• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.161-169
• /
• 2023

4차산업혁명으로 인해 인공지능(AI), 빅데이터(Big Data), 클라우드(Cloud) 등 다양한 기술들의 혁신이 가속화되고 있고 데이터가 중요한 자산으로 여겨지고 있다. 이러한 기술의 발전에 따라 국방과학기술분야에서도 기술 혁신을 창출하기 위한 다양한 노력들이 진행되고 있다. 국내에서도 정부는 2023년 3월에 첨단과학기술 강군 육성을 위한 5대 중점과 16개 과제로 구성된 「국방혁신 4.0 기본계획」을 발표했다. 이 계획에는 인사·군수 분야에서도 빅데이터를 구축하는 내용에 무기체계 운용성·가용성 향상과 국방비 절감을 위한 상태기반정비체계(CBM+) 구축에 관한 내용이 포함되어 있다. 상태기반정비(Condition Based Maintenance, CBM)는 무기체계의 신뢰도 확보와 가용성 증대를 목표로 하며 장비의 상태정보 변화를 분석하여 고장과 결함의 징후로 식별하여 정비를 수행하는 개념이고, CBM+는 기존 CBM의 개념에 잔존유효수명(Remaining Useful Life) 예측 기술이 더해진 개념이다[1]. 무기체계 상태기반정비체계 구축을 위해서는 무기체계의 상태정보 획득을 위해 센서를 설치하고 수집된 센서데이터가 필요하다. 본 논문에서는 다양한 무기체계에 설치된 센서에서 수집된 센서데이터를 효율적이고 효과적으로 관리하기 위한 센서데이터 메타데이터 스키마를 제안한다.

• KDI Journal of Economic Policy
• /
• 제12권2호
• /
• pp.135-149
• /
• 1990

주택소유자(住宅所有者)는 자가주택(自家住宅) 귀속임료(歸屬賃料)에 대한 소득세비과세(所得稅非課稅), 1세대(世帶) 1주택(住宅)에 대한 양도소득세비과세(讓渡所得稅非課稅) 및 주택상속(住宅相續)에 대한 상속세공제(相續稅控除) 등 여러가지 조세감면혜택(租稅減免惠澤)을 누리고 있다. 본고(本稿)에서는 기존의 연구결과를 중심으로 이러한 조세감면혜택의 경제적(經濟的) 효과(效果)를 살펴보았다. 이에 의하면 주택소유자(住宅所有者)에 대한 조세감면(租稅減免)은 조세부담(租稅負擔)의 수평적(水平的) 수직적(垂直的) 형평(衡平)에 어긋날 뿐 아니라 주택시장(住宅市場) 및 국민경제(國民經濟)에 미치는 여러가지 왜곡효과(歪曲效果)를 통해 자원배분(資源配分)의 효율성(效率性)을 저해하고 역진적인 소득재분배(所得再分配)를 유발한다고 할 수 있다. 특히 자본시장(資本市場)이 불완전(不完全)한 경우 주택조세감면(住宅租稅減免)은 부유층에 대해 필요 이상의 주택(住宅)을 소유토록하는 한편 유동성이 부족한 저소득층(低所得層) 및 젊은층의 주택구입(住宅購入)을 더욱 어렵게 함으로써 주택소유(住宅所有)의 계층간 불균형을 심화시키고 소득분배(所得分配)를 더욱 악화시키는 결과를 초래한다고 할 수 있다. 따라서 주택소유자(住宅所有者)와 무주택자간(無住宅者間) 조세(租稅)의 중립성을 회복하는 것이 중요하며 이를 위해서는 첫째로 무주택자(無住宅者)의 임대료지출(賃貸料支出)에 대해 소득공제(所得控除)를 실시하며, 둘째로 1세대(世帶) 1가구(家口)에 대해서도 양도소득세(讓渡所得稅)를 과세하며, 셋째로 상속과세(相續課稅)에 있어 주택공제(住宅控除)를 폐지하는 것이 바람직하다고 생각된다. 우리나라와 같이 자본시장(資本市場)이 불완전한 경우 주택소유촉진정책(住宅所有促進政策)은 효율적(效率的)인 장기주택금융제도(長期住宅金融制度)의 확립을 통해 실시되어야 하며 정부(政府)의 재정지원(財政支援)은 주거비부담능력(住居費負擔能力)이 최소한의 수준에 미달하는 영세민계층(零細民階層)에 집중(集中)되어야 할 것이다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.19-26
• /
• 2023

인간은 자연 빛에 적응하고 진화해왔으나 현재는 실내 생활의 비중이 높아짐에 따라 생체리듬 교란의 문제가 유발되었다. 이의 해결을 위해 일출~일몰간 다채롭게 변화하는 자연광의 색온도를 재현하는 조명이 연구되고 있다. 자연광 색온도의 재현을 위해서는 색온도가 다른 다수의 LED 광원을 사용하여 조명을 제작한 후 수백에서 수천 단계의 광원별 인가전류의 조합에 대한 광특성을 측정 및 수집하여 제어지표 DB를 구성하고 광특성 매칭 방법을 통해 조명을 제어하였다. 이러한 제어 방법은 인가전류의 조합 단계를 세밀하게 할수록 많은 시간 및 경제적 비용이 발생한다는 문제가 있다. 이에 본 논문에서는 LED 광원별 최소 분광분포로 보간 및 조합 연산을 수행하여 자연광 색온도를 재현하는 방법을 제안한다. 먼저 색온도가 다른 광원 채널로 구성되고 각 채널별 256단계의 인가전류 제어 기능을 구현한 LED 조명을 대상으로 채널별 5개의 최소 분광분포(Spectral Power Distribution, SPD)를 실측·수집한다. 이후 수집한 SPD를 대상으로 각 채널별 256단계의 SPD를 생성하는 보간 연산을 수행하고, 채널별 SPD의 조합 연산을 통해 LED 조명의 모든 제어 조합에 대한 SPD를 생성한다. 생성된 SPD를 통해 조도와 색온도를 산출하여 제어지표 DB를 구축한 후 매칭 기법을 통해 자연광의 색온도를 재현한다. 성능 평가에서는 실내 권장 조도 기준을 충족하면서도 평균 오차율 0.18%의 범위 내에서 자연광의 시간별 색온도를 제공하였다.