• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권8호
• /
• pp.2783-2804
• /
• 2021

In the network function virtualization environment, dynamic changes in network traffic will lead to the dynamic changes of service function chain resource demand, which entails timely dynamic adjustment of service function chain resource configuration. At present, most researches solve this problem through virtual network function migration and link rerouting, and there exist some problems such as long service interruption time, excessive network operation cost and high penalty. This paper proposes a dynamic adjustment method of service function chain resource configuration for the dynamic changes of network traffic. First, a dynamic adjustment request of service function chain is generated according to the prediction of network traffic. Second, a dynamic adjustment strategy of service function chain resource configuration is determined according to substrate network resources. Finally, the resource configuration of a service function chain is pre-adjusted according to the dynamic adjustment strategy. Virtual network functions combination and virtual machine reusing are fully considered in this process. The experimental results show that this method can reduce the influence of service function chain resource configuration dynamic adjustment on quality of service, reduce network operation cost and improve the revenue of service providers.

• 한국전자통신학회논문지
• /
• 제18권2호
• /
• pp.321-327
• /
• 2023

인공 지능이 발전함에 따라 예측 시스템은 우리의 삶에 필수적인 기술 중 하나로 자리를 잡았다. 이러한 기술의 성장에도 불구하고, 21세기 사거리 교통 체증은 계속해서 문제 되어 왔다. 본 논문에서는 Conv-LSTM(: Convolutional-Long Short-Term Memory) 알고리즘을 이용한 사거리 교통 체증 예측 시스템을 제안한다. 제안한 시스템은 교통 체증이 발생하는 사거리에 시간대별 교통 정보를 학습한 데이터를 모델링 한다. 시간의 흐름에 따라 기록된 교통량 데이터로 교통 체증을 예측하며. 예측된 결과를 기반으로 사거리 교통 신호를 제어하고, 일정한 교통량으로 유지한다. VDS(: Vehicle Detection System)센서를 활용하여 도로 혼잡도 데이터를 정의하고, 교통을 원활하게 하기 위하여 각각의 교차로를 Conv-LSTM 알고리즘기반 네트워크 시스템으로 구성하였다.

• 대한전자공학회논문지TC
• /
• 제42권12호
• /
• pp.9-16
• /
• 2005

인터넷 규모의 확장과 트래픽의 증가로 인해 발생하는 망 혼잡 상황을 해결하기 위해 본 연구는 망 제어 기술의 일환책으로서 간섭 예측 정보를 이용한 online 라우팅 알고리듬을 제안한다. 차세대 통합망은 사용자 서비스별 요구 수준에 따라 종단간의 QoS를 보장해야 한다. 이를 위해 동적 대역폭 할당이 효율적으로 이루어져야 하며, 망 전체 성능을 고려한 경로 설정 알고리듬이 필요하다. 본 논문에서 제안한 알고리듬은 현재 라우팅 요청이 요구하는 대역폭의 양이 미래의 잠재적인 트래픽을 간섭하는 정도를 예측하여, 이를 최소화시키는 방안을 제시한다. 망 전체 성능을 최대화하고, 한정된 자원이 낭비되는 것을 방지하기 위해 제안 알고리듬은 요구 대역폭, link 상태정보, 그리고 ingress-egress pair 정보 등을 복합적으로 고려한다. 또한 간섭을 예측하는 것은 동적으로 변화하는 망 상황에서 보장된 대역폭을 제공하게 함으로써 사용자의 요구를 최대한 수용할 수 있게 한다. 본 논문에서는 Internet traffic engineering에 적합한 최적 경로 설정 알고리듬을 제안하기 위해 라우팅 알고리듬이 갖추어야 할 요구 조건과 최근 연구동향을 분석하였으며, QoS 라우팅의 대표적인 연구사례를 분석하였다. 그리고 이를 기반으로 기존의 알고리듬의 문제점을 파악하고 최적의 해결 방안을 제시한다. 개선된 사항은 시뮬레이션을 통해 기존 알고리듬과 비교 및 분석되었다.

• 대한교통학회지
• /
• 제29권1호
• /
• pp.71-79
• /
• 2011

전통적으로 동적 교통망 모형들은 실시간 교통운영 문제를 위한 도구로 인식되어 왔다. 이와 같은 모형들을 활용하는 방안 중 하나는 예측통행시간을 생성하는 것이다. 예측통행시간 정보는 통행자들이 혼잡한 지역에서 덜 혼잡한 지역으로 경로를 전환할 수 있도록 해 주는데 이는 교통망의 용량을 효과적으로 활용하게 한다. 이러한 접근 방법은 돌발상황이 발생했을 때 매우 효과적일 것으로 예상된다. 이 때 고려해야 할 사항은 통행시간정보가 미래 통행여건 자체에 영향을 준다는 점이다. 이로 인해 예기치 못한 과잉반응(over-reaction)을 야기할 수 있으며 예측정보의 신뢰도를 떨어뜨리는 요인으로 작용할 수도 있다. 본 연구에서는 돌발상황 발생 시를 대상으로 교통망 차원의 통행시간 예측모형을 제시한다. 이 모형에서는 모든 운전자가 개인 차내 단말기를 통해 상세한 교통정보를 이용할 수 있으며 이러한 정보를 바탕으로 경로선택에 관한 의사결정을 할 수 있다고 가정하였다. 경로기반(route-based)의 확률론적 변등부등식(stochastic variational inequality)을 통행시간예측의 기본모형으로 사용하였으며 운전자의 경로전환의사를 반영하기 위해 경로전환함수를 적용하였다. 컴퓨터 프로그램과 간단한 교통망 분석을 통해 제안된 모형의 특성을 살펴보았다.

• 한국정보통신학회논문지
• /
• 제19권12호
• /
• pp.2779-2784
• /
• 2015

정확한 교통정보의 예측은 출발지로부터 목적지까지의 최적경로를 제공할 수 있으며, 이로 인해 시간과 비용의 절감 효과를 얻을 수 있다. 본 논문에서는 다양한 교통정보 예측 방법 중 확률 모델을 기반으로 교통정보를 예측하는 베이지안 네트워크 방법을 이용한다. 기존 연구에서는 베이지안 네트워크 예측 방법이 모든 시간대에서의 데이터를 학습에 사용하는 것과는 달리, 본 논문에서는 예측하고자 하는 시간대와 동일한 요일과 시간에 해당하는 데이터만을 선별적으로 학습에 사용한다. 서로 다른 두 가지 학습방법에 따른 예측 결과의 정확도는 일반적으로 많이 사용되는 MAPE(Mean Absolute Percentage Error)로 검증하였으며, 서울 시내 14개의 링크 구간에 대해 실험을 진행하였다. 실험결과는 본 논문에서 제안한 방법이 모든 시간대의 데이터를 학습에 사용한 방법에 비해 MAPE의 관점에서 더 높은 정확도를 가진 교통 예측 값을 계산할 수 있음을 보여준다.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권2호
• /
• pp.15-20
• /
• 2023

This study aims to enhance the accuracy of fine dust predictions by analyzing various factors within the local environment, in addition to atmospheric conditions. In the atmospheric environment, meteorological and air pollution data were utilized, and additional factors contributing to fine dust generation within the region, such as traffic volume and electricity transaction data, were sequentially incorporated for analysis. XGBoost, Random Forest, and ANN (Artificial Neural Network) were employed for the analysis. As variables were added, all algorithms demonstrated improved performance. Particularly noteworthy was the Artificial Neural Network, which, when using atmospheric conditions as a variable, resulted in an MAE of 6.25. Upon the addition of traffic volume, the MAE decreased to 5.49, and further inclusion of power transaction data led to a notable improvement, resulting in an MAE of 4.61. This research provides valuable insights for proactive measures against air pollution by predicting future fine dust levels.

• 한국시뮬레이션학회논문지
• /
• 제18권4호
• /
• pp.1-8
• /
• 2009

현재 복잡한 가상전장 환경을 표현하기 위해 많은 수의 시뮬레이터들을 연결한 분산 컴퓨팅 기반의 워게임 시뮬레이션이 이용되고 있다. 모의 결과를 도출하기 위해 네트워크상의 각 시뮬레이터들은 중앙 모의 서버에 주기적으로 메시지를 송수신하게 된다. 이러한 네트워크 트래픽은 전체 시스템 성능저하의 직접적인 원인이 된다. 따라서 본 논문에서는 분산 워게임 시뮬레이션 시 발생되는 네트워크 트래픽을 제어하기 위한 시스템 및 방법을 제안한다. 제안된 시스템은 메시지 수신 시 해당 모의 개체의 이동거리를 측정하고 이를 거리 임계값과 비교하여 해당 메시지를 필터링한다. 거리 임계값은 네트워크 트래픽 및 위치 오차와 같은 시스템 조건에 따라 조절된다. 그리고 모의 개체의 위치를 예측함으로써 메시지 필터링 시 발생되는 위치오차를 최소화한다. 실험 결과는 제안된 시스템이 분산 시뮬레이션 시스템의 네트워크 트래픽을 감소시키고 메시지 필터링에 따른 모의 개체의 위치 오차를 줄이는 데 매우 효과적이라는 것을 입증한다.

• 해양환경안전학회지
• /
• 제20권1호
• /
• pp.33-41
• /
• 2014

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

• 한국통신학회논문지
• /
• 제29권2B호
• /
• pp.217-227
• /
• 2004

인터넷의 발달로 네트워크 트래픽은 현저하게 증가되었다. 트래픽의 폭증은 전체 네트워크의 성능에 크게 영향을 미치게 되었으며 트래픽의 관리가 망 관리의 중요한 이슈로 되었다. 본 논문에서는 네트워크 트래픽을 분석하여 효율적인 대응을 수립하기 위해 예측하는 시계열 모형의 적합성을 검증한다. 네트워크 트래픽을 예측하기 위해서는 시간적 흐름에 따라 자료간의 상관 관계를 유추하고, 이 관계를 이용하여 예측을 수행한다. 상관 관계를 유추하는 과정에서 필연적으로 확률적 오류를 포함하게 되는데, 정확한 예측을 위해서는 확률적 오차를 최소화해야 한다. 따라서, 통계학 분야에서 예측 방법으로 널리 쓰이는 시계열 모형인 AR, MA, ARMA, ARIMA 모형을 사용하여 네트워크 트래픽을 예측함과 동시에, 예측하는 과정에서 정확한 예측을 수행할 수 있는지에 대한 적합성을 검증하고자 한다. 적합성 검증은 모형 식별 단계에서 초기 단계인 정상성 가정을 만족하는지의 여부로 판단하며. 정상성 가정은 자기상관함수와 편자기상관함수를 통해 구할 수 있다. 정상성 가정을 만족하지 못하는 모형은 비정상 시계열 자료로 분류되는데 이 경우의 예측은 정확하다고 볼 수 없다. 따라서, 정확한 예측을 수행할 수 있도록 시계열 자료의 정상성 가정을 만족하도록 모형을 분류하는 방안을 제시하고자 한다. 정확한 예측을 수행하면, 네트워크 트래픽을 좀 더 나은 방법으로 관리하며, 예측 결과를 이용하여 동적인 트래픽의 관리가 가능하게 된다.

• 대한교통학회지
• /
• 제32권3호
• /
• pp.266-279
• /
• 2014

도로의 안전성을 평가하기 위한 방법으로서 교통사고 자료를 이용하는 방법, 사전-사후평가를 통한 방법 또는 전문가 의견이나 기존 문헌을 통한 방법 등 다양한 방법들이 존재한다. 특히, 교차로 교통 안전성을 평가하는 경우 많은 연구들이 교통사고예측모형 개발을 통하여 교통사고와 관련한 원인과 안전성을 평가하고 있다. 교통사고예측모형 개발에 있어서 모형의 예측력과 전용성을 확보하는 것이 중요하다. 즉, 예측력을 확보함으로써 교통사고 건수나 교통 안전성 판단의 지표를 예측하는데 오차를 줄일 수 있고, 전용성을 확보함으로써 개발된 모형이 다른 지점이나 구간에 적용하더라도 문제없이 적용될 수 있는 대표성을 가질 수 있다. 따라서 본 연구에서는 교통사고예측모형 개발에 주로 사용되는 회귀모형과 인공신경망, 구조방정식을 이용하여 교통사고예측모형을 각각 개발하였으며, 개발될 모형의 예측력과 전용성을 평균절대오차와 평균제곱예측오차를 기준으로 확인하였다. 90개소 신호교차로의 모형개발자료를 이용하여 세 가지 방법으로 교통사고예측모형을 개발 후 개발데이터를 통해 예측력을 비교한 결과 인공신경망이 가장 높은 예측력을 보였다. 또한 모형의 전용성 검증을 위하여 별도로 수집한 33개소 신호교차로의 모형검증자료를 이용하여 개발된 모형을 검증한 결과 비선형 회귀모형이 가장 적합한 것으로 나타났다. 모형개발 과정에서 가장 높은 예측력을 보인 인공신경망의 경우 다른 대상지에서 수집된 모형검증 자료를 적용하였을 때 예측력에 큰 변화를 보여 전용성이 떨어진 것으로 분석되었다.