• 해양환경안전학회지
• /
• 제24권7호
• /
• pp.848-857
• /
• 2018

최근 국제적으로 풍력, 태양광, 파도, 연료전지 등의 친환경 신재생에너지 개발이 활발하다. 특히, 해상에서의 풍력발전단지 개발은 대형화를 통한 단가 절감, 고품질의 풍력자원 활용, 발전기로 인한 소음 피해 최소화를 위해 해안에서 멀리 떨어진 위치에 대규모 부유식으로 건설되는 추세이다. 풍력발전단지의 개발은 해사안전법에 의한 해상교통안전진단제도에 따른 평가가 필요하다. 풍력발전단지의 평가는 해당 수역의 체계적인 개발, 관리, 활용을 위해 선과 면적 개념을 모두 적용하여 수행되어야 하며, 이를 위한 평가 방법과 기준이 개발되어야 한다. 이 연구에서는 해상풍력발전단지처럼 해양 공간을 평가할 수 있는 해상교통조사방법과 평가에 대한 적절한 기준을 수립하고, 이를 시스템적으로 처리할 수 있는 방안에 대해서 연구하였다. 먼저 해상교통조사를 위해 AIS와 레이더를 이용한 이동식 해상교통데이터 수집장치를 설계하였다. 그리고 선과 면적의 개념을 모두 적용한 해상교통 항적도, 밀집도, 경로 분석을 제안하였다. 해상교통밀집도는 Grid-cell의 크기를 조절하여 단위 cell에 대한 공간적, 시간적 점유율을 구분하고 해상교통 경로 분석은 해상을 통항로 또는 작업 공간으로 사용할 때를 구분하여 선박의 이동 패턴을 평가할 수 있도록 제안하였다. 최종적으로 시스템적인 해상교통데이터의 수집과 평가가 가능한 해상교통안전평가솔루션의 개념설계를 수행하였다. 이는 자동적인 해상교통데이터의 수집 저장 분류를 통해, 데이터 누락이나 오표기와 같은 인적 오류를 최소화하고 해상 공간의 용도에 따라 선과 면적 개념을 반영하여 분석함으로써 신뢰성 있는 해상 공간의 평가가 가능하게 한다.

• 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.

• 한국철학논집
• /
• 제27호
• /
• pp.223-254
• /
• 2009

본 논문은 사회주의 중국에서의 민족주의의 형성에 대한 연구다. 중국은 발달한 문명을 바탕으로 한 문화적 우월감으로 인해 일찍부터 문화적 민족주의가 강하게 형성되어 있었고 이는 오랜 기간을 통해 '중화주의'로 굳어지게 된다. 그러나 아편전쟁 이후 서양의 침략으로 인해 위기감이 생겨났고 중국의 지식인들은 다방면의 변화를 통해 구망(救亡)의 길을 모색하게 되었는데, 이 과정에서 서양의 '사회진화론'이 소개되고 받아들여진다. 이 사회 진화론의 수용은 결국 국가 간의 경쟁에서 밀린 중국이 제국주의의 침탈을 받는 것은 당연해지는 논리적 한계에 봉착하여 점차 변형되지만 중국 지식인들에게 문화적 중화주의에서 벗어나 서양의 근대적 국가민족주의 개념을 형성하도록 만들었다. 특히 중국공산당은 초기에 창당과정에서 부터 코민테른의 지도를 받았는데, 당시 제국주의 자본의 세계지배라는 조건 속에서 식민지국가에서의 민족해방투쟁이 세계 공산주의 운동에 있어 필수 불가결한 요소라는 것을 강조되었고, 중국에서의 저항적인 민족주의성격을 띤 마르크스주의는 명분을 갖게 된다. 이후 중일전쟁 과정에서 반제반봉건투쟁을 통해 중국인의 광범위한 지지를 얻게 된 중국공산당에 의해 중화인민공화국이 건립되고 본격적인 사회주의 체제로서의 중국이 시작된다. 그러나 냉전이라는 국제적 여건 속에서 소련과의 관계가 악화되면서 중국 사회주의의 발전은 자국 인민의 결집된 힘에 의존할 수밖에 없었고 이는 중국 공산당의 지속적인 애국주의의 고양으로 이어진다. 특히 개혁개방 이후 새롭게 등장한 모순들로 인해 중국은 분열을 겪게 되었고 이를 통합하는 이데올로그로 자국의 문화적 자긍심을 바탕으로 한 중화주의가 또다시 등장하게 되었다. 최근 경제 강국으로서 국제적인 위상이 높아진 중국에서는 전통문화의 우월성이 강조되면서 매우 강력한 중화주의가 대두되고 있다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.

• 지능정보연구
• /
• 제18권1호
• /
• pp.1-21
• /
• 2012

최근 스마트폰의 등장으로 인해 사용자들은 시간과 공간의 제약 없이 스마트폰을 이용한 새로운 의사소통의 방법을 경험하고 있다. 이러한 스마트폰은 고화질의 컬러화면, 고해상도 카메라, 실시간 3D 가속그래픽과 다양한 센서(GPS와 Digital Compass) 등을 제공하고 있으며, 다양한 센서들은 사용자들(개발자, 일반 사용자)로 하여금 이전에 경험하지 못했던 서비스를 경험할 수 있도록 지원하고 있다. 그 중에서 모바일 증강현실은 스마트폰의 다양한 센서들을 이용하여 개발할 수 있는 대표적인 서비스 중 하나이며, 이러한 센서들을 이용한 다양한 방법의 모바일 증강현실 연구들이 활발하게 진행되고 있다. 모바일 증강현실은 크게 위치 정보 기반의 서비스와 내용 기반 서비스로 구분할 수 있다. 위치 정보 기반의 서비스는 구현이 쉬운 장점이 있으나, 증강되는 정보의 위치가 실제의 객체의 정확한 위치에 증강되는 정보가 제공되지 않는 경우가 발생하는 단점이 존재한다. 이와 반대로, 내용 기반 서비스는 정확한 위치에 증강되는 정보를 제공할 수 있으나, 구현 및 데이터베이스에 존재하는 이미지의 양에 따른 검색 속도가 증가하는 단점이 존재한다. 본 논문에서는 위치 정보 기반의 서비스와 내용기반의 서비스의 장점들을 이용한 방법으로, 스마트폰의 다양한 센서(GPS, Digital Compass)로 부터 수집된 정보를 이용하여 데이터베이스의 탐색 범위를 줄이고, 탐색 범위에 존재하는 이미지들의 특징 정보를 기반으로 실제의 랜드마크를 인식하고, 인식한 랜드마크의 정보를 링크드 오픈 데이터(LOD)에서 검색하여 해당 정보를 제공하는 랜드마크 가이드 시스템을 제안한다. 제안하는 시스템은 크게 2개의 모듈(랜드마크 탐색 모듈과 어노테이션 모듈)로 구성되어있다. 첫 번째로, 랜드마크 탐색 모듈은 스마트폰으로 인식한 랜드마크(건물, 조형물 등)에 해당하는 정보들을 (텍스트, 사진, 비디오 등) 링크드 오픈 데이터에서 검색하여 검색된 결과를 인식한 랜드마크의 정확한 위치에 정보를 제공하는 역할을 한다. 스마트폰으로부터 입력 받은 이미지에서 특징점 추출을 위한 방법으로는 SURF 알고리즘을 사용했다. 또한 실시간성을 보장하고 처리 속도를 향상 시키기 위한 방법으로는 입력 받은 이미지와 데이터베이스에 있는 이미지의 비교 연산을 수행할 때 GPS와 Digital Compass의 정보를 사용하여 그리드 기반의 클러스터링을 생성하여 탐색 범위를 줄임으로써, 이미지 검색 속도를 향상 시킬 수 있는 방법을 제시하였다. 두 번째로 어노테이션 모듈은 사용자들의 참여에 의해서 새로운 랜드마크의 정보를 링크드 오픈 데이터에 추가할 수 있는 기능을 제공한다. 사용자들은 키워드를 이용해서 링크드 오픈 데이터로에서 관련된 주제를 검색할 수 있으며, 검색된 정보를 수정하거나, 사용자가 지정한 랜드마크에 해당 정보를 표시할 수 있도록 지정할 수 있다. 또한, 사용자가 지정하려고 하는 랜드마크에 대한 정보가 존재하지 않는다면, 사용자는 랜드마크의 사진을 업로드하고, 새로운 랜드마크에 대한 정보를 생성하는 기능을 제공한다. 이러한 과정은 시스템이 카메라로부터 입력 받은 대상(랜드마크)에 대한 정확한 증강현실 컨텐츠를 제공하기 위해 필요한 URI를 찾는데 사용되며, 다양한 각도의 랜드마크 사진들을 사용자들에 의해 협업적으로 생성할 수 있는 환경을 제공한다. 본 연구에서 데이터베이스의 탐색 범위를 줄이기 위해서 랜드마크의 GPS 좌표와 Digital Compass의 정보를 이용하여 그리드 기반의 클러스터링 방법을 제안하여, 그 결과 탐색시간이 기존에는 70~80ms 걸리는 반면 제안하는 방법을 통해서는 18~20ms로 약 75% 정도 향상된 것을 확인할 수 있었다. 이러한 탐색시간의 감소는 전체적인 검색시간을 기존의 490~540ms에서 438~480ms로 약 10% 정도 향상된 것을 확인하였다.

• 한국농림기상학회지
• /
• 제19권3호
• /
• pp.153-163
• /
• 2017

데이터 처리 속도는 예보 능력과 관련이 있다. 최신의 입력 자료를 이용한 예측 데이터의 고속 생산은 신속한 대처를 가능하게 한다. 또한 알고리즘 작성, 계산, 결과 평가, 알고리즘 개선으로 이어지는 순환 구조를 원활하게 할 뿐만 아니라 오류 발생시 빠른 시간 내에 복구할 수 있게 하는 등 매우 중요한 요소이다. 현재의 조기경보 시스템은 매 계산 주기 마다 섬진강 유역의 10개 시군에 대해 30미터 해상도의 격자형 자료를 400개 이상 생성하고 있으며(중간 데이터 포함) 최대 9일까지 예보되는 자료를 포함할 경우 600개 이상이다. 이는 전국을 30미터 해상도로 약 45개를 생성하는 계산양과 비슷하다. 또한 14,000여개의 필지에 대한 구역 통계와, 각 래스터의 평균, 최대, 최소 등의 통계자료 생성도 함께 수행 해야 한다. 이와 같은 대량의 데이터를 한정된 시간 내로 처리하기 위한 몇 가지 기법을 적용하여 적용하였으며, 아직 적용은 못하였으나 가능성의 여부를 평가해 보는 것으로 본 연구를 진행하였다. 그 결과 앞서 제시된 래스터 캐시, NFS 캐시, 분산 처리를 모두 적용할 경우 데이터 처리 시간을 1/8로 단축 시킬 수 있음이 확인되었다. 또한 GPU를 이용한 연산을 적용할 경우 일부 모듈에 대해 매우 큰 폭으로 수행 시간을 단축 시킬 수 있음을 확인하였다. 다만 캐시를 위한 추가적인 디스크, GPU라는 별도의 하드웨어, 추가된 하드웨어 지원을 위한 고출력 전원 장치와 이에 따른 UPS (Uninterruptible power supply, 무정전 전원공급 장치)까지 상대적으로 높은 사양으로 준비해야 하는 비용적인 문제가 발생할 수 있다. 본 연구에서 제시한 네 가지 기법 중 세 가지는 계산 서버 추가를 통한 수평적 성능 확장에 관한 것이다. 하지만 서버의 추가가 처리 속도 향상으로 이어지지 않음은 물론 오히려 저하시키는 경우가 있다. 본 연구에서는 특정 시간 내로 작업을 완료 시키지 못하면 해당 작업을 반환하여 다른 서버가 처리하는 간단한 방식을 이용한다. 하지만 이런 문제를 지속적으로 발생시키는 계산 서버가 발견된다면 정해진 기준에 따라 계산 작업에서 완전히 퇴출 시켜야 성능 향상에 도움이 된다. 따라서 처리 속도에 대한 정확한 원인을 검사하고 이를 실시간으로 반영할 수 있는 기법이 필요하다.

• 산경연구논집
• /
• 제2권2호
• /
• pp.5-14
• /
• 2011

1996년도의 유통시장개방을 계기로 소매유통 환경이 급변하기 시작하였으며, 이러한 소매유통 환경변화에 대한 대응력을 강화하기 위해 조직화를 통한 규모화가 산지의 중요한 과제로 대두되고 있다. 이에 산지에서는 여건변화에 대응하기 위하여 소규모 개별농가가 조직화를 통해 전문화·대규모화 되어 가고 있고, 품목별·지역별로 특화되어 가는 양상을 보이고 있다. 하지만 소비지 시장에 대한 경쟁력 강화라는 관점에서는 여전히 문제점을 보이고 있는 것이 사실이다. 이러한 문제점의 가장 대표적인 경우가 시장대응상의 산지유통조직의 조직화·규모화 문제이다. 본 연구에서는 선행연구들을 통한 농산물 유통환경 변화에 따른 산지 조직화 배경 및 필요성, 국내 산지유통조직의 현황 및 문제점, 국내·외 산지유통조직 우수사례를 살펴보고, 조직화·규모화를 중심으로 향후 산지유통조직 경쟁력 제고방안을 위한 개선방안에 대해 제시하였다. 연구 결과, 농산물 소매유통환경 변화에 따라 산지유통조직의 경쟁력을 제고하기 위한 개선방안으로 1) 원물수집 체계 다양화를 통한 가동률 향상 및 조직화 강화, 2) 전문화된 품목의 광역연합마케팅 추구를 통한 규모화 실현, 3) 국외 산지유통조직 우수사례인 프랑스 "브레따뉴 청과물 경제위원회"와 같은 관리 운영조직 설치 및 운영, 4) 국내에 적합한 산지유통조직모델 개발을 위한 지원체계 확립 등의 4가지를 제시하였다. 특히 국내 산지의 경우 산지조직화·규모화에 성공한 각종 사례분석을 통해, 조직적 규모화의 과정 속에서 생겨나는 각종 어려움과 그에 대한 극복방식 등을 일반화 시켜가는 노력이 요구된다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.151-171
• /
• 2015

본 연구는 최근 가장 큰 이슈로 떠오르는 "사물인터넷(IoT: Internet of Things)"의 개념과 국내 외 IoT 시장에 대한 현황을 고찰하였으며, IoT 시대의 도래로 인해 유발되는 패러다임 전환 발생에 따른 기업측면의 적절한 대응방안에 대한 해결책을 도출하였다. 따라서 본 연구는 티핑포인트(Tipping point)에 있는 IoT 경쟁 시대에 적절하게 대응하기 위한 기업의 경영전략을 '패러다임 전환(paradigm shift)'이라는 시각을 통해 대응 방안을 제시하였다. 특히, 과거의 경영 패러다임과 IoT 시대의 경영 패러다임을 비교 분석하여 i)지식 및 학습 주도 경영, ii)기술 및 혁신 중심 경영, iii)수요 창출 경영, iv)글로벌 협업 경영으로 새롭게 패러다임 전환(Paradigm Shift)이 발생할 것으로 예측 및 제안하였고, 이러한 패러다임의 전환에 대응하기 위한 기업측면의 경영전략 프로세스 모델을 구축하기 위해 Gartner가 제시한 'RTE Cyclone model'을 활용하였다. '실시간 기업(RTE)' 이라는 개념은 급변하는 IoT 시대에 기업측면의 경영 전략 프로세스로 활용가치가 있다고 판단되며, 본 연구에서 적절히 응용하여 'IoT-RTE Cyclone model'을 제안하였다. 특히, 제안한 모델은 기업의 민첩성을 강조하고 IT 및 IoT 기술을 통한 실시간 모니터링, 분석, 실행을 기본으로 하며, 기업의 경영 프로세스 각 부문을 통합시켜 기업의 전반적인 서비스를 지원하기 때문에 빠르게 변화하는 IoT 시대에서 영위하는 기업측면에서의 효과적인 대응전략으로 활용할 수 있다.

• 한국환경생태학회지
• /
• 제24권2호
• /
• pp.139-146
• /
• 2010

태안해안국립공원의 번식기에 서식하는 조류 현황을 파악하기 위하여 공원내 해안선 지역과 10개의 도서 지역을 선정하여 2009년 7월 5일부터 9일까지 3개 팀으로 나누어 동시 조사하였다. 전체 관찰종은 58종 7,323개체였고, 해안선 지역은 48종 6,187개체, 도서 지역은 33종 1,136개체였다. 공원내 최우점종은 괭이갈매기로서 약 60%에 이르며, 공원과 인접한 도서에서 집단 번식한 개체로 추정된다. 한편, 연안 지역에서만 관찰된 조류는 흰뺨검둥오리, 물닭, 중백로 등 25종 318개체이고, 도서 지역에서만 관찰된 조류는 가마우지, 칼새, 섬개개비 등 10종 308개체였다. 도서지역에서는 가의도를 비롯한 유인도서에서 종과 개체수가 높게 나타났는데, 도서 면적과 수자원 유무, 다양한 서식지와 관련 있는 것으로 판단된다. 과거 자료와 금번 조사 결과, 주요 우점종은 유사한 경향을 보이고 있으며, 2007년 기름유출 사고 지역임에도 2004년보다 수조류가 증가한 점에서 회복되어가는 것으로 판단된다. 현재 태안해안국립공원과 인접한 연안은 매립과 조력발전소가 조성 및 예정되고 있고, 도서지역은 펜션증가 등이 예상되면서 중요한 서식지 훼손과 교란이 예상된다. 이러한 위협요인에 대비하고, 공원의 적절한 관리를 위해서는 조류정보가 부족한 도서 지역에 대한 조류모니터링을 강화하거나 탐조가의 조류결과를 효율적으로 관리할 수 있는 조류정보시스템이 우선적으로 필요하다고 판단된다.