• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.525-530
• /
• 2023

최근 소셜 네트워크 서비스(SNS) 및 모바일 서비스가 증가함에 따라 사용자들은 다양한 종류의 위험에 직면하고 있다. 특히 온라인 그루밍과 온라인 루머 같은 위험은 한 개인의 삶을 완전히 망가뜨릴 수 있을 정도로 심각한 문제로 자리 잡았다. 그러나 많은 경우 이러한 위험들을 판단하는 시점은 사건이 일어난 이후이고, 주로 법적인 증거채택을 위한 위험성 판별이 대다수이다. 따라서 본 논문은 이러한 문제를 사전에 예방하는 것에 초점을 맞추었고, 계속적으로 발생하는 대화와 같은 event를 실시간으로 감지하고, 위험을 사전에 탐지할 수 있는 Real-Time Early Risk Detection(RERD) 문제를 정의하고자 한다. 온라인 그루밍과 루머를 실시간 조기 위험 감지(RERD) 문제로 정의하고 해당 데이터셋과 평가지표를 소개한다. 또한 RERD 문제를 정확하고 신속하게 해결할 수 있는 강화학습 기반 새로운 방법론인 RT-ERD 모델을 소개한다. 해당 방법론은 RERD 문제를 이루고 있는 온라인 그루밍, 루머 도메인에 대한 실험에서 각각 기존의 모델들을 뛰어넘는 state-of-the-art의 성능을 달성하였다.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2013.04a
• /
• pp.78-79
• /
• 2013

소방보호복은 화재진압현장에서 소방관들을 화상 위험으로부터 보호하기 위해 가장 많이 착용하는 장비이다. 소방보호복의 열보호 특성을 정확히 파악하고 있어야 소방관들의 화재진압작업시 위험요소를 적절히 판단하여 화상 사고 등을 예방할 수 있다. 따라서 본 연구는 복사열 노출에 따른 소방보호복의 열보호 성능을 정확히 측정 및 분석하기 위해 실험 장비를 제작하고 실험을 수행하였다. 소방 보호복의 구성 재료 각각에 대해 복사열 노출을 시켜 시간에 따른 피복 전후면의 온도차와 통과 열유속을 측정하여 소방 보호복의 열보호 성능 특성을 살펴보았다.

• 전기의세계
• /
• v.42 no.2
• /
• pp.48-59
• /
• 1993

산업현장의 안전을 이룩하는데 화재 및 폭발 사고의 방지는 매우 중요하다. 또한 우리 제품의 수출활성화를 위해서도 국제적으로 표준화되고 인정받는 방폭전기기기의 규격 및 성능보장이 필수적인 요건으로 대두되고 있다. 이를 위해 정부차원에서도 본격적으로 법규를 개정하고 관련규격을 제정하는 등의 제도적 뒷받침을 시작하였으며, 그 일환으로서 폭발위험지역에서의 방폭형 전기기기의 사용을 의무화하고 이들 기기의 성능검정을 실시하게 되었다. 그러나 우리나라의 전기기기 방폭기술은 아직 초기단계에 있는 만큼 관련업체, 성능 검정기관 및 정부기관의 적극적인 설비투자와 학계 및 연구기관 등의 적극적이고 지속적인 연구개발을 통하여 이를 본격적인 궤도에 올려 놓아야 할 것이다. 최근 매스콤의 잦은 보도를 통하여 알 수 있듯이 재산에 막대한 손실을 가져오므로 철저한 사전 대비에 의하여 예방토록 하여야 할 것이다. 이를 위해 위험지역에서 사용하는 전기기기의 방폭화는 필수적이다.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2011.04a
• /
• pp.160-164
• /
• 2011

국내 건축법에서는 화재의 확산을 방지하기 위해 방화구획을 설치하여 인명피해와 재산피해를 최소화 하고 있다. 따라서 방화구획 개구부의 방화문, 방화셔터 등 각종 배관 관통부 시스템의 화재저항 성능이 중요하다. 이에 본 연구에서는 방화구획 중 넓은 면적에 사용되는 방화셔터를 각 종류별 내화성능실험을 통하여 방화셔터의 방화성능 확인과 더불어 실험시 방화셔터에서 발생하는 복사열의 측정을 통하여 화재가 확대될 수 있는 위험성을 예측하였다.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2011.04a
• /
• pp.188-191
• /
• 2011

현대사회는 기술의 발전으로 인하여 초고층 건축물과 미적 감각을 최대한 활용한 각종 구조별, 형상별 건축물들이 등장하였다. 따라서 이에 사용되는 건축 자재들이 다양화됨에 따라 화재 발생 시 유독가스생성 및 빠른 화재 확산으로 이어질 수 있는 위험성들이 잠재되어 있다. 이러한 화재위험을 최소화하기 위하여 국내에서는 KS F 2257-1:(건축 부재의 내화 시험 방법)이 제정되어 현재까지 구조물의 화재성능을 확인하고 있다. 이에 따라 내화벽 및 방화문이 건축물에 설치되어 건축물의 하중이 크게 증가하고 있다. 따라서 본 연구에서는 기존에 활용되지 않은 소재를 활용하여 목재 방화문을 제작하였으며, 이에 따른 성능을 분석하였다. 그 결과 내화 직물원단은 13분, 글라스울은 17분의 내화성능이 있는 것으로 확인되었으며, 난연 목재로 제작된 심재의 탄화를 보강할 불연 심재를 사용하여 개발 방향을 설정해야 할 것으로 분석되었다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.11
• /
• pp.411-418
• /
• 2022

Incorrectly loaded containers can easily knock down by strong winds. Container collapse accidents can lead to material damage and paralysis of the port system. In this paper, We propose a deep learning-based container loading state and accident risk detection technique. Using Darknet-based YOLO, the container load status identifies in real-time through corner casting on the top and bottom of the container, and the risk of accidents notifies the manager. We present criteria for classifying container alignment states and select efficient learning algorithms based on inference speed, classification accuracy, detection accuracy, and FPS in real embedded devices in the same environment. The study found that YOLOv4 had a weaker inference speed and performance of FPS than YOLOv3, but showed strong performance in classification accuracy and detection accuracy.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.197-200
• /
• 2014

This paper proposes an algorithm for risk situation recognition using facial expression. The proposed method recognitions the surprise and fear expression among human's various emotional expression for recognizing risk situation. The proposed method firstly extracts the facial region from input, detects eye region and lip region from the extracted face. And then, the method applies Uniform LBP to each region, discriminates facial expression, and recognizes risk situation. The proposed method is evaluated for Cohn-Kanade database image. The proposed method produces good results of facial expression and discriminates risk situation well.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.497-501
• /
• 2022

대화 상태 추적(Dialogue State Tracking)은 특정 목적을 달성하기 위한 대화 시스템인 목적 지향 대화 시스템의 핵심 부분으로, 대화에서 표현된 사용자의 목적을 추출한다. 조기 위험 검출 시스템은 연속적으로 들어오는 정보를 바탕으로 분류 대상인지 아닌지를 판별하며, 정확도 저하를 피하면서 최대한 빠르게 분류하는 것을 목표로 한다. 본 연구에서는 대화 상태 추적 시스템에서 나온 은닉층을 입력으로 하여 실시간으로 공황 장애 여부를 점진적으로 조기 분류하는 시스템과 조기 분류를 위한 새로운 손실 함수를 제안한다. 조기 위험 검출 시스템에 대화 상태인 belief state의 정보를 함께 사용했을 때, 큰 성능 향상을 보였으며 대화 상태가 조기 위험 검출에 필요한 정보를 담고 있음을 확인할 수 있다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2022.10a
• /
• pp.227-228
• /
• 2022

전통적인 HRA(Human Reliability Analysis)방법은 특정 애플리케이션 또는 산업을 염두에 두고 있으며. 또한 이러한 방법은 종종 복잡하며, 시간이 많이 걸리고 적용하는 데 비용이 많이 들며 직접 비교하기에는 적합하지 않다. 제안된 HFHM(Human Factors Hazard Model: 인적 요인 위험 모델)은 기검증되고 시간 테스트를 거친 FTA(Fault Tree Analysis:결함 트리 분석)및 ETA(Event Tree Analysis:이벤트 트리 분석)의 확률 분석 도구 및 새로 개발된 HEP(Human Error Probability:인적 오류 확률)예측 도구와 통합되고, 인간과 관련된 PSF(Performance Shaping Factors:성능 형성 요인)를 중심으로 새로운 접근 방식으로 개발되었다. 인간-시스템은 상호작용으로 인한 재난사고 가능성을 모델링하는 위험분석 접근법 HFHM은 다음과 같은 상용 소프트웨어 도구 내에서 예시되고 자동화된다. HFHM에서 생성된 데이터는 SE 분석가 및 설계에 대한 표준화된 가이드로 사용될 수 있다. 본 연구에서는 인적 위험을 예측하는 이 새로운 접근 방식을 통해, 전체 시스템에 대한 포괄적인 재난안전 분석을 가능하게 한다.

• Korean Chemical Engineering Research
• /
• v.58 no.2
• /
• pp.248-256
• /
• 2020

In this study, predictive models based on machine learning for evaluating the extent of hazardous zone of explosive gases are developed. They are able to provide important guidelines for installing the explosion proof apparatus. 1,200 research data sets including 12 combustible gases and their extents of hazardous zone are generated to train predictive models. The extent of hazardous zone is set to an output variable and 12 variables affecting an output are set as input variables. Multiple linear regression, principal component regression, and artificial neural network are employed to train predictive models. Mean absolute percentage errors of multiple linear regression, principal component regression, and artificial neural network are 44.2%, 49.3%, and 5.7% and root mean square errors are 1.389m, 1.602m, and 0.203 m respectively. Therefore, it can be concluded that the artificial neural network shows the best performance. This model can be easily used to evaluate the extent of hazardous zone for explosive gases.