• 한국재난정보학회 논문집
• /
• 제18권1호
• /
• pp.146-153
• /
• 2022

연구목적: 국내 항만시설의 경우 사용년수가 오래된 항만구조물은 선박의 대형화 및 사용빈도 증가, 기후변화에 따른 자연재해의 영향 등으로 안전과 기능적 측면에서 상당히 많은 문제가 있다. 항만시설의 유지관리 이력 데이터를 기반으로 시설 노후화 패턴을 예측 할 수 있는 근사모델 개발을 위하여 빅데이터 분석 방법을 연구하였다. 연구방법: 본 연구에서는 케이슨식 안벽에 유지관리 데이터 수집하여 빅데이터를 바탕으로 시설물의 노후화 패턴 및 성능저하를 확인하기 위한 예측모델을 도출하였다. 가우시안 프로세스(GP)과 선형보간(SLPT) 기법을 통하여 생성된 상태기반 노후도 패턴 예측모델을 제안하고 유효성 검토를 통해 빅데이터 적용에 적합한 모델을 비교하고 제안하였다. 연구결과: 제안된 기법을 검토한 결과 SLPT기법은 RMSE 및 는 0.9215와 0.0648로 SLPT기법의 예측모델이 보다 더 적합한 것으로 검토 되었다. 결론: 이러한 연구를 통해 빅데이터 기반 시설물 성능저하 예측 연구는 유지관리를 위환 의사결정에서 중요한 체계가 될 것으로 기대된다.

• 한국측량학회지
• /
• 제40권2호
• /
• pp.79-89
• /
• 2022

드론을 이용하여 촬영한 영상은 소규모 지역에 대하여 고품질의 3차원 공간정보를 빠르게 구축할 수 있어 신속한 의사결정이 필요한 분야에 적용되고 있다. 드론 영상을 기반으로 공간정보를 구축하기 위해서는 인접한 드론 영상 간에 특징점 추출하고 영상 매칭을 수행하여 영상 간의 관계를 결정할 필요가 있다. 이에 본 연구에서는 드론을 이용하여 촬영한 주차장과 호수가 공존하는 지역, 건물이 있는 도심 지역, 자연 지형의 들판 지역의 3가지 대상지역을 선정하고 AKAZE (Accelerated-KAZE), BRISK (Binary Robust Invariant Scalable Keypoints), KAZE, ORB(Oriented FAST and Rotated BRIEF), SIFT (Scale Invariant Feature Transform), and SURF (Speeded Up Robust Features) 알고리즘의 성능을 분석하였다. 특징점 추출 알고리즘의 성능은 추출된 특징점의 분포, 매칭점의 분포, 소요시간, 그리고 매칭 정확도를 비교하였다. 주차장과 호수가 공존하는 지역에서는 BRISK 알고리즘의 속도가 신속하였으며, SURF 알고리즘이 특징점과 매칭점의 분포도와 매칭 정확도에서 우수한 성능을 나타내었다. 건물이 있는 도심 지역에서는 AKAZE 알고리즘의 속도가 신속하였으며 SURF 알고리즘이 특징점과 매칭점의 분포도와 매칭 정확도에서 우수한 성능을 나타내었다. 자연 지형의 들판 지역에서는 SURF 알고리즘의 특징점, 매칭점이 드론으로 촬영한 영상 전반적으로 고르게 분포되어 있으나 AKAZE 알고리즘이 가장 높은 매칭 정확도와 신속한 속도를 나타내었다.

• 한국콘텐츠학회논문지
• /
• 제21권11호
• /
• pp.135-144
• /
• 2021

최근 데이터 기반 의사결정 기술이 데이터 산업을 이끄는 핵심기술로 자리 잡고 있는바, 이를 위한 머신러닝 기술은 고품질의 학습데이터를 요구한다. 하지만 실세계 데이터는 다양한 이유에 의해 결측값이 포함되어 이로부터 생성된 학습된 모델의 성능을 떨어뜨린다. 이에 실세계에 존재하는 데이터로부터 고성능 학습 모델을 구축하기 위해서 학습데이터에 내재한 결측값을 자동 보간하는 기법이 활발히 연구되고 있다. 기존 머신러닝 기반 결측 데이터 보간 기법은 수치형 변수에만 적용되거나, 변수별로 개별적인 예측 모형을 만들기 때문에 매우 번거로운 작업을 수반하게 된다. 이에 본 논문은 수치형, 범주형 변수가 혼합된 데이터에 적용 가능한 데이터 보간 모델인 Denoising Self-Attention Network(DSAN)를 제안한다. DSAN은 셀프 어텐션과 디노이징 기법을 결합하여 견고한 특징 표현 벡터를 학습하고, 멀티태스크 러닝을 통해 다수개의 결측치 변수에 대한 보간 모델을 병렬적으로 생성할 수 있다. 제안 모델의 유효성을 검증하기 위해 다수개의 혼합형 학습 데이터에 대하여 임의로 결측 처리한 후 데이터 보간 실험을 수행한다. 원래 값과 보간 값 간의 오차와 보간된 데이터를 학습한 이진 분류 모델의 성능을 비교하여 제안 기법의 유효성을 입증한다.

• 한국수자원학회논문집
• /
• 제55권5호
• /
• pp.383-392
• /
• 2022

낙동강하굿둑 기수역의 복원이 국정과제로 채택되면서, 2019~2020년의 실증실험과 2021년 시범운영을 거쳐 2022년 기수역 복원이 공식화 되었다. 해수유입 시 많은 의사결정이 실시간으로 수행되어야 하므로, 실측과 수치해석을 이용한 의사결정시스템이 체계화되었으며, 이 과정에서 정확한 해수유입량 산정이 필요하였다. 이에 본 연구에서는 해수와 담수의 밀도차이와 낙동강하굿둑 수문의 구조적인 특성을 반영한 해수유입량 산정식을 개발하였다. 낙동강하굿둑 수문은 월류와 저류방식으로 해수유입이 가능하므로, 산정식 또한 두 가지 형태로 제시하였다. 개발된 식의 정확도 확인 및 유량계수 도출을 위하여 시범운영 기간동안 ADCP를 이용하여 해수유입량을 실측하였다. 완성된 식을 이용한 계산값과 실측값의 비교 결과 약 3%의 오차를 확인하였다.

• 한국지리정보학회지
• /
• 제25권1호
• /
• pp.77-100
• /
• 2022

저성장·고령화시대에 접어들면서 지방의 많은 도시들이 인구감소문제를 경험하고 있다. 생산인 력감소, 재정감축, 삶의 질 저하, 공동체 기반 붕괴 등 다양한 형태의 쇠퇴현상들이 연쇄적으로 발생하면서 지방소멸의 벼랑 끝으로 몰리고 있다. 본 연구는 저성장·고령화 시대 인구감소도시의 효율적인 공간관리 정책으로써 컴팩시티 계획을 적용하기 위해 공간통계기법과 GIS를 활용하여 도시 내 고용창출중심지 추정과 고용 권역을 설정하는 방법론을 제안하였다. 구체적으로 컴팩시티에 관한 선행연구 검토를 통하여 종사자수, 정주인구수, 개발용지 면적을 고려한 새로운 지표 '고용복합지수'를 정의하고, 국지적 모란지수와 핫스팟 분석을 적용하여 고용창출중심지를 추정하였다. 창원시를 대상으로 2013년, 2015년, 2017년, 2019년의 4개 년도를 사례분석을 실시하여 고용창출중심지의 압축된 다핵구조를 확인하였다. 이 결과를 바탕으로 지속적 도시 성장을 위한 산업중심 권역 설정과 컴팩시티 공간정책의 시사점을 제시하였다. 본 분석 결과는 지역활성화 플랫폼을 위한 기능적·제도적 권역 거버넌스의 기초자료로써 인구감소, 지역총생산, 에너지 절감에 대응할 수 있는 공공시설배치, 교통계획, 의료보건 계획 등 공간정책 의사 결정에 필요한 유의미한 정보를 제공할 수 있을 것으로 기대한다.

• 한국콘텐츠학회논문지
• /
• 제21권11호
• /
• pp.203-212
• /
• 2021

전자·신소재·IT 등 첨단 기술을 핵심으로 한 고도의 지식 집약적 산업인 하이테크 산업은 반도체·디스플레이·배터리 분야를 중심으로 빠르게 발전하고 있으며, 시장 규모가 지속적으로 증가하고 있다. 하이테크 산업의 공장 건설은 시장의 변화, 수요 변화, 발주처의 요구사항 등 다양한 요인으로 인하여, Fast-Track 공사, 기본 라인 구성 등 공장 가동 시점을 앞당기기 위한 많은 노력이 이루어지고 있다. 따라서 공사 계획, 초기 단계의 빠른 의사결정을 위한 다양한 유형에 대응 가능하며, 정확도, 신뢰도 높은 공사비 산출 방법이 필요하다. 따라서 본 연구에서는 하이테크 산업 공사의 특성을 반영하여, 공장 전체 생산량을 고려하여 전체라인 구성을 위한 공사 유형과 빠른 생산가동을 위한 기본라인 구성을 위한 공사 유형으로 기존 공사내역을 분류하였으며, 비교·분석을 통하여 기본라인 구성 유형 공사비 산출을 위한 공사별, 세부 공사별 보정 비율을 도출하였다. 신규 하이테크 공장 건설 프로젝트에 본 연구에서 제시한 보정 비율을 적용하여 신뢰성 및 정확도를 검증하였다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.141-150
• /
• 2021

인공지능(Artificial Intelligence) 기술을 활용하여 인공지능 기반의 전쟁 (AI-enabled warfare)가 미래전의 핵심이 될 것으로 예상한다. 자연어 처리 기술은 이러한 AI 기술의 핵심 기술로 지휘관 및 참모들이 자연어로 작성된 보고서, 정보 및 첩보를 일일이 열어확인하는 부담을 줄이는데 획기적으로 기여할 수 있다. 본 논문에서는 지휘관 및 참모의 정보 처리 부담을 줄이고 신속한 지휘결심을 지원하기 위해 언어 모델 기반의 다출처 정보 통합 (Language model-based Multi-source Information Integration, LAMII) 프레임워크를 제안한다. 제안된 LAMII 프레임워크는 자기지도 학습법을 활용한 언어 모델에 기반한 표현학습과 오토인코더를 활용한 문서 통합의 핵심 단계로 구성되어 있다. 첫 번째 단계에서는, 자기지도 학습 기법을 활용하여 구조적으로 이질적인 두 문장간의 유사 관계를 식별할 수 있는 표현학습을 수행한다. 두 번째 단계에서는, 앞서 학습된 모델을 활용하여 다출처로부터 비슷한 내용 혹은 토픽을 함양하는 문서들을 발견하고 이들을 통합한다. 이 때, 중복되는 문장을 제거하기 위해 오토인코더를 활용하여 문장의 중복성을 측정한다. 본 논문의 우수성을 입증하기 위해, 우리는 언어모델들과 이의 성능을 평가할 때 활용되는 대표적인 벤치마크 셋들을 함께 활용하여 이질적인 문장간의 유사 관계를 예측의 비교 실험하였다. 실험 결과, 제안된 LAMII 프레임워크가 다른 언어 모델에 비하여 이질적인 문장 구조간의 유사 관계를 효과적으로 예측할 수 있음을 입증하였다.

• 해양환경안전학회지
• /
• 제28권7호
• /
• pp.1267-1273
• /
• 2022

최근 한국 조선업계가 세계 선박 발주 물량의 대부분을 수주하고 있지만, 생산 현장에서는 인력난으로 생산공정 차질을 겪고 있다. 오랜 조선업 불황으로 일감과 임금 모두 줄어든 탓에 근로자들이 조선소를 떠났기 때문이다. 수주가 증가한 주요 요인은 카타르 LNG선 대량 발주였으며, 선박에 요구되는 기술 사양이 복잡해지는 상황도 유리하게 작용하고 있다. 선박은 계약한 인도 시점이 무엇보다도 중요하기 때문에, 조선소의 주요 공정 중 도크 진수 계획이 무엇보다도 중요한 관리 아이템이다. 도크에서 건조되는 구조물은 의장 작업을 남긴 선체 혹은 완성형 선박일 수 있으며, 때에 따라서 선체의 일부 블록 수준일 경우도 많다. 진수 시, 선체는 유체력에 의한 호깅(hogging) 혹은 새깅(sagging) 모멘트 영향을 받게 되고, 블록 연결부의 구조강도에 대한 안전성 확보가 무엇보다도 중요하다. 정상적인 공정이라면 연결 부재는 용접을 끝낸 상태에서 진수하지만, 실제 조선사에서는 도크 일정을 준수하기 위하여 구조 안전성이 확보되는 조건에 대한 빠른 의사결정이 필요하다. 본 연구에서는 앞서 언급한 문제점들을 엔지니어링 관점에서 합리적으로 판단하기 위하여 휨 응력평가법과 유한요소해석 모델링을 사용한 상세 해석법과 적용성을 분석하였다. 논문에서 언급된 주요 내용은 향후 유사 구조 강도 평가의 진행 시 좋은 사례로 활용될 수 있을 것으로 생각한다.

• 한국산업정보학회논문지
• /
• 제14권4호
• /
• pp.163-182
• /
• 2009

전략적 성과관리체계인 BSC(Balanced Scorecard)는 조직 성과향상을 위한 혁신적 도구로서 주목받아 오고 있다. 최근 몇 년간 정부는 BSC의 장점을 인식하고 공기업들이 BSC를 구축하여 조직을 혁신하고 성과를 극대화하도록 유도해왔다. 그러나 많은 공기업들의 경우 BSC 고유의 특성과 장점에 대한 충분한 공감대를 확보하지 못하고 기존의 평가 제도나 조직 문화의 특성으로 인해, 효과적인 BSC 구축 및 BSC 성과의 극대화에 어려움을 겪어오고 있다. 따라서 본 연구에서는 공기업 중 성공적으로 BSC를 도입한 것으로 평가를 받고 있는 한국남부발전(주) 사례를 분석함으로써, 공기업이 BSC를 구축할 때 수행해야 하는 활동 및 절차, 필요 자원(인력, 시간), 주요 의사결정 이슈 등을 실제 산출물과 함께 제시하였다. 이와 같은 프로젝트 세부 사항들은 공공기관 또는 비영리 기관들이 BSC를 구축하는 데 유용한 가이드라인으로 활용될 수 있을 것으로 기대된다. 또한, 본 사례 기업이 BSC 구축과정에서 겪은 문제점에 대한 극복 노력과 이를 기반으로 도출한 시사점들은 BSC를 구축하고 운영하는 다른 조직들에게 유용한 경험 지식과 통찰력을 제공해 줄 수 있을 것으로 기대된다.

• 대한토목학회논문집
• /
• 제42권2호
• /
• pp.249-256
• /
• 2022

최근 BIM (Building Information Modeling)과 AR (Augmented Reality)을 결합한 실시간 시각화 기술이 건설관리 의사 결정 및 처리 효율성을 높이는 데 도움이 된다는 것을 보여주기 위한 다양한 연구가 활발히 진행되고 있다. 그러나, 대용량 BIM 데이터는 AR에 적용할 경우 데이터 전송 문제, 이미지 단절, 영상 끊김 등과 같은 다양한 문제가 발생함으로 3차원(3D) 모델의 메쉬 최적화를 통해 시각화의 효율성을 향상시켜야 한다. 대부분의 기존 메쉬 경량화 방법은 복잡하고 경계가 많은 3D 모델의 메쉬를 적절하게 처리할 수 없다. 이에 본 연구에서는 고성능 AR 시각화를 위해 BIM 데이터를 재구성하기 위한 k-최근접이웃(KNN) 분류 프레임워크 기반 메쉬 경량화 알고리즘을 제안하였다. 제안 알고리즘은 선정된 BIM 모델을 삼각형 중심 개념 기반의 Unity C# 코드로 경량화하였고 모델의 데이터 세트를 활용하여 정점 사이의 거리를 정의할 수 있는 KNN로 분류되었다. 그 결과 전체 모델과 각 구조의 경량화 메쉬 점 및 삼각형 개수가 각각 약 56 % 및 약 42 % 감소됨을 확인할 수 있었다. 결과적으로, 원본 모델과 비교했을 때 경량화한 모델은 시각적인 요소 및 정보 손실이 없었고, 따라서, AR 기기 활용 시 고성능 시각화를 향상시킬 수 있을 것으로 기대된다.