• 지질공학
• /
• 제33권2호
• /
• pp.275-291
• /
• 2023

지구온난화로 인해 극지방에 대한 접근성이 높아짐에 따라 석유자원이 풍부한 영구동토 지역에서 자원개발 플랜트 건설의 수요가 증가하고 있다. 동토 지역에서의 자원개발 플랜트 건설 입지는 동토 활성층의 융해와 동결에 기인하는 지표변위가 필수적으로 고려되어야 한다. 그러나 동토의 변위를 고려하여 자원개발 플랜트 건설의 입지를 선정한 연구 사례는 거의 없다. 이 연구에서는 캐나다 앨버타 주의 Athabasca 남부 지역에서 최적의 오일샌드 개발 플랜트 건설 입지를 선정하기 위해 지표변위를 비롯한 다양한 공간정보를 활용하여 계층화 분석(Analytical Hierarchy Process)을 수행하였고, 동토 지역에서의 자원개발 플랜트 건설 활동에 있어 지표변위의 중요성을 논의하였다. 2007년 2월부터 2011년 3월까지 획득된 시계열 ALOS PALSAR 영상에 Small BAseline Subset-Interferometric Synthetic Aperture Radar 기법을 적용하여 지표변위 속도 정보를 구축하였고, ERA5 재분석 자료로부터 2000~2010년 기간에 대한 평균 기온, 지표온도, 지중온도 정보를 구축하였다. 도로 및 철도와 토지피복 공간정보는 각각 캐나다 연방 통계청과 북미환경협력위원회에서 제공하는 자료를 구축하여 활용하였다. 토지피복, 지표변위, 도로 접근성을 가장 중요한 공간정보로 설정하여 수행한 최적 입지 분석 결과는 2010년 이후 건설된 오일샌드 플랜트 건설지와 비교하여 그 타당성이 확인되었고, 입지 적합도 평가에 대한 지표변위의 민감도는 매우 높은 것으로 분석되었다. 이 연구를 통하여 동토 지역에서 최적의 자원개발 플랜트 건설지를 선정하는데 지표변위가 필수적으로 고려되어야 함이 확인되었다.

• 한국방재안전학회논문집
• /
• 제17권1호
• /
• pp.9-16
• /
• 2024

우리나라는 재난이 대형화 ‧ 복잡화가 되면서 기존 대응과 복구 중심에서 예방과 대비로 중심으로 바뀌는 추세이다. 재난을 예방과 대비를 하기 위해 각 지자체에서는 재난관리자원을 비축하는 방식으로 관리하고 있다. 그러나 재난관리자원을 개별 창고에 보관하고 있으나 창고별이 아닌 부서별로 관리하여 담당자들의 과중한 업무로 인하여 재난관리자원을 관리하는데 미흡한 상황이다. 이러한 재난관리자원을 중점적으로 관리하기 위하여 광역시 ‧ 도 단위로 재난관리자원 통합관리센터를 구축하여 관리하고 있다. 본 연구대상지인 강원특별자치도의 경우 창고를 임대하여 재난관리자원 통합관리센터로 운영하고 있다. 통합관리센터를 임대하는 경우 1~2년 주기로 장소를 옮겨야 하는 불편함이 있어 사용 가능한 부지에 전용 시설을 구축할 필요가 있다고 판단된다. 입지후보지를 선정하기 위하여 도로나 철도 등 네트워크들의 서로 연결된 경로를 따라 시설의 접근 및 이용권을 측정하는 네트워크 분석을 사용하였다. 네트워크 분석 중 과거에 다수의 시설의 입지를 결정하는데 많이 적용한 Location-Allocation 방법을 적용하였다. 그 결과 입지후보지로 강원도 횡성군이 적합한 것으로 나타났다. 또한 통합관리센터에서 재난관리자원을 비축하기 위하여 우리나라 물류시스템을 이용하면 3일이면 지자체에서 재난관리자원을 동원할 수 있으며, 재난이 발생하고 원래의 생활로 되돌아가는데 3일의 시간이 소요된다고 한다. 각 시 ‧ 군의 재난관리자원 비축량을 1주일 기준으로 3일의 비축량을 비축창고에 재난관리자원을 비축하며 통합관리센터에서는 시 ‧ 군의 4일의 비축량 중 최대값의 3배로 비축하는 방법으로 제시하였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.