시계열 군집을 활용한 부산시 감염병 지원 정책 방향: COVID-19 사례를 중심으로

권현호 ( Hyeon-ho Kwun ) , 김도희 ( Do-hee Kim ) , 박찬호 ( Chan-ho Park ) , 이은주 ( Eun-ju Lee ) , 조기행 ( Kihaing Cho ) , 배혜림 ( Hye-rim Bae )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 125~138페이지(총14페이지)

COVID-19 확산 이후 국가 위기경보 단계가 최고 수준인 4단계로 올라갔다. 우리나라의 경우, 대구에서 발생한 집단 감염으로 인하여 경북지역에서 코로나 확진자가 급증하면서 전국적으로 확산되어 갔다. 코로나 확산에 따라 정부 및 각 지자체에서는 시민들의 불안감과 경제적 어려움을 해소하고자 지원 대책을 마련하였다. 부산시도 시민들의 정책 수요를 파악한 결과, 공공요금 인하, 기본소득 지급, 소상공인 경영지원 강화 등의 정책에 대한 수요가 다수를 차지하였다. 시민들의 수요를 바탕으로 본 연구에서는 코로나 전·후의 데이터를 패턴 분석하여 부산시 구/군별 업종별 시계열 군집화를 통해 경제적 지원에 있어 선제적 관점을 제공한다. 또한 향후 전염병과 재난 발생 시 예방 및 정책 방향을 설정하는 데 도움을 줄 수 있을 것이다.

TAG 코로나, 정책 지원, 패턴, 시계열 군집화, 예방, COVID-19, Policy Support, Pattern, Clustering, Preemptive

언택트 기술 환경에서의 지능형 헬스 어드바이저 모델 접근 방안

황태호 ( Tae-ho Hwang ) , 이강윤 ( Kang-yoon Lee )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 139~145페이지(총7페이지)

4차산업혁명 시대에 인공지능 API에 기반한 정보의 활용은 산업과 생활에 많은 영향을 주고 있다. 특히, 의료분야에서 인공지능을 이용한 데이터 활용은 사회에 많은 변화와 영향을 미칠 것이다. 이 논문은 “Cognitive Health Advisor model(CHA model)”을 구현하기 위하여 필요한 구성요소를 연구하고, 이를 기반으로 “chatbot이용한 CHA model”을 구현하는데 있다. 개방형 Cognitive 챗봇을 이용하여 일상 생활에서 변화되는 사용자의 건강상태를 파악하고 분석하고 생체센서와 챗봇 상담으로 분석한 사용자의 건강정보는 챗봇을 통하여 사용자에게 정보를 전달하여 사용자의 건강증진을 위한 교육정보를 제공하는 지능형 헬스 어드바이저모델을 구현한다. 이 구현을 통하여 향후 활용 가능성을 확인하고 연...

TAG 챗봇, 가시화, 지능형 헬스 어드바이저, 언택트 기술, Chatbot, Visualization, Cognitive Health Advisor, Untact Technology

빅데이터 분석을 위한 파티션 기반 시각화 알고리즘

홍준기 ( Jun-ki Hong )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 147~154페이지(총8페이지)

오늘날 빅데이터로부터 유의미한 결과를 도출하는 연구가 활발히 진행되고 있다. 본 논문에선 빅데이터의 데이터의 영역들을 파티션(partition)으로 설정하고 각 파티션들의 대표 값을 계산하여 변수들 사이의 상관관계를 분석 할 수 있는 파티션 기반 빅데이터 분석 알고리즘을 제안한다. 본 논문에선 파티션의 크기조절이 가능한 파티션 기반 빅데이터 분석 알고리즘의 파티션 크기 변화에 따른 시각화 결과를 비교분석하였다. 제안한 파티션 기반 빅데이터 분석 알고리즘을 검증하기 위해 의류 회사 ‘A’의 빅데이터를 분석하여 온도와 판매 가격 변화에 따른 상품의 판매량 변화를 분석하고 시각화하여 유의미한 결과를 얻을 수 있었다.

TAG 빅데이터, 분석, 시각화, 파티션, Big Data, Analytics, Visualization, Partition

클러스터링 기반의 최적 차량 운행 계획 수립을 위한 비교연구

김재원 ( Jae-won Kim ) , 신광섭 ( Kwangsup Shin )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 155~180페이지(총26페이지)

화물의 수배송을 위한 차량의 배차 및 최적 경로 설계는 물류 서비스의 효율성 향상을 위한 가장 핵심적인 역할을 담당한다. 이 문제는 차량의 대수, 차량별 적재 용량, 차량의 총 이동거리와 같이 다양한 비용요소를 동시에 고려해야 하기 때문이다. 최근 비용 최소화 및 운영 효율성 향상을 위해 TMS를 도입하는 사례가 증가하고 있으나, 현장에서 필요한 모든 요소를 고려하지 못한다는 한계가 존재한다. 이를 해결하기 위해 현장 전문가가 TMS의 결과를 경험과 직관에 기반하여 수정하는 과정이 필요하다. 본 연구에서는 지금까지 총 비용의 최소화에 집중하고 있는 기존 연구들과 달리 서비스에 투입되는 자원 활용의 효율성과 형평성을 동시에 높일 수 있는 방법을 제안한다. 이를 위해 Cluster-First Route-Second (CFRS)기법을 활용한다. 고객의...

TAG 클러스터링, 차량경로 계획, CFRS, 빅데이터, Clustering, VRP, Big Data

공항 수하물 처리 시스템 이벤트 로그의 프로세스 관점 분석 방안 연구

박신념 ( Shin-nyum Park ) , 송민석 ( Minseok Song )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 181~188페이지(총8페이지)

급증하는 항공 여객의 성장세에 맞춰 여객 터미널의 규모가 대형화됨에 따라 출발, 도착, 환승 여객들이 소지한 수하물을 최단 시간 내에 신속, 정확하게 처리할 수 있는 다양한 데이터 기술들이 접목된 첨단 수하물 처리시스템(Baggage Handling System; 이하 BHS)이 필수 요소가 되었다. 따라서 본 연구에서는 공항 수하물 처리시스템 운영의 고도화를 위해, 프로세스 관점의 데이터 분석 방법론을 통한 국내 공항의 수하물 처리능력 분석 방법을 소개하고, 이벤트 로그 기반 주요 지점의 정확한 부하예측 방법을 제시하여, 자원의 선제적 배치 및 flight-carrocel 스케줄링 최적화 문제 등 향후 첨단화된 BHS 운영 전략으로 이어질 수 있도록 한다. 분석에 사용된 데이터는 공공데이터 포털에서 얻을 수 있는 ‘전국 공항 ...

TAG 수하물 처리 시스템, 프로세스 마이닝, 물류 시뮬레이션, 기계 학습, Baggage Handling System, BHS, Process Mining, Logistics Simulation, Machine Learning

신경망 분산 학습을 위한 일반 납기를 갖는 시퀀싱 문제

최병천 ( Byung-cheon Choi ) , 민윤홍 ( Yunhong Min )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 189~195페이지(총7페이지)

본 논문은 딥러닝을 위한 분산학습에서 학습속도를 저하시키는 stale 문제를 최소화하기 위한 방법으로 데이터시퀀싱을 제안하였다. 이 데이터 시퀀싱 문제는 일반 납기를 갖는 단일 공정 하에서 일찍 혹은 늦음 정도의 총합을 최소화 하는 스케줄링 문제로 모델링할 수 있다. 만약 최적해에서 크기가 작은 작업과 큰 작업의 순서가 미리 알려져 있다면, 이 스케줄링 문제가 효율적으로 풀린다는 것을 보였다.

TAG Scheduling, Generalized Due Date, Distributed Training, 스케줄링, 일반 납기, 분산 학습

양방향 LSTM을 적용한 단어의미 중의성 해소 감정분석

기호연 ( Ho-yeon Ki ) , 신경식 ( Kyung-shik Shin )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 197~208페이지(총12페이지)

어휘적 중의성이란 동음이의어, 다의어와 같이 단어를 2개 이상의 의미로 해석할 수 있는 경우를 의미하며, 감정을 나타내는 어휘에서도 어휘적 중의성을 띄는 경우가 다수 존재한다. 이러한 어휘들은 인간의 심리를 투영한다는 점에서 구체적이고, 풍부한 맥락을 전달하는 특징이 있다. 본 연구에서는 양방향 LSTM을 적용하여 중의성을 해소한 감정 분류 모델을 제안한다. 주변 문맥의 정보를 충분히 반영한다면, 어휘적중의성 문제를 해결하고, 문장이 나타내려는 감정을 하나로 압축할 수 있다는 가정을 기반으로 한다. 양방향LSTM은 문맥 정보를 필요로 하는 자연어 처리 연구 분야에서 자주 활용되는 알고리즘으로 본 연구에서도 문맥을 학습하기 위해 활용하고자 한다. GloVe 임베딩을 본 연구 모델의 임베딩 층으로 사용했으며, LSTM, RNN 알고리즘을 적용한 모델과 ...

TAG 양방향 LSTM, GloVe, 감정분석, 어휘적 중의성, 자연어처리, Bidirectional LSTM, Emotion Analysis, Lexical Ambiguity, Word Sense Disambiguation, NLP

불법 산양삼 검출을 위한 인공지능 기술에서의 산양삼과 인삼 이미지의 분류 기저화 연구

박수경 ( Soo-kyoung Park ) , 나호준 ( Na Hojun ) , 김지혜 ( Ji-hye Kim )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 209~225페이지(총17페이지)

본 연구는 인삼과 산양삼에 대해 아무런 정보가 없는 초보 소비자가 인삼을 산양삼이라 여기는 사기 상황을 방지하는 차원에서 산양삼 형태에 대한 기저수준을 확립하려했다. 이를 위해 연구자들은 소비자가 스마트폰의 전용 APP으로 인삼을 촬영하면 그 사진이 원격으로 전송되어, 기계학습데이터를 기반으로 판별한 결과가 소비자에게 전송되는 서비스디자인을 고안했다. 연구과정에서의 데이터 셋과 소비자들이 스마트폰을 통해 촬영했을 때의 배경색, 산양삼의 위치, 크기, 조도, 색온도 등과의 차이를 최소화 하기 위해 소비자 용전용 촬영 박스를 디자인 했다. 이에 따라 산양삼 샘플 수집은 디자인된 박스와 동일한 통제된 환경과 세팅 하에서 이루어졌다. 이를 통해 기계학습에서 통상 필요한 것 보다 약 1/10이 적은 샘플을 사용해 CNN(VGG16)모델에서 예측 확율 100%를 얻...

TAG 산양삼, 인공지능, 기계학습, 이미지 분석, 합성곱 신경망, Mountain Ginseng, Artificial Intelligence, Machine Learning, Image Detection, CNN, Convolutional Neural Network

평균필터 조합을 통한 최대수요전력 예측기법

유찬직 ( Chan-jik Yu ) , 김재성 ( Jae-sung Kim ) , 노경우 ( Kyung-woo Roh ) , 조완섭 ( Wan-sup Cho )  (사)한국빅데이터학회, 한국빅데이터학회지 [2020] 제5권 제1호, 227~239페이지(총13페이지)

본 논문에서는 산업현장에서 통신 오류에도 불구하고 최대전력수요를 예측하는 방법을 소개한다. 최근 국내의 탈원전 정책으로 전력가격상승은 불가피하며, 이에 따른 전력수요 관리를 위한 전력사용량과 최대부하관리는 중요한 문제로 부상하고 있다. 이에 따라, 피크전력을 예측하고 관리하는 것이 중요하다. 하지만 실제 산업현장에서는 각종 설비 및 센서에서 발생하는 노이즈 등으로 인해 측정된 전력데이터의 손실 및 변조 등의 문제가 발생한다. 측정된 유효전력 데이터가 손실된 경우 정확한 값을 예측하기 어렵다. 이 연구는 측정된 유효전력 데이터가 손실될 경우 이상 징후와 결측값을 예측하고 수정하는 모델을 제시한다. 본 연구에 사용된 모델은 산업현장에서 통신 오류가 발생할 경우 최대 전력수요를 예측하는 데 유용할 것으로 예상한다.

TAG 피크 전력, 평균 필터, 통신 오류, 이동 평균, 이상치 및 결측치, LSTM, Peak Power, Mean Filer, Communication Errors, Moving Average, Outlier, Missing Value

데이터 증강을 통한 딥러닝 기반 주가 패턴 예측 정확도 향상 방안

김영준 ( Youngjun Kim ) , 김여정 ( Yeojeong Kim ) , 이인선 ( Insun Lee ) , 이홍주 ( Hong Joo Lee )  (사)한국빅데이터학회, 한국빅데이터학회지 [2019] 제4권 제2호, 1~12페이지(총12페이지)

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 ...

TAG 주가 패턴, 딥러닝, 컨볼루셔널 뉴럴 네트워크, 데이터 증강, 가우시안 노이즈, Stock Price Pattern, Deep Learning, Convolutional Neural Network, Data Augmentation, Gaussian Noise

1  2  3  4  5  6  7  8  9  10