• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.

• 한국재난정보학회 논문집
• /
• 제19권1호
• /
• pp.173-183
• /
• 2023

연구목적: 지게차에서 발생하는 산업재해를 감소시키기 위해서 재해 원인의 구체적 분석이 필요하다. 이 연구는 지게차에서 발생하는 사고유형별 재해사례를 분석하여 재해방지대책을 제시하고자 한다. 연구방법: 2021~2022년까지 지게차에서 발생한 중대 산업재해를 포함한 산업재해 분석을 위해 한국산업안전보건공단 재해 통계 자료를 활용하여 재해 분석을 하였다. 연구결과: 최근 2년간 사망 등 중대 재해자를 포함한 총재해자는 2,559명으로 2021년에 1,396명이었고, 2022년은 1,163명으로 파악하였다. 연간 재해자가 1,000명 이상 발생하는 중대한 산업재해 발생 장비의 규모별, 발생형태별 산업재해에 대해 재해 예방대책을 제시하였다. 결론: 지게차 재정지원사업 대상 근로자 수를 100인 미만으로 확대해야 할 필요가 있다. ｢산업안전보건기준에 관한 규칙｣ 제86조 제7항 탑승 제한에 관한 단서 조항을 수정할 필요가 있다. 전·후방 카메라를 의무적으로 설치할 필요가 있다. 주행연동 안전띠를 의무적으로 설치할 필요가 있다. 라인 빔을 의무적으로 설치할 필요가 있다. 지게차 특별안전보건 교육 대상을 지게차 1대 이상 보유하고 있는 사업장으로 확대해야 하며 교육시간을 매년 16시간으로 재지정해야 할 필요가 있다.

• 수완나부미
• /
• 제10권2호
• /
• pp.181-213
• /
• 2018

How to study Southeast Asia (SEA)? The need to explore and identify methodologies for studying SEA are inherent in its multifaceted subject matter. At a minimum, the region's rich cultural diversity inhibits both the articulation of decisive defining characteristics and the training of scholars who can write with confidence beyond their specialisms. Consequently, the challenges of understanding the region remain and a consensus regarding the most effective approaches to studying its history, identity and future seem quite unlikely. Furthermore, "Area Studies" more generally, has proved to be a less attractive frame of reference for burgeoning scholarly trends. This paper will propose a new tool to help address these challenges. Even though the science of artificial intelligence (AI) is in its infancy, it has already yielded new approaches to many commercial, scientific and humanistic questions. At this point, AI has been used to produce news, generate better smart phones, deliver more entertainment choices, analyze earthquakes and write fiction. The time has come to explore the possibility that AI can be put at the service of the study of SEA. The paper intends to lay out what would be required to develop SEABOT. This instrument might exist as a robot on the web which might be called upon to make the study of SEA both broader and more comprehensive. The discussion will explore the financial resources, ownership and timeline needed to make SEABOT go from an idea to a reality. SEABOT would draw upon artificial neural networks (ANNs) to mine the region's "Big Data", while synthesizing the information to form new and useful perspectives on SEA. Overcoming significant language issues, applying multidisciplinary methods and drawing upon new yields of information should produce new questions and ways to conceptualize SEA. SEABOT could lead to findings which might not otherwise be achieved. SEABOT's work might well produce outcomes which could open up solutions to immediate regional problems, provide ASEAN planners with new resources and make it possible to eventually define and capitalize on SEA's "soft power". That is, new findings should provide the basis for ASEAN diplomats and policy-makers to develop new modalities of cultural diplomacy and improved governance. Last, SEABOT might also open up avenues to tell the SEA story in new distinctive ways. SEABOT is seen as a heuristic device to explore the results which this instrument might yield. More important the discussion will also raise the possibility that an AI-driven perspective on SEA may prove to be even more problematic than it is beneficial.

• 한국항해항만학회지
• /
• 제47권6호
• /
• pp.437-447
• /
• 2023

항만 산업의 동향은 적극적인 4차 산업 기술을 도입하여 자동화 항만, 스마트 항만 등 새로운 항만의 형태로 발전하고 있다. 그러나 항만의 발전 이면에는 항만 및 컨테이너 터미널 내 사이버 보안 사고 및 위협 가능성 또한 높아지고 있다. 이에 항만 내 사이버 보안 강화와 관련된 연구가 필수적이나 국내에서 진행되는 관련 연구는 미비한 실정이다. 이에 본 연구는 국내 대표 항만인 부산항 중 가장 4차 산업 기술을 적극적으로 도입하는 컨테이너 항만을 중심 사이버 보안 강화를 위한 요인을 도출하고 향후 강화 방안을 도출하고자 하였다. 연구결과 부산항 컨테이너 터미널 사이버 보안 강화를 위한 요인은 네트워크 구축 및 정책 지원, 교육 표준화 및 인력 양성, 법·제도적 요인으로 분류되었다. 이후 도출된 요인을 바탕으로 다중회귀 분석을 실시하였으며 분석 결과를 바탕으로 향후 부산항 컨테이너 터미널의 안전성 확보 및 강화, 신뢰성 확보 및 강화, 성과 및 만족도 향상을 위한 세부 요인을 도출하였다. 본 연구는 점차 증가하는 항만 및 컨테이너 터미널 내 사이버 보안 공격에 대응하여 부산항 컨테이너 터미널의 사이버 강화를 위한 방향성을 제시했다는 점에서 의의를 지닌다.

• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.150-157
• /
• 2024

본 논문은 딥러닝 기반 객체 탐지 모델과 다항 회귀모델을 이용하여 사과나무에 열린 사과의 개수를 예측할 수 있는 새로운 알고리즘을 제안한다. 사과나무에 열린 사과의 개수를 측정하면 사과 생산량을 예측할 수 있고, 농산물 재해 보험금 산정을 위한 손실을 평가하는 데에도 활용할 수 있다. 사과 착과량 측정을 위해 사과나무의 앞면과 뒷면을 촬영하였다. 촬영된 사진에서 사과를 식별하여 라벨링한 데이터 세트를 구축하였고, 이 데이터 세트를 활용하여 1단계 객체 탐지 방식의 CNN 모델을 학습시켰다. 그런데 사과나무에서 사과가 나뭇잎, 가지 등으로 가려진 경우 영상에 포착되지 않아 영상 인식 기반의 딥러닝 모델이 해당 사과를 인식하거나 추론하는 것이 어렵다. 이 문제를 해결하기 위해, 우리는 두 단계로 이루어진 추론 과정을 제안한다. 첫 번째 단계에서는 영상 기반 딥러닝 모델을 사용하여 사과나무의 양쪽에서 촬영한 사진에서 각각의 사과 개수를 측정한다. 두 번째 단계에서는 딥러닝 모델로 측정한 사과 개수의 합을 독립변수로, 사람이 실제로 과수원을 방문하여 카운트한 사과 개수를 종속변수로 설정하여 다항 회귀 분석을 수행한다. 본 논문에서 제안하는 2단계 추론 시스템의 성능 평가 결과, 각 사과나무에서 사과 개수를 측정하는 평균 정확도가 90.98%로 나타났다. 따라서 제안된 방법은 수작업으로 사과의 개수를 측정하는 데 드는 시간과 비용을 크게 절감할 수 있다. 또한, 이 방법은 딥러닝 기반 착과량 예측의 새로운 기반 기술로 관련 분야에서 널리 활용될 수 있을 것이다.

• 한국항만경제학회지
• /
• 제40권2호
• /
• pp.205-219
• /
• 2024

2000년대 이후 심화된 글로벌 물류허브 선점 경쟁에서 인천광역시가 글로벌 물류 허브도시로 성장하기 위한 차별화된 경쟁요인을 검토할 필요성이 있다. 본 연구에서는 선행연구 및 사례연구를 통해 글로벌 물류 허브도시의 경쟁요인을 도출한 뒤, IPA분석을 통해 인천광역시의 현재 수준을 파악하고 글로벌 물류 허브도시로 성장하기 위한 개선 방향성을 제안하였다. 연구 결과, 글로벌 수준의 물류 인프라 구축과 세계 도시 간의 물류 네트워크 구축은 주요 경쟁력 요인으로 나타났다. 인천광역시는 인천국제공항과 인천항을 중심으로 수도권역을 배후지로 둔 물류 허브도시이나, 콜드체인, 전자상거래 화물 등 특수 화물을 위한 전용 인프라를 통한 신규 화물 창출과 복합운송 시스템 구축으로 글로벌 네트워크 확장은 주요 개선할 점으로 평가되었다. 또한, 스마트화, 친환경화와 관련하여 인천광역시의 준비가 미흡하여 향후 물류 서비스 지원 전문인력을 양성하고 물류 관련 정보 플랫폼의 구축, 물류산업 전반적인 탈탄소화 대응 등의 노력이 요구되었다. 본 연구는 글로벌 물류 허브도시의 경쟁력 요인과 인천광역시의 현 위치를 IPA분석을 통하여 평가하였다는데 연구의 의의가 있으며, 향후 인천광역시의 글로벌 물류 허브도시 전략 수립에 유용한 기초자료로 이용될 수 있을 것으로 기대한다.

• Korean Chemical Engineering Research
• /
• 제60권3호
• /
• pp.334-346
• /
• 2022

중·소규모 사업장에서 중대산업사고가 발생되고 있는 원인 중 하나는 공정안전관리(PSM) 체계를 이해하고 적용하는데 관련 지식 및 정보 부족이다. 이를 해결하기 위해서는 PSM에 대한 실질적이며 지속적인 이행 수준을 확보하고 추적관리를 통해 인적오류를 제거할 수 있는 프로토콜이 뒷받침되어야 하나 그동안 이에 대한 연구가 미흡하였다. 이에 본 연구에서는 고용노동부 고시의 규정과 전국 300인 미만 중·소규모 PSM 사업장 200여 개사를 대상으로 행정처분 위반 사례를 조사·분석하였다. 이를 기반으로 설비유지관리 웹프로그램을 개발하여 중·소규모 사업장의 인적오류 제거를 통한 중대산업사고예방에 기여하고자 하였다. 본 연구를 통해 얻어진 주요 연구결과는 다음과 같다. 첫째, 프로그램 접근 편의성을 위해 스마트 기기에서 QR코드를 통해 웹에 접속하여 설비의 제원 검색 기능, 고장 사유, 사진을 확인함으로써 실시간 점검, 정비요청을 할 수 있게 하였다. 둘째, 변경 대상 파악, 위험성 평가, 작업자 교육, 가동 전 점검을 프로그램과 연계하여 작업 시작 전부터 종료까지 모든 절차를 관리자가 추적관리 가능하도록 하였다. 셋째, 작업 완료 후 개선된 사진과 함께 수리, 시간, 비용 등을 등록하여 축적된 자료를 기반으로 설비의 수명 예측과 신뢰성을 검증하게 하였다. 이러한 연구결과는 중·소규모 PSM 사업장에게 실질적이고 체계적인 운영에 도움이 될 수 있으며 향후 정부 주도로 중·소규모 PSM 사업장을 대상으로 스마트팩토리 구축 시 설비유지관리 웹프로그램을 개발하여 보급하는데 유용하게 활용되리라 판단된다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.181-193
• /
• 2024

기후변화에 의해 발생하는 대기 불균형은 강우량의 증가로 이어지고, 침수 발생 빈도가 증가함에 따라 이를 탐지할 수 있는 기술의 필요성이 증가하고 있다. 침수 피해를 최소화하기 위해 지속적인 모니터링이 필요하며, 날씨의 영향을 받지 않는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상을 활용하여 침수지역을 탐지하였다. 관측된 데이터는 median 필터를 통해 노이즈를 감소시키는 전처리 과정을 진행하였으며, 객체 탐지 기법을 통해 수체와 비수체를 분류하여 각 기법의 침수탐지 활용성을 평가하고자 하였다. 본 연구에서는 Otsu 기법과 SVM 기법을 통해 수체 및 침수 탐지를 수행하였으며, Confusion Matrix를 통해 전체적인 모델의 성능을 평가하였다. Otsu 기법은 수체와 비수체의 경계를 구분하는데 적합함을 보였으나, 혼합물의 영향을 받아 오탐지의 비율이 높게 나타났다. 반면, SVM 기법을 사용한 경우, 오탐지 비율이 낮고 혼합물에 의한 영향에 민감하지 않은 것으로 관측되었다. 이에 따라 침수 상태를 제외한 다른 조건에서 SVM 기법의 정확도가 높게 나타났다. Otsu 기법이 침수 조건에서 SVM 기법보다 다소 높은 정확도를 보였지만, 정확도의 차이가 5% 미만임을 확인할 수 있었다(Otsu: 0.93, SVM: 0.90). SVM 기법이 Otsu 기법보다 침수 전, 침수 후의 조건에서 정확도 차이가 최대 15% 이상 발생하여 수체 및 침수탐지에 더 적합하게 나타났다(Otsu: 0.77, SVM: 0.92). 이러한 결과는 SVM 기법이 수체 및 침수탐지에서 효과적으로 활용될 수 있음을 시사하며, 미래의 수재해 탐지 시스템에 적용될 때 유용한 정보를 제공할 수 있을 것으로 기대된다.

• 기술혁신학회지
• /
• 제17권2호
• /
• pp.380-420
• /
• 2014

오늘날 불확실성이 증가하면서 조직구성원의 전문역량, 즉 혁신역량에 대한 중요성이 커지고 있다. 이러한 실정에도 불구하고, 조직원 개인의 혁신역량에 대해 혁신산출물을 만들기 위한 투입요소, 혁신 활동(혁신역량보유, 발휘, 증진노력 등) 그리고 혁신산출물 간의 관계에 관한 연구는 아직까지 많지 않은 편이다. 이런 원인은 기존 혁신연구단위가 국가단위, 산업단위, 기업단위에서 이루어지는 것이 일반적이기 때문이며, 상대적으로 특정기업의 투입, 산출 및 혁신활동 자체에 대한 분석이 다소 부족한 편이다. 그러므로 이 연구는 기존 혁신연구의 틀과 시각에서 벗어나, 특정조직중심의 개인별 혁신성과와 그 성과와 관련성이 높을 것으로 추정되는 혁신활동들에 대한 네 가지 가설, 즉 첫째는 역량의 차이에 따라 혁신성과는 차이가 있을 것이다. 둘째, 학습시간의 차이에 따라 역량은 차이가 있을 것이다. 셋째, 학습시간의 차이에 따라 혁신성과는 차이가 있을 것이다. 넷째, 학습시간과 혁신성과 간의 관계에는 혁신역량의 매개효과가 있을 것이다(구조모형 검정)는 문제에 대해 정량분석을 시도하여, 조직 경쟁력을 향상시키기 위한 정책적 시사점을 도출하는 것을 연구목적으로 한다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.21-44
• /
• 2018

최근 인터넷 기술의 발전과 함께 스마트 기기가 대중화됨에 따라 방대한 양의 텍스트 데이터가 쏟아져 나오고 있으며, 이러한 텍스트 데이터는 뉴스, 블로그, 소셜미디어 등 다양한 미디어 매체를 통해 생산 및 유통되고 있다. 이처럼 손쉽게 방대한 양의 정보를 획득할 수 있게 됨에 따라 보다 효율적으로 문서를 관리하기 위한 문서 분류의 필요성이 급증하였다. 문서 분류는 텍스트 문서를 둘 이상의 카테고리 혹은 클래스로 정의하여 분류하는 것을 의미하며, K-근접 이웃(K-Nearest Neighbor), 나이브 베이지안 알고리즘(Naïve Bayes Algorithm), SVM(Support Vector Machine), 의사결정나무(Decision Tree), 인공신경망(Artificial Neural Network) 등 다양한 기술들이 문서 분류에 활용되고 있다. 특히, 문서 분류는 문맥에 사용된 단어 및 문서 분류를 위해 추출된 형질에 따라 분류 모델의 성능이 달라질 뿐만 아니라, 문서 분류기 구축에 사용된 학습데이터의 질에 따라 문서 분류의 성능이 크게 좌우된다. 하지만 현실세계에서 사용되는 대부분의 데이터는 많은 노이즈(Noise)를 포함하고 있으며, 이러한 데이터의 학습을 통해 생성된 분류 모형은 노이즈의 정도에 따라 정확도 측면의 성능이 영향을 받게 된다. 이에 본 연구에서는 노이즈를 인위적으로 삽입하여 문서 분류기의 견고성을 강화하고 이를 통해 분류의 정확도를 향상시킬 수 있는 방안을 제안하고자 한다. 즉, 분류의 대상이 되는 원 문서와 전혀 다른 특징을 갖는 이질적인 데이터소스로부터 추출한 형질을 원 문서에 일종의 노이즈의 형태로 삽입하여 이질성 학습을 수행하고, 도출된 분류 규칙 중 문서 분류기의 정확도 향상에 기여하는 분류 규칙만을 추출하여 적용하는 방식의 규칙 선별 기반의 앙상블 준지도학습을 제안함으로써 문서 분류의 성능을 향상시키고자 한다.