• 한국측량학회지
• /
• 제31권4호
• /
• pp.331-339
• /
• 2013

LiDAR 측량은 고밀도로 정확하게 거리를 측정하는 장점 때문에 지표면과 지표면 위의 객체를 3D 모델링하는데 사용되는 주요기술 중의 하나이다. 본 연구의 목적은 고밀도 LiDAR 데이터와 RANSAC 알고리즘을 이용하여 자동으로 철도전력선을 탐지하고 모델링하는 방법을 개발하는데 있다. 철도전력선을 탐지하기 위하여 레이저 데이터의 다중반사 특성과 철도전력선에 대한 형상정보를 이용한다. 이를 위한 프로세스는 최초 단위라인을 찾기 위한 직육면체 분석과 라인 추적, 연결 그리고 색인 작업으로 구성되며, 반복 RANSAC과 라인 파라미터를 구하기 위한 최소제곱법이 모델링을 위하여 사용된다. 철도전력선의 경우에는 정확도 확인을 위한 실측자료를 구하는 것이 매우 힘들어서 정량적인 정확도 평가가 어려우나 모델에 대한 레이저점군의 표준편차는 x-y 및 z 좌표 각각 8cm와 5cm로 양호하였고, 육안 검사에 의한 완성도면에서도 원 데이터와 비교할 때 모든 철도전력선 라인이 탐지 및 모델링된 것을 알 수 있었다. 본 연구에서 제시하는 방법의 모든 과정은 완전히 자동화하였으며, 특히 다수의 전력선이 복잡하게 설치된 지역에서도 적용될 수 있도록 개발하였다.

• 대기
• /
• 제26권1호
• /
• pp.111-126
• /
• 2016

In the numerical weather model, surface properties can be defined by various parameters such as terrain height, landuse, surface albedo, soil moisture, surface emissivity, roughness length and so on. And these parameters need to be improved in the Seoul metropolitan area that established high-rise and complex buildings by urbanization at a recent time. The surface roughness length map is developed from digital elevation model (DEM) and it is implemented to the high-resolution numerical weather (WISE-WRF) model. Simulated results from WISE-WRF model are analyzed the relationship between meteorological variables to changes in the surface roughness length. Friction speed and wind speed are improved with various surface roughness in urban, these variables affected to temperature and relative humidity and hence the surface roughness length will affect to the precipitation and Planetary Boundary Layer (PBL) height. When surface variables by the WISE-WRF model are validated with Automatic Weather System (AWS) observations, NEW experiment is able to simulate more accurate than ORG experiment in temperature and wind speed. Especially, wind speed is overestimated over $2.5m\;s^{-1}$ on some AWS stations in Seoul and surrounding area but it improved with positive correlation and Root Mean Square Error (RMSE) below $2.5m\;s^{-1}$ in whole area. There are close relationship between surface roughness length and wind speed, and the change of surface variables lead to the change of location and duration of precipitation. As a result, the accuracy of WISE-WRF model is improved with the new surface roughness length retrieved from DEM, and its surface roughness length is important role in the high-resolution WISE-WRF model. By the way, the result in this study need various validation from retrieved the surface roughness length to numerical weather model simulations with observation data.

• 한국ITS학회 논문지
• /
• 제16권4호
• /
• pp.153-163
• /
• 2017

본 연구에서는 운전자 별로 생활 중에 이동하는 주행 도로의 특징 및 교통상황이 서로 다르며 운전습관이 상이함을 고려하여, 운전자 혹은 운전자 그룹별 기계학습모형을 구성하고, 학습된 모델을 분석하여 운전자의 주행모드 별 특징을 탐색하여 자율 주행 자동차를 시뮬레이션 하였다. 운전지식을 활용하여 주행조작 전후 센서의 동작 상황에 따라 8종류의 종방향 모드와 4종류 회전모드로 구분하고, 종방향 모드와 회전모드를 결합한 21개의 결합형 주행모드로 세분화 하였다. 주행모드가 레이블 된 시계열 데이터에 대해 딥러닝 지도학습 모델인 RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory), Bi-LSTM 모델을 활용하여서 운전자 별 혹은 운전자 그룹별 주행데이터를 학습하고, 학습된 모델을 테스트 데이터 셋에서 주행 모드인식률을 검증하였다. 실험 데이터는 미국 VTTI 기관에서 수집된 22명의 운전자의 1,500개의 실생활 주행 데이터가 사용되었다. 주행 모드 인식에 있어, 데이터 셋에 대해 Bi-LSTM 모델이 RNN, LSTM 모델에 비해 향상된 성능을 보였으며, 최대 93.41%의 주행모드 인식률을 확인하였다.

• 재활복지
• /
• 제17권4호
• /
• pp.291-309
• /
• 2013

웹 사용성(Web Usability)은 장애에 관계없이 누구나 웹을 원활히 사용할 수 있도록 생성하고 운영하는 기준으로 활용된다. 링크 유효성은 웹 사용성을 결정짓는 주요한 검사항목이다. 웹 사이트에서는 시간이 지남에 따라 링크의 타겟이 없어지거나 변경되는 현상이 발생하고 이로써 링크 유효성이 점차 저하된다. 본 논문에서는 국내 공공기관 웹 사이트의 링크 유효성을 분석하였다. 링크 유효성 자동화 도구에 의한 콘텐츠 접근이 가능한 49개 웹 사이트 중 91.8%의 웹 사이트가 한 개 이상의 끊어진 링크를 포함하고 있었다. 또한 웹 사이트별로 끊어진 링크 수의 평균은 50.5개로 전체 링크 수의 0.33% 수준이었다. 29개 웹 사이트는 내부 링크의 끊김 현상이 있었다. 22개 웹 사이트에서는 끊어진 링크에 대한 안내페이지조차 제공하지 않고 있었다. 끊어진 링크는 웹 사용성을 저하시킴으로써 웹 사이트에 대한 사용자의 신뢰도를 하락시킬 뿐만 아니라 검색엔진을 통한 정보 제공을 차단한다. 따라서 웹 사이트 제작자나 운영자는 링크 유효성의 중요성을 인식하고 링크 유효성 검사를 웹 사이트 운영 절차에 추가하거나 주기적으로 실시하여 링크 끊김으로 인한 사용성 저하를 방지할 필요가 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2010년도 추계학술대회
• /
• pp.180-181
• /
• 2010

선박에서 항해사의 안전운항을 효과적으로 지원하고 충돌사고를 방지하기 위해 다중선박의 충돌 위험도를 추정하는 알고리즘을 개발하였다. 선박 충돌위험도 추정 알고리즘은 선박들의 항행정보로서, AIS 정보를 사용하고, 퍼지 이론을 이용하여 충돌위험도를 계산한다. 지난 연구에서는, 고안된 알고리즘의 성능을 검증하기 위해 울산항 해상교통관제(VTS) 센터로부터 수집된, 실제 울산항에서 운행된 선박들의 AIS데이터를 기반으로 검증 시뮬레이션을 수행한 바 있다. 본 논문에서는 선박 충돌위험도 추정 알고리즘을 좀 더 정밀하게 검증하기 위해, 실제 해상충돌사고 데이터에 적용해 보고자 하였다. 이를 위해, 2009년 부산항에서 발생한 석유제품 운반선과 화물선간의 충돌사고에 대한 AIS 데이터를 수집하였고, 이를 이용하여 선박운항 시뮬레이터 기반, 재생 시뮬레이션을 수행하였다. 본 논문에서는 선박 충돌위험도 추정 알고리즘의 특징과, 실제 선박 충돌사고의 AIS 데이터에 대한 재생 시뮬레이션 결과에 대해 소개하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.2169-2173
• /
• 2003

The development project of Korean High Speed Train (KHST) was started in 1996. As a national research project, the KHST project aims for a development of the next generation prototype train that has a maximum speed of 350 km/h. The development process of prototype KHST including 7 vehicles was completed last year and currently the prototype train is on its way of test running over the test track with gradually increased speed. The prototype KHST uses the real time network called TCN (Train Communication Network) for exchanging information between various onboard control equipments. After 10 years of development and modification period, TCN was confirmed as international standard (IEC61375-1) for the electrical railway equipment train bus. In the prototype KHST, all major control devices are connected by TCN and exchange their information. Such devices include SCU (Supervisory Control Unit), ATC (Automatic Train Control), TCU (Traction Control Unit), and so forth. For each device that sends and receives data using TCN, a device has to find out whether TCN is in normal or failure state before its data exchange. And also a device must have a proper method of data validation that was received in a normal TCN state. This is a one of the major important factors for devices using network. Some misleading information can lead the entire system to a catastrophic condition. This paper briefly explains how TCN was implemented in the prototype KHST train, and also shows what kind of the fault diagnosis method was adopted for a fail safe operation of TCN system

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.23-34
• /
• 2020

본 논문에서는 Direct Mapping(DM) 방식으로 생성된 RDF 지식 그래프에 대한 SHACL 스키마를 RDB 스키마로부터 자동 생성하는 방법을 제안한다. DM과 SHACL은 모두 W3C 표준 사양이다. DM은 RDB 데이터를 RDF 그래프로 변환하기 위한 규칙들로 구성되어 있다. SHACL은 RDF 그래프의 구조 묘사와 구조 검증을 위한 언어이다. 제안하는 방법은 RDB 스키마의 구조 정보뿐 아니라 무결성 제약조건을 SHACL로 자동 번역한다. 즉, 자동 생성된 SHACL 스키마는 RDBMS를 대신하여 무결성 제약조건 위배 여부를 검증할 수 있다. 이것은 RDB가 RDF 표현의 가상 지식 그래프로서 서비스되는 상황에서도 데이터베이스의 일관성을 보장하기 위한 고려이다. 자동 생성된 SHACL 스키마를 W3C가 발표한 24가지 DM 테스트 케이스에 적용하여 RDF 그래프의 구조 설명과 검증에 있어서 유효함을 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제37권5호
• /
• pp.161-167
• /
• 2016

Recent technological advances in sensor fabrication and bio-signal processing enabled non-constraint and non-intrusive measurement of human bio-signals. Especially, non-constraint measurement of ECG makes it available to estimate various human health parameters such as heart rate. Additionally, non-constraint ECG measurement of wheelchair user provides real-time health parameter information for emergency response. For accurate emergency response with low false alarm rate, it is necessary to discriminate quality levels of ECG measured using non-constraint approach. Health parameters acquired from low quality ECG results in inaccurate information. Thus, in this study, a machine learning based approach for three-class classification of ECG quality level is suggested. Three sensors are embedded in the back seat, chest belt, and handle of automatic wheelchair. For the two sensors embedded in back seat and chest belt, capacitively coupled electrodes were used. The accuracy of quality level classification was estimated using Monte Carlo cross validation. The proposed approach demonstrated accuracy of 94.01%, 95.57%, and 96.94% for each channel of three sensors. Furthermore, the implemented algorithm enables classification of user posture by detection of contacted electrodes. The accuracy for posture estimation was 94.57%. The proposed algorithm will contribute to non-constraint and robust estimation of health parameter of wheelchair users.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.157-167
• /
• 2020

최근 인공지능 기술의 발전과 함께 물리탐사의 다양한 분야에서도 인공지능의 핵심 기술인 머신러닝의 활용도가 증가하고 있다. 또한 머신러닝 및 딥러닝을 활용한 연구는 이미지, 비디오, 음성, 자연어 등 다양한 태스크의 추론 정확도를 높이기 위해 복잡한 알고리즘들이 개발되고 있고, 더 나아가 자료의 특성, 알고리즘 구조 및 하이퍼 파라미터의 최적화를 위한 자동 머신러닝(AutoML) 분야로 그 폭을 넓혀가고 있다. 본 연구에서는 AutoML 분야 중에서도 하이퍼 파라미터(hyperparameter) 자동 탐색을 위한 베이지안 최적화 기술에 중점을 두었으며, 본 기술을 물리탐사 분야에서도 암상 분류(facies classification) 문제에 적용했다. Vincent field의 현장 물리검층 및 탄성파 자료를 이용하여 암상 및 공극유체를 분류하는 지도학습 기반 모델에 적용하였고, 랜덤 탐색 기법의 결과와 비교하여 베이지안 최적화 기반 예측 프레임워크의 효율성을 검증하였다.

• 천문학회보
• /
• 제42권2호
• /
• pp.61.1-61.1
• /
• 2017

As the application of deep-learning methods has been succeeded in various fields, they have a high potential to be applied to space weather forecasting. Convolutional neural network, one of deep learning methods, is specialized in image recognition. In this study, we apply the AlexNet architecture, which is a winner of Imagenet Large Scale Virtual Recognition Challenge (ILSVRC) 2012, to the forecast of daily solar flare occurrence using the MatConvNet software of MATLAB. Our input images are SOHO/MDI, EIT $195{\AA}$, and $304{\AA}$ from January 1996 to December 2010, and output ones are yes or no of flare occurrence. We consider other input images which consist of last two images and their difference image. We select training dataset from Jan 1996 to Dec 2000 and from Jan 2003 to Dec 2008. Testing dataset is chosen from Jan 2001 to Dec 2002 and from Jan 2009 to Dec 2010 in order to consider the solar cycle effect. In training dataset, we randomly select one fifth of training data for validation dataset to avoid the over-fitting problem. Our model successfully forecasts the flare occurrence with about 0.90 probability of detection (POD) for common flares (C-, M-, and X-class). While POD of major flares (M- and X-class) forecasting is 0.96, false alarm rate (FAR) also scores relatively high(0.60). We also present several statistical parameters such as critical success index (CSI) and true skill statistics (TSS). All statistical parameters do not strongly depend on the number of input data sets. Our model can immediately be applied to automatic forecasting service when image data are available.