학술논문
머신러닝을 통한 건축 도시 데이터 분석의 기초적 연구 - 딥러닝을 이용한 유동인구 모델 구축 -
이용수 414
- 영문명
- Machine Learning Based Architecture and Urban Data Analysis - Construction of Floating Population Model Using Deep Learning -
- 발행기관
- 한국BIM학회
- 저자명
- 신동윤(Shin, Dong-Youn)
- 간행물 정보
- 『KIBIM Magazine』9권 1호, 22~31쪽, 전체 10쪽
- 주제분류
- 공학 > 건축공학
- 파일형태
- 발행일자
- 2019.03.30
4,000원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
영문 초록
In this paper, we construct a prototype model for city data prediction by using time series data of floating population, and use machine learning to analyze urban data of complex structure. A correlation prediction model was constructed using three of the 10 data(total flow population, male flow population, and Monday flow population), and the result was compared with the actual data. The results of the accuracy were evaluated. The results of this study show that the predicted model of the floating population predicts the correlation between the predicted floating population and the current state of commerce. It is expected that it will help efficient and objective design
in the planning stages of architecture, landscape, and urban areas such as tree environment design and layout of trails. Also, it is expected that the dynamic population prediction using multivariate time series data and collected location data will be able to perform integrated simulation with time series data of various fields.
목차
1. 서 론
2. 선행연구 및 사례
3. 건축, 도시정보 분석 특성 및 고려사항
4. 건축, 도시정보 예측 모델 구축
5. 결론 및 토론
6. 한계 및 향후 연구의 필요성
해당간행물 수록 논문
- 미래공간의 경험설계
- 건설 분야의 IT 기술 생태계 지도 그리기 – PDF 편
- 디지털 트윈 기반의 환경설계를 통한 범죄 예방(CPTED)
- 2019년 BIM 솔루션 동향
- 머신러닝을 통한 건축 도시 데이터 분석의 기초적 연구 - 딥러닝을 이용한 유동인구 모델 구축 -
- 딥러닝 기반 교량 손상추정을 위한 Generative Adversarial Network를 이용한 가속도 데이터 생성 모델
- Resiliency Assessment of Sarasota Bay Watershed, Florida
- 철도 선형을 고려한 알고리즘 기반의 철도 터널 BIM 설계 방안
- 3D Laser Scanning을 활용한 화재 손상 부위의 보수·보강 물량 산출 방식 개선에 관한 연구
- 건설 산업에서의 3D 프린팅 기술
참고문헌
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!