• 디지털산업정보학회논문지
• /
• 제18권2호
• /
• pp.9-16
• /
• 2022

The nodes constituting the vehicle ad hoc network (VANET) are vehicles moving along the road and road side units (RSUs) installed around the road. The vehicle ad hoc network is used to collect the status, speed, and location information of vehicles driving on the road, and to communicate with vehicles, vehicles, and RSUs. Today, as the number of vehicles continues to increase, urban roads are suffering from traffic jams, which cause various problems such as time, fuel, and the environment. In this paper, we propose a method to solve traffic congestion problems on urban roads and demonstrate that the method can be applied to solve traffic congestion problems through performance evaluation using two typical protocols of vehicle ad hoc networks, AODV and GPSR. The performance evaluation used ns-2 simulator, and the average number of traffic jams and the waiting time due to the average traffic congestion were measured. Through this, we demonstrate that the vehicle ad hoc-based traffic congestion management technique proposed in this paper can be applied to urban roads in smart cities.

• 한국통신학회논문지
• /
• 제40권8호
• /
• pp.1551-1559
• /
• 2015

최근 스마트 기기가 PC와 유사한 성능을 보이면서, 사용자들은 메신저, SNS(Social Network Service), 은행 업무 등 PC에서 수행했던 업무들을 모바일 기기에서도 수행할 수 있게 되었다. 이 같은 긍정적인 변화와 함께 스마트 기기를 대상으로 하는 공격으로, 보안 위협이 증가하는 부정적인 변화도 나타났다. 대표적으로 사용자의 개인정보 유출, 부당한 과금을 비롯하여 최근에는 DDoS(Distributed Denial of Service) 공격을 발생시키는 봇(Bot)으로 스마트 기기가 활용되면서 모바일 보안에 대한 위협이 증가하는 실정이다. 특히, 스마트 기기의 80% 이상을 차지하는 안드로이드 플랫폼에서의 악성코드를 통한 피해건수가 증가하고 있다. 본 논문에서는 안드로이드의 악성코드를 탐지하기 위해 통계 기반 분석법 중 하나인 시계열 분석법을 제안한다. 시계열 모델 중 기존의 데이터를 기반으로 정확한 예측값을 도출할 수 있는 자기회귀 이동평균 모델을 이용하였으며, Z-Score를 이용한 비정상 데이터 후보군 추출을 통해서 전체 데이터와의 비교 없이 추출된 후보군과의 데이터 비교를 통해서 빠르게 악성코드를 탐지하는 방법을 이용한다. 악성코드 탐지 실험 결과를 통해 제안하는 방법의 타당성을 검증하고자 한다.

• 농업과학연구
• /
• 제27권1호
• /
• pp.48-53
• /
• 2000

1. 난중(卵重) 및 진동량 계측 시스템은 로드셀 1개를 이용한 기존의 방법을 로드셀 배치 I, 계란의 이송방향과 평행하게 같은 방향으로 부착한 방법을 로드셀 배치 II 로 하였고 로드셀 2개를 이용하여 서로 마주보도록 부착한 방법을 로드셀 배치 III, 2 개의 로드셀이 계란의 이송방향과 평행하게 같은 방향으로 부착한 방법을 로드셀 배치 IV로 구성하여 난중(卵重) 및 진동량을 측정, 분석 하였다. 2. 4가지의 로드셀 배치에 따른 난중(卵重)측정결과 로드셀 배치 I, 로드셀 배치 II, 로드셀 배치 III, 로드셀 배치 IV에 의한 난중(卵重)평균 오차가 각각 1.2128g, 0.5953g, 0.7786g, 0.2793g으로 로드셀 2개를 계란 이송방향과 평행하게 부착한 방법이 난중(卵重) 평균 오차가 가장 낮게 나와 정밀도가 매우 높음을 알 수 있었다. 3 계란 자동 선별기를 이용하여 대란 등급의 계란 선별시 X, Y, Z축 방향에서 평균 진동량이 각각 $5.1937{\times}10^{-3}G$, $9.3604{\times}10^{-3}G$, $16.8657{\times}10^{-3}G$로서 Z축방향의 진동값이 X, Y방향보다 상대적으로 크다는 것을 알 수 있었다.

• 한국해안·해양공학회논문집
• /
• 제22권6호
• /
• pp.353-360
• /
• 2010

경기만은 한강과 임진강 수계의 하구역을 중심으로 황해의 중부해역을 잇는 매우 중요한 해역이다. 특히 경기만 해역의 연안개발로 인한 하구습지와 연안습지의 훼손이 가속화되고 있다. 이러한 갯벌과 해저 퇴적체의 변화에 대한 이해와 원인 규명을 위해서는 조석 잔차류의 역할이 중요함을 제시하였다(Kim et al., 2009). 하지만 경기만에서의 조석 잔차류에 대한 정량적 연구는 잘 이루어져 있지 못하며, 연간 변동성에 대한 연구도 흔하지 않다. 본 연구에서는 경기만 주수로인 석모수로와 장봉수로에서 1년간 연속 관측한 수층별 조류를 이용하여, 조석 잔차류의 특성과 조류분조의 특성을 정밀하게 분석하였다. Kim et al.(2009)이 제안한 이동평균(Moving average) 기법을 이용하여 연간 월별 그리고 수층별 자료로 확대하여 분석하였다. 또한 조류조화분해를 실시하여 이동평균 기법의 잔차류 특성과 비교하였으며 계절별 수층별 조류분조의 특성을 제시하였다. 비조석성분인 잔차류 산정에는 이동평균 기법과 조류조화분해법이 동일한 결과를 보였으나 단주기 변동성 분석에는 이동평균기법이 장점을 가진 것으로 보인다. 석모수로의 잔차류는 연간 낙조류 방향이며, 표층에서 20-40 cm/s, 저층에서 10 cm/s 미만으로 분석되었다. 장봉수로에서는 연간 창조류 방향의 잔차류는 표층에서 15-30 cm/s, 저층에서 20 cm/s 안팎으로써 여름철에는 강한 경압형 구조를 보인다. 본 연구에서는 해저면에 설치된 음파식 유속계 자료의 처리, 조석잔차류의 산정과 경기만 수로에서의 연간 잔차류 수직 구조와 변동성에 대한 결과를 제시함으로써, 경기 일대의 물질이동과 퇴적체 변동성 연구에 기본적 자료로 활용될 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제16권7호
• /
• pp.67-76
• /
• 2011

최근 비디오가 대화형 콘텐츠를 위한 타입으로 많은 각광을 받기 시작하면서 비디오 데이터에 포함된 객체들을 의미적으로 표현하고 검색하기 위한 시맨틱 어노테이션 방법에 대한 연구가 활발히 진행되고 있다. 비디오 데이터에 포함된 객체들은 시간의 변화에 따라 공간적 위치가 변화하기 때문에 매 프레임마다 상이한 위치 데이터가 발생한다. 따라서 모든 프레임의 객체에 대한 위치 데이터들을 저장하는 것은 매우 비효율적이므로 이를 부적절한 오차가 발생하지 않는 범위 내에서, 효과적으로 압축하여 표현할 필요가 있다. 본 논문은 컴퓨터 또는 에이전트가 직관적으로 객체에 대한 정보를 이해할 수 있도록 표현하기 위해 비디오 데이터가 포함하는 객체에 대하여 의미적 정보를 부여하기 위한 온톨로지 모델링 방법과 이동 객체의 위치 데이터를 압축하기 위해 3차 스플라인 보간법을 적용하여 의미적 정보와 함께 어노테이션 하는 방법을 제안한다. 제안한 어노테이션 방법의 효율을 검증하기 위한 대화형 비디오 시스템을 구현하고, 다양한 특징을 가지는 객체가 나타나는 비디오 데이터 셋을 이용하여 샘플링 간격에 따른 오차율과 데이터량을 비교하였다. 그 결과, 샘플링 간격이 15프레임 이하 일 때, 최대 80%의 데이터 저장 공간을 절약할 수 있을 뿐만 아니라 객체의 실제 좌표 대비 최대 31픽셀, 평균 4픽셀 미만의 오차 편차를 얻을 수 있었다.

• 청정기술
• /
• 제7권2호
• /
• pp.119-126
• /
• 2001

인공신경 회로망과 통계적 방법을 이용하여 오존 형성의 예측에 관한 연구를 수행하였다. 파라미터 평가방법으로는 실시간 파라미터를 평가하기 위하여 ELS 및 RML 방법이 사용되었으며 오존 형성의 모델로는 ARMAX 모델을 사용하였다. 또한 3층 구조를 갖는 인공신경 회로망 방법을 이용하여 오존 형성의 예측 시험을 수행하였으며 본 연구에 사용된 통계적 방법의 성능을 평가하기 위하여 오존 형성의 예측결과를 실제 자료와 비교 분석을 하였다. 실제 자료와의 비교를 통하여 파라미터 평가 방법 및 인공신경 회로망 방법에 근거한 예측방법이 제한된 예측 구간 내에서 만족할 만한 성능을 보임을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제8권2호
• /
• pp.98-105
• /
• 2007

본 논문은 주행 차량의 차선 변경 시, 위험 여부를 판단하는 방법을 제안하고 시스템을 구현한다. 차선 변경의 위험 여부를 판단하기 위해서 첫째, 변경하고자 하는 차선에 관심 영역(ROI)을 설정해야 하고 둘째, 변경할 차선으로 자차가 이동할 때 자차에 위험이 될 차량을 정확하게 추출해야 하며 셋째, 추출된 차량의 방향과 상대 속도, 상대 거리를 계산하여 운전자에게 위험 경보를 울릴지에 대한 여부를 판단해야 한다. ROI를 설정하기 위해서 영역의 한 축이 되는 차선을 잡고 이를 기준으로 영역을 확장시켰는데 좌표 변환 기법을 이용하여 정확성을 높였다. 변경 차선의 정확한 차량 추출을 위하여 적응 배경화면 갱신 모델 기법과 주행 도로의 특징을 이용한 영상의 영상 분할 방법을 이용하였다. 위험 차량으로 추출된 물체는 자차(自車)와의 상대거리, 상대 속도를 계산하고 픽셀 좌표 이동을 일정시간 평균을 내어 방향을 알아내어 위험으로 판단 시 경보를 울리도록 하였다. 제안한 알고리즘은 영역을 최소화하고 도로와 차량의 특징을 이용함으로써 정확도를 높이고 계산량을 줄여 빠른 연산을 요구하는 주행 차량의 영상에서 안정적인 결과를 얻을 수 있었다.

• 융합보안논문지
• /
• 제11권3호
• /
• pp.19-24
• /
• 2011

소프트웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나, 단조증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간 절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구 하였다. 시계열 분석에 이용되는 단순이동 평균법과 가중이동평균법, 지수평활법을 이용하여 미래고장 시간을 예측하여 비교하고자 한다. 실증분석에서는 고장간격 자료를 이용하여 모형들에 대한 예측값을 평균자승오차를 이용하여 비교하고 효율적 모형을 선택 하였다.

• 한국지능시스템학회논문지
• /
• 제6권4호
• /
• pp.92-101
• /
• 1996

차량의 증가와 도로 신장율의 저조로 교통체증은 날로 심해지고 있다. 이문제를 풀기 위한 한 방법은 교통류에 관한 실시간 정보를 얻어 교통신호를 동적으로 제어하는 것이다. 현재까지 교통류 정보를 얻기 위해 가장 많이 쓰인 것은 루프코일 인데 이것은 통과 차량의 평균속도를 측정하기 위해 필요한 차량 추적을 할 수 없는 단점이 있다. 따라서 이 문제를 해결하기 위해 영상 검지기가 출현하게 되었고 농담영상 혹은 칼라 영상열을 가정하고 있다. 본 논문에서는 칼라영상의 형태로 주어진 영상열에서 퍼지 클러스터리에 기반을 둔 이동 차량 추적 방법을 제안한다.

• 한국측량학회지
• /
• 제39권5호
• /
• pp.289-295
• /
• 2021

Recently, owing to the development of autonomous vehicles, research on precisely determining the position of a moving object has been actively conducted. Previous research mainly used the fusion of GNSS/IMU (Global Positioning System / Inertial Navigation System) and sensors attached to the vehicle through a Kalman filter. However, in recent years, new technologies have been used to determine the location of a moving object owing to the improvement in computing power and the advent of deep learning. Various techniques using RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory), and NARX (Nonlinear Auto-Regressive eXogenous model) exist for such learning-based positioning methods. The purpose of this study is to compare the precision of existing filter-based sensor fusion technology and the NARX-based method in case of GNSS signal blockages using simulation data. When the filter-based sensor integration technology was used, an average horizontal position error of 112.8 m occurred during 60 seconds of GNSS signal outages. The same experiment was performed 100 times using the NARX. Among them, an improvement in precision was confirmed in approximately 20% of the experimental results. The horizontal position accuracy was 22.65 m, which was confirmed to be better than that of the filter-based fusion technique.