• 정보처리학회논문지D
• /
• 제9D권4호
• /
• pp.543-554
• /
• 2002

지리정보시스템은 처리 속도의 향상과 비쥬얼라이징의 개선이 필요하다. 이를 위해서는 맵 일반화와 레벨별 상세화 개념이 요구된다. 기존의 공간 인덱싱은 지도 일반화를 지원하지 않거나 지원하더라도 모든 지도 일반화 연산을 제공하지 않는다는 문제점을 가진다. 본 논문에서는 이를 위해 모든 일반화 연산을 지원하는 새로운 인덱스 구조인 LR트리를 제안한다. 또한 LR트리를 검색, 삽입, 삭제하기 위한 알고리즘을 기술하고, 성능 분석을 수행한다. 성능 분석을 통해 제안된 인덱스 구조가 지도 일반화를 지원하는데 있어 다른 공간 인덱싱 기법보다 우수한 성능을 나타냄을 보인다.

• 한국게임학회 논문지
• /
• 제11권1호
• /
• pp.131-138
• /
• 2011

최근 지형렌더링에서 사용되는 DEM(digital elevation map) 데이터들은 일반 컴퓨터에서 처리 가능한 메모리 용량을 초과하기 때문에 밉맵(mipmap)을 이용한 상세단계(LOD : level-of-detail) 기법들을 사용하는 외부 메모리 처리(out-of-core) 기법들이 많이 연구되고 있다. 하지만 밉맵을 이용한 상세단계 기법들은 높은 레벨의 상세단계에서 데이터의 간략화에 따른 기하오차가 발생한다. 이러한 기하오차는 시점이 이동할 때 상세단계가 변화하는 부분에서 기하파핑(geometry popping) 현상을 유발한다. 본 논문에선 기하오차를 줄이기 위해 정점 응집맵을 제안한다. 전처리 단계에서 생성되는 정점 응집맵은 벡터를 저장한 텍스쳐이다. 이 벡터들은 상대적으로 기울기 변화량이 큰 위치로 주변의 정점들을 응집시켜 지형의 기하오차를 줄이기 때문에 단순히 밉맵을 이용하여 지형을 렌더링 했을 때 나타나는 기하파핑 현상을 효과적으로 줄일 수 있다.

• 한국멀티미디어학회논문지
• /
• 제17권1호
• /
• pp.69-76
• /
• 2014

대용량 지형 데이터는 최신 그래픽 하드웨어를 사용해도 실시간으로 표현하기가 어렵다. 일반적으로 이런 대용량 지형 데이터를 실시간에 처리하기 위해 연속 상세 단계 기법 같은 메쉬 간략화 기법이 사용된다. 하지만 기하 분할(geometry splitting)과 같이 기존의 GPU기반 사진트리를 사용하는 기법은 트리의 깊이가 깊어질수록 많은 정점을 사용하고 이를 다시 재전송하기 때문에 성능이 저하되며 텍스처를 이용해 트리를 구성하기 때문에 트리의 용량이 커지는 단점이 있다. 이런 단점을 해결하기 위해 본 논문에서는 사진트리 기반의 묶음(chunk)으로 구성된 상세 단계 선별 기법을 GPU에서 처리하는 실시간 지형 렌더링 기법을 제안한다. 제안하는 방법은 기하 분할 기법의 단점을 해결하기 위해 트리 탐색을 제한하고 테셀레이터(tessellator)에서 묶음을 생성한 후 렌더링함으로써 트리 탐색을 줄이고 묶음을 GPU에서 바로 생성할 수 있어 효율적으로 지형을 렌더링할 수 있다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제17권2호
• /
• pp.1-9
• /
• 2011

최근의 지형시각화 연구에서는 대용량 데이터를 실시간에 처리하기 위하여 여러 가지 상세단계조절 기법을 사용한다. 하지만 상세단계조절을 통한 메쉬 간략화 과정에서 발생하는 기하오차 때문에 연속된 프레임에서 기하파핑 현상이 열어난다. 본 논문에서는 거칠기맵과 편향맵을 이용하여 기하파핑 현상을 효과적으로 줄일 수 있는 방법을 제안한다. 거칠기맵과 편향맵은 지형 메쉬를 구성하는 정점이 적은 기하오차를 가지는 위치로 이동 시켜주는 역할을 한다. 거칠기맵과 편향맵은 텍스쳐로 저장되기 때문에 GPU에서 사용하기 적합하다. 또한 편향맵을 이용한 정점 이동 연산은 GPU에서 수행되므로 병렬처리를 통한 빠른 시각화가 가능하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.312-312
• /
• 2019

지구온난화로 인하여 기상학적 변동성 증가 및 수질, 수자원, 생태계 등의 다양한 영역에 영향을 야기하고 있으며, 이를 통한 피해가 전 세계적으로 증가하고 있는 추세이다. 이에 본 연구에서는 최근 다양한 분야에서 수문학적 빈도에 영향을 미친다고 알려진 AO(Arctic Oscillation), NAO(North Atlantic Oscillation), ENSO(El $Ni{\tilde{n}}o$-Southern Oscillation), PDO(Pacific Decadal Oscillation), MJO(Madden-Julian Oscillation)등의 외부인자중 SST, MJO를 활용하여 계절단위의 수문량 정도에서 기상학적 변량과 관측유역 강수량의 관계를 정립하고 발생 가능한 24시간 지속시간 극치강수량을 모의하였다. 이를 위하여 Bayesian 통계기법을 이용한 비정상성 빈도해석모형을 근간으로 외부 기상인자에 의한 계절강수량 예측모형인 계층적 베이지안 네트워크(Hierarchical Bayesian Network, HBN)를 구축한 후 산정된 결과를 입력 자료로 하여 직접적으로 일단위 이하의 극치강수량을 상세화 시킬 수 있는 베타 모델(four parameter beta, 4PB)을 연계한 계층적 베이지안 네트워크 베타모델(Hierarchical Bayesian Network-4beta Model, HBN4BM)을 개발하여 기상변동성을 고려한 상세화 모형을 개발하였다. 여름강수량 산정 결과 한강 유역의 경우 2016년은 관측값 573.85mm, 모의 값 567.15mm를 나타내어 약 1.2%의 오차를 나타냈으며, 2017년 및 2018년은 4.5%, 6.8%의 오차에서 모의가 이루어졌다. 금강의 경우 2016년은 다른 연도에 비하여 35.2%라는 큰 오차를 보였지만 불확실성 구간에서 모의가 이루어 졌으며, 2017년 및 2018년은 0.3%, 2.1%의 작은 오차가 발생하였다. 24시간 모의 결과는 최소 0.7%에서 최대 27.1%의 오차를 나타냈으며, 평균적으로 16.4%의 오차 결과가 모의되어 모형의 신뢰성을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.945-945
• /
• 2012

본 연구에서는 낙동강 수계의 안동댐 유역을 대상지역으로 선정하여 미래 기후변화 시나리오에 따른 댐 유역의 수환경 영향을 예측해 보고자 하였다. 특히 미래기후에 대한 수환경 평가는 기후자료를 입력 값으로 요구하는 강우-유출모형을 이용하거나 유량 이외에 유사, 영양물질과 같은 수질인자를 동시에 모의할 수 있는 유역모형을 이용하여 평가하는 것이 일반적이다. 이를 위해 선행연구로 IPCC(Intergovernmental Panel on Climate Change)에서 제공하는 AR4 시나리오의 RCM 자료를 ANN(Artificial Neural Network)기법을 이용하여 안동댐 유역의 총 4개 기상관측소에 대한 과거 20년(1991~2010) 실측자료를 바탕으로 미래 강수 및 습도 그리고 온도에 대해 상세화 하여 미래 기후 시나리오를 생산하였다. 또한 안동댐 유역 단위의 수질을 예측하기 위해 토양과 토지이용 및 토지관리 상태에 따른 수문-수질 모의가 가능한 유역모형인 SWAT(Soil and Water Assessment Tool)을 이용하였다. 과거의 기상자료와 수질자료를 이용하여 유역모델의 검 보정을 실시하였으며 모형의 보정 및 검증결과에 따른 적합성과 상관성을 판단하기 위해 결정계수($R^2$)와 평균제곱근오차(Root Mean Square Error, RMSE)를 사용하였으며, 모형의 효율성 검증으로는 Nash and Sutcliffe(1970)가 제안한 모형효율성계수(NSE)를 사용하였다. 최종적으로 기후 시나리오에 대해서 전망된 지역상세기후를 유역모형의 입력자료로 이용하여 안동댐 유역의 미래수문 및 수질을 예측하고자 하였다.

• 한국수자원학회논문집
• /
• 제54권6호
• /
• pp.419-431
• /
• 2021

최근 서울시의 강수특성이 변하고 있으며, 폭우의 발생빈도와 강도가 점차 증가 추세임이 확인되고 있다. 또한, 대부분의 지역이 도시화가 이루어져 불투수 비율이 높고 인구와 재산이 밀집되어 있어 폭우 발생 시 직접유출에 의한 홍수피해가 가중되고 있는 실정이다. 서울시는 이러한 홍수피해에 적극적으로 대응하기 위하여 침수취약지역 해소사업을 추친 중이며, 구조물적·비구조물적 다양한 대응책을 제시하고 있다. 본 연구에서는 서울시의 미래 기후변화영향을 고려한 수공구조물의 방재성능 목표 설정을 위하여 29개의 GCM의 강수량자료를 활용하여 자료 기간을 단기(2006-2040, P1), 중기(2041-2070, P2), 및 장기(2071-2100, P3)로 구분하여 RCP4.5와 RCP8.5 시나리오에 대한 시공간적 상세화를 실시하였다. 공간상세화는 기상청에서 관리하는 서울관측소의 강우량을 기준으로 GCM의 일자료를 Quantile Mapping을 통하여 처리하였으며, 시간 상세화는 K-Nearest Neighbor Resampling 방법과 유전자알고리즘 방법을 이용한 비매개변수 시간상세화 기법을 통하여 일자료를 시간자료로 상세화하였다. 시간상세화를 통해 각 GCM 시나리오별로 100개의 상세화 시나리오가 산출되어 총 2,900개의 상세화 시나리오를 바탕으로 IDF 곡선을 산출하고 이를 평균하여 미래 극치 강우량의 변화를 산출하였다. 산정결과, 재현기간 100년 지속시간 1시간의 확률강우량은 RCP4.5 시나리오에서 8~16%의 증가 특성을 보이고 있음을 확인하였으며 RCP8.5 시나리오의 경우 7~26%의 증가가 이루어짐을 확인하였다. 본 연구결과는 서울시의 미래 기후변화를 대비한 설계강우량 산정 및 수준목표별 수방정책을 수립하는데 활용이 가능할 것으로 판단된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.489-492
• /
• 2001

소프트웨어의 대형화와 급격히 변화하는 소프트웨어 시장에 시기 적절히 대응하기 위해, 기존의 소프트웨어를 재사용함은 물론이고 재사용이 용이한 구조로 소프트웨어를 구성하여 다른 부분에 영향을 미치지 않고 특정 부분을 변경시킬 수 있는 솔루션이 요구된다. 이러한 기술에 부합되는 것이 재사용성, 대체가능성 등의 기능을 강조한 컴포넌트 기술이라 할 수 있겠다. 컴포넌트 기반 시스템을 설계하는데 있어서는 기존의 객체지향 접근방식을 포함하면서 컴포넌트의 고유의 특성을 반영하는 다른 접근방식을 필요로 하게 된다. 본 논문에서는 이러한 객체지향적 접근방식에 개념적인 컴포넌트 설계 방식과 이를 EJB 컴포넌트로 다시 상세화하는 컴포넌트의 모텔링 프로세스와 이를 지원하는 도구에 대해 다룬다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제10권3호
• /
• pp.34-39
• /
• 2004

물체의 반사(specular reflection)는 물체의 재질을 이해하는 중요한 실마리임과 더불어, 반사 영역의 모양은 국소적으로 물체의 기하학적 정보를 표시하는 중요한 부분이다. 기존의 비사실적 렌더링 분야에서 다루어져 왔던 만화적 표현 관련 연구들은 극도로 단순화된 쉐이딩 모델을 사용하여 모델의 상세도를 줄이는 방법을 사용하기 때문에 반사 효과와 같은 상세함을 표현하기에는 부족하다. 본 논문에서는 물체의 반사 영역을 만화적으로 표현하는 새로운 비사실적 렌더링 기법을 제안한다. 물체의 국소 반사 모델(local reflection model)을 사용하여 물체의 모든 정점에 대한 빛의 세기를 계산한 후, 반사 영역을 추출한다. 해당 반사 영역에 만화적으로 패턴화된 텍스처를 투영하여 반사 영역을 만화적인 느낌으로 표현한다. 본 논문에서 제시하는 결과는 국소 반사 모델의 계산을 사용하고 투영 텍스처(projective texture)를 이용하는 모델 공간(object space)의 계산으로, 오늘날 보편화되고 있는 그래픽 하드웨어의 가속 성능을 최대로 사용할 수 있는 장점이 있다. 따라서 본 논문의 연구결과는 실시간성이 매우 중요한 게임 등의 분야에서 만화적인 렌더링 기법을 적용하는데 사용할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.371-371
• /
• 2011

본 연구에서는 한강유역 내 관측기간이 충분한 기상청 지상관측소 10개소를 선정하고 CCCma(Canadian Century for Climate modeling and analysis)에서 제공하는 자료에 대한 인공신경망기법 상세화 적용을 실시하였다. 인공신경망의 학습을 위해 CGCM3.1/T63 20C3M시나리오(reference scenario)의 22개 2D변수 중 물리적으로 민감도가 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 선정하였으며 인공신경망 학습기간은 1991년~1995년, 검증기간은 1996년~2000년, 예측기간은 2011년~2100년으로 A1B, A2 B1 시나리오 등 다양한 기후변화 시나리오를 통해 예측band를 제시하고자 하였다. 하지만 공간상관을 고려하기 위하여 각 관측소에 대하여 인공신경망 학습을 하는 경우 관측소간 spatial correlation 및 spatial cluster구현이 어렵기 때문에 Spatial Rectangular Pulse모형을 이용하고자 하였으나, 강수면적에 대한 scale의 결정이 어렵다는 단점을 확인 하고 본 연구에서는 Random Cascade 모형을 이용하여 ${\beta}$를 통한 강수면적 scale(rainy area fraction)을 결정하고자 하였다. Random Cascade모형의 기법은 격자단위의 downscaling기법으로 강수대의 공간적 형상을 재현하며 스케일에 비종속적인(scale-invariant)프랙탈 특성을 이용하여 매개변수를 최소화 할 수 있는 장점을 가진 기법으로 한강유역 1Km내외 강우장을 만들어 topographic effect를 첨가하고자 한다.