• 지능정보연구
• /
• 제21권1호
• /
• pp.15-28
• /
• 2015

최근 개인 단말기의 보급과 객체간의 네트워크 연결이 확산됨에 따라 방대한 양의 상황 정보들이 수집되고 있지만 역설적으로 사용자들과 서비스 제공자들은 정보의 홍수 속에서 종종 잘못된 의사결정을 내리고 있다. 이러한 정보 과부하 문제를 해결하기 위해 추천 시스템은 좋은 대안이 될 수 있지만 전통적인 추천 시스템은 다양한 형태의 상황 정보 사용에 한계를 보이고 있다. 또한 획득 가능한 상황 정보가 다양해지고 방대해짐에 따라 이를 활용한 추천 시스템은 복잡성의 문제를 해결해야 하며 지속적으로 변화되는 사용자 선호 및 상황에 부합할 수 있도록 실시간 서비스가 가능하도록 설계되어야 한다. 따라서 본 연구에서는 상황 영역의 개념을 기반으로 한 상황 인식 추천 서비스 방법론을 제안하여 추천 시스템에서 상황정보를 활용하는 한편 복잡성 및 실시간 서비스 제공의 문제를 해결하려 한다. 먼저 적절한 해석과 구조로 상황 데이터를 사용자 프로필에 반영할 수 있도록 상황 영역 개념에 기반한 프로파일링을 제안함에 따라 기존의 상황 인식 추천 시스템이 가지고 있던 복잡성의 한계를 해결하고자 한다. 다음으로 목표 사용자의 상황 영역에 기반한 이웃 집단 탐색으로 추천 시스템의 희박성과 신규 사용자 문제를 해결하는 한편 현재의 상황 정보에 대한 해석으로 도출되는 상황 지지 점수를 기반으로 한 추천 목록을 생성하여 실시간 서비스가 가능한 방법론을 제안한다. 결론적으로 본 연구에서 제안하는 방법론은 추천 시스템의 적용 영역을 확장하는 연구가 될 것으로 기대되며 새로운 기술 출현을 고려한 유연한 모델을 제안함에 따라 마케팅 담당자나 서비스 제공자들이 쉽게 본 연구에서 제안하는 방법론을 적용할 수 있으리라 판단된다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.64-80
• /
• 2018

우리나라의 시민들은 범죄에 대한 일반적인 사항만을 알 수 있을 뿐, 자신이 범죄위험에 얼마나 노출되어 있는지를 파악하기 어렵다. 경찰의 입장에서도 범죄발생 지역을 예측할 수 있다면 경찰력이 부족한 상황에서 효율성 있게 범죄에 대처 가능할 것이지만 아직 우리나라에서는 예측시스템이 없고, 관련 연구도 매우 부족한 실정이다. 이에 본 연구에서는 범죄발생 위험지역 예측 자동화 시스템 개발의 첫 번째 단계로 빅데이터로 구축 가능한 범죄정보와 도시지역 자료를 바탕으로 머신러닝 방식을 통해 한국형 범죄발생 위험지역 예측 모형을 개발하고자 한다. 또한 시나리오를 가정하여 범죄발생 확률을 지도로 시각화함으로써 사용자의 이해도를 높이도록 하였다. 선행 연구 및 사례에서 범죄발생에 영향을 미치는 요인 중 빅데이터로 구축 가능한 범죄정보, 날씨정보(기온, 강수량, 풍속, 습도, 일조, 일사, 적설, 전운량), 지역정보(평균 건폐율, 평균 용적율, 평균 높이, 총 건축물수, 평균 공시지가, 평균 주거용도면적, 평균 지상층수)를 머신러닝에 활용할 수 있도록 데이터를 사전 처리하였다. 머신러닝 알고리즘으로서 지도학습 모형 중 다양한 분야에서 활용되며 정확도가 높다고 알려진 의사결정나무모형, 랜덤포레스트모형, Support Vector Machine(SVM)모형을 활용하여 범죄 예측 모형을 구축하고 비교 분석하였다. 그 결과 평균 제곱근 오차(Root Mean Square Error, RMSE)가 낮아 예측력이 높은 의사결정나무모형을 최적모형으로 선정하였다. 이를 바탕으로 가장 빈번하게 발생하는 절도와 폭력범죄를 대상으로 시나리오를 작성하여 범죄 발생 위험지역을 예측한 결과, 사례도시 J시는 위험지역이 3가지 패턴으로 발생하는 것으로 나타났으며, 각각 발생확률을 3 등급으로 구분하여 $250{\times}250m$ 단위의 지도형태로 시각화할 수 있었다. 본 연구는 향후 자동화 시스템으로 개발하여 시시각각으로 변하는 도시 상황에 따라 실시간으로 예측 결과를 시각화하여 제공함으로써 보다 범죄로부터 안전한 도시환경 조성에 기여하고자 한다.

• 한국지리정보학회지
• /
• 제17권1호
• /
• pp.159-172
• /
• 2014

급격한 산업의 성장과 그로인한 환경 문제로 인해 전 세계적으로 화석연료사용의 규제와 신 재생에너지의 활용에 대한 관심이 증가하고 있다. 이로 인해 선진국들을 중심으로 이와 관련한 정책지원 및 관련분야의 연구가 수행되기 시작하였으며, 특히 에너지자원의 활용 면에 있어 지역적 제약이 적고 유지관리가 용이한 태양광에너지의 활용이 증가 하고 있다. 이는 국민들의 태양광에너지의 활용에 대한 수요의 증가로 나타나고 있으며, 관련 산업의 지속적인 성장세로 나타나고 있다. 그러므로 본 연구에서는 공간정보기술을 활용하여 태양광에너지발전의 주요 영향인자인 일조량을 그림자 분석 시뮬레이션을 활용하여 건축물 별로 산정하였다. 연구 대상지는 경상북도에 위치하고 있는 경산시를 대상으로 하였다. 먼저, 경산시에 대한 공간정보를 구축하기위해 기 구축된 수치지형도에서 등고선과 표고점을 추출하고 이를 활용하여 DEM(Digital Elevation Model)을 생성한다. 또한 건축물 별로 구성되어 있는 도로명 주소 데이터를 활용하여 Raster형태로 변환하고, 변환된 건축물 데이터와 DEM의 합성을 통해 DSM(Digital Surface Model)을 구축하였다. 구축된 DSM을 기반으로 태양의 위치에 따른 그림자의 이동 및 변화탐지를 분석할 수 있는 그림자 분석 시뮬레이션을 활용하여 그림자 정보를 정량화 하였다. 마지막으로 시뮬레이션을 통해 획득한 그림자 정보를 바탕으로 일조시간을 산정하고 이를 가조시간과의 계상을 통해 건축물별 일조량을 산정하였다. 이러한 과정을 통해 산정된 일조량은 공공기관, 민간, 산업체 등에 정량화된 일조량 정보를 제공할 수 있을 뿐만 아니라, 태양광에너지를 활용하기위한 의사결정지원의 기반데이터로 활용될 수 있을 것이며, 향후 태양광에너지 활용연구의 기반으로 활용될 수 있을 것으로 기대된다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제6권7호
• /
• pp.297-306
• /
• 2017

버스정보 시스템을 이용하는 시민들은 더 정확한 예측 정보를 원한다. 하지만 평균 기반 단기간 예측 알고리즘을 사용하는 대부분의 버스정보시스템에서는 교통흐름, 신호주기, 정차시간 등의 영향이 고려되지 않기 때문에 많은 오차를 포함하고 있는 실정이다. 따라서 본 논문에서는 오차의 영향요인 분석을 통해 예측정보의 정밀도를 향상시켜 시민들의 편의를 도모하고자 한다. 이에 현재 운영되고 있는 버스정보 시스템의 자료를 토대로 오차의 영향요인을 분석했다. 분석 데이터에서 시간대별 특성과 지리적 여건에 의한 영향이 복합적으로 나타나고, 정차시간과 단위구간속도에 미치는 영향도가 다름을 보였다. 이에 따라 정차시간은 일반화 가법 모형을 사용하여 시간, GPS 좌표, 통과 노선수의 설명변수로 패턴을 구축하고, 단위구간에 대해 은닉 마르코프 모델을 사용하여 교통흐름에 따른 영향도를 고려한 패턴을 구축했다. 패턴 구축의 결과로 정밀한 실시간예측이 가능하고, 노선 통행속도의 장기간 예측이 가능했다. 마지막으로 관측 데이터와 예측 데이터의 통계적 검정 과정을 통해 전구간 예측에 적합한 모델임을 보였다. 본 논문의 결과로 시민들에게 더 정확한 예측 정보를 제공하고, 장기간 예측은 배차시간 등의 의사결정에 중요한 역할을 수행할 수 있으리라 생각한다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.171-189
• /
• 2022

온라인 리뷰는 소비자의 구매 의사결정 과정에서 중요한 역할을 담당하고 있으므로 소비자에게 유용하고 신뢰성이 있는 리뷰를 제공하는 것이 중요하다. 기존의 온라인 리뷰 유용성 예측 관련 연구는 주로 온라인 리뷰의 텍스트와 평점 정보 간의 일관성을 바탕으로 리뷰 유용성을 예측하였다. 그러나 기존 연구는 평점 정보를 스칼라로 표현했기 때문에 표현 수용력이 제한적이거나 평점 정보와 리뷰 텍스트 정보와의 상호작용을 제한적으로 학습하는 한계가 존재한다. 본 연구에서는 기존 연구의 한계점을 보완하기 위해 리뷰 텍스트와 평점 정보 간의 상호작용을 효과적으로 학습할 수 있는 CNN-RHP(CNN based Review Helpfulness Prediction) 모델을 제안하였다. 먼저, 리뷰 텍스트의 의미론적 특성을 추출하기 위해 multi-channel CNN을 적용하였다. 다음으로, 평점 정보는 텍스트 특성과 동일한 차원을 나타내는 독립된 고차원 임베딩 특성 벡터로 변환하였다. 최종적으로 요소별(Element-wise) 연산을 통해 리뷰 텍스트와 평점 정보 간의 일관성을 학습하였다. 본 연구에서는 제안된 CNN-RHP 모델의 성능을 평가하기 위해 Amazom.com에서 수집된 온라인 소비자 리뷰를 사용하였다. 실험 결과, 본 연구에서 제안한 CNN-RHP 모델이 기존 연구에서 제안된 여러 모델과 비교했을 때 우수한 예측 성능을 나타내는 것을 확인하였다. 본 연구의 결과는 온라인 전자상거래 플랫폼에서 소비자들에게 리뷰 유용성 예측 서비스를 제공할 때 유의미한 시사점을 제공할 수 있다.

• 해양환경안전학회지
• /
• 제29권1호
• /
• pp.60-66
• /
• 2023

현재의 해양산업의 기술은 스마트 선박 및 자율운항선박 등의 개발과 같은 자율화 및 지능화와 환경규제의 강화에 맞추어 선박의 운항 효율성을 개선하는 친환경 선박을 위한 기술이 함께 개발되고 있다. 이러한 흐름에 맞추어, 세계각국에서는 선박의 안전운항을 보장하는 선에서 선박운항효율을 극대화하기 위해 다양한 방식으로 노력하고 있다. 본 연구에서는, 현존하는 선박운항효율 개선 기술이 운항 당시의 기상환경, 선박조종 등의 선박운항상태를 실시간으로 반영하지 못하는 문제를 개선하기 위해, 선박에서 수집한 선박운항데이터를 활용하여 실시간 선박운항효율 분석모델을 개발하고자 한다. 본 연구의 실시간 선박운항효율 분석모델은 연료소모를 기준으로 판단한 선박운항효율과 당시의 선박운항상태를 감안하여 판단한 선박운항효율을 비교하여, 식별된 선박운항효율의 타당성을 확인할 수 있는 모델이다. 분석의 주요 내용은 대상선박의 선정과 선박운항데이터의 수집, 선박운항효율 특성과 선박운항상태 특성의 구분, 그리고 이를 활용한 분류모델의 개발을 포함한다. 연구의 결과는 기존의 선박운항효율과 항해 당시 선박운항상태를 감안한 운항효율을 제시하여 선박 운항자의 의사결정을 지원하여 운항효율을 개선하고자 한다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.35-56
• /
• 2023

정보통신 기술의 발전에 따라 웹 사이트에는 수많은 리뷰가 지속적으로 게시되고 있다. 이로 인해 정보 과부하 문제가 발생하여 사용자들은 본인이 원하는 리뷰를 탐색하는데 어려움을 겪고 있다. 따라서, 이러한 문제를 해결하여 사용자에게 유용하고 신뢰성 있는 리뷰를 제공하기 위해 리뷰 유용성 예측에 관한 연구가 활발히 진행되고 있다. 기존 연구는 주로 리뷰에 포함된 특성을 기반으로 리뷰 유용성을 예측하였다. 그러나, 예측한 리뷰가 왜 유용한지 근거를 제시할 수 없다는 한계점이 존재한다. 따라서 본 연구는 이러한 한계점을 해결하기 위해 리뷰 유용성 예측 모델에 eXplainable Artificial Intelligence(XAI) 기법을 적용하는 방법론을 제안하였다. 본 연구는 Yelp.com에서 수집한 레스토랑 리뷰를 사용하여 리뷰 유용성 예측에 관한 연구에서 널리 사용되는 6개의 모델을 통해 예측 성능을 비교하였다. 그 다음, 예측 성능이 가장 우수한 모델에 XAI 기법을 적용하여 설명 가능한 리뷰 유용성 예측 모델을 제안하였다. 따라서 본 연구에서 제안한 방법론은 사용자의 구매 의사결정 과정에서 유용한 리뷰를 추천할 수 있는 동시에 해당 리뷰가 왜 유용한지에 대한 해석을 제공할 수 있다.

• 벤처창업연구
• /
• 제18권4호
• /
• pp.1-20
• /
• 2023

본 연구는 액셀러레이터의 투자결정요인과 투자성과의 관계를 실증 분석을 통해 규명하고자 했다. 문헌 고찰을 통해 투자 결정요인은 4개 차원과 12개 측정항목을 추출하였으며, 투자성과는 선행연구에 기반해 후속 투자 누적 유치 금액으로 분석하였다. 자료 수집을 위해 상대적으로 신뢰도가 높고 데이터 확보가 용이한 2017~2019년 팁스(TIPS) 선정 기업 594개 사의 실적 데이터를 수집하였고, 종속변수인 후속 투자 누적 유치 금액은 투자 이후 3년 뒤인 2020~2022년 실적 데이터를 수집 후, 다중회귀분석(Multiple Regression Analysis)를 통해 가설검증하였다. 연구 결과 창업자의 특성에서는 '산업 경험 연수', 시장특성에서는 '시장 규모', '시장 성장성', '경쟁 강도,' , 제품·서비스 특성에서는 '특허 건수'가 유의한 정(+)의 영향을 미쳤고, 재무적 특성에서는 '영업이익'이 통계적으로 유의하였으나 부(-)의 영향을 미치어 종속변수에 영향이 없는 것으로 분석되었다. 종속변수에 미치는 독립변수의 영향도는 시장특성의 경쟁 강도가 가장 큰 영향을 미쳤으며, 산업 경험 연수, 특허 건수, 시장 규모, 시장 성장성 순이였다. 이는 정성적 연구 방법 중심의 기존 선행연구 결과와 상이하였는데 대부분의 선행연구에서는 '창업자의 특성' 중요도가 가장 높았으나, 실증 분석 결과는 '시장특성' 이였다. 하위요인으로는 기존 선행연구의 중요도에서 뒷순위였던 경쟁 강도가 실증 분석에서는 가장 큰 영향을 미쳤다. 본 연구의 학술적 의의는 액셀러레이터 투자 결정요인의 실증 연구가 부족한 상황에서 594개의 실증 표본을 수집 및 구축하는 구체적인 방법론을 제시하였고, 인과관계의 실증 연구를 통해 투자 결정요인의 이론적 논의의 확대 계기를 만들었다는 것이다. 실무적으로는 액셀러레이터가 가지고 있는 스타트업의 정보 비대칭성과 불확실성으로 인해 경험에 의존한 투자 결정이라는 한계를 극복하고 투자 결정요인의 체계적인 모델 확립을 통한 효과적인 투자의사 결정에 도움을 줄 수 있을 것이다.

• Korean Chemical Engineering Research
• /
• 제58권4호
• /
• pp.588-595
• /
• 2020

지속적으로 강화되는 환경오염 물질 배출 규제로 인해, 질소 산화물(NO_x)의 배출량 예측 및 관리는 산업 현장에서 많은 관심을 받고 있다. 본 연구에서는 인공지능 기반 질소산화물 배출량 예측모델 개발을 위한 연구모형을 제안하였다. 제안된 연구모형은 데이터의 전처리 과정부터 인공지능 모델의 학습 및 평가까지 모두 포함하고 있으며, 시계열 특성을 가지는 NO_x 배출량을 예측하기 위하여 순환 신경망 중 하나인 Long Short-Term Memory (LSTM) 모델을 활용하였다. 또한 의사결정나무 기법을 활용하여 LSTM의 time window를 모델 학습 이전에 선정하는 방법을 채택하였다. 본 연구에서 제안된 연구모형의 NO_x 배출량 예측 모델은 가열로에서 확보한 조업 데이터로 학습되었으며, 최적 모델은 hyper-parameter를 조절하여 개발되었다. 개발된 LSTM 모델은 학습 데이터 및 평가 데이터에 대하여 모두 93% 이상의 NO_x 배출량 예측 정확도를 나타내었다. 본 연구에 제안된 연구모형은 시계열 특성을 가지는 다양한 대기오염 물질의 배출량 예측모델 개발에 응용될 수 있을 것으로 기대된다.

• 한국지리정보학회지
• /
• 제7권2호
• /
• pp.78-86
• /
• 2004

최근 무선 인터넷 및 통신기술의 눈부신 발달과 LBS(location bas외 service)개념을 기반으로 한 mobile GIS 기술 개발은 대규모 산불 발생시 정확한 현장 파악과 신속한 상황보고 뿐만 아니라 사고 예방과 분석 평가에 이르기까지 의사결정지원시스템으로 자리를 잡고 있다. 본 연구에서는 지상진화대의 정확한 위치와 이동상황을 실시간으로 파악하여 안전한 진화작업 유도 및 산불진화 환경정보를 제공을 목적으로 mobile GIS 기술 기반의 산불진화정보 관리시스템을 설계하고 네트워크 부하감소를 위하여 '.gci'라는 공간 데이터 압축기법을 개발하여 면, 선, 주기 데이터에 대하여 51~62%의 높은 압축률을 구현하였다. 따라서 대규모 산불 발생시 일어날 수 있는 안전사고를 미연에 방지하고 사고 발생시 신속한 후속조치로 안전하고 과학적인 산불진화 업무를 수행할 수 있도록 하였다.