• 한국습지학회지
• /
• 제22권4호
• /
• pp.245-256
• /
• 2020

본 연구의 목적은 우리나라 환경산업 해외시장 진출 전략 수립을 위하여 선진국과의 환경산업 기술경쟁력을 평가하고자 하였다. 환경산업 기술경쟁력을 평가하기 위하여 국내·외 환경산업기술 분류체계를 바탕으로 환경산업 분야별 중점 기술을 분류하고, 기술경쟁력 평가지표를 구축하였다. 평가지표 자료 구축을 수행한 후 델파이 분석 및 논문·특허 분석, 수출·입 분석을 수행하였으며, 지표값에 대한 표준화 분석을 수행하였다. 또한, AHP(Analytic Hierarchy Process) 기법을 통해 평가지표별 가중치를 산정하여 한국, 미국, 영국, 독일, 프랑스의 환경산업기술 경쟁력 평가 결과를 도출하였다. 평가 결과, 모든 환경산업 분야에서 미국이 상대적으로 기술경쟁력이 가장 높은 것으로 평가되었으며, 한국은 선진국에 비해 상대적으로 가장 낮은 경쟁력을 가지고 있는 것으로 평가되었다. 특히, 한국은 다매체 환경관리 및 지속가능 사회시스템 구축분야가 선진국에 비해 기술경쟁력 수준이 가장 낮은 것으로 나타났다. 따라서 국내 환경산업기술이 글로벌 선진시장에 진출하기 위해서는 국내 강점인 사물인터넷, 클라우드, 빅데이터, 모바일, 인공지능 기반의 4차 환경산업 개발을 통해 경쟁력을 강화해야 할 것으로 판단된다.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.43-50
• /
• 2019

2018년 12월 세계 최초로 5G 출시 등 대한민국은 전 세계 IT시장을 주도하고 있다. 그러나 국내의 사용자들은 공인인증서의 불편함, 익스플로우와 다른 여러 브라우저와의 비호환성 문제 등 사용자 환경과 시스템 환경의 기술 요소 문제는 투자비용의 이중화, 정보서비스의 품질저하 등 정보서비스에 대한 비판도 날로 혹독해지고 있다. 그럼에도 불구하고 국내 IT 산업은 꾸준히 발전하고 있으며 전 세계 IT 시장의 화두로 자리 잡은 블록체인이 신뢰받는 차세대 융합 정보 핵심 기술로그 활용에 대한 관심이 주목되고 있다. 블록체인은 '강한 보안성', 동일한 원장의 원본을 공유하는 '분산화', IoT, 로봇, AI 등을 연결하는 '초연결성'이라는 특징으로 인해 '신뢰가 강력히 요구되는' 공공기관에서는 블록체인을 활용한 기술 도입에 매우 긍정적이다. 대학의 정보서비스 설계도 예외는 아니다. 대학에서도 대학 내 다양한 정보서비스를 구현하는 기초 발판을 블록체인을 이용한 정보서비스 개발에 기여하고자 많은 고심과 그 활용에 적극 대처하고 있다. 본 논문에서는 다양한 산업군에서 활용되는 블록체인 적용 사례 경험을 토대로 대학 내 다양한 정보시스템을 통합 구성하는 통합정보서비스 교육 플랫폼 실증 모델을 설계한다. 대학 정보서비스를 기획에서 실제 서비스 설계까지 기초로드맵을 블록체인 기반으로 구성하고 이를 실제 대학 내 통합 정보시스템 실증 모델 설계에 적용하여 블록체인을 활용한 대학 내 통합정보서비스 모델을 제시한다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1643-1652
• /
• 2022

해양생태계 및 수산자원, 해상안전에 부정적인 영향을 미치는 해양침적쓰레기는 주로 음파탐지기, 인양틀 및 잠수부를 통해 탐지되고 있다. 시간과 비용을 고려하여 최근에는 수중영상과 인공지능을 결합한 방법이 시도되고 시작했다. 본 연구에서는 효율적이고 정확한 해양침적쓰레기 탐지를 위하여, 수중영상과 딥러닝 객체탐지 모델인 You Only Look Once Version 5 (YOLOv5)와 You Only Look Once Version 7 (YOLOv7)을 학습 및 비교평가를 수행하였다. 유리, 금속, 어망, 타이어, 나무, 플라스틱 등의 객체탐지에 있어, 두 모델 모두 0.85 이상의 Mean Average Precision (mAP@0.5)를 기록하였다. 향후 영상자료 용량이 충분해지면, 보다 객관적인 성능평가 및 모델 개선이 가능할 것으로 사료된다.

• 지식경영연구
• /
• 제23권2호
• /
• pp.193-210
• /
• 2022

급속한 모바일 기술의 발전과 네트워크 속도 향상은 다양한 서비스 형태로 생활의 편의를 제공하고 있으며 모바일 쇼핑몰에서도 예외는 아니다. 빅데이터를 활용한 맞춤 추천, AI 기반의 특화된 개인화 서비스 등을 활용하여 기업들은 판매촉진에 큰 노력을 하고 있으나, 대다수의 모바일 쇼핑몰에서는 상품에 대한 정보를 담고 있는 상세페이지의 정보 구성은 동일한 레이아웃 형태로 제공되고 있다. 이러한 맥락에서 본 연구는 모바일 상품 상세페이지의 콘텐츠 배열 및 레이아웃이 소비자 성향에 맞게 제공되어야 한다고 판단하여, Higgins의 조절초점이론(Regulatory Focus Theory)을 바탕으로 소비자의 성향을 분류하여 두 가지 레이아웃 배열의 상품 상세페이지를 구성하여 제시하였다. 콘텐츠 레이아웃 배열이 F-shaped 패턴으로 제시되었을 때 정돈감(Organizedness)으로 정보가 인지되고, Z-shaped 패턴으로 제시되었을 때 생생함(Vividness)으로 정보가 인지되어 소비자의 성향에 따라 제품 태도와 구매 의도에 영향을 받는지에 대하여 알아보고자 하였다. 결과적으로 예방초점 성향의 소비자들은 콘텐츠 레이아웃 구성이 통일감 있고 정돈감(Organizedness) 있는 형태의 레이아웃 배열에서, 향상초점 성향의 소비자들은 생생함(Vividness)이 느껴지는 자유로운 레이아웃 배열로 제시되었을 때 제품 태도 및 구매 의도에 긍정적인 영향을 받는 것을 확인하였다.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.15-27
• /
• 2022

최근 5년간 차량 단독사고 교통사고 치사율이 전체 사고보다 4.7배 높은 것으로 집계되고 있으며, 차량 단독사고를 즉각적으로 감지하고 대응할 수 있는 시스템 구축이 필요하다. 본 연구는 가드레일에 충격과 차량 진입 감지 IoT(Internet of Thing) 센서를 부착하여 가드레일 충격 발생 시 사고 현장의 영상을 인공지능 기술을 통해 분석하고 구조기관에 전송하여 빠른 구조작업을 수행하여 피해를 최소화 시킬 수 있는 방법론을 제시한다. 해당 구간 내 차량 진입과 가드레일 충격 감지를 위한 IoT 센서 모듈과 차량 이미지 데이터 학습을 통한 인공지능 기반 객체 탐지 모듈을 구현하였다. 그리고, 센서 정보와 영상 데이터 등을 통합적으로 관리하는 모니터링 및 운영 모듈도 구현하였다. 시스템 유효성 검증을 위하여 충격 감지 전송속도와 자동차 및 사람 객체 탐지 정확도, 센서 장애감지 정확도를 측정한 결과, 모두 목표치를 충족하였다. 향후에는 실제 도로에 적용하여 실데이터를 적용한 유효성을 검증하고 상용화할 계획이다. 본 시스템은 도로 안전 향상에 이바지할 것이다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.166-178
• /
• 2023

본 연구는 이용자들의 인식과 경험이 내재된 소셜미디어 사진에서 경관 이미지를 분석하기 위한 방법으로 CNN 딥러닝 방법을 소개하고 평가하는 데 그 목적이 있다. 본 연구에서는 힐링장소를 연구의 대상으로 설정하여 경관 이미지를 분석하였다. 연구를 위해 텍스트마이닝과 선행연구 고찰을 통해 힐링과 관련되는 7가지의 경관 형용사를 선정하였다. 이후 CNN 딥러닝 학습 사진 구축을 위해 50명의 평가자를 모집하였으며, 평가자들에게 포털사이트에서 '힐링', '힐링풍경', '힐링장소'로 검색되는 사진 중 7가지 형용사마다 가장 적합한 사진을 3장씩 수집하도록 하였다. 수집된 사진을 정제 및 데이터 증강 과정을 거쳐 CNN 모델을 제작하였다. 이후 힐링장소 경관 분석을 위해 포털사이트에서 '힐링'과 '힐링풍경'으로 검색되는 15,097장의 사진을 수집하여 이를 분류하였다. 연구결과 '기타'와 '실내'를 제외한 범주에서 '조용한'이 2,093장(22%)으로 가장 높게 나타났으며, '개방적인', '즐거운', '안락한', '깨끗한', '자연적인', '아름다운' 순으로 나타났다. CNN 딥러닝은 경관 이미지 분석에서도 결과를 도출 가능한 분석 방법임을 연구를 통해 알 수 있었다. 또한, 기존 경관 분석 방법을 보완할 수 있는 하나의 방법임을 시사하였고, 경관 이미지 학습 데이터 셋 구축을 통한 향후 심층적이고 다양한 경관 분석을 제안한다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.565-574
• /
• 2024

챗GPT는 우리 사회의 모든 분야에 커다란 반향을 일으키고 있으며, 이는 교육 분야에서도 마찬가지이다. 하지만 학교 현장에서의 챗GPT에 관한 학계 및 사회적 논의는 주로 표절과 같은 부정행위에 초점이 맞춰져있으며, 학생들의 인공지능 기술 활용으로 인한 긍정적인 효과에 대해서는 상대적으로 연구가 부족한 실정이다. 그와 더불어, 코로나 시대의 교육 위기 속에서 학업열의를 증진시키는 연구의 필요성이 제기되고 있다. 이러한 문제인식에 따라 우리는 학생들의 챗GPT 리터러시 수준에 따라 학업열의가 어떻게 나타나는지에 대해 알아보고, 그 과정에서 학생들의 학업 자신감 및 지각된 학업역량이 매개효과를 나타내는지를 확인했다. 이를 위해 406명의 대학생을 대상으로 수집한 데이터를 SPSS로 분석했다. 그 결과, 챗GPT 리터러시는 학업열의에 긍정적인 영향을 미치는 것이 확인되었으며, 학업자신감은 챗GPT 리터러시와 학업열의 사이를 매개했다. 또한 학업자신감과 지각된 학업역량은 이중으로 매개되었을 때 유의한 결과를 도출했다. 이러한 결과를 바탕으로 우리는 챗GPT 리터러시와 학업열의 사이의 이론적 매커니즘을 명확히 규명할 수 있다는 이론적 함의를 논하였다. 또한 이와 관련하여 챗GPT 리터러시 교육의 중요성에 관한 실용적 함의에 대해도 기술하였다.

• 한국재난정보학회 논문집
• /
• 제20권1호
• /
• pp.199-205
• /
• 2024

연구목적: 본 연구는 요양병원 등 재난취약시설에 재난이 발생할 경우 잔류한 요구조자를 정확하게 파악하여 소방 등 대응기관에 제공하는 APC(Auto People Counting)의 인식률 개선에 목적이 있다. 연구방법: 본 연구에서는 실제 재난취약시설에 설치되어 운영 중인 APC를 대상으로 카메라를 통해 출입 인원의 이미지를 인식하는 알고리즘을 개선하기 위해 CNN모델을 활용하여 베이스라인 모델링을 하였다. 다양한 알고리즘의 성능을 분석하여 상위 7개의 후보군을 선정하고 전이학습 모델을 활용하여 성능이 가장 우수한 최적의 알고리즘을 선정하는 방법으로 연구를 수행하였다. 연구결과: 실험결과 시간과 성능이 가장 좋은 Densenet201, Resnet152v2 모델의 정밀도와 재현율을 확인한 결과 모든 라벨에 대해서 정확도 100%를 나타내는 것을 확인할 수 있었다. 이 중 Densenet201 모델이 더 높은 성능을 보여주었다. 결론: 다양한 인공지능 알고리즘 중 APC에 적용할 수 있는 최적의 알고리즘을 선정하였다. 향후 연무 등 다양한 재난상황에서 재난취약시설 내 출입인원을 정확하게 파악할 수 있도록 알고리즘 분석 및 학습에 대한 추가 연구가 요구된다.

• 한국빅데이터학회지
• /
• 제9권1호
• /
• pp.31-47
• /
• 2024

인공지능 기술의 발전으로 인해 여행 및 호텔 산업에서도 다양한 목적의 인공지능과 기계학습 기법이 활용되고 있다. 특히 관광 산업에서는 수요 예측이 매우 중요한 요소로 인식되는데, 이는 서비스 효율성과 수익 극대화에 직접적인 영향을 미치기 때문이다. 수요 예측 시 시간에 따라 변화하는 데이터 흐름을 고려해야 하며, 이를 위해 통계적 기법과 기계학습 모델이 사용된다. 최근에는 수요 예측 데이터의 다양성과 현실의 복잡성을 반영하고자 기존 모델의 변형과 통합 연구가 진행되고 있으며, 그 결과 불확실성과 변동성에 대한 예측 성능이 향상되었음이 보고되고 있다. 본 연구에서는 기존 호텔수요 예측 연구에서 시도되지 않았던 다양한 기계학습 접근법을 통합하여 호텔 판매 수요 예측 정확도를 높이는 새로운 모델을 제안한다. 구체적으로 DTW K-means 클러스터링을 통해 지역모델을 구축하고, 전체 데이터를 활용한 전역모델과 선택적으로 결합하는 XGBoost 기반 시계열 예측 모델을 제시한다. 제안 모델은 지역과 전역 모델의 장점을 살려 호텔 수요 예측 성능을 제고할 것으로 기대된다. 이는 호텔 및 여행 산업 성장에 기여할 뿐만 아니라, 향후 다른 경영 분야 예측에도 확장 적용될 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.351-361
• /
• 2024

위성영상은 구름, 구름 그림자, 지형 그림자 등을 포함한 다양한 요소를 포함하고 있으며, 이러한 요소들을 정확히 식별하고 제거하는 것은 원격 탐사 분야에서 위성영상의 신뢰성을 유지하기 위해 필수적이다. 이를 위해 Landsat-8, Sentinel-2, Compact Advanced Satellite 500-1 (CAS500-1)과 같은 위성들은 분석준비자료(Analysis Ready Data)의 일환으로 영상과 함께 사용가능한 데이터 마스크(Usable Data Mask, UDM)를 제공하고 있으며, UDM 데이터의 정확한 구축을 위해 구름 및 구름 그림자 탐지가 필수적이다. 기존의 구름 및 구름 그림자 탐지 기법은 임계값 기반 기법과 인공지능 기반 기법으로 나뉘며, 최근에는 많은 양의 데이터를 처리하는 데 유리한 딥러닝 네트워크를 활용한 인공지능 기법이 많이 사용되고 있다. 본 연구에서는 오픈소스 데이터 셋을 통해 훈련된 딥러닝 네트워크 기반 구름 및 구름 그림자 탐지를 통해 고해상도 위성영상의 UDM 구축 가능성을 분석하고자 하였다. 딥러닝 네트워크의 성능을 검증하기 위해 Landsat-8, Sentinel-2, CAS500-1 위성영상과 함께 제공된 기구축된 UDM 데이터와 딥러닝 네트워크가 생성한 탐지 결과 간의 유사성을 분석하였다. 그 결과, 딥러닝 네트워크가 생성한 탐지 결과는 높은 정확도를 나타냈다. 또한 UDM을 제공하지 않는 고해상도 위성영상인 KOMPSAT-3/3A 영상에 적용하였다. 실험 결과, 딥러닝 네트워크를 통하여 고해상도 위성영상 내에 존재하는 구름 및 구름 그림자를 효과적으로 탐지한 것을 확인하였다. 이를 통해 고해상도 위성영상에서도 딥러닝 네트워크를 사용하여 UDM 데이터를 구축할 수 있는 가능성을 확인하였다.