Earticle

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비 를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임 에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부 가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전 자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전 자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수 (coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.

Energy is a vital resource for the economic growth and the social development for any country. As the industry becomes more sophisticated and the economy more grows, the electricity demand is increasing. So forecasting electricity demand is an important for electricity suppliers. Forecasting electricity demand makes it possible to distribute electricity demand. As the market for Negawatt market began to grow in Korea from 2014, the prediction of electricity consumption demand becomes more important. Moreover, power consumption forecasting provides a way for demand management to be directly or indirectly participated by consumers in the electricity market. We use Genetic Algorithms to predict the energy demand of the fishing industry in Jeju Island by using GDP, per capita gross national income, value add, and domestic electricity consumption from 1999 to 2011. Genetic Algorithm is useful for finding optimal solutions in various fields. In this paper, genetic algorithm finds optimal parameters. The objective is to find the optimal value of the coefficients used to predict the electricity demand and to minimize the error rate between the predicted value and the actual power consumption values.

인공지능(AI)과 기계학습(ML) 실용연구의 확산으로 모든 산업분야에서 많은 연구가 행해지고 있다. 여행, 호텔 분야 또한 AI/ML관련 많은 연구가 행해지고 있으며, 불확실성과 변동성이 높아진 현실 세계의 예측 성능 향상을 위해서는 다양한 데이터 기반과 전처리 등을 적용하는 성능 향상 모델이 필요하다. 본 연구는 다양성을 확보한 데이터에 대해 전역모델의 구축과 DTW K-means를 적용한 지역 모델을 구축하고, 수요 예측시 전역-지역 모델의 선택적 활용을 통한 LSTM 기반 시계열 객실수요 예측의 성능 향상 프레임워크를 제안한다.

인천공항은 대한민국으로 들어오거나 나가는 관문으로 나라의 이미지에 큰 영향을 미치므로 공항의 서비스 질을 유지하기 위해선 장기적인 공항 이용객 수 예측이 필요하다. 본 연구에서는 인천공항의 이용객 수요를 예측하기 위한 다양한 시계열 모형의 예측성능을 비교하였다. 인천공항 이용객 자료를 2002년 1월부터 2019년 12월까지 월 단위로 수집하여 살펴보면 일반적인 시계열자료에서 보이는 추세성과 계절성을 지니고 있다. 본 연구에서는 추세성과 계절성이 고려된 나이브 기법, 분해법, 지수 평활법, SARIMA, 그리고 PROPHET을 이용하여 단기, 중기, 장기예측 시계열모형을 비교하였다. 분석결과 단기예측은 최근 자료에 가중치를 준 지수 평활법이 우수했고 예상 2020년 연간 이용객 수는 약 7,350만명이다. 3년 후 인 2022년 중기예측은 정상성이 고려된 SARIMA모형이 우수하였고 예상 연간 이용객 수는 약 7,980만명이다. 4단계 인천공항 건설사업이 완료되는 2024년 예상 연간 여객수용 인원은 9,910만명이고 PROPHET모형이 가장 우수하였다.

The Incheon airport is a gateway to and from the Republic of Korea and has a great influence on the image of the country. Therefore, it is necessary to predict the number of airport passengers in the long term in order to maintain the quality of service at the airport. In this study, we compared the predictive performance of various time series models to predict the air passenger demand at Incheon Airport. From 2002 to 2019, passenger data include trend and seasonality. We considered the naive method, decomposition method, exponential smoothing method, SARIMA, PROPHET. In order to compare the capacity and number of passengers at Incheon Airport in the future, the short-term, mid-term, and long-term was forecasted by time series models. For the short-term forecast, the exponential smoothing model, which weighted the recent data, was excellent, and the number of annual users in 2020 will be about 73.5 million. For the medium-term forecast, the SARIMA model considering stationarity was excellent, and the annual number of air passengers in 2022 will be around 79.8 million. The PROPHET model was excellent for long-term prediction and the annual number of passengers is expected to be about 99.0 million in 2024.

본 연구는 산업용지 공급 규모를 결정하는데 기준이 되는 산업용지의 수요를 예측하였다. 그동안 산업용지의 수요 예측은 과거 추세를 연장하거나 경제적 변수를 제한적으로 반영하였다. 과거 추세를 연장하는 것은 예측의 한 방법으로 유용하지만 경제 변화를 고려할 수 없다는 점에서 이론적으로 취약하다. 경제 변수를 고려한 경우에도 패널자료를 이용하지 않거나 변수 간 공적분 관계를 명시적으로 이용하지 않아 제약이 있었다. 본 연구는 산업용지와 생산액 간의 패널 공적분 관계를 이용하였다. 추정 결과 산업용지와 생산액 간에는 장기균형관계 즉 공적분 관계가 성립하는 것으로 나타났다. 생산액이 한 단위 증가하면 산업용지는 전체 기간에서는 0.47 증가하고, 외환위기 이후 기간에서는 0.49 증가하는 것으로 나타났다. 장기균형관계식의 오차항을 포함한 오차수정모형을 추정한 결과는 첫째, 오차수정항 계수가 유의한 음의 값(-0.27)을 보여, 장기균형으로 회복하려는 힘이 있음을 확인하였다. 둘째, 생산액의 단기 변화에 대해서도 산업용지가 증가하는 것으로 나타났다. 본 연구는 산업용지 수요 예측에서 경제적 변화를 반영하여 이론적 토대를 강화하고, 패널자료의 공적분 관계를 적용함으로써 추정의 효율성을 높였다.

This study estimates and forecasts the size of the industrial land. Meanwhile, the extension of historical trends and economic variables which are partially taken into consideration have been used as the estimation methods for the size of the industrial land. The extension of past trends, however, fails to consider the economic changes that weaken its explanatory power. Even if economic variables are taken into consideration, there is a limitation because the panel data and co-integration relationship between land size and output value are not explicitly used. In this study, we employed a panel co-integration relationship between land and output. Results show that there exists a co-integration relationship between them. Increase in the output value of a unit leads to increase of 0.47 and 0.49 in the land size, respectively, during the entire period and in the post-financial crisis period. Estimation results of the error correction model including error correction term are as follows. First, the coefficient of the error correction term showed a significant negative value (-0.27). We confirmed there was a tendency to return the long-run equilibrium. Second, it was found to increase the land size for short-term changes in the output value. The significance of this study are as follows. First, the theoretical foundation was reinforced because we reflected the changes in economic structure. Second, we increased the efficiency of the estimation by using the panel data and applying the panel co-integration relationship.

유럽과 미국을 중심으로 내연기관 자동차에서 나오는 배기가스를 줄이기 위해 친환경 자동 차를 적극적으로 보급하는 정책이 펼쳐지고 있다. 우리나라에서도 ‘제4차 친환경자동차 기본 계획’을 통해 충전인프라 개선과 인센티브제도 확대로 2025년 113만대의 친환경 자동차 보급 을 목표하고 있어 전기자동차의 급격한 성장이 예상된다. 따라서 대략적이지만 구체적인 성장 규모와 그에 따른 전력수요량을 도출하는 것이 필요하다. 본 연구에서는 성장모형 중 향후 전 기자동차의 보급대수를 잘 설명할 수 있는 모형을 활용하여 전기자동차의 대수를 예측하였다. 그리고 선행연구에서 제시한 전기에너지 산출모형을 활용하여 ｢제10차 전력수급기본계획｣의 목표연도인 2036년까지 전기자동차의 보급대수와 전력수요량을 제시하였다. 본 연구 결과를 토대로 향후 전기자동차 인프라 계획·구축을 위한 기초 연구자료로 활용될 것을 기대된다.

European and American countries are actively promoting eco-friendly cars to reduce exhaust emissions from internal combustion engines. In Korea, the "4th Basic Plan for Eco-Friendly Vehicles" aims to promote eco-friendly cars by improving charging infrastructure, expanding incentive systems, and targeting the supply of 1.13 million eco-friendly cars by 2025. As rapid growth in the number of electric vehicles sold is expected, estimates are required of this growth and corresponding power demands. In this study, the authors used a growth model to predict future growth in the electric vehicle market and a previously derived electricity generation model to estimate corresponding power demands up to 2036, the target year of the "10th Basic Plan for Power Supply and Demand". The results obtained provide useful basic research data for future electric vehicle infrastructure planning.

In 2019, 5G mobile communication technology will be commercialized. From the viewpoint of technological innovation, 5G service can be applied to other industries or developed further. Therefore, it is important to measure the demand of the Internet of things (IoT) because it is predicted to be commercialized widely in the 5G era and its demand hugely effects on the economic value of 5G industry. In this paper, we applied Bayesian method on regression model to find out the demand of 5G IoT service, wearable service in particular. As a result, we confirmed that the Bayesian regression model is closer to the actual value than the existing regression model. These findings can be utilized for predicting future demand of new industries.

To cope with the rapidly increasing demand for Recreational Forest, the ability to provide accurate visitor flow forecasts became very important. The government would be able to invest properly and effectively to build various infrastructures and programs based on correct visitor demand forecasting. This study aims to identify the appropriate model and forecast visit demand of Recreational Forest, which is one of the representative infrastructures of forest recreation in Korea. In order to develop a forecasting model, the dataset of monthly visitors to Recreational Forest during 2009-2015 were used and two time series methods - Seasonal ARIMA and Exponential Smoothing - were employed. The results show that Winters Additive model was selected as the most appropriate model to forecast visit demand of Recreational Forest based on index of Mean Absolute Percentage Error. This study will make a great academic contribution to identify visit demand for Recreational forest by systematic and scientific methods. However, this model is not the only method available for forecasting demand. Since there are many other kinds of forest recreation infrastructures in accordance with different purposes, other kinds of forecasting methods should be adopted for better projection later on.

본 연구에서는 새마을ㆍ무궁화 열차의 주요 5개노선(경부선, 호남선, 전라선, 장항선, 중앙선)의 단기수송수요의 예측 모형 선정방안을 제시하고 유용성을 확인하기 위한 검증결과를 제시하였다. 분석을 위해 계절별 특성이 반영된 SARIMA 모형을 이용하였으며, 주중/주말 통행 특성 및 대체근무제 등과 같은 공휴일 특성을 반영하고자 각 노선별 주 중/주말 일평균 모형을 각각 구축하였다. 또한 모형의 신뢰도를 높이기 위해 EXPO 개최, 새로운 노선의 개통 등 노선 별 개입요소를 고려하여 수송수요의 예측모형에 반영하였으며 모형 예측력의 검증을 통해 정도 높은 모형을 구축하였 음을 확인하였다. 본 연구를 통해 개발된 모형은 열차 노선별 단기운행계획 수립을 위한 기초자료로 활용될 수 있을 것 으로 기대된다.

This study is a fundamental research to suggest a forecasting model for short-term railway passenger demand focusing on major lines (Gyeungbu, Honam, Jeonla, Janghang, Jungang) of Saemaeul rail and Mugunghwa rail. Also the author tried to verify the potential application of the proposed models. For this study, SARIMA model considering characteristics of seasonal trip is basically used, and daily mean forecasting models are independently constructed depending on weekday/weekend in order to consider characteristics of weekday/weekend trip and a legal holiday trip. Furthermore, intervention events having an impact on using the train such as introduction of new lines or EXPO are reflected in the model to increase reliability of the model. Finally, proposed models are confirmed to have high accuracy and reliability by verifying predictability of models. The proposed models of this research will be expected to utilize for establishing a plan for short-term operation of lines.

현대사회에서 가장 중요한 에너지원 중 하나인 전력 에너지는 적절한 수요 공급 조절이 매우 중요하다. 하지만 수요예측을 위해 필요한 전력데이터는 전력 사용자의 행위에 대한 정보가 포함 될 수 있어, 이를 분석할 경우 프라이버시 침해 문제로 이어질 수 있다. 이에 본 논문에서는 사용자의 전력 사용 정보에 회귀 분석을 적용하여 사용자의 향후 전력 사용량을 예측하되, Intel SGX가 제공하는 안전한 실행 환경 상에서 이를 수행함으로써 사용자의 전력 사용 정보를 안전하게 보호하는 방법을 제안한다. 다양한 차수의 회귀 관계식에 대한 실험을 수행하여 오차를 최소로하는 회귀 관계식을 선정하였으며, 제안하는 방법을 이용하면 프라이버시 보호 기능을 제공하는 기존의 전력 수요예측 방법보다 낮은 평균오차율을 보임을 확인하였다.

Electrical energy is one of the most important energy sources in modern society. Therefore, it is very important to control the supply and demand of electric power. However, the power consumption data needed to predict power demand may include the information about the private behavior of an individual, the analysis of which may raise privacy issues. In this paper, we propose a secure power demand forecasting method where regression analyses on power consumption data are conducted in a trusted execution environment provided by Intel SGX, keeping the power usage pattern of users private. We performed experiments using various regression equations and selected an equation which has the least error rate. We show that the average error rate of the proposed method is lower than those of the previous forecasting methods with privacy protection functionality.

제주도의 관광 수요는 코로나19 직전까지 지속적인 성장세를 보였다. 해외 여행길 이 막히며 내국인 여행자가 제주도로 몰렸고 이는 제주도 재방문객의 증가와 더불어 제주도 내의 새로운 장소 및 체험에 대한 욕구로 이어졌다. 이는 제주도 부속 섬 여행 으로 이어지며 제주도 부속 섬의 입도객 수 또한 유의미하게 높아지고 있다. 정확한 관광 수요 예측은 제주도의 관광 정책이나 관광객 유치사업 수립을 위한 기 초 지표로 정확한 관광 수요 예측은 필수적이며 실용적인 차원에서 그 중요성이 매우 높다고 할 수 있다. 특히, 오버투어리즘의 부작용으로 제주도의 입도세 추진이 진행되 고 있는 상황에서 지속가능한 관광개발을 위해 정확한 관광 수요 예측은 시의성 측면 에서도 중요하다고 할 수 있다. 그동안 제주도 입도객을 중심으로 다양한 시계열 분석이 진행되었으나 제주도 부속 섬에 관한 시계열 연구는 다루어지지 않았다. 이 연구는 제주도 부속 섬 중 가장 면적 이 넓고, 많은 관광객이 찾는 우도를 중심으로 수요예측을 진행하였다. 계절성을 띠는 제주도의 특성과 코로나 팬데믹의 영향을 고려하여 계절형 ARIMA 개입분석을 통해 2023년부터 2025년까지의 수요를 예측하였다. 선정한 모형으로 얻은 예측 결과, 우 도의 향후 입도객 수는 2023년 1,509,065명, 2024년 1,522,078명, 2025년 1,522,731명으로 2019년에 비해 17% 감소하는 것으로 나타났다. 이를 통해 질적 성장으로의 관광패러다임 전환을 위한 정부나 제주도 지자체의 정 책 수립에 객관적인 기초 자료로써 활용되고, 관광 관련 사업체들의 마케팅 및 경영전 략 수립에도 이바지할 수 있을 것으로 기대된다.

Until just before the COVID-19 pandemic, tourist demand in Jeju Island showed a consistent growth trend. With international travel restricted, domestic travelers flocked to Jeju Island, leading to an increase in repeat visitors and a desire for new places and experiences within Jeju. This trend extended to the sub-islands of Jeju, with a significant rise in the number of visitors. Accurate tourism demand predictions are essential for establishing tourism policies and attracting tourists, especially in the context of the current situation where the influx of visitors to Jeju is being actively promoted due to concerns about the side effects of over-tourism. Accurate tourism demand predictions are crucial from a practical perspective, emphasizing their high importance. While various time series analyses have been conducted focusing on Jeju Island visitors, there has been a lack of research on the sub-islands. This study conducted demand predictions, focusing on U-do Island, the largest sub-island with many tourists. Considering the seasonal characteristics of Jeju and the impact of the COVID-19 pandemic, demand was predicted from 2023 to 2025 using seasonal ARIMA intervention analysis. The selected model predicted that the number of Udo’s visitors would decrease by 17% compared to 2019, with 1,509,065 in 2023, 1,522,078 in 2024, and 1,522,731 in 2025. These objective findings can be utilized for government and Jeju local government policy-making for a qualitative shift towards tourism paradigm transition. Additionally, it can be helpful to the marketing and management strategies of tourism-related businesses.

본 연구는 자동차 AS 센터 수리 부품의 수요 유형 특성을 파악한 후 장단기 메모리(LSTM) 인공신경망을 이용하여 자동차 AS 센터 수리 부품에 대한 수요 예측 모델을 제안하였다. 자동차 수리 부품의 수요 시계열 데이터를 추출한 후 각 부품에 대한 평균 수요 발생 구간(ADI)과 수요 크기의 변동 계수(CV2)로 4가지 수요 발생 유형을 구분하였다. 연구 대상 AS 센터의 16,295개 부품 중에서 96.5%가 특정 시기에 한 번에 많은 수량이 발생하는 무더기 수요(Lumpy) 유형의 특징을 가지고 있었고 최근 3년간의 해당 수요 유형 부품을 일별, 주별, 월별 시계열 데이터를 대상으로 LSTM 인공 신경망 모델에 적용하여 예측하였다. LSTM은 순환 신경망(RNN)의 한 분류로 학습 시간의 장기화에 따른 에러 신호 유출 문제를 해결한 딥러닝 알고리즘으로 장단기 관점의 시계열 데이터에 대하여 성능이 우수한 예측 모델로 다수의 연구를 통하여 검증되었다. 모델 예측 성능 평가 지표로는 예측 값과 실제 값의 오차를 측정할 수 있는 MAPE, RMSE, RMSLE 사용하였으며 본 연구 결과 각 평가 지표가 가장 낮은 일별 시계열 데이터가 우수하게 예측되었다. 추후에는 일반적인 부품 수요의 시계열 데이터 이외에 수리 부품수요에 영향을 미치는 외부 요소인 차량 모델별 판매 대수와 연식, AS 센터 입고 대수 등을 특성 변수로 추가하면 모델 성능이 개선될 것으로 기대된다.