• 전체
  • 전자/전기
  • 통신
  • 컴퓨터
닫기

사이트맵

Loading..

Please wait....

국내 학회지

홈 홈 > 연구문헌 > 국내 학회지 > 데이터베이스 연구회지(SIGDB)

데이터베이스 연구회지(SIGDB)

Current Result Document : 9 / 9

한글제목(Korean Title) 파티클 필터 기반 시계열 예측 결합 모델을 통한 전시장 방문 인원 예측
영문제목(English Title) Predicting the number of exhibition visitors using a time-series prediction model combined with particle filter
저자(Author) 강석우   김성현   권준호   송길태   Seokwoo Kang   Seonghyeon Kim   Joonho Kwon   Giltae Song  
원문수록처(Citation) VOL 34 NO. 01 PP. 0003 ~ 0013 (2018. 04)
한글내용
(Korean Abstract)
쾌적한 환경을 제공하면서 에너지 사용량을 최적화하는 기법에 대한 연구는 전시장 관리 시스템의 주요 문제 중 하나이다. 쾌적한 전시 환경을 유지함과 동시에 전시장 에너지 사용량을 최적화하기 위해서 재실 인원데이터 분석이 필수적이다. 전시장에서 수집된 시간별 방문객 데이터 분석에 기반 한 미래 재실 인원 예측을 통해 최적의 에너지를 사용하는 전시장 냉난방 제어 계획을 미리 수립하고 이를 전시장 제어 시스템에 적용할 수 있다. 정확한 미래 재실 인원 예측을 위하여 시계열 예측에 널리 사용되는 Holt-Winters 모형과 ARIMA 모형을 적용해 볼 수 있으나 예측 시점이 멀어질수록 예측 정확도가 떨어진다는 문제점이 있다. 본 연구에서는 두 대표적인 시계열 모형을 활용하여 우선 시간별 인원 데이터 예측을 진행하고 머신러닝의 기법의 하나인 파티클 필터를 이용한 오차 스무딩으로 두 모델의 결과를 결합하는 시계열 예측 모델을 제안한다. 제안한 모델을 킨텍스 제 7홀 전시장에서 진행된 2017년 전시 관람객 데이터에 적용하여 기존의 예측 모델과의 정확도 비교를 통해 제안한 모델을 검증하였다. 미래 재실 인원에 대한 정확한 예측으로 보다 효율적인 대형 전시장 냉난방 제어를 통한 에너지 사용 최적화를 더욱 앞당길 것으로 기대한다.
영문내용
(English Abstract)
The demand for exhibition building management has been focused on optimizing energy consumption while providing a pleasant environment. To investigate a method for optimizing energy usage while maintaining the good exhibition condition, the analysis of visitors’ occupancy data is essential. The accurate prediction of visitors’ occupancy enables to schedule an efficient air conditioning plan and to apply it to air conditioning control systems. Holt-Winters and ARIMA models popular in time series data analysis can be applied to predict the occupancy of visitors accurately, but the prediction accuracy of these models drops substantially as the prediction time-point becomes further. In this study, we applied Holt-Winters and ARIMA models for predicting the number of visitors in various time-points first and then combined two results using error smoothing via a machine learning approach, particle filter. The prediction results obtained by our proposed model was compared with the pure ARIMA and Holts-Winter models for evaluation using visitors’ occupancy data collected in real time at the KINTEX exhibition hall 7 in 2017. The accurate prediction of building occupancy will accelerate the optimization of energy consumption via more efficient air conditioning control in large scale exhibition halls.
키워드(Keyword) 재실인원 데이터   시계열 예측   ARIMA   Holt-Winters   파티클 필터   Building occupancy data   Time-series prediction   ARIMA   Holt-Winters   Particle filter  
파일첨부 PDF 다운로드