• 대한방사선치료학회지
• /
• 제20권2호
• /
• pp.91-102
• /
• 2008

목적: 방사선 종양학과 업무와 관련 자료 및 치료기기의 관리를 체계적으로 정리하고 사용하기 쉽게 색인하여 데이터베이스(Database)를 구축함으로써 업무 및 교육을 체계화시켜 업무 효율성을 증대시키고, 새로운 방사선 치료 발전의 기반이 되고자 한다. 대상 및 방법: 데이터베이스의 운영을 위해 마이크로 소프트 엑세스(MS OFFICE ACCESS)프로그램을 이용하였다. 방사선 종양학과 자료들을 업무에 관련된 업무 일지, 기기 관리에 대한 수리 내역 및 부속품의 재고 관리로 분류하였고, 학습 및 연구 자료는 부서 직무 교육 자료와 기기 사용자 지침서 및 관련 논문으로 구분하였다. 모든 자료의 등록은 각각의 주제에 맞도록 입력 폼(form)을 디자인하고, 자료의 정보는 보고서를 작성하여 열람할 수 있도록 설계하였다. 기기 수리 내역에서 2008년 1월부터 2009년 4월까지 고장건수와 유형 및 수리시간을 시스템 사용 초기와 사용 1년 후의 결과를 분석하였다. 결 과: 방사선 종양 자료관리 시스템을 업무에 관련된 영역과 학습 및 연구 활동 영역의 자료들로 완성하였다. 자료들은 주제와 분류에 의해 설명과 함께 정리되어 모아지고, 각 분류에서 원하는 자료를 검색하여 설명을 참고하여 첨부된 자료를 얻을 수 있다. 기기 수리 내역을 통하여 2008년 1월부터 2009년 4월까지 고장 건수 및 고장 유형의 정보를 얻을 수 있었고 수리시간을 분석하였을 때, 전체 평균 32.3%의 시간단축효과를 얻었다. 결 론: 방사선 종양 자료관리 시스템을 통하여 과거와 현재의 자료를 주제별로 분류하고 관련 자료를 정리하여 색인함으로써, 정보 이용이 원활하게 이루어져 업무 효율을 높일 수 있을 뿐만 아니라 업무 프로세스 개선의 기초자료가 되고 앞으로 새로운 방사선 치료에 요구되는 여러 가지 정보를 실시간으로 검색하여 얻을 수 있다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.