항공,관광서비스 산업의 새로운 경영 패러다임: Revenue Management : 일반국도의 교통특성에 따른 기능 분류

하정아,임성한,오주삼,김성현 한국항공경영학회 2006 한국항공경영학회 춘계학술대회 Vol.2006 No.-

나무에도 길이 있다

하정아 수필미학 2016 수필미학 Vol.13 No.-

공동크리깅 모형을 활용한 일반국도 연평균 일교통량 추정

하정아,허태영,오세창,임성한 한국ITS학회 2013 한국ITS학회논문지 Vol.12 No.1

연평균 일교통량(AADT)은 교통 및 도로부문에서 중요한 기초자료로 활용되지만 예산 제약 등의 한계로 인해 일부 지점에 대해서만 상시조사를 통해서 AADT를 산출하고 있으며, 대다수의 지점에서는 단기 교통량 조사에서 수집된 샘플 자료를 이용하여 AADT를 추정 활용하고 있다. 현재 단기 교통량 조사지점의 AADT 추정을 위하여 조사된 자료를 단순 평균하는 방법이 적용되고 있다. 기존 AADT 추정모형은 보정계수를 적용하는 방법이 대표적인 방법이나, 이 방법은 단기 교통량 조사 지점이 어떤 상시조사 지점의 보정계수를 적용할지에 대한 객관적인 방법이 없어 한계가 있다. 이에 본 연구에서는 공간통계모형을 도입하여 교통량 자료의 공간상관관계를 분석하고, 크리깅 모형을 적용하여 AADT를 추정하는 방법에 대하여 알아보았다. 공간통계모형의 AADT 추정의 정확도를 기존 연구와 비교하기 위하여 동일 대구간의 상시조사 지점의 보정계수를 적용하는 방법(방법 1)과 보정계수 그룹핑을 이용하여 해당 그룹의 보정계수를 적용하는 방법(방법 2), 공동크리깅을 적용한 방법(방법 3)을 비교분석하였다. 분석결과 공동크리깅을 적용한 모형은 기존 모형에 비해 AADT 추정 정확도가 향상되는 것으로 나타났다. Annual average daily traffic (AADT) serves the important basic data in transportation sector. Despite of its importance, AADT is estimated through permanent traffic counts (PTC) at limited locations because of constraints in budget and so on. At most of locations, AADT is estimated using short-term traffic counts (STC). Though many studies have been carried out at home and abroad in an effort to enhance the accuracy of AADT estimate, the method to simplify average STC data has been adopted because of application difficulty. A typical model for estimating AADT is an adjustment factor application model which applies the monthly or weekly adjustment factors at PTC points (or group) with similar traffic pattern. But this model has the limit in determining the PTC points (or group) with similar traffic pattern with STC. Because STC represents usually 24-hour or 48-hour data, it’s difficult to forecast a 365-day traffic variation. In order to improve the accuracy of traffic volume prediction, this study used the geostatistical approach called co-kriging and according to their reports. To compare results, using 3 methods : using adjustment factor in same section(method 1), using grouping method to apply adjustment factor(method 2), cokriging model using previous year's traffic data which is in a high spatial correlation with traffic volume data as a secondary variable. This study deals with estimating AADT considering time and space so AADT estimation is more reliable comparing other research.

일반국도 그룹핑과 시간 교통량 추이를 이용한 연평균 일교통량 추정

하정아,오세창 한국ITS학회 2012 한국ITS학회논문지 Vol.11 No.2

본 연구에서는 일반국도 수시조사 지점의 AADT 추정값의 정확도를 높이기 위하여 새로운 그룹핑방법을 제시하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정하므로 상시조사 지점을 그룹핑할 때 상기 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다. 이 방법은 기존의 월보정계수와 요일보정계수만을 이용하여 그룹핑한것과 비교하여 시간대별 교통량을 적용한 것에 있어서 차이가 있다. 그룹핑 결과 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타났다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 매우 크다고 판단된다. This study shows how to estimate AADT(Annual Average Daily Traffic) on temporary count data using new grouping method. This study deals with clustering permanent traffic counts using monthly adjustment factor, daily adjustment factor and a percentage of hourly volume. This study uses a percentage of hourly volume comparing with other studies. Cluster analysis is used and 5 groups is suitable. First, make average of monthly adjustment factor, average of daily adjustment factor, a percentage of hourly volume for each group. Next estimate AADT using 24 hour volume(not holiday) and two adjustment factors. Goodness of fit test is used to find what groups are applicable. MAPE(Mean Absolute Percentage Error) is 8.7% in this method. It is under 1.5% comparing with other method(using adjustment factors in same section). This method is better than other studies because it can apply all temporary counts data.

경증 치매노인을 위한 음악치료 프로그램에 관한 연구

하정아,PhD,CMT,이순화 대한음악치료학회 2007 KJMT Vol.6 No.2

본 연구는 음악치료 프로그램이 경증 치매노인들의 심리적, 신체적 기능에 어떠한 영향을 미치는가에 대하여 연구한 것이다. 연구의 대상은 1999년 7월부터 12월까지 서울시내 위치한 OO노인복지관에 거주하고 있는 경증 치매노인 15명을 대상으로 하여 율동을 중심으로 하는 음악치료 프로그램을 실시하였다. 음악치료의 목적은 치매노인들이 정서적,신체적인 불편에서 벗어나도록 하는 기능 회복에 초점을 맞추었다. 프로그램에 참여한 노인들은 전문의사에 의해서 경증 치매환자로 진단받은 노인들로 6개월 동안 실험기간을 정하여 실시하였다. 노인 7~8명씩 두 집단으로 나누어서 한 집단은 매일 15분간의 음악치료를 받은 실험집단으로, 한 집단은 한달에 한번만 음악치료를 받는 통제집단으로 구분하였다. 실험집단은 매일아침 오전 9시 40분경에 율동을 겸한 음악치료를 15분간 실시하였으며, 주 치료사는 일주일에 두번씩 세션을 진행하였다. 실험집단은 매일 음악치료 세션을 하기 전과 마친 후에 맥박을 측정하였다. 얼굴표정, 소근육, 대근육 운동을 준비된 평가표에 의해서 1주일에 두 번, 주 치료사에 의해 세션을 시행한 후에 평가하였다. 통제집단도 음악치료 세션을 실행할 때 실험집단과 같은 방법으로 맥박, 얼굴표정, 소근육, 대근육 운동을 측정하였다. 얼굴표정은 웃음짓기로, 소근육운동은 주먹 쥐었다 펴기로, 대근육운동은 양팔들기로 측정하였다 . 결과적으로 실험집단은 정서적 반응에 있어서 2.83에서 4.10으로 (약 49%증가), 소근육 운동의 신체적 기능은 2.67 에서 4.08로 약 (53%)증가, 대근육 운동의 신체적 기능은 2.50에서 3.68로 (약47% 증가)향상되었다. 그러나 통제집단은 정서적 반응에 있어서는 1.33에서 2.33으로 향상을 보였으나 (약75%로 증가), 소.근육 운동의 신체적 기능은 2.0에서 1.9로 (5%감소), 대.근육 운동의 신체적 기능은 1.33에서 1.23(약8%감소)으로 감소를보였다. 이는 실험집단이 통제집단보다 신체적 기능, 정서적 반응에 있어서 의미 있게 다룰 것으로 기대하였던 가설과 일치하는 것이다. 즉, 실험집단은 6개월동안 단계별로 나누어본 결과음악치료 세션의 횟수가 증가할 수록 신체적 기능과 정서적 반응이 점점 향상되었으나 통제집단의 경우, 정서적 반응은 의미 있게 향상되었지만 신체적 기능은 오히려 감소를 보였다. 결론적으로 경증 치매노인들에게 정서적, 신체적으로

탈근대주의와 과잉 식민성 혹은 신실증주의

하정일(河晸日) 새얼문화재단 2010 황해문화 Vol.68 No.-

연평균 일교통량 산정을 위한 다양한 크리깅 방법의 성능 평가에 대한 연구

하정아,오세창,허태영 대한교통학회 2014 大韓交通學會誌 Vol.32 No.4

Annual average daily traffic(AADT) serves as important basic data in the transportation sector. AADT is usedas design traffic which is the basic traffic volume in transportation planning. Despite of its importance, at mostlocations, AADT is estimated using short term traffic counts. An accurate AADT is calculated through permanenttraffic counts at limited locations. This study dealt with estimating AADT using various models considering boththe spatial correlation and time series data. Kriging models which are commonly used spatial statistics methodswere applied and compared with each model. Additionally the External Universal kriging model, which includesexplanatory variables, was used to assure accuracy of AADT estimation. For evaluation of various krigingmethods, AADT estimation error, proposed using national highway permanent traffic count data, was analyzed andtheir performances were compared. The result shows the accuracy enhancement of the AADT estimation. 연평균 일교통량(AADT)은 도로를 계획하고 설계하는데 있어 매우 중요한 기초자료로 활용된다. 상시 교통량 조사 자료는 연간 일교통량이 수집되어 AADT를 구할 수 있지만, 단기 교통량 조사(short-term traffic counts)의 경우특정 기간에만 조사되므로 AADT를 추정하여야 한다. 본 연구에서는 교통량 자료가 시공간적 특성을 동시에 지닌다는 점에 착안하여 공간통계방법을 이용하여 AADT를 추정하였다. 공간통계모형 중 보편적으로 이용되는 크리깅 모형을 적용하였으며, 여러 가지 크리깅 모형을 비교분석하였다. 또한 사회경제지표를 반영하여 AADT 추정 정확도를높이는 방법에 대하여 알아보았다. 모형의 비교평가를 위하여 일반국도 상시조사 자료를 이용하여 제안된 모형의AADT 추정오차를 분석하고, 적용된 다양한 크리깅 모형의 성능을 비교하였다. 이러한 연구결과는 AADT 추정 정확도를 향상시킴으로써 적정 수준의 교통시설 공급과 서비스 수준 향상에 기여할 것으로 기대된다.

일반국도 도로유형별 설계시간계수 특성에 관한 연구

하정아 한국ITS학회 2013 한국ITS학회논문지 Vol.12 No.2

설계시간계수는 계획목표연도의 연평균 일교통량에 대한 설계시간교통량의 비율로 정의되며 일반적으로 30번째 시간 순위 교통량이 이용되고 있다. 30번째 시간순위 교통량을 설계시간교통량으로 하는 경우 휴일교통량 및 명절교통량의 영 향을 크게 받아 과다설계될 수 있다. 보다 객관적인 K계수 산정은 연간 8,760시간의 모든 시간 교통량이 관측되어야 가능 하나 상시조사 지점 이외의 경우 사실상 불가능하다. 본 연구에서는 일반국도의 설계시간계수를 산출하기 위하여 30번째 시간순위 교통량을 적용하는 방법과 첨두시간교통량을 적용하는 방법, 그리고 내림차순으로 정렬된 시간순위 교통량의 곡선의 곡률을 이용하여 설계시간을 산출하는 방법으로 설계시간을 산출하고 산출된 설계시간계수를 비교분석하였다. 또 한 일반국도의 설계시간계수 특성을 살펴보기 위하여 도로를 3가지 유형으로 분류하고, 도로유형별 설계시간계수의 특성 을 알아보았다. 일반적으로 사용되고 있는 30번째 시간순위 교통량을 적용하는 방법과 비교하여 실제 시간순위 교통량의 곡선의 곡률이 어느 시간순위에서 변하는지를 알아보기 위하여 일반국도 상시조사 지점의 각 지점별 8,760시간 교통량 자 료를 활용하여 분석하였다. 분석결과 30번째 시간순위 교통량으로 산출한 설계시간계수가 타 방법과 비교하여 설계시간 계수를 높게 산출하는 것으로 나타났다. 또한 첨두시간 교통량으로 산출한 설계시간계수는 도로유형별 차이가 크지 않게 나타났다. 이는 첨두시간 교통량은 1년 교통량의 특성을 설명하기 어렵고, 30번째 시간순위 교통량은 휴일 및 명절교통량 의 영향이 크기 때문으로 분석된다. 시간순위 교통량의 곡선의 곡률을 이용한 방법으로 일반국도 설계시간계수를 산출한 결과 관광부를 제외하고 미국 도로용량편람과 다소 비슷한 수치를 나타내는 것으로 나타났지만 시간순위는 평균적으로 118번째 교통량이 적당한 것으로 분석되었으며 도로유형별로 차이가 크지 않은 것으로 분석되었다. Design Hourly Factor(DHF) is defined as the ratio of design hourly volume(DHV) to Average Annual Daily Traffic(AADT). Generally DHV used the 30th rank hourly volume. But this case DHV is affected by holiday volumes so the road is at risk for overdesigning. Computing K factor is available for counting 8,760 hour traffic volume, but it is impossible except permanent traffic counts. This study applied three method to make DHF, using 30th rank hourly volume to make DHF(method 1), using peak hour volume to make DHF(method 2). Another way to make DHF, rank hourly volumes ordered descending connect a curve smoothly to find the point which changes drastic(method 3). That point is design hour, thus design hourly factor is able to be computed. In addition road classified 3 type for national highway using factor analysis and cluster analysis, so we can analyze the characteristic of DHF by road type. DHF which was used method 1 is the largest at any other method. There is no difference in DHF by road type at method 2. This result shows for this reason because peak hour is hard to describe the characteristic of hourly volume change. DHF which was used method 3 is similar to HCM except recreation road but 118th rank hourly volume is appropriate.

좋은 수필 창작 가이드를 만나 글쓰기가 즐겁다 - 박양근의 《좋은 수필 창작론》

하정아 수필미학 2019 수필미학 Vol.23 No.-

푸른빛에 물들어 잠시 출렁이다

하정아 수필미학 2016 수필미학 Vol.14 No.-