http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김동균,최정석,Kim, Donggyun,Choi, Jung-Suk 해양환경안전학회 2021 해양환경안전학회지 Vol.27 No.5
해운 시황을 예측하는 것은 중요한 문제이다. 투자 방식의 결정, 선대 편성 방법, 운임 등을 결정하기 위한 판단 근거가 되며 이는 기업의 이익과 생존에 큰 영향을 미치기 때문이다. 이를 위해 본 연구에서는 기계학습 모델인 장단기 메모리 및 간소화된 장단기 메모리 구조의 Gated Recurrent Units를 활용하여 컨테이너선의 해상운임 예측 모델을 제안한다. 운임 예측 대상은 중국 컨테이너 운임지수(CCFI)이며, 2003년 3월부터 2020년 5월까지의 CCFI 데이터를 학습에 사용하였다. 각 모델에 따라 2020년 6월 이후의 CCFI를 예측한 후 실제 CCFI와 비교, 분석하였다. 실험 모델은 하이퍼 파라메터의 설정에 따라 총 6개의 모델을 설계하였다. 또한 전통적인 분석 방법과의 성능을 비교하기 위해 ARIMA 모델도 실험에 추가하였다. 최적 모델은 두 가지 방법에 따라 선정하였다. 첫 번째 방법으로 각 모델을 10회 반복 실험하여 얻은 RMSE의 평균값이 가장 작은 모델을 선정하는 것이다. 두 번째 방법으로는 모든 실험에서 가장 낮은 RMSE를 기록한 모델을 선정하는 것이다. 실험 결과 전통적 시계열 예측모델인 ARIMA 모델과 비교하여 딥러닝 모델의 정확도를 입증하였으며, 정확한 예측모델을 통해 운임 변동의 위험관리 능력을 제고시키는데 기여했다. 반면 코로나19와 같은 외부 효과에 따른 운임의 급격한 변화상황이 발생한 경우, 예측모델의 정확도가 감소하는 한계점을 나타냈다. 제안된 모델 중 GRU1 모델이 두 가지 평가 방법 모두에서 가장 낮은 RMSE(69.55, 49.35)를 기록하며 최적 모델로 선정되었다. Predicting shipping markets is an important issue. Such predictions form the basis for decisions on investment methods, fleet formation methods, freight rates, etc., which greatly affect the profits and survival of a company. To this end, in this study, we propose a shipping freight rate prediction model for container ships using gated recurrent units (GRUs) and long short-term memory structure. The target of our freight rate prediction is the China Container Freight Index (CCFI), and CCFI data from March 2003 to May 2020 were used for training. The CCFI after June 2020 was first predicted according to each model and then compared and analyzed with the actual CCFI. For the experimental model, a total of six models were designed according to the hyperparameter settings. Additionally, the ARIMA model was included in the experiment for performance comparison with the traditional analysis method. The optimal model was selected based on two evaluation methods. The first evaluation method selects the model with the smallest average value of the root mean square error (RMSE) obtained by repeating each model 10 times. The second method selects the model with the lowest RMSE in all experiments. The experimental results revealed not only the improved accuracy of the deep learning model compared to the traditional time series prediction model, ARIMA, but also the contribution in enhancing the risk management ability of freight fluctuations through deep learning models. On the contrary, in the event of sudden changes in freight owing to the effects of external factors such as the Covid-19 pandemic, the accuracy of the forecasting model reduced. The GRU1 model recorded the lowest RMSE (69.55, 49.35) in both evaluation methods, and it was selected as the optimal model.
정지 상태에서 가속시 연비 절감을 위한 자율주행 하이브리드 자동차용 동력 제어 알고리즘
김동균(Donggyun Kim),김준영(Junyoung Kim),안창선(Changsun Ahn) 한국자동차공학회 2018 한국자동차공학회 학술대회 및 전시회 Vol.2018 No.11
When an autonomous hybrid vehicle launches from a stand still state, we can develop a controller to consider a fuel economy in a short time horizon and battery recovery in coasting and braking situation. According to the dynamic programming method, a fuel-conscious strategy has the rule that if the SOC is within the acceptable range, the engine and the motor will operate in the best efficiency zone without worrying about the battery SOC. This paper suggests a fuelconscious launching controller for autonomous parallel hybrid vehicles based on the extracted rule. The developed launching controller works the motor until the motor torque is operated in the best efficient region, and then, works the engine additionally in the SOC permissible region. We validated the suggested controller and compared with driver model with conventional hybrid control algorithm.
BUIO를 이용한 프로토콜 적합성시험을 위한 시험항목생성
김동균(DongGyun Kim),김재철(Jaecheol Kim),최양희(Yanghee Choi),박용범(Yongbum Park),정일영(Ilyoung Chung) 한국정보과학회 1994 한국정보과학회 학술발표논문집 Vol.21 No.2B
본 논문은 통신프로토콜의 적합성 시험에 사용되는 시험항목 생성을 위한 새로운 방법을 제시한다. 프로토콜명세의 제어부분(control portion)을 유한상태기계(FSM)로 나타내고 각 상태(state)를 고유하게 식별시키는 입출력시퀀스를 만든다. 본 논문에서 제시하는 알고리즘은 다중 UIO(Unique Input/Output) 시퀀스들과 새로운 개념인 다중 BUIO(Backward UIO) 시퀀스들을 복합적으로 사용하여 중복성을 최대화함으로써 시험항목의 길이를 최소화시키는 heuristic 알고리즘을 제시한다. 또한 오류 검출을 위한 BUIO의 활용가능성도 제시한다.
김동균(Donggyun Kim) 한국지능시스템학회 2021 한국지능시스템학회논문지 Vol.31 No.1
국제해사기구는 자율운항선박을 Maritime Autonomous Surface Ship(MASS)로 정의하였으며 이와 관련된 규정을 논의중이다. 많은 나라에서 MASS 기술을 선도하기 위해 노력중이며 한국의 경우, 2025년까지 MASS 자율화 등급 4단계 중 3단계를 목표로 연구 및 기술 개발이 진행중이다. 본 연구에서는 선박 충돌 방지를 위해 제안된 다섯가지 알고리즘(distributed algorithm, lee’s algorithm, ant colony algorithm, bounding box, velocity obstacle)을 선정하여 10가지 평가 지표에 따라 각 알고리즘의 특징을 비교, 분석하였다. 대부분의 연구에서 상대 선박은 초기 설정값에 따라서만 움직였으며 본선의 피항 동작을 반영하지 못한다는 문제점이 있다. 이러한 점은 실제 선박의 피항 동작과는 차이가 있으며 자율운항선박에 적용시 고려되어야 할 것으로 판단된다. The International Maritime Organization has defined autonomous ships as Maritime Autonomous Surface Ships (MASS) and is discussing related regulations. Many countries are striving to lead the MASS technology, and in the case of Korea, research and technology development are underway aiming at 3 out of 4 stages of MASS by 2025. In this study, five proposed algorithms were selected to prevent ship collision(distributed algorithm, lee’s algorithm, ant colony algorithm, bounding box, and velocity obstacle), and the characteristics of each algorithm were compared and analyzed according to ten evaluation indicators such as Information Exchange, suggestion of collision avoidance method, guarantee of solution search and etc. In most of the studies, there were a problem that the target ship moved only according to the initial set value, and it did not reflect the motion of own ship. This point is different from the actual ship’s behavior and should be considered when applied to MASS.
김동균(Donggyun Kim),김진수(Jin-Soo Kim),임남균(Nam-Kyun Im) 한국항해항만학회 2023 한국항해항만학회 학술대회논문집 Vol.2023 No.1
본 연구는 자율운항선박의 실제 해상에서의 성능 검증하기 위한 실험을 진행하였다. 먼저 SAS(Samsung Autonomous System)을활용하여 시뮬레이션을 진행하였다. 시뮬레이션은 Imazu 조우 모델을 기반으로 실험을 진행하였다. 시뮬레이션에서 조우 선박은 2-4척으로정면, 횡단, 추월 등이 뒤섞인 상황을 가정하였다. 결과 분석은 6가지 항목(속력, Heading, Rate of Turn, Collison Risk Index, DCPA, TCPA, Closest Distance, XTD(Cross-Track Distance))을 분석하였다. 2 차례의 실해역 실험을 진행하였다. 목포-제주도 구간에서 실해역 실험을 진행 후 목포-이어도-독도 항로에서 실해역 실험을 진행하였다. 실해역 실험 결과 Imazu 모델 기반 시뮬레이션과 비슷한 결과를 보였다.