• 방송공학회논문지
• /
• 제27권6호
• /
• pp.936-939
• /
• 2022

최근 공중 전투체계 기술들이 발전함에 따라 대공방어 시스템의 발전이 요구되고 있다. 대공 방어 시스템의 운용개념에 있어, 표적에 적합한 무장을 선택하는 것은 제한된 대공 전력을 사용하여 위협체에 대해 효율적으로 대응한다는 측면에서 체계에 요구되는 능력 중 하나이다. 비행 위협체의 식별에 있어 많은 부분이 운용자의 육안 식별에 의존하는데 고속으로 기동하고 원거리에 위치한 비행체를 육안으로 판별하는 것은 많은 한계가 있다. 뿐만 아니라, 현대 전장에서 무인화 및 지능화된 무기체계의 수요가 증가함에 따라 운용자의 육안 식별 대신 체계가 자동으로 비행체를 식별하고 분류하는 기술의 개발이 필수적이다. 영상자료를 수집해 딥러닝 기반의 모델을 이용하여 무기체계를 식별한 사례로는 전차와 함정 등이 있지만 비행체의 식별에 대한 연구는 아직 많이 부족한 상황이다. 따라서 본 논문에서는 합성곱 신경망 모델을 이용하여 전투기, 헬기, 드론을 분류하는 모델을 제시하고 제시하는 모델의 성능을 분석한다. 본 논문에서 제시하는 모델은 시험세트에 대해 95% 이상의 정확도를 보이고, precision 0.9579, recall 0.9558, F1-socre 0.9568의 값을 나타내는 것을 확인할 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제15권4호
• /
• pp.283-290
• /
• 2022

본 연구에서는 가정 내의 가스 밸브에 장착되는 가스 타이머와 ESP-01 와이파이 모듈을 활용하여 서버와 연동되는 IoT 검사 시스템을 개발하였다. 가스 누출 IoT 검사 시스템의 서버 환경은 APM(Apache, PHP, MySQL)을 설치하여 세대별 가스 압력 데이터를 수집하여 누출 체크를 할 수 있도록 하였다. 가스 누출 IoT 검사 시스템 제어를 위해 앱 인벤터를 활용하여 가스 누출 체크 값을 실시간으로 관리를 할 수 있도록 하였다. 또한 모바일 앱으로 회원 관리 및 WiFi 설정, 누출 체크 값 등을 확인할 수 있도록 사용자의 편의성을 높였다. 지역별 가입자 관리를 하기 위해서 관리자 모드로 로그인하여 사용자 목록 확인을 하여 누출 검사 여부와 결과에 대한 안내를 할 수 있도록 하였다. 또한 사용자가 가스누출 체크 버튼을 누르면 자동으로 압력을 체크하여 서버에 측정값이 저장되고 가스 누출 발생 시에는 경보 및 수리 후 누출 체크를 하여 정상이면 사용할 수 있도록 하였다. 또한 회원의 중복 가입을 막기 위해 MAC 주소를 기반으로 회원 관리를 할 수 있도록 하였다.

• 해양환경안전학회지
• /
• 제29권5호
• /
• pp.462-469
• /
• 2023

본 논문은 선박이 조우하는 상황에서 충돌의 위험에 대한 판단을 지원하여 충돌사고를 예방하기 위하여 선박충돌위험성을 평가하는 방법을 제안하고자 한다. 선박의 항해는 불확실성이 다수 내포되어 있기 때문에 충돌의 위험을 평가할 때 선박충돌위험성이 가진 불확실성을 고려할 필요가 있다. 본 논문은 불확실성을 처리하고 각 상대 선박의 충돌의 위험을 실시간으로 평가하기 위하여 Dempster-Shafer 이론을 적용한다. 선박충돌위험의 평가 요인으로 DCPA(distance at closest point approach), TCPA(time to closest point approach), 상대 선박과의 거리, 상대방위, 속도비율 등이 사용되며, 각 평가 요인별 멤버쉽 함수로 계산된 기본확률배정함수(basic probability assignment)는 Dempster-Shafer 이론의 융합 규칙을 통하여 융합된다. 선박들이 실제로 조우하는 상황에서 수집된 선박자동식별장치 데이터를 사용하여 제안된 방법을 실험한 결과 평가의 적합성이 검증되었다. 선박간 조우 상황에서의 실시간으로 충돌위험성을 평가함으로써 인적오류로 인한 충돌사고를 예방할 수 있으며, 해상교통관제시스템과 자율운항선박의 충돌회피시스템에도 활용될 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.83-89
• /
• 2023

RF-fingerprint를 이용한 클러스터링 기술은 전송 파형에 포함된 송수신기의 특성(signature)을 추출하고 이들에게 임의의 레이블을 자동으로 할당함으로써, 추후 지도 학습기반에 무선단말기 분류기의 개발을 용이하게 해준다. 동종 무선 단말기 분류를 위한 RF-fingerprint 특징 추출 알고리즘의 출력은 512개 또는 1024개 이상의 고차원 특징이다. 이러한 고차원의 특징을 분류기에는 효과적일 수 있으나 클러스터링 알고리즘의 입력으로는 부적절하다. 이에 본 논문은 다차원의 RF-fingerprinting 특징을 무선단말기의 fingerprinting 특징을 유지하면서 차원을 효과적으로 줄일 수 있는 차원 축소 알고리즘을 제안하고, 축소된 차원을 효과적으로 클러스터링할 수 있는 클러스터링 알고리즘을 제안한다. 제안된 RF-fingerprinting 클러스터링 알고리즘은 다차원 RF-fingerprinting 특징을 KL Divergence 기반에 t-SNE를 이용하여 차원을 축소하고 DPC(Density Peaks Clustering)를 이용하여 클러스터링 수행한다. 무선단말기 클러스터링 알고리즘의 성능 분석은 모토롤라XiR 10대와 윈어텍 N-Series 10대에서 수집한 3000개의 데이터셋을 이용한다. RF-fingerprintining기반 클러스터링 알고리즘의 성능 분석 결과 20개의 클러스터가 형성되었고, Homogeneity, Completeness, V-measure 모두 99.4%의 성능을 보였다.

• 적정기술학회지
• /
• 제5권2호
• /
• pp.70-81
• /
• 2019

의류산업은 대표적인 노동집약적인 산업 중 하나로 의류 제조의 기본 공정인 봉제 작업은 인력에 대한 의존도가 매우 높다. 의류 생산비용은 라인의 효율성에서 큰 영향을 받는데, 생산비용의 절감을 위해서는 생산 속도를 조절하여 라인의 균형 유지하는 것이 중요하다. 그러나, 현재 의류 생산라인에서 활용되고 있는 인력에 의한 생산 실적 집계 방식은 이를 위한 부수적인 인력의 소요 등으로 인한 추가 비용이 소요되어 중소기업들이 직접 적용하기 쉽지 않다. 완제품의 인력에 대한 의존도는 집계 시간의 추가 소요와 인적 오류가 크게 잠재되어 생산비용의 증가와 함께 효율성의 저하를 초래할 수 있다. 본 논문에서는 에너지 소비 데이터를 수집하고 이를 CNN (Convolutional Neural Network) 기법을 적용하여 분석함으로써 재봉 작업을 통하여 생산한 제품의 수량을 추적하고 자동으로 집계할 수 있는 봉제 작업 생산 추적 시스템을 제안한다. 개발된 시스템을 통하여 2종의 재봉 작업을 테스트 한 결과, 최대 98.6 %의 정확도를 보이며 재봉 작업을 감지할 수 있었다. 개발도상국에서 의류봉제산업은 매우 중요한 산업이나, 위에 언급한 문제들을 해결하기 위하여 고가의 첨단기술을 적용하는 등 많은 자본을 투입하는 것은 크게 제한된다. 적정 기술을 적용한 본 기술은 이러한 개발도상국의 의류산업에 큰 도움을 줄 수 있을 것으로 판단된다.

• 대한토목학회논문집
• /
• 제26권2B호
• /
• pp.225-231
• /
• 2006

최근 들어 오염총량관리제의 시행과 함께 비점오염원 관리의 중요성이 커지고 있다. 오염총량이란 하천수질의 개선을 위하여 도입하였으며 유역이란 개념을 도입하였다. 하천수계로 유입되는 오염물질 부하량은 점오염원 부하량, 비점오염 부하량 및 안전율의 합으로 산정이 되고 있다. 그러나 일반적으로 유역 및 강우 특성에 기인하여 유출되는 비점오염원의 특수성 때문에 안전율을 보통 10% 정도로 두고 있다. 이러한 불확실성은 다양한 요인에 기인하는데, 모니터링을 통한 기초자료의 부족이 가장 원인으로 보고되고 있다. 따라서 본 연구는 다양한 비점오염원 중에서 포장율이 높아 오염물질의 유출이 높은 고속도로 지역에서의 오염물질 유출 부하 원단위 산정을 위하여 가장 필수적으로 요구되는 오염물질의 EMC 및 유출부하량 산정을 위하여 수행되었다. 고속도로의 경우, 높은 포장율과 많은 자동차의 운행으로 인하여 건조기간 동안 오염물질들의 축적이 높은 지역이며, 강우시 집중적으로 인근 수계로 유입되기에 비점오염원 관리에서 매우 중요한 토지이용으로 고려되고 있다. 그러나 현재 국내에서는 비점오염원에 관한 기초 연구가 미흡하여 고속도로 등을 포함한 각종 토지이용에서의 비점오염원에 관한 기초 자료의 부족이 매우 심각한 상황이다. 본 연구를 수행하기 위하여 국내 5개의 고속도로 지점에서 모니터링이 수행되었으며, 각 지점별 자동 유량 및 강우량 측정계를 설치하여 자료를 수집하였다. 모니터링 자료는 고속도로에서의 비점오염물질 EMC 및 부하량 산정을 위하여 사용되었다. EMC에 관한 95% 신뢰구간을 살펴보면, TSS의 경우 45.52-125.76 mg/L, COD는 52.04-95.48 mg/L, TN은 1.77-4.48 mg/L 그리고 TP의 경우 0.29-0.54 mg/L의 범위로 나타났다. 부하량에 관한 95% 확신범위는 TSS가 $712.7-2,418.4mg/m^2$의 범위를 보였으며, COD의 경우 $684.1-1,779.6mg/m^2$의 범위로 나타났다.

• 정보보호학회논문지
• /
• 제34권2호
• /
• pp.207-216
• /
• 2024

4차 산업혁명으로 인해 빅데이터가 구축됨에 따라 개인 맞춤형 서비스가 급증했다. 이로 인해 온라인 서비스에서 수집하는 개인정보의 양이 늘어났으며, 사용자들의 개인정보 유출 및 프라이버시 침해 우려가 높아졌다. 온라인 서비스 제공자들은 이용자들의 프라이버시 침해 우려를 해소하기 위해 개인정보 처리방침을 제공하고 있으나, 개인정보 처리방침은 길이가 길고 복잡하여 이용자가 직접 위험 항목을 파악하기 어려운 문제로 인해 오남용되는 경우가 많다. 따라서 자동으로 개인정보 처리방침이 안전한지 여부를 검사할 수 있는 방법이 필요하다. 그러나 종래의 블랙리스트 및 기계학습 기반의 개인정보 처리방침 안전성 검증 기법은 확장이 어렵거나 접근성이 낮은 문제가 있다. 본 논문에서는 문제를 해결하기위해 생성형 인공지능인 GPT-3.5 API를 이용한 개인정보 처리방침 안전성 검증 기법을 제안한다. 새로운 환경에서도 분류 작업을 수행할 수 있고, 전문 지식이 없는 일반인이 쉽게 개인정보 처리방침을 검사할 수 있다는 가능성을 보인다. 실험에서는 블랙리스트 기반 개인정보 처리방침과 GPT 기반 개인정보 처리방침이 안전한 문장과 안전하지 않은 문장의 분류를 얼마나 정확하게 하는지와 분류에 소요된 시간을 측정했다. 실험 결과에 따르면, 제안하는 기법은 종래의 블랙리스트 기반 문장 안전성 검증 기법보다 평균적으로 10.34% 높은 정확도를 보였다.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.119-131
• /
• 2024

고속도로의 효율적 운영과 지속가능한 이동환경 제공을 위해 정확한 통행실적의 파악은 필수적이다. 그러나 인프라 및 기술적 제약, 추정을 통한 기존 연구방법의 한계, 통합 빅데이터 활용의 제약 등의 이유로 즉각적이고 정확한 고속도로 통행실적 산정에 어려움이 있다. 이에 본 연구는 자동요금징수시스템, 단거리전용통신 등으로부터 수집된 실시간 빅데이터를 활용하여 개별 차량의 고속도로 기종점통행량(Origin-Destination: OD) 및 주행거리를 분석하고 이를 기반으로 고속도로 통행실적을 산정하는 방법론의 틀을 제시하였다. 특히 데이터상 하나의 통행임에도 불구하고 분할된 통행으로 나타나는 데이터상 오류를 통행궤적 및 주행특성 진단을 통해 올바르게 연결함으로써 보다 신뢰성 있는 고속도로 통행 OD를 구축하고자 하였다. 연구 결과 개별 차량의 분할된 OD 통행이 20분 내 연속되는 경우 통행연결이 필요하며 통행연결, 주행거리 산정, 누락교통량 비율 보정, 비연계 구간 연계 과정을 거쳐 전국 고속도로의 일평균 통행실적은 248,624천대·km/일로 도출되었다. 이는 도로업무편람에서 제시하는 248,166천대·km/일과 비교 시 약 458천대·km/일이 높았다. 본 연구의 결과는 기존의 조사과정에서 누락된 통행실적의 보완가능성을 보여준다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.57-66
• /
• 2023

본 논문에서는 시내버스 내 CCTV 시스템을 활용, 비전AI 기반의 승하차 승객 의도를 예측하여 사고방지가 가능한 시스템에 대해 연구한 내용을 기술한다. 본 시스템은 YOLOv7 Pose 모델과 Object Tracking 기술을 활용하여 버스 내부의 승객을 감지하고 추적하며, LSTM 모델을 활용하여 승객의 승하차 여부를 예측한다. 시스템은 버스 내 CCTV 단말기 상에 설치 가능하여 운전 중 어느 때에나 승하차 여부 예측 결과를 시각적으로 확인할 수 있으며, 운전자에게 자동 알람을 주어 승하차 시 일어날 수 있는 사고를 예방할 수 있다. 테스트 결과, 승객의 승차 의도를 분석하는 채널 A와 하차 의도를 예측하는 채널 C에서 각각 0.81과 0.79의 정확도를 달성하였으며, 실시간성을 보장하기 위해 GPU 환경에서 초당 최소 5 프레임 이상의 분석이 가능하다는 것을 확인하였다. 본 알고리즘을 통해 시내버스 운행 중의 승객 승하차 과정을 모니터링하고, 그 안전과 편의성에 도움을 줄 것으로 생각된다. 추후 하드웨어가 발전하고, DB를 통해 데이터가 많이 수집된다면, 이 또한 다양한 안전 관련 지표로의 확장이 가능할 것이다. 더불어 본 알고리즘은 추후 자율주행 버스 상용화 시, 인간을 대신하여 승객 안전에 더욱 핵심적인 역할을 수행할 것이라 생각되며, 기타 지하철 및 승객이 내리고 탈 수 있는 모든 대중교통 환경에의 확장 또한 가능하여 대중교통의 안전화에 도움을 줄 것으로 생각한다.

• 한국방재안전학회논문집
• /
• 제16권4호
• /
• pp.147-156
• /
• 2023

케이블 교량의 거동은 동적 응답에 의해 지배적이며 상대적으로 복잡하므로 교량의 상태를 평가하기 위한 장단기 현장 계측이 요구되는 경우가 빈번하다. 영구적인 SHMS(Structural Health Monitoring System)가 설치되지 않은 경우 성능평가를 위해 이동식 모니터링 시스템이 필요하다. 이 경우 교량의 위치와 형태에 따라 전력, 통신 등의 제한된 여건으로 인해 이동식 모니터링 시스템 운영에 어려움이 발생할 수 있다. 본 연구에서는 국내는 물론 동남아 지역 교량의 장 ‧ 단기 모니터링에 효과적으로 활용될 수 있는 포터블 기반의 스마트 구조응답 모니터링 시스템을 개발하였다. 개발된 시스템은 현장에서 자체 전원 공급 시스템을 이용하여 장시간 운용이 가능한 다채널 휴대용 데이터 수집 및 분석 장비이며, 실시간 데이터를 이용하여 케이블 교량의 동적 특성을 자동으로 분석할 수 있는 알고리즘을 탑재하고 있다. 개발된 시스템의 현장 적용성을 평가하기 위해 한국과 베트남의 케이블 교량에서 현장 실증을 수행하였으며, 이를 통해 개발된 시스템의 현장 운영의 신뢰성과 효율성을 확인하였고, 추가적으로 케이블 교량 모니터링 분야에서의 해외 시장 적용 가능성을 확인하였다.