• 한국조경학회지
• /
• 제45권1호
• /
• pp.52-62
• /
• 2017

현재 미국, 호주, 북유럽 등지의 해외 조경실무에서 BIM의 필요성에 대한 자각과 함께 전문적 연구가 수행되고 있으며, 관련 단체에서도 조직적 활동을 펼침으로써 BIM을 활용한 조경 프로젝트들이 증가하는 추세다. 그러나 아직 국내 조경분야에서는 BIM 도입이 이루어지지 않고 있으므로, 본 연구에서는 BIM을 활용한 조경 프로젝트 사례를 조사, 분석하여 BIM 도입에 따른 효과와 활용방법을 논하고자 했다. 이를 위해 세 가지 BIM 도입효과인 설계업무의 효율성 향상, 협업 환경의 마련, 지형설계의 형태 구현을 보여주는 조경 프로젝트들을 선정하고, 이들을 대상으로 조경정보 구축, 3D 모델링 제작, 상호운용성 확보, BIM 모델의 시각적 활용이라는 네 가지 측면에서 BIM의 활용방법을 살펴보았다. 첫째, 조경정보 구축의 측면에서 사례들을 살펴본 결과, 시설물과 수목 등 상세한 조경요소들로부터 기반시설 등 광범위한 건설정보들이 3D 라이브러리나 2D CAD 형식으로 구축되었다. 둘째, 3D 모델링 제작을 살펴보면 간단한 지형과 수목을 포함한 조경공간을 Revit으로 모델링하거나, 정교하고 복잡한 지형을 Maya와 같은 전문적 3D 모델링 도구로 모델링했다. 그리고 통합모델은 분야별 모델을 제작하여 주기적으로 교환, 검토하고, 최종적으로 이들을 통합하는 방식으로 제작되었다. 셋째, 분야간 데이터의 상호운용성은 파일 포맷의 단일화, 상이한 포맷의 변환, 또는 정보 표준의 준수를 통해 이루어졌고, 이를 토대로 건설정보를 공유하여 협업을 도모했다. 넷째, 3D 모델을 시각화함으로써 참여자들간의 의견조율, 설계안의 인허가, 대중 홍보가 이루어졌다. 사례분석을 통해 BIM은 디자인 도구라기보다 설계업무의 효율성을 높이고, 분야간 협업을 도모하는 프로세스임을 알 수 있었고, 특히 조경가들이 BIM을 활용한 통합 프로젝트에서 중요한 역할을 수행하고 있음을 확인했다. 따라서 그간 건설분야에서 BIM으로의 전환을 통해 많은 이익과 기회를 누렸듯이 조경분야에서도 적극적으로 BIM을 도입해야 할 것이다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.