• Journal of Korean Society for Geospatial Information Science
• /
• v.18 no.2
• /
• pp.3-12
• /
• 2010

In previous studies, the digital measurement systems and analysis algorithms were developed by using the related techniques, such as the aerial photograph detection and high resolution satellite image process. However, these studies were limited in 2-dimensional geo-processing. Therefore, it is necessary to apply the 3-dimensional spatial information and coordinate system for higher accuracy in recognizing and locating of geo-features. The objective of this study was to develop a stochastic algorithm for the optimal sensor placement using the 3-dimensional spatial analysis method. The 3-dimensional information of the LiDAR was applied in the sensor field algorithm based on 2- and/or 3-dimensional gridded points. This study was conducted with three case studies using the optimal sensor placement algorithms; the first case was based on 2-dimensional space without obstacles(2D-non obstacles), the second case was based on 2-dimensional space with obstacles(2D-obstacles), and lastly, the third case was based on 3-dimensional space with obstacles(3D-obstacles). Finally, this study suggested the methodology for the optimal sensor placement - especially, for ground-settled sensors - using the LiDAR data, and it showed the possibility of algorithm application in the information collection using sensors.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.217-217
• /
• 2023

상수도관망은 사용자에게 고품질의 물을 안정적으로 공급하는 것을 목적으로 하며, 이를 평가하기 위한 지표 중 하나로 압력을 활용한다. 최근 스마트 센서의 설치가 확장됨에 따라 기계학습기법을 이용한 실시간 데이터 기반의 분석이 활발하다. 따라서 어디에서 데이터를 수집하느냐에 대한 센서 위치 결정이 중요하다. 본 연구는 eXtreme Gradient Boosting(XGBoost) 모델을 활용하여 대규모 상수도관망 내 센서 위치를 최적화하는 방법론을 제안한다. XGBoost 모델은 여러 의사결정 나무(decision tree)를 활용하는 앙상블(ensemble) 모델이며, 오차에 따른 가중치를 부여하여 성능을 향상시키는 부스팅(boosting) 방식을 이용한다. 이는 분산 및 병렬 처리가 가능해 메모리리소스를 최적으로 사용하고, 학습 속도가 빠르며 결측치에 대한 전처리 과정을 모델 내에 포함하고 있다는 장점이 있다. 모델 구현을 위한 독립 변수 결정을 위해 압력 데이터의 변동성 및 평균압력 값을 고려하여 상수도관망을 대표하는 중요 절점(critical node)를 선정한다. 중요 절점의 압력 값을 예측하는 XGBoost 모델을 구축하고 모델의 성능과 요인 중요도(feature importance) 값을 고려하여 센서의 최적 위치를 선정한다. 이러한 방법론을 기반으로 상수도관망의 특성에 따른 경향성을 파악하기 위해 다양한 형태(예를 들어, 망형, 가지형)와 구성 절점의 수를 변화시키며 결과를 분석한다. 본 연구에서 구축한 XGBoost 모델은 추가적인 전처리 과정을 최소화하며 대규모 관망에 간편하게 사용할 수 있어 추후 다양한 입출력 데이터의 조합을 통해 센서 위치 외에도 상수도관망에서의 성능 최적화에 활용할 수 있을 것으로 기대한다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.31 no.3
• /
• pp.31-38
• /
• 2003

In the present work, a nonlinear inverse perturbation method which has been used in the structural optimization, is adopted so as to identify the structural damages. Unlike the structural optimization, a larger number of constrained equations than the number of unknown parameters are often required detect structural damage. Therefore, nonlinear least squares method is utilized to solve the problem. Because only a limited number of sensors are available I real situation of damage detection, the determination of sensor location becomes one of the most important issues. Hence, this work concentrates on the issue of sensor placement in the framework of nonlinear inverse perturbation method, and the performances of various methodologies concerning to sensor placement are compared with each other. The comparisons show tat the successive elimination method gets good performance for sensor placement. From the several numerical studies, it is confirmed that the inverse perturbation method, combined with the successive elimination method, is very promising in structural damage detection.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.287-291
• /
• 2007

기존 센서네트워크 환경의 노드들이 모바일 환경으로 바뀌면서 클러스터를 구축하고 클러스터 헤더를 선정함에 있어 기존 방법은 정적 노드를 대상으로 구축되어 있기 때문에 이를 동적 노드에 적합한 방법으로 구축하기 위해 기존 연속적인 스카이라인 질의방법을 이용하여 클러스터를 구축하고 클러스터헤더를 선정함으로 센서네트워크의 효율적인 환경을 구축하고자 한다. 기존은 클러스터 헤드 선정을 클러스터를 구축하고 구축된 클러스터 내에서 에너지 잔여량을 비교 하여 가장 에너지가 많은 노드를 헤드로 선정하여 라우팅을 고려하는 기법을 사용하였다. 그러나 센서 노드가 모바일 노드일 경우 위치도 함께 고려되어야 할 속성 중 하나일 것이다. 따라서 이 논문에서는 클러스터 헤더 선정기법에서 기존 방식과 달리 클러스터 헤더를 선정하고 클러스터 헤더를 선정하고 클러스터 헤더를 기준으로 R hop 까지를 하나의 클러스터로 설정하는 효율적인 영역 결정 기법을 제안하였다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.33 no.5
• /
• pp.303-310
• /
• 2020

In this study, a method for selection of the location and number of monitoring sensors in a building structure using artificial neural networks is proposed. The acceleration-history values obtained from the installed accelerometers are defined as the input values, and the mass and stiffness values of each story in a building structure are defined as the output values. To select the installation location and number of accelerometers, several installation scenarios are assumed, artificial neural networks are obtained, and the prediction performance is compared. The installation location and number of sensors are selected based on the prediction accuracy obtained in this study. The proposed method is verified by applying it to 6- and 10-story structure examples.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2009.04a
• /
• pp.244-245
• /
• 2009

일반적으로 LiDAR(Light Detection And Ranging)의 자료로부터 3차원 위치정보와 속성 정보를 취득하여 활용 하는 연구가 많이 진행되고 있다. 본 연구에서는 Grid($100m{\times}100m$) 기반인 2차원적 Grid Point를 통해 Sensor Field를 정하고 LiDAR의 3차원적 좌표정보를 이용하여 최적 센서 위치를 선정하고 중간에 장애물(Obstacle)이 존재하는 경우 또한 알고리즘을 통해 최적위치인 Grid point를 선정하였다. 알고리즘은 3가지 측면을 고려하여 분류하였다. 첫째 장애물이 없는(Non Obstacle) 2차원적인 경우, 둘째 장애물이 존재(Obstacle)하는 2차원적인 경우, 셋째 장애물이 존재(Obstacle)하며 3차원적인 알고리즘을 고려하였다. 향후 연구에서는 LiDAR를 직접 적용하여 최적 선정 지역을 도출하여 알고리즘을 적용할 것이다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.16 no.7
• /
• pp.1559-1566
• /
• 2012

This paper proposed the method to find out the optimal sensing point of temperature in test-bed with the sensor of temperature, such as real residence. We selected optimal locations by checking temperature change which was simulated by the means of CFD (Computational Fluid Dynamics) and the variation of air flow. We made 3-dimensional model of the testbed using DesignBuilder software, and ran the CFD. We selected the optimum temperature measurement location of 1.5 m height from the floor and low temperature variation. The experiments were conducted 30 temperature and humidity sensors in real place. After that, we confirmed the results of temperature change.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.505-506
• /
• 2007

일반적으로 저가 장비를 이용한 수신 신호 강도(RSSI)의 측정은 전파의 특성상 다소 부정확한 정보를 제공하고, 이는 최소평균제곱오차(MMSE)를 이용한 위치 추정 방법에 있어 큰 오차 요인으로 작용한다. 따라서 이 논문에서는 수신 신호 강도를 이용한 기존의 위치 추정 방법을 개선하기 위해 센서 네트워크상의 유효 노드선정 알고리즘을 제시한다. 그리고 개선된 방법을 이용하여 센서 네트워크 기반의 실내 위치 추정 시스템을 구현 한다. 끝으로, 개선된 방법의 성능 검증을 위한 실험 결과를 제시 한다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.15 no.6
• /
• pp.103-108
• /
• 2015

Maintaining efficient energy consumption and elongating network lifetime are the key issues in wireless sensor networks. Existing routing protocols usually select the cluster heads based on the proximity to the sensor nodes. In this case the cluster heads can be placed farther to the base station, than the distance between the sensor nodes and the base station, which yields inefficient energy consumption. In this work we propose a novel algorithm that select the nodes in a cluster and the cluster heads based on the locations of related nodes. We verify that the proposed algorithm gives better performance in terms of network life time than existing solutions.

• Transactions of the Korean Society for Noise and Vibration Engineering
• /
• v.17 no.4 s.121
• /
• pp.324-332
• /
• 2007

Sensor placement method for damage identification has been developed for model updating using Taguchi method. In order to select the optimal sensor location, the analysis of variance of objective function using orthogonal array was carried out. Then, modal data at the selected locations were used for damage identification using model updating. The numerical model of a cantilever beam was used in order to compare the damage identification results with conventional sensor location method.