[논문]Technology Development Strategy of Piggyback Transportation System Using Topic Modeling Based on LDA Algorithm

Jun, Sung-Chan; Han, Seong-Ho; Kim, Sang-Baek

doi:10.9708/jksci.2020.25.12.261

Technology Development Strategy of Piggyback Transportation System Using Topic Modeling Based on LDA Algorithm 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.25 no.12, 2020년, pp.261 - 270

Jun, Sung-Chan (Dept. of Industrial Management Engineering, Korea University) , Han, Seong-Ho (Railroad Type Approval Team, Korea Railroad Research Institute) , Kim, Sang-Baek (Dept. of Packaging, Yonsei University)

초록
AI-Helper

본 연구는 피기백 화차운송 시스템의 특허문서를 활용하여 관련 분야의 유망기술을 파악하는 것을 목표로 한다. 이를 위해 피기백 운송 시스템의 선행연구 및 관련 보고서로 기술 키워드를 추출하여 특허문서를 추출한다. 추출된 특허문서에 텍스트마이닝 기법을 적용하여 빈도수가 높은 키워드를 확인하고 피기백 운송 시스템의 핵심기술의 토픽을 식별하기 위해 LDA(Latent Dirichlet Allocation) 알고리즘을 적용하였다. 마지막으로, 시계열 분석 기법인 ARIMA 모델을 핵심기술의 토픽에 적용하여 기술 추세를 예측하고 피기백 운송 시스템에 대한 유망한 기술을 식별하였다. 특허 분석 결과, 데이터 기반 통합관리 시스템과 운영 계획 시스템 그리고 복합수송 중 특수 화물(기체, 액체류) 운송 및 보관 기술이 미래에 유망한 핵심기술로 도출되었고, 데이터 송수신 및 분석 기술이 중요한 세부 기술임을 확인하였다. 제안된 분석 방법은 피기백 운송 시스템의 R&D 연구개발 전략 및 기술 로드맵을 개발하는 데 있어 충분한 자료가 될 수 있다.

Abstract ▼ AI-Helper

In this study, we identify promising technologies for Piggyback transportation system by analyzing the relevant patent information. In order for this, we first develop the patent database by extracting relevant technology keywords from the pioneering research papers for the Piggyback flactcar system. We then employed textmining to identify the frequently referred words from the patent database, and using these words, we applied the LDA (Latent Dirichlet Allocation) algorithm in order to identify "topics" that are corresponding to "key" technologies for the Piggyback system. Finally, we employ the ARIMA model to forecast the trends of these "key" technologies for technology forecasting, and identify the promising technologies for the Piggyback system. with keyword search method the patent analysis. The results show that data-driven integrated management system, operation planning system and special cargo (especially fluid and gas) handling/storage technologies are identified to be the "key" promising technolgies for the future of the Piggyback system, and data reception/analysis techniques must be developed in order to improve the system performance. The proposed procedure and analysis method provides useful insights to develop the R&D strategy and the technology roadmap for the Piggyback system.

주제어

표/그림 (9)

그림 Fig. 1. Overall Framework
그림 Fig. 2. Concept of LDA
그림 Fig. 3. The Technology Trends of Piggyback system
그림 Fig. 4. Plot for optimal K(number of topics)
표 Table 1. The Results of LDA
표 Table 2. The Results of ARIMA
그림 Fig. 5. Relationship between technologies in Topic 1
그림 Fig. 6. Relationship between technologies in Topic 2
그림 Fig. 7. Relationship between technologies in Topic 10

AI 본문요약
AI-Helper

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

문제 정의

경쟁력 향상과 생존을 위하여 특허를 통해 기술 동향을 분석하고 새로운 기술을 기반으로 미래 전략을 세워야 한다. 따라서 본 연구는 복합화물 피기백 화차 운송시스템 분야의 연구 개발(R&D) 계획 전략을 도출하기 위해 한국, 중국, 미국, 유럽 등 세계 각국의 피기백 화차 운송 시스템과 관련된 특허를 수집하고, 수집된 특허를 기반으로 핵심기술 분야 및 미래 유망한 기술 분야를 도출한다. 최종적으로 유망한 핵심기술 분야의 세부기술 간 관계분석을 통해 피기백 운송 시스템의 기술개발 전략을 도출하는 것을 목표로 한다.
LDA 알고리즘은 문서 내의 숨겨진 토픽을 찾는 알고리즘으로 토픽별 문서와 단어 확률을 파라미터를 통해 도출하는 알고리즘이다. 따라서, 문서 내 포함하고 있는 단어들을 보이지 않는 잠재변수를 통해 토픽을 추론하는 것을 목적으로 하며 LDA 알고리즘을 통해 문서 전체의 토픽들과 문서에 따른 토픽 비율, 각 토픽에 포함하는 단어들의 분포를 알려준다 [22].
본 논문에서는 복합화물 피기백 화차 운송 시스템 분야에서 고도화를 위해 미래 기술개발 방향성과 실용화를 위한 기술개발 전략을 제시하기 위해 특허분석을 한다. LDA 토픽모델링을 통해 10개의 핵심기술 분야를 도출하고, 핵심기술 분야에 대하여 ARIMA 모형을 활용하여 데이터 기반 복합수송 통합관리 및 모니터링 시스템과 가스 및 액체류 보관 및 환적 기술에 대한 분야가 활발하게 기술개발이 이루어질 것으로 예측하였고, 철도운영 및 컨테이너 관련 구성요소에 대한 기술 분야는 지속적인 연구가 진행될 것으로 예측하였다.
따라서 본 연구는 복합화물 피기백 화차 운송시스템 분야의 연구 개발(R&D) 계획 전략을 도출하기 위해 한국, 중국, 미국, 유럽 등 세계 각국의 피기백 화차 운송 시스템과 관련된 특허를 수집하고, 수집된 특허를 기반으로 핵심기술 분야 및 미래 유망한 기술 분야를 도출한다. 최종적으로 유망한 핵심기술 분야의 세부기술 간 관계분석을 통해 피기백 운송 시스템의 기술개발 전략을 도출하는 것을 목표로 한다.
피기백 화차 운송 시스템의 기술개발 전략 도출을 위해본 연구 세부기술 간의 관계를 확인한다. 시계열 분석으로 도출된 미래 유망한 기술 분야의 특허를 기반으로 특허문서-키워드 행렬을 구성한다.

제안 방법

10개의 세부기술의 기술 추세를 확인하기 위하여 시계열 분석을 적용하였다. 시계열 분석을 통한 기술 추세는 과거 선행연구에서 정의한 바와 같이 Hot 토픽, Active 토픽, Cold 토픽으로 구분하여 분석하였다.
Hot 토픽으로 도출된 3개의 토픽에 대하여 네트워크 분석을 통해 세부기술 간 관계를 분석한다. 네트워크 분석의 지표로는 연결 중심성, 근접 중심성, 매개 중심성 등 다양한 지표가 있지만, 본 분석에 있어 기술 분야 중 핵심 세부기술을 파악하는 것이 주요 목적이기 때문에 근접 중심성을 기본으로 네트워크를 분석한다.
시계열 분석을 통한 기술 추세는 과거 선행연구에서 정의한 바와 같이 Hot 토픽, Active 토픽, Cold 토픽으로 구분하여 분석하였다. Hot 토픽은 상승하는 추세를 의미하고, Active 토픽은 일정한 활동성을 유지하고, Cold 토픽은 하강하는 추세로 세부기술을 분석하였다. 일반적으로 특허가 출원된 후 18개월이 경과된 후 관련 정보를 공개하므로, 2018년까지의 특허데이터를 기반으로 시계열 분석을 하였으며, Hot, Active, Cold 토픽에 대한 결과는 Table 2와 같다.
세부기술 키워드과 더불어 각 토픽으로 분류된 특허문서를 확인하여 Table 1과 같이 도출하였다. LDA 결과를 세부기술 키워드와 특허문서로 분석한 결과, 다음과 같은 토픽 주제를 도출하였다. Topic 1은 'control', 'connect', 'monitor', 'operation'가 높은 비중을 차지하고 있으며 위치 결정을 위한 센서 신호 수집 및 관리에 대한 특허가 다수 존재하여 해당 토픽을 “복합수송을 위한 데이터 기반 통합관리 시스템 및 기술”로 정의하였다.
적용하였다. LDA 알고리즘을 통해 도출되는 다양한 토픽을 정의하기 위해 토픽별 핵심 키워드와 특허문서를 분석하여 토픽을 정의한다.
LDA 알고리즘을 적용하기 위하여 사전에 토픽의 개수인 군집 수를 결정해야 한다. 군집 수는 언어 복잡도 알고리즘을 적용하여 해석력이 높은 군집 수를 설정하였다.
기술 분야의 추세는 과거 선행연구에서 정의한 바와 같이 상승하는 추세인 Hot 토픽, 꾸준한 활동성을 유지하는 Active 토픽, 하강하는 추세인 Cold 토픽으로 구분하여 분석한다 [28].
통해 세부기술 간 관계를 분석한다. 네트워크 분석의 지표로는 연결 중심성, 근접 중심성, 매개 중심성 등 다양한 지표가 있지만, 본 분석에 있어 기술 분야 중 핵심 세부기술을 파악하는 것이 주요 목적이기 때문에 근접 중심성을 기본으로 네트워크를 분석한다. 따라서, 본 연구는 네트워크 그래프를 근접 중심성이 클수록 붉은색으로 도식화하였다.
특허문서는 구조화되지 않은 데이터로 데이터 전처리 및 텍스트 마이닝을 통해 구조화된 데이터로 변환하는 과정을 거친다. 둘째, 구조화된 데이터를 LDA 알고리즘을 통해 특허문서를 군집화하여 핵심기술 분야를 도출한다. 셋째, 핵심기술 분야의 미래 방향성을 확인하기 위하여 ARIMA 시계열 모델을 적용한다.
따라서, 본 연구는 LDA 알고리즘을 통해 도출된 토픽에 ARIMA 모형을 통한 시계열 분석을 적용하여각 기술 분야별 유망성을 확인하고 이를 Hot, Active, Cold Topic으로 구분하여 분석한다.
시간대별 변화하는 기술분야 별 키워드를 분석하며 미래 연구 방향성에 대한 기술전략을 도출하였다 [24]. 또한, 철도차량용 무선급전시스템의 논문 동향을 LDA 알고리즘을 기반으로 분석하였고, 기술 분야별 미래 유망 성을 확인하여 연구개발전략을 도출하였다 [22].
복잡도 값이 낮을수록 데이터의 결과를 제대로 반영한다는 것을 나타낸다. 복합도 값이 가장 낮은 경우, 모델이 데이터에 과하게 학습하는 과적합 문제가 발생하기 때문에 본 연구에는 복합도 값이 급격하게 낮아지는 시점을 군집 수(K)로 결정하였다. Fig 4는 다양한 군집 수(K)에 따른 데이터의 복잡도 그래프로, 급격히 낮아지는 시점인 K가 10개일 때와 25개일 때의 결과를 비교하여 최종 군집 수 (K)를 결정하였다.
본 분석에서는 Wipson 데이터베이스를 통해 1974년 01월부터 2020년 09월까지 한국, 중국, 미국, 유럽 공개/ 등록 특허를 대상으로 추출하였으며, 특허 검색식은 복합화물 피기백 화차 운송 시스템 관련 선행연구 및 보고서를 토대로 관련된 특허가 검색되도록 작성하였다. 검색식을 통해 총 2, 219건의 특허데이터가 추출되었고, 유효특허 선별과정을 거쳐 최종적으로 1, 536건의 특허데이터로 분석을 진행하였다.
본 연구는 특허문서의 “발명의 명칭”과 “요약” 정보에 LDA 알고리즘을 적용하여 토픽을 도출한다. LDA 알고리즘은 R programming 패키지 중 “topicmodels”를 사용하였고, LDA 알고리즘의 파라미터를 추정하기 위하여 Gibbs Sampling 방식을 사용한다.
분류 등 기술정보가 포함되어 있다. 본 연구에서 기술정보가 포함된 “발명의 명칭”과 “요약”을 활용하였다. 기술정보는 영문으로 구성된 문서 데이터로 데이터 전처리가 필요하다.
본 연구에서는 LDA 알고리즘으로 도출된 기술 분야별 동향을 분석하기 위하여 시계열 분석을 적용하였다. 각 기술 분야의 추세를 확인하기 위하여 시계열 분석 모델인 ARIMA 모델을 사용하였으며, ARIMA 모델의 자기 회귀모델의 차수, 차분, 이동평균 변수인 p, d, q 변수는 R programming 패키지 중 “auto.
특허문서뿐만 아니라 논문 문서를 분석하여 태양광 에너지 기술 동향 및 기술 분야를 LDA 알고리즘을 통해 확인하였다. 시간대별 변화하는 기술분야 별 키워드를 분석하며 미래 연구 방향성에 대한 기술전략을 도출하였다 [24]. 또한, 철도차량용 무선급전시스템의 논문 동향을 LDA 알고리즘을 기반으로 분석하였고, 기술 분야별 미래 유망 성을 확인하여 연구개발전략을 도출하였다 [22].
연구 세부기술 간의 관계를 확인한다. 시계열 분석으로 도출된 미래 유망한 기술 분야의 특허를 기반으로 특허문서-키워드 행렬을 구성한다. 해당 행렬은 동시 출현행렬로써, 키워드 간 상관관계를 분석하여 네트워크를 시각화할 수 있다.
분석을 적용하였다. 시계열 분석을 통한 기술 추세는 과거 선행연구에서 정의한 바와 같이 Hot 토픽, Active 토픽, Cold 토픽으로 구분하여 분석하였다. Hot 토픽은 상승하는 추세를 의미하고, Active 토픽은 일정한 활동성을 유지하고, Cold 토픽은 하강하는 추세로 세부기술을 분석하였다.
Hot 토픽은 상승하는 추세를 의미하고, Active 토픽은 일정한 활동성을 유지하고, Cold 토픽은 하강하는 추세로 세부기술을 분석하였다. 일반적으로 특허가 출원된 후 18개월이 경과된 후 관련 정보를 공개하므로, 2018년까지의 특허데이터를 기반으로 시계열 분석을 하였으며, Hot, Active, Cold 토픽에 대한 결과는 Table 2와 같다.
1은 피기백 운송 시스템의 핵심기술 분야를 도출하고 세부기술 간 관계를 도출하기 위한 연구 프레임워크를 보여 준다. 첫째, 한국, 미국, 중국 등 여러 국가에 설치된 특허 데이터베이스에서 특허문서를 수집한다. 특허문서는 구조화되지 않은 데이터로 데이터 전처리 및 텍스트 마이닝을 통해 구조화된 데이터로 변환하는 과정을 거친다.
전처리한 데이터를 분석에 활용하기 위해 키워드 추출이 필요하다. 키워드 추출과정에 있어 단어의 출현 빈도수인 TF(Term Frequency)를 기반으로 특허데이터에서 공통적으로 많이 출현 되는 키워드를 추출하였다. 키워드 추출과정에서 존재하는 피기백 화차와 관련되지 않는 단어는 데이터 전처리 중 불용어 처리로 삭제하여 주요 키워드를 선정하였고, 상위 200개의 키워드를 기반으로 분석을 진행하였다.
안전 분야의 기술 동향을 분석하고, LDA 알고리즘을 통하여 기술 분야를 도출하여 미래기술 분야 전략 수립에 활용하였다 [23]. 특허문서뿐만 아니라 논문 문서를 분석하여 태양광 에너지 기술 동향 및 기술 분야를 LDA 알고리즘을 통해 확인하였다. 시간대별 변화하는 기술분야 별 키워드를 분석하며 미래 연구 방향성에 대한 기술전략을 도출하였다 [24].

대상 데이터

검색식을 통해 총 2, 219건의 특허데이터가 추출되었고, 유효특허 선별과정을 거쳐 최종적으로 1, 536건의 특허데이터로 분석을 진행하였다.
키워드 추출과정에 있어 단어의 출현 빈도수인 TF(Term Frequency)를 기반으로 특허데이터에서 공통적으로 많이 출현 되는 키워드를 추출하였다. 키워드 추출과정에서 존재하는 피기백 화차와 관련되지 않는 단어는 데이터 전처리 중 불용어 처리로 삭제하여 주요 키워드를 선정하였고, 상위 200개의 키워드를 기반으로 분석을 진행하였다.

이론/모형

알고리즘을 적용하여 토픽을 도출한다. LDA 알고리즘은 R programming 패키지 중 “topicmodels”를 사용하였고, LDA 알고리즘의 파라미터를 추정하기 위하여 Gibbs Sampling 방식을 사용한다. LDA 알고리즘을 적용하기 위하여 사전에 토픽의 개수인 군집 수를 결정해야 한다.
LDA 알고리즘을 통해 도출된 기술 분야의 동향을 분석하기 위해 시계열 분석이 적용된다. 시계열 분석은 시간 사이에 일정한 간격을 두고 연속적으로 얻은 과거의 자료인 시계열 데이터를 통해 미래의 값을 예측하는 방법론이다.
This research was supported by “Study on the Core technique of the Piggyback Flatcar carrying of Road transport” of the Ministry of Land, Infrastructure and Transport (20CTAP-C152178-02).
분석하기 위하여 시계열 분석을 적용하였다. 각 기술 분야의 추세를 확인하기 위하여 시계열 분석 모델인 ARIMA 모델을 사용하였으며, ARIMA 모델의 자기 회귀모델의 차수, 차분, 이동평균 변수인 p, d, q 변수는 R programming 패키지 중 “auto.arima” 함수를 활용하였다.
셋째, 핵심기술 분야의 미래 방향성을 확인하기 위하여 ARIMA 시계열 모델을 적용한다. 마지막으로, 유망한 핵심기술 분야에서 SNA 분석 방법론을 적용하여 세부기술 간의 관계를 도출한다. 따라서 피기백 운송 시스템 기술 분야에서 핵심기술 분야 및 세부기술 간 관계를 도출한다.
본 연구는 복합수송 피기백 화차 운송 시스템의 기술 동향을 파악하기 위하여 특허문서 데이터에 LDA 알고리즘을 적용하였다. LDA 알고리즘을 통해 도출되는 다양한 토픽을 정의하기 위해 토픽별 핵심 키워드와 특허문서를 분석하여 토픽을 정의한다.
데이터 전처리는 문자열에서 단어로 분리하는 토큰화 과정, 문서와 문장의 특징을 표현하는데 있어 불필요한 단어인 관사, 조사, 자주 사용되지만 무의미한 단어를 삭제하는 불용어 제거 과정, 단어의 기본 형태를 추출하는 어간 추출과정을 통해 생성된 단어를 기반으로 주어진 문서나 문장을 하나의 벡터로 표현하는 문서 표현 과정으로 이루어진다. 본 연구에서는 어간 추출과정에서 단어의 의미를 자르는 Stemming 과정을 통해 데이터 전처리를 진행하였다. 전처리한 데이터를 분석에 활용하기 위해 키워드 추출이 필요하다.
둘째, 구조화된 데이터를 LDA 알고리즘을 통해 특허문서를 군집화하여 핵심기술 분야를 도출한다. 셋째, 핵심기술 분야의 미래 방향성을 확인하기 위하여 ARIMA 시계열 모델을 적용한다. 마지막으로, 유망한 핵심기술 분야에서 SNA 분석 방법론을 적용하여 세부기술 간의 관계를 도출한다.
이는 다양한 환경변수로 인하여 장기적 관점보다는 단기, 중기적 관점에 적하다 [25]. 시계열 분석에는 다양한 예측분석 모델이 존재하지만, 본 연구에는 이전의 값이 이후의 값에 영향을 미치는 자기 상관과 시간이 지남에 따라 랜덤 변수의 영향 그리고 과거 데이터의 추세까지 반영한 ARIMA 모형을 기술 분야의 동향 분석에 적용한다.
안전 분야의 기술 동향을 분석하고, LDA 알고리즘을 통하여 기술 분야를 도출하여 미래기술 분야 전략 수립에 활용하였다 [23]. 특허문서뿐만 아니라 논문 문서를 분석하여 태양광 에너지 기술 동향 및 기술 분야를 LDA 알고리즘을 통해 확인하였다.

성능/효과

네트워크 분석의 지표로는 연결 중심성, 근접 중심성, 매개 중심성 등 다양한 지표가 있지만, 본 분석에 있어 기술 분야 중 핵심 세부기술을 파악하는 것이 주요 목적이기 때문에 근접 중심성을 기본으로 네트워크를 분석한다. 따라서, 본 연구는 네트워크 그래프를 근접 중심성이 클수록 붉은색으로 도식화하였다.
마지막으로 Cold 토픽으로 도출된 Topic 3인 복합수송을 위한 컨테이너 화물 결합 기술, Topic 5인 복합수송을 위한 환적 시스템 및 기술은 기술개발이 이루어지고 있지만 최근 들어 저조한 것으로 확인된다. 해당 기술들은 피기백 화차 시스템의 개발에 필요한 기술이지만 추가적인 기술개발 및 성과는 미비할 것으로 판단된다.
시계열 분석 결과 Hot 토픽으로 도출된 토픽은 Topic 1 인 복합수송을 위한 데이터 기반 통합관리 시스템 및 기술과 Topic 2인 복합수송 운영 계획 및 모니터링 시스템 및 기술 그리고 Topic 10인 가스 및 액체류 보관 및 환적 기술로 도출되었다. IoT 및 빅데이터 분석 등 첨단 기술이 발전함에 따라 해당 기술이 기존 피기백 화차 시스템에 접목하여 컨테이너 화물 통합관리 및 실시간 모니터링 기술 등 다양한 첨단 시스템 및 기술을 개발하고 있는 추세임을 의미한다.
[7]. 추가로 환경친화적인 철도 기반 운송 수단과의 연계를 통해 트럭 운송보다 77.4%의 온실가스 배출량을 줄이고, 43.48%의 연료 효율성을 높이는 등 다양한 효과가 있음을 확인하였다 [8][9]. 또한, 운송 및 물류 분야에서 복합화물 운송 시스템에 관한 다양한 연구를 통해 운송 수단 간 협력의 운영 효율성과 운송 네트워크의 성능을 향상시켰고 [10-12], 실시간 운송 모니터링에 대한 연구 및 기술개발이 진행되고 있다.
마지막으로 컨테이너 화물 결합에 대한 기술개발은 미비할 것으로 전망하였다. 활발한 기술개발이 이루어질 분야에 대해서 세부기술 키워드를 기반으로 기술 간 관계를 확인한 결과, 데이터 관리 및 환적 시 컨테이너 화물 탐지 기술, 데이터 송수신 및 분석 기술, 가스 및 액체류 보관에 있어 보관 방법, 위치 및 재료에 관한 기술이 핵심기술로 도출하였다.

후속연구

전략을 제시하기 위해 특허분석을 한다. LDA 토픽모델링을 통해 10개의 핵심기술 분야를 도출하고, 핵심기술 분야에 대하여 ARIMA 모형을 활용하여 데이터 기반 복합수송 통합관리 및 모니터링 시스템과 가스 및 액체류 보관 및 환적 기술에 대한 분야가 활발하게 기술개발이 이루어질 것으로 예측하였고, 철도운영 및 컨테이너 관련 구성요소에 대한 기술 분야는 지속적인 연구가 진행될 것으로 예측하였다. 마지막으로 컨테이너 화물 결합에 대한 기술개발은 미비할 것으로 전망하였다.
첫째로는 피기백 화차 시스템에 대한 기술개발 동향 및 핵심기술 분야를 파악하는데 기여할 수 있다. 둘째, 핵심기술 분야와 관련하여 시계열 예측모델을 통한 미래 동향 분석을 제시함으로써 기술개발 전략 수립에 활용할 수 있다. 마지막으로, 핵심기술 분야에서 세부기술 간의 기술 관계를 확인함으로써 주요한 세부기술을 인지하여 세부적인 전략 수립이 가능할 것으로 기대된다.
LDA 토픽모델링을 통해 10개의 핵심기술 분야를 도출하고, 핵심기술 분야에 대하여 ARIMA 모형을 활용하여 데이터 기반 복합수송 통합관리 및 모니터링 시스템과 가스 및 액체류 보관 및 환적 기술에 대한 분야가 활발하게 기술개발이 이루어질 것으로 예측하였고, 철도운영 및 컨테이너 관련 구성요소에 대한 기술 분야는 지속적인 연구가 진행될 것으로 예측하였다. 마지막으로 컨테이너 화물 결합에 대한 기술개발은 미비할 것으로 전망하였다. 활발한 기술개발이 이루어질 분야에 대해서 세부기술 키워드를 기반으로 기술 간 관계를 확인한 결과, 데이터 관리 및 환적 시 컨테이너 화물 탐지 기술, 데이터 송수신 및 분석 기술, 가스 및 액체류 보관에 있어 보관 방법, 위치 및 재료에 관한 기술이 핵심기술로 도출하였다.
둘째, 핵심기술 분야와 관련하여 시계열 예측모델을 통한 미래 동향 분석을 제시함으로써 기술개발 전략 수립에 활용할 수 있다. 마지막으로, 핵심기술 분야에서 세부기술 간의 기술 관계를 확인함으로써 주요한 세부기술을 인지하여 세부적인 전략 수립이 가능할 것으로 기대된다.
첫째로는 피기백 화차 시스템에 대한 기술개발 동향 및 핵심기술 분야를 파악하는데 기여할 수 있다. 둘째, 핵심기술 분야와 관련하여 시계열 예측모델을 통한 미래 동향 분석을 제시함으로써 기술개발 전략 수립에 활용할 수 있다.
최근 들어 저조한 것으로 확인된다. 해당 기술들은 피기백 화차 시스템의 개발에 필요한 기술이지만 추가적인 기술개발 및 성과는 미비할 것으로 판단된다.
[2][3]. 화물 물동량 수요동향으로 온실가스 배출량을 예측해볼 때, 조사된 수치보다 더욱 증가할 것으로 예상한다. 오늘날, 온실가스 배출량 증가는 많은 국가와 기업들이 크게 주목하고 있으며, 이를 해결하기 위한 대체 운송 솔루션을 찾고 있다.

참고문헌 (29)

Dekker, Rommert, Jacqueline Bloemhof, and Ioannis Mallidis, "Operations Research for green logistics-An overview of aspects, issues, contributions and challenges.", European journal of operational research, Vol. 219, Issue. 3, pp. 671-679, June, 2012. DOI: 10.1016/j.ejor.2011.11.010

상세보기
Jonn Axsen, Patrick Plotz, and Michael Wolinetz. "Crafting strong, integrated policy mixes for deep CO2 mitigation in road transport.", Nature Climate Change, Sep, 2020. DOI: 10.1038/s41558-020-0877-y

상세보기
Seo Jigu, Junhong Park, Yunjung Oh, and Sungwook Park, "Estimation of total transport CO2 emissions generated by medium-and heavy-duty vehicles (MHDVs) in a sector of Korea.", Energies Vol. 9, No. 8, 638, Aug, 2016. DOI: 10.3390/en9080638

상세보기
Hrusovsky, M., Demir, E., Jammernegg, W. and Van Woense, "Hybrid simulation and optimization approach for green intermodal transportation problem with travel time uncertainty.", Flexible Services and Manufacturing Journal, Vol. 30, No. 3, pp. 486-516, Dec, 2018. DOI: 10.1007/s10696-016-9267-1

상세보기
Hammond, William, Jonn Axsen, and Erik Kjeang, "How to slash greenhouse gas emissions in the freight sector: Policy insights from a technology-adoption model of Canada.", Energy Policy Vol. 137, Feb, 2020. DOI: 10.1016/j.enpol.2019.111093

상세보기
Ng, ManWo, and Wayne K. Talley. "Rail intermodal management at marine container terminals: Loading double stack trains.", Transportation Research Part C: Emerging Technologies, Vol. 112, pp. 252-259, Mar, 2020. DOI: 10.1016/j.trc.2020.01.025

상세보기
Crainic, Teodor Gabriel, Guido Perboli, and Mariangela Rosano, "Simulation of intermodal freight transportation systems: a taxonomy.", European Journal of Operational Research, Vol. 270, No. 2, pp. 401-418, Oct, 2018. DOI: 10.1016/j.ejor.2017.11.061

상세보기
Heinold, Arne, and Frank Meiselm, "Emission rates of intermodal rail/road and road-only transportation in Europe: A comprehensive simulation study.", Transportation Research Part D: Transport and Environment, Vol. 65, pp. 421-437, Dec, 2018. DOI: 10.1016/j.trd.2018.09.003

상세보기
Julian Torres de Miranda Pinto, Oscar Mistage, Patricia Bilotta, Eckard Helmers, "Road-rail intermodal freight transport as a strategy for climate change mitigation.", Environmental development, Vol. 25, pp. 100-110, Mar, 2018. DOI: 10.1016/j.envdev.2017.07.005

상세보기
Chen, Haoxun, "Combinatorial clock-proxy exchange for carrier collaboration in less than truck load transportation.", Transportation Research Part E: Logistics and Transportation Review, Vol. 91, pp. 152-172, July, 2016. DOI: 10.1016/j.tre.2016.04.008

상세보기
Wang, Xin, and Herbert Kopfer, "Collaborative transportation planning of less-than-truckload freight.", OR spectrum, Vol. 36, No. 2, pp. 357-380, June, 2014. DOI: 10.1007/s00291-013-0331-x

상세보기
Dai, Bo, Haoxun Chen, and Genke Yang, "Price-setting based combinatorial auction approach for carrier collaboration with pickup and delivery requests.", Operational Research, Vol. 14, No. 3, pp. 361-386, Oct, 2014. DOI: 10.1007/s12351-014-0141-1

상세보기
Rakshit, SM, Hempel, M, Sharif, H, Punwani, J, Stewart, M, & Mehrvarzi, S, "Challenges in Current Wireless Sensor Technology for Railcar Status Monitoring for North America's Freight Railroad Industry.", American Society of Mechanical Engineers, pp. 397-405, Philadelphia, Pennsylvania, USA. April, 2012. DOI: 10.1115/jrc2012-74114
Balog, Michal, and Miroslav Mindas, "Informatization of rail freight wagon by implementation of the RFID technology.", Smart City 360°. Springer, Cham, pp 592-597, June, 2016. DOI: 10.1007/978-3-319-33681-7_50
Caviggioli, Federico, "Technology fusion: Identification and analysis of the drivers of technology convergence using patent data.", Technovation, Vol. 55, pp. 22-32, Sep, 2016. DOI: 10.1016/j.technovation.2016.04.003

상세보기
Park, Yongtae, Byungun Yoon, and Sungjoo Lee, "The idiosyncrasy and dynamism of technological innovation across industries: patent citation analysis.", Technology in Society, Vol. 27, Issue 4, pp. 471-485, Nov, 2005. DOI: 10.1016/j.techsoc.2005.08.003

상세보기
Leydesdorff, Loet, Duncan Kushnir, and Ismael Rafols, "Interactive overlay maps for US patent (USPTO) data based on International Patent Classification (IPC).", Scientometrics, Vol. 98, No. 3, pp. 1583-1599, Mar, 2014. DOI: 10.1007/s11192-012-0923-2

상세보기
Jun, Sunghae, "IPC code analysis of patent documents using association rules and maps-patent analysis of database technology.", Database Theory and Application, Bio-Science and Bio-Technology. Springer, Berlin, Heidelberg, Vol. 258, pp. 21-30, Dec, 2011. DOI: 10.1007/978-3-642-27157-1_3
Haiying Ren and Yuhui Zhao, "Technology opportunity discovery based on constructing, evaluating, and searching knowledge networks", Technovation, Vol. 7, pp. 102196, Nov, 2020. DOI: 10.1016/j.technovation.2020.102196

상세보기
Chulhyun Kim, , Hakyeon Lee, Hyeonju Seol, Changyong Le, "Identifying core technologies based on technological cross-impacts: An association rule mining (ARM) and analytic network process (ANP) approach.", Expert Systems with Applications, Vol. 38, Issue. 10, pp. 12559-12564, Sep, 2011. DOI: 10.1016/j.eswa.2011.04.042

상세보기
Janghyeok Yoon, Hyunseok Park, Wonchul Seo, Jae-Min Lee, Byoung-youl Coh, Jonghwa Kim, "Technology opportunity discovery (TOD) from existing technologies and products: A function-based TOD framework.", Technological Forecasting and Social Change, Vol. 100, pp. 153-167, Nov, 2015. DOI: 10.1016/j.techfore.2015.04.012

상세보기
Soomin Eum, Sugil Lee, Xiangyu Meng, Sung Won Cho and Chulung Lee, "Analysis of Research Trends of Wireless Power Transfer System for Locomotives Using Topic Modeling Based on LDA Algorithm.", Journal of the Korean Institute of Industrial Engineers, Vol. 45, Issue, 4, pp. 284-301, Aug, 2019. DOI: 10.7232/jkiie.2019.45.4.284

상세보기
Song, Bomi, and Yongyoon Suh, "Identifying convergence fields and technologies for industrial safety: LDA-based network analysis.", Technological Forecasting and Social Change, Vol. 138, pp. 115-126, Jan, 2019. DOI: 10.1016/j.techfore.2018.08.013

상세보기
Jun-Seok Yeo, and Yeseul Jeong, "Pathway toward market entry of perovskite solar cells: A detailed study on the research trends and collaboration networks through bibliometrics.", Energy Reports, Vol. 6, pp. 2075-2085, Nov, 2020. DOI: 10.1016/j.egyr.2020.07.029

상세보기
Xiaoxiao Fu, Jorge Ridderstaat, and Helen (Chenge) Jia. "Are all tourism markets equal? Linkages between market-based tourism demand, quality of life, and economic development in Hong Kong.", Tourism Management, Vol. 77, pp. 104015, April, 2020. DOI: 10.1016/j.tourman.2019.104015

상세보기
Reza Yousefi Nooraie, Joanna E. M. Sale, Alexandra Marin, and Lori E. Ross, "Social Network Analysis: An Example of Fusion Between Quantitative and Qualitative Methods.", Journal of Mixed Methods Research, Vol. 14, Issue. 1, pp. 110-124, Jan, 2020. DOI: 10.1177/1558689818804060

상세보기
Pranomkorn Ampornphan and Sutep Tongngam, "Exploring Technology Influencers from Patent Data Using Association Rule Mining and Social Network Analysis.", Information, Vol. 11, Issue. 6, pp. 333, June, 2020. DOI: 10.3390/info11060333

상세보기
Ali Daud, Faizan Abbas, Tehmina Amjad, Abdulrahman A. Alshdadi, and Jalal S. Alowibdi, "Finding rising stars through hot topics detection.", Future Generation Computer Systems, Vol, 115, pp. 798-813, Feb, 2021. DOI: 10.1016/j.future.2020.10.013

상세보기
Yao, Li, Jun Li, and Jian Li, "Urban innovation and intercity patent collaboration: A network analysis of China's national innovation system.", Technological Forecasting and Social Change, Vol. 160, pp. 120185, Nov, 2020. DOI: 10.1016/j.techfore.2020.120185

상세보기

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