문화유산 관람자의 공간 스케줄링 최적화에 의한 경험만족도(QoE) 제고 연구

Q: 이 논문에서 정의한 QoE란 무엇인가?

QoE(Quality of Experience)는 애플리케이션 또는 서비스를 이용하는 관람자의 만족감을 의미한다. 이는 관람자의 특성과 현재 상태에 비추어 관람자가 애플리케이션이나 서비스에 기대했던 유용성과 즐거움을 성취했을 때 얻어지는 것으로 정의된다.

Q: 문화유산 관람자의 경험 만족도를 높이는 핵심 요인은 무엇인가?

연구 결과, 문화유산 관람자의 경험 만족도(QoE)를 높이는 핵심 요인은 혼잡도, 이동 경로의 총 길이, 계단 이용 횟수를 최적화하는 것이다. 이 요인들을 개선함으로써 관람자의 피로도를 줄이고 쾌적한 관람 환경을 제공하여 만족도를 향상시킬 수 있다.

김성준; 장선영; 김성아

doi:10.14774/JKIID.2018.27.6.144

추천

검색

질문

자료유형: 학술저널

저자정보: 김성준 (성균관대학교) 장선영 (성균관대학교) 김성아 (성균관대학교)

저널정보: 한국실내디자인학회 한국실내디자인학회 논문집 한국실내디자인학회 논문집 제27권 제6호(통권 제131호)

발행연도: 2018.12

수록면: 144 - 155 (12page)

DOI: 10.14774/JKIID.2018.27.6.144

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Thanks to the advances in artificial intelligence and media technology, heritage experience can be digitally augmented and highly personalized for each single user. It is essential to customize visitor’s experience by interweaving the sequence of spatial experience to ensure the successful guided heritage tour. Intelligent routing algorithm is used for this purpose. However, the quality of experience(QoE) deteriorates due to the inefficient route and the congestion in the exhibition space. The purpose of this study is to optimize the visitor’s QoE according to the route for architectural heritage generated from the tour guide system. For this purpose, a model optimizing the visitor’s QoE was developed. In the QoE optimization model, 1) a schedule indicating the visitor’s location of every moment according to the generated route is created, 2) QoE factors such as the congestion degree, the total length of the route, and the number using stairs are measured through the indoor spatial information described in IndoorGML and 3) the QoE optimization is performed using the genetic algorithm. In order to verify the QoE optimization model, it was applied to the case of Seokjojeon, a cultural heritage of modern architecture. The result of QoE optimization for 10 visitors shows that the congestion degree is enhanced by 50%, the total length of the route and the number using stairs are improved by 12% and 13% compared to the state before the optimization.

#QoE #실내공간정보 #이동 경로 #투어 가이드 시스템 #스케줄링 #Indoor Spatial Information #Route #Tour Guide System #Scheduling

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2019-619-000328925

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)