http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 여화수(Hwasoo Yeo) (검색결과 15 건)
- 무료
- 기관 내 무료
- 유료
-
-
-
-
수요응답형 대중교통체계를 위한 클러스터링 기반의 다중차량 경로탐색 방법론 연구
김지후,김정윤,여화수,Kim, Jihu,Kim, Jeongyun,Yeo, Hwasoo 한국ITS학회 2020 한국ITS학회논문지 Vol.19 No.5
수요응답형 대중교통체계 시스템은 사용자의 요청에 따라 서비스 차량의 경로와 스케줄을 설정하는 유동적인 대중교통 서비스이다. 도시 지역에서 대중교통 시스템의 중요성이 증가함에 따라, 수요응답형 대중교통체계를 위한 안정적이고 빠른 경로탐색 방법의 개발 또한 다양하게 연구되고 있다. 본 연구에서는 빠르고 효율적인 다중차량경로 탐색을 위해, 수요 기종점들의 클러스터링 기술을 활용한 종점수요 우선탐색의 휴리스틱 방법이 제안되었다. 제안된 방법은 기종점 수요 분포가 무작위인 경우, 집중된 경우와 방향성을 가지는 경우에 대하여 테스트되었다. 제안된 알고리즘은 수요밀도의 증가로 인한 서비스 비율의 감소를 저감시키며, 계산 속도가 비교적 빠른 장점을 보인다. 또한, 다른 클러스터링 기반 알고리즘에 비해 수요밀도 증가에 따른 서비스 비율 감소율이 낮고, 차량 용량의 활용성이 개선된 반면, 차량 운행경로 길이의 증가로 승객의 차량 탑승시간은 상대적으로 증가하는 특성을 보인다. The Demand Responsive Transit (DRT) system is the flexible public transport service that determines the route and schedule of the service vehicles according to users' requests. With increasing importance of public transport systems in urban areas, the development of stable and fast routing algorithms for DRT has become the goal of many researches over the past decades. In this study, a new heuristic method is proposed to generate fast and efficient routes for multiple vehicles using demand clustering and destination demand priority searching method considering the imbalance of users' origin and destination demands. The proposed algorithm is tested in various demand distribution scenarios including random, concentration and directed cases. The result shows that the proposed method reduce the drop of service ratio due to an increase in demand density and save computation time compared to other algorithms. In addition, compared to other clustering-based algorithms, the walking cost of the passengers is significantly reduced, but the detour time and in-vehicle travel time of the passenger is increased due to the detour burden.
-
기계학습과 시뮬레이션 기법을 융합한 교통 상태 예측 방법 개발 연구
김예은,김성훈,여화수,Kim, Yeeun,Kim, Sunghoon,Yeo, Hwasoo 한국ITS학회 2021 한국ITS학회논문지 Vol.20 No.5
빅데이터의 등장과 더불어 교통 상태 예측은 과거 이력 데이터 분석 방식에 힘을 싣고 발전되어 왔으나, 이 방법은 관측된 적 없는 돌발 상황에 충분히 대응하지 못한다는 약점이 있다. 본 연구에서는 기계학습과 시뮬레이션 기법의 융합을 통해 돌발 상황 발생 시 교통 상태 예측 정확도 감소를 보완할 수 있는 예측 기법을 제시한다. 데이터 기반 방식의 맹점은 과거에 관측된 적 없는 데이터 패턴이 인지되었을 때 드러난다. 본 연구에서는 시뮬레이션을 이용하여 과거 이력 데이터를 보강하는 방법으로 문제를 해결하고자 하였다. 제시한 방법은 기계학습 기반의 교통 예측을 수행하고, 예측 결과와 실시간으로 수집되는 교통 데이터를 지속적으로 비교하여 돌발 상황 발생 여부를 판단한다. 돌발 상황이 인지되었을 시, 시뮬레이션을 통해 생성한 데이터베이스를 활용하여 예측을 수행한다. 본 연구에서 제시한 방법은 실제 도로 구간을 대상으로 검증되었으며, 검증 결과 돌발 상황에서의 교통 상태 예측 정확도 향상을 확인할 수 있었다. 본 연구에서 제시한 융합 교통 예측 방법은 향후 교통 예측 고도화에 이바지할 수 있을 것으로 전망된다. With the advent of big data, traffic prediction has been developed based on historical data analysis methods, but this method deteriorates prediction performance when a traffic incident that has not been observed occurs. This study proposes a method that can compensate for the reduction in traffic prediction accuracy in traffic incidents situations by hybrid approach of machine learning and traffic simulation. The blind spots of the data-driven method are revealed when data patterns that have not been observed in the past are recognized. In this study, we tried to solve the problem by reinforcing historical data using traffic simulation. The proposed method performs machine learning-based traffic prediction and periodically compares the prediction result with real time traffic data to determine whether an incident occurs. When an incident is recognized, prediction is performed using the synthetic traffic data generated through simulation. The method proposed in this study was tested on an actual road section, and as a result of the experiment, it was confirmed that the error in predicting traffic state in incident situations was significantly reduced. The proposed traffic prediction method is expected to become a cornerstone for the advancement of traffic prediction.
-
-
-
-
도시환경정보 기반의 데이터 큐브 모델을 이용한 이륜차 사고의 다차원 요인 분석
김유진(KIM, Yujin),노병준(NOH, Byeongjoon),여화수(YEO, Hwasoo) 대한교통학회 2022 대한교통학회지 Vol.40 No.3
교통사고는 전 세계적으로 대두되고 있는 사회적 문제이며, 매년 약 120만 명이 사망하고, 약 5,000만 명 이상이 상해를 입는다. 최근 ICT(Information Communication Technology) 등의 기술 적용 및 융합으로 교통사고의 전반적인 수치는 감소하는 추세에 있지만, 사고의 유형을 자세히 조망해보면, 일반 차량의 교통사고 추세와는 상이하게 국내 · 외 이륜차와 관련된 사고의 비율은 최근 5년간 증가하는 경향을 보이고 있다. 이륜차 사고의 주된 원인으로는 이륜차를 활용한 음식배달 온 · 오프라인(Online-to-Offline, O2O) 모빌리티 서비스의 성장 등을 들 수 있다. 타 교통수단 사고 분석은 다양한 측면에서 이루어져 왔지만, 최근 급격히 증가한 이륜차의 사고 원인 식별 및 분석은 아직 미비한 실정이다. 따라서 본 연구에서는 FASTA(Factor Analytic System for Two-wheeler Accident) 라고 하는 새로운 이륜차 사고 요인 분석 시스템을 제안한다. 본 연구의 핵심은 다차원 분석을 위한 데이터 큐브 모델을 설계하고, 여러 수준의 추상화 단계에서 온라인 분석 프로세스(OLAP) 연산을 통해 이륜차 사고에 대한 심층적인 분석을 수행하고, 데이터 마이닝 기법을 적용하여 사고에 영향을 미치는 요인을 정량적으로 분석하는 것이다. 본 실험에서는 시나리오 기반의 분석을 실시하였고, 제안된 시스템을 이륜차 사고 및 다양한 도시 환경적 요인과 함께 구현하고 적용함으로써 검증했다. 연구 결과는 질적, 양적 측면에서 토지이용, 음식점 수, 가구 형태 등의 주요 요인과 이륜차 사고와의 관계를 나타낸다. 제안된 분석시스템을 통해, 의사결정자들이 이륜차 사고에 대해 심층적으로 이해할 수 있고, 도로 환경을 더욱 안전하게 설계하고 계획하는 것에 기여할 수 있을 것으로 기대된다. Road traffic accidents (RTAs) have emerged a global problem, killing about 1.2 million people every year and injuring more than 50 million people. Recently, the overall number of traffic accidents has been on the decline due to technological advances such as ICT (Information Communication Technology), but the proportion of accidents related to two-wheeled vehicle has increased both domestically and externally over the past five years. One of the reasons is the rapid increase in two-wheeler accidents as online-to-offline (O2O) mobility services such as food delivery using two-wheeled vehicles have grown. Other transportation accident analysis has been conducted in various aspects, however, the identification and analysis of the cause of two-wheeler accidents which have increased rapidly in recent years are still sufficient. Reflecting this phenomenon, this study proposes a new factor analysis system for two-wheeler accidents, called FASTA. The keys of this study are to design a data cube model for multi-dimensional analysis, perform in-depth analysis of two-wheeler accidents by using on-line analytical processing (OLAP) operations with varying levels of abstraction, and apply data mining techniques to figure out the factors affecting such accidents. In our experiment, we conducted scenario-based analysis, and validated the proposed system by implementing and applying it with the two-wheeler accidents and the various social factors. The results represent the relationships two-wheeler accidents with major factors such as land use, the number of restaurants, and type of household in qualitative and quantitative perspectives. Through the proposed analysis system, we believe that decision-makers can gain a better understanding of two-wheeler accidents, and these insights would be reflected to design and plan the road environment safer.
-
송성준(Sungjun Song),김정윤(Jeongyun Kim),여화수(Hwasoo Yeo) 한국철도학회 2016 한국철도학회 학술발표대회논문집 Vol.2016 No.5
부품의 유지보수는 전체 시스템의 운영효율 및 안전과도 연결되는 매우 중요한 부분이다. 지금까지 국내외에서는 유지보수 방법을 발전시키기 위한 다양한 연구가 있었다. 이 중에서 상태기반 유지보수(Condition-Based Maintenance)는 기존의 유지보수 데이터와 다양한 센서 데이터를 분석하여 현재 및 미래 상태를 기반으로 유지보수 의사를 결정하는 유지보수 방법이다. 본 연구에서는 상태기반 유지보수를 철도분야에 도입하기 위한 유지보수 소프트웨어의 구성 방안을 제시하고자 한다. 철도분야에서 수집할 수 있는 다양한 형태의 데이터를 유지보수에 어떻게 활용할지 논의하고, 유지보수 최적화를 달성하기 위한 소프트웨어 각 모듈의 연결 방안을 제안한다. Maintenance of components is connected with not only system efficiency but users’ safety. In several countries, studies on the development of maintenance system is in progress. Condition-Based Maintenance(CBM) is one of the strategies that supports maintenance decision making process, which is based on condition information monitored by various sensors installed in the components of a system. This study proposes a program configuration plan for condition-based maintenance in railway field. This paper includes discussion of the application and analysis of various type of data which can be obtained from railway system, and suggestion of connections of functions to find out optimized maintenance action.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
