• 한국엔터테인먼트산업학회논문지
• /
• 제14권4호
• /
• pp.77-89
• /
• 2020

최근 주택시장의 경향을 반영하여 도시형 타운하우스의 개발이 지역에 따라 다양한 형태로 이루어지고 있는 실정이다. 그러나 생활주택으로서의 특성과 소비자들의 니즈를 잘못 판단하여 도시생활에 적합하지 않거나 무분별한 지역개발의 산물로 전락하는 등 많은 시행착오를 거듭하고 있다는 점은 매우 안타까운 일이 아닐 수 없다. 도시형 타운하우스의 장점은 사생활 침해나 가구 간 소음문제가 없으며, 개별정원과 주차공간의 확충, 접지성 확보, 개성 있는 내·외부 계획을 할 수 있다는 점이다. 또한 방범, 방재, 보안 등 공동관리 효율성, 출입문 분리를 통한 연속벽 건축, 중앙광장, 공원 등 공용공간 계획 등의 공동주택 측면의 장점도 갖추고 있어서 도시형 주거유형으로 발전할 수 있는 가능성은 매우 높다고 본다. 따라서, 본 연구에서는 도시 생활공간에 적합한 주택상품개발을 위한 기본 방향을 구축하여 도시형 타운하우스의 역할을 극대화하는데 그 목적이 있으며, 생활주택으로서의 공간적 요소와 기능적 요소 및 재료활용을 파악하여 소비자의 니즈에 부합하는 도시형 타운하우스의 주택상품개발을 위한 가이드라인을 제시하고자 한다.

• 대한토목학회논문집
• /
• 제28권6D호
• /
• pp.859-869
• /
• 2008

현재 전 세계적으로 이미 대부분 산업에서의 생산라인은 자동화되었으며 이는 생산성 및 경제성의 향상, 산업 재해에 대한 안전성 확보, 품질 향상 및 경쟁력 향상 등 많은 이익을 가져왔다. 그러나 건설 산업에서 자동화는 일반적인 산업생산라인과 달리 끊임없는 불확정적인 사건의 발생과 이에 따른 지능적 판단 및 처리 능력의 필요성으로 인한 해결해야 할 많은 어려움이 따르기 때문에 여전히 건설 기계장비 사용을 통한 노동력 투입에 의존하고 있다. 이러한 문제를 해결하기위하여 유럽, 미국, 일본 등 선진국에서 건설 자동화를 위한 끊임없는 연구가 진행 중이며 도로 포장, 다짐 및 작업프로세스가 비교적 단순한 반복형 작업에 대하여 자동화가 많이 이루어 졌지만 건설 현장에서 가장 비중을 많이 차지하는 토공 작업에 대하여 아직 자동화 연구가 미흡하다. 토공 작업의 자동화를 위해서는 획득된 지형정보를 분석하여 효율적인 작업 계획의 수립이 수행되어야 하며, 이를 위해 숙련된 작업자의 휴리스틱스(heuristics)를 활용하면 보다 시행착오가 적고 안전하며 효율적인 작업계획을 수립할 수 있을 것이다. 따라서 본 연구에서는 지능형 굴삭 시스템의 효율적인 작업계획의 수립을 위한 시스템인 지능형 Task Planning System의 구성 체계 및 각 단계마다 적용된 휴리스틱스(heuristics)에 대하여 소개하여 본다.

• 대한토목학회논문집
• /
• 제28권6D호
• /
• pp.775-789
• /
• 2008

2006년 9월 국무조정실이 수립한 교통사고 잦은 곳 개선 종합대책에 의하면 전방신호기 설치가 교차로 교통사고에 괄목할만한 효과라고 판단하여, 교통사고 잦은 곳 개선사업에 우선적으로 전방신호등을 설치를 권장하고 있다. 하지만 전방 신호등의 효과에 대한 검증 없이 국무조정실이 수립한 종합대책을 토대로 전방신호등 개선사업을 시행한다면 오히려 교통안전측면에서 더 큰 시행착오를 범할 수 있다. 이에 본 연구는 전방신호등의 설치가 과연 얼마만큼의 효과가 있는지, 또한 전방신호기의 설치에 따른 교통사고 유형의 변화 및 전방신호기의 설치가 적합한 교차로 유형에 대한 분석결과를 제시하고자한다. 이를 위해 Hauer가 개발한 비교그룹방법(Comparison-Group, C.G Method)을 활용하여 분석한 결과, 전방신호등 설치로 인한 전체 교통사고 감소효과에는 긍정적인 결과로 나타났으나 교차로의 규모별, 교통사고 유형별 효과분석에서는 각기 상이한 결과를 나타내기도 하였다. 소규모 교차로에서는 교통사고 유형별로 모두 전방신호등 설치로 인한 감소효과가 나타났지만, 대규모 교차로의 경우 정면충돌 및 측면직각 교통사고 유형에서는 오히려 전방신호등 설치로 인하여 교통사고가 증가하여 교통안전측면에서는 부정적인 결과를 초래하였다. 따라서 대규모 교차로에 전방신호기를 설치 할 경우에는 교통운영 및 교통시설, Human Factor 등 다각적인 측면에 대한 개선안을 신중하게 고려하여 시행 할 것을 권장하는 바이다.

• 대한토목학회논문집
• /
• 제26권5D호
• /
• pp.885-894
• /
• 2006

본 논문의 의도는 하이퍼스펙트럴 영상의 다량의 밴드를 사용하면서도 효율적인 분류기법의 개발에 초점을 두고 있다. 본 연구에서는 하이퍼스펙트럴 영상의 분류에 있어 이론적으로 밴드수가 많아질수록 분류정확도가 높을 것이라 예상되는, 다변량 통계분석기법중의 하나인 정준상관분석을 적용한 분류기법을 제안한다. 그리고 기존의 대표적인 전통적 분류기법인 최대 우도분류 방법과 비교한다. 사용되는 하이퍼스펙트럴 영상은 2001년 9월 2일 취득된 EO1-Hyperion 영상이다. 실험을 위한 밴드수는 LANDSAT TM 영상에서 열밴드를 제외한 나머지 데이터의 파장대와 일치하는 부분을 감안하여 30개 밴드로 선정하였다. 지상실제데이터로서 비교기본도를 채택하였다. 이 비교기본도와 시각적으로 윤곽을 비교하고, 중첩분석하여 정확도를 평가하였다. 최대우도분류의 경우 수역 분류를 제외하고는 전혀 분류기법으로서의 역할을 하지 못하는 것으로 판단되며, 수역의 경우도 큰 호수 외에 작은 호수나 골프장내 연못, 부분적으로 물이 존재하는 작은 영역 등은 전혀 분류하지 못하고 있는 것으로 나타났다. 그러나 정준상관분류결과는 비교기본도와 형태적으로 시각적 비교를 해볼 때 골프장잔디를 거의 명확히 분류해 내고 있으며, 도시역에 대해서도 고속도로의 선형 등을 상당히 잘 분류해내고 있음을 알 수 있다. 또한 수역의 경우도 골프장 연못이나 대학교내 연못, 기타지역의 연못, 웅덩이 등 까지도 잘 분류해내고 있음을 확인할 수 있다. 결과적으로 정준상관분석 알고리즘의 개념상 트레이닝 영역 선정시 시행착오를 겪지 않고도 정확한 분류를 할 수 있었다. 또한 분류항목 중에서 잔디와 그 외 식물을 구분해 내는 능력과 수역을 추출해 내는 능력이 최대우도분류기법에 비해 우수하였다. 이상의 결과로 판단해 볼 때 하이퍼스펙트럴영상에 적용되는 정준상관분류기법은 농작물 작황 예측과 지표수 탐사에 매우 유용하리라 판단되며, 나아가서는 분광적 고해상도 영상인 하이퍼스펙트럴 데이터를 이용한 GIS 데이터베이스 구축에 중요한 역할을 할 수 있을 것으로 기대된다.

• 현장농수산연구지
• /
• 제24권3호
• /
• pp.15-24
• /
• 2022

동해안 지역에서 발생되는 대형 산불의 원인은 건조주의보, 영동지역에서 불어오는 강한 바람, 소나무의 단순림, 임도 유무와 상태 등을 들고 있다. 이러한 이유로 2000년 동해안 산불로 삼척시는 전체 피해면적의 약 70%인 17,000ha 이상의 산림이 소실되었다. 이후 삼척의 산불 피해지역은 인공복원와 자연복원을 구분하여 식생 분석을 통해 산림복원(회복) 정도를 파악하는 데 연구의 목적이 있다. 조사 대상지인 삼척 검봉산 일대는 기존 소나무가 우점하는 곳으로 2001년 복원을 위해 소나무, 곰솔, 굴참나무 등을 조림하였고, 일부는 자연복원을 하였다. 복원 이후 21년 지난 현재 삼척 검봉산 일대 산불피해 복원지역의 식생은 크게 굴참나무-소나무군락, 소나무-신갈나무군락, 곰솔-소나무 군락으로 나누어지는 것으로 나타났다. 산불피해지 식생회복은 굴참나무, 소나무, 곰솔 등 조림으로 현재 식생은 산불발생 이전의 임상으로 회복되고 있다. 특히, 산불의 유형 중 지표화 피해지역은 하층 식생의 피해가 크다. 기존의 소나무는 결실된 종자를 비산하여 치수를 발생시켜 자연복원의 속도를 높이고 굴참나무를 활용한 인공복원은 맹아를 발달시켜 본인의 영역을 확장하는 전략을 지니고 있다. 단, 입지적 환경이 동일하다는 전제 조건에서 숲에서 재생 기작이 진행되는 자연 복원보다는 인공복원이 회복시간과 종다양성이 높은 측면에서는 효과적인 것으로 결론을 지을 수 있다. 한편, 산불 발생 초기 굴참나무 조림은 4년 이후 아교목층(4m 이상)까지 부피 생장을 하고 종자 발아에 따른 개체수도 늘어난 모습을 보였다. 현재 소나무와 굴참나무, 신갈나무 군락지 간 수관 경쟁으로 소나무가 도태되는 천이 촉진 현상을 보일 것으로 예상된다. 굴참나무-소나무군락은 교목층에서는 조림 수종인 굴참나무가 높은 상대우점치를 나타내고 있지만, 아교목층은 자연 이입종인 신갈나무와 산불 이전 우점종인 소나무가 높은 우점치를 나타내는 특징을 보였다. 소나무나 곰솔이 우점하는 군락에 비해 복원 후 자연 이입종인 신갈나무에 의한 우점도가 높아 향후 혼효림으로 발달할 것으로 보이며, 이후 신갈나무와 굴참나무가 우점할 것으로 예측된다. 소나무-신갈나무군락은 조림 수종인 소나무와 자연 이입종인 신갈나무가 경쟁하고 있는 군락이다. 기존 연구에 따르면 산불 지역의 자연 회복지는 초기에 신갈나무와 쇠물푸레나무가 우점하는 경향을 나타낸다고 하였으나, 본 군락은 교목층과 아교목층 모두 소나무가 우점하는 특징을 나타내었다. 이를 통해 산불 이전 식생이었던 소나무군락을 형성할 것으로 판단된다. 이처럼 동해안은 과거 헐벗은 상태로 장기간 노출된 곳으로 유기물층이 없는 곳이 많다. 또한, 이곳에 광물질 토양이 노출된 나지에 소나무 종자가 비산하여 발아되고 숲을 형성하게 되지만 토양 비옥도가 개선되지 못한다면 자연 천이가 아닌 소나무림으로 장기간 지속될 수 있을 것으로 보인다. 곰솔-소나무군락은 곰솔이 교목층과 아교목층 모두 우점하고 있다. 곰솔-소나무군락은 단순림으로 다른 조사지역과 비교할 때 종다양도가 낮은 특징을 나타내며, 경쟁 수종이 없어 곰솔-소나무림의 형태를 유지할 것으로 판단된다. 이는 산불이 수목의 전소된 상태에서 소나무림 하층에 싸리 등 단일종으로 우점되는 경향이 있어 종다양도가 낮으며, 토양면 노출이 심각하다. 특히, 여름철 집중 강우에 따른 표토 유실이 진행되어 매토종자와 같은 자연복원 보다는 인공복원으로 접근하는 것이 효과적이다. 이와 함께 급경사 지역이나 동해안 해안에 가까운 구릉성 지대에는 토양이 척박하기 때문에 향후 복원을 위한 식물종 선정 시 참나무류 보다는 소나무로 접근하는 것이 효과적이다. 본 연구는 산불 피해지역 복원지에 대한 식생 구조 특성을 분석하기 위해 수행되었다. 전체적인 식생 구조 특성을 파악함에 있어 피해지와 참조생태계가 대변될 수 있는 비피해지(대조구) 식생 구조의 비교·분석과 같은 추가적인 연구가 필요할 것으로 판단된다. 이를 통해 산불피해지의 지표화, 전소화 피해지 등 유형별 효과적인 복원사업과 시행착오를 줄이는 중요한 자료로 활용될 수 있을 것이다.

• 한국정보과학회논문지:데이타베이스
• /
• 제30권4호
• /
• pp.381-396
• /
• 2003

서브시퀀스 매칭은 주어진 질의 시퀀스와 변화의 추세가 유사한 서브시퀀스들을 시계열 데이타베이스로부터 검색하는 연산이다. 본 논문에서는 서브시퀀스 매칭 처리의 성능 병목을 파악하고, 이를 해결함으로써 전체 서브시퀀스 매칭의 성능을 크게 개선하는 방안에 관하여 논의한다. 먼저, 사전 실험을 통하여 전체 서브시퀀스 매칭의 처리 시간 중 인덱스 검색 단계와 후처리 단계에서 디스크 액세스 시간 및 CPU 처리 시간이 차지하는 비중을 분석한다. 이를 바탕으로 후처리 단계가 서브시퀀스 매칭의 성능 병목이며, 후처리 단계의 최적화가 기존의 서브시퀀스 매칭 기법들이 간과한 매우 중요한 이슈임을 지적한다. 이러한 서브시퀀스 매칭의 성능 병목을 해결하기 위하여 후처리 단계를 최적으로 처리할 수 있는 간단하면서도 매우 효과적인 기법을 제안한다. 제안된 기법은 후처리 단계에서 후보 서브시퀀스들이 질의 시퀀스와 실제로 유사한가를 판단하는 순서를 조정함으로써 기존의 후처리 단계의 처리에서 발생하는 많은 디스크 액세스의 중복과 CPU 처리의 중복을 완전히 제거한 수 있다 제안된 기법이 착오 기각을 발생시키지 않음과 후처리 단계를 처리하기 위한 최적의 기법임을 이론적으로 증명한다. 또한, 실제 데이타와 생성 데이타를 이용한 다양한 실험들을 통하여 제안된 기법의 성능 개선 효과를 정량적으로 검증한다. 실험 결과에 의하면, 제안된 기법은 기존 기법의 후처리 단계 수행 시간을 실제 주식 데이타를 이용한 실험의 경우 ,3.91 배에서 9.42배까지, 대규모의 생성 데이터를 이용한 실험의 경우 4.97 배에서 5.61배까지 개선시키는 것으로 나타났다. 또한, 제안된 기법을 채택함으로써 전체 서브시퀀스 매칭 처리 시간의 90%에 이르던 후처리 단계의 비중을 70%이하로 내릴 수 있었다. 이것은 제안된 기법이 서브시퀀스 매칭의 성능 병목을 성공적으로 해결하였음을 보여주는 것이다. 이 견과, 제안된 기법은 전체 서브시퀀tm 매칭의 성능을 실제 주식 데이타를 사용한 실험의 경우 3.05 배에서 5.60 배까지, 대규모의 생성 데이타를 이용한 실험의 경우 3.68 배에서 4.21 배까지 개선시킬 수 있었다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.