티스토리

드롱드롱

검색하기

블로그 홈

드롱드롱

drongdrong.tistory.com/m

드롱드롱 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

제시된 문제 상황 1. 수요예측 할 떄 단위에 잘 고려할 것 시간 :분, 단위 : 천원 2. 파일은 총 2개- 위도, 경도가 나타나있는 장소 426개- 교통량이 주어진 파일+) 단거리 이동은 필터링해서 없애버렸음 문제 : 426개의 지역 중에 동 3개를 골라라.어떻게 최적화를 할 것인지에 대해 공감수 0 댓글수 0 2025. 2. 20.
가장 중요한 논문 1편 주제와 가장 밀접하게 맞닿아있으면서 가장 최근에 나온 논문인 Optimal Vertiport Locations for Air Taxi Services in Seoul Metropolitan Area에 대해서 더 자세하게 요약된 것을 올린다. 📌 논문 요약: 서울 수도권 에어택시 서비스를 위한 최적 버티포트 위치 선정🔹 연구 목적이 연구는 **도심 항공 모빌리티(UAM, Urban Air Mobility)**를 위한 최적의 버티포트(Vertiport) 위치를 결정하는 문제를 다룹니다.수요 기반 확률적 모드 선택(probabilistic mode choice)을 고려하여 최적의 위치를 찾음.이동 시간 및 비용을 최소화하면서 UAM 수익을 극대화하는 모델을 제안.서울 수도권(Seoul Metropolit.. 공감수 0 댓글수 0 2025. 2. 19.
과제 Background 1. K-UAM 기술 로드맵은 성숙기에 수도권(서울, 경기, 인천) 내 20개의 버티포트 수요가 있다고 밝혔다.[한국형 도심항공교통 기술로드맵, 2021, 국토교통부]=> 버티포트 처음에 5개 정도 건설하고 10개->20개 수준으로 늘리면 될 듯 2. 버티포트 설치가 애초에 불가능한 지역- 운수 시설 설치가 금지된 자연환경보전지역과 보전산지- 현 항공법을 고려한 p73 비행금지구역 3. 대중교통 수요량, 생활인구밀도, 연평균 소득, 개별공시지가, 대중교통과의 거리, 주거건물 밀집도를 입지 선정에 영향을 미치는 요인으로 선정 => 여기서 나는 주제에서 주어진 "수요 기반"에서의 수요를 "접근성"과 "교통량"을 기준으로 잡으려고 한다.생활인구밀도, 연평균소득, 대중교통(버스, 지하철의 수) 3가지 항목.. 공감수 0 댓글수 0 2025. 2. 19.
K-means, DBSCAN 예제 대회에서 유전 알고리즘과 함께 주요하게 사용할 알고리즘인 K-means, DBSCAN에 대해 알아보고 예제를 통해 사용 방법을 익혀보도록 하자. => 참고 자료 클러스터링 #1 - KMeans클러스터링과 KMeans를 이용한 데이타의 군집화조대협 (http://bcho.tistory.com)클러스터링 문제클러스터링은 특성이 비슷한 데이타 끼리 묶어주는 머신러닝 기법이다. 비슷한 뉴스나 사용 패턴이 유bcho.tistory.com [Python] K-means clustering이 게시글은 오로지 파이썬을 통한 실습만을 진행한다. K-means 군집분석의 개념 및 원리를 알고자하면 아래 링크를 통해학습을 진행하면 된다. 아래는 3개의 실습과정을 통해서 k-means 공부를 진todayisbettertha.. 공감수 0 댓글수 0 2025. 2. 19.
데이터 정규화 시 사용할 방법 1️⃣ Min-Max Scaling (최소-최대 정규화)데이터를 0~1 사이의 값으로 변환하는 방식K-means 같은 거리 기반 알고리즘에서 자주 사용됨. 사용 추천거리, 인구 밀도, 교통량 같은 **양의 값(0 이상)**을 가지는 변수극단값(outlier)이 많지 않은 경우예제 (Python 코드)from sklearn.preprocessing import MinMaxScalerimport pandas as pd# 예제 데이터 (교통량, 거리, 인구 밀도)data = pd.DataFrame({ 'traffic_volume': [1000, 5000, 10000, 2000, 8000], 'distance': [2, 10, 5, 7, 3], 'population_density': [500.. 공감수 0 댓글수 0 2025. 2. 19.
알고리즘 계획 상세 1. k-mean 알고리즘(DBSCAN)을 이용해서 후보군을 선정하고, 유전 알고리즘을 통해서 전역 최적해를 찾는다. 2. 만약에 알고리즘을 더 이용해서 결론을 내기에 시간이 충분하다면, 머신러닝 앙상블 기법을 이용해서 주요 원인 분석을 통해 최적화하고 최종 결론을 도출한다. 나는 이 주제에 대해 서울시를 3*3grid로 정사각형 형태로 나눠서 생활인구밀도, 연평균소득, 버스 정류장과 지하철의 개수, 지역의 교통량을 가지고 k-mean 알고리즘으로 초기 후보지를, DBSCAN 알고리즘으로 핵심 후보지를 고를거야.그 과정에서 후보군 20개를 선정하고, k-mean으로 선정된 후보지는 10점, DBSCAN 알고리즘으로 선정된 후보지는 20점을 매겨서 유전자 알고리즘을 이용할거야.유전자 알고리즘으로 한 버티포.. 공감수 0 댓글수 0 2025. 2. 19.
유전 알고리즘을 활용한 버티포트 선정 예제 chat GPT를 이용하여 랜덤한 도시들에 랜덤한 fitness score을 매겨 유전 알고리즘으로 최적의 버티포트 지역을 선정하는 알고리즘을 가져와봤다. import numpy as npimport random# 서울의 10개 주요 지점 예제possible_locations = ['강남', '시청', '판교', '신림', '화곡', '한강', '종로', '동대문', '목동', '여의도']# 개체 생성 (5개의 버티포트 선택)def create_individual(): return random.sample(possible_locations, 5)# 초기 개체군 생성def initialize_population(size=10): return [create_individual() for _ in.. 공감수 1 댓글수 0 2025. 2. 18.
최적의 위치를 찾는 버티포트 논문 모음 1. Optimal Locations for Air Mobility Vertiports(Nasa) 논문 요약: Optimal Locations for Air Mobility Vertiports이 연구는 **고급 항공 모빌리티(AAM, Advanced Air Mobility) 및 도심 항공 모빌리티(UAM, Urban Air Mobility)**의 도입을 고려하여 버티포트(Vertiport) 위치를 최적화하는 방법을 분석한 보고서이다. NASA의 지원을 받아 수행되었으며, 주로 미국 로스앤젤레스(LA) 대도시권과 오하이오주를 대상으로 대중 설문조사를 통해 데이터를 수집하였다.1. 연구 목적대중이 버티포트가 어디에 위치하기를 원하는지, 그리고 어떤 용도로 UAM을 사용할 것인지 파악.UAM을 실용적인 교통.. 공감수 0 댓글수 0 2025. 2. 18.
유전 알고리즘(간단, 정석 예제) [알고리즘] 유전 알고리즘유전 알고리즘이란? TSP에 적용velog.io개념적인 내용이 잘 정리되어 있다. 결국 유전 알고리즘이란, 유전자가 유전되는 특성(변이, 교배 연산)들을 본따서 만들어진 알고리즘으로, 최적화 문제를 해결하는 전역 최적화 기법(시간이 길더라도 전체 탐색영역에서 가장 좋은 해를 찾는 것)이다. 유전 알고리즘은 특정한 문제를 풀기 위한 알고리즘이라고 보기 보다는 문제를 풀기 위한 접근방법에 가까우며, 유전 알고리즘에서 사용할 수 있는 형식으로 바꾸어 표현할 수 있는 모든 문제에 대해 적용할 수 있다. 유전 알고리즘을 활용하기 위한 요구 조건해를 유전자(gene)의 형식으로 표현할 수 있어야 한다.해가 얼마나 적합한지를 적합도 함수를 통해 계산할 수 있어야 한다.적합도 함수 : 해가.. 공감수 1 댓글수 0 2025. 2. 17.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.