• 디지털융복합연구
• /
• 제19권8호
• /
• pp.319-325
• /
• 2021

무선 기술의 고도화 및 이동통신 기술의 인프라가 빠르게 성장함에 따라 AI 기반 플랫폼을 적용한 시스템이 사용자의 주목을 받고 있다. 특히 사용자의 취향이나 관심사 등을 이해하고, 선호하는 아이템을 추천해주는 시스템은 고도화된 전자상거래 맞춤형 서비스 및 스마트 홈 등에 적용되고 있다. 그러나 이러한 추천 시스템은 다양한 사용자들의 취향이나 관심사 등에 대한 선호도를 실시간으로 반영하기 어렵다는 문제가 있다. 본 연구에서는 이러한 문제를 해소하기 위해 GRU(Gated Recurrent Unit) 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 취향이나 관심사를 실시간으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 또한 대중들의 관심사 및 해당 영화의 내용을 분석하여 사용자가 선호하는 요인과 유사한 영화를 추천하기 위해 GRU 언어 모델 기반의 모델을 적용하였다. 본 추천 시스템의 성능을 검증하기 위해 학습 모듈에서 사용된 스크래핑 데이터를 이용하여 학습 모델의 적합성을 측정하였으며, LSTM(Long Short-Term Memory) 언어 모델과 Epoch 당 학습 시간을 비교하여 학습 수행 속도를 측정하였다. 그 결과 본 연구의 학습 모델의 평균 교차 검증 지수가 94.8%로 적합하다는 것을 알 수 있었으며, 학습 수행 속도가 LSTM 언어 모델보다 우수함을 확인할 수 있었다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.107-118
• /
• 2022

최근 자율주행 기술이 상용화 단계로 접어들며, 자율주행기반 모빌리티 서비스를 제공하는 서비스 플랫폼이 늘어나고 있다. 현재 자율주행 기반 모빌리티 서비스들은 자율주행차량의 주행 성능과 기능에 초점을 맞추어 서비스를 제공하고 있으므로 모빌리티 수단별 교통수요와 통행 특성을 고려한 서비스 지역을 선정하는 데에 한계가 있다. 따라서, 본 연구에서는 기존 모빌리티 서비스인 택시와 수요응답형 교통수단, 특별교통수단의 실제 교통 데이터를 활용하여 모빌리티 수단별 통행 특성을 분석하고 자율주행 적용 가능성을 검토한다. 이를 위해 모빌리티 서비스별 주요 사용 네트워크를 도출하고 전문가 조사를 기반으로 네트워크별 자율주행 난이도를 산정하여 모빌리티 서비스별 자율주행 적용 지수를 산출한다. 분석 결과, 수요가 분산된 형태의 모빌리티 서비스보다는 밀집된 형태의 서비스에서 자율주행 서비스 제공이 효율적인 것으로 확인된다. 또한 네트워크에 할당된 통행수요가 높고 자율주행 난도가 낮은 분포가 가장 큰 것은 특별교통수단으로 도출되었다.

• 한국음향학회지
• /
• 제41권3호
• /
• pp.302-311
• /
• 2022

방음벽은 도심구간의 도로 및 철도에서 환경소음 저감을 위한 가장 효율적 대안의 하나이다. 도로교통소음 등에 대한 방음벽의 삽입손실은 방음판의 음향투과손실, 흡음손실 및 방음벽의 회절감쇠에 의한 음에너지 저감량의 합으로 이루어진다. 방음판의 음향투과손실은 방음벽의 삽입손실을 결정하는 중요한 요인 중 하나로 방음벽의 성능을 결정하는 기본적인 지표이다. 그럼에도 불구하고 아직까지 우리나라는 방음판의 음향투과손실 측정방법에 관한 별도의 규격이 없다. 방음판의 일반적 재질에 대해 규정하고 있는 KS F 4770 시리즈의 한두 항목으로 가볍게 다루고 있을 뿐이다. 이 논문은 방음판의 음향투과손실 측정 및 평가 규격의 필요성에 대해 고찰하고, 실내 건축부재와 달리 외부공간에 설치되는 방음벽의 특성을 감안한 자유음장(무향실) 수음실에서의 측정방법을 모색하였다. 아울러 도로변이나 철로변 등 다양한 설치장소에 따른 방음효과를 간단히 표시할 수 있도록 기준 스펙트럼을 활용한 단일수치 평가법을 제안하였다.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.697-703
• /
• 2022

최근 Covid-19 및 불안한 국제정세로 인한 경기 침체로 많은 투자자들이 투자의 한 수단으로써 파생상품시장을 선택하고 있다. 하지만 파생상품시장은 주식시장에 비해 큰 위험성을 가지고 있으며, 시장 참여자들의 시장에 대한 연구 역시 부족한 실정이다. 최근 인공지능 분야의 발달로 파생상품시장에서도 기계학습이 많이 활용되고 있다. 본 논문은 해외선물에 분 단위로 거래하는 스캘핑 거래의 분석을 위해 기계학습 기법 중 하나인 강화학습을 적용하였다. 데이터 세트는 증권사에서 거래되는 해외선물 상품들 중 4개 상품을 선정해, 6개월간 1분봉 및 3분봉 데이터의 종가, 이동평균선 및 볼린저 밴드 지표들을 이용한 21개의 속성으로 구성하였다. 실험에는 DNN 인공신경망 모델과 강화학습 알고리즘인 DQN(Deep Q-Network), A2C(Advantage Actor Critic), A3C(Asynchronous A2C)를 사용하고, 학습 데이터 세트와 테스트 데이터 세트를 통해 학습 및 검증 하였다. 에이전트는 스캘핑을 위해 매수, 매도 중 하나의 행동을 선택하며, 행동 결과에 따른 포트폴리오 가치의 비율을 보상으로 한다. 실험 결과 에너지 섹터 상품(Heating Oil 및 Crude Oil)이 지수 섹터 상품(Mini Russell 2000 및 Hang Seng Index)에 비해 상대적으로 높은 누적 수익을 보여 주었다.

• 한국음향학회지
• /
• 제42권5호
• /
• pp.403-411
• /
• 2023

탄성 영상과 미세 혈류 도플러 영상과 같은 기능성 초음파 영상은 조직의 기계적, 기능적 정보를 제공함으로써 진단 성능을 향상시킨다. 그러나 기능성 초음파 영상의 구현은 데이터 획득 및 처리 시 대용량 데이터 저장과 같은 한계를 야기한다. 본 논문에서는 효율적인 횡탄성 영상 기법을 위해 데이터 획득 양을 절감시키는 서브 나이퀴스트 접근법을 제안한다. 제안하는 방법은 기존 나이퀴스트 샘플링 속도보다 1/3배 낮은 샘플링 속도로 데이터를 획득하고, 주파수 스펙트럼의 주기성을 이용하여 대역 통과 필터링 기반의 보간을 통해 재구성된 Radio Frequency(RF) 신호를 사용하여 횡파 신호를 추적한다. 이때 RF 신호는 67 % 미만의 비대역폭으로 제한된다. 제안하는 접근법을 검증하기 위해 기존 샘플링 속도로 획득한 횡파 추적 데이터를 이용하여 서브 나이퀴스트 샘플링된 RF 신호를 재현하고, 기존 접근법과 횡파 속도 영상을 재구성한다. 정량적 평가를 위해 재구성한 횡파 속도 영상의 군속도, 대조도 잡음 비, 그리고 구조적 유사성 지수를 비교하였다. 우리는 서브 나이퀴스트 샘플링 기반 횡탄성 영상의 가능성을 정성적, 정량적으로 입증하였고, 향후 실시간 3차원 횡탄성 영상 기술에 유용하게 적용 가능할 것으로 기대된다.

• 대한토목학회논문집
• /
• 제43권5호
• /
• pp.543-553
• /
• 2023

이 연구는 국내 공용 중인 교량 형식 중 건설 빈도가 가장 높은 RC 슬래브 교량의 공용내하력을 간단하게 평가할 수 있는 방안에 관한 것이다. 다수의 RC 슬래브 교량이 오랜 공용기간으로 인해 상당한 노후화가 진행된 상태지만, 교량의 규모 상 1, 2종 시설물에 포함되지 않아 그동안 안전 관리에 소홀한 측면이 있다. 기존의 이론적 선행연구에서는 실측 처짐 및 실측 고유진동수에 의해 도출된 처짐응답비와 강성저하율의 관계를 이용한 RC 슬래브 교량의 손상도 평가 프로세스(안)이 제시된 바 있다. 이 연구에서는 손상도 평가 프로세스(안)의 적정성을 검토하기 위해 실 교량에 대한 평가 결과를 시설물 안전법의 안전등급 및 Matsui의 노후도 지수와 비교·검토하였다. 또한 손상도 평가 프로세스(안)의 현장적용성을 향상시켜 실측 고유진동수만으로 개략적인 공용내하력을 평가하는 개선된 방안을 제시하였다. 연구결과, 10% 정도의 공용내하력 평가 결과의 오차를 허용하는 경우, 이 연구에서 제시된 방법은 노후화된 RC 슬래브 교량의 안전성 평가 및 유지보수 우선순위 산정 등에 효율적으로 활용될 수 있을 것으로 판단되었다.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.311-323
• /
• 2023

기름 유출 사고는 발생 시 환경과 관련된 다양한 문제들을 야기하므로 신속하게 유출유의 면적과 위치 변화를 파악하는 것이 중요하다. 광학 위성자료를 활용한 기름 유출 탐지의 경우 다양한 위성탑재 센서를 통해 유출유에 대한 정보 수집 후 이를 이용하여 광범위한 기름 유출 범위를 모니터링할 수 있다. 선행 연구에서는 파장별 기름의 반사도를 분석한 후 특정 파장대의 밴드를 이용한 oil spill index가 개발 및 적용되었다. 기름 유출 모니터링을 위해 유출 전후 여러 시기의 위성자료를 분석할 경우 다량의 데이터로 인해 많은 시간과 컴퓨팅 자원이 소비된다. 웹 브라우저를 통해 대량의 위성자료 분석이 가능한 Google Earth Engine을 활용할 경우 효율적으로 기름 유출 탐지가 가능하다. 본 연구에서는 Sentinel-2 MultiSpectral Instrument 위성자료와 클라우드 기반의 위성자료 분석 플랫폼인 Google Earth Engine을 이용하여 기존에 제안된 네 종류의 oil spill index의 다양한 피복 환경에서의 활용성 평가를 수행하였다. 지표 피복별 index 값의 비교를 통해 기름 유출 영역이 타 피복과 잘 구분되는지에 대한 분리도를 평가하고 기름 유출 면적을 산정하였다. 본 연구 결과를 통해 Google Earth Engine이 기름 유출 광역 모니터링에 효율적으로 활용 가능하다는 것을 확인하였고, 복잡한 지표 피복이 분포하는 다른 지역에 기름 유출 사고 발생 시 우수한 성능으로 평가된 oil spill index B ((B3+B4)/B2)와 C (R: B3/B2, G: (B3+B4)/B2, B: (B6+B7)/B5)의 적용은 효과적인 기름 유출 모니터링에 기여할 것으로 판단된다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.825-834
• /
• 2023

인터넷 쇼핑에서 상품의 사진과 동영상을 대체해 3D콘텐츠와 웹 3D 소프트웨어로 사용자에게 친숙한 이미지를 제공하려는 시도가 이어지고 있다 본 연구에서는 2D 이미지를 3D로 변환하여 고객들이 다양한 위치에서 상품을 파악할 수 있는 웹 3D 기술에 접목시키고 변환에 필요한 비용과 계산 시간을 줄일 수 있는 자동 변환기술을 제안하였다. 단 8대의 카메라 만을 사용하여 마네킹을 회전하는 턴테이블 위에 올려 놓고 촬영하는 시스템을 개발하였다. 이러한 시스템에서 촬영한 이미지에서 옷 부분만 추출하기 위해 U-net을 이용하여 마커를 제거하고, 배경 영역과 마네킹 영역의 컬러 특징 정보를 파악하여 옷 영역만을 추출하는 알고리즘을 제안하였다. 이 알고리즘을 이용하면 이미지를 촬영한 후 옷 영역만을 추출하는데 걸리는 시간이 이미지 하나당 2.25초며, 한 개의 옷에 대해 64장의 이미지를 촬영하는 경우에 총 144초(2분 4초)가 소요되어 매우 우수한 성능으로 3D오브젝트를 추출할 수 있다.

• 대한토목학회논문집
• /
• 제30권2A호
• /
• pp.93-102
• /
• 2010

시공단계별 수치해석 및 안전성 평가는 장경간 교량의 시공 중 불안전성을 해결하기 위한 주요 검토사항으로 고려되어야 한다. 장경간 교량의 시공단계해석에 따른 구조응답특성 평가 시, 근거리지진(NFGM)의 영향은 기존 입력지진동 데이터와는 확연히 다른 특성을 가지고 있기 때문에 내진설계를 위한 주요 변수로 평가되어야 한다. 따라서 이 연구에서는 응답스펙트럼 해석결과를 바탕으로 NFGM 특성에 따른 장경간 교량의 응답양상을 재검토하였으며, 장경간 교량의 시공단계해석 및 신뢰성평가를 효율적으로 수행하기 위해 관련연구에서 제시된 수치해석 프로그램을 개선하였다. NFGM 특성을 고려한 다양한 시공방안의 우수성은 주요 부재의 시간이력해석 결과를 이용하여 평가하였다. 정량적인 안전수준 평가를 위해 확률변수에 포함된 External Uncertainty의 영향을 고려하여 신뢰성해석을 수행하였으며, NFGM 특성에 따른 주요 시공단계의 안전지수 및 파괴확률을 제시하였다. 아울러, 몬테카르로 시뮬레이션(MCS)을 이용하여 신뢰성해석 결과에 대해 Internal Uncertainty의 영향을 검토하였으며, 주요 해석결과의 분포양상을 평가하였다. 이 연구는 NFGM 특성을 고려한 장경간 교량의 내진설계 시, 시공안전성 향상을 위한 기초자료를 제공할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• 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.