Earticle

Purpose: This study aims to first develop a bus passenger demand prediction model based on industrial factors, population, and traffic dataunder multicollinearity. It can help Busan bus operation. Methods: In orderto address the multicollinearity issues, the research mainly considers PCA (Principal Component Analysis), MLR (Multiple Linear Regression), machine learning (GBDT (Gradient Boosted Decision Trees), RF (Random Forest), and deep learning (MLP (Multi-Layer Perceptron), LSTM (Long Short-Term Memory)), and variable selection for predictive modeling. Results and Conclusion: The industrial factors, population and traffic datasignificantly explain the bus passenger demand. The RF provides the best prediction performance.

4차 산업혁명의 영향으로 해운항만물류산업의 스마트화에 따른 전문인력의 수요를 예측하기 위하여 통계청의 2000년~2020년 기간의 운수업조사 자료와 해양수산부의 한국선원통계연보 2004년~2021년도 자료를 활용하여 추세분석과 시계열 분석을 실시하였다. 해운항만물류산업의 인력 수요 예측에서 추세분석의 선형회귀모형의 타당성이 가장 높은 것으로 평가되어 이를 적용하였다. 자율운항선 해기인력, 원격선박관리인력, 스마트 해운비즈니스 인력, 스마트 항만인력. 스마트 창고인력, 스마트 해운항만물류 서비스 인력의 2021~2035년 기간의 인력 수요를 예측한 결과, 스마트 해운항만물류인력 수요는 2023년 8,953명, 2030년 20,688명, 2035년 26,557명으로 증가하는 것으로 예측되었다. 이 연구는 스마트 해운항만물류 인력수요에 대한 연구가 아직 이루어지지 않은 상태에서 스마트 인력수요를 통계자료에 근거하여 객관적으로 추정함으로써 인력 수요의 예측 가능성을 높이고, 향후 필요 전문인력 양성 방안을 수립하는데 기여할 것으로 기대된다.

Trend analysis and time series analysis were conducted to predict the demand of manpower under the smartization of shipping and port logistics with transportation survey data of Statistic Korea during the period from 2000 to 2020 and Statistical Yearbook data of Korean Seafarers from 2004 to 2021. A linear regression model was adopted since the validity of the model was evaluated as the highest in forecasting manpower demand in the shipping and port logistics industry. As a result of forecasting the demand of manpower in autonomous ship, remote ship management, smart shipping business, smart port, smart warehouse, and port logistics service from 2021 to 2035, the demand for smart shipping and port logistics personnel was predicted to increase to 8,953 in 2023, 20,688 in 2030, and 26,557 in 2035. This study aimed to increase the predictability of manpower demand through objective estimation analysis, which has been rarely conducted in the smart shipping and port logistics industry. Finally, the result of this research may help establish future strategies for human resource development for professionals in smart shipping and port logistics by utilizing the demand forecasting model described in this paper.

Purpose: This study aims to estimate the demand for various public parking lots in Seoul by clustering similar demand types of parking lots and predicting the demand for new public parking lots. Methods: We examined real-time parking information data and used time series clustering analysis to cluster public parking lots with similar demand patterns. We also performed various regression analyses of parking demand based on diverse heterogeneous data that affect parking demand and proposed a parking demand prediction model. Results: As a result of cluster analysis, 68 public parking lots in Seoul were clustered into four types with similar demand patterns. We also identified key variables impacting parking demand and obtained a precise model for predicting parking demands. Conclusion: The proposed prediction model can be used to improve the efficiency and publicity of public parking lots in Seoul, and can be used as a basis for constructing new public parking lots that meet the actual demand. Future research could include studies on demand estimation models for each type of parking lot, and studies on the impact of parking lot usage patterns on demand.

Recently, physical examinations have become an important strategy to reduce costs for individuals and society. Pre-physical counseling is important for an effective physical examination. However, incomplete counseling is being conducted because the demand for physical examinations is not predicted. Therefore, in this study, the demand for physical examination was predicted using text mining and stepwise regression. As a result of the analysis, the most recent text data showed a high explanatory power of the demand for physical examination. Also, large amounts of data have high explanatory power. In addition, it was found that the high frequency of the text "health food" reduces the number of health examination customers. And the higher the frequency of the text of the word "food", the lower the number of physical examination customers. However, when the word "wild ginseng" was exposed a lot on Twitter, the number of physical examination customers visiting hospitals increased. In other words, customers consume efficiently by comparing the health examination price with the price of consumer goods. The proposed research framework can help predict demand in other industries.

This study aims to forecast of Air Passenger Demand between South Korea and North Korea using the system dynamics analysis methodology that is based on the system thinking. System dynamics is not only a tool that makes the systematic thought to a model but also a computer program-based analysis methodology that mathematically models the system varying according to time variation. This study analyzed the causal relationship based on the interrelation among variables and structured them by considering various variables that affect aviation cooperation from the perspective of Air passenger demand forecasting. In addition, based on the causal relationship between variables, this study also completed the causal loop diagram that forms a feedback loop, constructed the stock-flow diagram of Inter-Korean model using Vensim program. In this study, Air passenger demand was using by the simulation variable value into System Dynamics. This study was difficult to reflect the various variables constituting the North Korea environment, and there is a limit to the occurrence of events in North Korea.

With the improvement of living standards and economic development, electricity consumption continues to grow. The electricity is a special energy which is hard to store, so its supply must be consistent with the demand. The objective of electricity demand forecasting is to make best use of electricity energy and provide balance between supply and demand. Hence, it is very important work to forecast electricity demand with higher precision. So, various forecasting methods have been developed. They can be divided into five broad categories such as time series models, regression based model, artificial intelligence techniques and fuzzy logic method without considering special-day effects. Electricity demand patterns on holidays can be often idiosyncratic and cause significant forecasting errors. Such effects are known as special-day effects and are recognized as an important issue in determining electricity demand data. In this research, we developed the power demand forecasting method using ELM(Extreme Learning Machine) for special day, particularly, lunar new year and Chuseok holiday.

Due to the increase of power consumption, it is difficult to construct an accurate prediction model for daily peak power demand. It is very important work to know power demand in next day to manage and control power system. In this research, we develop a daily peak power demand prediction method based on Extreme Learning Machine(ELM) with fast learning procedure. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.

우리나라의 우주활동은 향후 10년 더욱 활발해질 것으로 기대된다. 국가 우주개발 중장기 계획에 따라 지난 10년간 4기의 위성이 발사된 반면, 2011-2020년 간 14기의 위성이 발사될 예정이다. 2021년 발사를 목표로 한국형발사체를 개발하고 있다. 그러므로 우리나라 우주개발의 향후 10년 간 목표달성을 위해서 항공우주개발의 중추적인 역할을 담당하고 있는 한국항공우주연구원의 소요인력을 예측하고 공급 계획을 수립하는 것은 너무나도 당연한 일이다. 본 논문에서는 과거 항우연의 예산과 인력과의 관계를 활용하여, 항우연의 인력을 예측하였다. 2020년경 인력은 1,000 ~ 1,400명 규모에 이를 것으로 예측되어, 향후 10년간 최소 400명의 인원이 필요한 것으로 전망된다.

Korea's space activity is expected more vital in the next decade. 14 Korean government satellites, with 10 satellites more over the last decade, are planned for launch between 2011 and 2020 according to the national space long-term plan. And Korean Space Launch Vehicle 2 has been developing aiming to launch in 2021. Forecasting and supply planning for the Korea Aerospace Research Institute's manpower could be essential to successfully fulfill the Korea's next decadal task in the aerospace field. In this paper, KARI's manpower is forecasted using the relations between KARI's budget and total personnel. KARI is expected to has 1,000~1,400 personnel in 2020 which is at least 400 personnels more than present.

Forecasting of electricity demand have difficulty in adapting to abrupt weather changes along with a radical shift in major regional and global climates. This has lead to increasing attention to research on the immediate and accurate forecasting model. Technically, this implies that a model requires only a few input variables all of which are easily obtainable, and its predictive performance is comparable with other competing models. To meet the ends, this paper presents an energy demand forecasting model that uses the variable selection or extraction methods of data mining to select only relevant input variables, and employs support vector regression method for accurate prediction. Also, it proposes a novel performance measure for time-series prediction, shift index, followed by description on preprocessing procedure. A comparative evaluation of the proposed method with other representative data mining models such as an auto-regression model, an artificial neural network model, an ordinary support vector regression model was carried out for obtaining the forecast of monthly electricity demand from 2000 to 2008 based on data provided by Korea Energy Economics Institute. Among the models tested, the proposed method was shown promising results than others.

본 연구는 최근에 활발히 연구가 진행 중인 항공수요 예측 분야에서 사용되는 계절형 ARIMA 모형과 다변량 계절형 시계열 모형과의 성능을 비교한 것이다. 본 연구에서는 국제 여객 수요와 국제 화물 수요 예측을 위하여 실제 자료를 이용하여 비교한 결과 다변량 계절형 시계열 모형이 예측의 정확도 면에서 기존의 일변량 모형보다 우수함을 보였다.

Forecasting for air demand such as passengers and freight has been one of the main interests for air industries. This research has mainly focus on the comparison the performance between the univariate seasonal ARIMA models and the multivariate time series models. In this paper, we used real data to predict demand on international passenger and freight. And multivariate time series models are better than the univariate models based on the accuracy criteria.

Mungyeng line(Jupyung${\sim}$Mungyeng) was closed due to a rapid decrease in demand in 1995. However, as the rail transportation demand is expected to increase with the plan to develop a tourist resort and a traffic network in Mungyeng area, it is required to forecast future demand to meet the change of transportation environment in this region. This study predicts the rail transportation demand and analyzes financial benefit in operator's side in case of reopening this line, based on nation-wide traffic volume data from Korean Transportation Database(KTDB). The results of this research can be applied to not only establishing a train operation plan also improving customer service. Moreover, Korail will have an opportunity to develop new business by linking train service to tourist attractions around the Mungyeng area.

신형/장기 운영 무기체계 수리부속의 불균형적 수요발생에 따른 항공기 불가동을 해소하기 위한 수요예측기법 개선의 필요성이 대두되고 있다. 항공기 수리부품들은 고단가이고, 청구에 소요되는 기간이 길어 사전에 예측하지 못한다면 작전지원에 문제가 발생하게 된다. 신뢰성 있는 수요 예측은 과보유로 인한 재고비용을 줄일 수 있으며, 수요를 예측하기 위한 방법은 회귀분석, 단/다변량 시 계열분석, 데이터 마이닝 기법 등이 있다. 항공기 부품의 수요 예측은 그 부품의 수가 8만 가지 이상이며 각 부품간의 관계를 분석하기에 어려움이 있어 시간에 종속적인 단변량 시계열 분석을 통해 수요예측을 실시하였다. 본 연구에서는 이러한 문제점을 해결하기 위하여 첫째, 자료를 기존 AMMIS 체계에서 고장 자료를 실수요로 가정하여 수집하였다. 고장이나 주기 검사, 시한성 기술지시 등으로 부품을 장 탈착하게 되면 정비부서에서 이를 전산프로그램인 AMMIS에 입력하도록 하고 있다. 따라서 실제 정비부서에서 부품을 사용한 현황을 실수요라고 인정할 수 있다. 둘째, 1999년 1월부터 2007년 2월까지의 월별 자료(98개)를 수집하였다. 자료의 수가 충분하므로 예측 정확성 향상을 위하여 ARIMA기법에 적용이 가능하다. 고장빈도가 높은 부품 50여개를 추출하여 Box-Jenkins의 ARIMA기법을 적용하여 예측을 실시하였다 실시 결과 적합한 모형식을 도출하였으며, 현용기법보다 예측 정확성이 높다는 결론을 얻었다.

This study is for improvement of repair part demand forecasting method of Republic of Korea Air Force aircraft. Recently, demand prediction methods are Weighted moving average, Linear moving average, Trend analysis, Simple exponential smoothing, Linear exponential smoothing. But these use fixed weight and moving average range. Also, NORS(Not Operationally Ready upply) is increasing. Recommended method of Box-Jenkins' ARIMA can solve problems of these method and improve estimate accuracy. To compare recent prediction method and ARIMA that use mean squared error(MSE) is reacted sensitively in change of error. ARIMA has high accuracy than existing forecasting method. If apply this method of study in other several Items, can prove demand forecast Capability.

최근 LNG 선박의 발주량이 급증함에 따라 LNG 선에 승무할 인력의 심각한 부족이 예상되고 있다. 이러한 LNG 선박에 승무할 인력 특히 고급 사관의 부족은 선박 자체의 안전뿐 아니라 궁극적으로는 LNG 수송체계의 안전에도 큰 영향을 미치게 될 것이다. 이 발표에서는 현재 전세계 상선대의 현황에서 출발하여, 최근 LNG 선박의 발주 현황, LNG 선박에 적용되는 최신 기술 및 엔진 등에 대하여 살펴 본 후에 전세계 LNG 선박 수주 잔량을 근거로 하여 필요 인력을 예측해 본다.

최근들어 전력의 안정적인 공급과 계통의 안정한 운용 등을 위해서 신뢰성 높은 전력수요예측의 필요성이 점차 증가하고 있다. 본 논문에서는 기존에 제시된 예측시스템보다 정확도가 높은 전력수요예측을 위해 카오스 이론과 퍼지 보산 알고리즘을 이용하여 전력수요량 예측시스템을 제안한다. 최대수요 전력 시계열 데이터를 수집하여 카오스 성질을 분석하여 이를 바탕으로 퍼지 알고리즘을 적용한 전력수요량 예측 시스템을 구성하고, 이 시스템을 통하여 얻어진 결과와 실제 데이터를 비교함으로서 시스템의 성능을 평가한다.

본 연구에서는 국내 내수 자동차 시장을 연료 유형별로 구분하여 수요 예측 모형을 개발하였다. 내연기관차, 하이브리드차, 무(無)공해차의 연간 판매량 데이터를 수집, 정제하고 각각의 데이터 특성을 고려하여 예측 성능이 우수한 모형을 제안하였다. 예측 모형 결과로부터 세 차종 간에 판매량이 최초로 교차하는 시점을 계산하여 국내 자동차 시장에서 주류를차지하는 차종의 전환 구도를 확인하였다. 단일 제품 기준으로 가장 큰 시장 중 하나인 자동차 산업에서 오랫동안 시장을주도해 온 내연기관차와 최근 확산되고 있는 친환경차 사이의 판매량 격차는 점점 줄어들고 있다. 무공해차에 대한 정부보조금 정책의 변화와 캐즘 현상이 나타나는 전환 국면에서 연료 유형별로 세분화하여 접근한 수요 예측은 시의적절하며, 기업·정부·소비자 모두의 의사결정을 지원할 수 있는 정량적 정보를 제공할 수 있다는 점에서 의의를 갖는다.

In this paper, demand forecasting models are developed for the domestic automobile market in Korea by segmenting vehicle sales according to fuel type. Annual sales data for internal combustion engine vehicles (ICEVs), hybrid electric vehicles (HEVs), and zero-emission vehicles (ZEVs) are collected and refined, and forecasting models with proper predictive performance are proposed by accounting for the distinct characteristics of each dataset. Based on the forecasting results, the timing at which sales volumes among the three vehicle types first intersect is estimated, thereby identifying the transition in the dominant vehicle type within the Korean automobile market. In the automobile industry?one of the world’s largest single-product markets ?the sales gap between ICEVs, which have long dominated the market, and eco-friendly vehicles, whose adoption has recently accelerated, is gradually narrowing. In this transition phase, characterized by changes in government subsidy policies for ZEVs and the emergence of a market chasm, fuel-type-segmented demand forecasting provides timely and quantitatively grounded evidence to inform decision-making by businesses, policymakers, and consumers.

제주도는 ‘탄소없는 섬 2030’ 비전 선언 이후 태양광 및 풍력 등의 재생에너지를 빠르게 보급하고 있다. 출력 조절을 할 없는 간헐성 재생에너지가 도입됨에 따라 안정적인 전력 공급을 위해 정확한 시간대별 전력수요 패턴 예측이 필요하다. 본 연구는 전통적인 선형 회귀 모형 및 결정 트리, 랜덤 포레스트, 서포트 벡터 회귀, 심층 신경망 등의 머신러닝 기법을 이용하여 제주도 전력수요를 예측하였다. 예측에 고려되는 변수로는 태양광 및 풍력 발전에 영향을 미치는 기온, 풍속, 습도, 전운량 등이다. 예측 모형의 적합성 테스트 결과, 심층 신경망 모형이 MAPE 3.04로 성능이 가장 좋은 것으로 나타났다. 따라서 심층 신경망 모형을 이용하여 봄, 여름, 가을, 겨울 사계절과 평일, 주말, 휴일 등 총 12개의 시나리오에 대해서 전력 패턴을 추정하였다. 추정 결과는 여름에는 상대적으로 덕커브 현상이 잘 관측되지 않고 봄, 가을 평일에 덕커브 현상이 두드러짐을 보여준다. 제주의 기상 예측 자료와 본 연구에서 제안된 예측 모형을 활용할 경우 제주의 미래 전력수요를 예측함으로써 안정적인 전력 수급에 기여할 것으로 기대된다.

Jeju Island is rapidly distributing renewable energy such as solar and wind power after declaring its vision of ‘Carbon Free Island 2030’. As variable renewable energy, which cannot control output, is introduced, it is necessary to accurately predict power demand patterns by time period for stable power supply. In this study, electricity demand in Jeju Island was predicted using traditional linear regression models and machine learning techniques such as decision trees, ransom forests, support vector regression, and deep learning. Variables considered for forecasting include temperature, wind speed, humidity, and total cloudiness that affect solar and wind power generation. As a result of the goodness-of-fit test of the forecasting model, the deep learning model showed the best performance with MAPE 3.04. Therefore, power patterns were estimated for a total of 12 scenarios, including spring, summer, fall, winter, weekdays, weekends, and holidays, using a deep learning model. The estimation results show that the duck curve phenomenon is not observed relatively well in summer, and it is prominent on weekdays in spring and autumn. If Jeju's meteorological forecast data and the forecast model proposed in this study are used, it is expected to contribute to stable electricity supply and demand by predicting Jeju's future electricity demand.

오늘날 늘어나는 자동차들은 교통사고, 환경오염 등 다양한 문제를 일으켜 사회적 손실비용을 초래하고 있다. 이에 각 지자체에서는 시민 편의 증진 및 교통여건 개선을 위해 친환경적이며 안전한 도시철도 서비스 권역 확대에 노력하고 있는 실정이다. 정확한 수요 예측은 도시철도 사업의 판단 기준이 되고, 건설 후 운영계획 수립 시 중요한 부분이다. 본 연구는 월별 승객 수요 자료가 시간의 흐름에 따라 관측되는 시계열 자료임을 고려하여 2007년 1월부터 2017년 12월까지 대구도시철도 1, 2호선 수송수요 자료를 활용하여 추세분석법, 지수평활법, ARIMA 모형으로 2018년 1월부터 2019년 12월까지 수요 예측을 실행하였다. 그리고 예측 방법의 정확도 검증을 위해 MAPE와 Theil-U 값을 사용하여 실제치와 예측치를 비교하였다. 그 결과 Box-Jenkins ARIMA 모형에 의한 예측치가 실제치를 가장 잘 묘사하는 것으로 나타나 시계열 모형을 이용한 수송수요 예측 방법이 단기 수송수요 예측에 유효함을 보여 주었다. 제안한 모형을 통해 예측한 연간 수송수요는 도시철도 운영 계획의 효율성 향상과 지자체의 원활한 예산 집행 계획 수립의 기초자료로 활용될 것으로 기대한다.

Increasing numbers of cars today cause various problems such as traffic accidents and environmental pollution. Also, due to the cost of social loss, each municipality is trying to expand the urban railway service area. Accurate demand forecasts are the criterion for the metro project. Therefore, it is an important part of establishing a post-construction operation plan. This study is a time series of monthly passenger demand data observed over time. From January 2007 to December 2017, using the transportation demand data of Daegu metro lines 1 and 2, the demand forecasting was conducted from January 2018 to December 2019 using trend analysis, exponential smoothing, and ARIMA models. And the MAPE and Theil-U values were used to compare the actual and predicted values to verify the accuracy of the prediction method. They predict well the actual values, and Box-Jenkins ARIMA model is the best among the several models. It notes that a time series model used to predict transport demand is valid for predicting short-term transport demand. The annual transport demand forecast through the proposed model improves the efficiency of the urban railway operation plan. It will also serve as a basis for the smooth budget execution plan of the local government.

본 연구는 라면 출시 60주년을 맞이한 시점에 그 수요가 지속적으로 성장할 수 있는가를 검증하고자 수행되었다. 이를 위해 과거 매출 데이터를 곰페르츠 성장모형에 적용하여 라면의 수요예측 추세 분석을 수행하였다. 곰페르츠 모형을 위한 매출액 자료는 식품의약품안전처의 ‘식품 및 식품 첨가물 생산실적에 따른 매출액’을 활용하였다. 분석 결과, 라면 시장 규모에 있어서 현재의 증가 수준을 유지하며 정상치에 도달할 수 있는 기간은 9.5년으로 나타났다. 동시에 2026년의 예상 매출액 약 3조 1천억 원을 정점으로 감소하는 추세를 보이리라 예측되었다. 과거 1조 원대 시장에서 2조 원대의 시장으로 성장하는데 16년의 소요기간을 보였음을 감안할 때, 향후 약 3조원 시장에 도달하는 기간은 13년으로 라면시장의 성장이 더 빠르게 진행되고 있음을 보여주고 있다. 국내 라면시장은 소비심리에 맞춘 맛과 원자재의 제품 차별화 기능을 강조한 제품을 출시하여 성장세를 유지할 수 있으리라 기대되며 본 연구 결과는 라면시장의 지속적인 성장을 논의하는 데 있어 기초자료로 활용할 수 있을 것이다.

The purpose of this study was to analyze trends of ramen demand forecasting by the Gompertz growth model in order to predict the continuous growth of ramen demand at the 60th anniversary of its invention. In order to predict mid- and long-term demand, this study estimated the potential ramen market size by applying the sales information of the ramen market. As a result, it is expected that the estimated period that can reach the normal level of sales while maintaining the current level is 9.5 years, and that the sales of 2026 will decrease to about 3.1 trillion won and then continue to decrease. Although it took 16 years to grow from 1 trillion KRW to 2 trillion KRW, it will take 13 years to reach 3 trillion KRW. Based on these results, we propose a strategy to introduce products that emphasize product taste differentiation and product differentiation function in accordance with consumer psychology for continuous growth in the domestic market.