• 한국조경학회지
• /
• 제41권5호
• /
• pp.9-18
• /
• 2013

본 연구는 도시공원 공간적 분포의 문제점을 도시공원 서비스권역과 주소별 주민등록 데이터를 사용한 분석을 통해 밝히고자 하였다. 도시공원 중 "도시공원 및 녹지 등에 관한 법률"에 의해 지정된 "거주자의 보건 휴양 및 정서생활의 향상에 이바지 하기 위해 설치"된 근린공원을 대상으로 하였다. 연구 방법은 크게 1) 근린공원 서비스권역 분석, 2) 근린공원 서비스권역 내 외 인구분석, 3) 기존 연구와의 비교 검토로 구분하여 분석하였다. 기존 연구들에서 나타났던 거주민 분석의 한계를 개선하고자 차별성을 두어, 각 주소별로 등록된 거주민 주민등록 데이터를 활용하여 실제 거주하는 주민수를 적용하였다. 근린공원 서비스권역 또한 기존에 주로 사용되었던 직선거리를 적용한 버퍼분석이 아닌 보행로, 새주소길 등을 적용한 네트워크 분석을 이용하였다. 이상의 과정을 통하여 도출한 결과, 근린공원 서비스권역 면적은 전체면적의 7.99%의 비율을 보였으며, 전체 주거지역 중 근린공원 서비스권역 면적은 31.23%의 비율을 보였다. 근린공원 서비스권역 내에 거주하는 인구는 대구광역시 인구의 43.03%만이 거주하고 있는 것으로 나타나, 전체 인구 반 이상의 인구가 서비스권역 외에 거주하는 것으로 나타났다. 마지막으로 기존 연구방법과의 비교 검토 결과는 근린공원 서비스권역 및 서비스권역 내 외 인구 수치에서 큰 차이를 보였다.

• 대한전자공학회논문지TC
• /
• 제43권9호
• /
• pp.165-174
• /
• 2006

본 논문에서는 IEEE 802.11 기반 무선 멀티홉 망에서 TCP의 성능을 향상시키기 위하여 새로운 Contention Window(CW) 제어 알고리즘을 제안 하였다. 제안한 Contention Window(CW) 제어 알고리즘은 무선 멀티홉 망에서 빈번히 발생하는 hidden terminal 문제의 영향을 경감시킨다 무선 멀티홉 망에서 발생하는 대부분의 패킷 손실은 패킷의 충돌에 의한 것이 아니라 hidden terminal과 exposed terminal로 인하여 발생된다. 그러나 IEEE 802.11 DFC 알고리즘에서는 전송에 실패한 사용자의 CW를 지수형태로 증가시키므로 해당노드가 전송에 성공할 확률을 더욱 감소시킨다. 이는 전송에 성공한 노드가 연속해서 패킷 전송에 성공할 가능성을 높여주어 burst한 데이터 전송이 일어날 수 있다. 한편, 최대 재전송을 시도한 후에도 데이터를 보내지 못한 노드는 네트워크 계층에서의 경로 재전송을 시도하게 되는데 이로 인해 데이터 전송이 중지되고 성능감소가 일어날 수 있다. 이와 같은 문제를 해결하기 위하여 본 논문에서 제안한 기법에서는 backoff 재전송의 횟수를 증가시키고 적절한 CW의 크기를 설정하는 방안을 제안 하였다. Ns-2를 사용하여 체인 토폴로지와 격자 토폴로지에서의 시뮬레이션을 수행해 제안된 기법이 무선 멀티홉 망에서 TCP 성능을 향상시킴을 확인 하였다.

• 한국인터넷방송통신학회논문지
• /
• 제20권2호
• /
• pp.1-11
• /
• 2020

스마트 그리드 환경의 중요한 기본 구성 요소라 할 수 있는 스마트 미터기는 유틸리티 기관에게 실시간 전력소비 정보를 제공한다. 그렇지만, 스마트 미터기에 의한 전력 소비 데이터 집계 과정에서 정보 보안 및 사생활 보호를 보장하는 작업은 쉽지 않다. 최근 몇 년 동안 특정 소비자의 전력 소비 정보 추출을 방지하는 정보 보안 데이터 집계 프로세스에 관해 많은 연구가 있었으나 대부분 내부 공격자로부터 안전하지 않거나 데이터 무결성을 제공하지 못하고 있다. 게다가, bilinear pairing 또는 hash-to-point 작업이 스마트 미터기에서 수행되기 때문에 계산 비용이 만족스럽지 않은 상황이다. 현재 에너지 공급 회사, 신생 기업, 기술 개발자, 금융 기관, 국가 정부 및 학계에서 큰 관심을 끌고 있는 기술로 블록체인 또는 분산 원장 기술이 활발히 연구되고 있다. 특히, 전력 소비 네트워크와 관련하여 블록체인은 상당한 이점과 혁신을 가져올 것으로 소개되고 있다. 이에 본 연구에서는 블록체인 기술을 사용한 분산된 전력 소비 정보 보호 및 보안 미터 데이터 집계 시스템을 제안하고, 손쉽게 구현할 수 있는 자바 프로그램을 나타낸다. 여기에서 스마트 미터 데이터는 계층적 Merkle 트리에 의해 집계 및 검증되며, 비잔틴 결함 허용 프로토콜에 의한 합의 방식이 지원된다.

• 지구물리와물리탐사
• /
• 제12권1호
• /
• pp.105-113
• /
• 2009

관측된 파형의 특성들을 해석하여 굴절파와 광각으로 도달한 반사파를 분석하면 결과물로 얻어지는 지각구조 모델의 신뢰도를 향상시킬 수 있으며, 균일한 격자상의 그래프 이론에 기반한 파면법은 복잡한 구조에서도 주시와 파선경로를 효과적으로 계산할 수 있으나, 기본적으로 초동만을 이용하게 되는 단점이 있다. 이번 연구에서는 초동뿐만 아니라 후기 시간대에 도달하는 반사파와 굴절파 및 변환된 P파와 5파의 주시와 파선경로를 계산하기 위하여 다층 모델상에서 표현되는 slowness network 노드에 기반한 수정 파면법을 이용하는 새로운 알고리즘을 개발하였다. 새로운 알고리즘을 통해 모호면의 형태와 변환된 P파와 S파의 위상을 획득하기 위하여 후기 시간대의 Pg파, Pn파 이후에 들어오는 강한신호의 파, 모호면에서 중첩된 PmP를 분석하였다. 제안된 알고리즘의 효용성을 검증하기 위하여 해양-대륙의 전이대와 해령 및 해산에 러한 모델링 연구를 수행하였으며, 2차원 유한차분법을 이용한 수치모형을 통해 그 효용성을 확인하였다. 초동 주시만을 해석에 사용할 경우 대륙-해양 전이대와 해령 및 해산과 같은 모델에서 획득되는 도달파들과 파선경로들의 특성이 각기 다르게 나타나 많은 해석상의 오류가 발생할 수 있는 위험성이 있기 때문에 제안된 기법을 통해 효과적인 해석을 수행할 수 있을 것이다.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.367-374
• /
• 2022

본 연구는 자율운항 선박의 연료 계통 펌프와 청정기를 대상으로 고장을 진단 사례를 제시하였다. 계측된 신호의 시간종속성을 반영한 심층학습(Deep learning) 알고리즘 적용 절차를 구성하고, 장비의 정상 운전상태와 고장 상태에서 계측한 진동 신호를 고장 패턴 학습에 사용하였다. 특히, 진동 신호에 내포된 열화의 시간 종속성을 반영할 수 있는 방법을 찾고자 하였으며, 슬라이딩 윈도우 연산 과정을 가진 Conv1D를 이용하여고장의 시간 종속성을 반영하였다. 또한 계측된 신호의 차수를 2차원에서 3차원으로 확장하여 시간 영역의 특징을 반영할 수 있는 데이터 전처리과정을 고안하였다. Conv1D 알고리즘의 적층과 변수를 결정하는 과정에서 그리드 탐색 기법을 사용하여 초매개변수의 최적 값을 결정하였다. 마지막으로 제안한 데이터 전처리 방법과 시계열 데이터의 시간 종속성을 반영한 Conv1D 모델이 이상 감지 및 고장 진단에 타당성이 있음을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제21권11호
• /
• pp.345-353
• /
• 2021

Cloud computing represent a new era of computing that's forms through the combination of service-oriented architecture (SOA), Internet and grid computing with virtualization technology. Virtualization is a concept through which every cloud is enable to provide on-demand services to the users. Most IT service provider adopt cloud based services for their users to meet the high demand of computation, as it is most flexible, reliable and scalable technology. Energy based performance tradeoff become the main challenge in cloud computing, as its acceptance and popularity increases day by day. Cloud data centers required a huge amount of power supply to the virtualization of servers for maintain on- demand high computing. High power demand increase the energy cost of service providers as well as it also harm the environment through the emission of CO₂. An optimization of cloud computing based on energy-performance tradeoff is required to obtain the balance between energy saving and QoS (quality of services) policies of cloud. A study about power usage of resources in cloud data centers based on workload assign to them, says that an idle server consume near about 50% of its peak utilization power [1]. Therefore, more number of underutilized servers in any cloud data center is responsible to reduce the energy performance tradeoff. To handle this issue, a lots of research proposed as energy efficient algorithms for minimize the consumption of energy and also maintain the SLA (service level agreement) at a satisfactory level. VM (virtual machine) consolidation is one such technique that ensured about the balance of energy based SLA. In the scope of this paper, we explore reinforcement with fuzzy logic (RFL) for VM consolidation to achieve energy based SLA. In this proposed RFL based active VM consolidation, the primary objective is to manage physical server (PS) nodes in order to avoid over-utilized and under-utilized, and to optimize the placement of VMs. A dynamic threshold (based on RFL) is proposed for over-utilized PS detection. For over-utilized PS, a VM selection policy based on fuzzy logic is proposed, which selects VM for migration to maintain the balance of SLA. Additionally, it incorporate VM placement policy through categorization of non-overutilized servers as- balanced, under-utilized and critical. CloudSim toolkit is used to simulate the proposed work on real-world work load traces of CoMon Project define by PlanetLab. Simulation results shows that the proposed policies is most energy efficient compared to others in terms of reduction in both electricity usage and SLA violation.

• 한국지반신소재학회논문집
• /
• 제22권2호
• /
• pp.1-12
• /
• 2023

국내외적으로 다양한 산사태 발생원인 분석과 취약지역의 예측이 이루어지고 있다. 본 연구에서는 산사태에서 발생하는 재해의 분석 및 예측에 사용되는 많은 특성 중 필수적인 요소인 유효토심을 지형정보를 이용해 예측했다. 지형정보 데이터를 각 기관별로 획득한 후 100m × 100m의 격자에 속성정보로 할당하고 데이터 등급화를 통해 차원을 축소 시켜주었다. 분류기준으로 3개 깊이(얕음, 보통, 깊음)와 5개 깊이(매우 얕음, 얕음, 보통, 깊음, 아주 깊음)의 두 가지 경우에 대해 유효토심을 예측했다. K-최근접 이웃, 랜덤 포레스트, 심층인공신경망 모델을 통해 예측하고 정확도, 정밀도, 재현율, F1-점수를 계산해 그 성능을 비교했다. 예측결과 모델에 따라 50% 후반에서 70% 초반의 성능을 보였다. 3개 분류기준의 정확도가 5개 분류기준의 정확도보다 5% 정도 높았다. 본 연구에서 제시한 등급화 기준과 분류모델의 성능은 아직 미흡하지만 유효토심의 예측에 있어서 분류모델의 적용이 가능하다고 판단된다. 큰 지역을 획일적으로 가정하여 사용하는 현재의 유효토심보다 신뢰성 있는 값의 예측이 가능하다고 사료된다.

• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.273-283
• /
• 2020

기후변화의 영향으로 국지성 및 집중호우에 대한 발생 가능성이 높아지는 시점에서 과거에 침수피해를 입은 도시 유역에 대하여 실제 호우에 대한 침수 양상을 예측하는 것은 중요하다. 이에 수치해석 기반 프로그램과 함께 기계학습을 이용한 홍수 분석에 대한 연구가 증가하고 있다. 본 연구에서 적용한 LSTM 신경망은 일련의 자료를 분석하는데 유용하지만, 딥 러닝을 수행하기 위하여 충분한 양의 자료를 필요로 한다. 그러나 단일 도시유역에 홍수를 일으킬 강우가 매년 일어나지 않기에 많은 홍수 자료를 수집하기에는 어려움이 있다. 이에 본 연구에서는 대상 유역에서 관측되는 강우 외에 전국 단위의 실제 호우를 예측 모형에 반영하였다. LSTM (Long Short-Term Memory) 신경망은 강우에 대한 총 월류량을 예측하기 위하여 사용되었으며, 목표값으로 SWMM (Storm Water Management Model)의 유출 모의 결과를 사용하였다. 침수 범위 예측을 위해서는 로지스틱 회귀를 사용하였으며, 로지스틱 회귀 모형의 독립 변수는 총 월류량이며 종속 변수는 격자 별 침수 발생 유무이다. 침수 범위 자료는 SWMM의 유출 결과를 바탕으로 수행된 2차원 침수해석 모의 결과를 통해 수집하였다. LSTM의 매개변수 조건에 따라 총 월류량 예측 결과를 비교하였다. 매개변수 설정에 따른 4가지의 LSTM 모형을 사용하였는데, 검증과 테스트 단계에 대한 평균 RMSE (Root Mean Square Error)는 1.4279 ㎥/s, 1.0079 ㎥/s으로 산정되었다. 최소 RMSE는 검증과 테스트에 대하여 각각 1.1656 ㎥/s, 0.8797㎥/s 으로 산정되었으며, SWMM모의 결과를 적절히 재현할 수 있음을 확인하였다. LSTM 신경망의 결과와 로지스틱 회귀를 연계하여 침수 범위 예측을 수행하였으며, 침수심 0.5m 이상을 고려하였을 때에 최대 침수면적 적합도가 97.33 %으로 나타났다. 본 연구에서 제시된 방법론은 딥 러닝에 기반하여 도시 홍수 대응능력을 향상 시키는데 도움이 될 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 한국농림기상학회지
• /
• 제24권2호
• /
• pp.63-77
• /
• 2022

농업기상재해 조기경보시스템에서 모의되는 농장 규모 풍속 예측자료의 추정오차를 개선하기 위해, 농촌진흥청 농업기상관측망의 2020년 1~12월 풍속 관측자료와 해당 지점에 대한 조기경보시스템 모의 풍속을 이용하여, 87지점 일 8시간대(00, 03, 06 … 21시) 각각 풍속 추정오차를 종속변수로, 추정풍속을 독립변수로 하는 일차 회귀식(Y=aX+b)을 도출하였다. 상관계수가 0.5를 초과하였을 때는 회귀식을 풍속 보정식으로 활용하고, 상관계수가 0.5 이하일 때는 회귀식 대신 해당 지점 및 시간대의 ME를 보정값으로 대체하였다. 풍속 모형을 전국적으로 적용할 수 있도록 87지점×8개 시간의 회귀계수 a와 b, 상관계수 R과 ME 값으로 거리역산가중법으로 공간내삽하여 250m 격자해상도의 분포도를 제작하였다. 모형의 검증을 위하여 회귀계수 a와 b, 상관계수 R과 ME 공간내삽 분포도로 부터 농산촌 지역 13개 기상관측지점의 격자값을 추출하고, 13곳의 2019년 1~12월의 조기경보시스템 모의 풍속(00, 03, 06 … 21시)를 보정한 다음, 기존 추정 풍속과 함께 추정오차를 비교하였다. 검증 지점 풍속의 평균 ME는 0.68m/s에서 보정 후 0.45m/s로 감소하였으며, 평균 RMSE는 1.30m/s에서 1.05m/s로 감소하였다. 조기경보시스템의 풍속은 전 시간대에서 모두 과대 추정되고 있는데, 보정 기법을 적용한 후에는 15시 경을 제외하고 모두 과대추정 경향이 감소하여 ME가 약 33%, RMSE는 19.2% 더 개선되었다. 농업기상재해 조기경보시스템에서 농작물의 풍해 위험 판단은 일 8회의 풍속 평균값으로부터 도출된 일 최대순간풍속을 기반으로 하는데, 풍속의 과대모의 현상을 개선하여 강풍 위험 경보의 오보를 감소시킬 것으로 기대된다.