• 한국정보통신학회논문지
• /
• 제22권11호
• /
• pp.1413-1420
• /
• 2018

4차 산업혁명의 핵심 기술 분야의 가상현실(Virtual Reality)과 증강현실(Augmented Reality)의 발달로 인해 VR/AR시장이 크게 성장하였다. VR은 기본적으로 공간과 시간에 초점을 맞추고 있고, 인간의 두뇌는 시간적 사건에 매우 민감하기 때문에 두뇌의 인지능력에 영향을 주지 않기 위해선 가상현실 기술 중 하나인 입출력 인터페이스 기술을 정확하게 만드는 것이 중요하다. VR은 디스플레이와 생체신호인식을 위한 센서 등 하드웨어의 기술의존도가 상당하다. 본 논문에서는 VR의 하드웨어 의존도를 고려해 센서 디바이스를 이용하여 민감한 두뇌에 영향을 끼치지 않기 위해 사용자 움직임이 디스플레이 화면에 완전히 반영되는 시간 MTP(Motion to Photon)을 20m/s 이하로 낮추기 위한 여러 가지 보정방법과 필터링에 대한 실험을 진행하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.11-11
• /
• 2020

18년 물관리일원화 이후 인프라와 사람 중심으로부터 자연과 인간의 조화를 위한 환경·생태계의 자연성 회복으로의 물관리 패러다임 전환이 빠르게 이루어지고 있으며, 대규모 국책사업이후의 하천 관리에 있어서도 기존의 이수, 치수, 환경이라는 단순한 기능적 구분을 벗어나 보다 근본적이고 장기적인 대국민 서비스로의 전환을 도모하고 있다. 또한, ICBAM 등으로 정의되는 4차산업혁명 기반 기술의 접목이 거의 대부분의 분야에서 이루어지고 있는 것을 실질적으로 체감하는 시기가 도래하였다. 그러나, 하천 및 수자원 관리분야에서의 기술은 근대 엔지니어링의 기초가 되는 수로 건설 등으로부터 시발되어 사실상 가장 앞선 과학적 진보의 토대를 갖추었으나 최근의 기술적 트렌드를 잘 추종하지 못하는 것처럼 비추어 지는 것이 사실이다. 주된 이유로서 기후변화라는 광범위하고 장기적인 입력요소를 가진 하천관리 시스템의 특성상 불확실성의 추정 및 즉각적인 응답이 어려운 부분이 분명히 존재하지만, 실질적으로 여전히 해소되지 않는 부분은 하천의 기초자료 수집에 대한 효율성과 신뢰도가 낮은 것이라고 하겠다. 또한, 유역으로부터 댐-다기능보-하천으로 이어지는 의사결정을 위한 다양한 형태의 자료로부터 적절한 정보를 수집하는 체계(거버넌스의 문제이자 기술적/재정적 한계)가 확립되지 않은 점도 고려해야 할 것이다. 본 연구에서는 인공지능을 활용한 하천의 유량 예측 등을 위해 필요한 수자원 기초데이터의 근원적인 수집 및 관리상의 문제점에 대해서 검토하고자 하였으며, ARIMA, Kalman Filtering, MA 및 복합기법을 통한 자료처리 기법을 적용하여 상황에 맞게 오차 및 불확실성의 저감을 위한 방안을 찾고자 하였다. 또한, 이용자 중심의 하천 관리에 근접한다고 볼 수 있는 스마트워터시티 개념에서의 바람직한 하천관리 기법에 대해서 논의하고, 관련하여 근자에 개발한 하천의 물리적 해석 도구들에 대해서 적용 사례를 검토한다. 마지막으로, 지식기반의 하천관리 의사결정 플랫폼 개발을 위해서 기존의 기계학습을 통한 자동화된 의사결정에 부가하여 전문가와 시스템이 상호작용을 통해서 AI를 학습시켜 결정한 사항을 전문가의 의사결정에 참고하는 MCRDR기법의 적용의 적용 가능성과 도입 방향에 대해서 논의하였다.

• Journal of Astronomy and Space Sciences
• /
• 제22권3호
• /
• pp.283-292
• /
• 2005

우주환경과 밀접한 연관성을 갖고 있는 전리층은 매질의 전자기적 특성상 전파 신호에 간섭을 유도하게 되는데, 전리층 통과시 GPS 신호에 인가되는 이러한 오차를 분석함으로써 전리층의 상태를 추정할 수 있으며, 이는 상충 대기의 순환과 전지구적인 변화 및 우주환경의 물리적 특성을 이해하는 중요한 열쇠가 될 수 있다. 전리층 총 전자수를 정밀하게 측정하기 위해 한국천문 연구원에서 운영하는 9개의 GPS 관측망 데이터를 사용하였으며, 코드 데이터 잡음을 줄이기 위해 의사거리 데이터를 반송파 위상 데이터와 선형 조합을 하였다. 또한 한반도 상공의 위 경도를 $0.25^{\circ}{\times}0.25^{\circ}$의 공간 해상도로 분할하여 각 격자점의 총 전자수를 추정하는 격자 방식의 지역적 전리층 모델을 개발하였으며, 전리층의 정 밀도 향상을 위 해 Inverse Distance Weight(IDW) 기법과 칼만 필터를 적용하였다. 본 연구에서 개발된 지역적 전리층 모델과 전세계 전리층 분석센터에서 제시하는 글로벌 모델(GIMs)을 8일 동안 자료 처리 비교한 결과 평균적으로 3 ~ 4 Total Electron Contents Unit(TECU)의 RMS값 차이를 보였다.

• 대한교통학회지
• /
• 제21권5호
• /
• pp.83-95
• /
• 2003

본 연구는 차량검지기 데이터를 이용한 통행시간 추정 및 예측에 관한 수집기법 및 추정·예측기법의 고찰을 통해 고속도로 환경에 적합한 통행시간 추정 및 예측모형을 개발하는 데 목적이 있다. 먼저, 기존 통행시간 추정기법의 고찰을 통해 차량검지기에서 수집되는 교통데이터 중 교통류의 변동을 민감하게 포착할 수 있는 교통량을 이용한 통행시간 추정모형을 정립하고자 하였다. 기존방식인 차량검지기 속도 데이터를 이용한 통행시간과 본 연구에서 제안한 추정모형과의 비교 분석을 위해, 실측치에 거의 근사하는 통행료 징수시스템의 출발지기준 통행시간을 이용하여 통행시간 산출기법의 적용성 평가를 수행한 결과, 고속도로 구간의 혼잡시 본 연구모형에 의한 통행시간 산출방식이 기존방식보다 신뢰성있는 통행시간을 제공할 수 있는 것으로 나타났다. 따라서, 본 연구에서는 고속도로 구간의 차량통과속도가 70km/h이상일 때는 기존 차량검지기 속도데이터를 이용한 통행시간 산출방식을 적용하고 혼잡시에는 교통량을 이용한 추정모형에 의한 통행시간 산출방식을 병용하여 적용하는 것이 타당하다는 결론을 도출하였다. 통계적 모형을 이용한 교통상황의 예측과 보다 정확한 통행시간을 예측하기 위해 본 연구에서 칼만필터를 이용한 단기 예측을 수행해 본 결과, 시시각각 변화하는 고속도로의 교통류에 대해 예측력이 우수한 것으로 판단되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.18-18
• /
• 2011

Climate change is impacting and will increasingly impact both the quantity and quality of the world's water resources in a variety of ways. In some areas warming climate results in increased rainfall, surface runoff, and groundwater recharge while in others there may be declines in all of these. Water quality is described by a number of variables. Some are directly impacted by climate change. Temperature is an obvious example. Notably, increased atmospheric concentrations of $CO_2$ triggering climate change increase the $CO_2$ dissolving into water. This has manifold consequences including decreased pH and increased alkalinity, with resultant increases in dissolved concentrations of the minerals in geologic materials contacted by such water. Climate change is also expected to increase the number and intensity of extreme climate events, with related hydrologic changes. A simple framework has been developed in New Zealand for assessing and predicting climate change impacts on water resources. Assessment is largely based on trend analysis of historic data using the non-parametric Mann-Kendall method. Trend analysis requires long-term, regular monitoring data for both climate and hydrologic variables. Data quality is of primary importance and data gaps must be avoided. Quantitative prediction of climate change impacts on the quantity of water resources can be accomplished by computer modelling. This requires the serial coupling of various models. For example, regional downscaling of results from a world-wide general circulation model (GCM) can be used to forecast temperatures and precipitation for various emissions scenarios in specific catchments. Mechanistic or artificial intelligence modelling can then be used with these inputs to simulate climate change impacts over time, such as changes in streamflow, groundwater-surface water interactions, and changes in groundwater levels. The Waimea Plains catchment in New Zealand was selected for a test application of these assessment and prediction methods. This catchment is predicted to undergo relatively minor impacts due to climate change. All available climate and hydrologic databases were obtained and analyzed. These included climate (temperature, precipitation, solar radiation and sunshine hours, evapotranspiration, humidity, and cloud cover) and hydrologic (streamflow and quality and groundwater levels and quality) records. Results varied but there were indications of atmospheric temperature increasing, rainfall decreasing, streamflow decreasing, and groundwater level decreasing trends. Artificial intelligence modelling was applied to predict water usage, rainfall recharge of groundwater, and upstream flow for two regionally downscaled climate change scenarios (A1B and A2). The AI methods used were multi-layer perceptron (MLP) with extended Kalman filtering (EKF), genetic programming (GP), and a dynamic neuro-fuzzy local modelling system (DNFLMS), respectively. These were then used as inputs to a mechanistic groundwater flow-surface water interaction model (MODFLOW). A DNFLMS was also used to simulate downstream flow and groundwater levels for comparison with MODFLOW outputs. MODFLOW and DNFLMS outputs were consistent. They indicated declines in streamflow on the order of 21 to 23% for MODFLOW and DNFLMS (A1B scenario), respectively, and 27% in both cases for the A2 scenario under severe drought conditions by 2058-2059, with little if any change in groundwater levels.

• 대한교통학회지
• /
• 제21권1호
• /
• pp.91-102
• /
• 2003

본 연구는 $\circled1$Cellular Automata(이하 CA)모형을 기반으로 대규모 네트워크에 적용 가능한 보다 현실적인 CA차량모형 구축. $\circled2$구축된 CA차량모형을 이용한 차량 모의실험기의 개발과 개발된 차량 모의실험기를 이용한 단기링크통행시간 예측으로 구성된다. 구축된 CA차량추종모형은 기존의 CA차량추종모형 보다 현실적으로 감속을 통한 정지과정을 설명하면서 거시적 지표인 교통량-밀도-속도관계를 설명하였다. 또한 링크의 유출교통량(Outflow)을 제어하기 위한 차량의 링크전이모형은 기존의 차량 링크전이모형에 비하여 보다 안정된 대기차량을 형성하였다. 단기링크통행시간 예측을 위한 차량모의실험기는 대규모 가로망에 적용이 가능하도록 차량묶음(Packet, 이하차량묶음)방식과 링크기반 모의실험방식으로 컴퓨터의 연산 수행속도 및 메모리를 효율적으로 처리할 수 있었으며, 기존의 시계열자료 예측기법에서 고려할 수 없었던 차량의 행태 및 링크 상에서 발생하는 이동류 과포화, 뒷막힘현상 등의 메커니즘을 고려함으로서 기존 시계열자료 예측기법에 비하여 우수한 예측력을 보였다.

• 한국항해항만학회지
• /
• 제37권6호
• /
• pp.575-580
• /
• 2013

IMU(Inertial Measurement Unit)는 선박, 잠수함, 항공기 및 군용장비 응용분야에서 적용되어 자세 측정 영역에 주로 사용되고 있지만, 이런 IMU는 고가의 장비이기 때문에 특수 분야에서만 한정적으로 이용되어 왔다. 그러나 MEMS AHRS(MEMS : Micro Electro Mechanical System, AHRS : Attitude and Heading Reference System)의 현 기술 상황은 지능형 MEMS AHRS가 채택된 응용분야에서 가격이 높은 IMU를 대체 할 수 있는 수준에 이르고 있다. 본 논문에서는 자이로 센서, 가속도 센서, 지자기 센서를 사용한 AHRS를 이용하여 선박의 주요 운동 요소인 횡동요, 종동요, 선수동요 값을 측정할 수 있는 무선 선체 운동 측정 시스템을 개발하였다. 또한 AHRS 센서가 발생시키는 오차인 순간 가속도, 지자기의 영향 및 진동에 대응하기 위하여 칼만 필터링 기능이 탑재된 센서를 적용함으로서 최적의 성능을 실현하고자 하였다. 본 연구에서 구현한 AHRS 센서를 이용한 무선 선체 운동 측정 시스템을 이용하여 실선 실험을 실행하였으며, 선박의 제한적인 설치 상황에서도 편리하게 적용할 수 있을 것으로 보여진다. 향후 이 시스템이 선박에서 INS(Integrated Navigation System) 및 VDR(Voyage Data Recorder)과 같은 선박 장비와 호환되어 활용될 경우 항해 안전과 해양사고 분석에 유용하게 사용될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.