Earticle

Raman distributed temperature sensor can be used as temperature instruments as well as monitoring abnormalities in next-generation nuclear systems. Since noise reduction and Measuring Frequency enhancement are required, integration time adjustment has been mainly used so far. In this study, a new data processing method using Moving Average Filter was analyzed to see if noise reduction and Measuring Frequency could be reduced, and improvement measures were suggested.

하이패스 단말기의 확대 보급에 따라 DSRC 교통정보시스템이 지방부 도로를 중심으로 확대 설치되고 있다. 그러나 지방부 도로의 경우 고속도로와 달리 단말기 장착차량이 많지 않아 프로브 표본수가 충분하지 않는 경우가 종종 발생한다. 이 경우 프로브 통행시간은 적 은 샘플수로 인해 많은 변동이 발생하고 이는 교통정보 오차를 증가시킨다. 본 연구는 부족 한 샘플수로 인해 발생하는 통행시간 단기변동을 완화하여 신뢰성 있는 교통정보를 수집․ 제공하기 위해 프로브 통행시간 데이터에 이동평균, Loess, Savitzky-Golay 등 평활화 기법을 적용하였다. 그 결과, 낮은 샘플링(5%) 환경에서 통행시간 오차가 원시자료에 비해 45%까지 감소하는 결과를 보였다. 본 연구결과는 국내에서 운영 중인 프로브 기반 교통정보시스템에 적용되어 교통정보 신뢰도를 향상시킬 수 있을 것으로 기대된다.

With the increasing popularity of electronic toll collection system using 5.8 GHz dedicated short-range communications (DSRC) technology, DSRC-based travel-time collection systems have been deployed on major urban and rural arterial routes in Korea. However, since probe sample sizes are frequently insufficient in probe-based systems, the gathered travel times from probe vehicles fluctuate significantly compared to those of the population; as a result, the accuracy of the collected travel times could decrease. To mitigate the fluctuations (also known as biases), smoothing techniques need to be applied. In this study, some smoothing techniques—moving average, the Loess, and Savitzky-Golay filtering—were applied to probe travel times. Resultantly, the error in the smoothed travel times at the lowest sampling plan (5%) decreased as much as 45% compared to those in non-smoothed travel times. The results of this study can be practically applied to probe-based travel-time estimation systems for providing reliable travel times along the travel corridor.

The error in state of charge estimation using the combined models is usually attributable to the statistical model. In this study, a least square algorithm is utilized to optimize and increase the state of charge estimation accuracy. Specifically, the vector autoregressive moving average statistical model is optimized using the least square algorithm. The results presented in this paper show that the proposed method is effective in eliminating the estimation and measurement noise using the conventional statistical method and in optimizing the SoC estimation and forecasting. The optimization of the statistical model increases the SoC estimation and forecasting accuracy by 59.11%.

최근 들어 IITS는 스마트 시티관련 산업계에서 중요한 주제로 떠오르고 있다. IITS의 주요 목적인 교 통체증 (차량 사고에 기인한) 예방책들이 발전된 센서 및 통신 기술의 도움을 받아 다양하게 시도되었다. 관 련 연구들에서는 자동차 사고와 사고 위치적 특성, 날씨, 운전자 행동, 시간 등 다양한 요인들과 상관 관계가 있음을 보여주고 있다. 우리 연구는 자동차 사고와 사고 발생 시간 사이의 상관관계에 주제를 집중했다. 본 논문에서는 ARIMA (Auto-Regressive Integrated Moving Average) 자동 회귀, 정상 및 지연 순서를 결정 하는 세 가지 요소를 확인하기 위해 ADF (Augmented Dickey-Fuller)를 포함한 ARIMA 테스트를 수행했 다. 본 연구 결과로서 시간 별 자동차 충돌 수 예측에 대한 요약을 제시하며, 한국 내 자동차 사고 데이터는 ARIMA 모델에 적용될 수 있음을 보여주었고, 국내 자동차 사고는 하루를 기준으로 일정한 주기가 존재하는 성격을 가지고 있다는 것을 제시했다.

Recently, IITS (intelligent integrated transportation system) has been important topic in Smart City related industry. As a main objective of IITS, prevention of traffic jam (due to car accidents) has been attempted with help of advanced sensor and communication technologies. Studies show that car accident has certain correlation with some factors including characteristics of location, weather, driver’s behavior, and time of day. We concentrate our study on observing auto correlativity of car accidents in terms of time of day. In this paper, we performed the ARIMA tests including ADF (augmented Dickey-Fuller) to check the three factors determining auto-regressive, stationarity, and lag order. Summary on forecasting of hourly car crash counts is presented, we show that the traffic accident data obtained in Korea can be applied to ARIMA model and present a result that traffic accidents in Korea have property of being recurrent daily basis.

본 논문에서는 IoT 센서와 이동평균 알고리즘을 적용한 E-Agriculture 시스템의 스마트팜 프로토타입을 설계하 였다. 수분 수준, 온도 및 빛을 해서 총 세 가지 중요한 미세 기후 매개 변수만 시스템 설계하는 데에 고려하고 센서에 서 얻은 신호는 먼저 Arduino에서 처리하기 전에 노이즈를 줄이기 위해 격리 및 필터링 되도록 설계하였다. LabVIEW 프로그램의 도움을 받아 획득 된 신호의 시간 영역 분석 및 고속 푸리에 변환 (FFT)이 수행되어 파형을 분석하였다. 특 히 외곽 데이터를 디지털 방식으로 평활화하기 위해 이동 평균 알고리즘이 설계하였는데 이 알고리즘을 구현하면 급변 하는 환경이나 센서 오류로 인해 발생할 수 있는 데이터의 변동을 크게 완화하고 안정적인 출력을 생성 할 수 있다. 또한 액추에이터는 원하는 조건이 항상 충족되도록 일정한 피드백으로 제어됩니다. 마지막으로 데이터 수집 하드웨어 를 사용하여 데이터를 지속적으로 수집하고 모니터링 목적으로 PC 또는 스마트 장치를 통해 데이터를 볼 수 있다.

In this paper, we have designed a prototype of a smart farm in E-Agriculture system with the application of IoT sensors and Moving average algorithm. Only three important micro-climatic parameters namely moisture level, temperature and light are taken into consideration for the design of the system. Signals acquired from the sensors are first isolated and filtered to reduce noise before it is processed by Arduino. With the help of LabVIEW program, Time domain analysis and Fast Fourier Transform (FFT) of the acquired signals are done to analyze the waveform. Especially, for smoothing the outlying data digitally, Moving average algorithm is designed. With the implement of this algorithm, variations in the sensed data which could occur from rapidly changing environment or imprecise sensors, could be largely smoothed and stable output could be created. Also, actuators are controlled with constant feedbacks to ensure desired conditions are always met. Lastly, data is constantly acquired by the use of Data Acquisition Hardware and can be viewed through PC or Smart devices for monitoring purposes.

최근 제조업체는 급변하는 경영상황에 능동적으로 대응하고 제품군의 지속적인 경쟁력 확보를 위해 적정 한 생산계획을 수립하여 운영하고 있다. 특히 공급계획을 수립하고 운영 관리하는 측면에서 재고관리는 기업의 생 산관리 수준을 알 수 있는 핵심요소이다. 따라서 제조업체의 수요변화를 고려한 탄력적 재고관리는 고객이 요구하 는 납기를 준수하고 적정한 재고보유를 통하여 재고비용의 감소, 나아가 기업의 수익증대를 가져오게 한다. 그러 나 대다수의 국내 중소제조업체는 다품종 소량생산 형태로 고객의 주문이 비정기적이고 변동폭이 심한 경우가 많 아 수요예측에 어려움을 겪고 있다. 이에 본 논문에서는 이동평균법으로 도출한 장단기 이동평균선의 교차매매전 략을 이용하여 차량 보수용부품의 수요추세를 파악하고 적정 재고수준을 알기 쉽게 도출하는 H사의 사례연구를 결과를 제시하고자 한다. 여기에서 제안된 방법은 성수기와 비수기의 수요변동이 큰 기업들의 재고관리비용 절감 에 크게 기여할 것으로 기대한다.

Recently, manufacturers have established and operated appropriate production plans to actively respond to rapidly changing business conditions and to secure continuous competitiveness of product lines. In particular, in terms of establishing and operating a supply plan, inventory management is a key factor in understanding a company's level of production management. Therefore, flexible inventory management in consideration of changes in manufacturers' demands can lead to a reduction in inventory costs and an increase in corporate profits through proper inventory retention and compliance with delivery times required by customers. However, most small and medium-sized manufacturing companies in Korea are having difficulty in forecasting demand as customers' orders are irregular and fluctuate in the form of small-scale production of a variety of products. Therefore, in this study, we propose an inventory management technique of Company H that grasps the demand trend of vehicle maintenance parts and easily derives the appropriate inventory level by using the cross-selling strategy of moving average lines derived by the moving average method.

시계열 데이터를 예측하는 것은 매우 어려운 작업이다. 비선형적인 특성을 갖는 신호에서 얻어지는 데이터들이 불확실성을 가지고 있기 때문이다. 본 논문은 특정 시계열 데이터의 정확한 예측을 위하여 시계열 자료가 어떤 패턴에 따라 변화한다는 전제하에서 과거 자료들을 평균하여 미분으로써, 시계열 변화 패턴의 찾았다. 또한 미분 데이터의 반영 비율에 따라 특이성을 갖는 시계열데이터를 일반화하기 위하여 확률변수를 적용하였다. 순환변동과 계절변동을 소거하고, 불규칙 변동만을 추출하여 경향의 추세를 더한 예측값을 계산하게 된다. 이렇게 예측된 값은 이동평균과 단순이동평균에 의하여 가장 좋은 결과값을 갖는 알고리즘과 비교를 통하여 제안 알고리즘의 우수성을 입증하였다.

It is very difficult to predict time-series data. This is because data obtained from the signal having a non-linear characteristic has an uncertainty. In this paper, By differentiating time-series data is the average of the past data under the premise that change depending on what pattern, and find the soft look of time-series change pattern. This paper also apply the probability variables to generalize time-series data having a specific data according to the reflection ratio of the differentiation. The predicted value is estimated by removing cyclic movement and seasonal fluctuation, and reflect the trend by extracting the irregular fluctuation. Predicted value has demonstrated the superiority of the proposed algorithm and compared with the best results by a simple moving average and the moving average.

In this paper we analyse performance of value strategy and moving average method among the non-financial listed companies whose fiscal year ends at December in the Korean Stock Exchange between 1996 and 2005. And we analyse combination investment performance of value investment and moving average method. After the analysis objective enterprises divide with the value stock and the growth stock, in accordance with moving average method we divide ascending stock and descending stock. And we compose 6 portfolios with combination of value stock, growth stock, ascending stock and descending stock. Using the difference of investment performance of these portfolios, when fundamental analysis and technical analysis method all considering we measure investment performance. The major findings of this research are as follows: First, the value strategy of buying value stocks and selling growth stocks were effective in the long-term investment. Second, using the moving average method, technical analysis were effective in the case of the short-term investment. Third, the portfolios combined fundamental analysis and technical analysis were more effective than investment performance of technical analysis.

현재 오디오 신호의 가청주파수와 가시광선 스펙트럼의 매칭을 통한 조명 방식은 다양한 분야에서 연구가 진 행되고 있으며 관련제품이 상용화 되어 출시 및 판매되고 있다. 하지만 기존 방식들은 단순한 매핑만을 사용 함으로써, 감성을 전달하기에 다소 부족한면이 있다. 따라서 실질적이고 체계적인 감성디자인을 통한 매칭 알 고리즘 및 시스템에 대한 요구가 증가되고 있으며, 중요성이 부각되고 있다. 본 논문에서는 디지털 음원 기반의 LED 컬러 제어를 위한 시스템을 구성해 보았다. 해당 시스템 구성을 위해 서 알고리즘을 개발하여 디지털 음원 소스를 이용한 LED 컬러 제어 실험을 진행하였으며, 시뮬레이션을 이용 한 실제 LED 컬러 제어 시스템을 통해 알고리즘의 유용성을 입증하였다. 본 논문에서 제안하는 디지털 음원 기반의 LED 컬러 제어 시스템은 LED 제어 및 다양한 분야에 응용하여 유용하게 사용될 수 있을 것으로 기대 된다.

Recently, lighting systems using audio signal of audible frequency and frequency spectrum of visible lighting are studied. And various related products are being sold and released commercially. Also demands of emotional matching algorithm andsystem which includes effective and methodical designs are being increased. And the importance related with this schemehas increased. In this Paper, we configures a system for digital sound source based LED color control. And we develop algorithm to controlLED color for the system configuration. Also we demonstrated the usefulness of the algorithm through experiment withsimulation using LED color control system. We expected to be useful in a variety of fields and applications using proposeddigital music based LED color control system.

This study aims to propose an appropriate statistical model for predicting the energy consumption of apartment buildings, focusing on the summer season, which has recently been experiencing increasingly poor thermal comfort and prolonged duration. To achieve this, we utilized hourly energy consumption data measured by BEMS(Building Energy Management Systems) from June to October 2023 in an apartment complex in Uijeongbu to develop a time series model. In this study, ARIMA(AutoRegressive Integrated Moving Average Model), SARIMA(Seasonal ARIMA), and SARIMAX(Seasonal ARIMA with eXogenous factors) models were examined, and the SARIMA(1,1,7) × (1,1,2)24 model was found to be the most effective. This model displayed a seasonal cycle somewhat different from previous studies and also showed a slightly different relationship between temperature and energy consumption in apartment buildings. These findings suggest the need for further research using a large dataset based on this study. The results of this research are expected to contribute as a foundational study in researching the balance between real-time energy consumption and renewable energy production during the summer season.

In order to overcome the problems which are difficult to be accurately predicted, such as voilent vibration, large amplitude, and pseudoperiod, we put forward a load-classification method and a model-selection method following a multi-model merit. The multi-model merit can be realized by the result of Network training, so we can forecast the load of iron and steel enterprises respectively. In this way, we can avoid the limitations of traditional load forecasting methods which simply depend on sample datas. In the framework of this model, to minimize the load forecast error is the target. On the one hand, it can be convenient to add new models into the framework, so as to improve the accuracy of the prediction, find more characteristics of the load, and better the model. On the other hand, based on the load data, we can also adaptively change the way the model is formed, so as to expand the applicability of prediction methods. By simulating different load management forecasting systems, we confirm that the effectiveness of the proposed method is verified. A software package based on the methods presented in this paper for power systems scheduling is also completed. Some native steel generation corporations have already used the system.

A Gaussianly centered median and moving average filter is proposed for the removal of impulse noise for digital color images. The filter needs two pre-designed filters, median filter and moving average filter mean. The average value of both filter outputs is centered for Gaussian function. The purpose of proposed filter is to correct the pixels where the color components are corrupted by salt and pepper noise. Simulation results prove the feasibility of the proposed method. We compare with three conventional noise removal approaches by visual and numerical metrics.

This paper proposes a new practical method for determining when to stop software testing. This issue has been widely known as the optimal release problem of software product, and many researchers have been developing mathematical/computational models for finding the solution for decades. We try to develop a new quality control charting to help making the right decision for it by employing the moving average model and bootstrap scheme. After discussing the modeling, we show an example of the statistical decision making of the optimal software release time.

직교 주파수 분할 다중화 방식 시스템에서는 유효 심벌의 구간에서 푸리에 변환을 수행하기 위하여 데이터 심벌 사이의 보호 구간을 제거해야 한다. 이러한 과정은 정확한 심벌 타이밍 검출을 기반으로 수행되어야 한다. 수신 단에서 심벌 타이밍 검출은 프리앰블과 페이로드부의 경계의 시작점은 각 심벌의 인덱스 시작 시점을 결정하는 기준 을 제공한다. 또한 이 과정에서 발생하는 검출 에러는 전체 시스템 성능의 영향을 주는 중요한 요소 중 하나이다. 본 논문에서는 심벌 타이밍 검출장치에서 이동 평균 필터의 대역폭이 미치는 영향에 대해 논의한다. 이동 평균 필터 대 역폭과 연관된 이동 평균 필터의 윈도우 크기의 값을 가변하여 시뮬레이션을 수행하고 이를 통하여 검출 성능에 미 치는 영향을 분석한다.

In the orthogonal frequency division multiplexing system, the prefix inserted between data symbols should be eliminated to apply the Fourier transform on the valid symbol interval. This functional procedure should be based on the accurate symbol timing detection. The symbol timing detection at the receiver side provides the reference for determining the beginning time index of each symbol whose initial point is located at the boundary between the preamble and the payload part. Also, the detection error is one of the main factors in the overall system performance. In this paper the effect of the bandwidth of the moving average filter on the symbol timing detection is discussed. Simulations are carried out to analyze the detection performance for the varying values of the window size of the moving average filter which is related to the filter bandwidth.

방송 스케줄링 기법은 데이터 방송 시스템의 성능을 향상시키기 위해서 필수적인 기술이다. 본 논문은 질의의 응답시 간을 줄이기 위하여 다중 채널을 통한 데이터 방송의 문제를 연구하여 HDAMA로 명명된 새로운 하이브리드 데이터 방송 스케줄링 기법을 제안한다. 제안된 기법은 푸쉬기반 방송과 풀기반 방송의 장점을 결합하는 전략을 채택한다. HDAMA는 다중 데이터 질의의 특성을 반영하여 액세스 확률의 영향력을 적절하게 제어할 수 있고, 풀 데이터를 비교적 적시에 방송할 수 있기 때문에 질의 응답시간의 성능을 향상시킬 수 있다. 제안된 기법의 성능 평가를 위해 시뮬레이션이 수행되었다. 실험 결과에 따르면, 평균 응답시간의 성능에서 HDAMA는 다른 기법보다 우수한 성능을 보인다.

A broadcast scheduling scheme is an essential technique to improve the performance of data broadcast systems. This paper explores the problem of data broadcast over multiple channels to reduce query response time, and proposes a new hybrid data broadcast scheduling scheme named HDAMA. The proposed scheme employs the strategy that combines the advantages of push-based broadcast and pull-based broadcast. HDAMA could enhance the performance of query response time since it is capable of controlling the influence of access probability properly reflecting the characteristics of multi-data queries and broadcasting pull data items relatively on time. Simulation is performed to evaluate the performance of the proposed scheme. The simulation results show that the performance of HDAMA is superior to other schemes in terms of the average response time.

데이터 할당 기술은 데이터 방송 시스템의 성능을 향상시키기 위해서 필수적이다. 본 논문은 다중 데이터 질의가 제기되는 환경에서 방송채널에 데이터를 할당하는 주제를 연구하여 DAMA(Dta Allocation using Moving Average)로 명명된 새로운 데이터 할당 기법을 제안한다. 제안된 기법은 각 데이터의 방송빈도를 자신의 액세스 확률 의 이동 평균에 의해 결정하는 전략을 채택한다. DAMA는 질의 크기에 따라 액세스 확률의 영향력을 적절하게 제어 할 수 있기 때문에 질의 응답시간의 성능을 향상시킬 수 있다. 제안된 기법의 성능 평가를 위해 시뮬레이션이 수행되 었다. 실험 결과에 따르면, 평균 응답시간의 성능에서 DAMA는 다른 기법보다 우수한 성능을 보인다.

A data allocation technique is essential to improve the performance of data broadcast systems. This paper explores the issues for allocating data items on broadcast channels in the environment where multiple-data queries are submitted, and proposes a new data allocation scheme named DAMA. The proposed scheme employs the strategy that the broadcast frequency of each data is determined by the moving average of its access probability. DAMA could enhance the performance of query response time since it is capable of controlling the influence of access probability properly according to the query size. Simulation is performed to evaluate the performance of the proposed scheme. The simulation results show that the performance of DAMA is superior to other schemes in terms of the average response time.