• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.661-664
• /
• 2020

본 논문에서 우리는 선박의 이동 경로를 예측하기 위하여, 해상 영역을 분할하고, 분할된 영역을 기반으로 선박의 목적지를 예측하는 방법을 제안한다. 해상 영역을 분할하기 위하여 과거 이동 경로를 토대로 생성된 목적지 후보들을 군집화한다. 그리고, 선박이 이동할 목적지 영역을 예측하기 위해서 현재 위치에서 주어진 경로의 선형 여부와 향후 예측 시간에 따른 불확실성에 따라 다른 예측 방법을 적용한다. 예측에 사용하는 방법에는 선형 영역에서는 등속 운동을 가정한 선형 예측 방법, 불확실성이 높은 비선형 영역에서는 과거 경로 중 유사한 경로와 비슷한 움직임을 보일 것이라고 가정한 유사 경로 이용 예측 방법을 사용한다. 실험 결과에서 해당 방법이 선형 예측, 유사 경로 이용 예측 방법을 단독으로 적용하는 것에 비해 더 우수함을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.111-112
• /
• 2015

본 논문에서는 Delay Tolerant Networks(DTNs)에서 Markov chain으로 노드의 속성 정보 변화율을 분석하여 노드의 이동 경로를 예측하는 알고리즘을 제안한다. 기존 DTN에서 예측기반 라우팅 기법은 노드가 미리 정해진 스케줄에 따라 이동한다. 이러한 네트워크에서는 스케줄을 예측할 수 없는 환경에서 노드의 신뢰성이 낮아진다. 본 논문에서는 일정 구간의 노드의 속성 정보의 시간에 따른 변화율을 Markov chain을 이용하여 노드의 이동 경로를 예측하는 알고리즘을 제안한다. 제안하는 알고리즘은 노드의 속성 정보 중 노드의 속도와 방향성을 근사한 후, 변화율을 분석하고 이로부터 Markov chain을 이용하여 확률전이 매트릭스를 생성하여 노드의 이동 경로를 예측하는 알고리즘이다. 주어진 모의실험 환경에서 노드의 이동 경로 예측을 통해 중계 노드를 선정하여 라우팅 함으로써 네트워크 오버헤드와 전송 지연 시간이 감소함을 보여주고 있다.

• 한국통신학회논문지
• /
• 제33권5A호
• /
• pp.536-541
• /
• 2008

우리에게 다가온 4G 차세대 이동통신 시스템은 유 무선 네트워크의 통합과 더불어 이동성의 증가와 고속 데이터 전송(음성 및 멀티미디어 데이터)을 제공하는 형태로 진화해 나갈 것이다. 여기에서 이동성 지원의 가장 핵심이 될 수 있는 것은 바로 이동하고 있는 단말의 경로 예측이며, 실제로 무선망이 처음 소개되면서 이에 대한 연구가 활발히 있었으나 실제 이동 환경에 적용하기에는 위험부담이 크기 때문에 적용하기가 쉽지 않았다. 본 논문에서는 이러한 문제를 고려하여 기존의 이동성 예측 알고리즘을 기반으로 Signaling Power Level 비교 및 Speed 기반의 예측 기법을 도입하여 실제 환경에 최적화 되어진 예측 알고리즘을 제안하였다. 그리고 기존 예측 알고리즘과 제안하고 있는 예측 알고리즘을 OPNet 시뮬레이션을 통해 비교하여 보았다.

• 한국지능시스템학회논문지
• /
• 제15권4호
• /
• pp.457-466
• /
• 2005

본 논문에서는 다중 입$\cdot$출력을 갖는 이동 로봇의 경로 추종을 위해 웨이블깃 신경 회로망에 기반한 예측 제어 방법을 제안한다. 제안된 방법에서 상태 예측기로는 학습 능력이 뛰어난 신경 회로망의 특성 및 웨이블릿 분해의 특성을 합성한 웨이블릿 신경 회로망을 사용한다. 예측기는 경사 하강법을 사용하여 웨이블릿 신경회로망의 출력에 대한 실제 이동 로봇의 상태 오차를 최소화하도록 학습된다. 또한 이동 로봇의 제어 신호인 직진 속도 및 각속도는 추종하고자 하는 기준 경로에 대한 이동 로봇의 예측 상태 오차를 이용하여 정의된 비용 함수를 최소화하도록 구해진다. 컴퓨터 모의 실험에서 변화되는 기준 경로에 대한 경로 추종 성능을 통해 제안한 예측 제어 시스템의 적용 가능성 및 효율성을 보인다.

• 한국공간정보시스템학회 논문지
• /
• 제8권2호
• /
• pp.109-120
• /
• 2006

본 논문에서는 도로 네트워크에서 이동하는 객체들의 미래 경로를 예측하는 방안에 대하여 다룬다. 기존의 대부분 미래 예측 기법들은 유클리드 공간에서 이동하는 객체들을 대상으로 한다. 그러나 텔레매틱스 등 다양한 응용에서 객체들은 도로 네트워크 상에서 이동하는 경우가 많으므로 이를 위한 미래예측 방법이 요구된다. 본 연구에서는 질의 객체의 현재까지의 이동 궤적과 유사한 경향을 가지는 과거 궤적들을 분석함으로써 이 객체의 미래 경로를 예측하는 기법을 제안한다. 우선, 도로 네트워크의 특성을 반영하여 궤적들의 유사도를 측정하는 새로운 함수를 제안한다. 이 함수를 이용하여 주어진 이동 객체의 미래 경로를 다음과 같이 예측한다. 먼저, 이동 객체 데이터베이스 내의 과거 궤적들을 대상으로 주어진 질의 궤적과 유사한 부분 궤적을 갖는 후보 궤적들을 검색한다. 그 다음, 검색된 후보 궤적들의 현재 위치 이후부터 목적지까지의 이동 경로를 분석함으로써 객체의 미래 이동 경로를 예측한다. 작은 차이를 갖는 이동 경로들을 같은 그룹으로 간주함으로써 경로 예측의 정확성을 높이는 방안을 제안한다.

• 한국지능시스템학회논문지
• /
• 제16권2호
• /
• pp.185-190
• /
• 2006

유비쿼터스 컴퓨팅에서 대부분의 시스템들이 개인화된 추천을 위하여 사용자와 성향이 비슷한 사람들의 컨텍스트 정보를 분석하는데 인구통계학적 방법이나 협력적 필터링을 주로 사용한다. 서비스 추천 시스템들은 컨텍스트 정보 중에서 성별, 나이, 직업, 구매이력 등의 정적 컨텍스트를 주로 사용하고 있다. 그러나 이러한 시스템은 이동경로 같은 사용자의 상황을 고려하기가 어렵기 때문에 개인의 성향을 정확하게 분석하여 실시간으로 개인화된 추천 서비스를 제공하는데 한계가 있다. 본 논문에서는 사용자의 상황을 고려하기 위해 동적 컨텍스트 중에서 사용자의 이동경로를 이용한다. 이동경로의 예측 정확도를 높이기 위해 RSOM의 입력으로 들어가는 이동경로를 경로보정 알고리즘을 사용하여 보정한다. 그리고 보정된 경로를 RSOM으로 학습시켜 사용자의 이동패턴을 분석하고 향후 이동경로를 예측한 후, 사용자의 선호도가 높은 상품들 중에서 예측 경로 상에 있는 가장 가까운 상품을 실시간으로 추천한다. 제안한 방법의 예측 정확도를 측정한 결과 MAE가 평균 0.5 이하로 측정됨으로써 사용자의 이동경로를 올바르게 예측할 수 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.587-590
• /
• 2020

스마트폰, GPS 장비, 위치 기반 소셜네트워크의 발달로 방대한 이동 경로 데이터 수집이 가능하게 됐다. 이를 통해 다양한 분야에서 GPS 데이터를 가지고 사람의 이동성을 분석하고 POI를 예측하는 기회가 많아졌다. 실생활에서 사람의 이동성은 다양한 상황에 영향을 받지만, 실제 GPS 데이터는 위치, 시간 정보의 수준이다. 따라서 다양한 상황을 내재하는 정보가 사람의 이동성 분석과 POI 예측에 필요하다. 본 논문에서는 POI의 순위, 사용자의 POI 활동, 카테고리 선호도 같은 맥락적 특징을 이용하여 이에 관련된 상황에 맞는 POI 시퀀스를 예측하는 Contextual LSTM 기반 딥러닝 기법을 제안한다. Contextual LSTM은 사람의 이동성에 영향을 주는 시퀀스의 맥락적 특징을 모델에 통합하기 위해 LSTM을 확장한다. 제안된 기법은 HITS 알고리즘과 여러 제약조건 기반으로 추출한 맥락적 특징별로 딥 러닝 모델에 통합하여 각각 POI 시퀀스를 검출했으며, 다양한 맥락적 특징에 대해서 공공 데이터와 수집한 데이터로 평가하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2004년도 추계학술대회
• /
• pp.139-148
• /
• 2004

사용자의 지리적 위치에 따른 서비스를 제공하는 위치기반서비스는 유비쿼터스 컴퓨팅의 중요한 응용으로 여러 위치 감지기술과 다양한 시험 및 상용 서비스들이 개발되어 왔다. 하지만 기존의 위치기반서비스는 단순히 위치와 서비스를 정적으로 연결하는 기법에 그치고 있어 서비스의 유연성이 떨어지는 한계가 있다. 이를 개선하기 위해 위치 정보로부터 고수준 정보를 추론하여 보다 지능적인 서비스를 제공하려는 연구들이 이루어지고 있다. 본 논문에서는 사용자의 위치이동 데이터를 학습하여 미래의 위치 이동 경로를 예측하는 기법을 제안한다. GPS(Global Positioning System)를 사용하여 수집된 시퀸스 데이터를 시퀸스 데이터 처리에 특화된 RSOM (Recurrent Self Organizing Map)을 사용하여 클러스터링하고 이를 마르코브 모델을 사용하여 학습하여 각 위치 이동 패턴 모델을 구축한다. 현재의 위치이동 패턴을 구축된 각 이동패턴 모델들과 비교하여 가장 유사한 위치 이동패턴으로 미래의 사용자이동을 예측한다. 제안한 위치이동 예측 기법을 평가하기 위해 실제 대학생의 생활을 기반으로 하여 GPS 데이터를 대학 캠퍼스 상에서 수집하고 이를 이용하여 제안한 방법의 학습 및 예측 성능을 평가한다. 그 결과 제안한 방법을 사용하여 사용자의 미래의 위치이동경로를 예측하는 것이 가능하고 불확실한 상황에서도 유연하게 예측을 수행함을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.156-158
• /
• 2022

차량이 사용자에게 다양한 서비스를 제공하기 위해서 차량의 위치 정보를 요구하는 환경에서 차량의 위치를 예측해 미리 알 수 있다면 높은 품질의 서비스를 만드는 것에 도움이 된다. 차량은 도시 환경에서 비교적 느린 속도를 갖는다는 특징이 있고 차량의 위치를 표시하는 방법도 여러 가지다. 본 논문은 Long Short-Term Memory(LSTM)을 사용해 차량의 이동 경로를 예측하는 과정에서 이동 속도와 위치 표현 방법이 미치는 영향을 분석하였다. 실험 결과 차량의 속도가 증가할수록, 차량의 이동 표현 방법이 세밀할수록 차량 이동 경로 예측이 어렵다는 것을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.264-266
• /
• 2022

전파 지문 기반의 실내 경로 생성 기술에 RNN 모델을 적용하기 위해서는 데이터 세트가 연속적이고 순차적이어야 한다. 그러나 Wi-Fi 전파 지문 데이터는 수집 시점의 특정 위치에 대한 특징 정보로서 연속성이 보장되지 않기 때문에 RNN 데이터로는 부적합하다. 따라서 순차적 위치의 연속성 정보를 부여해야한다. 이를 위해서는 신호 데이터를 기반으로 각 지역의 구분을 통해 클러스터링이 가능하다. 이때 클러스터 간의 연속성 정보에는 전파 신호의 한계로 이해 실제 이동이 가능한지의 정보를 담지 못한다. 따라서 인접 클러스터간의 이동이 가능한지에 대한 연관성 정보가 필요하다. 본 논문에서는 딥러닝 네트워크인 순환신경망(RNN) 모델을 사용해 이동 중인 객체의 경로 예측을 위한 기술로서 실내 환경에서 경로 생성을 위해 연속적인 위치 정보를 생성하여 객체의 경로 예측 시 발생할 수 있는 오류를 낮추고 예측 경로상의 이동이 불가능한 잘못된 경로 예측을 회피할 수 있는 향상된 이동 경로 생성을 위한 클러스터링 상호간의 연관성을 부여하는 기법을 제안한다.