• 제목/요약/키워드: 관계 유형 식별

검색결과 53건 처리시간 0.018초

영상 데이터를 활용한 실내 토폴로지 구현에 관한 연구 (A Study on the Implementation of Indoor Topology Using Image Data)

  • 김문수;강혜영;이지영
    • 한국측량학회지
    • /
    • 제34권3호
    • /
    • pp.329-338
    • /
    • 2016
  • 최근 실내공간정보에 대한 수요가 증가함에 따라 다양한 활용 서비스가 개발되고 있다. 그동안 2차원 또는 3차원 실내공간정보 서비스에서, 최근에는 전방위 영상 기반의 실내공간정보 서비스가 증가하고 있다. 단순히 실내공간의 가시화만을 제공하는 기존 전방위 영상 기반 서비스가 속성 검색, 질의 가능 서비스 등을 제공하기 위해서는 공간간의 위치 관계가 정의된 토폴로지 데이터가 반드시 필요하다. 이에 따라 본 연구에서는 전방위 영상 기반의 다양한 실내공간정보 서비스를 위해 필요한 실내 토폴로지 데이터를 국제 표준인 IndoorGML 형식에 맞춰 생성하는 방법을 제안하도록 한다. 본 연구에서는 영상으로부터 IndoorGML 데이터 생성을 위해 1)IndoorGML 기본 개념의 영상 적용을 위한 고려사항 분석, 2)IndoorGML 데이터 생성을 위해 필수 정의 요소인 ‘공간’을 대표하는 객체 식별 방법 제시, 3)공간 사이의 연결성을 정의로 구분하여 IndoorGML 데이터 생성 방법을 제안한다. 제안한 방법은 서울시립대학교 21세기관 6층을 대상으로 적용되어 IndoorGML 데이터를 생성하도록 한다. 본 연구는 향후 IndoorGML을 기반으로 개발되는 다양한 실내공간정보 서비스에 토폴로지 데이터를 생성하는 한 가지 유형의 방법을 제시한다는 점에서 의의가 있다.

주택시장과 주식시장 간의 정보 이전효과의 연구 (The Empirical Information Spillover Effect between the Housing Market and the Stock Market)

  • 최차순
    • 토지주택연구
    • /
    • 제12권3호
    • /
    • pp.27-37
    • /
    • 2021
  • 본 연구에서는 주택시장과 주식시장 간의 가격 및 비대칭적 변동성 이전효과(asymmetric volatility spillover)관계를 살펴보기 위해 주택 및 주식 가격지수를 이용하여 EGARCH 모형으로 분석하였다. 분석기간은 1986년 1월부터 2021년 6월까지 이고, IMF 외환위기 전후기간의 정보 연관성을 살펴보고자 하위기간으로 1986년 1월부터 1997년 12월까지 IMF 외환위기 이전기간과 1998년 1월부터 2021년 6월까지 이후기간으로 구분하여 분석하였다. 주택시장과 주식시장 간의 비대칭 변동성 이전효과 분석에 EGARCH 모형이 적합한 것으로 나타났다. 가격 이전효과는 주식시장에서 주택시장으로 일방향으로 존재하는 것으로 분석되었으나, 반대로 주택시장에서 주식시장으로의 이전효과는 존재하지 않는 것으로 나타났다. 비대칭적 변동성 이전효과는 주택 및 주식시장 양 시장에 존재하는 것으로 나타났다. 주택시장에서는 IMF 외환위기 이전기간에는 비대칭적 변동성이 부(-)의 효과이나 그 외에는 모두 양(+)의 효과를 보였고, 반면 주식시장에서는 IMF 외환위기 전후 모든 기간에서 부(-)의 효과를 보였다. 이는 주택시장은 악재보다 호재에 더 영향을 받고, 주식시장은 호재보다 악재에 더 영향을 받는다는 것이다. 따라서 정보의 유형별로 수익의 변동성을 식별하는 것이 중요하다.

기업정보 기반 지능형 밸류체인 네트워크 시스템에 관한 연구 (A Study on Intelligent Value Chain Network System based on Firms' Information)

  • 성태응;김강회;문영수;이호신
    • 지능정보연구
    • /
    • 제24권3호
    • /
    • pp.67-88
    • /
    • 2018
  • 최근까지도 중소기업의 지속성장 및 경쟁력 확보에 대한 중요함을 인식함에 따라, 정부 차원에서의 유형 자원(R&D 인력, 자금 등)에 대한 지원이 주로 투입되어 왔다. 그러나 사업지원의 적절성이나 효과성, 효율성 면에서 서로 상충되는 정책부분이 존재하여 과소 지원이나 중복 지원 등 지원체계의 비효율성 문제가 제기되어온 것도 사실이다. 정부나 기업 관점에서는 중소기업의 한정된 자원으로 인해, 외부와의 협력을 통한 기술개발 및 역량강화가 기업의 경쟁우위를 창출하는 근간이라 보고 있으며, 이를 위한 가치창출 활동을 강조하고 있다. 기업 레벨에서의 지식생태계 구축을 통해 일련의 가치사슬로부터 기업거래 관계를 분석하고 결과를 가시화할 수 있는 밸류체인 네트워크 분석이 필요한 것도 이 때문이다. 특허/제품/기업명 검색을 통해 관련 제품의 정보나 특허 보유 기업의 기술(제품) 현황 정보를 제공하는 기술기회발굴시스템(Technology Opportunity Discovery system), 기업(재무)정보와 신용정보을 열람하게 해주는 CRETOP이나 KISLINE 등은 존재하고 있으나 밸류체인 네트워크 분석기반으로 유사(경쟁)기업의 리스트나 향후 거래 가능한 잠재 거래처 정보를 제공해주는 시스템은 부재한 실정이다. 따라서, 본 고에서는 KISTI에서 개발 운영중인 기업 비즈니스 전략수립 지원 파트너인 '밸류체인 네트워크 시스템(Value Chain Network System : VCNS)'을 중심으로, 탑재된 네트워크 기반 분석모듈의 유형, 이를 지원하는 참조정보 및 데이터베이스(D/B)의 구성 로직과 시스템 활용방안을 고찰하며, 산업구조를 이해하고 기업의 신제품 개발을 위한 핵심정보가 되고 있는 지능형 밸류체인 분석 시스템의 네트워크 가시화 기능을 살펴보기로 한다. 한 기업이 다른 기업 대비 경쟁우위를 확보하기 위해서는 보유 특허 또는 현재 생산하고 있는 제품에 대한 경쟁자 식별이 필요하며, 세부 업종별 유사(경쟁)기업을 탐색하는 일은 대상기업의 사업화 경쟁력 확보에 핵심이 된다. 또한 기업간 비즈니스 활동인 거래정보는 유사 분야로 진출할 경우 잠재 거래처 정보를 제공하는 중요한 역할을 수행한다. 이러한 기업간 판매정보를 기반으로 구축된 네트워크 맵을 활용하여 기업 또는 업종 수준의 경쟁자를 식별하는 일은 밸류체인 분석의 핵심모듈로 탑재될 수 있다. 밸류체인 네트워크 시스템(VCNS)은 단순 수집된 종래의 기업정보에 밸류체인(value chain) 및 산업구조 분석개념을 접목하여 개별 기업의 시장경쟁 상황은 물론 특정 산업의 가치사슬 관계를 파악할 수 있다. 특히 업종구조 파악, 경쟁사 동향 파악, 경쟁사 분석, 판매처 및 구매처 발굴, 품목별 산업동향, 유망 품목 발굴, 신규 진입기업 발굴, VC별 핵심기업 및 품목 도출, 해당 기업별 보유 특허 파악 등 기업 레벨에서의 유용한 정보분석 툴로 활용 가능하다. 또한, 거래처 정보 및 재무데이터로부터 분석된 결과의 객관성 및 신뢰성을 기반으로, 현재 국내에서 이용 중인 15,000여개 회원기업과 연구개발서비스업 종사자, 출연(연) 및 공공기관 등에서 사업평가 정보지원, R&D 의사결정 지원 및 중 단기 수요예측 전망 등 다양한 목적(용도)에 밸류체인 네트워크 시스템을 활용할 수 있을 것으로 기대된다. 기업의 사업경쟁력 강화를 위해 정부기관 및 민간 연구개발서비스 기업을 중심으로 기술(특허) 및 시장정보가 제공되어 왔으며, 이는 특허분석(등급, 계량분석 위주) 또는 시장분석(시장보고서 기반 시장규모 및 수요예측 위주)의 형태로 지원되어 왔다. 그러나 기업이 사업화진출 단계에서 겪게 되는 애로요인의 하나인 정보부족을 해결하는데 한계가 있었으며, 특히 경쟁기업 및 거래가능 기업 후보군에 대한 탐색정보는 입수하기 어려웠다. 본 연구를 통해 제안된 네트워크맵 및 보유 데이터 기반의 실시간 밸류체인 가시화 서비스모듈이 중견 중소기업이 당면한 신규시장 진출시 경쟁기업 대비 예상점유율, (예상)매출액 수준, 어느 기업을 컨택하여 유통망(원자재/부품에 대한 공급처, 완제품/모듈에 대한 수요처)을 확보할 지에 대한 핵심정보를 제공할 수 있을 것으로 기대된다. 향후 연구에서는 대체기업(또는 대체품목) 경쟁지표의 개발과 연구주체의 참여를 통한 경쟁요인별 지표의 고도화 연구, VCNS의 성능향상을 위한 데이터마이닝 기술 및 알고리즘을 추가 반영하도록 수행하고자 한다.