http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
차량 사물 통신 환경에서 시간 영역에 따른 차량 수 예측에 관한 연구
차채연(Chaeyeon Cha),박형곤(Hyunggon Park) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
본 논문은 차량 사물 통신 환경에서 정해진 시간 간격 안에 도착하는 차량의 수를 예측하기 위하여 시간 영역을 나누어 예측하는 방법을 제시하였다. 고속도로를 통행하는 차량의 수는 시간에 따라 다를 수 있다. 따라서 시간 영역을 나누어 각 영역에서 포아송 분포를 통해 차량의 수를 예측하는 방법을 제시하였고, 실제 데이터를 통하여 제안한 방법이 시간 영역을 고려하지 않은 방법보다 더 정확하게 차량의 수를 예측할 수 있음을 확인하였다.
Nash 협상 해법 기반 전력 최소화를 위한 다중 청소로봇 간 영역분배 알고리즘
최지수(Jisoo Choi),박형곤(Hyunggon Park) 한국통신학회 2014 韓國通信學會論文誌 Vol.39 No.4(융합기술)
본 논문에서는 주어진 영역 안에서 다중 청소로봇을 동시에 운용하여 전력 소비량을 최소화하는 방법을 제안한다. 협력 게임 이론 중 Nash 협상 해법을 이용하여 다중 청소로봇 사이의 가용 자원 및 대상 영역의 특성을 고려하여 대상 영역을 공평하고 효율적으로 관리하여 자원 효용을 극대화하였으며 궁극적으로 이를 통하여 총 소비전력량을 최소화 할 수 있다. 본 논문에서는 가용 자원 및 대상 영역의 특성을 포괄할 수 있는 효용 함수를 정의하고 이를 통한 다중 로봇 간 협상 게임을 통하여 공평하고 효용이 파레토 최적인 지점에서 각 청소로봇의 해당 영역이 결정된다. 시뮬레이션을 통하여 제안한 해결 방법이 임의 공간 할당 방법 대비 소비전력량 면에서 15-30% 이상의 효율이 개선되는 것을 확인할 수 있었다. In this paper, we propose an approach to minimizing total power consumption by deploying multiple clean-up robots simultaneously in a given area. For this, we propose to use the cooperative game theoretic approaches (i.e., Nash bargaining solution (NBS)) such that the robots can optimally and fairly negotiate the area division based on available resources and characteristics of the area, thereby leading to the minimum total power consumption. We define a utility function that includes power consumptions for characteristics of areas and the robots can agree on a utility pair based on the NBS. Simulation results show that the proposed approach can reduce the total average power consumption by 15-30% compared to a random area division approach.
홍은재(Eunjae Hong),박형곤(Hyunggon Park) 대한전기학회 2017 전기학회논문지 Vol.66 No.9
Recently, services for personal biometric data analysis based on real-time monitoring systems has been increasing and many of them have focused on recognition of emotions. In this paper, we propose a classification model to classify anxiety emotion using biometric data actually collected from people. We propose to deploy the support vector machine to build a classification model. In order to improve the classification accuracy, we propose two data pre-processing procedures, which are normalization and data deletion. The proposed algorithms are actually implemented based on Real-time Traffic Flow Measurement structure, which consists of data collection module, data preprocessing module, and creating classification model module. Our experiment results show that the proposed classification model can infers anxiety emotions of people with the accuracy of 65.18%. Moreover, the proposed model with the proposed pre-processing techniques shows the improved accuracy, which is 78.77%. Therefore, we can conclude that the proposed classification model based on the pre-processing process can improve the classification accuracy with lower computation complexity.