• Journal of Information Management
• /
• v.7 no.6
• /
• pp.158-167
• /
• 1974

• Science & Technology Policy
• /
• v.6 no.7 s.88
• /
• pp.89-101
• /
• 1996

• The Science & Technology
• /
• s.509
• /
• pp.16-20
• /
• 2011

• The Science & Technology
• /
• v.23 no.4 s.251
• /
• pp.23-23
• /
• 1990

• Journal of Information Management
• /
• v.8 no.1
• /
• pp.22-28
• /
• 1975

• Journal of Information Management
• /
• v.8 no.3
• /
• pp.83-90
• /
• 1975

• Journal of Information Management
• /
• v.8 no.5
• /
• pp.141-149
• /
• 1975

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.321-322
• /
• 2022

자율운항선박이 입출항 계획을 세울 때 필요한 항계 내 지원 기술에 관한 연구를 수행하였다. 자율운항선박 입출항 계획에 필요한 지원 기능은 해상교통혼잡도 평가 기능, 입출항 혼잡 시기 예측 기능, 입출항 전역 경로 생성 기능, 출발 보고 시기 판단 기능, 도착 시간 예측 기능으로 정의하였으며, 각 기능에 대한 입출력 데이터를 설계하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.97-97
• /
• 2023

최근 재해분야에서 인공신경망(ANN), 기계학습(ML), 딥러닝(DL) 등 AI 기술이 활용성이 점차 증가하고 있으며, 센싱정보와 연계한 시설물 안전관리, 원격탐사와 연계한 재해감시(녹조, 산사태, 산불 등), 수문시계열(수위, 유량 등) 예측, 레이더·위성강수 자료의 보정과 예측, 상하수도 관망누수예측 등 다양한 분야에서 AI 기술이 적용되고 그 활용성이 검증된 바 있다. 본 연구에서는 ML, DL, 물리기반신경망(Pysics-informed Neural Networks, PINNs)을 이용한 다양한 재해분석 사례를 소개하고, 그 활용성과 한계에 대해서 논의하고자 한다. 주요사례로는 (1) SAR영상과 기계학습을 이용한 재해피해지역(울진 산불) 감지, (2) 국가 디지털 정보를 이용한 산사태 위험지역 판별(인제 산사태) (3) 기계학습 및 딥러닝 기법을 이용한 위성강수 자료의 보정·예측 및 유출해석, (4) 수리해석을 위한 수치해석분야에서의 PINNs의 적용성(1차원 Saint-Venant 식 해석) 평가 연구결과를 공유한다. 특히, 자료의 입·출력 자료만으로 학습된 인공신경망 모형 대신 지배방정식(물리방정식)을 만족하도록 강제한 PINNs의 경우, 인공신경망 모형보다 우수한 모의능력을 보여주었으며, 향후 복잡한 수리모델링 등 수치해석분야에서 그 활용가능성이 매우 높을 것으로 판단된다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2021.11a
• /
• pp.181-182
• /
• 2021

본 연구에서는 자율운항선박의 원격 관제 및 제어하는 과정에서 원격 운항자에게 사전 충돌 위험 정보를 제공하기 위해 선박자동식별시스템(AIS, Automatic Identification System)의 항적 정보를 토대로 자율운항선박의 운항 경로 상에 잠재된 충돌 위험 영역을 예측하기 위한 기초 연구를 수행하였다. 자율운항선박의 운항 경로 상에 근접한 타선의 AIS 정보에는 기본적으로 선박의 위치, 속도, 침로에 대한 정보가 반영되어 있으므로, 이러한 정보를 토대로 일정 시간 동안 운항 경로를 예측할 수 있다. 그리고 예측한 정보를 기반으로 대표적 충돌 위험 지수인 최근접점(CPA, Closest Point of Approach)과 최근접점 거리(DCPA, Distance to CPA) 정보를 활용하여 충돌 위험 영역을 2차원 공간상에서 예측하였다. 제안된 방법은 실제 AIS 항적 데이터를 활용한 수치 시뮬레이션을 수행하여 초기 결과를 검증하였다.