• 한국건설관리학회논문집
• /
• 제23권3호
• /
• pp.45-55
• /
• 2022

BIM의 도입에 따라 공간이 개별 객체로 인식되면서 객체화된 공간의 속성정보는 법규검토, 에너지 분석, 피난 경로 분석 등을 위한 기반 데이터로 사용 가능하기에 BIM의 활용성을 넓힐 수 있는 발판을 마련하였다. 그러나 BIM 모델 내 개별 공간 속성의 오기입이나 누락이 없는 시멘틱 무결성(semantic integrity)이 보장되어야 하는데, 다수의 참여자에 의한 수작업으로 진행되는 BIM 모델링 과정 특성 상 설계 오류가 빈번히 발생한다는 문제점이 존재한다. 이를 해결하기 위해 BIM 모델의 공간 정합성 검증을 위한 연구가 다수 진행되었으나, 적용 범위가 한정적이거나 분류 정확도가 낮은 한계점이 존재하였다. 본 연구에서는 공간의 기하정보 뿐 아니라 BIM 모델 내 공간과 부재 간 연결 관계를 Graph Convolutional Networks (GCN) 학습과정에 활용하여 향상된 성능의 공간 자동 분류모델을 구축하고자 하였다. 구축된 GCN 기반 모델의 성능을 공간의 기하정보만으로 학습된 기계학습 모델인 Multi-Layer Perceptron (MLP)과 비교하여 공간 분류 시 연결 관계 적용의 효용성을 검증하고자 하였다. 이를 통해 관계정보 활용 시 약 8% 내외 수준으로 공간 분류 성능이 향상되는 것으로 확인되었다.

• 대한토목학회논문집
• /
• 제44권1호
• /
• pp.49-62
• /
• 2024

급격한 도시화로 인한 지하의 무분별한 개발은 기존 지하매설물의 점검과 교체 그리고 새로운 지하시설물 설치에 지연을 일으키고 있다. 최근에는 체계화된 시스템을 도입하여 지하시설물을 관리하고 있지만, 실제 시공은 현장 여건에 따라서 설계 도면과 다르게 진행되기 때문에 기존 지하매설물의 부정확한 위치 정보로 사고가 끊임없이 발생하고 있다. 한편, 전기비저항 탐사는 전극을 지반에 관입시켜 전극 간 전위차로 지반의 전기저항을 측정하는 방식이며, 비파괴 물리탐사 기법으로서 널리 이용되고 있다. 그리고 다수의 전극 쌍을 이용하여 복잡한 지하 구조를 영상화하고, 딥러닝 알고리즘을 활용한 데이터 해석 기술들이 비약적으로 발전하였지만, 아직 지하매설물의 기하학적 조건에 따른 전기저항 변화를 정량적으로 평가한 기초적인 연구로서는 진행된 바가 없다. 본 연구에서는 전극과 지하매설물의 기하학적 매개 변수 해석을 통해서 전기저항 변화를 평가하였다. 먼저, 이론식과 수치 해석의 전기저항값 차이가 작게 나타난 정량화된 메쉬를 적용하여 3차원 전기저항 수치 해석 모듈을 개발하고, 매설물의 깊이, 크기, 그리고 전극과 매설물 간 이격거리에 따른 매개 변수 해석을 통해서 정상 직류 상태에서 전기저항 변화를 정량적으로 비교하였다. 전기저항은 매설물이 얕은 깊이에 위치하고, 크기가 크고, 전극과의 이격거리가 가까울수록 높게 측정되었다. 추가적으로 전극과 지하매설물 주변에 형성된 전위 및 전류밀도 분포를 분석하여 터미널 전극 주변에서 측정된 전기저항을 고찰하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1779-1790
• /
• 2023

위성 자료의 성능이 크게 개선됨에 따라 최근에는 위성을 이용하여 광범위한 영역에 대한 실시간 안개 탐지 알고리즘들이 개발되고 있다. 한반도 주변을 관측하는 기상위성 중 관측주기가 10분으로 시간해상도가 가장 우수한 GEO-KOMPSAT-2A/Advanced Meteorological Imager (GK2A/AMI)는 공간해상도가 500 m이다. 반면 GEO-KOMPSAT-2B/Geostationary Ocean Color Imager-II (GK2B/GOCI-II)는 해상도가 250 m지만, 1시간 주기로 관측하고 가시채널만 보유하고 있다. 따라서 본 연구에서는 한반도 주변에서 발생하는 안개를 10분 및 250 m 해상도로 탐지하기 위해 GK2AB 융합 안개 탐지 알고리즘(Fog Detection Algorithm, FDA)인 GK2AB FDA를 개발하였다. GK2AB FDA는 세 파트로 구성된다. 첫 번째로 현업 운용중인 GK2A 안개 탐지 알고리즘(GK2A FDA)으로 10분 및 500 m 해상도로 안개를 탐지한다. 두 번째 단계에서는 두 위성 자료 간 시공간 일치, 태양천정각과 파장역 차이를 보정한 GK2A normalized visible (NVIS)의 10분 변화량을 이용하여 GK2B NVIS를 10분 간격으로 외삽한다. 마지막 단계에서는 외삽된 GK2B NVIS, 태양천정각, GK2A FDA 산출물 등을 입력자료로 기계학습(의사결정나무)을 이용하여 개발된 GK2AB FDA로 지리적위치에 따라 안개를 탐지(250 m, 10분)한다. GK2AB FDA의 훈련에는 6개 사례, 검증에는 4개 사례가 이용되었다. GK2AB FDA의 정량적 검증에는 지상관측 시정, 풍속 그리고 상대습도 자료를 이용하였다. GK2AB FDA는 GK2A FDA에 비해 공간해상도가 4배 증가함에 따라 안개 및 비안개 화소가 보다 자세히 구분되었다. 또한 검증방법에 관계없이 GK2A FDA에 비해 probability of detection (POD)은 높고 Hanssen-Kuiper Skill score (KSS)는 높거나 비슷함을 보여 안개 탐지 수준이 개선된 것으로 보인다. 하지만 일부 사례에서는 GK2AB FDA의 false alarm ratio (FAR)와 Bias가 크게 나타나 안개를 과대탐지하는 문제를 보이고 있다.