• Proceedings of the KAIS Fall Conference
• /
• 2008.05a
• /
• pp.248-250
• /
• 2008

This paper proposes a prediction method to prevent traffic accident and reduce to vehicle waiting time using neural network. Computer simulation results proved reducing average vehicle waiting time which proposed coordinating green time better than electro-sensitive traffic light system dose not consider coordinating green time. Moreover, we present neural network approach for traffic accident prediction with unnormalized (actual or original collected) data. This approach is not consider the maximum value of data and possible use the network without normalizing but the predictive accuracy is better. Also, the unnormalized method shows better predictive accuracy than the normalized method given by maximum value. Therefore, we can make the best use of this model in software reliability prediction using unnormalized data. Computer simulation results proved reducing traffic accident waiting time which proposed neural network better than conventional system dosen't consider neural network.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.178-180
• /
• 2021

In this paper, we design a system to monitor environmental data in fish farms in real-time and provide machine learning-based prediction services to prevent damage on fish farms caused by changes in the sea environment. The proposed system will install an IoT device module consisting of sensors that can measure hydrogen concentration, salinity, dissolved oxygen, and water temperature, which can be transferred to Cloud DB using LTE or LoRa communication technology and then monitor the real-time condition through a web or mobile application. In addition, it has a function to prepare for changes within the environment of fish farms by applying machine learning-based prediction technology using collected data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.350-353
• /
• 2019

4차 산업혁명 시대에 접어들면서 제조업은 공장 내 설비와 기계에 Arduino 센서를 설치하여 데이터를 실시간으로 수집, 분석하는 스마트 팩토리로 전환되었다. 이에 Digital Twin이라는 개념이 생겨난다. Digital Twin이란 컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션 함으로써 결과를 예측하는 기술을 말한다. 본 논문에서는 제조환경에서 발생할 수 있는 물리적인 동작 환경을 시뮬레이션하고, PLC 데이터와 수집된 센서 데이터를 이용하여 실시간으로 공정과정을 모니터링할 수 있는 Virtual Digital Twin System을 제안한다. 본 시스템은 PLC Hardware와 Arduino 센서, 사용자가 접근할 수 있는 PC 및 Web Page로 이루어진다. 제조환경에서의 PLC Hardware를 3D 모델링하여 제공한다. 또한 기기에 부착되어있는 Arduino 센서에서 발생하는 데이터를 수집하고, 분석하여 후에 발생할 수 있는 결함에 대하여 대처할 수 있도록 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.556-558
• /
• 2024

오늘날 클라우드 컴퓨팅은 FIFA, WTA, F1, MLB등과 같은 비디오 및 실시간 스포츠 이벤트에 널리 사용된다. DataM에 따르면 비디오 스트리밍 플랫폼 시장은 545억 달러에서 2,523달러에 달할 것으로 예측된다. 기존 실시간 스트리밍 방법은 스트리밍 비디오의 개수가 증가하고나 스트리밍 이용자가 증가할 경우 성능 저하 문제가 발생한다. 본 논문에서는 Apache Kafka Server를 활용한 대규모 비디오 스트리밍 기법을 제안한다. Apache Kafka Server를 사용하여 네트워크를 수집하면 대규모 데이터를 처리할 수 있으며, 데이터의 안정성과 실시간 처리를 할 수 있어 온라인 비디오 스트리밍에 적합하다. 이에 비디오 품질을 선택할 때 적합한 비디오 품질을 선택할 수 있다. 향후 제안하는 기법은 많은 데이터와 실험으로 실질적인 검증을 할 예정이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1042-1045
• /
• 2013

정보기술의 발달로 전 세계에서 발생하는 사건 사고들은 실시간으로 확인 가능하며 정보의 중요성은 더욱 더 중요해지고 있다. 이런 사회 현상에 맞춰 인적자원 솔루션에서도 빅 데이터 분석 기술을 이용하여 인적자원 의사결정에 도움을 주는 기술이 필요하게 되었다. 따라서 본 논문에서는 빅 데이터 분석 기술을 이용하여 인사채용과 관련된 데이터들을 추출하고 분석하여 구직자의 적성과 능력에 맞는 직업을 예측하는 시스템을 설계하였다. 구직자 및 이직을 원하고 있는 사람들이 소셜 네트워크 서비스를 이용하면서 사용하고 있는 특정 단어와 특정 단어의 언급 빈도의 데이터를 추출하고 추출 된 데이터는 통계를 내어 데이터의 특성에 맞게 분류하여 분류된 데이터는 연관된 속성에 의해 그룹화 한다. 그룹화 된 정보를 분석하여 구직자의 적성과 능력을 고려한 직업을 예측하는 정보로 도출하여 직업을 추천 할 수 있는 예측 시스템을 설계하였다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.25 no.6
• /
• pp.1399-1410
• /
• 2015

Gartner is requiring companies to considerably change their survival paradigms insisting that companies need to understand and provide again the upcoming era of data competition. With the revealing of successful business cases through statistic algorithm-based predictive analytics, also, the conversion into preemptive countermeasure through predictive analysis from follow-up action through data analysis in the past is becoming a necessity of leading enterprises. This trend is influencing security analysis and log analysis and in reality, the cases regarding the application of the big data analysis framework to large-scale log analysis and intelligent and long-term security analysis are being reported file by file. But all the functions and techniques required for a big data log analysis system cannot be accommodated in a Hadoop-based big data platform, so independent platform-based big data log analysis products are still being provided to the market. This paper aims to suggest a framework, which is equipped with a real-time and non-real-time predictive analysis engine for these independent big data log analysis systems and can cope with cyber attack preemptively.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.124-124
• /
• 2016

하천에서의 분변성대장균은 분변성 오염 정도를 나타내는 지표로서, 이 농도가 높을수록 오염된 하천수와의 접촉을 통한 호흡기, 소화기 및 피부 관련 질병의 발발 확률이 높다고 알려져 있다. 따라서 하천에서의 수영, 수상스키 등과 같은 입수형 친수활동을 할 때, 분변성대장균 농도가 농도 기준 이하인지를 확인하고 이러한 정보를 친수활동에 이용할 필요가 있다. 그러나 분변성대장균의 경우, 현재 자동수질측정망에서 측정되고 있는 다른 수질인자들과는 달리 실시간 측정이 불가능하다고 알려져 있다. 분변성대장균을 측정하는데 있어 최소 18시간 이상이 필요하며, 이러한 분변성대장균 측정 방식은 하천 이용자들이 안전한 친수활동을 영위하는데 있어 적절한 수질 정보를 제공하지 못한다. 그러므로 분변성대장균을 예측하는 모델을 개발하고, 이를 이용하여 실시간 분변성대장균 정보를 생성하여 하천 이용자들에게 제공할 필요가 있다. 본 연구에서는 친수활동이 활발하게 이루어지는 곳 중 하나인 북한강의 대성리 지점에 대해 데이터 기반 모델을 이용하여 분변성대장균을 예측하였다. 데이터 기반 모델은 물리 기반 모델에서 필요한 지형데이터나 비점오염원 등의 초기 오염물의 양에 대한 데이터를 필요로 하지 않고, 대신 독립변수로 사용되는 기상 및 수질데이터를 필요로 한다. 이러한 기상 및 수질데이터는 기존 기상관측소, 수질관측소에서 매일 자동으로 측정되기 때문에 데이터 기반 모델은 물리 기반 모델에 비해 입력데이터를 구성하기가 쉽다는 장점을 지닌다. 이러한 데이터 기반 모델 중 분류 모델은 회귀 모델과 달리 분변성대장균 농도가 일정 수질기준 이상을 넘는지를 바로 예측할 수 있다. 본 연구에서는 분류 모델 중 높은 예측력을 가진다고 알려진 랜덤포레스트(random forest) 기법을 이용하여 분변성대장균 예측 모델을 개발하였다. 분변성대장균 예측 모델은 주어진 기상 및 수질 조건에 대해 분변성대장균이 200 CFU/100ml가 넘는지를 예측하였다. 예측된 분변성대장균이 기준을 넘는 경우를 2등급, 넘지 않는 경우를 1등급으로 명명하였다. 모델을 개발하기 위하여 북한강 대성리 인근 측정소에서 2010년부터 2015년까지 측정된 기상 및 수질데이터를 수집하였다. 수집한 데이터를 훈련 및 검증데이터로 샘플링하였으며, 이 때 샘플링한 데이터가 기존 데이터가 가지고 있던 등급별 비율을 유지하기 위하여 층화샘플링을 하였다. 본 연구에서는 샘플링에 의한 불확실성을 줄이기 위하여 랜덤하게 50번 샘플링된 각각의 훈련데이터에 대해 모델을 개발하였다. 50개의 모델의 검증 결과를 종합한 결과, 전체 예측률은 0.139로 나타났다.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.2
• /
• pp.57-64
• /
• 2021

This study presents a method for realtime fuel consumption prediction using real data collected from OBDII. With the advent of the era of self-driving cars, electronic control units(ECU) are getting more complex, and various studies are being attempted to extract and analyze more accurate data from vehicles. But since ECU is getting more complex, it is getting harder to get the data from ECU. To solve this problem, the firmware was developed for acquiring accurate vehicle data in this study, which extracted 53,580 actual driving data sets from vehicles from January to February 2019. Using these data, the ensemble stacking technique was used to increase the accuracy of the realtime fuel consumption prediction model. In this study, Ridge, Lasso, XGBoost, and LightGBM were used as base models, and Ridge was used for meta model, and the predicted performance was MAE 0.011, RMSE 0.017.

• KIISE Transactions on Computing Practices
• /
• v.22 no.9
• /
• pp.455-460
• /
• 2016

Recently, with more severe types felonies such as robbery and sexual violence, the importance of crime prediction and prevention is emphasized. For accurate and prompt crime prediction and prevention, both a classification model of crime with high accuracy based on past criminal records and well-designed system interface are required. However previous studies on the analysis of crime factors have limitations in terms of accuracy due to the difficulty of data preprocessing. In addition, existing crime monitoring systems merely offer a vast amount of crime analysis results, thereby they fail to provide users with functions for more effective monitoring. In this paper, we propose a classification model for types of crime based on random-forest algorithms and system design factors for real-time crime prediction. From our experiments, we proved that our proposed classification model is superior to others that only use criminal records in terms of accuracy. Through the analysis of existing crime monitoring systems, we also designed and developed a system for real-time crime monitoring.

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.17-18
• /
• 2019

이 논문에서는 운전자들의 궤적을 예측하여 해당 도로의 돌발 이벤트와 같은 교통정보를 실시간으로 제공하기 위한 방법을 제안한다. 이를 위해서 운전자의 위치 데이터 수집 및 교통 정보 제공의 처리율을 높일 수 있는 이동 객체 및 교통 정보 관리 방법을 제안한다.