• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.458-461
• /
• 2021

유동인구 예측은 상권의 특성에 따른 점포의 입지 선정 및 고객 맞춤형 마케팅 등 민간 분야에서부터 교통망 등 사회 간접 자본 설계를 위한 공공 분야에 이르기까지 다양한 목적으로 연구되어 왔으며, 최근에는 Covid-19 의 확산에 따라 그 중요도가 더욱 높아지고 있다. 보다 정교한 예측을 위해서는 전체적인 유동 인구 뿐만 아니라 특성 별로 세분화된 하위 그룹에 대해서도 정확한 예측이 요구되나, 기존의 예측 모델들은 이러한 데이터의 계층 구조를 고려하지 않았다. 본 연구에서는 세분화된 하위 그룹 별 유동인구의 예측 정확도를 높이기 위해 전체 유동인구의 패턴을 동시에 활용하는 Global-Local 구조 기반의 Deep Learning 유동인구 분석 모델을 제안한다. 실험 결과 단일 시계열 데이터만을 사용하는 경우 대비 5.4%~52.6%의 예측 오류 감소 효과가 있음을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.485-487
• /
• 2023

최근 코로나 19 방역지침 해제로 인한 대면적인 활동이 많아지면서 사람에 대한 서비스 제공이 중요한 이슈가 되었다. 하지만 사람들이 밀집되어있는 곳에서는 서비스가 원할하게 이루어지지 않는 경우가 대부분이다. 본 논문에서는 객체인식 알고리즘 기술인 Yolo와 OpenCv를 통해 카메라로 영상 속의 사람들을 인식하여 군집화 기술인 K-means 클러스터링을 이용해서 사람에 대한 군집화를 진행후 우선순위를 선정하고 좌표를 지정하여서 로봇이 군집의 좌표로 이동하여서 사람들에게 직접 접근하여 서비스를 제공할 수 있도록 하였다.

• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2023년 정기학술대회 논문집
• /
• pp.311-313
• /
• 2023

군중눌림 사고 형태의 재난은 국내에서 경험과 연구가 미진한 재난의 형태이지만 세계적으로는 선진국이나 후진국을 가리지 않고 꾸준히 발생중이며, 2022년 10월 29일의 이태원 참사에서 보듯이 국가사회에 엄청난 파급력과 영향을 주는 재난이다. 따라서 군중눌림 사고를 이해하고 발전된 학술적 접근 방식을 통하여 최소한의 예방, 대비, 대응 수준에 이르러야 하나 국내에서는 그 연구가 미진하고 용어와 개념 정립도 되어 있지 않다. 군중눌림 사고는 그 본질 상 얼마 안 되는 짧은 골든 타임 내에 해결이 되지 않으면 대처 시간이 거의 없어 인명피해 대처가 매우 어렵다. 즉 질식으로 의식이 저하되는 피해자가 신고되어도 현장 도착 구급대원이 밀집된 군중을 뚫고 피해자에게 신속히 접근하기란 애무 어려워, 선진국들조차도 많은 인명피해를 내지만 뚜렷한 한 가지 해결책을 제시 못하고 있는 형편이다. 이러한 상황에서 군중압박 사고 관련 정립되지 않은 용어를 관련 개념과 같이 조사 정리하고, 과거 있었던 대표적 군중집회의 분류, 특성 등을 알아보며, 이를 기반으로 용어와 개념이 정리 및 표준화되는 기반이 되도록 하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.111-112
• /
• 2023

학교, 대형 쇼핑몰, 공항 등과 같은 큰 실내 공간에서는 군중의 동선과 밀도를 파악하고 관리하는 것은 안전사고와 연관되어 있어 매우 중요하다. 와이파이 센싱은 기존에 존재하던 CCTV 카메라나 센서를 활용한 혼잡도 관리보다 효율적이고 정확한 방식으로 추정하는 데 도움이 되며, 설치 및 유지보수 측면에서도 효율적이다. 본 논문에서는 실내 환경에서 군중 수를 추정하기 위해 딥 러닝을 이용한 무선랜 신호 분석 기법을 제안한다. 송수신기가 같은 공간에 위치했던 기존 연구들과는 달리 본 논문에서는 송신기와 수신기가 서로 다른 공간에 배치된 환경에서도 무선랜 수신 신호를 통해 다른 공간의 군중 수를 정확히 예측할 수 있다는 것을 실험으로 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.705-708
• /
• 2023

다중밀집 사고를 사전에 방지하기 위해 군중 밀집도를 정확하게 파악하는 것은 중요하다. 기존 방법 중 일부는 군중 계수를 기반으로 군중 밀집도를 추정하거나 원근 왜곡이 있는 데이터를 그대로 학습한다. 이 방식은 물체의 거리에 따라 크기가 달라지는 원근 왜곡에 큰 영향을 받는다. 본 연구는 보행자 깊이 정보를 이용한 군중 밀집도 알고리즘을 제안한다. 보행자의 깊이 정보를 계산하기 위해 편차가 적은 머리 크기를 이용한다. 머리를 탐지하기 위해 OC-Sort를 학습모델로 사용한다. 탐지된 머리의 경계박스 좌표, 실제 머리 크기, 카메라 파라미터 등을 이용하여 보행자의 깊이 정보를 추정한다. 이후 깊이 정보를 기반으로 밀도 맵을 추정한다. 제안 알고리즘은 혼잡한 환경에서 객체의 위치와 밀집도를 정확하게 분석하여 군중밀집 사고를 사전에 방지하는 지능형 CCTV시스템의 기반 기술로 활용될 수 있으며, 더불어 보안 및 교통 관리 시스템의 효율성을 향상하는 데 중요한 역할을 할 것으로 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.914-915
• /
• 2023

COVID-19 대유행 및 이태원 압사 사고로 인해 안전 관점의 인구 밀집에 관심이 높아졌으며, 기존 CCTV를 통한 단순 관찰방식을 넘어 유동 인구의 흐름까지 예측한 인구 밀집도 파악이 필요하게 되었다. 본 논문에서는 기존 관찰방식 공공데이터 CCTV에 컴퓨터 비전(CV) 및 다중 객체 추적(MOT) 기술을 추가 적용하여 사용자 중심(시각, 장소)의 유동 인구수와 인구 밀집 지역을 파악할 수 있는 모델을 제안하고 구현하였다. 이 모델을 적용함으로써 시민들은 안전한 환경에서 인구 밀집에 관련된 사고로부터 보호받을 수 있을 것으로 기대한다.

• International journal of advanced smart convergence
• /
• 제13권1호
• /
• pp.57-68
• /
• 2024

In this paper, we are interested in how creator economy startups allowing creators to make money from doing that they love. So, we look at European creator economy startups among Web3.0 business model landscape surveyed in 2022, because the US is home of Web2.0 giant platforms like YouTube. Totally seventeen European startups are investigated, and the theoretical logic is the disruptive innovation. We firstly review the survey published in 2022 and utilize the theory of the disruptive innovation to design the research framework including questions with each type of the disruptive innovation. In this paper, we firstly show, Kalao and Gem as NFT ecosystem platforms aim at service convenience. Secondly, Talkbase, Passionfroot, Bildr, Customuse, and Earnr aim at providing creator tools for under-skilled customers. Lastly, when it comes direct monetization with a decentralized business model, CrowdPad, Admix, GOALS, Realm, Dropstar, Pianity, Sonomo, Stage11, Miiji, and ReadyPlayerMe are representative. Despite the relatively small data size, the results are meaningful as they contribute to a more profound comprehension of the Web3.0 business models and offer guidance for future research directions.

• 한국BIM학회 논문집
• /
• 제13권4호
• /
• pp.106-114
• /
• 2023

In this study, we developed a method to quantify urban social costs using mobile sensing data, providing a novel approach to urban planning. By collecting and analyzing extensive mobile data over time, we transformed travel patterns into measurable social costs. Our findings highlight the effectiveness of big data in urban planning, revealing key correlations between transportation modes and their associated social costs. This research not only advances the use of mobile data in urban planning but also suggests new directions for future studies to enhance data collection and analysis methods.

• 한국산학기술학회논문지
• /
• 제11권11호
• /
• pp.4404-4410
• /
• 2010

본 연구의 목적은 홍삼 분말(0, 5, 10 %), 물(12, 16, 20 %), 설탕(4, 8, 12 %)의 첨가량을 달리하여 최적의 배합비를 찾기위하여 실시하였다. 인절미 제조에 있어서 수분 첨가량이 증가할수록 생균수는 증가하였다. 홍삼가루 첨가에 따른 생균수는 5% 첨가군에서는 유의적인 차이가 없었지만 10% 첨가군에서는 생균수가 감소하였다. 홍삼 첨가량에 따른 굳기의 변화는 홍삼 무첨가군은 수분첨가량 20%를 제외한 실험군에서 24 hr이후에 급격한 증가를 나타내었다. 그러나 홍삼 5% 첨가군에서는 수분 및 설탕 첨가량에 상관없이 굳기의 변화가 거의 나타나지 않았다. 또한 홍삼 10% 첨가군에서도 수분 첨가량 12% 이외에는 굳기의 변화가 거의 나타나지 않았다. 관능검사에서 홍삼 첨가 10%군은 홍삼 특유의 향미와 맛이 너무 강한 것으로 나타났으나, 홍삼 첨가 5%군은 향, 맛, 색이 적당한 것으로 나타났다. 생균수 측정, 조직감 측정과 관능검사의 결과에서 홍삼인절미의 최적의 배합비는 찹쌀가루에 대해 홍삼가루, 수분, 설탕이 각각 5, 16, 8%로 나타났으며 홍삼가루 첨가는 인절미의 저장성 향상효과가 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.11-19
• /
• 2021

이상 객체란 일반적이고 평범한 행동을 취하는 객체가 아닌 비정상적이고 흔하지 않은 행동을 하여 관찰이나 감시·감독을 필요로 하는 사람, 물체, 기계 장치 등을 뜻한다. 이를 사람의 지속적인 개입 없이 인공지능 알고리즘을 통해 탐지하기 위해서 광학 흐름 기법을 활용한 시간적 특징의 특이도를 관찰하는 방법이 많이 활용되고 있으며, 이 기법은 정해진 표현 범위가 없는 수많은 이상 행동을 식별하기에 적합하다. 본 연구에서는 생성적 적대 신경망(Generative Adversarial Network, GAN)으로 입력 영상 프레임을 광학 흐름 영상으로 변환하는 알고리즘을 학습시켜 비정상적인 상황을 식별한다. 특히 생성적 적대 신경망 모델이 입력 영상에 대한 중요한 특징 정보를 학습하고, 그 외 불필요한 이상치를 제외시키기 위한 전처리 과정과 학습 후 테스트 데이터셋에서 식별 정확도를 높이기 위한 후처리 과정을 고도화하여 전체적인 모델의 이상 행동 식별 성능을 향상시키는 기법을 제안한다. 이상 행동을 탐지하기 위한 학습 데이터셋으로 UCSD Pedestrian, UMN Unusual Crowd Activity를 활용하였으며, UCSD Ped2 데이터셋에서 프레임 레벨 AUC 0.9450, EER 0.1317의 수치를 보이며 이전 연구에서 도출된 성능 지표 대비 성능 향상이 확인되었다.