표제지
목차
약어표 8
논문 요약 10
제1장 서론 12
제2장 관련 이론 15
1. 클라우드와 엣지 컴퓨팅 15
1) 클라우드 15
2) 엣지 17
2. 머신러닝 19
1) 머신러닝 개요 19
2) 머신러닝 종류 21
3. 운전 습관 28
1) 운전 습관 패턴 28
2) 운전 습관 데이터 수집 30
3) 운전 습관 데이터 기준 31
4. 관련 연구 34
제3장 환경 구성 36
1. 환경 구성 36
2. 데이터 정규화 37
3. 테스트 데이터 선정 38
제4장 모델 적용 및 실험 44
1. Pickle 44
2. SVM 49
3. Softmax 55
제5장 결론 58
참고 문헌 61
ABSTRACT 63
[표 2-1] 전문 기관에서 표현하는 클라우드 컴퓨팅의 정의 16
[표 2-2] 머신러닝의 종류 20
[표 2-3] 11대 위험 운전 행동 정의 31
[표 3-1] SVM 학습을 위한 데이터 41
[표 3-2] Softmax 학습을 위한 데이터 43
[표 4-1] 수집된 데이터 샘플 44
[표 4-2] 실제값과 예측값 비교 54
[그림 2-1] 클라우드 서비스의 구성 15
[그림 2-2] 클라우드 컴퓨팅과 엣지 컴퓨팅 17
[그림 2-3] 인공지능과 머신러닝, 딥러닝 19
[그림 2-4] 선형 회귀 분석 21
[그림 2-5] 서포트벡터머신의 마진 23
[그림 2-6] 서포트벡터머신의 고차원 변환 23
[그림 2-7] Sigmoid 함수 24
[그림 2-8] 다중입력로지스틱 회귀 25
[그림 2-9] 붓꽃 분류 26
[그림 2-10] 원-핫 벡터로 변환 26
[그림 2-11] 가중치 업데이트 26
[그림 2-12] 예측값의 벡터와 행렬 연산 27
[그림 2-13] 속도와 안전거리에 따른 브레이크 포인트 28
[그림 2-14] 속도와 안전거리에 따른 엑셀 포인트 29
[그림 3-1] 전체 주행 거리에 대한 값 변화 비교 - A 38
[그림 3-2] 전체 주행 거리에 대한 값 변화 비교 - B 39
[그림 3-3] 전체 주행 거리에 따른 입력값의 변화 비교 - A 40
[그림 3-4] 전체 주행 거리에 따른 입력값의 변화 비교 - B 40
[그림 3-5] 피클로 분석한 SVM 데이터 42
[그림 4-1] 속도와 엑셀-브레이크-스티어링 데이터 시각화 45
[그림 4-2] 속도와 거리 데이터 시각화 46
[그림 4-3] 거리와 엑셀-브레이크-스티어링 데이터 시각화 47
[그림 4-4] 서포트 벡터와 결정 경계선을 시각화 52