하였다. 첫 번째 구간은 λ의 값이 매우 작아서 ONU들의 데이터 전송이 거의 없는 구간이고, 두 번째 구간은 λ의 값이 충분히 커서 ONU들의 연속적인 데이터 전송이 일어나는 구간이고, 세 번째 구간은 λ의 값이 매우 커서 ONU들의 버퍼가 항상 포화상태에 있는 구간이다. 분석결과 gated service의 평균 패킷 지연시간과 평균 큐 사이즈, 평균 싸이클 시간 등을 구하고, 수학적 성능분석의 정확성을 검증하기 위해 시뮬레이션을 수행하여 수학적 분석결과와 시뮬레이션 결과를 비교하였다. 이를 통해 수학적 분석결과와 시뮬레이션 결과가 상당히 일치함을 확인하였다. 기존에 IPACT의 성능 평가는 시뮬레이션에만 의존하였는데, 이 방법은 시간과 노력이 많이 필요한 반면, 수학적 성능분석은 성능지표를 단시간 내에 다양하게 구할 수 있어서 시스템 설계에 널리 활용될 수 을 것이라 예상된다. 이때 EPON의 제어 파라미터를 조절함으로써 트래픽 특성에 맞는 시스템을 설계할 수 있다.

• 정보처리학회논문지D
• /
• 제12D권5호
• /
• pp.699-708
• /
• 2005

GPS 및 무선 통신 기술의 발달과 무선기기의 소형화, 고속 네트워크 구축 등에 힘입어 휴대전화 사용 고객이나 차량의 위치 추적이 용이해지고 있다. 이로 인해 차량 및 고객이 변화하는 위치에 따라 적절한 서비스를 제공하는 위치 기반 서비스가 활발히 연구되고 있으며, 원활한 교통 소통 및 물류 수송을 위해 차량의 위치 정보를 적절히 활용, 관리하는 차량 추적 및 관리 시스템이 개발되고 있다 또한 차량의 위치 정보 활용도가 높아짐에 따라 저장된 차량 정보를 효과적으로 검색하는 질의어도 꾸준히 연구되고 있다. 그러나 기존의 이동 객체 질의어는 대부분 설계 단계까지 진행되었으며, 단순한 공간 객체만을 다루었기 때문에, 실세계에 활용되지 못한 문제점이 있다. 따라서 이 논문에서는 택배 차량의 위치 및 궤적 정보를 검색하고 물류 수송비용을 효과적으로 분석하기 위하여, 이동 객체 질의어를 설계하고 이를 지원하는 물류 차량 관제 시스템을 구현한다. 제시된 SQL 기반 이동 객체 질의어는 물류 관리 시스템에서 특정 구간 사이의 궤적, 특정 지점에서의 출발 및 도착 시간 그리고 불확실한 위치 추정 등과 같은 차량의 이동 정보를 분석하기 위해 사용된다. 제시된 물류 차량 관리를 위한 이동 객체 질의어는 차량의 위치 정보를 다루는 다양한 시스템에서 궤적 비용 분석 등에 활용될 수 있다.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.25-39
• /
• 2018

본 연구에서는 최근 활발하게 활용되고 있는 머신러닝 기법을 교통분야에 적용하여 효율적인 돌발상황 검지 알고리즘을 개발하는 것을 목적으로 하였다. 미시교통시뮬레이션 모형을 통하여 대상지의 네트워크를 구축하였고 돌발상황에 영향을 줄 것으로 예상되는 변수의 여러 조합을 통해 시나리오를 설정하여 가상의 돌발상황 데이터를 수집하였다. 다음으로 대표적인 돌발상황 검지 알고리즘인 McMaster 알고리즘과 본 연구에서 개발한 나이브 베이즈 분류기를 구현하여 비교 평가하였다. 비교 결과, 나이브 베이즈 분류기가 McMaster 알고리즘에 비해 돌발상황 검지 간격에 따른 부정적인 영향이 적었고 더 우수한 검지율을 보였다. 하지만 검지율이 증가하는 만큼 오검지율 또한 증가하는 것을 확인할 수 있었다. McMaster 알고리즘은 4주기를 통해 검지가 가능하지만 나이브 베이즈 분류기는 1주기(30초)만으로 돌발상황을 판단할 수 있다. 본 연구를 통해 개발한 나이브 베이즈 분류기가 효율적으로 돌발을 파악할 수 있다는 것을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.