• 한국재난정보학회 논문집
• /
• 제20권2호
• /
• pp.339-350
• /
• 2024

연구목적: 이 연구는 서울시 10개 수소충전소의 공간적 접근성 분석을 실시하고, 접근이 어려운 지역을 식별하였다. 입지의 형평성과 안전성 측면에서 신규 입지를 추가하여 접근성을 분석을 다시 수행한 후, 개선 효과 비교를 통해 시사점을 도출하는 것을 목적으로 한다. 연구방법: ArcGIS 프로그램의 네트워크 분석 기반의 입지배분(Location-Allocation) 모형과 이용권역(Service Area) 모형을 적용하여 접근이 취약한 지역을 식별하였다. 입지선정 방분석 기반의 입지배분(Location-Allocation) 모형과 이용권역(Service Area) 모형을 적용하여 접근이 취약한 지역을 식별하였다. 입지선정 방법은 부족한 수소충전소에 신속한 도착이 필요한 점을 고려하여 '최소시설 수로 최대수요를 확보하도록 함(Minimize Facilities)' 방법을 적용하였다. 특정한 시간 내의 도착을 위한 한계 거리는 서울시 2022년 평균 차량통행속도(23.1km/h, 서울시 열린데이터 광장)를 적용하여 10분 이동가능 거리인 3,850m과 5,775m(15분) 그리고 7,700m(20분)의 세 가지로 분하여 분석하였다. 신규 입지는 수소충전소 설치에 대한 갈등을 최소화하기 위하여 산업통상자원부의 특례기준1)을 적용하여 기존의 주유소, LPG/CNG 충전소 중에서 수소충전소 추가 설치가 가능한 후보지를 도출하였다. 연구결과: 분석 결과, 최종적으로 상세 현황 검토를 통해 추가 후보지 5개소가 도출되었다. 기존 10개의 수소충전소에 20분 이내 접근이 취약한 지역을 중심으로 상대적으로 안전한 기존 주유소와 LPG/CNG 충전소에 신규 수소충전소 5개소를 설치하면 접근성이 크게 개선됨을 확인할 수 있었다. 그럼에도 불구하고 여전히 접근이 어려운 지역이 있는 것으로 나타났다. 결론: 입지배분모형을 이용하여 수소충전소 접근이 어려운 지역을 식별하고, 설치의 우선순위를 부여한다면 과학적 근거 기반 수소충전소 입지 선정을 위한 의사결정을 지원할 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.47-73
• /
• 2020

KTX 차량은 수많은 기계, 전기 장치 및 부품들로 구성되어 있는 하나의 시스템으로 차량의 유지보수에는 상당히 많은 전문성과 유지보수 작업자들의 경험을 필요로 한다. 차량 고장발생 시 유지보수자의 지식과 경험에 따라 문제 해결의 시간과 작업의 질적 차이가 발생하며 그에 따른 차량의 가용율이 달라진다. 일반적으로 문제해결은 고장 매뉴얼을 기반으로 하지만 경험이 많고 능숙한 전문가의 경우는 이와 더불어 개인의 노하우를 접목하여 신속하게 진단하고 조치를 취한다. 이러한 지식은 암묵지 형태로 존재하기 때문에 후임자에게 완전히 전수되기 어려우며, 이를 위해 사례기반의 철도차량 전문가시스템을 개발하여 데이터화된 지식으로 바꾸려고 하는 연구들이 있어왔다. 하지만, 간선에 가장 많이 투입되고 있는 KTX 차량에 대한 연구나 텍스트의 특징을 추출하여 유사사례를 검색하는 시스템 개발은 아직 미비하다. 따라서, 본 연구에서는 이러한 차량 유지보수 전문가들의 노하우를 통해 수행된 고장들에 대한 진단과 조치 이력을 문제 해결의 사례로 활용하여 새롭게 발생하는 고장에 대한 조치가이드를 제공하는 지능형 조치지원시스템을 제안하고자 한다. 이를 위하여, 2015년부터 2017년동안 생성된 차량고장 데이터를 수집하여 사례베이스를 구축하였고, 차원축소 기법인 비음수 행렬 인수분해(NMF), 잠재의미분석(LSA), Doc2Vec을 통해 고장의 특징을 추출하여 벡터 간의 코사인 거리를 측정하는 방식으로 유사 사례를 검색하였으며, 위의 알고리즘에 의해 제안된 조치내역들 간 성능을 비교하였다. 분석결과, 고장 내역의 키워드가 적은 경우의 유사 사례 검색과 조치 제안은 코사인 유사도를 직접 적용하는 경우에도 좋은 성능을 낸다는 것을 알 수 있었고 차원 축소 기법들의 성능 비교를 통해 문맥적 의미를 보존하는 차원 축소 방식 중 Doc2Vec을 적용하는 것이 가장 좋은 성능을 나타낸다는 것을 알 수 있었다. 텍스트 마이닝 기술은 여러 분야에서 활용을 위한 연구들이 이루어지고 있는 추세이나, 본 연구에서 활용하고자 하는 분야처럼 전문적인 용어들이 다수이고 데이터에 대한 접근이 제한적인 환경에서 이러한 텍스트 데이터를 활용한 연구는 아직 부족한 실정이다. 본 연구는 이러한 관점에서 키워드 기반의 사례 검색을 보완하고자 텍스트 마이닝 기법을 접목하여 고장의 특징을 추출하는 방식으로 사례를 검색해 조치를 제안하는 지능형 진단시스템을 제시하였다는 데에 의의가 있다. 이를 통해 현장에서 바로 사용 가능한 진단시스템을 단계적으로 개발하는데 기초자료로써 시사점을 제공할 수 있을 것으로 기대한다.