• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제6권8호
• /
• pp.353-358
• /
• 2017

전신주와 같은 전력 설비에는 스마트한 서비스를 위한 다양한 종류의 센서가 포함되어 있으며, 온도 정보는 전력 설비의 정상 동작 상태를 판단하는 중요한 요소 중 하나이다. 본 연구에서는 칼만 필터(Kalman Filter)와 앙상블 모델(Ensemble Model)을 이용해 스마트 전력 장치의 상태를 판단할 수 있도록 장치의 온도 분석 방법을 제안했다. 제안 된 접근 방식은 서로 다른 위치에 설치된 센서로 부터 수집된 정보 중 온도 데이터를 분류하고 칼만필터 및 앙상블 모델을 사용하여 온도 변화의 특성을 분석했다. 세부적으로 수집된 온도 데이터로부터 기상 온도 데이터와 같은 외부 인자를 제거하고 전력 장치의 각 위치로부터의 실제 장치의 온도값만을 분석했으며, 이 과정에서 칼만필터를 사용하여 오류 데이터를 제거하고 앙상블 모델을 사용하여 매 시간 정상 동작하는 전력 설비의 온도 평균값을 산출했다. 온도 분석에 대한 결과와 논의는 전력 데이터에 분석 결과에 명확하게 설명되어 있다. 마지막으로, 분석된 데이터를 통해 전력 장치가 정확히 동작하는 지를 판단할 수 있는 온도값의 정상범위를 확인하였다.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.121-132
• /
• 2018

기상은 교통흐름, 운전자의 주행패턴, 교통사고 등 여러 방면에서 도로교통에 영향을 미치는 중요한 요인이다. 본 연구는 기상상황과 노면상태 사이의 관계에 초점을 맞추어 기계학습을 통해 도로의 노면상태를 추정하는 모델을 개발하였다. 노면 상태의 수집을 위해 실험 차량에 노면센서를 부착하여 '건조', '습윤', '젖음', 3가지 범주로 구분된 노면상태 정보를 수집하였고, 이를 추정하기 위한 변수로 도로의 기하구조 정보(곡률, 구배), 교통정보(교통량), 기상정보(강우량, 습도, 온도, 풍속)를 활용하였다. 노면 상태를 예측하기 위한 알고리즘으로는 다양한 기계학습 알고리즘이 검토되었으며, 그 중 가장 높은 정확도를 보인 'Random forest'를 기반으로 한 2단계 분류모형을 구축하였다. 총 16일의 실측 데이터 중 14일의 데이터를 모델을 학습하는 데 활용하였고, 2일의 데이터를 모형의 정확도를 검증하기 위해 사용하였다. 그 결과 81.74%의 검증 정확도를 가지는 노면상태 예측 모델을 구축하였다. 본 연구의 결과는 기상청에서 관측하는 기상정보로 도로의 노면상태를 추정할 수 있다는 가능성을 보여주며, 새로운 장비나 센서를 설치하지 않고도 기존의 기상 관측 정보와 교통정보 등을 활용하여 노면의 상태를 추정할 수 있음을 시사한다.

• 해양환경안전학회지
• /
• 제25권1호
• /
• pp.89-95
• /
• 2019

낙동강 하구에서 연속관측 자료를 바탕으로 담수의 방류와 수온 및 염분의 시간에 따른 반응을 조사하였다. 낙동강 하구 서쪽 해역에 계류형 센서를 설치하고 2017년 4월 1일부터 2018년 3월 31일까지 10분 간격으로 수온과 염분을 측정하였다. 담수의 방류량은 평상시에 $200m^3\;s^{-1}\;d^{-1}$ 이하로 유지되었으나, 풍수기에는 $500{\sim}1000m^3\;s^{-1}\;d^{-1}$ 이상의 많은 양의 담수가 빈번하게 방류되었다. 담수의 방류는 대조기에는 간조를 전후하여 발생하였고, 소조기 동안에는 계속적으로 일어났다. 평상시에 수온과 염분은 소조기 동안 큰 변동 없이 안정되는 경향을 보이는 반면에, 대조기에는 방류주기에 따라 규칙적인 변동을 나타내었다. 연구기간 동안 염분은 평균 29이었으며, 평상시에 염분 농도는 평균 이상으로 유지되었고 일시적인 감소 이후에도 빠르게 회복되었다. 풍수기에는 약 3개월 동안 평균 이하의 저염환경이 지속되었다. 이러한 결과는 담수의 방류량뿐만 아니라 방류의 지속시간과 대량 방류의 빈도가 낙동강 하구의 표층 수온과 염분의 변동성에 영향을 미치는 중요한 요인이 된다는 것을 의미한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권5호
• /
• pp.193-204
• /
• 2019

센서 기술과 컴퓨팅 성능의 향상으로 인한 데이터의 폭증은 산업 현장의 상황을 분석하기 위한 토대가 되었으며, 이와 같은 데이터를 기반으로 현장에서 발생하는 다양한 이벤트를 탐지 및 분류하려는 시도들이 최근 증가하고 있다. 특히 음향 센서는 상대적으로 저가의 가격으로 현장 정보를 왜곡 없이 음향 신호를 수집할 수 있다는 큰 장점을 기반으로 다양한 분야에 설치되고 있다. 그러나 소리 취득 시 발생하는 잡음을 효과적으로 제어하지 못한다면 산업 현장의 이벤트를 안정적으로 분류할 수 없으며, 분류하지 못한 이벤트가 이상 상황이라면 이로 인한 피해는 막대해질 수 있다. 본 연구에서는 잡음 상황에서도 강인한 시스템을 보장하기 위하여, 딥러닝 알고리즘을 기반으로 잡음의 영향을 개선 시킨 음향 신호를 생성한 후, 해당 음향 이벤트를 분류할 수 있는 시스템을 제안한다. 특히, GAN을 기반으로 VAE 기술을 적용한 SEGAN을 활용하여 아날로그 음향 신호 자체에서 잡음이 제거된 신호를 생성하였으며, 향상된 음향 신호를 데이터 변환과정 없이 CNN 구조의 입력 데이터로 활용한 후 음향 이벤트에 대한 식별까지도 가능하도록 end-to-end 기반의 음향 이벤트 분류 시스템을 설계하였다. 산업 현장에서 취득한 음향 데이터를 활용하여 제안하는 시스템의 성능을 실험적으로 검증한바, 99.29%(철도산업)와 97.80%(축산업)의 안정적인 분류 성능을 확인하였다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.291-298
• /
• 2021

본 연구에서는 지뢰 무기체계를 중심으로 대기동 능력의 발전 배경과 현황을 분석하고 미래 발전 방안을 제시하였다. 2차 대전 후 민간인 피해를 야기한 재래식 지뢰는 CCW 및 오타와 협약 등 국제사회의 규제 대상이 되었다. 기존 지뢰의 비인도성을 감안하여 배치된 살포식지뢰는 자폭 기능이 내장되어 있다. 초기형 지능화 대전차 탄약인 호넷의 도태 원인은 복합 센서로 인한 제작비용 상승 대비 저조한 효과로 분석된다. 2016년 모든 대인지뢰를 금지하는 오바마 정부의 정책이 발표되면서 대기동전력의 계획 지뢰지대 및 종심지역 설치 능력에 공백이 생기게 된다. 이를 대비하여 단기적으로는 기존의 살포식지뢰를 활용할 수 있는 SAVO 전력이 개발되고 관련 수명연장계획(SLEP) 사업이 추진되었다. 장기적으로는 미래 정규전을 위한 다영역작전의 핵심전력으로 지뢰를 선정하고 지형조성장애물(TSO)을 개발하고 있다. TSO 전력은 강화된 센서 및 살상능력을 보유하며, 위성통신 네트워크를 구성함으로 지휘소에서 모든 영역의 지뢰를 개별적으로 제어할 수 있다. TSO 개발에 성공한다면 미군은 2050년까지 전 영역에서 온전하며 강화된 대기동 능력을 발휘할 것으로 분석된다. 우리나라는 특수한 휴전 상황으로 인해 관련 정책의 엄격한 적용은 유예되고 있으나, 단독적인 종심지역 지뢰 살포 능력을 서둘러 갖추어야 하며, 오타와 협약에 적합한 지뢰를 개발할 수 있도록 관련 기술의 선제적인 확보가 필요하다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제24권6호
• /
• pp.171-179
• /
• 2020

본 연구에서는 강박스 부재의 국부 부식열화환경을 모니터링하기 위하여 실제 강교량 부재로 사용하는 부재와 동일한 형상의 강박스 모형 시험체를 제작하였으며, 실제 공용 중인 강교량과 동일한 부식환경이 구현된 강박스 모형 시험체를 상부부재, 복부부재, 하부부재로 구분하여 모니터링을 진행하였다. 각 부재에 부식환경 모니터링 센서를 설치하여 부식전류를 계측하였으며, 부식전류량 계측 값으로부터 젖음시간을 계산하여 강박스 부재에 따른 국부적인 부식환경을 평가하였다. 모니터링 결과를 통하여 주위의 대기환경으로 인하여 나타날 수 있는 부식환경과 강박스 부재 표면에 직접적으로 나타날 수 있는 부식환경의 상대적인 차이를 검토하였으며, 강박스 부재들의 상대적 부식환경과 평균부식두께의 관계를 평가하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권7호
• /
• pp.217-224
• /
• 2022

오늘날 기술과 산업의 발전으로 특수건물이 늘어남에 따라 특수건물 내 화재 사고가 증가하고 있다. 그러나 정보통신기술의 빠른 발전에도 불구하고 낙후되고 실효성을 갖추지 못한 실내 화재 경보 시스템을 사용함으로 인해 인명 피해가 꾸준히 발생하고 있다. 본 연구에서는 음향경보를 이용하는 기존 실내 화재 경보 시스템이 건물 내 인원들에게 충분한 경보를 전달하지 못하는 '경보의 사각지대 문제'를 개선하고자 에지 컴퓨팅과 비콘을 활용한 화재 경보 시스템을 설계하고 구현하였다. 제안하는 개선된 화재 경보 시스템은 말단 센서 노드와 에지 노드, 사용자 애플리케이션, 서버로 구성된다. 말단 센서 노드는 실내 환경 데이터를 수집하여 에지 노드로 전송하고, 에지 노드는 전송받은 정보를 기반으로 화재 발생 여부를 모니터링 한다. 또한 에지 노드는 비콘 신호를 지속적으로 발생시켜 신호 범위 내의 사용자 애플리케이션이 설치된 스마트기기의 정보를 수집하여 서버 데이터베이스에 저장하고, 화재 발생 시 수집한 기기들의 정보를 바탕으로 모든 재실 인원에게 애플리케이션 푸시 형태로 화재 경보를 전송한다. 구현한 화재 경보 시스템의 적용 가능성을 검증하기 위해 강의실이 밀집한 대학교의 한 건물에서 신호 유효 범위 측정 실험을 진행한 결과, 에지 노드의 비콘 신호 범위 내에서 정상적으로 기기 정보를 수집하고, 수집한 정보를 바탕으로 특정 사용자들에게 신속하게 화재 경보를 전송함을 확인하였다. 이를 통해 수시로 변하는 출입자들의 정보를 유동적으로 수집하고, 이를 바탕으로 사용자와 매우 인접한 스마트기기로 경보를 전송함으로써 '경보의 사각지대 문제'를 해결하는데 적용할 수 있음을 확인하였다. 또한 실험 결과 분석을 통해 제안하는 화재 경보 시스템을 실내 공간의 특징에 따라 효과적으로 적용하는 방안을 제시하였다.

• 해양환경안전학회지
• /
• 제28권spc호
• /
• pp.11-17
• /
• 2022

본 논문에서는 해상 위험유해물질(Hazardous Noxious Substances, HNS) 사고의 효과적인 대응을 위해 개발된 부유식 무인이동체기반 광역탐지 및 모니터링 시스템의 운용 시나리오 설계와 실험 검증 내용을 보인다. 광역탐지 및 모니터링 시스템은 장시간 운용이 가능하되 제한적 이동이 가능한 무계류형 부이 형태를 갖는 부유식 무인이동체 플랫폼을 기반으로 개발되었으며 임무 수행에 필요한 열화상 카메라, 레이더, 부유 및 대기 HNS의 탐지를 위한 센서가 탑재되었다. 실험 검증 과정에서는 탐지 센서 성능을 야외 환경에서 실험적으로 검증하기 위해 이동식 가스 유출 시스템(Portable Gas-exposure System, PGS)을 추가로 설치하였다. 무인 시스템의 원격 및 자율 운용을 위해 전체 운용 소프트웨어는 로봇운영체제(Robot Operating System, ROS) 프레임워크를 기반으로 통합되었다. 내수면 및 실해역에서의 실험을 통해 개발된 시스템의 운용 및 활용 가능성을 실험적으로 검증하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.67-67
• /
• 2022

국가 물관리 측면에서 증발산량과 토양수분량은 자연계 손실로서 국내 수자원 총량의 약43%(563억 m³/년)를 차지하며, 수자원의 계획과 개발, 물순환 과정 규명 및 다양한 수재해 분석 등을 위한 수문 요소이다. 정부는 2005년 「수문조사 선진화 5개년 계획」과 2008년 「제1차 수문조사기본계획(2010~2019년)」을 통해 2019년까지 증발산량과 토양수분량 관측소 확대(각각 25개 지점) 기반을 마련하였고 「수자원의 조사·계획 및 관리에 관한 법률」에 따라 매년 공인 수문 자료로 증발산량과 토양수분량을 측정하고 있다. 증발산량과 토양수분량은 댐 유역의 정밀한 물순환 해석에도 매우 중요한 정보로서 현재 K-water에서의 관측은 일부 시험유역(용담댐 유역)의 flux tower에 의한 에디공분산법(Eddy Covariance Method) 및 토양수분 센서(TDR, Time Domain Reflectometery)에 의한 지점 자료의 생산만 각각 이루어지고 있다. 본 연구에서는 K-water 댐 유역의 증발산량 및 토양수분량 관측 현황과 그간 관측된 자료의 특성을 각종 경향성 분석 등과 함께 소개하고자 한다, 증발산량의 경우는 2개소의 flux tower를운영(덕유산 지점 2011년 이후, 용담 지점 2017년 이후)하고 있으며, 토양수분량은 총 7개소(계북, 천천, 상전, 안천, 부귀, 주천 지점 2013년 이후, 장계 지점 2017년 이후)에 TDR센서를 설치, 계측 운영 중이다. 이렇게 관측된 자료는 매년 홍수통제소 주관 관련 전문가 공인심사를 통해 일자료 기준으로 한국수문조사연보에 수록되고 있으며, K-water에서도 연보를 통해 공개된 자료를 기준으로 공공데이터포털(data.go.kr) 등과 연계하여 온라인 자료 서비스 중이다. 한편, 최근 2020년 「제2차 수문조사 기본계획(2020~2029년)」에서는 수자원 위성 개발연구와 연계하여 위성을 활용한 증발산량과 토양수분량 산정 연구의 필요성이 강조되고 있다. 하지만 본 연구에서 살펴본 지점 자료만으로는 댐 유역을 포함한 광역단위의 시계열 공간정보를 생산하기 한계가 있으며, 댐 유역과 국내 전 지역의 공간 시계열 증발산량 및 토양수분량 자료 산정과 활용 방안에 대해 정립하고, 나아가 위성영상을 활용한 댐 유역 증발산량·토양수분량 관측 가이드라인 마련 등을 위해서는 국가적으로 많은 재원의 투입과 노력이 필요한 상황이다.