• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.35-43
• /
• 2023

본 연구의 목적은 행정서비스 활용을 위한 디지털 트윈 정책 연구이다. 본 연구는 1,000명의 대상을 기반으로한 모바일 설문조사를 통해 진행되었으며 그 연구 결과는 다음과 같다. 첫쨰, 디지털 트윈을 활용하기 위해 경기도 측면에서 적용할 수 있는 적절한 서비스 발굴이 선행되어야 한다. 경기도의 현장 업무에 적절한 디지털 트윈 서비스 발굴 시도가 우선적으로 선행되고 이를 통한 업무의 효율성 증진이 필요하다. 둘쨰, 경기도 디지털 트윈 행정서비스는 중앙정부 사업과의 중복성은 방지하고 연계 활용 가능한 모델을 구축해야 하며, 도와 시군의 현안 연관성이 높고 수요자 즉 도민이 원하는 행정서비스를 중심으로 추진되어야 한다. 셋쨰, 행정서비스 운영방식은 경기도의 디지털 트윈 행정서비스 개발을위해서 시범사업 참여를 통한 표준모델 구축 방안을 검토해야 한다. 사업 추진 방식으로 경기도가 주관기관이 되어, 협약사업 방식으로 추진하고, 경기도 디지털 트윈 자문위원단을 통해 사업 추진 전반에 대한 지원 체계를 마련하라는 것을 제언하고자 한다. 넷째, 전담부서와 행정서비스 구축, 운영, 관리 등을 위한 관련 제도 마련이 되어야 한다. 경기도에서 디지털 트윈 실현을 위해서는 사업 추진 및 운영과 법·제도적 개선을 위한 다양한 역할을 수행 할 수 있는 전담 조직이 필요하며, 전담 조직 지정을 위해서 기존 부서의 확대 개편 방안과 신설 부서 운영에 대한 검토가 필요하다. 본 연구의 한계 요인은 경기도 중심의 참여자들에 대한 조사로서 향후에는 전국을 기반으로 연구하는 것을 제언한다. 본 연구의 기대효과는 디지털 트윈 서비스를 공적인 업무를 적용시 활용할 수 있는 기초 자료로 이용할 수 있다.

• 한국시뮬레이션학회논문지
• /
• 제28권4호
• /
• pp.21-32
• /
• 2019

군집에 대한 사회적 행동 모델에 영감을 받은 군집 최적화 알고리즘은 복잡한 최적화 문제 해결에서부터 인공 신경망의 학습에까지 활용되는 대표적인 메타휴리스틱 최적화 알고리즘 중의 하나이다. 하지만 이 알고리즘은 기본적으로 확률적 노이즈가 존재하지 않는 결정적인 환경에서 개발되었기 때문에, 많은 경우 확률적 노이즈가 존재하는 실제 문제에 적용하기에 어려움이 있었다. 본 논문에서는 이를 개선하기 위하여 불확실 평가 기법이라고 정의되는 통계적 가설 검정 기반의 리샘플링 기법을 적용한다. 이 기법을 통하여 입자 군집 최적화 알고리즘의 성능에 가장 큰 영향을 미치는 입자들의 전역 최적을 정확하게 찾으므로 노이즈 환경에서 입자들이 최적해로 보다 정확하고 빠르게 수렴하도록 한다. 다양한 벤치마크 문제들에 대한 기존 알고리즘들과의 비교 실험 결과는 제안하는 알고리즘의 개선된 성능을 입증하고, 사례 연구의 결과는 본 연구의 필요성을 강조한다. 본 연구 결과가 4차 산업혁명 시대에 디지털 트윈 등을 통한 시뮬레이션 기반 시스템 최적화에 효과적으로 적용될 수 있을 것이라 기대한다.

• 지적과 국토정보
• /
• 제51권1호
• /
• pp.67-77
• /
• 2021

최근 스마트시티, 디지털 트윈, 자율주행, 스마트 건설 등의 분야가 발전하면서 각 분야에서 생산되는 다양한 데이터를 서로 연결하기 위한 매개체로서 공간정보의 가치가 매우 중요해지고 있다. 특히 데이터의 최신성을 위해 공간정보의 신속한 구축과 갱신이 필요하다. 본 연구에서는 정밀한 위치정확도가 이미 검증된 기구축 공간데이터를 이용하여 지상기준점 없이 제작된 영상기반 3차원 건물모델의 위치를 정합시킬 수 있는 소프트웨어 프로토타입을 개발하였다. 이 소프트웨어를 실험대상지역에 적용한 결과, 지상기준점 없이 제작된 3차원 건물모델과 기구축 공간데이터가 높은 위치 정합률을 보여 최신의 3차원 공간데이터를 필요로 하는 분야에 적용될 수 있음을 확인하였다.

• 한국정보통신학회논문지
• /
• 제26권4호
• /
• pp.612-623
• /
• 2022

실시간으로 유동인구를 계측하는 기술은 다양한 산업 분야에서 공간 밀집도에 대한 통찰력을 제공하여 더 좋은 서비스 환경을 만들어준다. 이에 따라 여러 기업과 학계에서는 특정 공간의 유동인구 데이터를 계측하기 위해 오랫동안 다양한 연구를 시도해왔으며, 최근에는 스마트시티와 디지털트윈의 일환으로 Wi-Fi 신호를 활용한 유동인구 분석 사업화가 더욱 활발한 추세이다. 본 논문에서는 사람들이 소지한 스마트폰으로부터 수집되는 MAC-address 값 기반의 유동인구 추정 방법을 제시하는데, 추정값의 정확도를 분석하기 위해 Real MAC-address와 Random MAC-address 값을 구분한 뒤, Real MAC-address가 추출된 실제 스마트폰 기기 수와 CCTV 화면에 집계된 사람 수를 비교하는 실험을 진행한다. 그 결과 두 데이터 간의 유사한 상관 계수가 나타났다. 이러한 결과에 근거하여 MAC-address 분류를 통한 Wi-Fi Probe Request 기반 유동인구 분석 방법을 제시한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.24-34
• /
• 2021

실시간으로 유동인구를 계측하는 기술은 다양한 산업 분야에서 공간 밀집도에 대한 통찰력을 제공하여 더 좋은 서비스 환경을 만들어준다. 이에 따라 여러 기업과 학계에서는 특정 공간의 유동인구 데이터를 계측하기 위해 오랫동안 다양한 연구를 시도해왔으며, 최근에는 스마트시티와 디지털트윈의 일환으로 Wi-Fi 신호를 활용한 유동인구 분석 사업화가 더욱 활발한 추세이다. 본 논문에서는 유동인구 데이터를 활용하는 일반 수요자(비전문가)의 관점에서 유동인구 계측 시스템에 대해 쉽게 이해할 수 있도록 설명한다. 구체적으로는 사람들이 소지한 스마트폰으로부터 수집되는 MAC-address 값 기반의 유동인구 추정 방법을 제시하는데, 추정값의 정확도를 분석하기 위해 Real MAC-address와 Random MAC-address 값을 구분한 뒤, Real MAC-address가 추출된 실제 스마트폰 기기 수와 CCTV 화면에 집계된 사람 수를 비교하는 실험을 진행한다. 그 결과 두 데이터 간의 유사한 상관 계수가 나타났다. 이러한 결과에 근거하여 MAC-address 분류를 통한 Wi-Fi Probe Request 기반 유동인구 분석 방법을 제시한다.

• Korean Journal of Radiology
• /
• 제24권11호
• /
• pp.1061-1080
• /
• 2023

Artificial intelligence (AI) in radiology is a rapidly developing field with several prospective clinical studies demonstrating its benefits in clinical practice. In 2022, the Korean Society of Radiology held a forum to discuss the challenges and drawbacks in AI development and implementation. Various barriers hinder the successful application and widespread adoption of AI in radiology, such as limited annotated data, data privacy and security, data heterogeneity, imbalanced data, model interpretability, overfitting, and integration with clinical workflows. In this review, some of the various possible solutions to these challenges are presented and discussed; these include training with longitudinal and multimodal datasets, dense training with multitask learning and multimodal learning, self-supervised contrastive learning, various image modifications and syntheses using generative models, explainable AI, causal learning, federated learning with large data models, and digital twins.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.207-212
• /
• 2024

수소연료전지의 중요성은 계속 강조되며, 이 분야에서의 교육 및 훈련 수요가 증가하고 있다. 다양한 교육 환경 중에서 메타버스 교육은 특히 원격 학습에 대응하기 위해 글로벌 교육산업에서 새로운 변화의 시대를 열고 있다. 메타버스가 교육에 가져온 가장 중요한 변화는 단방향, 강사 중심 및 정적인 가르침 접근에서 다방향 및 동적인 접근으로의 전환이다. 메타버스는 수소 연료전지 엔지니어 교육에서도 효과적으로 활용될 것으로 예상되며, 교육과 훈련이 언제 어디서나 가능하게 함으로써 교육의 효과를 향상시킬 뿐만 아니라 엔지니어링 교육에 관련된 비용을 줄일 수 있을 것으로 기대된다. 본 연구에서는 이러한 아이디어에 영감을 받아 연료 전지 교육 플랫폼을 설계하고 있다. 메타버스를 활용하여 이론 학습 및 훈련을 결합한 플랫폼을 만들었다. 본 연구에서는 학습 참여자의 참여도를 높이기 위한 교육 훈련 콘텐츠 개발, 사용성 향상을 위한 사용자 인터페이스 구성, 가상 세계에서 물체와 상호 작용하는 환경 생성, 디지털 트윈 형태의 수렴 서비스 지원 등의 주요 요소를 개발했다.

• 인터넷정보학회논문지
• /
• 제20권6호
• /
• pp.55-63
• /
• 2019

최근 교육, 제조, 건설 등 다양한 응용 분야에서 사실적인 가상환경을 표현하기 위하여 실세계 영상데이터를 활용하는 사례가 증가하고 있다. 특히, 스마트 시티 등 디지털 트윈에 대한 관심이 높아지면서, 항공 영상 등 실제 촬영한 영상을 이용하여 현실감 있는 3D 도시 모델을 구축하고 있다. 그러나, 촬영된 항공 영상에는 태양에 의한 그림자가 포함되어 있으며, 그림자가 포함된 3D 도시 모델은 사용자에게 정보를 왜곡시켜 표현하는 문제를 안고 있다. 그림자를 제거하기 위하여 그동안 많은 연구가 진행되었지만, 아직까지 해결하기 어려운 도전적인 문제로 인식되고 있다. 본 논문에서는 VWorld에서 제공하는 3차원 공간정보를 이용하여 건물의 높이 맵을 포함한 가상환경 데이터 셋을 구축하고, 높이맵과 딥러닝을 이용한 새로운 그림자 탐지 방법을 제안한다. 실험 결과에 의하면, 높이맵을 사용했을 때 기존 방법보다 그림자 탐지 에러율이 감소한 것을 확인할 수 있다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1349-1365
• /
• 2020

최근 스마트 시티, 디지털 트윈 등에 실제 3차원 좌표를 취득할 수 있는 이점에 따라 포인트 클라우드를 이용한 모델 생성에 관한 연구가 늘어나고 있으며, 건물 형상 및 텍스처의 수정이 용이한 솔리드 모델에 대한 요구가 늘어나고 있다. 이에 따라 본 논문에서는 포인트 클라우드 데이터를 기반으로 군집형 솔리드 건물 모델을 생성하는 방법을 제안한다. 제안하는 방법은 총 다섯단계로 구성된다. 첫 단계에서는 포인트 클라우드의 평면성 분석을 통해 지면을 제거하였다. 두 번째 단계에서는 지면이 제거된 포인트 클라우드에서 건물 영역을 추출하였다. 세 번째 단계에서는 건물의 세부 구조물 영역을 추출하였다. 네 번째 단계에서는 추출된 영역에 3차원 좌표정보가 부여된 3차원 건물 모델의 형상을 생성하였다. 마지막 단계에서는 건물 모델 형상에 텍스처를 부여하여 3차원 건물 솔리드 모델을 생성하였다. 제안하는 방법의 검증을 위하여 상용 소프트웨어를 이용해 무인항공기 영상으로부터 포인트 클라우드를 추출하여 실험하였다. 그 결과, 포인트 클라우드 내에 존재하는 일정 높이 이상의 모든 건물에 대하여 포인트 클라우드 대비 위치오차 1 m 내외의 3차원 건물 형상을 생성하고, 원본 영상 해상도 대비 2배 이내의 해상도를 갖는 텍스처링이 수행된 3차원 모델이 생성되는 것을 확인하였다.

• 한국지반공학회논문집
• /
• 제37권5호
• /
• pp.47-63
• /
• 2021

최근 디지털 트윈 관점의 3차원 지하공간 지도의 수요 및 유관분야의 연계 활용 요구가 증대되고 있다. 그러나 전국단위의 지반조사 자료의 방대함과 이를 활용함에 있어 공간적/추계학적 기법 적용의 불확실성으로 인해 신뢰도 높은 지역적 지반특성화 연구와 그에 따른 최적화 모델 제시에 어려움이 있다. 따라서 본 연구에서는 서울지역 3차원 지하공간의 공학적 지층분류를 위해 다층 퍼셉트론(MLP) 기반의 최적 학습모델을 구축하였다. 먼저, 서울지역에 분포하는 시추공별 층상구조 및 3차원 공간좌표를 표준화 서식에 따라 지반정보 데이터베이스로 구축하고 기계학습을 위한 결측치 보정, 정규화 등의 데이터 전처리를 하였다. MLP 모델의 파라미터 최적화와 정밀도 및 정확도 관련 모델 성능 평가를 통해 최적의 피팅 모델을 설계하였다. 이후 3차원 지반 공간레이어 구축을 위한 수치표고모델 기반 격자망을 구성하고, 단위격자별 MLP기반 예측모델 적용을 통한 층상구조를 결정하고 이를 가시화하였다. 구축된 3차원 지반모델은 범용적인 지구통계학적 공간보간 기법의 적용 결과 및 지질도의 표토층 성상과 비교하여 그 성능을 평가하였다.