유전자 알고리즘과 네트워크 분석을 활용한 민방위 대피시설 위치 선정

유수홍,김미경,배준수,손홍규 한국측량학회 2018 한국측량학회지 Vol.36 No.6

Various studies have been conducted to analyze the location appropriateness and capacity of shelters. However, research on how to select new shelters is relatively insufficient. Since the shelter is designated in case of emergency, it is also necessary to efficiently select the location of the shelter. Therefore, this study presented a method for selecting the location of the shelter using network analysis that has been used to analyze the location appropriateness of shelters and genetic algorithm which is a representative heuristic algorithm. First, the network analysis using the existing civil defense evacuation facility data was performed and the result showed that the vulnerability of evacuation has a high deviation by region in the study area. In order to minimize the evacuation vulnerable area, the genetic algorithm was designed then the location of new shelters was determined. The initial solution consisting of candidate locations of new shelters was randomly generated and the optimal solution was found through the process of selection, crossover, and mutation. As a result of the experiment, the area with a high percentage of the evacuation vulnerable areas was prioritized and the effectiveness of the proposed method could be confirmed. The results of this study is expected to contribute to the positioning of new shelters and the establishment of an efficient evacuation plan in the future. 최근 대피시설의 위치 적절성, 수용 능력 등을 분석하기 위한 연구가 다양하게 진행되고 있으나, 신규 대피시설의 위치를 선정하는 방법에 관한 연구는 상대적으로 부족하다. 만일의 사태에 대비하기 위해서 대피시설을 지정하는 것이므로, 효율적으로 대피시설의 위치를 선정하는 방법 또한 필요하다. 따라서 본 연구에서는 대피시설의 입지 적 절성 분석에 활용되어온 네트워크 분석과 대표적인 휴리스틱 알고리즘인 유전자 알고리즘을 활용하여 대피시설의 위치를 선정하는 방법을 제시하다. 먼저, 기존의 민방위 대피시설 자료를 토대로 네트워크 분석을 시행하여 연구 지역의 대피 취약지를 살펴본 결과, 지역별로 편차가 큰 것을 확인할 수 있었다. 이에 연구지역의 대피 취약지를 최 소화하는 것을 목적함수로 유전자 알고리즘을 설계하여 신규 대피시설의 위치를 결정하다. 대피시설 후보지의 위치로 구성된 초기해를 무작위로 생성하고, 선택, 교차, 변이의 과정을 통해 목적함수를 최대로 만족하는 해를 탐색하다. 실험결과, 연구지역 내 대피 취약지역의 비율이 높은 곳이 우선적으로 선정되었으며, 제안 기법의 효용 성이 확인되었다. 본 연구의 결과는 향후 새로운 대피시설의 위치를 지정하고 효율적인 대피 계획을 수립하는 데에 기여할 수 있을 것으로 기대된다.

공간데이터베이스와 유전자 알고리즘을 활용한 민방위대피소 수용 능력 분석 및 최적 위치 선정

유수홍,배준수,이지상,손홍규 대한토목학회 2019 대한토목학회논문집 Vol.39 No.6

Currently, the establishment and management of civil defense shelters are under the initiative of the government and local governmentsto protect the lives of citizens. In the future, there is a need for efficient civil defense shelters operation through the expansion of generalshelters, including designated dedicated shelters. Therefore, it is more efficient to consider the distribution of residents and the locationof access to shelters, not the quantitative operation considering only the number of residents. This study uses genetic algorithms and Huff gravity model based on census output data, building data, and road network information to understand the distribution of inhabitants more precisely than existing administrative district data. In addition, the spatial- database was used for efficient data management and fast processing, and if this study is improved, it can be used as a basis for the selection and improvement of general shelters positioning for a wider area. 현재 시민의 생명을 보호하기 위한 목적으로 민방위대피소의 설치와 관리가 정부 및 지자체 주도하에 이뤄지고 있다. 향후에는 지정된 전용 대피소를 포함하여 일반 대피시설의 확장을 통한 효율적인 민방위 대피소 운영의 필요성이 제기되고 있다. 따라서, 대피소의 선정 시 수용인원만을고려한 양적인 운영이 아닌 거주민의 분포 및 대피소의 접근 위치를 고려하는 것이 효율적이라고 할 수 있다. 본 연구에서는 기존의 행정구역 데이터에 비해 세밀하게 거주민 분포를 파악할 수 있는 전수 집계구 데이터와 건물 데이터, 도로망 정보를 기반으로 유전자 알고리즘과 Huff 중력모델을 활용하여 모든 거주민을 실질적으로 수용할 수 있는 민방위대피소를 선정하였다. 또한, 효율적인 데이터 관리와 빠른 처리를 위해 공간 데이터베이스를 활용하였으며, 본 연구 성과를 개량하면 시 단위의 광범위한 지역에 대해서도 일반 대피시설의 선정 및 개선 연구의 기반 자료로 활용될 수 있을 것으로 판단된다.

DMSP-OLS 야간 영상을 이용한 인구 추정 모델 변수 선정 연구

유수홍,한수희,허준,손홍규,Yoo, Su-Hong,Han, Soo-Hee,Heo, Joon,Sohn, Hong-Gyoo 대한원격탐사학회 2011 大韓遠隔探査學會誌 Vol.27 No.1

한 국가에 거주하고 있는 인구수를 파악하는 젓은 매우 중요한 사안 중 하나이다. 본 연구에서는 DMSP-OLS 야간 영상과 인구 통계치를 이용한 인구 추정 모델을 제작함에 있어 적합한 변수를 선정하였다. 모델 제작에 이용된 기본식은 선행 연구에서 제안한 지수식을 바탕으로 제작하였으며 야간 영상으로부터 취득할 수 있는 다양한 변수를 이용하여 각각에 대해 정확도 평가를 수행하였다. 연구결과, 일정 크기 이상의 빛이 존재하는 지역의 면적을 변수로 사용하여 인구를 추정하였을 때 가장 정확도가 높은 것으로 나타났다. 한편, 본 연구를 다른 국가나 지역에 적용시키기 위해서는 보다 추가적인 연구가 필요할 것으로 사료된다. It may be an important issue to estimate population of a concerned country. In this study, an appropriate variable was selected to establish a model which fits best the relationship between the night time imagery of DMSP-OLS and population data. Exponential model was selected which was proposed by previous study. Accuracy validation was also performed for each variable extracted from the night time imagery of DMSP-OLS. Consequently, the model showed high accuracy when applied to the area of a certain amount of light was existed. However, further consideration should be necessary when to applied other country or other part of regions.

Residual U-Net을 이용한 토지피복지도 자동 제작 연구

유수홍,이지상,배준수,손홍규 대한토목학회 2020 대한토목학회논문집 Vol.40 No.5

Land cover maps are derived from satellite and aerial images by the Ministry of Environment for the entire Korea since 1998. Even with their wide application in many sectors, their usage in research community is limited. The main reason for this is the map compilation cycle varies too much over the different regions. The situation requires us a new and quicker methodology for generating land cover maps. This study was conducted to automatically generate land cover map using aerial ortho-images and Landsat 8 satellite images. The input aerial and Landsat 8 image data were trained by Residual U-Net, one of the deep learning-based segmentation techniques. Study was carried out by dividing three groups. First and second group include part of level-II (medium) categories and third uses group level-III (large) classification category defined in land cover map. In the first group, the results using all 7 classes showed 86.6 % of classification accuracy The other two groups, which include level-II class, showed 71 % of classification accuracy. Based on the results of the study, the deep learning-based research for generating automatic level-III classification was presented. 환경부에서는 위성영상과 항공영상을 이용하여 토지피복지도를 1998년부터 제작하여 배포하고 있으나, 권역별 제작 주기가 달라 활용성이 저하된다. 이에, 본 연구에서는 항공정사영상과 Landsat 8 위성영상을 이용하여, 토지피복지도를 자동으로 생성하기 위한 연구를 수행하였다. 토지피복지도를 자동적으로 제작하기 위하여 딥러닝 기반 세그먼테이션 방법의 하나인 Residual U-Net을 활용하였다. 토지피복지도의 제작 시기와 가장 근접한 시기의 항공 및 위성영상을 신경망을 통하여 학습하고, 학습결과를 3가지 실험군으로 나누어 토지피복지도와 비교하여 정확도 평가를 수행하였다. 첫 번째 군으로 대분류 7개 전체를 활용한 결과의 경우, 선행연구에서 대분류 4개에만 적용된 결과보다도 향상된 86.6 % 의 분류 정확도를 나타내었다. 중분류를 일부 포함한 2개의 실험군의 경우에는 71 %의 정확도를 나타내었다. 본 연구 결과를 바탕으로 신경망을 활용한 대분류 항목에 대한 자동 분류 가능성을 제시하였으며, 중분류 및 세분류에 대한 기초연구로 활용이 가능할 것으로 판단된다

세그먼테이션 기법을 이용한 건물 자동 탐지

유수홍(Suhong Yoo),김남훈(Namhoon Kim),배준수(Junsu Bae),손홍규(Hong-Gyoo Sohn) 대한공간정보학회 2019 한국지형공간정보학회 학술대회 Vol.2019 No.5

산림의 탄소 저장량 가치 분석

유수홍(Su-Hong Yoo),허준(Joon Heo),조형식(Hyoung-Sig Cho),손홍규(Hong-Gyoo Sohn) 대한공간정보학회 2009 한국지형공간정보학회 학술대회 Vol.2009 No.9

최근 우리나라를 포함한 세계에서는 탄소 에너지의 저장 및 활용 관련 기술을 확보하기 위한 경쟁이 벌어지고 있다. 산업적인 목적을 위해 탄소의 활용법 및 저장 방법이 다양하게 제시되고 있는 가운데, 탄소의 저장에 있어 점점 산림에 대한 관심이 증가하고 있다. 본 논문에서는 구축된 산림 데이터베이스를 이용해 강원도 평창군에 대해 가치평가를 수행한 결과, 이자율에 따른 연간 탄소 보존 가치를 정량화 할 수 있었다. 또한 제작한 탄소 저장량 가치 지도는 저장된 탄소의 가치를 지역별로 도시함으로써 추후 월등한 가치를 가질 것으로 예상되는 지역과 그렇지 않은 지역을 정확히 구분하여 산림화 추진 지역이나 개발 대상지 선정에 있어 중요한 자료로써 이용될 수 있을 것으로 판단된다.

의사결정알고리즘을 이용한 토양유기탄소 추정

유수홍(Yoo Su Hong),허준(Heo Joon),손홍규(Sohn Hong Gyoo) 대한공간정보학회 2010 한국지형공간정보학회 학술대회 Vol.2010 No.1

토양 유기 탄소는 산림의 형성에 도움을 주며, 대기 중의 이산화탄소와의 관계를 조절하여 지구 온난화에 영향을 미치는 중요한 인자다. 따라서 알맞은 모델을 제작하여 토양 유기 탄소의 분포를 추정할 수 있다면 그 활용도가 높을 것으로 판단된다. 본 연구에서는 의사결정나무 알고리즘을 통해 경사도, 경사 방향, DEM, 나무의 종류 데이터로부터 토양 유기 탄소의 상대적인 양을 파악할 수 있는 모델을 제작하였다. 그 결과, 토양 유기 탄소 샘플의 표면에 대해 매우 조밀히 분포한 상록수 지역이 다른 지역에 비해 상대적으로 많은 양의 토양 유기 탄소를 가진다는 결과가 도출되었으며, 생성된 모델의 정확도는 68.98%인 것으로 나타났다. 이 모델을 통해 결정된 인자는 특정 지역에 대해 토양 유기 탄소의 상대적인 양을 파악하는데 도움을 주어 산림 조성 및 도시 개발시 중요한 참고 자료로 사용될 수 있을 것으로 판단된다.

의사결정나무를 이용한 토양유기탄소 추정 모델 제작

유수홍(Yoo Su Hong),허준(Heo Joon),정재훈(Jung Jae Hoon),한수희(Han Su Hee) 대한공간정보학회 2010 대한공간정보학회지 Vol.18 No.3

토양유기탄소는 산림의 형성에 도움을 주며, 대기 중의 이산화탄소양을 조절함으로써 지구 온난화에 영향을 미치는 중요한 인자 중 하나이다. 토양에 존재하는 인자의 분포를 정확히 파악하려면 모든 지역에 대해 샘플링을 수행해야하나 이는 매우 비현실적인 방법이다. 따라서 알맞은 모델을 제작하여 토양유기탄소의 분포를 추정할 수 있다면 그 활용도가 높을 것으로 판단된다. 본 연구에서는 의사결정나무 알고리즘을 이용해 경사 데이터, 경사향 데이터, Digital Elevation Model (DEM), 식생의 형태 데이터로부터 토양유기탄소를 상대적으로 다량 함유하고 있는 환경 인자를 파악할 수 있는 모델을 제작했으며, 정확도 검증은 10 집단 교차 검정을 통해 수행하였다. 이를 위하여 See 5와 Weka 소프트웨어를 이용하였다. See5 소프트웨어의 경우, 토양유기탄소 표층에 대해 식생의 형태에 의해 토양유기탄소량이 결정되는 것으로 나타났으며, 중간층에 대해서는 DEM에 의해 토양유기탄소량이 달라진다는 결론이 도출됐다. 생성된 모델의 정확도는 표층에 대해 70.8%, 중간층에 대해 64.7%인 것으로 나타났다. Weka 소프트웨어의 경우, 토양유기탄소 샘플의 표층에 대해 See5와 동일한 결과가 도출되었지만, 중간층에 대해서는 DEM이나 식생의 형태뿐만 아니라 경사향도 영향을 미친다는 결론이 도출되었다. 생성된 모델의 정확도는 표층에 대해 68.98%, 중간층에 대해 60.65%인 것으로 나타났다. 본 연구는 토양유기탄소량의 파악 및 토양유기탄소 지도 제작에 활용될 수 있을 것으로 사료된다. Soil organic carbon (SOC), being a help to forest formation and control of carbon dioxide in the air, is found to be an important factor by which global warming is influenced. Excavating the samples by whole area is very inefficient method to discovering the distribution of SOC. So, the development of suitable model for expecting the relative amount of the SOC makes better use of expecting the SOC. In the present study, a model based on a decision tree algorithm is introduced to estimate the amount of SOC along with accessing influencing factors such as altitude, aspect, slope and type of trees. The model was applied to a real site and validated by 10-fold cross validation using two softwares, See 5 and Weka. From the results given by See 5, it can be concluded that the amount of SOC in surface layers is highly related to the type of trees, while it is, in middle depth layers, dominated by both type of trees and altitude. The estimation accuracy was rated as 70.8% in surface layers and 64.7% in middle depth layers. A similar result was, in surface layers, given by Weka, but aspect was, in middle depth layers, found to be a meaningful factor along with types of trees and altitude. The estimation accuracy was rated as 68.87% and 60.65% in surface and middle depth layers. The introduced model is, from the tests, conceived to be useful to estimation of SOC amount and its application to SOC map production for wide areas.

딥러닝 기반 의미론적 분할 기법을 통한 건물 자동추출 연구: 모델의 가중치 경중과 전이학습에 따른 정확도 변화 중심으로

유수홍(Yoo, Suhong),손홍규(Sohn, Hong-Gyoo) 한국측량학회 2023 한국측량학회지 Vol.41 No.6

건물 객체는 3차원 모델링, 도시확장 및 환경 분석 등의 분야에 활용될 수 있는 중요한 공간정보 자료원으로, 지속적인 정보 구축이 중요하나 자동으로 구축하기가 쉽지 않은 지형지물 중 하나이다. 이를 해결하는 방안으로 무거운 신규 신경망을 개발하거나 전이학습을 활용하는 방안들이 제시되고 있으나, 여전히 한계가 있다. 이에, 본 연구에서는 가중치의 경중에 따른 모델의 분류 성능과 ImageNet 가중치를 이용한 전이학습 기법이 원격탐사 분야에서의 활용 가능성을 파악하기 위한 실험을 진행하였다. 이를 위해 AiHub의 토지피복지도 학습 데이터를 사용하였으며, MobileNet, ResNet을 백본 신경망으로 사용한 U-Net과 Deeplab V3+ 분류 모델을 활용하였다. 실험 결과, MobileNet기반의 U-Net 모델로 전이학습을 진행하지 않았을 때, 분류정확도가 가장 높은 것으로 나타났으며(f1-score: 0.8483), 시각적으로도 전이학습이 아닌 처음부터 학습시킨 모델이 더 참값에 가깝게 건물을 묘사하는 것으로 확인되었다. 이는 전이학습을 수행하기 위해 신경망을 국한할 필요 없이 다양한 방법을 활용할 수 있다는 의미이며, AiHub에서 제공하는 수준의 데이터 양이 있다면 일정 수준 이상의 분류정확도를 가지는 모델을 제작할 수 있음을 시사한다. Building objects are an essential spatial information source that can be used in fields such as 3D modeling, urban expansion, and environmental analysis. They are one of the geographical features for which continuous information construction is essential but are not easy to construct automatically. As a solution to this problem, methods have been proposed to develop new heavy neural networks or utilize transfer learning, but there are still limitations. This study conducted an experiment to determine the models classification performance according to the weight and the possibility of using the transfer learning technique using ImageNet weights in remote sensing. For this purpose, AiHubs land cover map learning dataset was used, and U-Net and Deeplab V3+ classification models using MobileNet and ResNet as backbone neural networks were utilized. As a result of the experiment, the classification accuracy was found to be highest when transfer learning was not performed with the MobileNet-based U-Net model (f1-score: 0.8483). Additionally, visually, it was confirmed that the model learned from scratch rather than transfer learning depicted the building closer to the ground truth. This means that a variety of methods can be used to perform transfer learning without the need to limit the neural network, and it suggests that if there is an amount of data at the level provided by AiHub, a model with a certain level of classification accuracy can be created.

고해상도 SAR 영상을 이용한 영상정합기법연구

유수홍(Yoo, Su Hong),손홍규(Sohn, Hong Gyoo),백상호(Baek, Sang Ho),김성삼(Kim, Seong Sam),정재훈(Jung, Jae Hoon) 대한공간정보학회 2011 한국지형공간정보학회 학술대회 Vol.2011 No.5