• 대기
• /
• 제26권3호
• /
• pp.387-400
• /
• 2016

In this study, the atmospheric $CO_2$ concentrations estimated by CT2013B, a recent version of CarbonTracker, are compared with $CO_2$ measurements from the Comprehensive Observation Network for Trace gases by Airliner (CONTRAIL) project during 2010-2011. CarbonTracker is an inversion system that estimates surface $CO_2$ fluxes using atmospheric $CO_2$ concentrations. Overall, the model results represented the atmospheric $CO_2$ concentrations well with a slight overestimation compared to observations. In the case of horizontal distribution, variations in the model and observation difference were large in northern Eurasia because most of the model and data mismatch were located in the stratosphere where the model could not represent $CO_2$ variations well enough due to low model resolution at high altitude and existing phase shift from the troposphere. In addition, the model and observation difference became larger in boreal summer. Despite relatively large differences at high latitudes and in boreal summer, overall, the modeled $CO_2$ concentrations fitted well to observations. Vertical profiles of modeled and observed $CO_2$ concentrations showed that the model overestimates the observations at all altitudes, showing nearly constant differences, which implies that the surface $CO_2$ concentration is transported well vertically in the transport model. At Narita, overall differences were small, although the correlation between modeled and observed $CO_2$ concentrations decreased at higher altitude, showing relatively large differences above 225 hPa. The vertical profiles at Moscow and Delhi located on land and at Hawaii on the ocean showed that the model is less accurate on land than on the ocean due to various effects (e.g., biospheric effect) on land compared to the homogeneous ocean surface.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권4호
• /
• pp.211-224
• /
• 2002

소프트웨어 시스템이 대형화되고 복잡화해 짐에 따라 사용자의 요구사항을 올바로 분석하고 서술하는 것이 중요시되고 있다. 이중 유스케이스 분석 방법은 요구사항 분석에서의 복잡도를 해결해 주는 장점 때문에, 객체지향의 분석 설계와 컴포넌트 기반의 개발에서 많이 이용되고 있다. 그러나 이러한 유스케이스 분석 방법은 흩어진 유스케이스들의 단순한 집합이어서 유스케이스들을 구조화하기 어렵고, 유스케이스들간의 영향분석을 하기 어려우며, 비 기능적인 요구사항을 표현하기 어렵다. 이러한 문제를 해결하기 위해서, 본 논문에서는 목표지향의 분석 방법을 이용한 유스케이스 모델에의 적용방안을 제안하였다. 현재 연구되고 있는 목표지향의 분석은 요구사항으로부터 목표를 추출하기 어렵고, 분석 방법이 분석가의 경험적 근거에 의존적이다. 따라서 본 논문에서는 요구사항으로부터 목표를 직관적으로 식별하는 것이 어렵기 때문에 기초자료로 시나리오를 이용하여 그것으로부터 목표를 추출하는 시나리오 근간의 목표지향 분석 방법을 제안했다. 마지막으로 제안된 방안을 검증하기 위해 ITS의 시내버스정보 서브시스템에 적용하였다. 이 제안된 방안을 통해서 소프트웨어 분석가들은 유스케이스들간의 영향분석을 쉽게 하여 소프트웨어 개발초기에 유스케이스들간의 불일치(inconsistency)를 찾을 수 있고, 비기능적인 요구사항을 표현할 수 있다.

• 대기
• /
• 제28권2호
• /
• pp.113-121
• /
• 2018

In order to monitor greenhouse gases including $CO_2$, various types of surface-, aircraft-, and satellite-based measurement projects have been conducted. These data help understand the variations of greenhouse gases and are used in atmospheric inverse modeling systems to simulate surface fluxes for greenhouse gases. CarbonTracker is a system for estimating surface $CO_2$ flux, using an atmospheric inverse modeling method, based on only surface observation data. Because of the insufficient surface observation data available for accurate estimation of the surface $CO_2$ flux, additional observations would be required. In this study, a system that assimilates aircraft $CO_2$ measurement data in CarbonTracker (CT2013B) is developed, and the estimated results from this data assimilation system are evaluated. The aircraft $CO_2$ measurement data used are obtained from the Comprehensive Observation Network for Trace gases by the Airliner (CONTRAIL) project. The developed system includes the preprocessor of the raw observation data, the observation operator, and the ensemble Kalman filter (EnKF) data assimilation process. After preprocessing the raw data, the modeled value corresponding spatially and temporally to each observation is calculated using the observation operator. These modeled values and observations are then averaged in space and time, and used in the EnKF data assimilation process. The modeled values are much closer to the observations and show smaller biases and root-mean-square errors, after the assimilation of the aircraft $CO_2$ measurement data. This system could also be used to assimilate other aircraft $CO_2$ measurement data in CarbonTracker.

• 한국통신학회논문지
• /
• 제17권11호
• /
• pp.1206-1218
• /
• 1992

토큰으로 매체 이용 자격을 부여하는 토큰링 시스템은 링 혹은 버스 구조의 LAN에서 매체 이용방법으로 흔히 이용되어 왔으며 이러한 시스템으로 모델링 될 수 있다. 이 시스템은 단순히 프레임을 저장하고 전송 조건에 해당되면 전송을 진행하는 브리지를 이용함으로써 단일 링들이 상호 연결된 멀티 토큰링 시스템으로 시스템 규모를 확장할 수 있다. 본 논문에서는 상호 연결된 토큰링 시스템의 전송성능을 분석하기 위하여 스테이션 큐에 도착하는 프레임들이 Poisson과정이고 각 도착 프레임의 길이가 서로 독립이며 동등한 일반 분포를 갖는 M/G/1 큐잉 시스템을 가정하여, 임의의 프레임이 목적지까지 전달에 영향을 미치는 해석적으로 조사하였다. 프레임 전송 지연시간에 영향을 미치는 요소는 임의의 시간으로 부터 토큰이 전송하는 스테이션까지 오는데 걸리는 시간, 전송 스테이션의 전송 시간부터 스테이션 내의 대상 프레임이 전송되기까지 소요되는 대기시간, 대상 프레임의 길이와 목적지까지 소요되는 시간의 합으로 주어지며, 외부링으로부터 내부링 브리지 큐까지. 그리고 외부링 브리지 큐로부터 목적 스테이션 까지의 시간에 대한 합으로 주어진다. 또한 전송지연시간에 미치는 파라미터들을 변화시킬때 전체 지연시간에 미치는 영향을 조사하였다. 그 결과 프레임 전송 지연시간에 상대적으로 큰 영향을 미치는 요소는 프레임의 평균 도착율이 크고 수신 스테이션이 타 외부링일 비율이 커질때이며, 이는 우선순위 서비스 방식의 이용 여부에 관계없이 지연 시간이 지수적 증가를 나타낸다. 이를 감소시키려면 외부링 스테이션의 수를 줄여 상대적으로 중추링의 스테이션 수를 증가시킴으로써 전체 지연시간을 줄일 수 있다.

• 지적과 국토정보
• /
• 제52권1호
• /
• pp.105-118
• /
• 2022

최근 메타버스, 스마트시티, 디지털트윈, 자율주행차, 도심항공모빌리티 등 분야에서 3D공간객체모델 관련 정보 요구는 증가될 것이다. 공간객체에 대한 3D모델 구축은 위성·항공·지상플랫폼과 같은 다양한 장비와 모델링·인공지능·영상정합 등의 기술로 가능하다. 하지만 갱신이 필요한 공간객체를 신속하게 탐지하고 DB화하는 작업은 쉽지 않다. 이 연구에서는 공간정보(도형)과 속성을 기반으로 주소코드, 층수, 건물명, 면적 등의 매칭요소를 이용하여 건물융합DB와 변화탐지건물DB를 구축 지원할 수 있고 갱신이 필요한 객체선정의 적합성을 검증할 수 있는 시스템 프로토타입을 개발하였다. 건물융합DB 구축 시 일부 건물의 경우, 공간정보와 속성의 융합불가 및 실패 사례가 발생하여, 매칭율이 약 80%로 낮게 나타났다. 이것은 특별히 시범사업지역 내 많은 건물객체에 대한 속성정보가 누락된 것에 기인하는 것으로 판단된다. 이 연구는 3D공간객체 모델의 신속한 갱신을 위한 효율적인 드론 촬영계획 수립을 지원하여 공간객체의 중복 및 불필요한 구축 등을 사전에 방지함으로써 객체 구축 절차 개선 및 비용 절감에 크게 기여할 것이다.

• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.200-215
• /
• 2023

자율주행 기술이 고도로 발전하고, 관련 시장이 급격하게 성장하고 있어 머지않은 시기 내에 완전 자율주행 시대가 도래할 것으로 예상된다. 한편, 자율주행 기술의 발전과 함께 기술 안전성에 대한 의문이 제기되고 있으며, 관련 사고 소식이 보도되면서 기술에 대한 우려는 증대되고 있다. 자율주행차의 안전성 향상을 위해, 사고 사례를 분석하고 사고 원인을 규명하는 행위가 선행될 필요가 있다. 이에, 본 연구는 자율주행 사고데이터를 통해 자율차 사고의 심각도에 대한 영향요인을 분석하였다. 연구 데이터는 CA DMV에서 수집·배포하고 있는 자율주행차 사고 레포트를 중심으로 사고 지점의 공간 정보, 교통 정보를 사용하였다. 중점 데이터가 사고 레포트임을 고려할 때, 사건 발생 횟수의 기댓값이 반영될 수 있도록 포아송 회귀 분석을 사용하여 모델링을 진행하였다. 모형 분석 결과, 자율주행차 사고 심각도는 조도가 낮을 때, 자전거·버스 전용 차로가 존재할 때, 보행자와 자전거 사고 이력이 많은 지역에서 증가한다는 결과가 도출되었다. 본 연구 결과는 향후, 자율주행차 안전성 개선을 위한 알고리즘 개발 및 관련 교통 인프라 설치를 위한 기초자료로 활용될 수 있을 것이다.