• 대한교통학회지
• /
• 제34권2호
• /
• pp.158-167
• /
• 2016

본 연구는 실시간 자료를 기반으로 k-NN을 활용한 단기 교통상황 예측 시 각 단계별 세부절차 및 변수결정, 입력자료 구축 등의 각 단계별 잠재적 예측오차에 대한 원인분석 및 시사점 도출을 목적으로 한다. 다양한 단기 예측모형에 대한 선행연구 검토를 통하여 k-NN 모형의 유용성을 검토하였고 이에 대한 적용가능성을 분석하였다. 본 연구의 k-NN 모형은 이력자료 평활화 및 패턴DB 구축의 입력자료 부분, 실시간 자료와 과거 이력자료와의 유사성 측정 및 k 근접이웃 결정 등의 k-NN 알고리즘 부분, 그리고 예측 시간간격에 따른 출력결과 부분 등으로 구성되며 올림픽대로 김포방향 한강대교 남단~여의상류IC 구간을 대상으로 분석을 실시하였다. 교통자료의 불규칙 잡음으로 인하여 정확한 패턴매칭을 위해서 이력자료의 평활화를 실시하였으며, 이력자료 패턴 DB는 일반 및 이벤트 상황으로 구분하여 활용하였다. 최적의 시계열 자료 및 k 근접이웃 결정을 위해서 시행착오 방법을 적용하였으며, 단기 교통상황 예측 시 예측 시간간격이 증가할수록 예측오차가 증가하는 패턴, 그리고 교통상태가 급변하는 시점에서도 예측오차가 증가함을 알 수 있었다. 본 연구의 k-NN 모형에 대한 각 단계별 예측오차에 대한 원인을 분석하여 개선방향을 제시함으로써 향후 신뢰성 있는 단기 교통상황예측 정보제공 및 시스템에 활용이 가능할 것으로 판단된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.638-639
• /
• 2011

전력수요는 여러 가지 사회, 경제, 기상 등의 복합적인 요인에 의해 결정되므로 예측하기 쉽지 않다. 수요 예측 시스템을 통해 예측된 결과는 예측일의 상황에 맞는 여러 가지 예측과 관련된 변동 요인의 적용범위가 수치적으로 달라 질 수 있어 예측 데이터와 실제 수요와의 오차율이 높아질 수 있다. 따라서 전력수요 실적과 예측간 오차에 영향을 주는 변동 요인의 영향력을 분석하고, 예측일의 상황에 맞게 적절한 수치의 변수를 예측 시스템에 제공하여 예측의 정확성을 향상시키는 방안에 대하여 알아보았다.

• 한국정보전자통신기술학회논문지
• /
• 제3권4호
• /
• pp.28-34
• /
• 2010

본 논문은 인체의 생체 신호를 이용하여 응급상황을 예측할 수 있는 의료정보 시스템을 제안한다. 기존의 응급상황 관리를 위한 연구들은 대부분 바디 센서 네트워크를 중심으로 연구되고 있다. 이들 연구의 문제점은 응급상황이 발생한 후에 단순히 응급상황만을 전달하기 때문에 실제 상황이 발생하여 응급조치까지는 시간이 걸리는 응급조치 지연문제를 가지고 있다. 이러한 문제는 환자들에게 심하면 치료 불능상태에서 사망에까지 이르게 할 수 있다. 이러한 문제를 해결 하기위해서는 응급상황이 발생하기 전까지의 사전 응급징후를 파악하여서 신속히 응급조치를 할 수 있도록 응급상황에 대한 예측이 필요하다. 이를 위해서 본 논문은 센서 네트워크 기술, 인터넷 정보검색 기술, 데이터 마이닝 기술 및 의료정보와 개인정보 보호를 위한 보안 기술을 융합하여 응급상황을 예측할 수 있는 의료정보 시스템을 제안하고자 한다.

• 한국ITS학회 논문지
• /
• 제20권5호
• /
• pp.100-112
• /
• 2021

빅데이터의 등장과 더불어 교통 상태 예측은 과거 이력 데이터 분석 방식에 힘을 싣고 발전되어 왔으나, 이 방법은 관측된 적 없는 돌발 상황에 충분히 대응하지 못한다는 약점이 있다. 본 연구에서는 기계학습과 시뮬레이션 기법의 융합을 통해 돌발 상황 발생 시 교통 상태 예측 정확도 감소를 보완할 수 있는 예측 기법을 제시한다. 데이터 기반 방식의 맹점은 과거에 관측된 적 없는 데이터 패턴이 인지되었을 때 드러난다. 본 연구에서는 시뮬레이션을 이용하여 과거 이력 데이터를 보강하는 방법으로 문제를 해결하고자 하였다. 제시한 방법은 기계학습 기반의 교통 예측을 수행하고, 예측 결과와 실시간으로 수집되는 교통 데이터를 지속적으로 비교하여 돌발 상황 발생 여부를 판단한다. 돌발 상황이 인지되었을 시, 시뮬레이션을 통해 생성한 데이터베이스를 활용하여 예측을 수행한다. 본 연구에서 제시한 방법은 실제 도로 구간을 대상으로 검증되었으며, 검증 결과 돌발 상황에서의 교통 상태 예측 정확도 향상을 확인할 수 있었다. 본 연구에서 제시한 융합 교통 예측 방법은 향후 교통 예측 고도화에 이바지할 수 있을 것으로 전망된다.

• 한국시뮬레이션학회논문지
• /
• 제19권3호
• /
• pp.127-135
• /
• 2010

최근의 현대화된 다양한 항해장비들로 인해 선박에 있는 항해사들은 위험상황 인식에 도움이 될 수 있는 정보들을 획득할 수 있게 되었다. 하지만, 이러한 유용한 도구들에도 불구하고 항해사들은 여전히 안전항행을 위한 의사결정에 어려움을 겪고 있는데, 이는 다양한 장비들이 제공하는 선박 내 외 상황에 관한 많은 양의 데이터를 지속적으로 관찰해야 한다는 항해사의 부담과 여러 장비 간 정보의 불일치성 때문이다. 실제로, 많은 해양 사고가 항해사의 부주의에 의해 일어나고 있다는 것이 이미 잘 알려져 있다. 따라서, 항행 상황의 일부 정보만을 제공하는 보조 장비를 넘어서 항해사의 의사결정을 도울 수 있는 지원도구가 요구되고 있다. 시뮬레이션은 의사결정을 지원 할 수 있는 기술 중 하나며, 선박에서의 실시간 주변상황에 대한 종합적인 평가 및 예측 가능한 시스템은 항해사의 안전항행에 대한 의사결정에 도움을 줄 수 있다. 이 논문은 선박을 위한 항행안전정보 시스템에서의 위험 상황 예측을 위한 시뮬레이션 방안에 관한 연구로서, 다양한 지식 베이스 및 이산 사건 시뮬레이션 방식을 활용한 시스템 전체 구성 방법을 제안하고 제한된 항행상황 시나리오에서의 구성 요소들의 예시를 통해 시스템의 타당성을 보인다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2018년도 추계학술대회
• /
• pp.275-277
• /
• 2018

선박 및 해상교통관제에 있어서 교통 혼잡구역에 대한 선박교통밀도 예측은 선박충돌사고 예방에 중요하다. 선박 교통밀도 예측정보는 사전에 진입하는 선박들에게 속력조정, 우회항로 이용 등 사전 조치가 가능하다. 본 연구에서는 해상 선박교통상황을 딥러닝 네트워크에 학습한 주의구역 선박교통류 예측 모델(Ship Traffic Extraction Network, STENet)을 제안하여 주의구역의 선박교통류 예측을 수행하고자 한다. STENet 모델 학습을 위해 여수해역 AIS 데이터를 전처리하고, 생성된 입력(해상교통상황)-출력(주의구역 교통밀도) 쌍 데이터를 적용하여 STENet 모델을 학습하였다. 학습된 모델을 이용하여 선박교통류 예측을 한 결과, 중기예측은 표준 절대 오차(mean absolute error)가 0.4-0.5척이 였으며, 장기예측은 0.7-0.8척의 오차로 기존의 Dead Reckoning에 의한 방법보다 50% 이상 교통밀도 예측성능이 향상 되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.109-111
• /
• 2014

본 논문에서는 노드의 속성정보를 통해 노드의 움직임을 예측하는 PPoP(The Path Prediction algorithm based on Probability) 알고리즘을 제안한다. 기존 이동 예측 알고리즘들은 GPS(Global Positioning System)를 사용해 노드의 이동을 학습을 통해 패턴화 하여 예측한다. 이때, 노드들이 이동 패턴을 벗어날 경우 예측률이 떨어진다. 따라서 본 논문에서는 스테른 게를라흐의 실험(Stern-Gerlach experiment)을 분석하여 노드의 이동성을 예측하는 알고리즘을 제안한다. 본 논문에서 제안된 알고리즘에서는 노드의 이동 경로를 staore-carry-forward 방식으로 상황 인지에 의한 경로 설정 변경 예측 방법으로 이동 예측 확률 기법이다. 모의실험 결과 제안한 방법을 사용하여 노드의 이동성 및 패턴을 벗어난 상황에서도 노드의 예측 하고자 한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 추계학술대회
• /
• pp.73-75
• /
• 2022

본 논문에서는 자율운항선박의 예측 가능한 운항 경로 상에 잠재된 비상상황을 인식하기 위하여 운항 해역의 항적 정보를 활용한 방안과 이를 기반으로 충돌 위험과 같은 비상위험을 식별하는 프레임워크를 설계하였다. 설계한 프레임워크는 크게 항적 특성 분석 모듈, 항로예측 모듈, 위험 식별 모듈로 구성된다. 항적 특성 분석 모듈에서는 자율운항선박의 운항 해역에 관한 선박들의 항적 정보를 활용하기 위하여, 대상 VTS 관제 영역 내에서 취합된 누적 선박자동식별장치(AIS) 데이터를 이용하여 선박의 항적 특성을 분석하여 데이터베이스(DB)를 생성하였다. 그리고 운항 경로 예측 모듈에서는 누적된 항적 정보와 자율운항선박의 현재 운항 정보를 기반으로 특정 시간 동안의 운항 경로를 예측하기 위한 학습 네트워크 모델을 구성하였다. 마지막으로, 위험 식별 모듈에서는 예측한 운항 경로 상에 최근접점과 최근접점 거리 정보를 이용하여 충돌 위험 가능성이 있는 충돌위험영역을 식별하였다. 설계한 프레임워크는 자율운항선박의 육상 관제소에서 원격 제어를 통해 위험상황을 인지하고 회피할 수 있는 정보를 제공할 수 있음을 실제 항적 데이터를 활용하여 그 결과를 검증하였다.

• 한국통신학회논문지
• /
• 제32권6B호
• /
• pp.375-381
• /
• 2007

본 연구는 상황 인지 서비스 구현의 다양한 기술 요소 중, 추론 및 예측 기술에 초점을 둔다. 대표적인 예측 알고리즘에는 베이시안 네트워크가 있으나 상황 인지 시스템을 구현할 때 그 구조를 실제로 구현하는 것은 매우 복잡한 일이며 실시간 환경에서 트레이닝 데이터 처리에서 오는 시간 지연 문제 등이 발생하게 된다. 또한 특정 목적의 상황 인지 시스템에서 이 알고리즘이 어느 정도 예측 정확도와 신뢰도를 가지고 상황 정보와 부합하는지 역시 미지수이다. 본 논문에서는 가장 간단한 알고리즘인 순차적 매칭 알고리즘에 캐시 기법을 이용한 위치 예측 알고리즘을 제안한다. 이러한 접근 방식을 통해 알고리즘 수행 시 처리 시간을 캐시 기법을 사용하지 않았을 때 보다 평균적으로 48.7%를 줄이게 된다. 이는 사용자의 습관이나 행동 양식을 고려함으로써 상황 인지 시스템의 상황 정보와 부합하기 때문이라 할 수 있다.

• 한국화재소방학회논문지
• /
• 제27권6호
• /
• pp.122-128
• /
• 2013

본 연구는 2010년 1월 1일부터 2011년 12월 31일까지 2년간 119구급대로 이송된 병원 전 제세동 가능한 심정지 환자를 대상으로 연구를 진행하였으며 연구대상자들의 구급활동일지와 구급지령서를 분석하였다. 119구급상황관리센터 상황요원(Dispatcher)이 가장 많이 예측한 지령은 실신으로 74건(33.3%)이었다. 다양하게 예측된 지령 중 실신, 흉통, 전신쇠약, 기타와 같은 지령은 심정지로 예측 불가능한 지령으로 112건(50.5%)을 차지하였으며, 심정지로 예측 가능한 의식장애, 호흡곤란, 무호흡, 심정지, 경련과 같은 지령은 110건(49.5%)을 차지하였다. 이 때 심정지로 예측 가능한 지령에서 목격자의 심폐소생술이 유의하게 높았다. 이와 같이 상황요원은 환자의 의식평가와 호흡평가를 구체적으로 질문하여 심정지를 정확하게 분류해야하며, 이렇게 분류된 심정지 환자는 목격자가 심폐소생술을 할 수 있도록 지도해야 한다. 또한 상황요원에 의해 심정지로 예측 가능한 지령(49.5%)을 받은 구급대원뿐만 아니라 심정지로 예측 불가능한 지령(50.5%)에서도 심정지가 아니라고 정확하게 판단되지 않았다면 현장 구급대원은 심정지 상황에 대비하여 현장출동 준비를 해야 한다.