최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 해석 가능한 기계 학습 모델을 활용하여 보행 만족도에 영향을 미치는 도시 물리적 환경 요인을 보행 목적별로 분석합니다. 기계 학습 모델은 기존 모델보다 높은 설명력을 가지며, 비선형 관계 분석을 통해 보행 만족도 증진을 위한 정책적 시사점을 도출합니다. Partial Dependence Plot 방법을 통해 변수 간의 상호작용 효과를 분석하여 보행 친화적인 도시 환경 조성에 기여하고자 합니다.
Public transportation quality of service : factors, models, and applications
보행자를 위한 도시설계 =
Pedestrian behavior : models, data collection and applications
The structure and dynamics of cities : urban data analysis and theoretical modeling
Accessibility and spatial interaction
Data-driven analytics for sustainable buildings and cities : from theory to application
Machine learning and the city : applications in architecture and urban design
The walkable city : dimensions of walking and overlapping walks of life
AI 도시교통과 모빌리티
대규모 상업시설물의 환경특성과 길찾기
Is transport infrastructure effective? : transport infrastructure and accessibility : impacts on the space economy
Geospatial analysis and modelling of urban structure and dynamics
Accessibility, equity and efficiency : challenges for transport and public services
매개효과와 조절효과 =
Regional development in an age of structural economic change
데이터 시각화와 자료분석 =
Understanding mobilities for designing contemporary cities
Contemporary urban planning
생성형 AI 도시 읽기 : 미래도시 라이프스타일과 함께
Self-adaptive systems for machine intelligence
CITIES
Yang, Wei; Fei, Jun; Li, Yingpeng; Chen, Hong; Liu, Yong도시설계
박근덕, 이수기한국지리학회지
이지윤; 강영옥; 김지연; 박지영Journal of Planning Education and Research
Tao T.,Wu X.,Cao J.,Fan Y.,Das K.,Ramaswami A.SUSTAINABLE CITIES AND SOCIETY
Kim, Yujin; Yeo, Hwasoo; Lim, LisaTransportation Research Record
Kamal, Kimia; Farooq, BilalTravel Behaviour and Society
Aghaabbasi M.,Chalermpong S.한국조경학회지
이다연; 이지윤; 이재호Transportation Research Part A: Policy and Practice
Hu S.,Xiong C.,Chen P.,Schonfeld P.Journal of Transport Geography
Gao K.,Yang Y.,Gil J.,Qu X.Transportation Research Part D: Transport and Environment
Tao T.,Næss P.국토계획
박준상, 김선재, 이수기국토계획
이제승, 이현희Cities
Chen L.,Lu Y.,Ye Y.,Xiao Y.,Yang L.Journal of Transport Geography
Tao T.,Cao J.Journal of Transport Geography
Wu F.,Li W.,Qiu W.Transportation Research Part D: Transport and Environment
Jiang Y.,Chen L.,Grekousis G.,Xiao Y.,Ye Y.,Lu Y.Transportation Research Part A: Policy and Practice
Gan Z.,Yang M.,Zeng Q.,Timmermans H.J.P.Transportation Research Interdisciplinary Perspectives
Mandal A.,Johansson C.,Lindelöw D.Transportation Research Part D: Transport and Environment
Wagner F.,Milojevic-Dupont N.,Franken L.,Zekar A.,Thies B.,Koch N.,Creutzig F.전선 / 대학원
사회혁신은 도시와 지역의 지속가능발전, 거주민의 행복을 궁극적 목적으로 한다. 본 과목은 공간적 지속가능성과 개인의 행복(웰빙) 간 관계를 기반으로 하여 행복의 7대 원인인 가족 관계, 재정 상황(소득과 부), 근로, 건강, 개인의 자유, 개인적 가치(신념), 그리고 커뮤니티를 살피고 웰빙 증진에 관한 커뮤니티 참여, 신뢰, 관계의 중요성을 다룬다. 이를 통해 사회혁신을 가능케 하는 정부와 개인의 역할에 관해 이해한다.전선 / 대학원
표준적 도시교통계획과정의 이론적 구조와 문제점 그리고 실천모형의 장단점을 비교검토하고, 보다 일반적인 교통계획모형의 구성을 위한 여러 방법론과 고급이론을 소개함과 아울러 새로운 연구방향에 관해 연구한다.전선 / 대학원
본 과목은 박사과정 대상의 도시환경 분석 모형과 데이터 시각화 심화 과정이다. 통계 모형 방법은 도시설계와 조경학을 포함한 다양한 학문 분야의 연구에서 광범위하게 이용되고 있다. 최근에는 빅데이터를 활용한 고급 모델링 기법이 개발 및 적용되고 있으며, 데이터 시각화 분석을 통한 분석과 해석의 고도화가 이루어지고 있다. 본 과정에서는 이러한 고급 모형 중 도시환경 분야에 적합한 공간회귀모형, 다층모형, 시계열 모형을 다룬다. 학생들이 이 모형들을 이용한 연구과제를 수행하며, 데이터 시각화를 통해 도시 및 조경 관련 의사결정에 관련된 함의를 도출하는 과제를 수행한다. 본 과목을 수강하기 위해서는 기초 통계 모형(OLS, Logistic Model)에 관한 이해가 필수적으로 요구된다.전선 / 대학원
본 과목은 박사과정 대상의 도시환경 분석 모형과 데이터 시각화 심화 과정이다. 통계 모형 방법은 도시설계와 조경학을 포함한 다양한 학문 분야의 연구에서 광범위하게 이용되고 있다. 최근에는 빅데이터를 활용한 고급 모델링 기법이 개발 및 적용되고 있으며, 데이터 시각화 분석을 통한 분석과 해석의 고도화가 이루어지고 있다. 본 과정에서는 이러한 고급 모형 중 도시환경 분야에 적합한 공간회귀모형, 다층모형, 시계열 모형을 다룬다. 학생들이 이 모형들을 이용한 연구과제를 수행하며, 데이터 시각화를 통해 도시 및 조경 관련 의사결정에 관련된 함의를 도출하는 과제를 수행한다. 본 과목을 수강하기 위해서는 기초 통계 모형(OLS, Logistic Model)에 관한 이해가 필수적으로 요구된다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.전선 / 대학원
보행은 가장 오래된 교통수단이자 모든 교통수단 이용의 기본이 된다. 걷지 않고 다른 교통수단을 이용할 수는 없다. 이 강의는 보행을 교통수단으로 조망할 때 그 특징을 이해하는 것을 목적으로 한다. 강의는 역사 속의 보행과 도시, 보행의 경제적 가치, 보행자 행동특성, 보행 교통류 이론, 보행환경개선 사업 등으로 이루어진다. 보행교통에 대한 이해는 걷기좋은 가로설계 및 도시 계획에도 큰 도움이 될 것으로 기대된다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 대학원
인공지능은 우리가 사는 방식을 바꾸었다. 특정 의료 영역에서 인공지능은 전문가의 수준 만큼 정확하고 일부 영역에서는 이미 전문가의 실력을 뛰어넘는다. 하지만, 의료계에서 이러한 알고리즘을 손쉽게 받아들이기 어려운 것은 인공지능의 “블랙박스” 즉 설명 불가능한 특성 때문이다. 본 수업은 현존하는 이해가능한 (interpretable) 기계학습 모형과 이해불가능한 딥러닝 모형의 설명가능 방법론 (explainable)을 의료의 관점에서 탐구할 것이다. 또한 “설명가능성”에 대한 사회적, 이론적, 경험적, 인과적 관점을 조사할 것이다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 대학원
산업화에 따른 도시화 그리고 지속적인 대도시화에서 발생되는 교통문제를 효과적으로 대처할 수 있는 계획방법론의 습득을 위해, 도시교통문제의 특성분석, 도시성장에 따른 장래교통수요예측, 교통수단의 특성과 소비자 선택 행태, 대안의 성안과 비교평가분석 등에 관한 이론과 모형들을 연구한다.전선 / 대학원
이 과목은 도시계획 분야의 연구방법론의 입문 과정이다. 학생들은 연구방법론의 기본 개념과 사회 과학 연구에서 직면하게 되는 자료의 유형, 측적, 샘플링, 확률, 설문 설계 등의 문제들에 대해서 배우게 된다. 사회현상을 이해·분석·해석하기 위해 이에 필요한 경험적 자료의 수집과 통계적 분석방법을 연습한다. 또한 과학에 있어서의 이론과 이론을 구축하게 되는 개념과 가설의 설정과 검증방법을 검토하여, 논문작성의 방법을 수련한다. 이 과정은 연구의 이론과 방법론의 중요성 및 그 한계뿐 만 아니라, 심화된 연구, 정책 분석, 연구 윤리 등에 대해서도 강조할 것이다.전선 / 대학원
이 수업은 인공지능(AI)과 도시계획 및 설계 과정 시리즈 중 두 번째 과정이다. 이 수업은 심화 AI 알고리즘, 알고리즘의 응용프로그램, AI 응용프로그램의 문제와 같은 3가지 주요 부분을 포함한다. 이 과정에서는 다목적 최적화, 딥러닝, 강화학습을 포함한 정교하고 강력한 AI 알고리즘을 소개한다. 이 알고리즘은 단순화된 계획 및 설계 사례에서 예시로 제시된다. 또한, 해석 가능성, 책임성, 투명성 및 공정성과 같은 계획 및 설계에서 AI 적용의 근본적인 문제를 논의하고 설명가능한 AI 및 해석가능한 머신러닝(ML)의 개념을 소개한다. 마지막으로 도메인 지식과 AI 기술의 통합 및 도시분야의 미래 방향에 대한 토론으로 마무리된다.전선 / 대학원
본 강의는 인공환경을 건축구조물 단위의 시스템으로서 이해하고, 생애주기 동안 주변 환경과 어떻게 상호작용하는지에 대한 폭넓은 이해를 제공한다. 건축구조물의 사용 환경에 따른 거동을 다자유도시스템(state-space representation)으로 분석하기 위해 동역학 기초지식이 요구된다. SIMO, MIMO 시스템 관련하여 대표적인 응답기반 시스템식별 기술(시계열 기반, 주파수영역 기반, 확률기반 등)의 이론에 대해 학습한다. 더 나아가 시스템식별 기술을 머신러닝 알고리즘(ARMA, Neural Network, LSTM 등)과 접목하여 부분 계측된 인공환경의 실시간모니터링과 미래성능예측, 그리고 유지보수를 위한 의사결정 도출방법을 학습한다. 궁극적으로 학생들에게 다차원적인 건축물과 환경의 상호작용에 대한 통찰력을 제공한다.전선 / 학사
교통계획의 틀을 이루는 교통수요의 추정과정과 계획의 배경 및 철학, 교통과 토지이용계획과의 상호관계로부터 교통모형과 토지이용모형과의 상호접속을 꾀하며 발생교통 분포 및 배분교통 그리고 수송수단배분 모형에 대한 소개를 포함하여 실제의 자료를 응용하여 우리나라 대도시를 대상으로 컴퓨터를 이용한 실험을 하게 된다. 최근 관심의 초점이 되고 있는 ITS(Intelligent Transportation System)에 대한 소개도 포함된다.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 대학원
도시·지역경제학의 이론과 방법을 심화시켜 탐구하는 과목이다. 단핵도심모형, 다핵도심모형을 비롯한 도시공간구조, 도시노동시장, 토지·주택시장, 지방정부론(지방정부의 의사결정, 재정, 지방세제), 토지이용규제와 성장관리, 도시의 삶의 질과 환경, 지역경제의 구성, 지역과학방법론(산업연관분석, 사회계정행렬, 연산가능일반균형모형), 지역경제의 생산성과 성장에 관한 논의를 다룬다. 도시·지역경제학 연구에 필요한 통계모형과 응용도 함께 다룬다.전선 / 대학원
스마트시티는 복잡 인프라 시스템의 확률 기반 모형의 구축과, 계측 데이터에 기반한 학습/업데이팅, 그리고 상황별 실시간 추론에 기반한 의사결정을 필수적으로 요구한다. 본 교과목은 이러한 정보공학 기반 인프라 시스템 관리의 기반이 되는 다음의 베이지안 이론과 방법론을 소개한다: (1) 데이터 기반 통계적 학습: 마르코프 체인 몬테 카를로, (2) 인과관계 모형 구축, 학습 및 추론: 베이지안 네트워크, (3) 커널 기반 학습 및 추론: 가우시안 프로세스, (4) 시그널 프로세싱: 베이지안 필터. 각 방법론을 컴퓨터 프로그래밍을 통해 직접 실습하고, 재난재해 레질리언스, 안전, 생애주기 관리 등 다양한 인프라 관련 문제에 적용함으로써 스마트시티를 구현하는 데에 필요한 인프라 정보공학 핵심역량을 함양하는 것을 목표로 한다.