• 한국건설관리학회논문집
• /
• 제23권3호
• /
• pp.83-94
• /
• 2022

정부의 주거복지 로드맵(2017)에 따른 공공임대주택의 지속적인 증가, 장기공공임대주택의 노후화에 따른 시설 성능 개선 및 주거수준 향상 요구 등을 위한 시설물 유지관리비가 큰 폭으로 증가하여 재고주택 유지를 위한 공공임대사업자의 재정부담이 가중되고 있다. 그러나, 현재까지 노후 장기공공임대주택의 운영과정에서 시설물 수선종류 공사별, 내용연수 기간 경과 연수별로 집행되는 유지관리비 규모를 분석하는 객관적인 자료가 부족한 실정이다. 본 연구는 서울시에 위치한 33개 장기공공임대주택의 유지관리비 실적 자료를 바탕으로 경과 연수 14년에서 28년 기간의 집행 현황을 분석하였다. 또한, 경과 연수별 유지관리비를 '장기수선계획공사 및 국비지원사업[Y₁]', '계획수선공사 및 일반수선공사[Y₂]', '총 유지관리비[Y₃]'로 구분하여 예측 모형을 제안하였다. 본 연구는 공공임대사업자가 예산수립 단계에서 유지관리계획 수립과 공공임대주택의 지속 가능한 운영 계획수립을 위한 기초자료로 활용 가능할 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제21권5호
• /
• pp.171-182
• /
• 2022

구조물을 안전하게 관리하기 위해서는 우선적으로 건전한 유지가 전제되어야 한다. 이 같은 구조물의 건전성을 결정하는 요인 중에서 가장 대표적인 예로는 균열을 들 수 있다. 여러 가지 원인에 의해 발생하는 균열은 다양한 종류와 형태로 구조물에 손상을 입힌다. 무엇보다 이러한 균열이 방치될 경우 위험도가 증가하여 안전사고로 이어질 수 있다. 이러한 문제점을 경감하기 위하여 최근 들어 딥러닝과 컴퓨터 비전 기술을 활용하여 손상을 점검하는 방법들이 소개되고 있다. 이 같은 방법들은 대체로 충분한 양의 학습 데이터가 필요한 것이 사실이다. 하지만, 학습을 위한 영상 데이터의 충분한 확보가 어렵다는 점은 딥러닝 균열 탐지 알고리즘의 성능에 부정적인 영향을 미친다. 따라서 본 논문에서는 이에 대한 문제의식을 바탕으로 영상 변환 기법을 활용하여 균열 영상 데이터를 증강하는 방법을 제시했다. 이는 아스팔트 균열 영상을 콘크리트 균열 영상으로 변환하거나 혹은 이와 반대로 콘크리트 균열 영상을 아스팔트 균열 영상으로 변환하여 딥러닝 신경망 모델을 학습하기 위한 영상 데이터를 확보하는 방법이다. 이를 통해 학습 데이터의 다양성을 향상시켜 강건한 균열 탐지 알고리즘 개발에 기여할 수 있기를 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.59-76
• /
• 2023

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수 제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다.

• 한국재난정보학회 논문집
• /
• 제18권4호
• /
• pp.883-890
• /
• 2022

연구목적:현재 국내 소방시설설계의 경우 낮은 설계단가와 업체 간 과열 경쟁으로 고급 인력에 대한 확보가 어려워 건축물의 화재안전성능을 향상시키는데 한계가 있다. 이에 이러한 문제를 해소하고 선도적인 소방엔지니어링 기술을 확보하기 위해 AI 기반 소방설계솔루션을 연구하였다. 연구방법: 기존 소방설계에 많이 사용되는 AutoCAD를 통해 기본 설계 및 실시 설계에 필요한 절차를 프로세스화 하고 YOLO v4 객체 인식 딥러닝 모델을 통해 AI기술을 활용하였다. 연구결과:소방시설에 대한 설계프로세스를 통해 설비의 결정과 도면 설계 자동화를 진행하였다. 또한 문 및 기둥에 대한 이미지를 학습시켜 인공지능이 해당 부분을 인식하여 경계구역 선정, 배관 및 소방시설을 설치하는 기능을 구현하였다. 결론:인공지능 기술을 기반으로 건축물 화재방호 설비에 대한 기본 및 실시 설계 도면 작성 시 인적 및 물적 자원을 저감시킬 수 있을 것으로 확인되었으며 선행적인 기술 개발을 통해 인공지능 기반 소방설계에 기술력을 확보하였다.

• 국제학술발표논문집
• /
• The 3th International Conference on Construction Engineering and Project Management
• /
• pp.869-875
• /
• 2009

Safety is a big issue in the construction sites. For safe and secure management, tracking locations of construction resources such as labors, materials, machineries, vehicles and so on is important. The materials, machineries and vehicles could be controlled by computer, whereas the movement of labors does not have fixed pattern. So, the location and movement of labors need to be monitored continuously for safety. In general, Global Positioning System(GPS) is an opt solution to obtain the location information in outside environments. But it cannot be used for indoor locations as it requires a clear Line-Of-Sight(LOS) to satellites Therefore, indoor location monitoring system could be a convenient alternative for environments such as tunnel and indoor building construction sites. This paper presents a case study to investigate feasibility of Wi-Fi based indoor location monitoring system in construction site. The system is developed by using fingerprint map of gathering Received Signal Strength Indication(RSSI) from each Access Point(AP). The signal information is gathered by Radio Frequency Identification (RFID) tags, which are attached on a helmet of labors to track their locations, and is sent to server computer. Experiments were conducted in a shield tunnel construction site at Guangzhou, China. This study consists of three phases as follows: First, we have a tracking test in entrance area of tunnel construction site. This experiment was performed to find the effective geometry of APs installation. The geometry of APs installation was changed for finding effective locations, and the experiment was performed using one and more tags. Second, APs were separated into two groups, and they were connected with LAN cable in tunnel construction site. The purpose of this experiment was to check the validity of group separating strategy. One group was installed around the entrance and the other one was installed inside the tunnel. Finally, we installed the system inner area of tunnel, boring machine area, and checked the performance with varying conditions (the presence of obstacles such as train, worker, and so on). Accuracy of this study was calculated from the data, which was collected at some known points. Experimental results showed that WiFi-based indoor location system has a level of accuracy of a few meters in tunnel construction site. From the results, it is inferred that the location tracking system can track the approximate location of labors in the construction site. It is able to alert the labors when they are closer to dangerous zones like poisonous region or cave-in..

• 한국시뮬레이션학회논문지
• /
• 제18권3호
• /
• pp.23-34
• /
• 2009

철도차량기지에서는 철도차량의 안전한 운행을 위해 연간검수 이상의 기기보전(지정보전, 장치보전), 차체 보전을 위한 장기계획에 의해 종합적인 유지보수 혹은 중대사고에 의한 차량의 파손으로 인한 차량의 보수작업이 이루어지는 중수선 작업을 수행한다. 본 연구에서는 용산기지 이전과 관련하여 대전철도차량관리단 부지 내에 계획 중인 CDC(Commuter Diesel Car)와 발전차를 정비하는 중수선 시설의 설계안에 대한 검증을 위한 시뮬레이션 모델을 개발하고 시뮬레이션 실험을 통하여 중수선 시설의 용량을 검증하였다. 시뮬레이션 모델은 철도공사의 중정비 검수공정도를 바탕으로 2가지 설계안의 설계용량을 검증하였다. 2가지 설계안을 평가하기 위하여 검수 완료 차량, 재장일, 작업장 점유율, 공정진행 차량수 및 입장검사 대기차량수 등 5가지를 분석하여 연간 검수용량이 충분한 설계안을 선정 하였다. 또한 우수한 결과를 보인 설계안의 연간 최대 검수 가능한 차량 수는 현재 연간 검수량 보다 약 15% 많은 총 340량임을 확인할 수 있었다.

• Asia Marketing Journal
• /
• 제16권4호
• /
• pp.75-87
• /
• 2015

As more companies become interested in global markets, it has become crucial for firms to create globalized brands whose positioning, advertising strategy, personality, looks, and feel are consistent across nations. The purpose of this study is to investigate the global branding strategy of the Hyundai Motor Company (hereafter HMC) in order to show how the company processes its branding strategy. HMC, one of the leading global companies in the automobile industry, set up its brand identity as "Modern premium", in alignment with their new slogan "New Thinking New Possibilities", in 2011. The aim of the "Modern premium" concept was to provide consumers with new experiences and values beyond their expectations. HMC wanted their consumers to think of their cars as not only a medium of transportation but as a life space, where they can share experiences alongside HMC. In an effort to conduct consumer research in 5 different nations, HMC selected "brilliant" as a key communication concept. The word "brilliant" expresses the functional, experiential, and emotional dimensions of HMC. HMC furthermore chose "live brilliant" as a key campaign message in order to reinforce their communication concept. After this decision, the "live brilliant" campaign was exhibited through major broadcast channels around the world. The campaign was the company's first worldwide brand campaign, where a single message was applied to all major markets, with the goal of building up a consistent image as a global brand. This global branding strategy is worth examining due to its significant contribution to growth generation in the global market. Overall, the 'live brilliant' global brand campaign not only improved HMC's reputation image-wise, with the 'Modern Premium' conceptualization of the brand as 'simple', 'creative' and 'caring', but also improved the consumer's familiarity, preference and purchase intention of HMC. In fact, the "live brilliant" campaign was a successful campaign which increased HMC's brand value. Notably, HMC's brand value increased continuously and reached 9 billion US dollars in 2013, leading it to reach 43rd place in the Global Brand Rankings according to the brand consulting group Interbrand. Its brand value largely surpassed that of Nissan (65th) and Chevrolet (89th) in 2013. While it is true that the global branding strategy of HMC involved higher risks, it was highly successful according to cross-nation consumer research. Therefore, this paper concludes that the global branding strategy of HMC made a positive impact on its performance. We further suggest HMC to combine its successful marketing with social media such as Facebook, Twitter, and Instagram and embrace digital media by extending its brand communication horizon to the mobile internet

• 융합신호처리학회논문지
• /
• 제23권3호
• /
• pp.166-172
• /
• 2022

본 연구에서는 전동 이동 보조기기를 이용하는 교통약자의 이동을 저해하거나 불편을 초래하는 횡단 보도, 측구, 맨홀, 점자블록, 부분 경사로, 임시안전 방호벽, 계단, 경사형 연석과 같은 주행 장애물 객체를 촬영한 뒤 객체를 분류하고 이를 자동 인식하는 최적의 AI 모델을 개발하여 주행 중인 전동 이동 보조기기의 전방에 나타난 장애물을 효율적으로 판단할 수 있는 알고리즘을 구현하고자 한다. 객체 검출을 높은 확률로 AI 학습이 될 수 있도록 데이터 셋 구축 시 라벨링 형태를 폴리곤 형태로 라벨링 하며, 폴리곤 형태로 라벨링 된 객체를 탐지할 수 있는 Detectron2 프레임워크를 활용하여 Mask R-CNN 모델을 활용하여 개발을 진행하였다. 영상 획득은 일반인과 교통약자의 두 개 그룹으로 구분하여 진행하였고 테스트베드 2개 지역에서 얻어진 영상정보를 확보하였다. Mask R-CNN 학습 결과 파라미터 설정은 IMAGES_PER _BATCH : 2, BASE_LEARNING_RATE 0.001, MAX_ITERATION : 10,000으로 학습한 모델이 68.532로 가장 높은 성능을 보인 것이 확인되어 주행 위험, 장애 요소를 빠르고 정확하게 사용자가 인지할 수 있도록 하는 딥러닝 모델을 구축이 가능한 것을 확인할 수 있었다.

• 한국지반공학회논문집
• /
• 제25권1호
• /
• pp.5-19
• /
• 2009

지진으로 인한 지반 재해의 대부분은 토사 두께나 기반암 심도 그리고 토사 강성과 같은 국부적 지질 조건에 따라 크게 영향을 받는 지반 운동 증폭과 관련된 부지 효과로 인해 발생되어 왔다. 본 연구에서는 지반 자료에 관한 통합적 GIS-기반의 정보 시스템인 지반 정보 시스템(GTIS)이 국내 연구 개발의 거점 도시인 대진 지역에서의 지진 유발 재해에 대한 지역적 종합 대책 수립의 일환으로 구축되었다. 관심 대상 영역에 대한 지반 정보 시스템 구축을 위하여, 연구 대상 영역을 포함하는 확장 영역에 대해 기존 지반공학 관련 자료 수집이 이루어 졌고 지표 지반-지식 자료의 확보를 위한 부지 방문 조사가 추가적으로 수행되었다. 관심 대상 영역의 부지 효과 평가를 위한 실질적 적용 목적으로 부지 주기에 관한 지진재해 구역지도를 작성하고 지진 유발 재해 예측을 위한 지역적 종합 대책으로 제시하였다. 또한, 연구 대상 영역 내 임의 부지에서의 내진 설계 및 내진 성능 평가를 위한 부지 증폭계수의 결정 수단으로 부지 주기의 공간 분포 따른 부지 분류의 지진재해 구역화를 수행하였다. 본 연구에서 수행된 대전 지역에서의 지진재해 구역화로부터 GIS 기반의 지반 정보 시스템이 지진재해의 지역적 예측 뿐만 아니라 지진재해 저감을 위한 의사 결정에서의 높은 유용성을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.199-206
• /
• 2023

본 연구는 건축시 발생되는 폐기물의 자동분류를 위해 딥러닝 알고리즘을 활용해 건출 폐기물 데이터를 각각 목재 폐기물, 플라스틱 폐기물, 콘크리트 폐기물로 분류하는 두 모델들을 통해서 성능 비교를 한다. 건축 폐기물의 분류를 위해 사용된 딥러닝 알고리즘은 합성곱 신경망 이미지 분류 알고리즘 VGG-16과 NLP를 기반으로 이미지를 시퀀스화 시킨ViT, Vision Transformer 모델을 사용했다. 건축 폐기물 데이터 수집을 위해 이미지 데이터를 전 세계 검색엔진에서 크롤링 하였고, 육안으로도 명확히 구분하기 어렵거나, 중복되는 등 실험에 방해되는 이미지는 전부 제외하여 각 분류당 1천장씩 총 3천장의 이미지를 확보했다. 또한, 데이터 학습시에 모델의 정확도 향상에 도움을 주기 위해 데이터 확대 작업을 진행해 총 3만장의 이미지로 실험을 진행 하였다. 수집된 이미 데이터가 정형화 되어있지 않은 데이터 임에도 불구하고 실험 결과는 정확도가 VGG-16는 91.5%, ViT 는 92.7%의 결과가 나타났다. 이는 실제 건축폐기물 데이터 관리 작업에 실전 활용 가능성을 제시한 것으로 보인다. 본 연구를 바탕으로 추후에 객체 탐지 기법이나 의미론적 분할 기법까지 활용한다면, 하나의 이미지 안에서도 여러 세밀한 분류가 가능해 더욱 완벽한 분류가 가능할 것이다.