• 한국융합학회논문지
• /
• 제11권9호
• /
• pp.109-115
• /
• 2020

자동차 디자인 산업의 끊임없는 발전에 따라 패스트백（Fastback）은 오늘날 자동차 외관 디자인의 트랜드가 되었고, 외제차 외관 디자인에도 중요한 영향을 미치게 되었다. 본 연구는 패스트백 디자인에 대한 자료정리, 분석검증을 통해 이러한 디자인 스타일의 기본적인 규칙과 특징을 정리하고자 한다. 이로써 패스트백 스타일을 향후 외제차 외관 디자인에 더 잘 응용하는 데 필요한 기초 연구를 제공하고자 한다. 첫째, 문헌연구법을 통해 패스트백 디자인의 정의, 기원과 역사를 정리하고 분석한다. 둘째, 비교연구법을 통해 패스트백 디자인과 노치백 디자인의 각각의 특징 및 장단점을 비교 분석한다. 셋째, 사례분석법을 통해 패스트백 디자인의 분류와 유형별 특징을 연구한다. 마지막으로 패스트백 디자인이 미래 차 외관 디자인에 미치는 영향 및 구체적인 디자인 방법을 종합적으로 정리한다. 향후 자동차 외관 디자인 분야에서 패스트백 스타일의 발전 추이를 예측한다. 본 연구를 통해 패스트백과 관련한 역사적 발전, 패스트백 스타일의 특징과 장점(기능성, 경제성, 심리학적 관점에서)을 정리하였다. 이로써 패스트백 스타일에 관한 체계적인 연구이론을 정립함으로써, 앞으로 패스트백 디자인 연구에 기초적인 연구자료로 제공하고자 한다. 다음 단계에서는 본 연구에 대한 심층적이고 세부적인연구를 진행하여, 패스트백 스타일 중 유형별 자동차 제조업체가자체적 필요에 따라 세분화한 차별화된 디자인 특징을 분석 및 연구하고자 한다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.161-177
• /
• 2015

정보기술의 빠른 진화, 빅데이터의 등장, 분석기법의 고도화 등으로 인해 다량의 데이터로부터 의미있는 정보를 추출하는 데이터마이닝을 다양한 영역에 활용하고자 하는 시도들이 활발히 진행되고 있다. 그 중의 한 분야가 농산물 유통영역인데, 농산물에 대한 지속적인 수요 증가와 전자경매의 활성화 등으로 수도권 농산물 도매시장에서만도 연간 수천만건 이상의 거래가 이루어 진다. 그러나 급속한 거래량 증가와 더불어 과거로부터 관행적으로 이루어지고 있는 부정거래도 함께 증가하고 있는데 거래참가자들 사이의 결탁에 의해 발생하는 농산물 도매시장의 부정거래는 점차 지능화되는 추세이며, 이들을 감지하고 적발하기가 매우 어려운 실정이다. 이로 인해 농산물 유통환경의 공정거래 질서는 침해되고 시장에 대한 신뢰는 훼손되곤 한다. 따라서 거래투명성을 제고하고 유통비리를 구조적으로 개선하기 위한 과학적이고 자동화된 부정탐지시스템의 필요성이 어느 때보다도 절실히 요구되는 상황이다. 본 연구에서는 데이터마이닝의 의사결정나무를 이용하여 실제 발생하지 않은 거래를 실물 없이 거래한 것처럼 조작하여 대금을 정산하는 행위인 허위거래를 탐지하는 모형을 제시하였다. 이를 위해 실제 농산물 도매시장의 데이터를 수집하였고, 데이터의 정제 및 표준화 등의 선행작업을 수행하였다. 또한 변수 간의 상관관계 및 분포도 분석 등을 통해 데이터의 특성을 파악한 후 예측모형을 구축하여 허위거래와 정상거래를 분류하는 패턴을 도출하였으며, 최종적으로 시험용 데이터를 이용하여 모형을 평가하는 단계를 거쳐 결과의 적합성을 확인하였다. 향후 데이터마이닝을 이용한 부정탐지 모형을 허위거래뿐만 아니라 낙찰부정, 경매조작 등과 같이 다양화되는 부정거래에 적용하게 되면 보다 지대한 효과를 거둘 수 있으리라 사료된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.139-161
• /
• 2019

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.