• 한국조경학회지
• /
• 제48권6호
• /
• pp.1-15
• /
• 2020

본 연구의 목적은 스마트 그린시티 구현을 위한 스마트 공원의 설계·관리 방향을 제안하고, 관련 산업 육성을 위한 조경 분야의 대응 방안을 제시하는 것이다. 연구 과정은 다음과 같다. 첫째, 문헌 연구를 통해 스마트 공원의 개념을 조작적으로 정의하고, 조성·관리 과정에서 고려해야 할 세 가지 원칙을 설정했다. 둘째, 스마트 공원의 세 가지 원칙 차원에서 신도시와 기성도시에 기 조성된 스마트 공원 조성 사례 분석을 통해 문제점과 개선 시사점을 도출했다. 셋째, 문헌 연구와 사례 조사를 통해 스마트 공원의 공간 구성 요소별 설계·관리 기준 풀을 마련한 후, 관련 분야 전문가들과의 브레인스토밍을 통해 정제했다. 넷째, 스마트 공원 조성·관리 활성화를 위한 정부·지자체와 조경 분야의 대응 방안을 제시했다. 주요 연구 결과는 다음과 같다. 첫째, 스마트 공원의 개념을 "디지털·환경·재료 기술 등을 활용하여 시민들의 안전하고 쾌적한 공원 이용과 관리·운영의 효율 개선을 지원하여, 도시 및 지역사회의 사회·경제 및 환경적 지속가능성 확보에 기여하는 공원"으로 조작적 정의했다. 둘째, 스마트 공원의 세 가지 원칙으로 공원의 본질적 가치 개선, 도시문제 해결을 위한 혁신적 기능 향상, 설계와 조성·관리 과정의 스마트화를 제시했다. 셋째, 신도시와 기성 도시에 조성된 스마트 공원 조성 사례 분석을 통해 개선 시사점을 도출했다. 넷째, 녹지 영역, 수경시설 영역, 도로 및 광장 영역, 조경 시설물 영역, 공원 설계 방법 등 다섯 가지 측면에서의 스마트 공원 설계·관리 방향을 제시했다. 다섯째, 스마트 공원 조성·관리 활성화를 위한 정책적 시사점으로 도시 성장 단계와 공원 유형별 스마트 공원 정책사업 모델 발굴 및 시범사업 추진, 한국형 뉴딜 정책과 연계한 스마트 공원 사업 추진, 조경 전문가가 주도하는 스마트 공원 정책 추진의 필요성 등을 제시했다.

• 한국측량학회지
• /
• 제27권6호
• /
• pp.639-647
• /
• 2009

오늘날 신속한 정보화 사회의 정착에 따라 지형공간정보의 수요와 활용이 급격히 증가하고 있으며, 해마다 변화하는 지형공간자료의 최신성과 정확성을 충족시키기 위해 국가지리정보체계 구축사업이 활발히 진행되고 있다. 그 중에서도 최근 정부의 뉴딜녹색정책의 핵심인 4대강 살리기 사업, 국제 습지보전 협약인 람사르(Ramsar) 총회의 개최 등으로 어느 때보다 환경 분야에 대한 관심이 높아지고 있는 실정이다. 한편, 낙동강 하구 지역은 습지는 물론 환경 분야에서의 보전가치가 매우 높아 관련분야에서 다양한 연구가 진행되고 있다. 하지만, 이 지역은 인위적 개발과 자연 현상으로 인한 지형과 생태계의 변화가 급속히 진행되고 있으나 이러한 변화 모니터링의 기본자료인 지형 DB 구축은 매우 미흡한 실정이다. 본 연구에서는 이러한 현실을 감안하여 낙동강 하구에 속하는 을숙도 복원습지를 대상으로 항공 LiDAR 측량을 수행하여 3차원 지형도와 식생분류를 통한 습지 구분도를 제작하여 정밀 지형 DB를 구축하였다. 이러한 정밀 지형 DB는 향후 을숙도 복원습지의 체계적인 유지관리에 크게 기여할 것으로 사료된다.

• 응용통계연구
• /
• 제36권1호
• /
• pp.49-62
• /
• 2023

급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.