지리공간정보와 머신러닝을 결합한 인간정보자산 최적 배치 모델 연구 = Optimal Deployment Modeling of Human Intelligence Assets Combining Geospatial Information System and Machine Learning

국문 초록 (Abstract)

본 연구는 전장에서의 주요한 첩보수집 수단인 인간정보자산(Human Intelli gence Assets, Humint)의 생존성과 첩보 수집 효율성을 극대화하기 위한 최적 배치 자동화 모델을 개발하는 것을 목표로 한다. 기존의 인간정보자산 배치 결정 방식은 운용자의 경험과 직관에 크게 의존하는 주관적 의사결정의 한계를 가지며, 이는 자산의 생존성과 작전 효과의 편차를 야기하는 근본적 문제로 지적되어 왔다. 이에 본 연구는 GeoAI(Geospatial Artificial Intelligence) 프레임 워크를 기반으로, 오픈소스 지리정보 분석 도구인 QGIS(Quantum Geographic Information System)와 머신러닝(Machine Learning) 모델을 결합하였으며, 구체적으로는 공공기관이 제공하는 고도, 식생, 도로망, 수계 등의 실측 지리 공간 정보를 수집하고, QGIS를 활용하여 이를 격자(Grid) 단위 데이터셋으로 정량화 및 구조화하였다. 모델학습을 위해 인간정보자산의 제약조건(은·엄폐, 관측 거리)를 반영한 가시선 (Line-of-sight) 분석 결과를 정답 레이블로 사용 하고, 단순 거리와 가시선 외에 거리기반 가중치(Distance-based weight)와 주변 환경의 복잡도를 반영하는 엔트로피 기반 점수(Entropy-based score)를 적용하였다. 이를 기반으로 머신러닝 알고리즘(Random Forest, XGBoost, Lig htGBM)을 적용, 인간정보자산의 최적 배치 지점을 자동으로 선정하는 모델을 제안한다. 개발된 모델은 다양한 지형 환경에서 임의의 표적 좌표에 대해 정량적 근거를 바탕으로 인간정보자산의 효율적인 배치를 보조할 수 있으며, 향후 인간정보자산 배치는 물론, 지상 감시 레이더, UAV 등 다양한 유형의 정보·감시·정찰(ISR) 자산의 운용연구에도 유용하게 활용될 것으로 기대된다. * 키워드 : GIS, 인공지능 (AI), 머신러닝, QGIS, GEOAI, MGIS, 정보자산

목차 (Table of Contents)

• 제1장 연구 개요 1
• 제1절 연구 배경 및 목적 1
• 제2절 연구 내용 및 범위 2
• 제2장 연구 이론 및 방법 4
• 제1절 이론적 배경 4
• 1 선행연구 4
• 2 GeoAI 6
• 3 머신러닝
• 제2절 연구 환경 및 방법론 10
• 1 연구 환경 10
• 2 연구 방법론 12
• 제3절 연구 과정 18
• 1 데이터 수집 18
• 2 데이터 전처리 22
• 3 학습용 데이터셋 구축 25
• 4 머신러닝 활용 학습 29
• 5 결과 분석 및 평가 32
• 제3장 연구 요약 및 향후 발전 방향 36
• 참고문헌 39
• 영문 요약 43