• 한국ITS학회 논문지
• /
• 제14권1호
• /
• pp.85-93
• /
• 2015

기존의 교통사고모형은 수집된 데이터에 대한 추정된 모수가 고정되어있다고 가정하여 교통량이나 기하구조의 길이와 폭 등은 설치형태와 관계없이 동일한 값을 적용하는 고정효과모형을 이용하여 개발하였다. 하지만 고정효과를 이용한 모형은 모형을 통해 추정된 계수의 표준오차 값이 과소 추정되거나 각 계수의 t-값이 과도하게 산정되어 모형의 설명력이 낮아지게 된다. 이를 극복하기 위하여 교통량, 기하구조, 그리고 관측되지 않은 다른 요인 등에 대한 이질성을 고려한 임의효과모형을 활용하여 모형을 개발할 수 있다. 본 연구에서는 임의효과모형의 효용성을 파악하고자 대전광역시 주요 89개 교차로를 대상으로 데이터를 수집하여 임의효과와 고정효과를 이용한 음이항 회귀모형을 개발하고 이를 비교 분석하였다. 모형개발 결과 년평균일교통량, 제한속도, 차로수, 우회전 전용차로 설치유무, 전방신호등 설치유무 등이 유효한 설명변수로 나타났으며 모형의 설명력을 비교해보면 로그-우도함수값이 임의효과에서 -1537.802로 고정효과의 로그-우도함수값 -1691.327보다 모형 설명력이 좋은 것으로 나타났으며 우도비의 경우 임의효과에서 0.279로 고정효과의 0.207보다 개선된 것으로 나타나 임의효과를 이용한 모형이 고정효과를 이용한 모형보다 우수한 것으로 나타났다.

• 한국지반공학회논문집
• /
• 제35권4호
• /
• pp.27-35
• /
• 2019

역해석 수행 시 상대적으로 복잡한 공간 및 목표 설계 변수가 많은 경우, 지반공학 분야에 적용하기 위한 연구를 수행하였다. 지반공학 다변수 문제에 대한 모델로 터널 분야 및 흙막이벽체에 대해서 Sharan 공식 및 Blum 방법을 사용하였다. 최적화 방법은 크게 결정론적인 방법 및 확률론적인 방법으로 구분된다. 본 연구에서는 전자 중 모의강화법(SA), 후자 중 차분진화 알고리즘(DEA), 입자 군집 최적화 알고리즘(PSO)을 선택하여 다변수 모델을 적용해서 비교하였다. 지반공학 다변수 역해석 문제에서 결정론적인 방법은 문제가 있음을 확인하였고, 차분진화 알고리즘의 우수성을 확인하였다. DEA는 Sharan의 이론 해에 대한 문제에서 평균 3.12%, Blum 문제에 대해서 평균 2.23% 오차율을 보였고, 반복 탐색 회수도 가장 작은 것으로 파악되었다. DEA 대비해서 SA는 117.39~167.13배, PSO는 2.43~6.91배의 탐색시간이 소요되었다. 지반공학 문제의 다변수 역해석에 차분진화 알고리즘을 적용하면, 계산속도 및 정확도가 향상될 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1229-1235
• /
• 2018

본 연구는 우리나라의 1990-2014년 시계열 자료를 활용하여 물 효율성, 경제성장, 전력생산 및 이산화탄소 배출 간의 장 단기 인과관계를 실증적으로 분석하였다. 기존 연구들이 경제성장, 이산화탄소 배출 및 전력 및 에너지에 국한되어 분석을 한 반면 본 연구는 기존 변수들과 더불어 물 효율성과의 관계를 설명하였다는 기여를 가지고 있다. 실증분석결과를 살펴보면, 네 변수들은 단기조정관계를 통해 장기적으로 균형상태에 도달한다는 것과 변수들 간의 인과관계에서 이산화탄소 배출과 경제성장은 물 효율성의 원인이 되고 이산화탄소 배출과 경제성장 및 물 효율성은 전력생산의 원인이 된다는 사실을 발견하였다. 또한 물 효율성에 대한 장기 영향계수 추정결과를 통해 전력생산의 증가와 경제성장 및 이산화탄소 배출의 감소는 물 효율성을 증가시키며, 일정 수준 이상의 경제성장은 물 효율성의 증가속도를 감소시킨다는 경제성장과 물 효율성의 역U자형 관계를 확인하였다.

• 한국산학기술학회논문지
• /
• 제20권8호
• /
• pp.662-673
• /
• 2019

본 연구는 다양한 운용기관의 위성시스템 구축과 고도화에 따라 급변하는 위성 기반 측위환경이 표준절대측위 성능에 미치는 영향을 분석하고자 수행하였다. 이를 위해 각 위성시스템의 주파수와 운용 위성 수 등 그 특징을 파악하였고, 조사한 최신현황을 바탕으로 국토지리정보원 상시관측소 관측데이터를 이용한 표준절대측위 실험을 실시하였다. 실험은 위성시스템 데이터의 조합과 절사각에 따라 경우를 구분하여 처리한 후 측위 연속성과 정확도를 중심으로 그 성능을 분석하였다. 분석결과 절사각의 상승에 의한 가관측 위성 수의 감소로 측위의 불연속이 구간이 빈번하게 발생했으나, 이는 위성 시스템 관측데이터 조합을 통해 극복할 수 있었다. 특히, GPS와 BeiDou 혹은 GPS를 포함한 세 개 이상의 시스템 데이터 조합 시 연속성을 90% 이상으로 향상시킬 수 있었다. 정확도는 위성 유발 오차의 종합 지표인 SISRE의 영향으로 GPS와 Galileo 데이터 포함 시 상대적으로 높게 계산되었다. 측위실험 결과를 고려할 때, 도심지 등 신호차폐가 심한 지역에서 측위의 높은 연속성과 정확도를 유지하기 위해서는 다중 GNSS 데이터를 조합한 처리가 필요한 것으로 사료된다.

• 한국해안·해양공학회논문집
• /
• 제30권6호
• /
• pp.263-269
• /
• 2018

해저에서 지진 및 산사태 등에 기인하는 수심변화는 자유수면의 변동을 유발한다. 이러한 자유수면의 변동은 해안으로 전파하고 천수현상에 의해 파고가 상승하면서 큰 피해를 야기한다. 지진해일의 생성 및 전파과정을 모의하기 위해 다양한 수치해석모형이 개발된 바 있다. 대부분의 지진해일모형은 해저 지반의 움직임이 수면에 즉시적이고 동일하게 전달된다는 가정하에 초기수면을 결정한다. 하지만, 이 접근 방법은 시간적 및 공간적 차이를 지니고 발생하는 해저지진의 특성을 고려하지 못하며, 이는 그대로 해석오차에 반영된다. 본 연구에서는 Hammack(1973)의 해석해를 응용하여 수심이 시간차를 가지고 변할 때 이로 인한 초기 자유수면의 변동과 이렇게 변화된 수면의 전파 특성을 모의하고 그 결과를 검토하였다. 이는 다양한 유형의 지반운동과 자유수면 형성과의 인과관계 및 상승된 자유수면의 이동속도 등의 관계규명에 도움이 될 것이다.

• 지구물리와물리탐사
• /
• 제24권1호
• /
• pp.6-19
• /
• 2021

탄성파 탐사는 속도와 밀도 같은 지하 매질 물성 정보를 파악하고 지하 지층 구조를 영상화 할 수 있으며, 이를 위한 다양한 알고리즘 개발이 이루어지고 있다. 이러한 알고리즘의 성능 검증을 위해 다양한 기준 모델이 사용되며, 정확도의 경우 참 물성 데이터와의 평균 제곱근 오차(Root Mean Squre Error, RMSE)를 통해 정량적으로 평가할 수 있다. RMSE는 수치적으로 단순하다는 장점이 있지만 구조적인 품질과의 상관도가 높지 않다는 한계가 있다. 이러한 한계를 보완하기 위해 인간지각시스템을 반영한 FR-IQA (Full Reference Image Quality Assessment) 기법이 연구되고 있으며, 지하 물성 정보 데이터를 다룰 수 있는 FR-IQA 기법들을 선정하였다. 본 연구는 물성 정보 도출 알고리즘으로 완전 파형 역산을 선정하여 세 가지 기준 모델에서 수치예제 실험을 진행하였으며, 선정 된 FR-IQA 기법들을 이용하여 물성 정보 도출 알고리즘 정확성 평가를 수행하였다. 주요 구조 정확성 평가 시 암염모델 하부 구조의 경우 구조적으로 좋지 않음을 육안으로 확인할 수 있었으나 RMSE 값은 감소하며 결과의 부정확성을 표출하지 못하였다. 반면, 몇몇 FR-IQA의 경우 결과의 부정확성을 수치적으로 표출하는 것을 확인하였다.

• 방송공학회논문지
• /
• 제26권3호
• /
• pp.269-282
• /
• 2021

증강현실과 가상현실 같은 3차원 콘텐츠 보급이 증가함에 따라 실시간 컴퓨터 애니메이션 기술의 중요성이 높아지고 있다. 하지만 컴퓨터 애니메이션 제작 과정은 대부분 수작업 혹은 마커를 부착하는 모션캡쳐 방식으로 이루어져 있다. 때문에 사실적인 영상을 얻기 위해서는 숙련된 전문가에게도 매우 오랜 시간이 필요하다. 이러한 문제점을 해결하기 위해 최근에는 딥러닝 모델과 센서를 기반으로 하는 애니메이션 제작 시스템과 알고리즘이 나오고 있다. 이에 본 논문에서는 딥러닝과 Kinect 카메라 기반 FBX 형식의 애니메이션 제작 시스템에서 자연스러운 인체 움직임을 구현하는 4가지 방법에 대해 연구했다. 각 방법은 환경적 특성과 정확도를 고려하여 선택된다. 첫 번째 방법은 Kinect 카메라를 사용한다. 두 번째 방법은 Kinect 카메라와 보정 알고리즘을 사용한다. 세 번째 방법은 딥러닝 모델을 사용한다. 네 번째 방법은 딥러닝 모델과 Kinect를 사용한다. 제안 방법을 오차와 처리 속도를 실험한 결과, 네 번째 딥러닝 모델과 Kinect를 동시에 사용하는 방법이 다른 방법에 비해 가장 좋은 결과를 보였다.

• Ecology and Resilient Infrastructure
• /
• 제8권1호
• /
• pp.1-8
• /
• 2021

표면영상유속측정법은 일반적으로 상호상관법을 이용하여 수표면을 촬영한 연속된 두 영상에서 입자군의 명암값 분포를 계산하여 입자군의 변위를 계산하고 이를 두 영상 사이의 시간 간격으로 나누어 입자군의 이동 속도를 산정하는 방법이다. 따라서 표면영상유속측정법으로 산정한 유속의 정확도를 높이기 위해서는 영상 내 두 입자군의 변위를 정확하게 계산하는 것이 무엇보다 중요하다. 즉, 분석하고자 하는 영상에서 입자군이 이동한 물리거리를 정확하게 계산할 수 있어야 한다. 하지만 카메라를 이용하여 실제 하천을 촬영한 영상은 카메라 렌즈에 의한 왜곡이 필연적으로 발생하게 되고 이는 영상 내의 변위 산정 시에도 영향을 미친다. 이에 본 연구에서는 간격이 일정한 격자보드를 이용해, 카메라 렌즈 왜곡이 변위 산정 결과에 미치는 영향을 분석하였다. 연구 결과 카메라 렌즈 왜곡은 영상 중심에서 방사방향으로 점점 크게 나타났으며 변위 산정 오차는 영상 외곽에서 최대 8.10%, 영상 중심 부근에서 5% 이내로 나타났다. 따라서 표면영상유속측정법을 이용하여 하천의 유속 측정 시 카메라 렌즈 왜곡 보정을 실시하여 표면유속 측정 결과의 정확도를 개선하면 하천의 표면유속을 보다 정확하게 측정할 수 있을 것으로 기대된다.

• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.22-28
• /
• 2021

본 연구는 화재진압 및 피난활동을 지원하는 딥러닝 기반의 알고리즘 개발에 관한 기초 연구로 선박 화재 시 연기감지기가 작동하기 전에 검출된 연기 데이터를 분석 및 활용하여 원격지까지 연기가 확산 되기 전에 연기 확산거리를 예측하는 것이 목적이다. 다음과 같은 절차에 따라 제안 알고리즘을 검토하였다. 첫 번째 단계로, 딥러닝 기반 객체 검출 알고리즘인 YOLO(You Only Look Once)모델에 화재시뮬레이션을 통하여 얻은 연기 영상을 적용하여 학습을 진행하였다. 학습된 YOLO모델의 mAP(mean Average Precision)은 98.71%로 측정되었으며, 9 FPS(Frames Per Second)의 처리 속도로 연기를 검출하였다. 두 번째 단계로 YOLO로부터 연기 형상이 추출된 경계 상자의 좌표값을 통해 연기 확산거리를 추정하였으며 이를 시계열 예측 알고리즘인 LSTM(Long Short-Term Memory)에 적용하여 학습을 진행하였다. 그 결과, 화재시뮬레이션으로부터 얻은 Fast 화재의 연기영상에서 경계 상자의 좌표값으로부터 추정한 화재발생~30초까지의 연기 확산거리 데이터를 LSTM 학습모델에 입력하여 31초~90초까지의 연기 확산거리 데이터를 예측하였다. 그리고 추정한 연기 확산거리와 예측한 연기 확산거리의 평균제곱근 오차는 2.74로 나타났다.