• ETRI Journal
• /
• 제44권2호
• /
• pp.244-259
• /
• 2022

Bicycle- or bike-sharing systems (BSSs) have received increasing attention as a secondary transportation mode due to their advantages, for example, accessibility, prevention of air pollution, and health promotion. However, in BSSs, due to bias in bike demands, the bike rebalancing problem should be solved. Various methods have been proposed to solve this problem; however, it is difficult to apply such methods to small cities because bike demand is sparse, and there are many practical issues to solve. Thus, we propose a demand prediction model using multiple classifiers, time grouping, categorization, weather analysis, and station correlation information. In addition, we analyze real-world relocation data by relocation managers and propose a relocation algorithm based on the analytical results to solve the bike rebalancing problem. The proposed system is compared experimentally with the results obtained by the real relocation managers.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권5호
• /
• pp.169-178
• /
• 2021

최근 들어 공유자전거 시스템은 대중교통 이용이 어렵거나 불가능한 마지막 목적지까지의 거리인 "라스트 마일"을 해소하는 방안으로 주목받고 있다. 공유자전거 시스템에서는 자전거의 대여와 반납의 불균형으로 인해서 사용자가 원하는 시간에 원하는 대여소에서 자전거를 빌리거나 반납할 수 있는 문제가 자주 발생한다. 이에 자전거 재배치는 공유자전거 시스템을 효율적으로 운영하는데 매우 중요한 이슈이다. 자전거 재배치를 효율적이고 효과적으로 진행하기 위해서는 무엇보다 정확한 수요 예측이 이뤄져야 한다. 최근에는 대여소의 수요를 보다 정확하게 예측하기 위해 군집 기반의 수요 예측 모델을 활용하는 방법이 개발되고 있는데, 여기서는 군집 분석 단계가 매우 중요하다. 이 연구에서는 비결정적이고 수렴이 어려운 기존의 공유자전거 수요 예측을 위한 군집 방법의 단점을 극복하는 k-means 기반의 군집 알고리즘을 제안한다. 이 방법은 초기 중심점 방법을 활용하기 때문에 매번 동일한 결과를 얻을 수 있으며, 대여소의 시간별 반납/대여 비중을 이용하여 기존 방법과는 달리 이전 단계의 군집 결과를 필요로 하지 않아 반복해서 군집 분석을 수행할 필요가 없어 빠른 군집 분석이 가능한 장점이 있다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.861-866
• /
• 2022

서울시에서는 공유 자전거 시스템, "따릉이"를 2015년부터 도입, 운영하여, 교통량 감축과 대기오염 해소를 위해 노력하고 있다. 하지만 공유 자전거 시스템, "따릉이"의 운영전략 미훕으로 인해 많은 문제가 발생하고 있어 이를 해결하고자 다양한 연구들이 제시되고 있다. 이들 연구의 대다수는 수요와 공급의 불균형을 해결하고자 하는 전략적 "자전거 배치"에 집중되어 있으며 또한 이들 중 다수가 날씨나 계절과 같은 특징을 그룹화함으로써 수요를 예측하고 있다. 그리고 이전에는 이들 예측방법이 주로 시계열 분석을 기반으로 하고 있었으나 최근에는 딥러닝/머신러닝으로 수요를 예측하는 연구들이 속속 등장하고 있다. 본 논문에서는 기존에 제시된 다양한 특징들을 기반으로 하면서, 새로운 특징을 발견하고 선택된 특징들의 중요도를 비교, 이를 순서화함으로써, 보다 정확한 수요 예측이 가능함을 보인다. 그리하여, 우리는 기존의 딥러닝/머신러닝 및 시계열 분석을 그대로 사용하면서 비교적 정확한 결정계수를 획득하고 이를 이용해 개선된 수요예측이 가능하도록 한다.

• 한국염색가공학회지
• /
• 제34권2호
• /
• pp.117-126
• /
• 2022

In this study, thermoplastic composites were manufactured using ABS(acrylonitrile butadiene styrene), PC(polycarbonate), and POE(polyolefin elastomer), which are thermoplastic plastics. Twin screw extruder and injection molding were used to manufacture thermoplastic composites. When the ABS/PC/POE thermoplastic composite material was manufactured, the POE mass fraction was set to 1 to 5 wt.%, and the thermal and mechanical properties according to the POE mass fraction were analyzed. Based on the physical properties of ABS/PC/POE, a 3D model in the form of an e-bike frame was created. After setting the boundary conditions, when an external load is applied, geometry simulation was performed to predict product performance. The ABS/PC/POE thermoplastic composite material exhibited the best physical properties when the mass fraction of POE was 3 wt.%. In the simulation results for the physical properties of the 3D model in the form of an e-bike frame, the best physical properties were shown when the mass fraction of POE was 2 ~ 3 wt.%. As a result, the manufacturing conditions for ABS/PC/POE thermoplastic composite materials were set, and research was conducted to reduce product development costs and development time.

• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.27-32
• /
• 2022

As the need for eco-friendly transportation increases due to the deepening climate crisis, many local governments in Korea are introducing shared bicycles. Due to anxiety about public transportation after COVID-19, bicycles have firmly established themselves as the axis of daily transportation. The use of shared bicycles is spread, and the demand for bicycles is increasing by rental offices, but there are operational and management difficulties because the demand is managed under a limited budget. And unfortunately, user behavior results in a spatial imbalance of the bike inventory over time. So, in order to easily operate the maintenance of shared bicycles in Seoul, bicycles should be prepared in large quantities at a time of high demand and withdrawn at a low time. Therefore, in this study, by using machine learning, the linear regression algorithm and MS Azure ML are used to predict and analyze when demand is high. As a result of the analysis, the demand for bicycles in 2018 is on the rise compared to 2017, and the demand is lower in winter than in spring, summer, and fall. It can be judged that this linear regression-based prediction can reduce maintenance and management costs in a shared society and increase user convenience. In a further study, we will focus on shared bike routes by using GPS tracking systems. Through the data found, the route used by most people will be analyzed to derive the optimal route when installing a bicycle-only road.

• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.9-14
• /
• 2022

The demand for public bicycles operated by the Seoul Metropolitan Government is increasing every year. The size of the Seoul public bicycle project, which first started with about 5,600 units, increased to 3,7500 units as of September 2021, and the number of members is also increasing every year. However, as the size of the project grows, excessive budget spending and deficit problems are emerging for public bicycle projects, and new bicycles, rental office costs, and bicycle maintenance costs are blamed for the deficit. In this paper, the Azure Machine Learning Studio program and the Boosted Decision Tree Regression technique are used to predict the number of public bicycle rental over environmental factors and time. Predicted results it was confirmed that the demand for public bicycles was high in the season except for winter, and the demand for public bicycles was the highest at 6 p.m. In addition, in this paper compare four additional regression algorithms in addition to the Boosted Decision Tree Regression algorithm to measure algorithm performance. The results showed high accuracy in the order of the First Boosted Decision Tree Regression Algorithm (0.878802), second Decision Forest Regression (0.838232), third Poison Regression (0.62699), and fourth Linear Regression (0.618773). Based on these predictions, it is expected that more public bicycles will be placed at rental stations near public transportation to meet the growing demand for commuting hours and that more bicycles will be placed in rental stations in summer than winter and the life of bicycles can be extended in winter.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.294-294
• /
• 2019

현재 홍수통제소에서 하천의 홍수를 예측하기 위한 시스템은 저류함수법 등에 의한 강우-유출모형과 FLDWAV 모형에 의한 수리학적 모형으로 이루어져 있다. 이 시스템은 주로 홍수특보지점의 기준수위 초과여부를 예측하기 위해 운영되고 있다. 한편 공원 캠핑장 자전거 도로 등 친수공간으로 활용하고 있는 하천변의 관리와 운영을 위한 정보의 수요가 급증함에 따라, 특정지점의 주의보, 경보 등의 고수위 예측 뿐만 아니라, 하천내에서 친수공간으로 활용되는 저지대 침수예측정보의 생산이 요구되고 있다. 본 연구에서는 친수공간으로 활용되는 하천내 저지대의 홍수예측정보를 생산할 수 있는 기술을 개발하였다. 1차원 수리해석 결과를 기반으로 하도버퍼링 기법을 통해 고해상도 격자 기반의 공간연산을 수행하는 모형을 구축하였으며, 해석결과로 격자기반의 침수심 및 침수구역이 표출되도록 모형을 구성하였다. 안동지구를 대상으로 지형정보 및 시설물 정보를 반영하여 모형을 구축하였으며, 안동댐 및 임하댐의 가상 방류 시나리오를 통해 친수공간의 방류량 규모별 침수여부 및 침수정도를 분석하였다. 개발된 모형을 통해 친수지구의 침수예측정보를 관계기관에 사전 제공할 수 있는 체계를 구축하여 지자체의 수방활동 및 재해예방 활동에 지원하고자 한다.