• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.

• 청정기술
• /
• 제26권2호
• /
• pp.102-108
• /
• 2020

오늘날 석유화학, 정밀화학, 대기오염 방지산업 등에서 증류, 흡수, 추출, 탈거 등 물질분리 단위공정으로 주로 충전탑을 사용해 왔다. 충전탑은 가스-액체, 가스-가스 시스템에서의 물질들과의 접촉에 의해 운전되어 진다. 이러한 충전탑은 낮은 압력손실, 경제적 효율, 고온성 액체물질 적용, 유지보수 용이, 유해가스 처리 등의 운영에서 장점들을 가진다. 충전탑의 성능은 충진물을 통해 가스와 액체를 고르게 분산함으로써 우수한 성능을 보이며, 이는 충전탑 설계에 있어 중요한 인자로 고려되어진다. 본 실험에서는 충진물에 대한 액체부하 및 가스용량인자에 따른 건조압력손실, 수력학적 압력손실, 액체함량 변화에 대한 기하학적 특성에 대하여 연구하였다. 결과로부터 설계인자와 운전조건 등의 유해가스 처리에 필요한 인자를 도출하였다. 임의 충진물인 raschig super-ring에 대한 건조압력손실을 측정한 결과, 가스용량인자가 증가할수록 일정하게 선형적으로 증가하였고, 가스용량인자가 0.630 ~ 3.448 kg^-1/2 m^-1/2 S^-1에서 건조압력손실은 1.892 ~ 47.312 mmH₂O m^-1로 기존 산업현장에서 보편적으로 사용되는 35 mm pall-ring보다도 낮은 압력손실을 보였다. 그리고 raschig super-ring에 대한 수력학적 압력손실을 측정한 결과, 고유 액체부하에 대하여 가스용량인자가 증가할수록 압력손실도 함께 증가함을 확인하였고, 액체부하 변화에 따른 가스용량인자가 1.855 ~ 2.323 kg^-1/2 m^-1/2 S^-1으로 20% 증가할 때, 압력손실은 약 17% 증가하는 것으로 나타났다. 마지막으로, 충진물 체적에 관한 액체함량은 가스용량인자에 의존된 액체부하 매개변수로서 액체부하 변화에 따른 가스용량인자 약 3.84 kg^-1/2 m^-1/2 S^-1까지는 거의 일정한 액체함량을 보였으나, 그 이상에서는 급격하게 증가하였다.