Moonseon Jeon
Moonseon Jeon has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- Kyuseok Kim
Department of Artificial Intelligence Software, Korea Polytechnics
2 shared publications - Anna Kang1 shared publication
- Jaejoon Moon1 shared publication
- Juhee Kim1 shared publication
- Taeyang Jeong1 shared publication
- Youngjoon Cho
Department of Electronics Engineering, Korea University of Technology and Education, Cheonan 31253, Republic of Korea
1 shared publication
Latest Publications
- 30 November 2025
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 23 (11) , 127-138
Analysis of User Acceptance for Indoor Parking Location Services using Mobile Sensor Data
실내 주차 위치 탐지 시스템은 도심 내 차량 증가로 인한 주차 공간 부족 문제를 완화하고, 운전자의 편의성을 향상시키는 역할을 한다. 그러나 기존 시스템은 주로 카메라 및 센서 기반으로 높은 설치·유지 비용이라는 한계를 지닌다. 본 연구는 스마트폰 센서를 활용한 위치 기반 데이터 분석 기술을 제안하고, 사용자 설문을 통해 서비스 수용도와 요구 기능을 분석하였다. 그 결과, 주차 위치를 자주 잊는 운전자가 주요 사용자층으로 확인되었으며, 성별에 따라 기능 선호에서 특정 경향이 포착되었으며, 이는 사용자 특성에 따른 맞춤형 서비스 설계 가능성을 시사한다. 자동 위치 기록, 다차량 관리, 맞춤형 인터페이스 등이 필수 기능으로 도출되었다. 제안된 솔루션은 설치 비용 절감과 배회 운전 감소를 통해 탄소 배출 저감 효과를 기대할 수 있으며, ESG 관점에서도 잠재적 기여 가능성이 있다. 향후 연구는 공공 안전 서비스 확장과 구독 모델 도입을 통한 지속 가능한 스마트 모빌리티 시스템 구축을 목표로 한다.
- 30 November 2025
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 23 (11) , 127-138
Analysis of User Acceptance for Indoor Parking Location Services using Mobile Sensor Data
실내 주차 위치 탐지 시스템은 도심 내 차량 증가로 인한 주차 공간 부족 문제를 완화하고, 운전자의 편의성을 향상시키는 역할을 한다. 그러나 기존 시스템은 주로 카메라 및 센서 기반으로 높은 설치·유지 비용이라는 한계를 지닌다. 본 연구는 스마트폰 센서를 활용한 위치 기반 데이터 분석 기술을 제안하고, 사용자 설문을 통해 서비스 수용도와 요구 기능을 분석하였다. 그 결과, 주차 위치를 자주 잊는 운전자가 주요 사용자층으로 확인되었으며, 성별에 따라 기능 선호에서 특정 경향이 포착되었으며, 이는 사용자 특성에 따른 맞춤형 서비스 설계 가능성을 시사한다. 자동 위치 기록, 다차량 관리, 맞춤형 인터페이스 등이 필수 기능으로 도출되었다. 제안된 솔루션은 설치 비용 절감과 배회 운전 감소를 통해 탄소 배출 저감 효과를 기대할 수 있으며, ESG 관점에서도 잠재적 기여 가능성이 있다. 향후 연구는 공공 안전 서비스 확장과 구독 모델 도입을 통한 지속 가능한 스마트 모빌리티 시스템 구축을 목표로 한다.
- 30 September 2024
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 22 (9) , 35-41
A Comparative Study on Machine Learning Models for Predicting the Behavior of Pet
저자의 기존 연구에서는 라벨링 된 4가지의 반려동물 행동 데이터를 통해 3가지 모델을 활용한 행동 예측 결과를 선보였다. 본 연구에서는 기존보다 더 많은 행동 데이터를 라벨링 하고 모델도 다양화 할 수 있음을 선보인다. 이에 따라 본 연구에서 활용하는 행동 데이터는 총 16가지이며, 모델은 총 8가지이다. 연구결과, RF(Random Forest), GBM(Gradient Boosting Machine), KNN(K-nearest neighbor) 순으로 정확도가 높음을 알 수 있었다. 본 연구결과를 통해 기계학습 기반의 분류 모델을 활용한 반려동물의 행동 예측의 가능성을 시사하며, 더 나아가 추후에는 질환 예측도 할 수 있을 것으로 기대한다.
- 30 September 2024
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 22 (9) , 35-41
A Comparative Study on Machine Learning Models for Predicting the Behavior of Pet
저자의 기존 연구에서는 라벨링 된 4가지의 반려동물 행동 데이터를 통해 3가지 모델을 활용한 행동 예측 결과를 선보였다. 본 연구에서는 기존보다 더 많은 행동 데이터를 라벨링 하고 모델도 다양화 할 수 있음을 선보인다. 이에 따라 본 연구에서 활용하는 행동 데이터는 총 16가지이며, 모델은 총 8가지이다. 연구결과, RF(Random Forest), GBM(Gradient Boosting Machine), KNN(K-nearest neighbor) 순으로 정확도가 높음을 알 수 있었다. 본 연구결과를 통해 기계학습 기반의 분류 모델을 활용한 반려동물의 행동 예측의 가능성을 시사하며, 더 나아가 추후에는 질환 예측도 할 수 있을 것으로 기대한다.