Earticle

고도의 경제성장에 지속되고 있는 가운데 에너지를 효과적으로 사용하는 연구와 기술은 꾸준히 개발되고 있으며, 에너지를 효율적으로 관리하기 위해서는 에너지의 사용량을 분석하여 에너지 사용량에 관여한 요인들의 특성을 파악하여야 한다. 따라서 에너지 사용 데이터의 정확한 측정은 에너지 관리측면에서 중요한 요소로 작용한다. 본 연구에서는 데이터 측정의 중요성을 인식하여 전기에너지 모니터링 시스템의 신뢰성 평가방안을 제시한다. 전통적인 통계 기법에 따라 측정오 차 값을 확률변수로 하여 통계량으로 정하고, 이 통계량의 분포를 생각하여 임의의 신뢰구간을 적용하고 측정 정확도의 신 뢰수준을 결정하는 절차 및 방법을 제시한다. 제안된 절차는 모집단의 평균과 표준편차 정보가 없을 때 그리고 적은 표본자 료에도 용이하게 이용될 수 있도록 t-분포의 누적분포함수를 사용하여 에너지 측정장비의 신뢰도를 평가하는 방안을 활용 하였다.

In order to manage energy efficiency by analyzing the amount of energy, it would determine the nature of the factors involved in the energy utilization. Therefore, accurate measurement of the energy consumption data is an important factor in the energy management. In this study, we are aware of the importance of the data measurement, and proposes the accuracy assessment of electric energy monitoring system. According to conventional statistical methods it is proceeded as follows; i)the measurement error value would be determined by a random variable, ii) setting the confidence interval to consider the distribution of the statistic and determines the confidence level of the measurement accuracy. And using the t-distribution CDF is used to facilitate even small sample data.

Robot calibration is very important to improve the accuracy of robot manipulators. However, the calibration procedure is very time consuming and laborious work for users. In this paper, we propose a method of relative error compensation to make the calibration procedure easier. The method is completed by a Pi-Sigma network architecture which has sufficient capability to approximate the relative relationship between the accuracy compensations and robot configurations while maintaining an efficient network learning ability. By experiment of 4-DOF SCARA robot, KIRO-3, it is shown that both the error of joint angles and the positioning error of end effector are drop to 15$\%$. These results are similar to those of other calibration methods, but the number of measurement is remarkably decreased by the suggested compensation method.

It is generally important to get a precise position information for autonomous unmanned vehicle(AUV) to run safely. For getting the position of AUV, the GPS has been using to navigation in a vehicle. Though it is useful to finding a position, it is difficult to precisely control a trajectory of the AUV due to large measuring error which may reach over 10 meters. Therefore to apply AUV it needs to compensate for the error. This paper proposes a method to more precisely localize AUV using three low-cost differential global positioning systems (DGPS). The distance errors between each DGPS are minimized as using the least square method (LSM) and the Kalman filter to eliminate a Gaussian white noise. The selected DGPS is cheaper and easier to set up than the RTK-GPS. It is also more precise than the general GPS. The proposed method can compensate the relatively position error according to stationary and moving distance of the AUV. For evaluating the algorithm by simulation, the DGPS signal with the Gaussian white noise to any points is generated by the AR model and compared with the measurement signal. It is confirmed that the proposed method can effectively compensate the position error as comparing with the measurement signal. The compensated position signal can be used to localize and control the AUV in the road.

Image segmentation subdivided an image into its constituent regions or segments. This regions or segments of an image is known as ‘cluster’ and the method used for this is called ‘clustering method’. There are different methods or algorithms are out there to segment an image. There is a problem with those algorithms user has to supply the number of cluster in which it has to be segmented. Here we introduced a method using combination of both entropy of RGB color component and histogram to automatic determination of cluster present in a color image.

The self-localization for a mobile robot is very important at indoor environments. In this paper, we propose a relative self-localization estimation algorithm based on relative locations and orientation changes of image features. We also analyze errors caused by a variety of factors to estimate the relative self-localization of a mobile robot and discuss a few techniques to remove them. The proposed relative self-localization algorithm is based on the facts that the global orientation and location of image features are not altered by changing of images. We show that the proposed algorithm is valuable through some simulation examples.

This study proposes a method to reduce the phase error of the received signal to detect the object bearing. The phase shift of the received signal occurs due to the multipath of the signal by natural structure or artificial structures. When detecting the direction of the object using radio waves, the phase of the received signal cannot be accurately detected because of the phase bearing error in the object detection direction. The object detection direction estimation depends on the phase difference, antenna installation distance, signal source wavelength, frequency band and bearing angle. This study reduces the error of the phase bearing by using the phase delay of the relative phase difference for the signals incident on the two antennas. Through simulation, we analyzed the object direction detection performance of the proposed method and the existing method. Three targets are detected from the [−15°,0°,15°] direction. The existing method detects the target at [−13°,3°,17°], and the proposed method detects the at [−15°,0°,15°]. As a result of the simulation, the target detection direction of the proposed method is improved by 2 degrees compared to the existing method.

Almost all small area estimations are obtained by minimizing the mean squared error. Recently relative error prediction methods have been developed and adapted to small area estimation. Usually the estimators obtained by using relative error prediction is called a shrinkage estimator. Especially when data set consists of large range values, the shrinkage estimator is known as having good statistical properties and an easy interpretation. In this paper we study the shrinkage estimators based on logistic regression type estimators for small area estimation. Some simulation studies are performed and the Economically Active Population Survey data of 2005 is used for comparison.

We have studied the structures and stabilities of Au6 to explore the origin of the large discrepancy between relative energies obtained from the density functional theory (DFT) and ab initio correlated levels of theory. The MP2 methods significantly overestimate the stability of the non-planar isomer when the double-$\zeta$ polarization quality of basis sets, such as LANL2DZ+1f and CEP31G+1f, are used. However, we show that such preference for the non-planar structure at the MP2 level mainly originates from the large basis set superposition error.

본 논문에서는 상대오차의 개념과 벌점회귀를 결합한 새로운 예측방법을 제시하였다. 제안된 방법은 오차항의 분포가 정규성을 크게 벗어나 있어 이상점을 포함하거나 오차항의 분포가 심각하게 비대칭인 경우에도 안정적으로 예측력이 유지할 뿐 아니라 벌점회귀를 통한 변수선택의 성능도 우수하다. 또한 개념적으로 쉽고, 계산 속도가 빠르며, 기존의 알고리즘을 활용해 구현하는 것이 매우 쉽다. 한국교통연구원의 일일 차량통행량 자료 실제 분석 및 모의실험을 통해 제안된 방법의 우수한 성질을 확인하였다.

This paper presents a new prediction method based on relative error incorporated with a penalized regression. The proposed method consists of fully data-driven procedures that is fast, simple, and easy to implement. An example of real data analysis and some simulation results were given to prove that the proposed approach works in practice.

대용량 데이타에 대한 복잡한 질의 처리가 요구되는 응용에서 빠른 시간 안에 응답을 돌려주기 위해, 데이타를 작은 크기로 근사하여 질의를 처리하는 방법이 연구되고 있다. 빠른 응답을 위해 주어진 저장 공간의 제약 하에서 얼마나 원본 데이타와 유사하게 근사할 수 있는지가 데이타 근사의 성능을 결정한다. 본 논문에서는 데이타 근사에서 유사도의 척도 중 하나인 최대 상대 오차를 줄이기 위하여 Haar 웨이블릿을 변형한 조화 웨이블릿 기법을 제안한다. 조화 웨이블릿은 데이타 변환 과정 중 조화평균을 이용하여 상대 오차 정보를 손쉽게 얻어낼 수 있어 근사 데이타의 상대 오차를 최소화하는 데 적합한 기법이다.

대용량 데이타에 대한 복잡한 질의 처리가 요구되는 응용에서 빠른 시간 안에 응답을 돌려주기 위해, 데이타를 작은 크기로 근사하여 질의를 처리하는 방법이 연구되고 있다. 빠른 응답을 위해 주어진 저장 공간의 제약 하에서 얼마나 원본 데이타와 유사하게 근사할 수 있는지가 데이타 근사의 성능을 결정한다. 본 논문에서는 데이타 근사에서 유사도의 척도 중 하나인 최대 상대 오차를 줄이기 위하여 Haar 웨이블릿을 변형한 조화 웨이블릿 기법을 제안한다. 조화 웨이블릿은 데이타 변환 과정 중 조화평균을 이용하여 상대 오차 정보를 손쉽게 얻어낼 수 있어 근사 데이타의 상대 오차를 최소화하는 데 적합한 기법이다.

상대오차를 이용한 예측법은 상대오차(혹은 퍼센트오차)가 중요시되는 분야, 특히 계량경제학이나 소프트웨어 엔지니어링, 또는 정부기관 공식통계 부분에서 기존 예측방법 외에 선호되는 예측방법이다. 그 동안 상대오차를 이용한 예측법은 선형 혹은 비선형 회귀분석 뿐 아니라, 커널회귀를 이용한 비모수 회귀모형, 그리고 정상시계열분석에 이르기까지 그 범위가 확장되어 왔다. 그러나, 지금까지의 분석은 고정효과(fixed effect)만을 고려한 것이어서 임의효과(random effect)에 관한 상대오차 예측법에 대한 확장이 필요하였다. 본 논문의 목적은 상대오차예측법을 일반화선형혼합모형(GLMM)에 속한 감마회귀(gamma regression), 로그정규회귀(lognormal regression), 그리고 역가우스회귀(inverse gaussian regression)의 패널자료(panel data)에 적용시키는데 있다. 이를 위해 실제 자동차 보험회사의 손해액 자료를 사용하였고, 최량예측량과 최량상대오차예측량을 각각 적용-비교해 보았다.

Relative error prediction is preferred over ordinary prediction methods when relative/percentile errors are regarded as important, especially in econometrics, software engineering and government official statistics. The relative error prediction techniques have been developed in linear/nonlinear regression, nonparametric regression using kernel regression smoother, and stationary time series models. However, random effect models have not been used in relative error prediction. The purpose of this article is to extend relative error prediction to some of generalized linear mixed model (GLMM) with panel data, which is the random effect models based on gamma, lognormal, or inverse gaussian distribution. For better understanding, the real auto insurance data is used to predict the claim size, and the best predictor and the best relative error predictor are comparatively illustrated.

사교육비조사는 높은 사회적 관심 속에 매해 조사결과가 국가지정통계로 발표되고 있으며 교육정책 수립에 커다란 영향을 미치고 있으나 교육학계는 통계청이 제공하는 조사결과 자료를 받아서 활용할 뿐이고, 교육 전반에 큰 영향을 미치는 이 조사의조사설계나 추정방법 적절성에 대해서 논의하거나 개선의견을 제시한 바가 없다. 이 연구에서는 사교육비조사의 표본설계, 사교육비 추정값의 상대표준오차, 사교육비 추정방식의 적절성, 사교육 참여율 추정값의 산출과 해석상 문제점, 추정값에 대한 조사표본소득수준 변화의 영향 등이 검토되었다. 연구결과는 표본할당 방법이 변경된 2019년 발표 2018조사 이후의 조사설계가 2007년조사출범 당시보다 개선되었으며, 2020년 발표 2019조사의 상대표준오차는 1.09로 통계청의 목표 상대표준오차인 1.1보다 작아서 통계청발표 학생일인당 월평균 사교육비 추정값의 정확도가 매우 높았던 것으로 확인되었다. 한편, 사교육 참여율 추정값의 산출방법과 해석상 문제점과 1, 2차 조사에서 서로 다른 표본을 조사하는 방식으로 변경된 2020년 발표 2019조사의 문제점이 지적되고 검토되었다. 조사에서 소득을 사후층화 변수로 사용하는 방안이 제안되었으며, 사교육비 추정과정에서 소득변화와 같은 경제적요인에 더하여 추가적으로 가구당 자녀수 감소와 같은 사회적 요인의 제거 필요성이 논의되었다.

This study compared the sampling design of the 2018 Survey of Private Education Expenditure with the 2007 Survey, and calculated the relative standard error(RSE) of the 2019 estimates. Also, this study investigated the relevant methods to combine two data sets surveyed every year, the problems to interpret the attend ratio of private education, and the need of post-stratification by income variable. The results showed that the sample allocation design of the 2018 Survey of Private Education Expenditure has been changed and the RSE of the 2019 was 1.09, which is smaller than the planned RSE of Statistics Korea. It was found that even though the private education expenditure decreased in many income groups, the average expenditure increased steadily during the 13 years since the ratio of high income group was increasing in the survey samples every year. It was suggested to use income as a post-stratification variable.

본 연구에서는 계속조사에서 과거의 조사결과에서 얻은 추정값의 상대표준오차를 이용한 표본크기 결정 문제에 대하여 실제 사업체 조사자료를 활용하여 살펴보았다. 통계청 사업체 조사결과 중 건설업을 모집단으로 이용하여 표본크기를 500에서 3,000까지 500씩 증가시켜가면서 표본을 1,000개씩 단순임의추출 또는 층화추출하여 추출된 각 표본으로부터 상대표준오차들의 사분위수를 계산하였다. 그리고 이들 값들을 토대로 계속조사에서 시점 (t-1)에서의 상대표준오차를 이용한 시점 t에서의 표본크기를 추출법에 따라 구하였다. 그 결과 단순임의추출의 경우는 층화추출의 경우보다 시점 (t-1)에서의 상대표준오차들의 크기에 따라 표본크기가 매우 크게 차이가 나타남을 알 수 있었으며, 층화추출의 경우도 어떻게 층화를 하느냐에 따라 표본크기에 차이가 있을 수 있음을 알 수 있었다. 따라서 계속 조사에서 과거의 조사결과에서 얻은 추정값의 상대표준오차를 이용한 표본크기 식을 활용하는데 있어서 세심한 주의가 필요함을 확인할 수 있었다.

This study deals with the decision problem of sample size by the relative standard error of estimates derived from survey results in successive occasions. The population of the construction in business survey results is used to calculate quartile of the relative standard error of the 1,000 sample obtained from simple or stratified random sampling. The sample size at time t with a relative standard error of the point (t-1) in the successive occasions were calculated according to the sampling method. As a result, in terms of the sample size according to the size of the relative standard error of the (t-1), simple random sampling differs significantly from stratified sampling. In addition, we could see differences in sample size (depending on how the population is stratified) and that careful attention is required in the problem of sample size by the relative standard error of estimates derived from survey results in successive occasions.

차량의 위치를 인식하기 위한 시스템으로는 위성 위치 확인 시스템(GPS, Global Positioning System)과 관성 항법 시스템(INS, Inertial Navigation System)이 있다. INS는 차량의 최초 위치를 입력해야한다는 점과 시간이 지남에 따라 오차가 누적된다는 점 때문에 GPS와 INS가 상호보완적인요소로 통합하여 사용되고 있다. 하지만 GPS로부터 얻는 위치 정보는 정확성의 문제가 존재한다. 본 논문에서는 이를 해결하기 위해 톨게이트와 전광판을 활용하여 초기의 위치 값을 얻고, 누적오차를 방지하기 위해 재 초기화하는 방안을 제안한다. 고속도로상의 톨게이트와 전광판에는 모두 DSRC(Dedicate Short Range Communication) 시스템을 통해 위치를 전송할 수 있다. 따라서 INS의 최초 위치 입력이 필요한 문제와 누적오차 문제를 해결할 수 있다. 제안 방식을 통해 INS의 장점을 살리면서도 좀 더 정확한 위치를 인식 할 수 있어 차량 간 통신(V2V, Vehicle-to-Vehicle)기반의 이웃 차량 위치인지 시스템에 대한 연구가 더 활발해질 것으로 기대된다.

차량의 위치를 인식하기 위한 시스템으로는 위성 위치 확인 시스템(GPS, Global Positioning System)과 관성 항법 시스템(INS, Inertial Navigation System)이 있다. INS는 차량의 최초 위치를 입력해야한다는 점과 시간이 지남에 따라 오차가 누적된다는 점 때문에 GPS와 INS가 상호보완적인요소로 통합하여 사용되고 있다. 하지만 GPS로부터 얻는 위치 정보는 정확성의 문제가 존재한다. 본 논문에서는 이를 해결하기 위해 톨게이트와 전광판을 활용하여 초기의 위치 값을 얻고, 누적오차를 방지하기 위해 재 초기화하는 방안을 제안한다. 고속도로상의 톨게이트와 전광판에는 모두 DSRC(Dedicate Short Range Communication) 시스템을 통해 위치를 전송할 수 있다. 따라서 INS의 최초 위치 입력이 필요한 문제와 누적오차 문제를 해결할 수 있다. 제안 방식을 통해 INS의 장점을 살리면서도 좀 더 정확한 위치를 인식 할 수 있어 차량 간 통신(V2V, Vehicle-to-Vehicle)기반의 이웃 차량 위치인지 시스템에 대한 연구가 더 활발해질 것으로 기대된다.