• Structural Monitoring and Maintenance
• /
• 제2권3호
• /
• pp.283-300
• /
• 2015

Visual condition inspections remain paramount to assessing the current deterioration status of a bridge and assigning remediation or maintenance tasks so as to ensure the ongoing serviceability of the structure. However, in recent years, there has been an increasing backlog of maintenance activities. Existing research reveals that this is attributable to the labour-intensive, subjective and disruptive nature of the current bridge inspection method. Current processes ultimately require lane closures, traffic guidance schemes and inspection equipment. This not only increases the whole-of-life costs of the bridge, but also increases the risk to the travelling public as issues affecting the structural integrity may go unaddressed. As a tool for bridge condition inspections, Unmanned Aerial Vehicles (UAVs) or, drones, offer considerable potential, allowing a bridge to be visually assessed without the need for inspectors to walk across the deck or utilise under-bridge inspection units. With current inspection processes placing additional strain on the existing bridge maintenance resources, the technology has the potential to significantly reduce the overall inspection costs and disruption caused to the travelling public. In addition to this, the use of automated aerial image capture enables engineers to better understand a situation through the 3D spatial context offered by UAV systems. However, the use of UAV for bridge inspection involves a number of critical issues to be resolved, including stability and accuracy of control, and safety to people. SLAM (Simultaneous Localisation and Mapping) is a technique that could be used by a UAV to build a map of the bridge underneath, while simultaneously determining its location on the constructed map. While there are considerable economic and risk-related benefits created through introducing entirely new ways of inspecting bridges and visualising information, there also remain hindrances to the wider deployment of UAVs. This study is to provide a context for use of UAVs for conducting visual bridge inspections, in addition to addressing the obstacles that are required to be overcome in order for the technology to be integrated into current practice.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.153-172
• /
• 2018

화물차량의 과적은 도로 포장의 파손 및 교량 등 도로구조물의 파괴, 대형 교통사고 발생 등의 주요한 원인 중 하나로서 오랜 시간동안 도로 교통 분야에서 중요한 연구분야였다. 본 연구에서는 과적 문제 해결을 위해 급속도로 발전하는 IT 및 빅데이터 활용기술을 접목하여 화물차량의 과적운행패턴 분석 및 차체부착중량계중시스템를 활용한 과적예방 효과를 분석하였다. 이를 위해 기존 화물차량과적 관련 문헌 조사와 상용 차체부착중량계중시스템 기술 조사를 진행하였으며, 과적적발 정보 분석을 통해서 대표적인 과적차량의 유형을 선정하였다. 과적유형에 맞는 차량을 10대 선정, 차체부착중량계중시스템을 설치함으로써 화물차량의 정보를 실시간으로 모니터링하여 연구 데이터를 수집하였다. 화물차량의 축중량과 총중량 데이터는 상하차 작업횟수 대비 과적비율 등으로 분석하였으며, 차체부착중량계중시스템 유무에 따른 그 변화추이를 확인하여 차체부착중량계중시스템 적용의 과적예방효과를 확인할 수 있었다. 다만, 시험차량 표본수가 전체를 대표할 수 있을 정도로 충분하지 못하기 때문에 향후 확대 시험을 통해서 추가적인 연구가 가능할 것으로 판단된다.

• 정보보호학회논문지
• /
• 제19권1호
• /
• pp.93-101
• /
• 2009

본 논문은 해커가 정보절취 등을 목적으로 전자우편에 악성코드를 삽입 유포하는 공격 대응방안에 관한 연구로, 악성코드가 삽입된 전자우편은 정보유출 시(時) 트래픽을 암호화(Encoding)하는데 이를 복호화(Decoding) 하는 '분석모델'을 구현 및 제안한다. 또한 보안관제측면(네트워크)에서 해킹메일 감염시(時) 감염PC를 신속하게 탐지할 수 있는 '탐지기술 제작 방법론'을 연구하여 탐지규칙을 제작, 시뮬레이션 한 결과 효율적인 탐지성과를 보였다. 악성코드 첨부형 전자우편에 대한 대응책으로 공공기관이나 기업의 정보보안 담당자 PC사용자가 각자의 전산망 환경에 맞게 적용 가능한 보안정책을 제안함으로써 해킹메일 피해를 최소화하는데 도움이 되고자 한다.

• 정보보호학회논문지
• /
• 제21권2호
• /
• pp.101-110
• /
• 2011

최근 Application에 대한 공격을 통하여 네트워크와 데이터베이스에 대한 방어정책인 침입탐지 룰(rule)을 무력화시키고, 침해사고를 유발한다. 이러한 공격으로부터 내부 네트워크와 데이터베이스의 안전성을 확보하기 위한 통합보안에 관한 연구가 필요하다. 본 논문에서는 침입탐지 룰을 설정한 Application에 대한 공격을 차단하기 위한 통합보안 시스템 구축에 관한 연구이다. 네트워크 기반의 공격을 탐지하여 대응하고, 내부 Integration Security System을 Virtual clustering과 Load balancing 기법으로 공격을 분산시키며, Packet 모니터링과 분석을 통하여 공격 목적지 Packet에 대한 방어정책 설정, 공격 Packet 분석, 기록, 룰 업데이트를 한다. 또한 공격 유형별 방어정책을 설정하여 Virtual Machine 분할 정책을 통한 접근 트래픽 해소, 공격차단에 적용하는 Integration Security System을 제안하고 방어를 실험한다. 본 연구 결과는 외부 해커의 공격에 대한 통합보안 방어를 위한 현실적인 자료를 제공하게 될 것이다.

• Journal of information and communication convergence engineering
• /
• 제20권1호
• /
• pp.22-30
• /
• 2022

The reinforcement learning algorithm has proven its potential in solving sequential decision-making problems under uncertainties, such as finding paths to route data packets in wireless sensor networks. With reinforcement learning, the computation of the optimum path requires careful definition of the so-called reward function, which is defined as a linear function that aggregates multiple objective functions into a single objective to compute a numerical value (reward) to be maximized. In a typical defined linear reward function, the multiple objectives to be optimized are integrated in the form of a weighted sum with fixed weighting factors for all learning agents. This study proposes a reinforcement learning -based routing protocol for wireless sensor network, where different learning agents prioritize different objective goals by assigning weighting factors to the aggregated objectives of the reward function. We assign appropriate weighting factors to the objectives in the reward function of a sensor node according to its hop-count distance to the sink node. We expect this approach to enhance the effectiveness of multi-objective reinforcement learning for wireless sensor networks with a balanced trade-off among competing parameters. Furthermore, we propose SDN (Software Defined Networks) architecture with multiple controllers for constant network monitoring to allow learning agents to adapt according to the dynamics of the network conditions. Simulation results show that our proposed scheme enhances the performance of wireless sensor network under varied conditions, such as the node density and traffic intensity, with a good trade-off among competing performance metrics.

• Structural Engineering and Mechanics
• /
• 제81권3호
• /
• pp.293-303
• /
• 2022

As infrastructure ages and traffic load increases, serious public concerns have arisen for the well-being of bridges. The current health monitoring practice focuses on large-scale bridges rather than short span bridges. However, it is critical that more attention should be given to these behind-the-scene bridges. The relevant information about the construction methods and as-built properties are most likely missing. Additionally, since the condition of a bridge has unavoidably changed during service, due to weathering and deterioration, the material properties and boundary conditions would also have changed since its construction. Therefore, it is not appropriate to continue using the design values of the bridge parameters when undertaking any analysis to evaluate bridge performance. It is imperative to update the model, using finite element (FE) analysis to reflect the current structural condition. In this study, a FE model is established to simulate a concrete culvert bridge in New South Wales, Australia. That model, however, contains a number of parameter uncertainties that would compromise the accuracy of analytical results. The model is therefore updated with a neural network (NN) optimisation algorithm incorporating Monte Carlo (MC) simulation to minimise the uncertainties in parameters. The modal frequency and strain responses produced by the updated FE model are compared with the frequency and strain values on-site measured by sensors. The outcome indicates that the NN model updating incorporating MC simulation is a feasible and robust optimisation method for updating numerical models so as to minimise the difference between numerical models and their real-world counterparts.

• 지적과 국토정보
• /
• 제51권2호
• /
• pp.141-150
• /
• 2021

미세먼지는 사람의 건강에 많은 영향을 미치는 물질로서 이와 관련하여 다양한 연구가 이루어지고 있다. 미세먼지의 인체 영향으로 인해 서울시 모니터링 네트워크에서 측정된 과거 데이터를 활용하여 미세먼지를 예측하려는 다양한 연구가 진행되고 있다. 본 연구는 2019년 5월 서울시의 미세먼지를 중점으로 진행하였으며, 학습에 사용한 변수는 SO₂, CO, NO₂, O₃와 같은 대기오염물질 데이터를 활용하였다. 예측모델은 Adaboost에 기반하여 구축하였고, 훈련모델은 PM₁₀과 PM_2.5로 구분하였다. 에러 메트릭스를 통한 예측모델의 정확도 평가 결과로 Adaboost가 시도되었다. 대기오염물질은 초미세먼지와 더 높은 상관성을 보이는 것으로 나타났지만, 보다 효과적인 분포등급을 제시하기 위해서는 많은 양의 데이터를 학습하고, PM₁₀과 PM_2.5의 공간분포 등급을 효과적으로 예측하기 위해서 교통량 등의 추가적인 변수를 활용할 필요성이 있다고 판단된다.

• KNOM Review
• /
• 제24권1호
• /
• pp.1-12
• /
• 2021

VM (Virtual Machine) live migration은 VM에서 동작하는 서비스의 downtime을 최소화하면서 해당 VM을 다른 서버 노드로 이전시키는 서버 가상화 기술이다. 클라우드 데이터센터에서는 로드밸런싱, 특정 위치 서버로의 consolidation 통한 전력 소비 감소, 서버 유지보수(maintenance) 작업 중에도 사용자에게 무중단 서비스를 제공하기 위한 목적 등으로 VM live migration 기술이 활발히 사용되고 있다. 또한 고장 및 장애 상황이 예측되거나 그 징후가 탐지되는 경우, 예방 및 완화 수단으로 활용될 수 있다. 본 논문에서 우리는 두 가지 선제적(proactive) VNF live migration 방법을 제안하며, 첫 번째 방법은 서버 로드밸런싱에 VNF live migration 기법을 사용하며 두 번째 방법은 고장 예측에 기반하여 고장 회피 목적으로 VNF live migration을 사용한다. 선제적 migration을 위한 예측에 머신러닝(기계학습)을 활용하며 실험을 통해 그 실효성을 검증한다. 특히 두 번째 방법에 대해 vEPC (Virtual Evolved Packet Core)의 고장 상황을 case study한 결과를 제시한다.

• 한국융합학회논문지
• /
• 제13권5호
• /
• pp.1-8
• /
• 2022

국내에서는 4차 산업혁명의 핵심기술인 드론 등을 이용하여 사회기반시설(SOC)를 디지털화하는 한국판뉴딜 정책을 추진 중에 있고, 국외에서도 열화상카메라 등 융복합센서를 드론에 탑재하여 다양한 산업 분야에서 활용하는 사례가 증가하고 있다. 본 연구에서는 고속도로 교면포장 공사에서 포장 품질을 개선하기 위하여 드론에 열화상 카메라를 탑재하여 포장 작업 구간에 대한 온도 측정 및 검증을 수행하였다. 기존의 방식인 레이저 온도계를 활용한다면 포장 온도를 부분적으로만 측정이 가능하지만, 제안된 방식을 활용하면 포장 작업 구간 전체에 대한 실시간 온도 모니터링 뿐 아니라 온도 분포 확인을 통한 균일성 검증이 가능한 것을 확인하였다. 제안된 방식을 현장에 적용한다면 도로 개방 시기(포장 표면온도≦40℃)에 대한 오판의 가능성을 낮춰줌에 따라 고속도로 포장 품질관리 제고 및 신속한 교통 개방 시기 결정이 가능할 것으로 기대된다.

• Current Optics and Photonics
• /
• 제7권3호
• /
• pp.237-247
• /
• 2023

In middle- and long-distance imaging systems, due to the atmospheric turbulence caused by temperature, wind speed, humidity, and so on, light waves propagating in the air are distorted, resulting in image-quality degradation such as geometric deformation and fuzziness. In remote sensing, astronomical observation, and traffic monitoring, image information loss due to degradation causes huge losses, so effective restoration of degraded images is very important. To restore images degraded by atmospheric turbulence, an image-restoration method based on improved compound multibranch feature fusion (CMFNetPro) was proposed. Based on the CMFNet network, an efficient channel-attention mechanism was used to replace the channel-attention mechanism to improve image quality and network efficiency. In the experiment, two-dimensional random distortion vector fields were used to construct two turbulent datasets with different degrees of distortion, based on the Google Landmarks Dataset v2 dataset. The experimental results showed that compared to the CMFNet, DeblurGAN-v2, and MIMO-UNet models, the proposed CMFNetPro network achieves better performance in both quality and training cost of turbulent-image restoration. In the mixed training, CMFNetPro was 1.2391 dB (weak turbulence), 0.8602 dB (strong turbulence) respectively higher in terms of peak signal-to-noise ratio and 0.0015 (weak turbulence), 0.0136 (strong turbulence) respectively higher in terms of structure similarity compared to CMFNet. CMFNetPro was 14.4 hours faster compared to the CMFNet. This provides a feasible scheme for turbulent-image restoration based on deep learning.