• 한국조경학회지
• /
• 제38권5호
• /
• pp.12-20
• /
• 2010

본 연구는 도시 소공간의 열환경을 개선하기 위한 방안을 모색하고자 공간 구조별 열특성을 평가하여 분석하였다. 도심 내 위치한 고려대학교 캠퍼스를 연구 대상지로 선정하였으며, 대상지 내에 공간 유형을 대표하는 각각의 장소에서 열환경을 조사하였다. 기상장비를 활용한 미기상 및 바이오 기상 측정, 어안렌즈 촬영사진(Fish-eye lens photography)를 활용한 공간구조 및 특성 분석, 그리고 온도나 습도와 같은 기상정보 및 이미지 정보를 활용한 열쾌적성 모델링의 순서로 공간의 열환경 및 인체 열쾌적성을 분석하였다. 열환경 평가 결과, 인체 열쾌적성의 정도는 캠퍼스 공간의 유형에 따라 차이가 나타났다. 건물이나 수목 등에 의해 위요된 폐쇄형 공간 유형에서 개방형 공간 유형에서 분석된 평균 복사온도, PMV, PET 지수보다 더 양호한 것을 알 수 있었다. 이러한 결과는 수목과 건물에 의한 태양복사열의 차단 및 그림자의 영향을 받기 때문이라고 할 수 있다. 그러므로 공간을 계획할 때 개방성이나 통풍성을 높이기 위한 수목의 배치를 고려하고 복사열을 차단할 수 있는 바닥포장이나 건물 외장재 종류를 선택할 필요가 있다. 본 연구는 도시 공간의 이용자가 실제적으로 느끼는 열쾌적성의 정도를 정량화하고 이를 평가함으로써 이용자를 고려한 공간계획 방안을 제안하였다.인체 열쾌적성을 평가하는 정량적 평가 방법 및 그에 따른 연구결과는 향후 도시 공간의 쾌적한 환경을 조성하는데 기여할 수 있을 것으로 판단된다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.451-457
• /
• 2018

본 연구는 인공지능 분야의 딥러닝 기술을 기반으로 한 하수관 손상의 자동 탐지 분류 시스템을 제안한다. 성능의 최적화를 위하여 DB 획득 시 발생된 조도 및 그림자 변화와 같은 다양한 환경변화에 강인한 시스템을 구현하였다. 제안된 시스템에서는 Convolutional Neural Network(CNN) 기반의 균열 탐지 및 손상 분류 기법을 구현하였다. 최적의 결과를 위하여 $256{\times}256$ 픽셀 해상도의 CCTV 영상 9,941개를 이용하여 CNN모델을 적용하여 손상부위에 대한 딥러닝을 수행하였고 그 결과 98.76 %의 인식률을 획득하였다. 기계학습을 통한 딥러닝 모델을 기반으로 다양한 환경의 하수도 DB에서 $720{\times}480$ 픽셀 해상도의 646개의 이미지를 추출하여 성능 평가를 수행 하였다. 본 시스템은 다양한 환경에서 구축된 하수관 데이터베이스 에서 손상 유형의 자동 탐지 및 분류에 최적화된 인식률을 제시한다.