• 제목/요약/키워드: 주말아파트

검색결과 5건 처리시간 0.019초

헤테로토피아로서의 이주 공간: 텔아비브 필리핀 노인돌봄노동자들의 '주말아파트'를 중심으로 (Constructing a Heterotopia of Migrant Space: 'Weekend Flat' of Filipino Migrant Care-givers in Tel Aviv, Israel)

  • 임안나
    • 대한지리학회지
    • /
    • 제51권6호
    • /
    • pp.799-817
    • /
    • 2016
  • 본 논문은 초국적 이주노동자들이 거주국 내에서 수행하는 다층적인 사회적 관계와 공간적 실천을 살펴봄으로써 '차이의 공간'이 생산되는 과정을 고찰하고, 이러한 이질적인 공간을 단순히 외부 세계로부터 분리되고 타자화된 공간이 아니라 이주자들의 일상적 경험이 외부 세계와 상호작용하는 과정에서 새로운 의미와 질서가 재생산되는 헤테로토피아 공간으로 분석한다. 필자는 입주돌봄노동자로서 이스라엘에 체류하는 필리핀 이주자들의 일상 리듬이 주중-작업장, 주말-아파트로 패턴화된다는 사실에 주목하고, 이들이 주말마다 점유하는 텔아비브 네베셰아난의 '아파트'에 분석의 초점을 둔다. 이러한 주말아파트는 비록 주말에만 일시적으로 존재하는 공간이지만 필리핀 이주민사회를 구성하는 최소한의 사회적 단위인 동시에 경제, 사회, 종교적 활동의 핵심 장소로서 기능하며, '위험하고 적대적인 외부 세계'로부터 분리된 '안식처(shelter)'로 기능함으로써 거주국에서 배제되고 주변화된 이주노동자들이 "그들만의 세계"를 구축하는 것을 가능케 한다. 이 논문에서 이주노동자들의 일상적 실천을 통해 유의미한 공간으로 전환되는 '주말아파트'는 이주노동자 삶의 역동성을 이해하고 지배집단의 통제 속에서도 능동적으로 공간을 전유하는 이주자들의 적극적인 행위성을 드러내는 데 유용한 통로로 분석된다. 주말아파트는 이주자들의 필요를 충족시켜주는 다양한 기능을 가진 독특한 공간으로서 다른 공간들과 경계가 뚜렷하고 철저하게 분리된 공간으로 나타나지만, 그것을 둘러싼 외부 공간과의 관계 속에서 형성되는 헤테로토피아 공간으로 해석될 수 있다.

  • PDF

현장탐방 - LH 인천서창(2) 1블럭 아파트 8공구 기계설비공사 해성산업개발(주)

  • 대한설비건설협회
    • 월간 기계설비
    • /
    • 통권296호
    • /
    • pp.66-72
    • /
    • 2015
  • LH공사가 인천광역시 서창지구에 총 약 210만$m^2$ 규모, 1만4천여 가구, 약 5만여명이 거주하는 대규모 자족도시 단지를 조성하고 국민 공동주택을 공급하고 있다. 인천 서창지구는 인천의 대표적 주말 나들이 공원인 인천대공원이 근접해 있고 장아산, 거마산, 관모산, 장수천 등 산과 들, 습지(그린)와 바다(블루)로 둘러싸여 있으며, 시립미추홀도서관, 문학경기장, 문화예술회관, 길병원, 백화점, 인천터미널, 남동구청, 인천시청 등 풍부한 생활인프라와 함께 고속도로, 지하철 및 각종 도로가 결합된 멀티 교통망을 두루 갖춘 친환경 생태 해양 문화도시(Ecological & Culture Ocean City)이다. 해성산업개발(주)(대표 이연풍)는 서창2지구 중 1블럭 아파트 기계설비공사를 지난 해 10월 완공 후 3월 6일 입주 전까지 5개월간 최종 점검을 마쳤다. 이 현장은 LH공사가 주계약자 공동도급 시범사업으로 선정한 3개 현장 중 한곳으로 기계설비 건설업계의 관심이 집중된 곳이다. 본지는 입주 전 최종점검을 마친 현장에서 해성산업개발(주)(대표 이연풍) 안선준 기계 부장을 만나 시공 및 주계약자 공동도급에 대한 얘기를 들어보았다.

  • PDF

스마트 수도미터와 딥러닝을 활용한 수용가별 물 사용량 예측 (Prediction of water demand using deep learning and smart water meter)

  • 김종성;송재현
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2022년도 학술발표회
    • /
    • pp.394-394
    • /
    • 2022
  • 최근 스마트 수도미터의 보급을 통해 수용가구별 물 사용 자료를 수집할 수 있다. 이런 수용가구별 물 사용 패턴은 주말, 날씨 등 다양한 요인으로 인해 비선형적 특성을 가지고 있다. 그로인해 전통적인 시계열 예측 모형인 ARIMA 모형으로 적용하기 어렵다. 따라서 본 연구에서는 딥러닝 기반의 LSTM 모형을 통해 수용가구별 물 소비량 예측 모형을 개발하였다. 이 모형은 비선형적인 물 소비 패턴을 학습하기 위해 다양한 변수를 고려하였다. 서로 다른 종류의 4개 type (A : 단독주택, B: 아파트, C: 음식점, D : 초등학교)의 수용가구에 대한 ARIMA 모형과 LSTM 모형을 개발하였고, 학습에 사용되지 않은 새로운 데이터를 적용하여 정량적으로 예측성능을 비교했다. 그 결과, 모든 수용가구에서 LSTM 모형이 ARIMA 모형보다 성능이 우수하였다 (상관계수 : 평균89% | RMSE : 평균 5.60m3). 따라서 본 연구에서 제안한 모형은 수용가구별 물 사용량을 예측하는데 높은 활용도를 보일 것으로 기대된다.

  • PDF

공공자전거 이용에 영향을 미치는 공간 특성 분석 - 대전광역시 '타슈'를 대상으로 - (Analysis of Spatial Characteristics Affecting the Use of Public Bicycles: Case of 'Tashu' in Daejeon)

  • 안민수;이창효
    • 지역연구
    • /
    • 제38권4호
    • /
    • pp.75-91
    • /
    • 2022
  • 최근 기후변화 이슈에 대한 관심이 높아지면서 자전거 이용이 대중교통을 보완하고 친환경 교통수단의 하나로 주목받고 있다. 대전광역시는 2008년부터 공공자전거인 '타슈'를 운영하고 있다. 본 연구는 공공자전거의 이용현황과 특성을 파악하고 공간 자료의 공간적 의존성을 고려한 분석 모델인 공간계량분석을 적용하여 공공자전거 이용에 영향을 미치는 공간적 특성을 실증적으로 분석하였다. 그리고 최적 공간계량모델로 파악된 공간오차 모형을 기준으로 대여, 반납, 첨두시간, 비첨두시간, 평일, 주말의 측면에서 6가지 모형을 분석한 결과를 도출하여 비교분석을 하였다. 분석모형 결과는 공공자전거 이용유형에 따라 유의미한 공간특성이 다르게 나타났다. 일반적으로 공공자전거 이용은 청년층 비중이 높고 대중교통 이용자 수가 많고 대학과 하천 접근성이 좋으며 토지이용혼합도가 상대적으로 낮은 지역, 아파트 비중이 높은 지역에서 높게 나타났다. 이러한 결과는 공공자전거가 평일에는 통학목적으로, 주말에는 레저목적으로 이용되고 있음을 나타내며, 자전거 이용 편의성이 향상된다면 공공자전거 이용을 더욱 늘릴 수 있을 것으로 판단된다.

예측율 제고를 위한 사계절 혼합형 열수요 예측 신경망 모델 (A Model of Four Seasons Mixed Heat Demand Prediction Neural Network for Improving Forecast Rate)

  • 최승호;이재복;김원호;홍준희
    • 에너지공학
    • /
    • 제28권4호
    • /
    • pp.82-93
    • /
    • 2019
  • 본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 열수요 예측율이 크게 증가하였다. 제안된 모델은 다음과 같은 과정을 통해 선정되었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의 모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은 예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을 수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 크게 개선되었다. 본 연구에서는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년10월) 시간단위 열수요 데이터를 활용하였다.