• 제목/요약/키워드: Old map

검색결과 202건 처리시간 0.02초

수체계가 홍주성의 입지와 공간구조 변천과정에 미친 영향 (A Study on the Influence of the Water System on the Location and Spatial Structure of Hongju-seong)

  • 이경찬;강인애
    • 한국전통조경학회지
    • /
    • 제38권4호
    • /
    • pp.12-24
    • /
    • 2020
  • 본 연구는 홍주목 읍치 일대의 물(水) 공간과 연계하여 홍주성의 형성·변천과정과 더불어 조선 후기 홍주읍성의 공간구조와 축성방식이 지니는 특성을 해석해보고자 하는 목적을 지니고 있다. 조선시대 홍주목 읍치 일대의 수체계는 남에서 북으로, 서에서 동으로 흐르는 가지형 구조의 자연하도를 기반으로 인공적으로 조성된 성안물길과 연못(池) 등으로 구성되어 있다. 다양한 문헌기록, 발굴조사 결과 및 지도자료 등에 대한 분석결과를 종합해보면 수체계가 홍주성의 조영과정에 중요한 영향을 미치고 있음을 알 수 있는데 대표적으로 다음과 같이 요약된다. 첫째, 고려시대 이후 조선 후기에 이르는 홍주성은 큰 위치 변화 없이 금마천과 용봉천을 외수로 삼고 홍성천과 월계천을 중심으로 한 환포형의 지형구조와 하천 합수부의 내측(汭)에 형성된 소규모 침식분지를 이용하여 위치하고 있다. 이러한 홍주성의 입지특성은 고대 중국과 한국에서의 물길을 고려한 도시 입지선정 방법을 반영하고 있는 것으로 이해된다. 둘째, 홍주성 일대 수체계의 골격을 형성하는 홍성천과 월계천, 소향천 등은 다양한 측면에서 홍주성의 입지와 축성방식, 물 관련시설, 읍성 공간구조 등에 영향을 미치고 있다. 또한 홍주성 내외부의 미지형구조는 월계천 및 홍성천의 하도특성과 어우러져 홍주성의 토지이용 및 읍치시설 배치형태를 결정하는데 중요한 영향을 미치고 있다 셋째, 홍주읍성에서는 물을 고려한 다양한 비보조치가 이루어졌다. 홍성천과 금마천 사이의 숲 조성, 조선 후기 읍기(邑基)를 방해한다 하여 이루어진 남문 폐쇄 등은 그 대표적인 조치의 일환으로 이해된다. 넷째, 월계천의 영향으로부터 읍성 또는 읍내 시가구역을 보호하기 위하여 일찍부터 성안물길을 설치하여 물길을 분지시키거나 연못(池)을 조성하는 등 인공 배수시설을 적극적으로 도입하고 있다. 특히 홍주성의 축성방식과 관련하여 수해로부터 성벽을 보호하기 위한 다양한 조치가 이루어졌다. 고려시대 토성과 일체화된 조선시대 석성 구조, 조선 후기 북문지 일대의 퇴축 성벽, 서벽과 동벽에서 보이는 외벽과 내벽 사이의 석렬이나 와편층을 활용한 성벽 축조방식은 그 대표적인 방법이었다.

ICT 인프라 이상탐지를 위한 조건부 멀티모달 오토인코더에 관한 연구 (A Study of Anomaly Detection for ICT Infrastructure using Conditional Multimodal Autoencoder)

  • 신병진;이종훈;한상진;박충식
    • 지능정보연구
    • /
    • 제27권3호
    • /
    • pp.57-73
    • /
    • 2021
  • ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.