• Ecology and Resilient Infrastructure
• /
• 제7권3호
• /
• pp.171-180
• /
• 2020

산업화 및 도시화가 가중됨에 따라서 여가생활을 위한 공간 희소성이 부각되고 있다. 하천 주변의 수변공간이 제공하는 자연경관 및 생태체험 등의 기회는 지역사회의 발전과 친수공원 조성을 조성하는데 근간이 되는 요소이다. 이러한 하천 공간을 이용하는 이용객을 정량적으로 파악하는데 있어 과거에는 인력을 동원하여 현장조사를 수행하였으나 경비, 인력 및 시공간적인 제약이 발생하여 결과물의 정확성이 확보되지 못하는 문제점이 있다. 본 연구에서는 이러한 문제점을 극복하고자 위치정보를 활용한 친수공원 이용객 추정을 수행하였다. 연구대상지역은 낙동강 하류에 위치한 삼락생태공원과 대저생태공원이다. 통신 빅 데이터를 활용한 이용객 패턴과 GPS 위치정보를 기반으로 한 이용객 패턴을 비교·분석하였다. GPS 위치정보는 Google Popular Times와 카카오 방문자 데이터를 활용하였다. GPS 위치정보 데이터를 활용했을 때 통신 빅 데이터를 활용한 결과보다 주중과 주말 이용객에 대한 패턴이 뚜렷하였다. 따라서 향후 통신 빅 데이터를 이용할 때 pCELL 크기의 정밀화 및 체류시간 30분 이상의 조건으로 이용객 수를 추출한다면 GPS 위치정보의 결과와 유사할 것으로 예상된다. 또한 개인정보 보호법 등 개정이 이루어져 보다 정확한 데이터를 추출한다면 GPS 기반으로 이용객 수를 추정하는 것이 더 정확한 이용객 수의 지표를 산정할 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.