• 지능정보연구
• /
• 제21권4호
• /
• pp.1-16
• /
• 2015

교통사고의 원인을 규명하고 미래의 사고를 방지하기 위한 노력의 일환으로 데이터 마이닝 기법을 이용한 교통 데이터 분석의 연구가 이루어지고 있다. 하지만 기존의 교통 데이터를 이용한 마이닝 연구들은 학습된 결과를 사람이 이해하기 어려워 분석에 많은 노력이 필요하다는 문제가 있었다. 본 논문에서는 많은 속성들로 표현된 교통사고 데이터로부터 유용한 패턴을 발견하기 위해 규칙 학습 기반의 데이터 마이닝 기법인 연관규칙 학습기법과 서브그룹 발견기법을 적용하였다. 연관규칙 학습기법은 비지도 학습 기법의 하나로 데이터 내에서 동시에 많이 등장하는 아이템(item)들을 찾아 규칙의 형태로 가공해 주며, 서브그룹 발견기법은 사용자가 지정한 대상 속성이 결론부에 나타나는 규칙을 학습하는 지도학습 기반 기법으로 일반성과 흥미도가 높은 규칙을 학습한다. 규칙 학습 시 사용자의 의도를 반영하기 위해서는 하나 이상의 관심 속성들을 조합한 합성 속성을 만들어 규칙을 학습할 수 있다. 규칙이 도출되고 나면 후처리 과정을 통해 중복된 규칙을 제거하고 유사한 규칙을 일반화하여 규칙들을 더 단순하고 이해하기 쉬운 형태로 가공한다. 교통사고 데이터를 대상으로 두 기법을 적용한 결과 대상 속성을 지정하지 않고 연관규칙 학습기법을 적용하는 경우 사용자가 쉽게 알기 어려운 속성 사이의 숨겨진 관계를 발견할 수 있었으며, 대상 속성을 지정하여 연관규칙 학습기법과 서브그룹 발견기법을 적용하는 경우 파라미터 조정에 많은 노력을 기울여야 하는 연관규칙 학습기법에 비해 서브그룹 발견기법이 흥미로운 규칙들을 더 쉽게 찾을 수 있음을 확인하였다.

• 디자인학연구
• /
• 제16권4호
• /
• pp.185-196
• /
• 2003

WTO출범 이후 저에너지 소모, 저공해, 무공해 등의 환경친화적 운송수단의 발달이 요구됨과 동시에 세계적으로 고속전철기술의 지속적 발전과 시장 확대가 전망됨에 따라 프랑스, 독일, 일본 등과 같은 철도선진국들은 철도기술 개발에 막대한 기술 투자비를 투입하여 기술 우위를 유지하기 위해 노력을 경주하고 있다. 이러한 기술환경 변화에 적극적으로 대응함과 동시에 좁은 국토에서 도로정체에 의한 물류비 증가와 환경오염, 국민생활의 불편 등으로 인한 사회ㆍ경제적 손실을 최대한 억제하고, 국가경쟁력 제고와 환경친화적인 철도 발전을 이끌기 위해 고속전철기술에 대한 독자적 개발 능력은 절실히 요구되고 있다. 이와 같은 요구에 의해 1996년부터 2002년까지 6년간 수행된 G7 고속전철기술개발사업은 350km/h급 고속전철의 독자적인 설계, 엔지니어링 및 제작 능력을 배양하고, 2000년대 차세대 한국형 고속전철을 실현하기 위한 연구개발 프로그램이다. 본 고에서는 G7 고속전철기술개발사업에서 수행된 연구내용 중 차량시스템 엔지니어링기술개발과제의 디자인부문 개발 성과를 요약 소개하였다. 철도선진국에서는 차량설계 초창기부터 디자인 측면의 검토가 매우 활발히 이루어지고 있는 반면, 국내 철도차량개발에 있어 디자인 측면의 검토는 미비하고 소홀히 다루어지고 있는 것이 현실이었다. 하지만 본 사업에서는 차량개념설계 단계부터 디자인전문가들의 적극적인 참여를 통해 국내 철도차량디자인 개발의 새로운 전기를 마련하였을 뿐만 아니라 새로운 차량디자인의 수요에 능동적으로 대처할 수 있는 기반을 구축하였다. 한국형 고속전철시스템의 디자인 컨셉은 한국의 자연조건과 기술환경에 적합한 보다 빠르고, 보다 쾌적하고, 보다 조용한 한국 고유형 고속전철과 그 여행문화를 이루어내는 것이다. 고속전철의 한국 고유성이란 주로 승객의 고속전철여행을 통해서 인식되어지는 것이다. 따라서 우선적으로 한국의 행동양식과 생활문화를 고려한 일반 객실의 단면개념을 기준으로 공기역학적으로 유리한 단면 외형 형상을 구현하는 한편, 터널 개활지 주행 최적화를 위한 전두부 공력형상 구현, 차체 단면적 축소와 곡선화를 통한 공력저항 최소화, 인간공학적 실내 설계 및 부속실의 편의성 도모, 외관통합 색채디자인 등을 통해 한국 고유형 고속전철 차량 디자인을 개발하였다.