[논문]신호교차로 지체시간을 고려한 버스도착시간 예측 신뢰성 향상 연구

엄기훈; 이숭봉; 이진수; 이영인

doi:10.12815/kits.2017.16.6.101

신호교차로 지체시간을 고려한 버스도착시간 예측 신뢰성 향상 연구
Improving Reliability of Bus Arrival Time Predictions Considering delay Time at Signalized Intersection 원문보기

韓國ITS學會論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.16 no.6, 2017년, pp.101 - 111

엄기훈 (서울대학교 환경대학원 환경계획학과) , 이숭봉 (서울대학교 환경대학원 환경계획학과) , 이진수 (서울대학교 환경대학원 환경계획학과) , 이영인 (서울대학교 환경대학원 환경계획학과)

초록
AI-Helper

본 연구는 현재 적용되고 있는 버스 도착 예측정보 생성 알고리즘에서 반영할 수 없었던 요소인 신호 지체시간을 고려한 버스 도착시간 예측 방법론을 제안하였다. 신호지체시간을 반영하기 위해 정류장간 통행시간을 서비스시간, 순통행시간, 신호지체시간으로 분할하였고, 신호지체시간은 교차로 도착시간과 신호운영계획(TOD)를 이용하여 추정하였다. 본 연구에서 제안한 방법론으로 도착시간을 예측할 때에 발생하는 오차 대부분이 약 ${\pm}30$초 이내로 나타났으나 일부 다소 큰 값의 오차를 발견할 수 있었는데 이러한 오차의 발생 원인은 예측 신호주기보다 앞 신호주기에 통과했기 때문인 것으로 분석되었다. 교차로 도착시각을 관측값이 아닌 추정값을 사용하는 본 방법론의 특성상 광역버스 등의 도착시각을 예측할 수 없는 한계가 존재한다. 실시간 위치정보를 통해 이를 개선하는 등의 향후 연구를 통해 본 방법론의 정확도를 크게 향상시킬 수 있을 것이다.

Abstract ▼ AI-Helper

This study propose a method to predict the bus arrival time by considering the signal delay time which is an element which can not be considered in the current bus arrival prediction information generation algorithm. In order to consider the signal delay time, travel time is divided into three components: service time, cruising travel time, and signal delay time. Signal delay time was estimated using intersection arrival time and TOD. The results show that most of the errors that occurred in predicting the arrival time are within about 30 seconds. Some of the estimates have large errors due to the nature of this methodology that uses the estimated value of the intersection arrival time rather than the observation value. It is also difficult to predict the arrival time of the express buses using this method. Future studies such as improving this through real-time location information will greatly improve the accuracy of the methodology.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

GPS 자료를 이용할 경우 정류장간 간격이 짧은 서울시 버스의 특성상 위치 및 속도 산정 과정에서 큰 오차가 발생할 수 있으며, 신호 대기시간을 가공하여 사용하는 경우에도 신호대기 여부에 따라 큰 차이가 발생하는 신호지체시간 특성상 정확한 예측이 어렵다. 따라서 본 연구에서는 버스도착시간 예측의 정확도 향상을 위해서 실시간 버스 위치 데이터와 통행시간의 변동성에 영향을 주는 요인 등을 복합적으로 반영하여 현장적용이 용이한 버스도착시간 예측 알고리즘을 개발하고자 한다.
본 연구에서 개발한 도착시간 예측 방법론을 적용하기 위하여 서울시 버스정보시스템(BMS) 운행이력자료의 정류장별 출발 및 도착시각과 신호교차로의 TOD자료를 기반으로 정류장 도착시각을 예측하였다. 분석을 단순화하기 위해 다음의 조건을 만족하는 교차로 구간에 대하여 버스도착시간 예측 방법론을 적용하기로 하였다.

가설 설정

- 연동값이 적용된 실제 TOD 자료의 구득이 가능할 것
먼저 서비스시간은 i정류장 출발시간과 i정류장 도착시간의 차이를 서비스시간으로 설정한다. 그리고 순통행시간은 j정류장 도착시간과 i정류장 출발시간의 차이를 통행시간이라 할 때 통행시간 자료 중 해당 시간대의 상위 15%의 속도를 순통행속도(v_freeflow)로 가정하여 정류장 i, j사이의 거리(l_{i, j})를 순통행속도로 나누어 산정한다. 또한 신호지체시간은 i정류장 출발 후 i, j사이의 교차로 도착시간(t_i,inter)을 순통행속도 기준으로 산정한 후, 해당 시간의 TOD table 녹색신호현시(t_i^TOD,g)를 고려하여 산정한다.
본 연구에서는 신호 지체시간이 버스도착시간의 변동성에 큰 영향을 줄 것이라는 가정하에, 실제로 그 영향이 얼마나 중대한지 살펴볼 것이다. 또한 그 결과를 반영하여 신호지체시간을 예측하기 위해 교차로 도착시각을 추정하고 이를 바탕으로 신호 지체시간을 고려하여 버스도착시간을 예측한다.

제안 방법

먼저 선행연구 고찰에서 나타난 것처럼 통행시간 전체를 다루는 기존의 방법론들이 공통적으로 가지고 있는 오류가 무엇인지 고찰하고, 이것이 실제로 어떤 영향을 미치는지 통행시간의 분포를 통해 살펴볼 것이다. 그리고 해당 오류를 보완하기 위하여 신호시간을 고려한 버스도착시간 예측 방법론을 고안하고 실제 버스통행시간 자료에 적용하여 그 효과를 살펴볼 것이다.
본 연구에서는 신호 지체시간이 버스도착시간의 변동성에 큰 영향을 줄 것이라는 가정하에, 실제로 그 영향이 얼마나 중대한지 살펴볼 것이다. 또한 그 결과를 반영하여 신호지체시간을 예측하기 위해 교차로 도착시각을 추정하고 이를 바탕으로 신호 지체시간을 고려하여 버스도착시간을 예측한다. 본 과정을 수행하기 위해 통행시간을 ① 순통행시간, ② 정류장 서비스시간, ③ 신호 지체시간 세 가지 요소로 나누어 산정하였고, 이를 통해 도출된 예측결과가 실제 통행시간과 어떠한 차이가 있는지 살펴보고, 그 오차 원인을 분석할 것이다.
이를 위해 통행 시간(다음 정류장까지 남은시간)을 다음과 같이 서비스시간(t_service), 순통행시간(t_drive), 신호지체시간(t_delay)의 세 성분으로 분할한다. 또한 순통행시간 중 교차로 기준으로 출발 정류장에서 교차로까지, 교차로에서 도착 정류장까지를 분할하여 총 네 개의 시간요소를 따로 구하여 합산하는 과정을 통해 총 통행시간을 산정한다.
먼저 선행연구 고찰에서 나타난 것처럼 통행시간 전체를 다루는 기존의 방법론들이 공통적으로 가지고 있는 오류가 무엇인지 고찰하고, 이것이 실제로 어떤 영향을 미치는지 통행시간의 분포를 통해 살펴볼 것이다. 그리고 해당 오류를 보완하기 위하여 신호시간을 고려한 버스도착시간 예측 방법론을 고안하고 실제 버스통행시간 자료에 적용하여 그 효과를 살펴볼 것이다.
또한 그 결과를 반영하여 신호지체시간을 예측하기 위해 교차로 도착시각을 추정하고 이를 바탕으로 신호 지체시간을 고려하여 버스도착시간을 예측한다. 본 과정을 수행하기 위해 통행시간을 ① 순통행시간, ② 정류장 서비스시간, ③ 신호 지체시간 세 가지 요소로 나누어 산정하였고, 이를 통해 도출된 예측결과가 실제 통행시간과 어떠한 차이가 있는지 살펴보고, 그 오차 원인을 분석할 것이다.
본 방법론의 효과 비교분석을 위해 신호대기시간을 고려하지 않는 방법, 신호대기시간을 고려하는 방법, 기존 총 통행시간을 이용하여 산정하는 방법 총 세 가지 방법론을 각각 적용하였다. 여기서 기존 방법론으로는 15분 간격으로 i, j정류장을 이용한 모든 노선의 버스통행시간을 저장하고, 평균 ± σ의 범위를 벗어나는 자료를 제거한 뒤 산술평균한 값을 대표통행시간을 산정하여, 버스도착시간을 예측하였다.
TOD table은 평일, 토요일, 일요일, 특수일(지정공휴일)로 나누어 운영되며, 요일마다 다른 통행량 특성에 따라, 패턴이 적용되는 시간 단위가 다르다. 본 연구에서 신호시간은 매우 중요한 변수이므로 분석에 사용되는 데이터와 동일한 날짜에 대해서 현장조사를 통해 TOD table을 구축하였다. TOD table은 교차로 통과가능 여부에 따라 초단위로 DB를 구축하였다.
기존의 버스도착시간 예측 시 적용되는 통행시간은 이전정류장 도착시간에서 다음정류장 도착시간까지의 총 통행시간을 적용하였다. 본 연구에서는 기존의 통행시간을 서비스시간(Service Time, ST), 순통행시간(Cruising Travel Time, CTT), 신호 지체시간(Signal Delay Time, SDT) 총 세 가지 성분으로 나눈 뒤 순통행시간을 이용하여 교차로 도착시간을 역으로 산정하고 해당 시간의 교차로 신호 TOD자료를 통해 해당 교차로에서의 신호지체시간을 산정할 것이다.
본 연구에서는 실시간 BMS자료와 정주기식 교차로 신호 운영계획(TOD)를 결합하여 신호교차로에서의 지체시간을 고려한 버스도착시간을 예측하는 방법론을 제안하고, 이를 기존 방법론과 비교하였다. 신호지체시간을 고려하기 위하여 통행시간을 세 개의 성분으로 분할하였고, 그 중 신호지체시간을 산정하기 위해서 교차로 도착시간을 추정하는 과정이 포함되었다.
신호시간 지체가 정류장간 통행시간에 미치는 영향을 분석하기 위하여 버스정류장간 통행시간 분포를 산정하고, 통행시간 변화폭이 가장 큰 구간을 분석하였다. 이 때 통행시간 변화폭을 비교하기 위한 지표로 통행시간의 표준편차를 평균 통행시간(#)으로 나눈 값인 변동계수(Coefficient of Variation,CV)를 사용하였다.
본 연구에서는 실시간 BMS자료와 정주기식 교차로 신호 운영계획(TOD)를 결합하여 신호교차로에서의 지체시간을 고려한 버스도착시간을 예측하는 방법론을 제안하고, 이를 기존 방법론과 비교하였다. 신호지체시간을 고려하기 위하여 통행시간을 세 개의 성분으로 분할하였고, 그 중 신호지체시간을 산정하기 위해서 교차로 도착시간을 추정하는 과정이 포함되었다. 이 과정을 통해 추정한 교차로 도착시각과 TOD의 비교를 통해 신호지체시간을 산정할 수 있었다.
여기서 기존 방법론으로는 15분 간격으로 i, j정류장을 이용한 모든 노선의 버스통행시간을 저장하고, 평균 ± σ의 범위를 벗어나는 자료를 제거한 뒤 산술평균한 값을 대표통행시간을 산정하여, 버스도착시간을 예측하였다.
신호지체를 고려한 버스도착시간 예측을 위하여 앞서 언급했듯이 통행시간에서 교차로 도착시간을 추출해야 한다. 이를 위해 통행 시간(다음 정류장까지 남은시간)을 다음과 같이 서비스시간(t_service), 순통행시간(t_drive), 신호지체시간(t_delay)의 세 성분으로 분할한다. 또한 순통행시간 중 교차로 기준으로 출발 정류장에서 교차로까지, 교차로에서 도착 정류장까지를 분할하여 총 네 개의 시간요소를 따로 구하여 합산하는 과정을 통해 총 통행시간을 산정한다.

대상 데이터

위 조건을 모두 만족하는 교차로로 종로1가, 종로2가 교차로 구간을 선정하였으며 분석 방향은 종로구청입구 → 종로3가 교차로 방향을, 분석 시간대는 오전 11시에서 오후 2시 사이로 설정하였다.

데이터처리

신호시간 지체가 정류장간 통행시간에 미치는 영향을 분석하기 위하여 버스정류장간 통행시간 분포를 산정하고, 통행시간 변화폭이 가장 큰 구간을 분석하였다. 이 때 통행시간 변화폭을 비교하기 위한 지표로 통행시간의 표준편차를 평균 통행시간(#)으로 나눈 값인 변동계수(Coefficient of Variation,CV)를 사용하였다.

이론/모형

본 연구에서 개발한 도착시간 예측 방법론을 적용하기 위하여 서울시 버스정보시스템(BMS) 운행이력자료의 정류장별 출발 및 도착시각과 신호교차로의 TOD자료를 기반으로 정류장 도착시각을 예측하였다. 분석을 단순화하기 위해 다음의 조건을 만족하는 교차로 구간에 대하여 버스도착시간 예측 방법론을 적용하기로 하였다.
(2009)는 동일 진행방향의 버스노선을 그룹으로 묶어 그룹별 통행시간을 가공하여 도착시간을 추정하였다. 이 때, 최근 관측값일수록 가중치가 커지는 방식의 가중이동평균법을 사용하였다. Rho et al.

성능/효과

(2010)에서는 KNN모형을 이용하여 다중시간대 경로통행시간 예측하는 동적모형을 개발하였다. 개발된 모형은 과거 데이터(historical data) 중 현재의 통행패턴과 가장 유사한 자료를 탐색하여 예측하는 방법으로, 기존의 과거자료 평균을 이용한 예측에 비하여 오차율이 크게 개선되는 것으로 분석되었다.
개별 차량에 대하여 실제 통행시간과 예측 통행시간의 차이를 그래프로 표현한 경우에도 신호지체를 고려하지 않은 방법론 대비 신호를 고려한 본 방법론의 결과가 현저히 적은 오차를 보이는 것을 알 수 있었다.
버스도착시간 예측은 ① 정보 수집 ② 정보 가공 ③ 정보 제공의 세 단계로 구성되어 있다. 국내외 버스도착시간 예측 연구를 살펴본 결과 더 정확한 예측을 위하여 정보 수집 단계에서는 그룹화 및 수집 주기 단축 등의 방법을, 정보 가공 단계에서는 가중이동평균법, 칼만필터, 유전자 알고리즘, 인공 신경망 등을 사용하였음을 알 수 있었다. 그러나 근본적으로 통행시간에 가장 큰 영향을 주는 요인이 무엇인지 분석하고 이를 고려하여 통행시간을 예측한 연구는 미비한 것으로 드러났다.
이 과정을 통해 추정한 교차로 도착시각과 TOD의 비교를 통해 신호지체시간을 산정할 수 있었다. 본 연구에서 제시한 방법론을 적용하여 버스도착시간을 예측한 결과 기존 방법론 대비 약 32%의 오차 감소 효과가 있었다. 본 연구에서 제안한 방법론은 도시부 도로의 버스 도착시각 예측 오차를 감소시키는 데에 효과적일 것으로 예상된다.
분석구간을 통행하는 9개 노선의 간선버스에 대하여 11:00에서 14:00시에 통과한 버스 이력자료를 기준으로 다음정류장 도착시간을 예측한 결과 기존 방법론은 평균 15.7초, 본 연구의 방법론은 평균 10.6초의 오차로 기존방법론과 비교하였을 때 약 32%의 개선효과를 보이는 것으로 분석되었다.
9로 나타난 서울역사박물관(01123)-강북삼성병원(01165)정류장 구간에서 신호대기 가능 구간이 세 구간으로 확인되었으며 이를 통해 신호지체가 통행시간 변동성에 중대한 영향을 미치는 것을 확인할 수 있었다. 추가적으로 정류장간 신호교차로 개수별 평균 변동계수를 산정한 결과 교차로 개수 0개는 약 0.27, 1개는 0.32, 2개는 0.33, 3개 이상은 0.40으로 정류장간 신호교차로 개수가 많을수록 변동계수가 높게 산정되는 결과를 보였다.
버스도착시간 안내시스템(BIS)에 적용된 예측알고리즘은 정류장의 출·도착 정보를 수집하여 정류장 도착시간을 예측하고 있다. 통행시간의 분포와 기하구조 특성을 분석한 결과 통행구간 내 신호대기 가능 구간의 개수가 통행시간의 변동성에 큰 영향을 미치고 있음을 분석하였다. 하지만 기존의 버스도착시간 예측 알고리즘은 신호시간 지체시간을 고려하지 못하고 있는 실정이다.
4인 구간의 기하구조를 분석한 결과 골목길로의 진입, 진출로 인한 지체(노변마찰)가 발생하는 지점이 한 곳 이상 존재하거나 교차로와 보행자신호로 구성된 신호대기 가능 구간이 두 곳 이상 존재하는 것을 알 수 있었다. 특히 두 노선 모두 변동계수가 약 0.9로 나타난 서울역사박물관(01123)-강북삼성병원(01165)정류장 구간에서 신호대기 가능 구간이 세 구간으로 확인되었으며 이를 통해 신호지체가 통행시간 변동성에 중대한 영향을 미치는 것을 확인할 수 있었다. 추가적으로 정류장간 신호교차로 개수별 평균 변동계수를 산정한 결과 교차로 개수 0개는 약 0.
회차 및 휴식구간을 제외하고 CV ≧ 0.4인 구간의 기하구조를 분석한 결과 골목길로의 진입, 진출로 인한 지체(노변마찰)가 발생하는 지점이 한 곳 이상 존재하거나 교차로와 보행자신호로 구성된 신호대기 가능 구간이 두 곳 이상 존재하는 것을 알 수 있었다. 특히 두 노선 모두 변동계수가 약 0.

후속연구

이를 극복하기 위해서는 교차로에서 버스 정지 시점의 잔여 신호현시길이 등을 실시간으로 수집하고 분석하는 정보체계가 구축되어야 한다. 또한 교차로 도착시간을 관측값이 아닌 추정값을 사용하는 본 방법론 특성상 정류장 간 통행거리가 긴 광역버스의 경우 통과하는 신호가 많기 때문에 교차로 통과시각을 정확히 예측하는 것은 한계가 존재한다. 해당 방법론의 정확도 개선을 위해서는 정확한 기하구조(연장), 교차로 대기행렬 길이, 버스의 실시간 속도 등의 정보가 필요하며, 신호교차로의 TOD를 GIS상에 매칭 하는 작업이 필요하다.
본 연구에서 제시한 방법론을 적용하여 버스도착시간을 예측한 결과 기존 방법론 대비 약 32%의 오차 감소 효과가 있었다. 본 연구에서 제안한 방법론은 도시부 도로의 버스 도착시각 예측 오차를 감소시키는 데에 효과적일 것으로 예상된다.
본 연구의 한계로는 정주기식 TOD로 운영되고 있는 지역에서만 적용할 수 있으며, 정류장 사이에 2개 이상의 교차로가 존재할 경우 예측오차가 커질 수 있다는 한계점을 가지고 있다. 이를 극복하기 위해서는 교차로에서 버스 정지 시점의 잔여 신호현시길이 등을 실시간으로 수집하고 분석하는 정보체계가 구축되어야 한다.
향후 연구 과제로는 실시간 위치정보 및 속도정보 이용을 통한 교차로 도착시간 추정 오차 감소를 위한 방법론 개발, 좌/우회전 구간 포함, 스마트카드 승하차 자료 등을 이용한 서비스시간 산정 방법론 개선, 2개 이상의 신호교차로를 포함한 구간의 적용성 여부 등에 대한 검토가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	버스도착시간을 예측할 때에 영향을 미칠 수 있는 요인은 무엇인가?	도시부 단속류 구간에서 버스도착시간을 예측할 때에 영향을 미칠 수 있는 요인은 정류장에서의 승하차 시간, 정류장 진출입 시간, 정류장간 거리, 교통상황으로 인한 지체 등 다양한 원인이 있을 수 있지만 이들 중 가장 큰 원인은 신호대기로 인한 지체로 판단된다.
	서울시에서 운영 중인 BMS시스템의 문제점은?	현재 서울시에서 운영 중인 BMS시스템에서는 최근 통행시간 자료나 해당 구간의 통행시간 이력자료를 가공, 필터링하는 방법 등을 사용하여 버스도착시간을 예측하고 있으며, 신호에 의한 지체시간의 영향은 고려하지 않고 있기 때문에 짧은 구간의 통행시간을 예측할 때에도 ±2분을 허용 가능한 오차로 둔 채 예측하고 있는 실정이다. 실제로 서울시 교차로 주기는 일반적으로 120~160초이며, 적색현시로 인한 지체가 발생할 경우 70~100초 이상이 소요될 수 있고, 2주기 이상일 경우 통행시간은 더욱 증가할 수 있다.
	GPS 자료를 이용한 통행속도 가정의 문제점은 무엇인가?	특히 신호교차로를 고려한 다수의 연구에서는 ①GPS 자료를 이용한 통행속도 가정이 포함되었거나 ② 신호교차로에서의 대기시간을 가공하여 간접적으로 대기시간을 산정하는 과정이 수행되는 경우가 많았다. GPS 자료를 이용할 경우 정류장간 간격이 짧은 서울시 버스의 특성상 위치 및 속도 산정 과정에서 큰 오차가 발생할 수 있으며, 신호 대기시간을 가공하여 사용하는 경우에도 신호대기 여부에 따라 큰 차이가 발생하는 신호지체시간 특성상 정확한 예측이 어렵다. 따라서 본 연구에서는 버스도착시간 예측의 정확도 향상을 위해서 실시간 버스 위치 데이터와 통행시간의 변동성에 영향을 주는 요인 등을 복합적으로 반영하여 현장적용이 용이한 버스도착시간 예측 알고리즘을 개발하고자 한다.

참고문헌 (11)

Bie Y., Wang D. and Qi H.(2012), "Prediction Model of Bus Arrival Time at Signalized Intersection Using GPS Data," Journal of Transportation Engineering, vol. 138, no. 1, pp.12-20

상세보기
Chang H., Park D., Lee S., Lee H. and Baek S.(2010), "Dynamic multi-interval bus travel time prediction using bus transit data," Transportmetrica, vol. 6, no. 1, pp.19-38.

상세보기
Chen G., Yang X., An J. and Zhang D.(2011), "Bus-arrival-time prediction models: Link-based and section-based," Journal of transportation engineering, vol. 138, no. 1, pp.60-66.
Jaykrishna P., Steven C. and Athanassions B.(2004), "Estimation of bus arrival times using APC data," Journal of Public Transportation, vol. 7, no. 1, pp.1-20.

상세보기
Jeong R. and Rilett R.(2004), "Bus arrival time prediction using artificial neural network model," Intelligent Transportation Systems, 2004. Proceedings. The 7th International IEEE Conference on (pp. 988-993). IEEE.
Kim J., Park B., Rho C. and Kang W.(2014), "Improve the Reliability Measures of Bus Arrival Time Estimation Model," Korean Society of Civil Engineers, vol. 34, no. 2, pp.597-604.

원문보기 상세보기
Kim T., Ahn H. and Kim S.(2009), "Predictive Modeling of the Bus Arrival Time on the Arterial using Real-Time BIS data," Journal of the Korean Society of Civil Engineers, vol. 29. no. 1D, pp.1-9.
Kim W., Rho C., Heo M. and Son B.(2009), "A Development of Bus Arrival Time Estimation Model," Seoul City Studies, vol. 10, no. 2, pp.21-29.
Rho C., Kim W. and Son B.(2010), "Development of Bus Arrival Time Estimation Model by Unit of Route Group," Journal of Korean Society of Transportation, vol. 28, no. 1, pp.135-142.
Wei J. and Kim Y.(2012), "Reliability Analysis of Bus Arrival Time Estimation Using Fusion Algorithm," Korean Institute of ITS Conference, pp.254-259.
Yang M., Chen C., Wang L., Yan X. and Zhou L.(2016), "Bus arrival time prediction using support vector machine with genetic algorithm," Neural Network World, vol. 26, no. 3, p.205.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증