• 지능정보연구
• /
• 제28권1호
• /
• pp.329-352
• /
• 2022

미세먼지는 폐나 혈관에 침투해 각종 심장 질환이나 폐암 등의 호흡기 질환을 일으키는 것으로 보고되고 있다. 지하철은 일 평균 천만 명이 이용하는 교통수단으로, 깨끗하고 쾌적한 환경조성이 중요하나 지하터널을 통과하는 지하철의 운행 특성과 터널에 갇힌 미세먼지가 열차 풍으로 인해 지하역사로 이동하는 등의 문제로 지하역사의 미세먼지 오염도는 높은 것으로 나타나고 있다. 환경부와 서울시는 지하역사 공기질 개선대책을 수립하여 다양한 미세먼지 저감 노력을 기울이고 있다. 스마트 공기질 관리 시스템은 공기질 데이터 수집 및 미세먼지 농도를 예측하여 공기질을 관리하는 시스템으로 미세먼지 농도 예측 모델이 중요한 구성 요소이다. 그동안 시계열 데이터 예측에 관한 다양한 연구가 진행되어왔지만, 지하철 역사의 미세먼지 농도 예측과 관련해서는 통계나 순환신경망 기반의 딥러닝 모델 연구에 국한되어 있다. 이에 본 연구에서는 시공간 트랜스포머를 포함한 4개의 트랜스포머 기반 모델을 제안한다. 서울시 지하철 역사의 대합실을 대상으로 한 시간 후의 미세먼지 농도 예측실험을 수행한 결과, 트랜스포머 기반 모델들의 성능이 기존의 ARIMA, LSTM, Seq2Seq 모델들에 비해 우수한 성능을 나타냄을 확인하였다. 트랜스포머 기반 모델 중에서는 시공간 트랜스포머의 성능이 가장 우수하였다. 데이터 기반의 예측을 통하여 운영되는 스마트 공기질 관리 시스템은 미세먼지 예측의 정확도가 향상될수록 더욱더 효과적이고 에너지 효율적으로 운영될 수 있다. 본 연구 결과는 스마트 공기질 관리 시스템의 효율적 운영에 기여할 수 있을 것으로 기대된다.

• 터널과지하공간
• /
• 제32권1호
• /
• pp.30-58
• /
• 2022

고준위방사성폐기물 심지층처분장은 공학적방벽과 천연방벽의 다중방벽으로 이루어져 있으며 각 방벽재 사이의 상호작용에 의해 처분시스템의 전반적인 장기 건전성이 영향을 받게 된다. 특히 공학적방벽재인 압축 벤토나이트 완충재와 천연방벽인 근계암반의 상호작용에 의한 완충재의 침식 및 파이핑 현상은 사용후핵연료의 붕괴열 발산, 지하수 유입 저지 및 핵종 이동 저지의 역할을 수행하는 완충재의 성능을 저하시키기 된다. 처분 초기에 벤토나이트 완충재가 흡수할 수 있는 물의 양보다 많은 유량이 근계암반의 절리로부터 유입되면 잉여 지하수로 인한 수압이 발생하고 이로 인해 완충재 자체 및 갭채움재 주변으로 파이핑 현상이 발생할 수 있다. 또한 지하수와 벤토나이트 완충재의 물리-화학적 상호작용으로 인하여 완충재의 표면의 팽윤 및 겔/졸화로 인하여 완충재의 표면에서 침식이 발생할 수 있다. 따라서, 이러한 침식 및 파이핑 현상이 발생하는 조건과 이로 인한 완충재의 건전성을 명확하게 평가하는 것이 처분장의 장기건전성 평가를 위해 반드시 필요하다. 처분선진국들에서는 주로 실내 및 공학규모 실험이 수행되고 있으며 일부 전산 모델 개발이 진행되고 있는 상황이지만 실험에서 관측된 현상들을 복합적으로 모사할 수 있는 전산 모델은 개발되지 않았다. 국내에서도 다양한 침식/파이핑 시나리오에 대한 연구나 열-수리-역학-화학적 복합거동을 고려한 연구는 수행되지 않았다. 본 기술 보고에서는 현재까지 수행된 국내외 벤토나이트 침식 및 파이핑 연구와 이들이 주로 고려한 영향인자를 파악하였다. 실험값을 검증하기 위해 제안된 전산 모델들을 소개하고 향후 완충재 침식 및 파이핑 현상 규명을 위한 연구 수행 방향에 대해 정리하였다. 본 논문에서 검토한 다양한 시험 및 모델링 사례를 바탕으로 향후 국내 심층처분장환경을 고려한 압축 벤토나이트 완충재 침식 및 파이핑 관련 연구가 필요하다고 판단된다.

• 터널과지하공간
• /
• 제33권4호
• /
• pp.281-298
• /
• 2023

달 현지 탐사를 위해 무인 이동체에 대한 연구가 지속적으로 이루어져 있으며 달 지상 관심 지역의 정확한 위치 및 맵핑을 위한 실시간 정보화 작업이 요구되고 있다. 딥러닝 영상 처리 분석 기술을 실제 로버에 적용하기 위해 소프트웨어의 통합과 최적화에 대한 연구가 필요하며 본 연구에서는 가상의 달 기지 건설현장의 영상을 실시간 분석하여 핵심 객체의 공간 정보를 자동으로 수치화하는 방안에 대한 기초 연구가 진행되었다. 본 연구를 통해 이미 구축된 영역 분할 기반 객체 인식 알고리즘을 경계 상자 기반 객체 인식알고리즘으로 변경하여 객체 인식 정확도 및 추론 속도를 개선하는 작업이 이루어졌으며, 대용량 데이터 기반 객체 매칭 학습을 위해 Batch Hard Triplet Mining 기법을 도입하고, 학습 및 추론에 대한 최적화 연구가 수행되었다. 또한 개선된 객체 인식 및 동일 객체 매칭 소프트웨어를 통합하고, 입력 이미지 내 동일 객체 자동 매칭을 시각화하는 소프트웨어를 개발하였으며, 위성 모사 촬영 영상 내 객체를 학습 데이터로, 이동체 촬영 영상 내 객체를 추론 데이터로 사용하여 동일 객체 매칭의 학습 및 추론이 이루어졌다. 본 연구의 결과는 이동체의 연속 촬영 영상을 기반 3차원 공간 정보를 구현 및 관심 공간 내 객체 위치 설정에 활용할 수 있을 것으로 사료되며, 향후 달 기지 건설 현장에서의 영상 기반 시공 모니터링 및 제어를 위한 자동 현장 및 주요 대상물 공간 정보 구축 시스템과의 연계에 기여할 것으로 기대된다.