• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.689-689
• /
• 2012

ADCP는 하천 단면에서 매우 짧은 시간에 유속과 수심을 정밀하게 측정할 수 있어 재래식의 부자나 프라이스 유속계를 활용한 방식에 비해 유량 관측 정확도가 매우 높고 유체의 흐름장 분석 등 부가적인 정보를 제공하여 최근 국내외에서 매우 활발하게 이용되기 시작하였다. 또한 고정식 수위계나 유속계를 활용한 실시간 유량관측 시 요구되는 유량-수위관계곡선식 검보정에도 활용되고 있다. 하지만 ADCP는 난류나 하천 부유물, 낮은 수심 등으로 음향신호의 교란으로 인해 발생하는 관측 오차로 인해 유속이나 수심을 과다 혹은 과소 산정하여 유량 관측 정확도를 현저히 낮추는 경우가 종종 있어 왔다. 그리고 미세한 셀 단위의 유속 및 수심관측 자료와 측정되지 않은 수면, 바닥, 하안 부근의 영역을 고려한 ADCP 유량 관측 알고리즘의 복잡성으로 인해 일부 관측오차의 수정을 통한 유량 보정이 매우 까다로운 실정이다. 본 연구에서는 ADCP 제작사 별 유량 산정 알고리즘을 파악하여 유속 및 수심 자료의 보정을 통해 유량을 재계산할 수 있는 알고리즘을 계발하였다. 또한 ADCP의 에러속도를 기준으로 통계적인 방법을 통해 과다 혹은 과소 산정된 유속을 필터링하고 수심을 보정하는 알고리즘을 개발하여 원 관측값의 정확도를 높였고 보정된 관측값을 유량 산정에 반영시켜 유량 관측 정확도를 향상시키고자 하였다. 본 알고리즘은 국내외에 다양한 현장조건에서 관측된 ADCP 자료를 바탕으로 적용되어 그 효용성을 입증하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.1
• /
• pp.133-138
• /
• 2020

This paper introduces a method for improving accuracy using the first convolution layer, which is not used in most modified CNN(: Convolution Neural Networks). In CNN, such as GoogLeNet and DenseNet, the first convolution layer uses only the traditional methods(3×3 convolutional computation, batch normalization, and activation functions), replacing this with RGB-csb. In addition to the results of preceding studies that can improve accuracy by applying RGB values to feature maps, the accuracy is compared with existing CNN using a limited number of images. The method proposed in this paper shows that the smaller the number of images, the greater the learning accuracy deviation, the more unstable, but the higher the accuracy on average compared to the existing CNN. As the number of images increases, the difference in accuracy between the existing CNN and the proposed method decreases, and the proposed method does not seem to have a significant effect.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.319-322
• /
• 2006

2002년 5월 촬영이 시작된 SPOTS 영상은 공간해상도가 2.5mX2.5m로 고해상도이면서도 촬영폭이 광역적이어서 다양한 활용이 가능하다. SPOT5영상을 보다 유용하게 활용하기 위해서는 단순 기하보정 보다는 높은 정확도를 얻을 수 있는 정사보정이 요구된다. 보정영상의 정확도에 영향을 미치는 요소로는 지형, GCP, DEM등이 있다. 본 연구에서는 다른 조건들은 동일하게 하고, 자료 구축에 많은 시간이 소요되는 DEM(수치표고모델)의 축척만을 달리하여 보정 영상의 정확도를 비교하였다. 그 결과 DEM의 축척 변화가 보정 영상에 미치는 영향은 미비한 것으로 나타났다. 따라서 작업의 효율성을 고려할 경우에 소축척의 DEM을 사용하는 것이 바람직하다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.919-921
• /
• 2005

본 논문은 전체 데이터베이스에서 일부 추출된 샘플 데이터에서 빈발항목 집합을 찾는 연관규칙 마이닝 알고리즘을 기술한다. 샘플링기술을 이용하면 마이닝과정에서 필요한 데이터베이스의 접근 양을 줄이므로써 실행시간을 단축시킬 수 있다는 장점이 있지만, 전체데이터베이스를 이용한 마이닝보다 정확도가 떨어진다는 단점이 함께 존재한다. 이전의 Chen의 FAST알고리즘은 샘플링을 이용한 마이닝과정에서 거리오차함수를 이용한 트리밍과정을 통해 빈발 1항목집합에 대한 정확도를 개선시켰다. 이후 IFAST 알고리즘은 트리밍과정에서 빈발2-항목집합까지 고려하여 빈발2-항목집합 이상의 빈발항목집합에서도 정확도를 개선시켰다. 본 논문에서는 트리밍과정에서 사용될 추정데이터를 여러 개의 샘플데이터를 이용하여 얻으므로써 오류항목집합(false itemset)의 수를 줄이고 전체적인 정확도를 향상시키는 새로운 알고리즘을 소개한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.399-400
• /
• 2009

무마커 기반 증강현실 응용에서 빠르고 정확한 무마커 추적이 수행되어야 한다. 무마커 추적은 등록된 패턴의 특징점들과 입력 영상에서의 특징점들의 매칭을 통하여 수행된다. 매칭에서 이상점은 시차를 크게 유발시키는 요인이 되므로 정확도 향상을 위해서는 이상점을 제거해야 한다. 본 논문에서는 무마커 추적의 정확도 향상을 위한 이상점 제거 방식을 제안한다. 무마커 추적에서 사용되는 SURF 알고리즘을 사용하여 실영상을 캡처하여 실험하였고 정확도 및 실행시간을 비교하였다.

• Journal of Korean Society of Transportation
• /
• v.33 no.1
• /
• pp.61-69
• /
• 2015

This study compares the forecasting accuracy of five econometric models on domestic total freight volume in South Korea. Applied five models are as follows: Ordinary Least Square model, Partial Adjustment model, Reduced Autoregressive Distributed Lag model, Vector Autoregressive model, Time Varying Parameter model. Estimating models and forecasting are carried out based on annual data of domestic freight volume and an index of industrial production during 1970~2011. 1-year, 3-year, and 5-year ahead forecasting performance of five models was compared using the recursive forecasting method. Additionally, two forecasting periods were set to compare forecasting accuracy according to the size of future volatility. As a result, the Time Varying Parameter model showed the best accuracy for forecasting periods having fluctuations, whereas the Vector Autoregressive model showed better performance for forecasting periods with gradual changes.

• Journal of Korean Society for Geospatial Information Science
• /
• v.10 no.3 s.21
• /
• pp.29-40
• /
• 2002

In photogrammetry, the accuracy is analyzed by using the coordinate of the targeted position determined by the geometric principle, thus, the reliability depends on the accuracy of the coordinate of the targeted position. Thereby, geographic surveying is essential to perform such tasks, and it requires approximately $30{\sim}50%$ of total cost and times to produce a finalized map. The main purpose of this study is to determine the configuration of the disposition of minimum datum points and their configuration, which were determined by surveying values available through using the structure of block model based on the aerotriangulation. ortho projection image was produce and digital topographic map was achieved by the optima model(CASE7). We also performed comparative analysis about the result of local datum point and the accuracy of overlapping based on the surveying results. Consequently, it is possible to analyze the unknown position accurately with the optimal model., CASE 7, which is the minimum datum points configuration required to block adjustment. Furthermore, this optimal model, which provides the minimum datum points, results costs and time saving effects compared to the previous methodology.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.21 no.3
• /
• pp.42-52
• /
• 2022

Bus Information System (BIS) services are expanding nationwide to small and medium-sized cities, including large cities, and user satisfaction is continuously improving. In addition, technology development related to improving reliability of bus arrival time and improvement research to minimize errors continue, and above all, the importance of information accuracy is emerging. In this study, accuracy performance was evaluated using LSTM, a machine learning method, and compared with existing methodologies such as Kalman filter and neural network. As a result of analyzing the standard error for the actual travel time and predicted values, it was analyzed that the LSTM machine learning method has about 1% higher accuracy and the standard error is about 10 seconds lower than the existing algorithm. On the other hand, 109 out of 162 sections (67.3%) were analyzed to be excellent, indicating that the LSTM method was not entirely excellent. It is judged that further improved accuracy prediction will be possible when algorithms are fused through section characteristic analysis.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.142-142
• /
• 2017

본 연구에서는 파프리카를 자동 수확하기 위한 시스템 개발의 일환으로 파프리카 재배환경에서 획득한 영상 내에 존재하는 파프리카 영역과 비 파프리카 영역의 RGB 정보를 입력으로 하는 인공신경망을 설계하고 학습을 수행하고자 하였다. 학습된 신경망을 이용하여 영상 내 파프리카 영역과 비 파프리카 영역의 구분이 가능 할 것으로 사료된다. 심층 신경망을 설계하기 위하여 MS Visual studio 2015의 C++, MFC와 Python 및 TensorFlow를 사용하였다. 먼저, 심층 신경망은 입력층과 출력층, 그리고 은닉층 8개를 가지는 형태로 입력 뉴런 3개, 출력 뉴런 4개, 각 은닉층의 뉴런은 5개로 설계하였다. 일반적으로 심층 신경망에서는 은닉층이 깊을수록 적은 입력으로 좋은 학습 결과를 기대 할 수 있지만 소요되는 시간이 길고 오버 피팅이 일어날 가능성이 높아진다. 따라서 본 연구에서는 소요시간을 줄이기 위하여 Xavier 초기화를 사용하였으며, 오버 피팅을 줄이기 위하여 ReLU 함수를 활성화 함수로 사용하였다. 파프리카 재배환경에서 획득한 영상에서 파프리카 영역과 비 파프리카 영역의 RGB 정보를 추출하여 학습의 입력으로 하고 기대 출력으로 붉은색 파프리카의 경우 [0 0 1], 노란색 파프리카의 경우 [0 1 0], 비 파프리카 영역의 경우 [1 0 0]으로 하는 형태로 3538개의 학습 셋을 만들었다. 학습 후 학습 결과를 평가하기 위하여 30개의 테스트 셋을 사용하였다. 학습 셋을 이용하여 학습을 수행하기 위해 학습률을 변경하면서 학습 결과를 확인하였다. 학습률을 0.01 이상으로 설정한 경우 학습이 이루어지지 않았다. 이는 학습률에 의해 결정되는 가중치의 변화량이 너무 커서 비용 함수의 결과가 0에 수렴하지 않고 발산하는 경향에 의한 것으로 사료된다. 학습률을 0.005, 0.001로 설정 한 경우 학습에 성공하였다. 학습률 0.005의 경우 학습 횟수 3146회, 소요시간 20.48초, 학습 정확도 99.77%, 테스트 정확도 100%였으며, 학습률 0.001의 경우 학습 횟수 38931회, 소요시간 181.39초, 학습 정확도 99.95%, 테스트 정확도 100%였다. 학습률이 작을수록 더욱 정확한 학습이 가능하지만 소요되는 시간이 크고 국부 최소점에 빠질 확률이 높았다. 학습률이 큰 경우 학습 소요 시간이 줄어드는 반면 학습 과정에서 비용이 발산하여 학습이 이루어지지 않는 경우가 많음을 확인 하였다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.34 no.6
• /
• pp.1873-1879
• /
• 2014

There are various methodologies to forecast the travel time using real-time data but the K-nearest neighborhood (KNN) method in general is regarded as the most one in forecasting when there are enough historical data. The objective of this study is to evaluate applicability of KNN method. In this study, real-time and historical data of toll collection system (TCS) traffic flow and the dedicated short range communication (DSRC) link travel time, and the historical path travel time data are used as input data for KNN approach. The proposed method investigates the path travel time which is the nearest to TCS traffic flow and DSRC link travel time from real-time and historical data, then it calculates the predicted path travel time using weight average method. The results show that accuracy increased when weighted value of DSRC link travel time increases. Moreover the trend of forecasted and real travel times are similar. In addition, the error in forecasted travel time could be further reduced when more historical data could be available in the future database.