• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.17-27
• /
• 2020

지역난방 시스템은 서비스 지역 내 열 수요처들을 네트워크로 연결하여 중앙의 저비용 고효율 열 생산설비를 통해 열을 공급하는 에너지 시스템이다. 효율적인 열 공급 시시스템 운영을 위하여 지역 내 열 수요를 정확하게 예측하고 이를 바탕으로 열 생산 계획을 최적화하는 것이 중요하다. 본 연구에서는 지역 내 열수요처별 열 사용량 패턴에 대한 빅데이터 정보로 기계실별 실시간 열량계 정보를 반영한 열수요 예측모형을 제시하였다. 기존에도 열 수요예측에 활용되던 지역 전체 열수요 실적 합계와 함께 수요처별로 설치되어 있는 열량계로부터 실시간으로 수집한 개별 열수요 실적을 예측모형에 반영함으로써 열 수요처별로 상이한 열사용 패턴을 반영한 열 수요 예측이 가능할 것으로 기대된다. 지역난방 기업의 실제 열수요 실적을 바탕으로 열수요 예측 정확도를 측정한 결과 계절에 상관없이 기본 모형 대비 열량계 빅데이터를 반영할 경우 정확도가 올라가는 것으로 분석되었으며, 향후 열수요처별 다양한 형태의 데이터를 추가로 반영함으로써 열 수요 예측 정확도 향상이 가능할 것으로 예측된다.

• 지식경영연구
• /
• 제22권2호
• /
• pp.1-17
• /
• 2021

본 연구에서는 한국과 미국의 대표적인 거래소인 빗썸과 코인베이스의 비트코인 가격을 ARIMA와 순환 신경망(Recurrent Neural Network)을 이용해 예측하고, 이후 각 국가의 뉴스 기사를 이용해 분리 학습에 기반한 separated RNN 모형을 제안한다. separated RNN 모형은 학습 데이터를 가격의 추세 변화 점을 기준으로 분리해 학습시킨 후, 추세 변화점 별 뉴스 데이터를 활용해 용어 기반 사전을 구축한다. 이후 용어 기반 사전과 평가 데이터 기간의 뉴스 데이터를 이용해 예측할 데이터의 가격 추세 변화 점을 찾아낸 후, 매칭되는 모형을 적용해 예측 결과를 산출한다. 2017년 5월 22일부터 2020년 9월 16일까지의 가격 데이터를 사용해 분석한 결과, 제안된 separated RNN을 이용해 예측한 결과가 한국과 미국의 비트코인 가격 예측 모두에서 순환 신경망(RNN)을 이용해 예측한 결과보다 높은 예측 성과를 보였다. 본 연구는 시계열 예측 기법의 한계를 뉴스 데이터를 이용한 추세 변화 점 탐색을 통해 극복할 수 있고, 성과 향상을 위한 추후 다양한 시계열 예측 기법 및 추세 변화 점 탐색을 위한 다양한 텍스트 마이닝 기법을 적용해볼 필요가 있음을 시사한다.

• 한국양봉학회지
• /
• 제34권1호
• /
• pp.47-55
• /
• 2019

다양한 농업 생산 분야에서 정보통신기술 (ICT, Information and Communications Technologies)이 융합하여 많은 발전을 이루어내고 있다. 꿀벌의 활동과 관련한 온·습도, 음파, 이산화탄소, 암모니아, 황화수소 등 다양한 봉군내·외의 요인들과 꿀벌의 활동 추적에 대한 ICT 융복합 시스템 개발연구가 최근 이슈화되고 있다. 본 연구에서는 이중 적외선 센서(QRE1113)를 이용하여 꿀벌 출입 자동 모니터링 시스템을 구현하여 실측 자료를 비교·분석하였다. 꿀벌의 방화행동을 연구하는 기존의 밀원식물 방화 개체 수 측정, 영상촬영을 통한 출입 활동 수 수동 분석, 해외 다양한 자동모니터링 시스템들과 비교하여 본 시스템은 모니터링 시간과 노력의 단축 및 외부 방화 활동과의 일치성, 수동 분석과 상대 오차 5% 미만으로 높은 실효성을 보였다. 또한, 저전력블루투스(BLE)모듈을 활용한 내·외부 온도 센서와 병행을 통해 시스템의 확장성을 확보하였으며, 이 시스템으로부터 확보한 한달간의 데이터 분석을 통해 온도와 방화행동 간 상관관계 분석 및 하루 평균 손실되는 꿀벌의 개체수(출역봉의 1.88%)를 측정할 수 있었다. 향후 복합적인 모니터링 시스템 확장과 빅데이터 축적을 통해 더욱 강력한 실시간 모니터링 도구 및 꿀벌 생태 교육자료로 양봉 산업 발전에 크게 기여할 수 있고, 과학적 분석 도구로 활용될 것이다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.95-104
• /
• 2020

본 연구는 사물인터넷(IoT) 센서를 이용해 실내공기질에 주요한 영향을 미치는 미세먼지, 초미세먼지, 이산화탄소, 유기화학물과 온도, 습도 데이터를 실시간으로 수집/분석할 수 있는 실시간 실내공기질 모니터링 서비스를 클라우드 플랫폼으로 구현하였다. 이를 실내공기 정화시설인 청정환기장치와 연동하여 실시간 실내공기질 상태에 따라 환기장치 최적관리할 수 있도록 하였다. 본 플랫폼은 청정환기장치 내외부에 장착된 실내공기질 측정 센서로부터 실시간으로 데이터를 수집하는 IoT 데이터 수집부, 수집된 데이터를 클라우드 환경에서 가공/처리/적재하는 클라우드 데이터 처리부, 적재된 빅데이터를 분석하고 공기질 현황을 웹과 모바일에 시각화하여 보여주는 데이터 분석 서비스부로 구성된다. 그리고 이러한 플랫폼의 가동과 효과를 검증하기 위해 공기질에 민감한 영유아의 교육 생활환경인 국공립 어린이집 교실을 대상으로 실증을 실시하였다. 모든 분석 결과는 웹과 모바일에서 실시간으로 시각화 서비스될 수 있도록 실증 구현하였고, 환기장치의 실내공기질 개선효과는 실내공기질 측정 센서들의 측정값을 통계적으로 검증하여 공기질 개선에 기여하고 있음을 확인하였다.

• 디지털융복합연구
• /
• 제19권1호
• /
• pp.29-43
• /
• 2021

COVID-19 이후 국내는 물론, 전 세계적으로 온라인 교육은 절대적으로 필요하며 대체 불가한 교육 형태가 되었다. 온라인 교육이 급부상 하면서 교육 형태에 대해 사람들이 가지는 인식은 어떠한지, 만약 변화가 있다면 어떻게 변화했는지는 매우 궁금증을 자아내는 질문이다. 본 연구는 온라인 교육에 대한 소비자 인식의 변화 추이를 빅데이터를 활용하여 조사하였다. 이를 위해 코로나 이전(2019년 11월-12월), 코로나 촉발 이후(2020년 1월-2월), 온라인 개강직후(2020년 3월-4월), 온라인 교육을 일정 정도 경험한 이후(2020년 5월-6월)의 4개의 구간으로 구분하고, 텍스트 마이닝 즉, 키워드 빈도분석, 워드클라우드 분석, 네트워크 분석, 감성 분석을 수행하였다. 시기별로 온라인 교육 관련 키워드의 출현빈도는 코로나 이전에는 학점은행제, 평생교육, 블로그 등에서 코로나 이후 학교 개강이 시작되면서 온라인 개학, 비대면 교육, 실시간, 콘텐츠 제작, 유튜브 등으로 변화하였다. 감성분석 결과, 코로나 사태 이전에는 공지안내, 정보교류 등의 중립글이 대부분이었으나, 코로나 발생을 계기로 온라인 교육에 대한 사람들의 인식과 평가에 대한 긍정 및 부정의 의견이 논의되기 시작하였다. 또한 미래 온라인 교육시장의 확산과 전망 등 방향성에 대해서도 관심이 증대되었다. 온라인 교육은 발전가능성이 높은 만큼 앞으로 개선해야 할 부분들이 많겠으나, 교육 정책입안자, 현장에서 일하는 교육자들에게 온라인 교육 품질 개선 및 향후 나아갈 방향 수립에 도움을 줄 수 있을 것이다.

• 사물인터넷융복합논문지
• /
• 제6권4호
• /
• pp.89-92
• /
• 2020

다양한 IoT(Internet of Things) 서비스들이 등장하면서 IoT 기기의 테스크를 오프로딩 시키는 연구가 진행되었다. 기존에는 클라우드 컴퓨팅을 통한 오프로딩이 고려되었지만 서비스 응답 지연 및 코어 네트워크의 부하 등의 이슈로 인해 IoT 기기 근처에서 오프로딩을 지원하는 포그 컴퓨팅 개념이 도입되었다. 하지만 포그 컴퓨팅 환경에서도 서비스 대상 IoT 기기가 증가하게 되면 클라우드 환경과 마찬가지로 부하 집중 문제로 인해 서비스 응답 지연이 발생할 수 있다. 이를 해결하기 위하여 자동차, 드론 등 IoT 기기 근처에 존재하는 컴퓨팅 가능 노드들을 통해 오프로딩을 수행하는 개념인 기회적 포그 컴퓨팅이 등장하였다. 기존의 포그 및 기회적 포그 컴퓨팅 노드들을 활용한 오프로딩 연구들은 서비스의 요청이 있을 때 가용한 노드를 통해 오프로딩을 수행한다. 기존의 연구 방법대로 오프로딩을 수행한다면 기회적 포그 컴퓨팅 노드가 가용할 때에 발생된 요청들만 해당 노드들로 오프로딩이 가능하다. 하지만 서비스의 응답 지연 요구사항만 만족시킨다면 즉시적으로 요청을 처리할 필요가 없고 최대한 많은 테스크를 기회적 포그 컴퓨팅 노드로 오프로딩 시키는 것이 부하 분산에 용이하다. 그러므로 본 논문에서는 오프로딩 타이머를 기반으로 서비스 응답 지연 요구사항을 만족시키면서 최대한 기회적 포그 컴퓨팅 노드들을 통해 오프로딩 시킬 수 있는 지연된 오프로딩 방법을 제안하고자 한다.

• 디지털융복합연구
• /
• 제19권3호
• /
• pp.167-176
• /
• 2021

최근 빅데이터 분석 기술이 발전하면서 사회 이슈를 분석하기 위해 그 동안 많은 텍스트 마이닝 기법을 활용한 연구들이 진행되어왔다. 사회이슈를 도출하기 위한 기존의 연구들을 살펴보면 다량의 텍스트 데이터를 뉴스, SNS 등으로부터 수집하여 토픽 모델링, 네트워크 분석 등의 기법을 이용하여 데이터로부터 이슈를 추출하고 분석하는 방식으로 연구들이 이루어져왔다. 사회 이슈는 다양한 사회현상들이 누적되어 나타나는 결과물이다. 하지만 기존 연구들이 가지는 한계점은 사회적으로 나타나는 이슈, 즉 결과에 대한 분석에 초점이 맞춰져 있어 해당 이슈의 발생 원인을 밝히는 것에는 한계를 가진다는 것이다. 사회이슈에 적절하게 대응하기 위해서는 어떠한 사회이슈가 존재하는지를 확인하는 것뿐만 아니라 사회이슈의 발생 원인을 파악하는 것이 필요하다. 이러한 한계점을 극복하기 위해서 본 연구에서는 사회 이슈와 관련한 텍스트로부터 사회이슈의 원인이 되는 요인을 도출하는 방법을 국어학의 품사이론을 기반으로 제안하였다. 이를 위해서 2017년 1월부터 2019년 12월까지의 3년 동안의 사회이슈와 관련한 뉴스데이터를 수집하여 수집된 텍스트 내 단어들의 인과관계를 인과문형을 찾아 분석한 후 기존 텍스트마이닝 기법 접목하여 사회이슈의 원인 단어들을 찾는 방법론을 제안하였다.

• 터널과지하공간
• /
• 제31권4호
• /
• pp.270-288
• /
• 2021

본 연구에서는 입자기반 개별요소모델(grain-based distinct element model, GBDEM)을 이용하여 암석 균열의 역학적, 수리적 거동을 평가할 수 있는 수치해석기법을 제시하고 해석해와의 비교를 통해 검증하였다. 이는 DECOVALEX-2023 프로젝트 Task G의 일환으로 수행된 벤치마크 모델링 연구로, Task G는 결정질 암반 내 균열의 열-수리-역학적 복합거동을 해석하기 위한 수치해석기법을 개발하는 데에 목표가 있다. 본 연구에서는 사면체 개별 입자들을 이용하여 해석모델을 생성하고 3DEC을 이용하여 입자와 접촉에서의 거동을 해석하였다. 이 과정에서 등가연속체 개념을 적용해 입자기반모델의 미시물성을 산정할 수 있는 새로운 기법을 제시하였다. 한편, 균열 경사각과 거칠기, 경계응력조건 및 압력 조건에 따른 해석을 실시하여 각 해석조건이 균열의 수직, 전단방향 거동에 미치는 영향을 살펴보았다. 해석 결과, 제안된 수치모델은 경계응력에 따른 균열의 미끄러짐(fracture slip)과 유체 압력에 따른 균열의 개방(fracture opening), 균열 경사에 따른 응력 분포, 거칠기로 인한 전단변위의 구속 등을 합리적으로 재현하고 있음을 확인하였다. 수치해석을 통해 계산된 균열의 수직방향, 전단방향 변위는 모두 해석해를 통해 계산된 값과 거의 일치하는 결과를 보였다. 본 연구의 해석모델은 Task G에 참여하는 국외 연구팀들과의 의견 교류와 워크숍을 통해 지속적으로 개선하는 한편, 향후 다양한 조건의 실내시험에 적용하여 타당성을 검증할 예정이다.

• 기술혁신연구
• /
• 제29권1호
• /
• pp.1-38
• /
• 2021

본 논문에서는 에너지 섹터의 혁신성 제고를 위한 리빙랩(Living Labs) 활용 전략 수립에 관한 탐색적 분석 연구를 수행하였다. 기존 연구문헌을 통해 이론적 배경이 되는 리빙랩의 개념, 필수 구성요소, 혁신성 특성과 에너지 섹터의 혁신 이슈 유형을 확인할 수 있었다. 이를 토대로 리빙랩 필수 구성요소의 맞춤형 전략 수립과 혁신성 제고와의 연관성, 에너지 섹터에서의 혁신 이슈에 대한 접근으로 리빙랩 활용 가능성에 대해 에너지 리빙랩 사례 연구(해외 8건, 국내 1건)을 통해 분석되었다. 연구 결과, 리빙랩 필수 구성요소의 맞춤형 전략 수립이 혁신성 제고에 동인으로 작용 될 수 있으며, 리빙랩이 에너지 섹터의 혁신 이슈(수요관리, 공급기술, 기술사업화 촉진 및 수용성, 기술정책)에 대한 접근 방법론으로 효과적으로 활용 될 수 있음을 확인되었다. 사례연구 결과 기반으로 혁신성 기여 관점에서 리빙랩 사례별 동인을 도출하고 에너지 혁신이슈별 리빙랩 활용 전략을 수립하였다. 본 연구는 에너지 섹터에서의 혁신이슈에 대한 접근으로 리빙랩 모델의 활용 전략과 그 가치에 대한 탐색적, 기술적 분석 연구로서 종래에 시도되지 않았던 리빙랩 활용 전략 프레임워크를 제공할 수 있고, 에너지 리빙랩 활성화와 네트워크 형성에도 기여될 수 있다는 점에서 학술적·실용적·정책적 함의가 있다고 볼 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.141-148
• /
• 2022

최근 들어 강화 학습은 심층 신경망 기술과 결합되어 바둑, 체스와 같은 보드 게임, Atari, StartCraft와 같은 컴퓨터 게임, 로봇 물체 조작 작업 등과 같은 다양한 분야에서 매우 놀라운 성공을 거두었다. 하지만 이러한 심층 강화 학습은 행동, 상태, 정책 등을 모두 벡터 형태로 표현한다. 따라서 기존의 심층 강화 학습은 학습된 정책의 해석 가능성과 일반성에 제한이 있고, 도메인 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 한계점들을 해결하기 위해 제안된 새로운 관계형 강화 학습 프레임워크인 dNL-RRL은 센서 입력 데이터와 행동 실행 제어는 기존의 심층 강화 학습과 마찬가지로 벡터 표현을 이용하지만, 행동, 상태, 그리고 학습된 정책은 모두 논리 서술자와 규칙들로 나타내는 관계형 표현을 이용한다. 본 논문에서는 dNL-RRL 관계형 강화 학습 프레임워크를 이용하여 제조 환경 내에서 운송용 모바일 로봇을 위한 행동 정책 학습을 수행하는 효과적인 방법을 제시한다. 특히 본 연구에서는 관계형 강화 학습의 효율성을 높이기 위해, 인간 전문가의 사전 도메인 지식을 활용하는 방안들을 제안한다. 여러 가지 실험들을 통해, 본 논문에서 제안하는 도메인 지식을 활용한 관계형 강화 학습 프레임워크의 성능 개선 효과를 입증한다.