• 제목/요약/키워드: Train driving

검색결과 326건 처리시간 0.03초

토포필리아의 학습동기 역할 사례와 교육자원 분석 (The case study of Topophilia's Role as a Motivator to Learn and an Analysis of Educational Resources)

  • 윤마병
    • 한국콘텐츠학회논문지
    • /
    • 제14권4호
    • /
    • pp.467-479
    • /
    • 2014
  • 토포필리아는 어린 시절에 경험한 아름답고 행복한 낙원으로서의 고향에 대한 애착이나 그리움의 정서적 유대감을 말한다. 고향에서 경험한 기억들은 짧지만 강렬하여 학습과 의미 부여의 과정을 통해 긍정적인 정서를 갖는 토포필리아로 작용하여 학습동기가 될 수 있다. 정주영의 성공 스토리와 드보르작에 관한 기록 연구 결과, 정주영에게 소와 고향은 토포필리아의 주된 구체물이며 장소로서 성공의 원동력이 되었다. 드보르작도 고향에 대한 그리움을 기차 소리의 공감각으로 승화시켜 음악으로 완성했다. 자연에서도 일출과 일몰, 계절의 변화, 심장박동 등과 같이 다양한 리듬의 존재를 찾을 수 있는데 이러한 리듬 위에 멜로디가 들어가면 예술이 되고, 조화와 원리를 찾다보면 과학이 된다. 토포필리아를 함양할 수 있는 교육자원으로서 전북지역의 자연과 장소, 음식, 예술 분야를 분석했다. 전주 한옥마을 에서 장소의 리추얼을 체험하게 하고, 고추장의 가치를 찾으며 고향의 구체물로서 마이산과 화가 최북을 제안한다.

궤도보수 특수철도차량 탬퍼 모의훈련연습기의 개념설계 (A Conceptual Design on Training Simulator of the Special Railway Vehicle for Multiple Tie Tamper)

  • 안승호;강정형;김철수
    • 한국산학기술학회논문지
    • /
    • 제19권10호
    • /
    • pp.430-436
    • /
    • 2018
  • 궤도보수용 특수철도차량은 열차 운행동안 철도차량의 진동저감 및 승차감 향상을 위하여 다양한 궤도틀림을 조정하는 탬핑장치를 장착한다. 궤도틀림의 선형화 작업에 대한 인적 오류를 감소하기 위하여 실제 탬핑작업의 착오를 바로 확인할 수 있는 모의 훈련연습기의 개발이 중요하다. 기존 2차원 시뮬레이터의 현실성 및 훈련효과를 높이기 위하여 본 연구에서는 가상현실 공간상에서 본 특수철도차량의 탬핑작업에 대하여 3차원 시뮬레이터 모델링을 구현하였다. 탬핑작업동안 고화질화면 작동 시 발생되는 버퍼링 문제는 고화질 다각형 모델링에서 추출한 로우 다각형의 Unwrap UVW 매핑기법을 사용하여 해결하였다. 탬핑작업의 훈련시 발생하는 인적오류는 침목과 탬핑유니트의 탬핑타인 충돌 유무를 원과 사각형 충돌원리로 감지된다. 또한 충돌과 동시에 작업운전실 의자의 진동이 발생되며, 모의연습기 화면에 침목 타격수량이 현시되므로 훈련생의 숙달정도까지 인지하도록 제작되었다. 그리고 침목위에 튀어 오른 자갈은 차량주행 안전성 심각한 영향을 미치므로 탬핑유니트에 자갈 튀는 효과를 적용하였다.

목표물의 고속 탐지 및 인식을 위한 효율적인 신경망 구조 (Effcient Neural Network Architecture for Fat Target Detection and Recognition)

  • 원용관;백용창;이정수
    • 한국정보처리학회논문지
    • /
    • 제4권10호
    • /
    • pp.2461-2469
    • /
    • 1997
  • 목표물 탐지 및 인식은 신경망의 적용이 활발한 하나의 분야로서, 일반적인 형태인식 문제들의 요구 사항에 추가적으로 translation invariance와 실시간 처리를 요구한다. 본 논문에서는 이러한 요구 사항을 만족하는 새로운 신경망의 구조를 소개하고, 이의 효과적인 학습 방법을 설명한다. 제안된 신경망은 특징 추출 단계와 형태 인식 단계가 연속(Cascade)된 가중치 공유 신경망(Shared-weight Neural Network)을 기본으로하여 이를 확장한 형태이다. 이 신경망의 특징 추출 단계는 입력에 가중치 창(weight kernel)으로 코릴레이션 형태의 연산을 수행하며, 신경망 전체를 하나의 2차원 비선형 코릴레이션 필터로 볼 수 있다. 따라서, 신경망의 최종 출력은 목표물 위치에 첨예(peak)값을 갖는 코릴레이션 평면이다. 이 신경망이 갖는 구조는 병렬 또는 분산 처리 컴퓨터로의 구현에 매우 적합하며, 이러한 사실은 실시간 처리가 중요한 요인이 되는 문제에 적용할 수 있음을 의미한다. 목표물과 비목표물간의 숫자상 불균형으로 인하여 초래되는 오경보(false alarm) 발생의 문제를 극복하기 위한 새로운 학습 방법도 소개한다. 성능 검증을 위하여 제안된 신경망을 주차장내에서 이동하는 특정 차량의 탐지 및 인식 문제에 적용하였다. 그 결과 오경보 발생이 없었으며, 중형급 컴퓨터를 이용하여 약 190Km로 이동하는 차량의 추적이 가능한 정도의 빠른 처리 결과를 보여 주었다.

  • PDF

기계학습을 통한 여름철 노면상태 추정 알고리즘 개발 (Estimation of Road Surface Condition during Summer Season Using Machine Learning)

  • 여지호;이주영;김강화;장기태
    • 한국ITS학회 논문지
    • /
    • 제17권6호
    • /
    • pp.121-132
    • /
    • 2018
  • 기상은 교통흐름, 운전자의 주행패턴, 교통사고 등 여러 방면에서 도로교통에 영향을 미치는 중요한 요인이다. 본 연구는 기상상황과 노면상태 사이의 관계에 초점을 맞추어 기계학습을 통해 도로의 노면상태를 추정하는 모델을 개발하였다. 노면 상태의 수집을 위해 실험 차량에 노면센서를 부착하여 '건조', '습윤', '젖음', 3가지 범주로 구분된 노면상태 정보를 수집하였고, 이를 추정하기 위한 변수로 도로의 기하구조 정보(곡률, 구배), 교통정보(교통량), 기상정보(강우량, 습도, 온도, 풍속)를 활용하였다. 노면 상태를 예측하기 위한 알고리즘으로는 다양한 기계학습 알고리즘이 검토되었으며, 그 중 가장 높은 정확도를 보인 'Random forest'를 기반으로 한 2단계 분류모형을 구축하였다. 총 16일의 실측 데이터 중 14일의 데이터를 모델을 학습하는 데 활용하였고, 2일의 데이터를 모형의 정확도를 검증하기 위해 사용하였다. 그 결과 81.74%의 검증 정확도를 가지는 노면상태 예측 모델을 구축하였다. 본 연구의 결과는 기상청에서 관측하는 기상정보로 도로의 노면상태를 추정할 수 있다는 가능성을 보여주며, 새로운 장비나 센서를 설치하지 않고도 기존의 기상 관측 정보와 교통정보 등을 활용하여 노면의 상태를 추정할 수 있음을 시사한다.

제조업 노동자 근골격계 부담요인 데이터셋 클래스 분류와 유효성 검증 (Class Classification and Validation of a Musculoskeletal Risk Factor Dataset for Manufacturing Workers)

  • 강영진;노태경;김기환;정석찬
    • 한국빅데이터학회지
    • /
    • 제8권1호
    • /
    • pp.49-59
    • /
    • 2023
  • 제조업의 안전보건 기준은 다양한 항목이 존재하지만, 질병 재해자 기준에서 업무상 질병과 근골격계 질환으로 나눌 수 있다. 이 중 근골격계 질환은 제조업에서 가장 많이 발생하며, 나아가서 제조 현장의 노동생산성감소 및 경쟁력 약화까지 유발할 수 있어서 이를 사전에 확인할 수 있는 시스템이 필요한 실정이다. 본 논문에서는 제조업 노동자의 근골격계 유해 요인을 검출하기 위하여 근골격계 부담작업 요인 분석 데이터 속성, 유해 요인 작업자세, 관절 키포인트를 정의하고 인공지능 학습용 데이터를 구축하였다. 구축한 데이터의 유효성을 판단하기 위해서 YOLO, Dite-HRNet, EfficientNet 등의 AI 알고리즘을 활용하여 학습하고 검증하였다. 실험 결과 사람 탐지 정확도는 99%, 탐지된 사람의 관절 위치 추론 정확도는 @AP0.5 88%, 추론된 관절 위치를 종합하여 자세를 평가한 정확도는 LEGS 72.2%, NECT 85.7%, TRUNK 81.9%, UPPERARM 79.8%, LOWERARM 92.7%를 도출하였으며, 추가로 딥러닝 기반의 근골격계 질병을 예방할 수 있는 연구에 필요한 요소를 고찰하였다.

미국(美國)의 대외안보전략(對外安保戰略)에 대응한 이슬람Terrorism의 전술적(戰術的) 진화(進化) (Islamist Strategic Changes against U.S. International Security Initiative)

  • 최기남
    • 시큐리티연구
    • /
    • 제14호
    • /
    • pp.517-534
    • /
    • 2007
  • Terrorism은 인류사회가 형성되고 생존과 번영을 위한 경쟁과 투쟁을 시작하면서 그 수단으로, 문명의 발전과 권력구조를 반영하면서 같이 진화하며 존재해 왔다. 냉전체제 붕괴 후, 21세기 새로운 세계질서의 확립 과정에서 9.11Terror를 계기로 미국을 중심으로 한 서방세력과 이슬람권의 대립이 시현되면서 인류는 테러위협의 공포 속에서 삶의 질을 위협 받고 있다. 미국은 9.11Terror에 대한 응징과 Terror 근절이라는 명분으로 자신의 가치관에 따른 "대(大)중동 민주화 구상"의 로드 맵을 2차에 걸친 전쟁을 통해 강요하면서 군사력에 의한 일방주의적 대외안보전략을 고수하고 있다. 그러나 완벽한 군사적 승리와 전후 5년 동안 4000명에 가까운 희생과 한국전과 베트남전을 능가하는 전비를 감수하고도 Terrorism의 위협으로부터 자유롭지 못한 상황이다. Terrorism은 본질적으로 힘의 지배에 대한 저항이며, 정면 대결이 불가능한 약자의 비대칭적 대결방식이고, 정상적인 방법으로의 변화가 불가능한 통념이나 질서에 대한 약자의 거부 의사의 표시 방법 중 하나이다. 따라서 최근 이슬람테러리즘은 미국이라는 절대적인 무력에 대해 전술적으로 빠르게 진화하면서, 고도화된 문명과 집약된 환경을 효과적으로 활용하며, Internet을 통해 훈련되고 종교적으로 의식화되고, 알카에디즘에 의해 점조직으로 지원과 지령을 하고 있으며, 이런 경향이 이슬람2-3세들을 중심으로 자생적으로 생성되어 전 서방제국으로 확산되고 있다. 이는 힘의 논리에 따른 미국의 일방주의적 대외 안보전략의 실패 결과이며, 이에 대응한 이슬람Terrorism의 전술적 진화이다. 이런 위협이 서방세계 각국의 대중에 대한 공포로 확산되고, 해결 방법을 어렵게하고 있다. 이는 해결방법의 변화를 요구하고 있다. 또한 이의 확산은 인종간의 분화와 인구 대이동으로 발전될 가능성까지 제기되고 있다.

  • PDF