• 한국CDE학회논문집
• /
• 제17권5호
• /
• pp.342-352
• /
• 2012

As a futuristic construction model, building information model (BIM) based project management system (PMIS) and mobile BIM simulator apps have been showing visible sign. However, researches on the BIM based 3D simulator using mobile device are hard to find result from limitation of mobile device (slow speed at huge 3D file, display size, and etc.) and undefined standard of business processes. Therefore, this research aims at studying application of mobile BIM apps based on cloud computing. Total 8 BIM cloud apps were selected and analyzed in the 5 application feasibility characteristics (speed, view, inquiry, markup, and usability). This research would be essential phase to construct BIM based mobile project management system using cloud computing in the future.

• 디지털산업정보학회논문지
• /
• 제16권2호
• /
• pp.35-43
• /
• 2020

Cloud computing integrates computing resources such as servers, storage, and networks with virtualization technology to provide suitable services according to user needs. Due to the structural characteristics of sharing physical resources based on virtualization technology, threats to availability can occur, so it is essential to respond to availability threats in cloud computing. Existing over-provisioning method is not suitable because it can generate idle resources and cause under-provisioning to degrade or disconnect service. System resources must be allocated in real-time according to the system load to guarantee the cloud system's availability. Through appropriate management measures, it is necessary to reduce the system load and increase the performance of the system. This paper analyzes the work response time according to the allocation or migration of virtual machines and discusses an efficient resource management method considering the system load.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.103-110
• /
• 2022

Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.

• 대기
• /
• 제25권1호
• /
• pp.19-30
• /
• 2015

The Ka-band cloud radar (KCR) has been operated by the National Institute of Meteorological Research (NIMR) of Korea Meteorological Administration (KMA) at Boseong National Center for Intensive Observation of severe weather since 2013. Evaluation of data quality is an essential process to further analyze cloud information. In this study, we estimate the measurement error and the sampling uncertainty to evaluate data quality. By using vertically pointing data, the statistical uncertainty is obtained by calculating the standard deviation of each radar parameter. The statistical uncertainties decrease as functions of sampling number. The statistical uncertainties of horizontal and vertical reflectivities are identical (0.28 dB). On the other hand, the statistical uncertainties of Doppler velocity (spectrum width) are 2.2 times (1.6 times) larger at the vertical channel. The reflectivity calibration of KCR is also performed using X-band vertically pointing radar (VertiX) and 2-dimensional video disdrometer (2DVD). Since the monitoring of calibration values is useful to evaluate radar condition, the variation of calibration is monitored for five rain events. The average of calibration bias is 10.77 dBZ and standard deviation is 3.69 dB. Finally, the statistical characteristics of cloud properties have been investigated during two months in autumn using calibrated reflectivity. The percentage of clouds is about 26% and 16% on September to October. However, further analyses are required to derive general characteristics of autumn cloud in Korea.

• International Journal of Computer Science & Network Security
• /
• 제24권6호
• /
• pp.207-215
• /
• 2024

Cloud computing is now used by most companies, business centres and academic institutions to embrace new computer technology. Cloud Service Providers (CSPs) are limited to certain services, missing some of the assets requested by their customers, it means that different clouds need to interconnect to share resources and interoperate between them. The clouds may be interconnected in different characteristics and systems, and the network may be vulnerable to volatility or interference. While information technology and cloud computing are also advancing to accommodate the growing worldwide application, criminals use cyberspace to perform cybercrimes. Cloud services deployment is becoming highly prone to threats and intrusions. The unauthorised access or destruction of records yields significant catastrophic losses to organisations or agencies. Human intervention and Physical devices are not enough for protection and monitoring of cloud services; therefore, there is a need for more efficient design for cyber defence that is adaptable, flexible, robust and able to detect dangerous cybercrime such as a Denial of Service (DOS) and Distributed Denial of Service (DDOS) in heterogeneous cloud computing platforms and make essential real-time decisions for forensic investigation. This paper aims to develop a framework for digital forensic for the detection of cybercrime in a joined heterogeneous cloud setup. We developed a Digital Forensics model in this paper that can function in heterogeneous joint clouds. We used Unified Modeling Language (UML) specifically activity diagram in designing the proposed framework, then for deployment, we used an architectural modelling system in developing a framework. We developed an activity diagram that can accommodate the variability and complexities of the clouds when handling inter-cloud resources.

• 서비스연구
• /
• 제10권4호
• /
• pp.57-70
• /
• 2020

전 세계적으로 클라우드 서비스는 다양한 산업과의 융합을 통하여 산업의 생산성을 향상시키고 혁신을 가속화하는 핵심 인프라로써 지속적인 시장규모의 확대와 전 산업으로의 확산이 전망되고 있다. 특히 COVID-19로 인한 글로벌 팬데믹 현상으로 인해 클라우드 서비스는 언택트 시대를 대응하기 위한 핵심 인프라로 인식하는 계기가 되었다. 그러나 아직 국내에서는 시장 확대를 위한 전 단계에 머물러 있는 것이 현실이다. 본 논문은 확장된 TAM을 통하여 각 산업별로 클라우드 서비스가 어떠한 경로로 사용자에게 수용될 수 있으며 어떠한 요인들이 클라우드 서비스를 사용자에게 수용과 회피의 영향을 미치는지를 실증 분석하고자 한다. 이를 위하여 클라우드 서비스 이용의도를 분석하기 위한 산업분야를 선정하고, 제안한 확장된 기술수용모델을 통하여 가설검정을 통해 각 산업별 클라우드 서비스 수용의도에 미치는 영향과 요인을 분석하였다. 산업분야는 교육, 금융, 제조, 의료의 4개의 산업분야를 선정하였고 TAM의 매개변수와 클라우드의 핵심특징과 기타 요인을 종합적으로 검토하여 요인을 도출하였다. 실증 분석을 수행한 결과 4개 산업분야별로 클라우드 서비스 수용의도에 영향을 미치는 요인들에 차이점이 나타났는데, 이는 산업별로 클라우드 서비스의 도입이나 이용에 대한 인식의 차이가 있음을 의미한다. 궁극적으로 본 연구를 통하여 산업별로 클라우드 서비스 이용의도를 파악하는데 도움을 줄 수 있을 뿐만 아니라 클라우드 서비스 제공자들이 각 산업에 클라우드 서비스를 확대하여 제공하는데 도움을 줄 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.371-384
• /
• 2015

GOCI 영상은 육상 관측에 적합한 공간해상도와 빠른 관측주기를 가지고 있지만, 현재까지 육상분야에 활용된 예가 많지 않다. GOCI 영상이 육상분야에 활용되기 위해서는 정교한 전처리가 수행되어 신뢰성을 갖춘 기본적인 산출물 형태로 제공되어야 한다. 본 연구에서는 GOCI 영상의 육상 활용을 위하여 구름의 영향이 최소화된 기본 산출물 제작에 필요한 구름 탐지 기법을 제안하였다. GOCI 영상은 구름 탐지에 효과적인 단파적외선(SWIR)과 열적외선(TIR) 밴드가 없기 때문에, 이 연구에서는 GOCI 영상의 장점인 빠른 관측 주기로 얻어지는 많은 다중시기영상을 이용하여 구름을 탐지하는 방법을 개발하였다. 제안한 구름탐지 기법은 세 단계로 구성된다. 1단계와 2단계에서는 1번 밴드 반사율과 1번과 8번 밴드의 반사율 비(b1/b8)에 임계값을 적용하여 완전 맑음(confident clear)과 두꺼운 구름(thick cloud)을 구분했다. 마지막 단계에서는 3일 동안 얻어진 b1/b8 값의 평균을 임계값으로 하여 얇은 구름(thin cloud)을 구분하였다. 이러한 순차적인 구름탐지 알고리즘을 적용하여 모두 4개의 등급으로 분류하였다. 본 연구에서 제안한 기법을 GOCI 영상에 적용 후 그 결과를 MODIS 구름 산출물(cloud mask products)과 비교 검증하였다. 여러 시기의 영상에서 추출된 구름 면적을 비교한 결과 평균제곱근오차(RMSE)가 10% 미만으로 MODIS 구름 산출물과 유사한 결과를 얻었다. 육안 분석을 통해 구름의 공간적인 분포를 비교한 결과, MODIS 산출물과 비슷한 구름 분포를 보여주었다.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1874-1885
• /
• 2018

The customer side operation is getting more complex in a smart grid environment because of the adoption of renewable resources. In performing energy management planning or scheduling, it is essential to forecast non-controllable resources accurately and robustly. The PV system is one of the common renewable energy resources in customer side. Its output depends on weather and physical characteristics of the PV system. Thus, weather information is essential to predict the amount of PV system output. However, weather forecast usually does not include enough solar irradiation information. In this study, a PV system power output prediction model (PPM) under limited weather information is proposed. In the proposed model, meteorological radiation model (MRM) is used to improve cloud cover radiation model (CRM) to consider the seasonal effect of the target region. The results of the proposed model are compared to the result of the conventional CRM prediction method on the PV generation obtained from a field test site. With the PPM, root mean square error (RMSE), and mean absolute error (MAE) are improved by 23.43% and 33.76%, respectively, compared to CRM for all days; while in clear days, they are improved by 53.36% and 62.90%, respectively.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권7호
• /
• pp.518-535
• /
• 2010

클라우드 컴퓨팅은 하드웨어와 소프트웨어의 자원을 서비스 제공자 서버에 운영하고, 소비자가 인터넷을 통하여 필요한 서비스를 활용하는 재사용 기반의 컴퓨팅 방식이다. 클라우드 서비스의 한 형태인 SaaS(Software-as-a-Service)는 소프트웨어를 하나의 서비스로 설계 개발한 후, 다양한 소비자들이 재사용하도록 하는 컴퓨팅을 지향한다. 기존의 소프트웨어 어플리케이션은 특정한 하나의 조직을 대상으로 개발하였으나, SaaS는 서비스의 형태로 소프트웨어의 전체 기능을 필요로 하는 다양한 조직에 소속된 다양한 소비자들이 사용할 수 있게 개발된다. 이것은 소비자가 자신이 원하는 기능의 수행을 위해 직접 SaaS를 설정할 수 없게 하여 SaaS 개발에 재사용성이 더욱 강조되게 한다. 하지만 기존의 객체지향 개발 방법론, 컴포넌트 기반 개발 기법, SOA 개발 기법들은 전통적인 소프트웨어 어플리케이션과 다른 SaaS가 가지는 재사용성의 특징을 반영한 설계와 구현을 지원하는 지침과 장치가 거의 없다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 기존 재사용성의 정의를 확장하여 SaaS의 재사용성을 적용성, 적응성, 확장성의 부 특성으로 구분하고 이를 반영한 재사용성 중심의 개발 프로세스를 제시한다. SaaS 재사용성의 각부 특성은 제시하는 개발 프로세스의 분석과 설계를 위한 각 활동에 직 간접적으로 반영되어 보다 효과적으로 SaaS 재사용성을 향상시킨다. 제시된 프로세스를 적용하면 보다 체계적이고 효과적으로 재사용성 중심의 SaaS 개발을 유도할 수 있다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.511-521
• /
• 2022

위성영상에서의 구름 탐지 및 제거는 지형관측과 분석을 위해 필수적인 과정이다. 임계값 기반의 구름탐지 기법은 구름의 물리적인 특성을 이용하여 탐지하므로 안정적인 성능을 보여주지만, 긴 연산시간과 모든 채널의 영상 및 메타데이터가 필요하다는 단점을 가지고 있다. 최근 활발히 연구되고 있는 딥러닝을 활용한 구름탐지 기법은 4개 이하의 채널(RGB, NIR) 영상만을 활용하고도 짧은 연산시간과 우수한 성능을 보여주고 있다. 본 논문에서는 해상도가 다른 이종 데이터 셋을 활용하여 학습데이터 셋에 따른 딥러닝 네트워크 성능 의존도를 확인하였다. 이를 위해 DeepLabV3+ 네트워크를 구름탐지의 채널 별 특징이 추출되도록 개선하고 공개된 두 이종 데이터 셋과 혼합 데이터로 각각 학습하였다. 실험결과 테스트 영상과 다른 종류의 영상으로만 학습한 네트워크에서는 낮은 Jaccard 지표를 보여주었다. 그러나 테스트 데이터와 동종의 데이터를 일부 추가한 혼합 데이터로 학습한 네트워크는 높은 Jaccard 지표를 나타내었다. 구름은 사물과 달리 형태가 구조화 되어 있지 않아 공간적인 특성보다 채널 별 특성을 학습에 반영하는 것이 구름 탐지에 효과적이므로 위성 센서의 채널 별 특징을 학습하는 것이 필요하기 때문이다. 본 연구를 통해 해상도가 다른 이종 센서의 구름탐지는 학습데이터 셋에 매우 의존적임을 확인하였다.