$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

교통과 지역의 특성에 따른 대설의 실시간 피해 위험도 분석 연구
A Study on the Real-Time Risk Analysis of Heavy-Snow according to the Characteristics of Traffic and Area 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.27 no.6, 2022년, pp.77 - 93  

유진영 ((주)씨에스리 데이터엔지니어링팀) ,  이준희 ((주)씨에스리 데이터엔지니어링팀) ,  하광림 ((주)씨에스리 AI엔지니어링사업부) ,  정용철 ((주)씨에스리 데이터엔지니어링팀)

초록
AI-Helper 아이콘AI-Helper

본 연구에서 대설의 직접, 간접적인 피해에 영향받는 요소들에 대해 지역적 특성을 반영해 위험도를 분석하는 알고리즘을 제시한다. 229개의 지역별로 대설피해의 영향을 받는 요소들을 영향변수로 선정하고 피해액과의 관계를 통해 민감도라는 개념을 도출한다. 기상 상태(적설량, 습도, 기온)와 민감도를 독립 변수로 설정하고 독립 변수의 변화에 따라 도출된 위험도를 종속변수로 설정해 머신러닝(XGBoost) 알고리즘을 이용한 대설피해 위험도 예측 모델을 개발했다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study, we present an algorithm that analyzes the risk by reflecting regional characteristics for factors affected by direct and indirect damage from heavy-snow. Factors affected by heavy-snow damage by 29 regions are selected as influencing variables, and the concept of sensitivity is derive...

주제어

#위험도   #대설민감도   #지역 민감도   #교통 민감도  

표/그림 (26)

참고문헌 (12)

  1. Cheon (2017). A study on changes of disaster？area caused by heavy snowfall and？classification of the disaster in South Korea.？Thesis, Graduate School of Konkuk？University. Seoul, Korea. 

  2. Gyeongbuk Male. (2016). Snowbomb Ulleung？Mountain Area, Still Isolated, http://www.kbmaeil.com/news/articleView.html?idxno374114 (Accessed on Jau. 27th, 2016) 

  3. Ha. (2021). A Study on the Typhoon Damage？Risk Level Prediction Model using Local？Sensitivity, Graduate School of Seoul？National University of Science and？Technology. Seoul, Korea. 

  4. Kim et al, (2015). Influence Factors？Suggestion and Prediction Model？Development of Regional Building Damage？Costs according to Typhoon. Journal of the？Korea Institute of Building Construction.？https://doi.org/10.5345/JKIBC.2015.15.5.515 

    원문보기 상세보기 crossref

  5. Kim, et al, (2018). The Study for Damage？Effect Factors of Heavy Snowfall Disasters？: Focused on Heavy Snowfall Disasters？during the Period of 2005 to 2014. Journal of？the Korea Academia-Industrial cooperation？Society Vol. 19, No. 2 pp. 125-136. 

  6. Kwon, et al, (2016). Analysis of Snow？Vulnerability and Adaptation Policy for？Heavy Snow. J. Korean Soc. Hazard？Mitig.Vol. 16, No. 2 (Apr. 2016), pp.？363~368. 

  7. Lee & Chung (2018). Measures to Respond to？the Cost of Traffic Congestion Caused by？Heavy. Thesis, Graduate School of Hoseo？University. Asan, Korea. 

  8. Moon & Kim. (2018). Economic Loss？Assessment caused by Heavy Snowfall,？Journal of Korea Planning Association,？53(6), 117-130. 

    상세보기 crossref

  9. News 1. (2016). "Will the nightmare of heavy？snow 11 years ago come back to life?"？Gochang-gun is nervous, \https://www.news1.kr/, (Accessed on Jau. 24th, 2016) 

  10. Oh. Y. R. (2017). Estimate of Snow Damage？using Snow Damage Vulnerability Analysis？in South Korea. Thesis, Graduate School of？Hoseo University. Asan, Korea. 

  11. Oh & Chung (2017). Estimation of Snow？Damage and Proposal of Snow Damage？Threshold based on Historical Disaster？Data, Journal of the Korea Society of Civil？Engineers, 37(2), 325-331. 

  12. YTN (2018). The traffic jam... Accidents？everywhere, https://www.ytn.co.kr/, (Accessed on Nov. 24th, 2018) 

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로