메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이권동 (한국교통대학교) 맹주형 (한국교통대학교) 송석일 (한국교통대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제17권 제12호(JKIIT, Vol.17, No.12)
발행연도
2019.12
수록면
13 - 20 (8page)
DOI
10.14801/jkiit.2019.17.12.13

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
궤적 마이닝(Trajectory mining)에서 사용자 이동 궤적의 이동성 모드(Mobility mode) (버스, 자가용, 기차등)을 인지하는 것은 더욱 정확한 정보를 추출하는 데 있어 매우 중요하다. 본 논문에서는 CNN(Convolution Neural Network)을 이용하여 사용자들의 이동궤적을 대중교통(버스) 이동궤적과 비 대중교통 이동궤적으로 분류하는 방법을 제안한다. 본 논문에서 제안하는 이동성 모드 분류방법에서는 실제 버스 운행 궤적을 이용하여 버스 탑승자의 이동궤적을 생성하는 방법을 이용하여 학습데이터를 확보한다. 수집한 사용자 궤적과 버스 운행 궤적을 이용해 생성한 레이블링된 궤적을 이용하여 CNN학습을 수행하고 그 결과로 도출한 학습 모델을 이용하여 수집한 사용자 궤적의 이동성 모드를 분류하는 접근 방법을 사용한다. 제안하는 방법을 이용하여 실제 사용자 궤적데이터에 대한 이동성 모드 분류 실험결과 분류 정확도가 95.98%를 보였다. 또한, 기존에 제안된 이동성 모드 분류방법과의 비교 실험을 통해 제안방법이 사용자 이동궤적에 대한 이동성 모드 분류에 더 적합함을 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 제안하는 CNN기반 이동성 모드 분류 방법
Ⅲ. 실험 결과
Ⅴ. 결론
References

참고문헌 (15)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-004-000101091