• 한국건축시공학회지
• /
• 제20권3호
• /
• pp.279-287
• /
• 2020

최근 지하형 탄약고에 대한 수요가 발생하고 사업이 구체화되고 있는 상황에서 지하형 탄약고에 대한 설계 방법의 부재가 상당한 걸림돌이 되고 있다. 본 연구에서 분석한 바와 같이 군 작전적 측면과 안전거리 기준 등의 안전 문제로 인해 민간에서 사용하는 일반적인 터널 설계 기준이나 지하형 탄약고에 대한 기존 연구결과들을 통해서는 제대로 된 지하형 탄약고를 구축할 수 없다. 따라서 실무자들이 지속적으로 순환되는 우리나라 군 및 관 특성상 표준화된 설계방법이 존재하지 않을 경우 지하형 탄약고의 설치는 상당히 지연될 수 밖에 없을 것이다. 이에 본 연구에서는 격실 설계, 격실 배치, 터널 및 출입구 설계, 공조설비 설계방법에 대해 고려해야할 사항들을 분석하고 전체적인 설계 프로세스를 정립하였다. 이를 토대로 설계 예시를 제공하였으며, 관련 전문가가 아니더라도 단계별로 설계를 따라 할 수 있도록 하였다. 지하형 탄약고는 세계적으로 시공사례가 많지 않다. 하지만 민·군 상생에 대한 국가 정책과 시장 추세를 비추어볼 때 지하형 탄약고에 대한 수요는 지속적으로 증가할 것으로 전망된다. 따라서 본 연구를 시작으로 지하형 탄약고에 대한 연구가 활성화되어 향후 대한민국이 기술 수출 등을 통해 세계 시장을 좌우할 수 있게 되기를 기대한다.

• 한국건축시공학회지
• /
• 제20권3호
• /
• pp.253-260
• /
• 2020

지하형 탄약고에 대한 관심이 증가하면서, 관련된 설계 결과가 다수 도출되고 있다. 그러나 터널 민간 전문가들뿐만 아니라 탄약관련 군 실무자들도 안전거리 기준을 완벽하게 숙지하지 못하여 안전거리 기준을 모두 준수한 신뢰성 있는 설계 결과는 도출되고 있지 않고 있는 실정이다. 또한 안전거리를 과하게 적용하여 부지를 비효율적으로 활용하거나 시공불가판정을 받는 사례도 보고되고 있다. 본 연구에서는 지하형 탄약고에 대한 안전거리 기준을 정리하고 이를 준수하면서 효율적으로 설계할 수 있는 방안에 대해 연구하였다. 또한 여러 방법 중 안전거리를 획기적으로 저감시킬 수 있는 방법을 도출하여 향후 지하형 탄약고 설계 및 시공 시에 적용할 수 있도록 데이터를 마련하였다.

• 한국건설관리학회논문집
• /
• 제17권4호
• /
• pp.87-94
• /
• 2016

탄약고 지하 및 주변에 시공된 지하구조물의 안정성 평가의 필요성은 도심지 및 사회기반시설의 확장으로 대두되었다. 그러나 지하구조물에 대한 우발적인 폭발의 영향에 대한 연구는 미진하다. 본 연구에서는 지하구조물의 안정성평가를 위한 방법을 제시하고 사례연구를 통해 적용성을 확인하였다. AUTODYN과 SPACECLAIM을 이용하여 구조체 및 지반모델링을 실시하였으며, 폭발효과를 모의하여 지반의 진동속도를 측정하였다. 사례연구의 결과에 따르면, 70m 지하에 설치된 지하구조물은 모의된 폭발 효과로부터의 영향이 거의 없는 것으로 판단된다. 본 연구에서 활용된 안정성평가방법은 지하형 탄약고 설계에 사용되거나, 혹은 주기적인 진동으로부터 영향하에 있는 지하구조물의 안정성을 평가하는데 활용될 수 있을 것이다.

• 융합보안논문지
• /
• 제21권1호
• /
• pp.191-200
• /
• 2021

컴퓨팅 기술의 발전과 데이터를 저장할 수 있는 클라우드 환경, 그리고 스마트폰의 보급으로 인하여 많은 데이터가 생산되는 환경에서 인공지능 기술이 발전되고 있다. 이러한 인공지능 기술 중에서 딥뉴럴네트워크는 이미지 인식, 이미지 분류 등에서 탁월한 성능을 제공하고 있다. 기존에는 이러한 딥뉴럴네트워크를 이용하여 산불 및 화재 예방을 위한 이미지 탐지에 대해 많은 연구가 있었지만 흡연 탐지에 대한 연구는 미흡한 실정이었다. 한편 군 부대에서는 각종 시설에 대한 감시체계를 CCTV를 통해 구축하고 있는데 화재, 폭발사고 예방을 위해 탄약고 주변에서의 흡연이나 금연구역에서의 흡연을 CCTV로 탐지하는 것이 필요한 상황이다. 본 논문에서는 딥뉴럴네트워크를 이용하여 흡연 여부를 탐지하는 방법에 대한 성능 분석을 하였으며 활성화함수, 학습률 등 실험적으로 최적화된 수치를 반영하여 흡연사진과 비흡연사진을 두 가지 경우로 탐지하는 것을 하였다. 실험 데이터로는 인터넷 상에 공개되어 있는 흡연 및 비흡연 사진을 크롤링하여 데이터를 구축하였으며, 실험은 머신러닝 라이브러리를 이용하였다. 실험결과로 학습률 0.004로 최적화 알고리즘 Adam을 사용하였을 때, 93%의 accuracy와 92%의 F1-score를 갖는 것을 볼 수 있었다. 또한 이로써 이미지의 연속인 CCTV 영상도 딥뉴럴네트워크를 이용하여 흡연 여부를 탐지할 수 있음을 알 수 있었다.