• 한국멀티미디어학회논문지
• /
• 제11권5호
• /
• pp.597-609
• /
• 2008

기존의 배경 모델링 방법은 배경 모델의 반복적 갱신(recursive update)으로 인해 배경보다 객체가 더 자주 등장하는 혼잡한 환경에서는 정확한 배경 모델링을 생성하기 어려운 문제를 지니고 있다. 본 논문은 이러한 기존 방법의 문제를 해결하기 위해 기존의 혼합 Gaussian 모델을 기반으로 하는 적응적 배경 모델링 방법을 제안한다. 제안한 방법은 영상 내 전경 영역의 비율에 따라 배경 모델의 학습 비율을 적응적으로 조절한다. 따라서, 혼잡 상황에서는 배경 모델의 갱신을 억제하여 배경 모델을 잘 유지시키는 것이 가능하다. 실험을 통해 제안한 방법이 일반적인 상황의 영상에서는 기존 방법과 유사한 정확도를 보이지만 혼잡한 상황에서는 기존 방법과 비교하여 배경 제거를 효과적으로 수행하는 것을 확인하였으며, 또 정확도 측정 결과 혼잡한 상황의 영상에서 기존 방법과 비교하여 F 값이 5-10% 가량 향상함을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.435-438
• /
• 2007

움직이는 객체를 검출하기 위해서 정확한 배경을 사용하기 위해 널리 사용되는 방법으로는 가우시안 혼합 모델이다. 가우시안 혼합 모텔은 확률적 학습 방법을 사용하는데, 이 방법은 움직이는 배경일 경우와 이동하던 물체가 정지하는 경우 배경을 정확히 모델링하지 못한다. 본 논문에서는 확률적 모델링을 통해 혼잡한 배경을 모델링하고 객체의 계층적 처리를 통해 보다 정확한 배경으로 갱신할 수 있는 학습 방법을 제안한다.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.387-391
• /
• 2008

움직이는 객체를 검출하기 위해서 정확한 배경을 사용하기 위해 널리 사용되는 방법으로는 가우시안 혼합 모델이다. 가우시안 혼합 모델은 확률적 학습 방법을 사용하는데, 이 방법은 움직이는 배경일 경우와 이동하던 물체가 정지하는 경우 배경을 정확히 모델링하지 못한다. 본 논문에서는 확률적 모델링을 통해 혼잡한 배경을 모델링하고 객체의 계층적 처리를 통해 보다 정확한 배경으로 갱신할 수 있는 학습 방법을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(D)
• /
• pp.343-347
• /
• 2010

TFMCC(TCP-Friendly Multicast Congestion Control)방식은 equation 기반의 멀티캐스트 혼잡 제어 메커니즘으로 TFRC(TCP-Friendly Rate Control) 프로토콜을 유니캐스트에서 멀티캐스트 도메인으로 확장한 방식이다. TFMCC 방식은 현재 무선 환경에 적용 시 유선 환경에서의 혼잡에 의한 패킷 손실뿐만 아니라, 무선 환경에서 무선 링크 에러를 네트워크의 혼잡으로 인식하며, single-rate 멀티캐스트 혼잡제어의 특성인 가장 낮은 수신단의 성능으로 전체 네트워크 전송률이 급격히 저하된다. 이에 본 논문에서는 무선 환경에서의 TFMCC의 성능 향상을 위해 네트워크의 무선 환경의 손실률과 유선 환경 손실률을 모델링하여 구분한 ARC(Analytical Rate Control)의 TCP 전송률 equation 을 TFMCC에 맞게 적용하였으며, 멀티캐스트 도메인에서 전송률 제어 시 무선 손실률을 별도로 고려하는 방식(M-ARC)을 제안하였다. 또한 성능 평가를 위해서 시뮬레이션 한 결과 무선 환경을 고려한 M-ARC(Multicast-Analytical Rate Control)가 기존의 TFMCC에 비해 더 높은 전송률을 유지함을 볼 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.283-289
• /
• 2005

Background Subtraction은 움직이는 물체 검출에 가장 많이 사용되는 방법 중 하나이다. 배경이 복잡하고 변화가 심한 경우, 배경을 실시간으로 얼마나 정확하게 학습하는가가 물체 검출의 정확도를 결정한다. Gaussian Mixture Model은 이러한 배경의 모델링에 가장 많이 쓰이는 방법이다. Gaussian Mixture Model은 확률적 학습 방법을 사용하는데, 이러한 방법은 물체가 자주 지나다니거나 물체가 멈춰있는 경우, 배경을 정확하게 모델링하지 못한다. 본 논문에서는 밝기 값에 대한 확률적 모델링과 밝기 값의 변화에 따른 처리를 결합하여 혼잡한 환경에서 배경을 정확하게 모델링할 수 있는 학습 방법을 제안한다.

• 한국시뮬레이션학회논문지
• /
• 제19권4호
• /
• pp.31-41
• /
• 2010

지금까지의 함정과 관련된 연구들은 전술 체계 및 함정 개발 위주로 진행되어 왔으며 승조원의 거주 생활 환경 개선에 대한 연구는 부족했다. 본 연구 대상인 함정 crew mess room은 승조원 불특정 다수가 이용하는 함정 내 대표적인 복지 시설물로 기존의 전술 전략 중심의 모델링 및 시뮬레이션 방법론의 적용은 어려움이 있다. 이에 시설물의 혼잡도 평가 및 운용 시나리오 검증을 위한 3차원 이산 사건 시뮬레이션 기반의 시뮬레이션 모델링 프레임워크를 제안하고 구체적인 사례를 통해 대기시간 이동시간, 이동거리 등의 결과 분석을 통해 이를 검증하였다. 제안한 혼잡도 평가 시뮬레이션 프레임워크는 함정 crew mess room과 같은 복지성격의 시설물의 모델링 및 시뮬레이션을 적용하기 위한 절차 및 시스템 구성 요소를 포함하고 있으며 이는 향후 시뮬레이션 연구 수행에 가이드 역할을 수행할 수 있다.

• 한국정보처리학회논문지
• /
• 제6권4호
• /
• pp.977-987
• /
• 1999

현행 교통 신호 제어기는 사전에 계획된 신호 시간 체계 또는 시간대별로 선택되는 방법을 취하고 있다. 이와 같은 신호 체계는 교통 상황 변화에 적절하게 대응하기 어려운 문제점을 갖고 있다. 특히, 혼잡 상황과 같은 문제들은 이진 논리로써 해결하기 어렵다. 따라서, 본 논문에서는 교통 혼잡 상황에 신속하게 대처할 수 있는 신호기 제어 시스템을 제안하였다. 본 논문에서 제안한 제어기는 불확실성 및 퍼지환경에서 작동한다. 따라서, 도로의 혼잡 상황을 퍼지 논리를 사용하여 표현하고 퍼지 추론기에 의해 신호 시간을 결정하도록 하였다. 본 논문에서 제안한 신호기 제어 시스템의 타당성을 검증하고자 페트리네트를 이용하여 모델링 하였다.

• 사물인터넷융복합논문지
• /
• 제6권3호
• /
• pp.1-6
• /
• 2020

본 논문은 평균 객체 전송 지연 시간에 대한 기존의 모델들을 하나의 프레임워크로 통합하고 실제 계산 경험을 통해 결과를 분석하는 것을 목표로 한다. 해석적 객체 전송 지연 시간 모델은 다중 패킷 손실과 작은 혼잡제어 윈도우로 인해 빠른 재전송이 불가능한 멀티홉 무선 네트워크를 위시한 사물 인터넷(IoT) 환경을 가정한다. 이 모델은 또한 초기 혼잡 윈도우 크기와 하나의 혼잡 윈도우에서의 다중 패킷 손실을 고려한다. 성능평가에 의하면, 전송 객체 크기와 패킷 손실률이 작은 경우 평균 객체 전송 지연의 하한값과 상한값은 거의 동일하다. 그러나 패킷 손실률이 커지면 초기 혼잡 윈도우의 크기와 왕복 시간이 평균 객체 전송 지연의 상·하한값에 영향을 미치는 것으로 나타났다.

• 한국전자통신학회논문지
• /
• 제2권1호
• /
• pp.10-18
• /
• 2007

본 논문에서는 MTS(Multiple Time Scale) 트래픽 제어 프레임워크를 TCP(Transfer Control Protocol) 기반의 신뢰할 수 있는 전송 및 윈도우 기반 혼잡제어로 확대 적용한다. 이 작업은 TCP의 대역폭 소비 반응의 적극성을 LTS 네트워크 상태의 함수 형태, 즉 RTT(Round-Trip Delay Time)가 결정한 피드백 루프의 한계를 넘어서는 정보의 형태를 조정하는 LTS(Large Time Scale) 모듈과 TCP를 연계시키는 방법으로 수행된다. 혼잡 제어 성능 평가 방식은 자기 유사성 네트워크 트래픽의 물리적 모델링으로부터 얻은 시뮬레이션 기반 하에서 결과를 나타낸다. 자기 유사 버스트 환경 하에서 RTT가 450ms일 때 소스 트래픽이 초과되지 않는 경우에 TCP-SSC(Selective Slope Control)의 성능 이득은 각각 ${\alpha}$가 1.05일 45%정도 높아지는 반면에 ${\alpha}$가 1.95일 때는 20%정도의 성능 이득을 얻을 수 있다. 그러므로 비율 기반 피드백 혼잡 제어에 TCP-MTS를 적용함으로서 TCP-SCC 처리 이득의 성능이 약 2배정도의 개선이 이루어짐을 시뮬레이션 결과로부터 알 수 있다.

• 대한교통학회지
• /
• 제25권3호
• /
• pp.87-97
• /
• 2007

본 연구에서는 기존의 한정합리적인 모델에서 자주 언급된 운전자의 인지의 한계와 정보처리능력의 한계에 초점을 두어 운전자의 경로선택 행동에 대한 모델링과 정보제공에 따른 운전자의 교통환경에 대한 신념(belief) 형성과정을 살펴보기로 한다. 나아가 기존의 운전자의 기대형성 및 경로선택 행동에서 자주 인용된 모델들이 가지는 문제점과 현실에서 도입을 위한 한계점을 지적하고 실제의 도로 네트워크를 가정한 시뮬레이션을 통하여 운전자의 이질 성에 따른 경로선택 행동과 운전자의 도로 환경에 대한 신념 형성의 과정을 모델링 하였다. 본 연구를 통해 도로의 특성 및 운전자 그룹의 특성에 따라 운전자의 학습 과정과 정보의 가치가 달라짐을 확인 할 수 있었다. 먼저 교통량의 증가에 민감하게 도로의 혼잡이 심해지는 환경에서 정보의 효용이 커지는 것을 알 수 있었으며, 운전하는 횟수의 차이에 따라 정보의 가치가 차이가 남을 확인할 수 있었다. 나아가 한정된 교통환경하에서 매일 주행하는 운전자의 비율 차이가 운전자가 형성하게 되는 경로의 특성에 대한 신념의 차이로 이어짐도 확인할 수 있었다.