• 한국도로학회논문집
• /
• 제12권4호
• /
• pp.61-70
• /
• 2010

본 연구의 목적은 일반국도에서 계획 시에 예측한 교통량과 실제 개통 이후의 교통량을 비교하여 수요예측의 정확도를 파악하는 것이다. 이를 위해 1980년대와 1990년대에 계획된 총 10개 일반국도 구간을 선정하였다. 예측교통량과 실측교통량의 비교를 위해 계획 시의 보고서를 수집하였으며, 상시교통량 조사지점이 있는 구간을 중심으로 선정하였다. 비교를 위한 지표는 오차율을 이용하였으며, 고속국도 등 네트워크 연계성이 있는 구간과 사회경제지표에 의한 구간으로 구분하여 비교 분석하였다. 분석결과, 네트워크 연계성이 있는 구간은 고속국도의 개통에 의한 영향정도에 대한 정확성이 높을수록 오차율이 낮은 것으로 나타났다. 개통시기에 따른 정확도는 개통 이후에 점차적으로 오차율이 낮아지는 것으로 나타나 긍정적인 것으로 판단되었다. 구간별 단위길이에 따른 정확도는 단위길이가 길수록 오차율이 높아지는 것으로 나타났다. 개통 후 3년 시점을 기준으로 오차율을 고속국도와 비교한 결과 일반국도가 다소 안정적인 패턴을 보이고 있으나 개통연도에 따른 오차율의 변화는 큰 차이가 없는 것으로 나타났다.

• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.189-200
• /
• 2023

COVID-19 팬데믹 초기에 한국의 와인시장은 다른 나라들과 마찬가지로 상당히 위축되어 있었다. 하지만 팬데믹 직후 한국의 수입 와인소비는 2020년 한 해 69.6%나 증가하였다. 이는 해외 여행금지로 와인이 국내에서만 소비되고 보복 소비와 홈술로 인해 고가 와인의 판매가 증가한 것에 기인한다. 그러나 코로나가 끝난 2022년부터 한국의 와인시장은 큰 폭으로 다시 위축되기 시작하였다. 그러므로 본 연구는 와인과 관련된 사업자들에게 향후 10년 뒤, 2032년까지 수입와인 시장의 수요예측을 통해 중장기 사업계획 수립에 유용한 정보를 제공하고자 한다. 본 연구는 2020년 1월부터 2023년 9월까지 한국무역협회가 제공한 95개의 시계열 데이터를 사용하였다. 모형의 정확도는 MAPE 값을 기초로 시험하였고, 수입와인의 전체 금액 예측은 ARIMA 모형, 전체 중량의 예측은 Winters 승법 모형을 사용해 계산하였다. 2032년까지 수입 와인시장의 전체 금액을 예측한 ARIMA 모형(MAPE=10.56%)은 와인시장 금액의 규모를 USD $1,023,619, CAGR=6.22%로 예측하였으며, 이는 2023년 대비 101% 증가한 규모이다. 반면에 중량은 Winters 승법모형(MAPE=10.03%)을 사용하여 계산하였으며, 2032년 중량은 64,691,329톤으로 CAGR=-0.61% 하락할 것으로 예측하였고, 이는 2023년 대비 15.12% 성장한 것이다. 결론적으로 한국 수입와인 시장은 최근의 하락세에도 불구하고 꾸준히 성장할 것이며, 고급 와인시장이 이 증가의 대부분을 차지할 것으로 보인다.

• 한국건설관리학회논문집
• /
• 제24권6호
• /
• pp.66-73
• /
• 2023

건설 프로젝트는 기획부터 완공까지 공사비 예측, 확인, 그리고 정산 단계로 이루어진다. 건설원자재 평균 가격은 변동성을 지닌다. 하지만 건설 프로젝트의 자재비 산정은 계획단계 시점의 시세를 반영하여 결정되기 때문에, 시공단계에서 자재가 투입될 시점의 시세 변동에 따라 예상한 가격과 차이가 날 수 있다. 건설 산업은 건설원자재 가격 변동으로 인한 수요예측 실패, 프로젝트 비용변경으로 인한 사용자 비용 증가, 예측 체계성 부족으로 인한 손실이 발생한다. 이에 따라 건설원자재 가격 예측의 정확도 개선이 필요하다. 본 연구는 Data Refactor 기법의 개선을 통해 건설원자재 가격 예측 및 적용성 검증을 목적으로 한다. 건설원자재의 가격 예측의 정확도를 높이기 위하여 기존의 데이터 리팩토 간의 저·고빈도의 분류 및 ARIMAX 활용법을 빈도 위주 및 ARIMA 기법 활용으로 개선하여 건설원자재 목재, 시멘트 등 6개 품목의 단기(미래 3개월), 중기(미래 6개월), 장기(미래 12개월) 가격을 예측하였다. 분석한 결과 개선된 Data Refactor 기법을 기반으로 한 예측값이 오차는 줄었고 변동성은 확장되었다. 따라서, 본 연구에서 제안된 Data Refactor 기법을 통해 건설원자재 가격을 더 정확하게 예측하여 예산을 효과적으로 관리할 수 있을 것으로 기대된다.

• 대한교통학회지
• /
• 제26권5호
• /
• pp.163-174
• /
• 2008

기존의 4단계 교통수요추정 모형은 거시적인 장래 교통수요 예측을 위해 사용되어 왔으나 정확성에 대한 문제가 지속적으로 제기되어 왔다. 장래 수요추정의 정확성을 높이기 위해서는 신뢰성 있는 자료의 확보, 장래 사회 경제 지표의 예측의 합리성 등 근본적 해결방법이 있으며 모형의 추정방법을 달리하는 것도 상당히 중요한 해결방법이라 하겠다. 과거와 달리 교통수요추정 모형은 단순히 교통인프라 구축에 따른 교통수요추정과 같은 거시적인 분석뿐만 아니라 교통수요관리정책의 효과분석, 교통운영분석의 적용 등 미시적인 분석에 대한 요구가 증대되고 있다. 본 연구에서는 인간의 활동에 기반을 둔 활동기반 교통수요추정에 대하여 소개하며 통행자의 일일 활동에 대한 조사를 기반으로 한 시 공간 활동인구 추정을 통한 통행수요를 예측하였다. 연구결과 개별 건물단위의 시간대별 활동인구의 추정은 비교적 정확한 것으로 분석되었으며 예측된 통행수요 또한 정확성이 높은 것으로 나타났다. 본 연구의 결과는 인간의 활동에 기반을 둔 시 공간 활동기반모형은 거시적인 교통수요추정뿐만 아니라 미시적 추정이 가능하므로 다양한 미시적 교통체계분석에 활용될 수 있을 것으로 기대되며 이를 위해 활동기반 자료와 토지이용에 대한 공간자료(GIS)의 확보가 필수적이라 하겠다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.139-148
• /
• 2019

본 연구는 KTX 수송수요를 예측하기 위한 방법으로 다중개입 시계열 모형을 제안하였다. 구체적으로 2011년 이전의 자료로서 경부 2단계 개통 개입만 고려한 Kim과 Kim (Korean Society for Railway, 14, 470-476, 2011)의 연구를 수정 보완하기 위해 다양한 개입이 추가적으로 발생하고 있는 2011년 이후의 시계열 자료를 효과적으로 모델링하는 한편 KTX 수송수요를 정확히 예측하기 위한 방법으로 다중개입 계절형 ARIMA 모형을 도입하였다. 자료 분석을 통해 KTX 수송수요에 영향을 주었던 경부 및 호남 2단계 개통, 메르스 발병과 설추석 명절 등 다양한 개입의 효과를 효과적으로 해석하는 한편, 이를 통해 예측의 정확성을 높일 수 있음을 확인하였다.

• 대한교통학회지
• /
• 제23권2호
• /
• pp.25-36
• /
• 2005

본 연구에서는 도시철도의 중장거리 통행 특성에 따른 통행거리에 대한 분포수요이 불규칙성을 반영하고 통행거리와 분포수요간의 다양한 함수관계를 고려하기 위해서 도시철도 분포수요 예측모형에 대한 퍼지제어를 이용한 접근방밥을 제시하고자 하였다. 모형구축 및 검정을 위한 자료로는 대구시 지하철 1호선의 실제 통행량 자료와 통행거리 자료를 활용하였으며, 통행량 자료는 역무자동화 기기에서 하루동안 수집된 각 역별 발생량 및 집중량과 역간 분포량을 집계한 것이고 통행거리 자료는 대구시 지하철 1호선의 영업연장을 활용하여 추바역과 도착역간의 거리를 산정하여 집계한 것이다. 모형의 적합성 검토에서는 도시철도 역세권을 기반으로 한 동일한 자료를 이용하여 모형을 구축한 퍼지제어모형과 중력모형을 비교 ${\cdot}$ 검토하였다. 그 결과 증력모형에서는 통행거리 변수가 모형에 좋지 못한 영향을 미치는 반면, 각 변수간의 다양한 함수관계를 표현할 수 있는 퍼지제어모형에서는 통행거리가 상당히 유용한 자료로 활용되었을 뿐만 아니라 중력모형보다 높은 예측정도를 나타내는 것으로 분석되었다. 따라서 향후 도시철도만의 발생 ${\cdot}$집중량을 토대로 도시철도 분포수요 예측시에는 퍼지제어를 이용할 경우 양호한 예측결과가 기대되어지며, 본 여구에서 미진하였던 초적의 소속함수 정의 와 퍼지규칙 설정문제는 신경망 이론과 조합하면 더욱 진보한 예측의 정도 향상과 모혀안 절대비교가 가능할 것으로 판단된다.

• International journal of advanced smart convergence
• /
• 제4권1호
• /
• pp.45-53
• /
• 2015

This paper is proposed mathematical load modelling based on system identification approach of energy consumption of residential air conditioning. Due to air conditioning is one of the significant equipment which consumes high energy and cause the peak load of power system especially in the summer time. The demand response is one of the solutions to decrease the load consumption and cutting peak load to avoid the reservation of power supply from power plant. In order to operate this solution, mathematical modelling of air conditioning which explains the behaviour is essential tool. The four type of linear model is selected for explanation the behaviour of this system. In order to obtain model, the experimental setup are performed by collecting input and output data every minute of 9,385 BTU/h air-conditioning split type with $25^{\circ}C$ thermostat setting of one sample house. The input data are composed of solar radiation ($W/m^2$) and ambient temperature ($^{\circ}C$). The output data are power and energy consumption of air conditioning. Both data are divided into two groups follow as training data and validation data for getting the exact model. The model is also verified with the other similar type of air condition by feed solar radiation and ambient temperature input data and compare the output energy consumption data. The best model in term of accuracy and model order is output error model with 70.78% accuracy and $17^{th}$ order. The model order reduction technique is used to reduce order of model to seven order for less complexity, then Kalman filtering technique is applied for remove white Gaussian noise for improve accuracy of model to be 72.66%. The obtained model can be also used for electrical load forecasting and designs the optimal size of renewable energy such photovoltaic system for supply the air conditioning.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.134-144
• /
• 2023

Nowadays, Deep Learning (DL) technology is being used in several government departments. South Korea imports a lot of seafood. If the demand for fishery products is not accurately predicted, then there will be a shortage of fishery products and the price of the fishery product may rise sharply. So, South Korea's Ministry of Ocean and Fisheries is attempting to accurately predict seafood imports using deep learning. This paper introduces the solution for the fish import prediction in South Korea using the Long Short-Term Memory (LSTM) method. It was found that there was a huge gap between the sum of consumption and export against the sum of production especially in the case of two species that are Hairtail and Pollock. An import prediction is suggested in this research to fill the gap with some advanced Deep Learning methods. This research focuses on import prediction using Machine Learning (ML) and Deep Learning methods to predict the import amount more precisely. For the prediction, two Deep Learning methods were chosen which are Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM). Moreover, the Machine Learning method was also selected for the comparison between the DL and ML. Root Mean Square Error (RMSE) was selected for the error measurement which shows the difference between the predicted and actual values. The results obtained were compared with the average RMSE scores and in terms of percentage. It was found that the LSTM has the lowest RMSE score which showed the prediction with higher accuracy. Meanwhile, ML's RMSE score was higher which shows lower accuracy in prediction. Moreover, Google Trend Search data was used as a new feature to find its impact on prediction outcomes. It was found that it had a positive impact on results as the RMSE values were lowered, increasing the accuracy of the prediction.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.15-22
• /
• 2009

도시철도 수요를 일반적인 4단계 모형에 의해서 역별로 추정하는 경우에는 몇 가지 한계가 존재한다. 첫째 행정동 기반 사회경제지표를 토대로 하므로 행정동 단위의 도시철도 수요가 추정될 수밖에 없다. 그러나 각 행정동에 1개만이 아닌 2개 이상의 역이 위치할 경우 행정동 단위의 수요를 2개 이상의 역에 적절하게 할당하기가 쉽지 않다. 둘째 역별 도시철도 수요는 행정동보다 공간적 범위가 좁은 역세권 특성에 커다란 영향을 받게 된다. 그러므로 역세권보다 넓은 행정동 전체 특성을 기반으로 한 도시철도 수요 추정과 역별 할당에 의한 역별 수요 추정은 부정확할 수밖에 없다. 위와 같이 행정동을 기반으로 한 자료 사용의 한계로 도시철도 역별 수요를 제대로 추정하기 어려운 점이 존재하여, 본 연구에서는 크게 두 가지 방안을 검토하였다. 첫째는 행정동이 아닌 역세권을 기반으로 하는 사회경제지표 자료를 토대로 역별 수요를 추정하는 방안이다. 그러나 이 방안은 자료 수집과 분석에 너무 많은 시간과 노력이 소요되는 것에 비하여, 추정의 정확도는 크게 높아지지 않는 것으로 나타났다. 둘째는 일반적인 4단계모형을 적용하되 역세권 특성을 반영하기 위해 행정동 센트로이드 위치 및 도시철도 역과의 커넥터 거리를 각 역별로 조정하여 역세권을 반영하는 방안이다. 행정동 센트로이드 위치 및 커넥터 거리를 조정하는 두 번째 방법을 적용하여 역별 수요를 추정한 결과를 실제 집계된 서울시 지하철의 역별 수요를 비교한 결과, 각 역별로 매우 근사한 결과를 나타내었다.

• 대한토목학회논문집
• /
• 제39권5호
• /
• pp.605-612
• /
• 2019

전통적으로 통행수요예측은 개별 면접조사를 통해 수집된 자료를 기반으로 수행되었으며, 통행수요 예측의 정확성은 이러한 문제로부터 지속적으로 제기되어 왔다. 최근 정보통신 기술의 발전에 따라 통행수요예측 연구에서 새로운 자료의 활용이 다루어지고 있다. 이러한 자료는 GPS기반 위치 자료, 휴대전화 신호의 자료, CDR (Call Detail Record) 자료 등으로 포함하며, 통행 수요예측의 오류를 줄이기 위한 활용과 관련한 연구가 진행되고 있다. 이를 바탕으로 본 연구의 목적은 통행수요예측의 기초자료로 CDR의 적용 가능성을 평가하는 것이다. 이를 위해 본 연구에서는 대구광역시 평일과 주말을 포함한 2017년 4월의 4일 동안 수집한 CDR 자료를 사용하였다. 즉, CDR 통신량과 기존 면접조사의 O/D 통행량 간의 상관성을 분석하였다. 그 결과, CDR과 전통적 방식에 의한 교통수요는 서로 상관성이 존재하는 것으로 나타났으며, 통행목적별 통행량 비교결과에서는 주말 첨두시 CDR이 비가정기반 쇼핑 여가 목적 통행량과 같은 선택적 통행에서 상관성이 높은 것으로 나타났다.