• Journal of Platform Technology
• /
• v.11 no.5
• /
• pp.110-125
• /
• 2023

In this paper, we utilize time-series aircraft location data measured based on 2019 domestic airports to analyze Go-Around and UOC_D situations during the approach phase of domestic airports. Various clustering-based machine learning techniques are applied to determine the most appropriate analysis method for domestic aviation data through experimentation. The ADS-B sensor is solely employed to measure aircraft positions. We designed a model using clustering algorithms such as K-Means, GMM, and DBSCAN to classify abnormal situations. Among them, the RF model showed the best performance overseas, but through experiments, it was confirmed that the GMM showed the highest classification performance for domestic aviation data by reflecting the aspects specialized in domestic terrain.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.81-84
• /
• 2010

본 연구는 Building Information Modeling(이하 BIM)의 본연의 목표인 정보의 통합 관리 및 재활용 측면에서 모델의 정보를 정확하고 체계적으로 구축될 수 있는 품질검증의 필요성을 인지하고 이를 위해 BIM 모델의 품질검증 방안에 관하여 논의하고자 한다. 이를 위해 국내외 BIM 관련 품질관리 현황을 파악하고 국내 정보시스템 구축에 관한 지침으로 한국데이터베이스 진흥 센터의 데이터 품질관리 지침을 분석하여 BIM 품질검증 방안을 도출하고자 하였다. 그 결과 BIM 모델의 품질검증 방안을 구축하기 위해 첫쩨 사전적 의미로부터 품질관리의 개념을 수립하고, 그 대상을 설정 하였으며, 둘째로 품질관리의 최종 목표인 정보의 재활용 관점에서 단계적 접근방안으로 5단계의 전략적 방향을 제시 하였다. 마지막으로 BIM 모델의 품질검증 방안을 구축하기 위해 사례 분석을 토대로 BIM 모델 관점에서 품질 검증 시기, 기준, 방법을 제시하였다.

• Proceedings of the CALSEC Conference
• /
• 2000.08a
• /
• pp.255-263
• /
• 2000

네트워크를 통해 어플리케이션을 임대해주는 정보시스템 서비스 모델인 ASP 모델이 IT 시장에서 새로운 비즈니스 모델로 등장하였다. 그러나 ASP 모델은 기존의 정보시스템 모델에 비해 특정 서비스에 많은 서비스제공자가 임시적으로 결합되고, 정보자산이 공중망과 데이터센터에 위치하는 특징을 가지고 있다. 그러므로 ASP 서비스를 성공적인 수행하기 위해서는 ASP 사업자가 서비스의 제공능력이 있는지에 대한 인증활동과 ASP 서비스 도입 및 운영과정이 적절하게 이루어지고 있는가에 대한 감리활동이 요구된다. 따라서 본 연구는 ASP의 특징을 분석하고, ASP 인증ㆍ감리 프레임워크를 설계를 수행하고자 한다. 이를 위해, 기존연구를 바탕으로, 분류기준을 기술적 계층, 수명주기, 공급자/고객의 관점이라는 세 가지 차원에서 정의하며, 각각의 세부항목 및 내용을 정의하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.521-521
• /
• 2023

지방상수도의 관 파손사고 감지 및 누수관리 방법에는 블록시스템 구축을 통한 소블록별 야간최소유량 감시방법이 가장 대표적이다. 야간최소유량은 새벽 2시와 4시 사이의 인구 활동 비율이 가장 낮은 새벽 시간대에 소블록에 공급된 유량을 의미하며, 대부분 유량 성분은 누수량일 것이라는 가정에서 출발한다. 그러나 아파트 중심의 주거 형태를 보이는 도심지의 경우, 새벽 시간대에도 다량의 물수요가 비정기적으로 발생하고 있어 관망의 이상 여부를 감시하기 위한 관리기준으로서 야간최소유량을 이용하기에는 높은 일간 변동성에 따른 한계가 있다고 할 수 있다. 즉, 야간최소유량은 관 파손사고 발생의 감시보다는 관로 연결 또는 급수전 분기 부위에서 발생하는 미량의 누수가 수개월에 걸쳐 누적되는 장기추세를 분석하여 누수탐사반의 투입 시점을 결정하기 위한 근거를 제시하기 위한 목적으로 사용되며, 아직까지 관 파손사고의 발생은 자체적인 감지보다는 민원에 의해 인지되는 경우가 많다. 최근, 스마트관망 구축사업(SWM) 등을 통해 관 파손 및 누수 감지를 위한 청음식 누수감지센서가 소블록 내 도입되고 있으나, 초기 시설투자에 큰 비용이 수반되며 주변 소음과 배터리 전원방식의 한계로 인하여 새벽 시간대에만 분석이 제한적으로 적용되는 경우가 많아 이 역시도 상시적인 관 파손사고의 감시기술이라 보기는 어렵다. 본 연구에서는 소블록 유입점에서의 유량·압력과 소블록 내에 설치된 대수용가 스마트미터, 그리고 사고감지를 위한 수압계 사이의 평상시 수리적 균형을 학습한 DNN(Deep Neural Network) 모델을 이용하여 관 파손사고를 실시간 감지하는 모델 개발연구를 수행하였다. 모델은 관 파손사고 감지를 위한 수압계의 최적 위치와 대수를 결정하기 위한 모듈과 관 파손사고 감지모듈로 구성되며, 1개 소블록 Test-Bed를 구축하여 모델을 생성하고 PDD 관망해석 모델을 통해 생성된 가상의 사고에 대한 감지 여부로서 개발 모델의 감지성능을 평가하였다.

• Journal of the Korean Society for information Management
• /
• v.39 no.4
• /
• pp.269-306
• /
• 2022

This study aimed to develop indicators that can measure the digital transformation performance of science and technology information construction and sharing systems by utilizing the Digital Curation Maturity Models. For digital transformation, it is necessary to consider not only simple service improvement but also organizational and business changes. In this study, we aimed to develop a model for measuring the digital transformation of KISTI, Korea's representative science and technology information service organization. KISTI has already carried out BPR work for digital transformation and borrowed the concept of a maturity model. However, in BPR, there is no method to measure the result. Therefore, in this paper, we developed an index to measure digital transformation based on the maturity model. Indicator development was carried out in two ways: model development and evaluation. Cases for model construction were made through a comprehensive review of existing KISTI and various domestic and foreign cases. The models before verification were technology (37), data (45), strategy (18), organization (36), and (social)influence (14) based on the major categories. After verification using confirmatory factor analysis, the model is classified as technology (20 / 17 indicators dropped), data (36 / 9 indicators dropped), strategy (18 / maintenance), organization(30 / 6 indicators dropped), and (social) influence (13 indicators / 1 indicator dropped).

• The Journal of the Korea Contents Association
• /
• v.21 no.2
• /
• pp.121-129
• /
• 2021

In this study, we try to minimize the tariff risk by constructing a hazardous cargo screening model by applying Association Rule Mining, one of the data mining techniques. For this, the risk level between supply chains is calculated using the Apriori Algorithm, which is an association analysis algorithm, using the big data of the import declaration form of the Korea Customs Service(KCS). We perform data preprocessing and association rule mining to generate a model to be used in screening the supply chain. In the preprocessing process, we extract the attributes required for rule generation from the import declaration data after the error removing process. Then, we generate the rules by using the extracted attributes as inputs to the Apriori algorithm. The generated association rule model is loaded in the KCS screening system. When the import declaration which should be checked is received, the screening system refers to the model and returns the confidence value based on the supply chain information on the import declaration data. The result will be used to determine whether to check the import case. The 5-fold cross-validation of 16.6% precision and 33.8% recall showed that import declaration data for 2 years and 6 months were divided into learning data and test data. This is a result that is about 3.4 times higher in precision and 1.5 times higher in recall than frequency-based methods. This confirms that the proposed method is an effective way to reduce tariff risks.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.397-400
• /
• 2022

본 연구에서는 소셜 네트워크 서비스(Social Network Service, SNS) 데이터로부터 약물 부작용 게시글을 추출하기 위한 순환 신경망(Recurrent Neural Network, RNN) 기반 분류 모델을 제안한다. 먼저, 처방 빈도가 높으며 게시글을 많이 확보할 수 있는 케토프로펜 약물에 대하여 국내 최대 소셜 네트워크 플랫폼인 네이버 블로그와 카페의 게시글(2005 년~2020 년)을 확보하고 최종 3,828 건을 분석하였다. 결과적으로 케토프로펜에 대한 3 종(약물, 부작용, 불용어)의 렉시콘을 정의하였으며 이를 기반으로 Bi-LSTM 분류모델 기준 87%의 정확도를 얻었다. 본 연구에서 제안하는 모델은 SNS 데이터가 약물 부작용 정보 획득을 위한 기존 (전자의무기록, 자발적 약물 부작용 보고 시스템 등) 자료원에 대한 보완적 정보원이 되며, 개발된 Bi-LSTM 분류모델을 통해 약물 부작용 게시글 추출의 편리성을 제공할 것으로 기대된다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.441-445
• /
• 2020

토큰화(Tokenization)는 사람이 작성한 자연어 문장을 기계가 잘 이해할 수 있도록 최소 단위인 토큰으로 분리하는 작업을 말하여, 이러한 토큰화는 자연어처리 전반적인 태스크들의 전처리에 필수적으로 사용되고 있다. 최근 자연어처리 분야에서 높은 성능을 보이며, 다양한 딥러닝 모델에 많이 활용되고 있는 SentencePiece 토큰화는 여러 단어에서 공통적으로 출현하는 부분단어들을 기준으로, BPE 알고리즘을 이용하여 문장을 압축 표현하는 토큰화 방법이다. 본 논문에서는 한국어 기반 특허 문헌의 초록 자연어 데이터를 기반으로 SentencePiece를 비롯한 여러 토큰화 방법에 대하여 소개하며, 해당 방법을 응용한 기계번역 (Neural Machine Translation) 태스크를 수행하고, 토큰화 방법별 비교 평가를 통해 특허 분야 자연어 데이터에 최적화된 토큰화 방법을 제안한다. 그리고 본 논문에서 제안한 방법을 사용하여 특허 초록 한-영 기계번역 태스크에서 성능이 향상됨을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.42-42
• /
• 2022

지금까지도 유역에서의 녹조 모니터링은 현장채수를 통한 점 단위 모니터링에 크게 의존하고 있어 기후, 유속, 수온조건 등에 따라 수체에 광범위하게 발생하는 녹조를 효율적으로 모니터링하고 대응하기에는 어려운 점들이 있어왔다. 또한, 그동안 제한된 관측 데이터로 인해 현장 측정된 실측 데이터 보다는 녹조와 관련이 높은 NDVI, FGAI, SEI 등의 파생적인 지수를 산정하여 원격탐사자료와 매핑하는 방식의 분석연구 등이 선행되었다. 본 연구는 녹조의 모니터링시 정확도와 효율성을 향상을 목표로 하여, 우선은 녹조 측정장비를 활용, 7000개 이상의 녹조 관측 데이터를 확보하였으며, 이를 바탕으로 동기간의 고해상도 위성 자료와 실측자료를 매핑하기 위해 다양한Machine Learning기법을 적용함으로써 그 효과성을 검토하고자 하였다. 연구대상지는 낙동강 내성천 상류에 위치한 영주댐 유역으로서 데이터 수집단계에서는 면단위 현장(in-situ) 관측을 위해 2020년 2~9월까지 4회에 걸쳐 7291개의 녹조를 측정하고, 동일 시간 및 공간의 Sentinel-2자료 중 Band 1~12까지 총 13개(Band 8은 8과 8A로 2개)의 분광특성자료를 추출하였다. 다음으로 Machine Learning 분석기법의 적용을 위해 algae_monitoring Python library를 구축하였다. 개발된 library는 1) Training Set과 Test Set의 구분을 위한 Data 준비단계, 2) Random Forest, Gradient Boosting Regression, XGBoosting 알고리즘 중 선택하여 적용할 수 있는 모델적용단계, 3) 모델적용결과를 확인하는 Performance test단계(R², MSE, MAE, RMSE, NSE, KGE 등), 4) 모델결과의 Visualization단계, 5) 선정된 모델을 활용 위성자료를 녹조값으로 변환하는 적용단계로 구분하여 영주댐뿐만 아니라 다양한 유역에 범용적으로 적용할 수 있도록 구성하였다. 본 연구의 사례에서는 Sentinel-2위성의 12개 밴드, 기상자료(대기온도, 구름비율) 총 14개자료를 활용하여 Machine Learning기법 중 Random Forest를 적용하였을 경우에, 전반적으로 가장 높은 적합도를 나타내었으며, 적용결과 Test Set을 기준으로 NSE(Nash Sutcliffe Efficiency)가 0.96(Training Set의 경우에는 0.99) 수준의 성능을 나타내어, 광역적인 위성자료와 충분히 확보된 현장실측 자료간의 데이터 학습을 통해서 조류 모니터링 분석의 효율성이 획기적으로 증대될 수 있음을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.111-112
• /
• 2022

장애인 운전 지원센터는 지역별 편차가 심하고 인력 부족 등의 문제로 배우고자 하는 장애인의 수요를 충족하지 못하고 있는 상황이다. 본 논문에서는 시뮬레이터를 활용하여 가상현실을 통한 장애인 운전 교육 시뮬레이터 모델을 제안한다. 가상현실 기법을 활용하여 시뮬레이터를 구성하고 운전 교육데이터를 시뮬레이터에 적용하여 모델을 구성하였다. 실질적인 교육내용을 기준으로 프로세스를 구성하였으며, 제안 모델을 활용하면 운전 교육이 어려운 중증장애인들도 시뮬레이터를 통한 간접적인 운전을 경험함으로써 삶의 질 또한 향상되는 것을 기대할 수 있다.