• 토지주택연구
• /
• 제5권4호
• /
• pp.235-246
• /
• 2014

본 연구는 수도권의 1기 신도시가 건설된 이후 지난 20여 년간 신도시 내의 주거 및 인구특성의 변화를 분석하였다. 이를 위해 1995년부터 2010년까지 통계청의 인구주택총조사 자료를 이용하였다. 첫째, 신도시 건설당시의 계획목표와 현재를 비교분석한 결과, 인구목표는 평촌을 제외하고 2.1~28.6% 정도 초과하고 있는데 비해 세대수는 14.3~73.8% 증가하여 인구대비 세대수 증가가 더 많았다. 주택유형별로는 단독주택의 경우 면적대비 87.9%, 세대수 대비 130.3%로서 세대수 증가율이 더 컸으며, 이는 다가구 다세대주택에 의한 것으로 보인다. 또한 공동주택은 계획면적 대비 95.6%, 세대수 대비 113.4%로서 대체로 목표에 근접하였다. 2010년 신도시 총인구는 1,248천명으로 이는 1990년부터 2010년까지 서울시 인구 감소량 818천명의 152.6%, 경기도 인구 증가량 5,224천명의 23.9%에 해당하는 규모로서, 이는 간접적이나마 1기 신도시 건설이 서울 인구의 수도권 분산에 영향을 미친 것으로 보인다. 둘째, 5년 단위로 신도시의 인구 및 가구특성의 변화를 살펴본 결과, 인구는 도시가 완성된 이후 2005년을 정점으로 다소 감소 경향을 보였으며, 장년층 및 노령인구가 증가하였고, 여성인구가 다소 많은 대졸이상의 고학력 도시이며, 가구원수가 지속적으로 감소하였는데 특히, 1세대 가구의 증가와 1인 가구의 증가가 두드러졌다. 또한 총주택의 83~99%를 아파트가 차지하고 있으며, 대부분 건축년수가 20년이 경과되었다. 거주지역 외에 주택을 소유한 가구가 증가하였는데 이는 전국 및 수도권에 비해서 높은 수준이다. 전세가구 비율은 분당 및 평촌을 제외하고는 다소 감소하였고, 월세가구 비율은 신도시 모두 큰 폭으로 증가하여 '전세감소-월세증가'라는 임차주택시장의 변화를 반영하고 있었다.

• 한국측량학회지
• /
• 제36권2호
• /
• pp.51-58
• /
• 2018

최근, 다양한 위성센서가 개발되면서 다시기 위성영상의 취득이 용이해지고 있다. 이에 따라, 재난/재해, 국토모니터링 등과 같은 활용분야에 다시기 위성영상을 적용하기 위한 변화탐지 기법에 대한 연구들이 수행되고 있다. 특히, 빠른 시간 내에 변화지역의 추출이 가능한 무감독 변화탐지 기법의 개발과 관련된 연구들이 수행되고 있지만, 계절적 변화 등과 같은 방사적 차이로 인해 오탐지가 발생하는 단점이 있다. 따라서, 본 연구에서는 무감독 변화탐지 기법 중의 하나인 $S^2CVA$ 기법을 적용하여 생성한 변화방향 벡터를 이용하여 계절적 영향으로 인한 오탐지를 감소시키고자 하였다. 이를 위하여, 동일한 계절을 가지는 RapidEye 위성영상과 다른 계절에 촬영된 RapidEye 위성 영상에 $S^2CVA$ 기법을 적용하였으며, $S^2CVA$의 변화방향벡터가 계절적 영향에 따른 오탐지를 제거할 수 있는지를 분석하였다. 정량적 평가를 위해 변화탐지 결과의 ROC 곡선과 AUC 분석을 통해 기존의 방법에 비해 변화탐지 성능이 향상된 것을 확인하였다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2012년도 제42회 동계 정기 학술대회 초록집
• /
• pp.239-240
• /
• 2012

With advancements in semiconductor device technologies, manufacturing processes are getting more complex and it became more difficult to maintain tighter process control. As the number of processing step increased for fabricating complex chip structure, potential fault inducing factors are prevail and their allowable margins are continuously reduced. Therefore, one of the key to success in semiconductor manufacturing is highly accurate and fast fault detection and classification at each stage to reduce any undesired variation and identify the cause of the fault. Sensors in the equipment are used to monitor the state of the process. The idea is that whenever there is a fault in the process, it appears as some variation in the output from any of the sensors monitoring the process. These sensors may refer to information about pressure, RF power or gas flow and etc. in the equipment. By relating the data from these sensors to the process condition, any abnormality in the process can be identified, but it still holds some degree of certainty. Our hypothesis in this research is to capture the features of equipment condition data from healthy process library. We can use the health data as a reference for upcoming processes and this is made possible by mathematically modeling of the acquired data. In this work we demonstrate the use of recurrent neural network (RNN) has been used. RNN is a dynamic neural network that makes the output as a function of previous inputs. In our case we have etch equipment tool set data, consisting of 22 parameters and 9 runs. This data was first synchronized using the Dynamic Time Warping (DTW) algorithm. The synchronized data from the sensors in the form of time series is then provided to RNN which trains and restructures itself according to the input and then predicts a value, one step ahead in time, which depends on the past values of data. Eight runs of process data were used to train the network, while in order to check the performance of the network, one run was used as a test input. Next, a mean squared error based probability generating function was used to assign probability of fault in each parameter by comparing the predicted and actual values of the data. In the future we will make use of the Bayesian Networks to classify the detected faults. Bayesian Networks use directed acyclic graphs that relate different parameters through their conditional dependencies in order to find inference among them. The relationships between parameters from the data will be used to generate the structure of Bayesian Network and then posterior probability of different faults will be calculated using inference algorithms.

• 한국농공학회논문집
• /
• 제62권5호
• /
• pp.93-103
• /
• 2020

In this study, we estimated soil moisture values using the Deep Neural Network(DNN) scheme at the mountainous regions. In order to test the sensitive analysis of DNN scheme, we collected the measured(at the soil depths of 10 cm and 30 cm) soil moisture and DNN input(weather and land surface) data at the Pyeongchang-gun(relatively flat) and Geochang-gun(steep slope) sites. Our findings indicated that the soil moisture estimates were sensitive to the weather variables(5 days-averaged rainfall, 5 days precedent rainfall, accumlated rainfall) and DEM. These findings showed that the DEM and weather variables play the key role in the processes of soil water flow at the mountainous regions. We estimated the soil moisture values at the soil depths of 10 cm and 30 cm using DNN at two study sites under different climate-landsurface conditions. The estimated soil moisture(R: 0.890 and RMSE: 0.041) values at the soil depth of 10 cm were comparable with the measured data in Pyeongchang-gun site while the soil moisture estimates(R: 0.843 and RMSE: 0.048) at the soil depth of 30 cm were relatively biased. The DNN-based soil moisture values(R: 0.997/0.995 and RMSE: 0.014/0.006) at the soil depth of 10 cm/30 cm matched well with the measured data in Geochang-gun site. Although uncertainties exist in the results, our findings indicated that the DNN-based soil moisture estimation scheme demonstrated the good performance in estimating soil moisture values using weather and land surface information at the monitoring sites. Our proposed scheme can be useful for efficient land surface management in various areas such as agriculture, forest hydrology, etc.

• 한국재난정보학회 논문집
• /
• 제8권3호
• /
• pp.310-318
• /
• 2012

본 연구의 목적은 국내 안전보건경영시스템의 올바른 정착과 지속적인 개선을 통한 산업재해를 줄이기 위한 시스템 성숙도평가를 제안하는데 있다. KOSHA 18001시스템 실행의 현재 수준파악과 성숙도 측정의 검증을 통한 결과로서 다음 내용으로 요약된다. 시스템의 지속적인 성숙도 등급 향상을 위해서는 경영층 인식부문(의사결정) 46.0%, 본사지원활동 32.0%, 현장실행참여 22.0%로 중요도 로 검증되었다. 본사/현장의 활동은 위험성평가, 안전보건 재해예방활동, 성과평가 및 모니터링, 자원관리 및 지원, 경영검토 및 개선 등 활동의 중요도 순으로 실행 우선순위가 결정되었다. 또한, 전문가 그룹은 시스템의 강점, 약점, 개선주제를 제시함으로써 지속적인 개선활동과 연계시켜야 시스템을 정착할 수 있다고 제시하였다. 셋째, 안전보건경영시스템 실행의 성숙도 등급을 관리할 수 있는 도구를 제시하였다.

• 분석과학
• /
• 제29권5호
• /
• pp.234-241
• /
• 2016

비글견 혈장 중 arsenite (As(III)), arsenate (As(V)), dimethylarsinic acid (DMA)와 monomethylarsonic acid (MMA)를 정량하기 위한 분석법의 유효성을 검증하기 위하여 본 연구를 수행하였다. 비소를 종 분리하기 위하여 액체크로마토그래피 (HPLC) 와 결합된 유도결합 플라즈마 질량분석기 (ICP/MS) 를 사용하였으며, 비소를 정량하는 검출기에서 스펙트럼 간섭을 최소화하기 위하여 산소(O₂)를 반응기체로 하는 DRC (dynamic reaction cell)모드를 이용하였다. 분석법의 유효성을 검증하는 항목으로 선택성, 직선성, 정확성, 정밀성, 생체시료효과, 회수율, 시스템 적합성, 희석의 타당성과 안정성 실험을 실시하였다. 선택성의 결과 정량에 방해되는 피크는 없는 것으로 확인 되었으며, 정량범위에서 평균 상관계수가 0.999 이상의 좋은 직선성을 보였다. 최저정량한계는 As(III), As(V)와 DMA는 5 ng/mL이였고, MMA는 20 ng/mL이였다. 생체시료의 영향, 시스템 적합성 과 회수율 항목을 통해 정량성에 대한 영향이 없음을 확인하여 비글견 혈장 중 비소 종을 분리하여 정량하는 분석법의 유효성을 검증하였다. 따라서 본 연구에서 제시한 분석법은 건강에 유해한 비소의 농도를 정량 및 평가하는데 적용될 것이다.

• 한국식품위생안전성학회지
• /
• 제35권1호
• /
• pp.13-22
• /
• 2020

잡곡의 Fusarium 곰팡이독소의 오염 조사를 위해, 총 244개 잡곡시료(귀리, 수수, 율무, 기장)를 수확기 포장에서 2017년과 2018년에 수집하였다. 데옥시니발레놀(DON), 니발레놀(NIV), 제랄레논(ZEA)은 면역친화컬럼법과 UPLC를 이용하여 분석하였으며, 푸모니신(FUM)은 QuEChERS 방법과 LC-MS를 이용하여 분석하였다. 잡곡 시료 중 귀리의 NIV 오염수준은 120.0-3277.0 mg/kg로 다른 잡곡에 비해 가장 높았다. 율무에서는 DON이 최대 730.0 ㎍/kg 검출되었다. 기장의 NIV과 ZEA의 오염빈도는 각각 61.5%와 57.9%로 높았으나 평균 오염량은 각각 75.6 ㎍/kg과 21.5 ㎍/kg로 안전한 수준이었다. 잡곡 시료 중 수수는 DON, ZEA, FUM의 오염빈도가 가장 높았으며, 2 종 이상의 Fusarium 독소 중복 오염률이 70.0%로 잡곡 평균 29.9%에 비해 높았다. 잡곡 재배포장에서 Fusarium 독소오염을 안전하게 관리하기 위하여 독소 발생 모니터링과 함께 오염예방기술 개발 연구가 수행되어야 할 필요가 있다.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.23-33
• /
• 2020

최근 UAV (Unmanned Aerial Vehicle)를 이용하여 고해상도 영상을 편리하게 취득할 수 있게 되면서 저비용으로 소규모 지역의 관측 및 공간정보 제작이 가능하게 되었다. 특히, 농업환경 모니터링을 위하여 작물생산 지역의 피복지도 생성에 대한 연구가 활발히 진행되고 있으며, 랜덤 포레스트와 SVM (Support Vector Machine) 및 CNN(Convolutional Neural Network) 을 적용하여 분류 성능을 비교한 결과 영상분류에서 딥러닝 적용에 대하여 활용도가 높은 것으로 나타났다. 특히, 위성영상을 이용한 피복분류는 위성영상 데이터 셋과 선행 파라메터를 사용하여 피복분류의 정확도와 시간에 대한 장점을 가지고 있다. 하지만, 무인항공기 영상은 위성영상과 공간해상도와 같은 특성이 달라 이를 적용하기에는 어려움이 있다. 이러한 문제점을 해결하기 위하여 위성영상 데이터 셋이 아닌 UAV를 이용한 데이터 셋과 국내의 소규모 복합 피복이 존재하는 농경지 분석에 활용이 가능한 딥러닝 알고리즘 적용 연구를 수행하였다. 본 연구에서는 최신 딥러닝의 의미론적 영상분류인 DeepLab V3+, FC-DenseNet (Fully Convolutional DenseNets), FRRN-B (Full-Resolution Residual Networks) 를 UAV 데이터 셋에 적용하여 영상분류를 수행하였다. 분류 결과 DeepLab V3+와 FC-DenseNet의 적용 결과가 기존 감독분류보다 높은 전체 정확도 97%, Kappa 계수 0.92로 소규모 지역의 UAV 영상을 활용한 피복분류의 적용가능성을 보여주었다.

• 해양환경안전학회지
• /
• 제14권2호
• /
• pp.163-168
• /
• 2008

인공위성 원격탐사를 이용한 선박탐지는 주요 적용 분야 중 하나로, 광역의 환경 감시와 해상보안에 적용되고 있다. 이를 통하여 어장을 포함한 해상교통을 모니터링할 수 있으며, 기름유출 선박을 찾기도 한다. 본 연구에서는, RADARSAT의 합성개구레이더(SAR) 영상을 기반으로 개발한 자동선박탐지기법을 제시하고, 2004년 8월 6일에 얻어진 영상에 적용을 하여 현장 자료와의 비교를 실시하였다. 선박탐지알고리듬은 보정, 랜드마스킹, 필터링, 위치 등록 그리고 식별의 5단계로 구성된다. 울산항을 중심으로 이루어진 위성 촬영시점의 풍속은 최대 0.4m/s이었다. 전장이 68m 이상인 묘박지의 선박을 중심으로 한 선박 탐지 결과는 울산 항만교통정보시스템의 레이더정보와 잘 일치하였다. 바지선과 같은 소형선박의 경우, SAR에 의한 선박 탐지 능력이 육상에 설치된 레이더보다 더 높은 경우도 있었다. 또한, SAR 레이더 산란 단면적(RCS)을 이용하여 선박의 길이와 폭을 계산하였으나, 레이오버와 그림자 효과 때문에 실제 값보다 비교적 높게 추정되었다.

• 한국식품저장유통학회지
• /
• 제21권1호
• /
• pp.69-74
• /
• 2014

학교 급식 식재료로 사용되는 농산물 중 잔류농약의 안전성을 평가하고자 서울시내 초, 중, 고등학교 110곳에서 316건의 시료를 수거하여 잔류농약을 분석하였다. 185종의 농약에 대해 GC-ECD, GC-NPD, GC-MSD 및 HPLC-UVD를 이용한 다종농약 다성분 분석법으로 잔류농약을 분석하였고, 분석결과 26건의 시료에서 농약이 검출되었고, 취나물과 들깻잎에서 각각 57.1, 55.6%의 높은 검출율을 나타내었다. 농약 성분별 검출빈도는 프로시미돈, 엔도설판, 아족시스트로빈의 순으로 높게 나타났으며, 2종 이상의 농약이 동시에 검출된 것은 3건이었다. 그리고 검출된 시료 중 잔류허용기준을 초과한 시료는 6건이었으며 시금치, 취나물, 양배추에서 엔도설판, 깻잎에서는 디니코나졸과 카보후란, 고추에서는 에토프로포스가 잔류허용기준치를 초과하여 검출되었다. 위해성 평가결과 들깻잎에서 검출된 카보후란의 hazard index가 3.8%로 가장 높았으며, 다른 농산물들은 모두 2% 미만을 나타내어 위해도가 매우 낮은 것으로 조사되었다. 따라서 서울지역 학교급식 식재료로 사용되는 농산물은 비교적 안전한 수준으로 농약관리가 이루어지는 것으로 판단되며, 지속적으로 농약의 안전한 사용을 위한 홍보와 교육이 이루어져야 할 것으로 여겨진다.