강우레이더의 전파특성 분석 및 운영방안 연구

성장용 경북대학교 산업대학원 2008 국내석사

태풍루사(2002. 8. 5.) 및 태풍매미(2003. 9. 12)에 의한 홍수피해로 수천억의 재산 피해와 수만 명의 이재민, 수백 명의 사망자가 발생함에 따라 이를 대비하기 위하여 국토해양부는 국책사업으로 재난예방을 위한 강우레이더 구축계획을 2004년부터 추진 중에 있으며, 이중 첫 번째 사업으로 낙동강유역 대구에 첫 강우레이더(2009년 완공예정) 설치를 시작으로 단계적으로 11개소에 설치하여 운용할 예정으로 있다. 그러나 국내에 최초로 도입(한강 이북의 임진강유역을 관측하기 위한 특수 목적용은 2003년부터 1개소를 운용 중에 있음)하여 추진할 계획으로 있는 사업이지만, 동 분야에 대한 연구는 미흡한 실정이며, 더군다나 전문 통신분야 전공자에 의한 전파의 물리적 특성에 대한 연구는 미흡하게 이루어지고 있으며, 현재는 기상학적인 측면만이 일부 적용되어 연구되고 있음 따라서 우리나라에 신설되거나 시설될 가능성이 있는 강우관측 전문 레이더에 대하여 기본적 특성 및 성능을 분석하고, 강우관측을 위한 전파특성에 대하여 연구함과 더불어 기존에 설치하여 운용중인 기상청의 기상관측 레이더와의 상관관계를 고찰하고 비교 분석 연구함으로서 향후 이루어질 국책사업에 차질 없이 준비하고, 신설완료시 기술적 운용 기법에 대한 사전 연구를 통하여 미래에 대비하고자 함

편광레이더와 간섭레이더 영상자료를 이용한 산불 피해지 임분의 특성분석

이선일 仁荷大學敎 大學院 2002 국내석사

산림의 물리적인 특성 분석에 있어 레이더 영상자료가 유용하게 이용되고 있다. 본 연구는 편광레이더를 이용하여 산불피해지역을 구분할 수 있는 최적의 편광조합을 찾고, 산림과 산불피해지역의 나무의 높이 값 추출을 위한 간섭레이더 영상자료의 이용 가능성을 실험해보았다. 실험을 위해서 SIR-C 편광레이더 영상자료와, NASA/JPL 항공기 간섭레이더 영상자료가 사용되었다. 편광레이더 영상분석을 위해 경기북부지역의 산불피해지역이 선정되었고, 피해지역의 정확한 위치를 확인하기 위해 1:6,000 지적임야도를 이용하였다. 지형적인 요소와 임분 구조에 따라 다르게 반응하는 레이더 영상의 특성을 고려하여 편광레이더 영상자료에서 산불 피해지역과 임분 요소가 동일하고 지형인자가 가장 유사한 지역에서 산불 비피해지역의 레이더 후방산란계수가 추출되었다. 추출된 편광레이더 후방산란계수들의 편광조합별 분리도를 비교한 결과 L밴드 HV편광에서 피해지역과 비피해지역의 구분이 가장 높았다. 간섭레이더 영상분석을 위해 경상남도 울산광역시와 양산시 일대가 선정되었다. 간섭레이더로부터 생성된 3차원 지형정보(DSM)와 1:5,000 수치지도에서 만든 수치표고모형(DEM)을 이용하여 나무의 높이를 나타내는 영상을 생성하였다 자료의 정확도 검증을 위해 현지에서 나무의 높이 측정이 이루어졌으며, 산불피해지역의 현지상태조사와 위치확인을 위해 위성측위시스템이 이용되었다. 현지에서 측정한 나무의 높이값과 간섭레이더로 구한 나무의 높이 값이 ±3.75m의 차이를 나타냈고, 산불피해와 비 피해지역을 구분할 수 있었다. 본 연구를 통해 편광레이더를 이용하여 산불피해지역과 비피해지역의 구분할 경우 L밴드 HV 조합이 가장 적합하고, 산림의 나무의 높이 값 추출과 산불피해지역과 비피해지역의 분리에 있어 간섭레이더의 이용이 적합함을 알 수 있었다. Radar image is known to be effective to analyze physical chararcteristics of forest stands. The objectives of this study were to find the optimal polarimetric combination for fire-damaged forest and to test the potential of interferometry radar data for assessing tree heights value. SIR-C polarimetry image data and NASA/JPL AIR SAR interferometry data were used. Fire-damaged forest at northern Kyung-Gi Province was selected for polarimetry radar image analysis and 1:6,000 scaled cadastral map was used for further positional accuracy. Considering the characteristic of radar image, which shows a lot of variation due to the topographic factors and stand structure, radar backscattering coefficient were obtained from the area having similar stand structure and topography. L band HV polarimetry data showed better discrimination of the fire-damaged forest stands from non-damaged forest stands. Fire-damaged area around the Ulsan metropolitan area were selected as a test site for interferometry radar image analysis. DEM(digital elevation model) made from 1:5,000 scaled digital map and DSM(Digital Surface Model) from interferometry radar were used. Field investigation has been made to verify the accuracy of the image produced, and Global Positional System (GPS) was also used to find the exact location of fire-damaged stand. The stand heights obtained from the DSM data derived from interferometry radar were very similar to the field-measured data.

스마트 공간 내 정밀 탐지를 위한 연속파 초소형 레이더 시스템 연구

이인성 건국대학교 대학원 2024 국내석사

COVID-19와 같은 전염병 유행과 독거노인 의료 모니터링을 위해 비접촉 센서인 레이더 센서 기반의 생체 신호 측정 연구가 활발히 진행되고 있다. 본 논문에서는 도플러 레이더 센서를 통한 생체 신호 측정의 신호 대 잡음 비(Signal to Noise Ratio, SNR) 향상, 실시간 모니터링을 위한 연구 그리고 제한된 레이더 시야각 개선을 위한 연구를 진행했다. 레이더 자체에서 발생하는 열잡음과 낮은 주파수 형태의 진동은 측정 결과를 열화시키는 결과를 야기한다. 이러한 잡음은 DC 오프셋이 움직이는 현상을 일으키며 DC 드리프트 현상이라고 한다. DC 드리프트는 DC 오프셋을 제거하기 위한 방법인 원 추정 기법의 정확도를 낮추게 된다. 따라서, 다항식 피팅 기법을 응용하여 잡음을 추적해 제거하는 Detrending 기법을 제안했다. 다항식 차수에 따른 결과를 분석하여 최적의 차수를 정의하였고 MATLAB 내에서 DC 드리프트가 발생하는 상황을 시뮬레이션 및 제안하는 기법을 적용해 유효함을 확인했다. 잡음 제거로 인한 원 추정 기법의 정확도가 향상되었고 심박과 호흡의 SNR이 각각 7.2 dB, 6.6 dB 개선되는 결과를 얻었으며 실제 실험을 통해서도 일치하는 결과를 얻었다. 생체 신호중에는 호흡 신호와 심박 신호가 있으며 두 신호는 매우 비슷한 주파수 대역에 위치해 있다. 호흡은 심박에 비해 10배 정도 큰 움직임을 가지며 호흡의 고조파 성분이 심박 신호 검출에 영향을 미치게 된다. 심박 모니터링을 위해 기존의 방법은 대역 통과 필터를 이용해 호흡의 영향을 제거하고자 했다. 하지만, 호흡과 심박이 매우 가까운 대역에 있기 때문에 매우 높은 차수의 필터가 필요하다는 단점이 존재한다. 따라서, 호흡을 배제하고 10초 이상의 긴 측정 시간이 필요한 기존 심박 모니터링 방법을 개선하기 위해 윈도윙 기법을 제안하게 된다. 데이터 내에 적어도 두 주기의 신호가 필요한 점을 활용한 윈도우 사이즈를 통해 호흡을 필터링하고자 했다. 호흡이 필터링 가능한 2~4초의 윈도우 시간 중 MATLAB 시뮬레이션을 통해 가장 최적의 시간인 3초 윈도우를 도출해냈다. 일반적인 호흡과 심박 대역내의 가능한 경우의 수를 시뮬레이션 하여 제안하는 기법이 유효함을 확인하였다. 짧아진 데이터에 의해 발생하는 낮은 주파수 분해능을 데이터 재구성 기법을 통해서 보상하였고 95.8%의 심박 감지 정확도를 얻고 13% 개선된 신호 처리 시간을 달성하는 결과를 얻었다. 단일 레이더는 고정되어 있으며 제한된 시야각을 갖는다. 이를 극복하기 위해 송신단과 수신단을 분리하는 형태인 바이스태틱 레이더 시스템을 제안하였다. 바이스태틱 레이더 시스템의 동기화를 위해 임의 파형 발생기 신호로 동작 타이밍을 일치시켰다. 고유 가시거리가 개선된 결과를 보여주기 위해 피객체를 모노스태틱 레이더 기준으로 0.5 m 떨어진 거리에서 45°간격으로 회전하며 1분간 측정한 결과를 바탕으로 모노스태틱과 바이스태틱 결과를 비교 분석하였다. 모노스태틱 레이더는 특정 각에서 매우 낮은 정확도를 갖지만 바이스태틱 레이더는 각도와 관계없이 95% 이상의 호흡 측정 정확도를 가졌다. 해당 결과를 통해 개선된 시야각에 의한 것으로 바이스태틱 레이더를 이용한 호흡 측정은 방향성에 따른 차이가 나타나지 않음을 보였다. With the outbreak of infectious diseases such as COVID-19 and the need for monitoring the health of the elderly living alone, research on non-contact sensors, specifically radar sensors for measuring vital signs, has been actively conducted. This paper focuses on improving the Signal-to-Noise Ratio (SNR) of vital sign measurements using Doppler radar sensors, conducting research for real-time monitoring, and improving the limited field of view of radar. Thermal noise and low-frequency vibrations generated by the radar hardware imperfection, causing DC offset to drift, known as DC drift. DC drift reduces the accuracy of center tracking methods used to remove DC offset. Therefore, this paper proposes a ‘Detrending technique’ that tracks and removes noise-trend-line by applying polynomial fitting techniques. By analyzing the results based on the polynomial order, this paper defines the optimal order. Through MATLAB simulations, the validity of the proposed method was confirmed by applying it to situations where DC drift occurs. The accuracy of the center tracking method improved due to noise removal, resulting in SNR improvements of 7.2 dB for heart rate and 6.6 dB for respiration. These results were consistent with actual experiments. Among vital signals, respiration and heart rate signals are located in very similar frequency bands. Respiration has a movement about ten times larger than heart rate, and the harmonics of respiration affect heart rate detection. Conventional methods for heart rate monitoring used band-pass filters to eliminate the effects of respiration. However, the close frequency bands of respiration and heart rate require very high-order filters, which is a significant challenge. Therefore, to improve the existing heart rate monitoring methods that exclude respiration and require long measurement times of over 10 seconds, this paper proposes a windowing technique. By utilizing the requirement of having at least two cycles of signals within the data, respiration was filtered out through the window size. From the MATLAB simulation, the optimal window size of 3 seconds was derived from the feasible 2-4 seconds window time that can filter respiration. The effectiveness of the proposed method was validated through simulations of possible scenarios within the general respiration and heart rate bands. The lower frequency resolution caused by shorter data was compensated through a data reconstruction technique, achieving a 95.8% heart rate detection accuracy and a 13% improvement in signal processing time. A single radar is fixed and has a limited field of view. To overcome this, a bistatic radar system was proposed where the transmitter and receiver are separated. For synchronization of the bistatic radar system, the operating timing was matched with arbitrary waveform generator signals. To demonstrate improved inherent visibility, the monostatic and bistatic results were compared by measuring the target at 45° intervals for 1 minute from a distance of 0.5 m based on the monostatic radar. The monostatic radar had very low accuracy at certain angles, but the bistatic radar maintained over 95% respiration measurement accuracy regardless of angle. This result, due to the improved field of view, demonstrated that respiration measurement using a bistatic radar shows no directional differences.

물리적 수문모형의 유출모의를 통한 이중편파 레이더 강우량의 불확실성 평가

이충기 인하대학교 대학원 2021 국내박사

유역 출구에서 유출량을 정확히 산정하기 위해서는 유출 모형의 입력 자료인 지상강우량의 높은 공간해상도와 정확성에 대한 신뢰도가 중요하다. 즉, 지상의 지점 강우량을 유역의 면적 평균 강우량으로 변환하여 유출 모형의 입력 자료로 활용하기 때문에 우량계의 관측망이 조밀할수록 공간해상도가 높다. 그러나 많은 우량계의 설치는 유지관리비가 많이 들기 때문에 한 지점에서 넒은 영역을 높은 시공간 해상도로 관측하는 강우 레이더를 활용하게 된다. 레이더 추정 강우량은 공간패턴 표현상의 장점이 있지만 정확도에 많은 불확실성을 내포하고 있다. 레이더 강우량의 불확실성은 유역의 지형학적 특성, 계절, 강우유형 등에 따라 변동성이 커 수문활용 목적에 따라 다양한 처리 시스템이 존재하지만 사용자들의 정량적인 만족도는 높지 않다. 따라서 본 연구에서는 레이더 강우량의 수문업무 활용 만족도를 높이기 위하여 품질관리, 공간추출, 이중편파변수 사용 등에 따른 8개의 강우 알고리즘을 적용하여 레이더 강우량을 추정하고, 지형학적 보정을 거친 후 수문모형을 이용하여 불확실성을 평가함으로서 레이더 강우량의 최적 활용방안을 제시하였다. 연구 대상지역은 남강댐 유역으로 2012년부터 2018년에 걸쳐 발생한 태풍에 의한 강우 및 장마기 전선형 강우 사상을 대상으로 하였다. 강우 사상의 종류에 따른 특성이 레이더 강우량 추정에 어떠한 영향을 미치는 지를 정량적으로 분석하였고, 상공 2∼4 km에서 낙하하는 레이더 추정 강우량을 지점 강우량과 대응시켜 레이더 추정 강우량을 보정하였다. 즉, 기존에 고려하지 않았던 우량계의 고도에 따른 지형학적 보정 방법론을 개발하여 적용하였다. 분석결과, 남강댐 유역은 복잡한 산악 지형의 영향으로 레이더 추정 강우량의 변동성이 다소 크게 나타났으며, 이러한 오차를 줄이기 위해 품질관리와 이중편파 레이더 변수 알고리즘 등을 사용하여 레이더 강우량을 추정하였다. 8개 알고리즘 중 이중편파 변수를 이용한 하이브리드 공간 강우추출 방법이 가장 우수한 결과를 보였다. 지상우량계의 고도별 분포 특성으로부터 레이더 추정 강우량과 지상강우량간의 회귀식을 개발하고, 회귀 추정값과 지상강우량과의 공간 오차분포를 크리깅 방법으로 계산하여 레이더 추정 강우량을 지형학적으로 보정하였다. 지상강우량과 보정한 레이더 추정 강우량을 분포형 수문 모형인 GRM에 입력하여 레이더 강우량의 수문학적 불확실성을 분석하였다. 지상강우량을 기준으로 GRM 모형의 변수를 최적화하고 이를 기준으로 보정한 레이더 추정 강우량을 입력하여 그 결과를 관측 유출 곡선과 비교하였다. 레이더 추정 강우량을 사용하였을 경우 일반적으로 유출량이 과소 또는 과대 모의되었으나 유출곡선의 형태는 실제와 유사하게 모의되었다. 또한 8개의 레이더 강우량 추정 알고리즘 중 강우의 특성에 따라 실제 유출량과 일치하는 알고리즘들이 사례별로 다르게 나타났다. 이는 강우의 변동성에 의한 강우 입자크기분포의 변화에 따라 적합한 알고리즘이 각 사례에 따라 변한다는 것을 의미한다. 본 연구로부터 얻은 결론은 강우의 시공간적인 변동성으로 레이더 강우량 추정의 불확실성이 야기되는데, 품질관리, 이중편파변수 사용, 지형학적 보정 등을 통한 불확실성 저감 노력이 지속되어야 하고, 대상 유역의 지형 특성과 강우의 시공간 변동성을 고려하여 레이더 강우량 추정 알고리즘을 선택하는 최적화시스템 구축이 필요할 것으로 판단하였다.

기상레이더 신호처리 알고리즘 분석 연구

문종빈 전남대학교 산업대학원 2012 국내석사

현대 기상장비의 발전은 그 추이를 예상할 수 없을 정도로 빠르고 정교해지고 있으며, 공군에서도 그 발전에 발맞추고자 많은 연구와 노력을 기울여 첨단화된 장비들을 도입하여 운용 중에 있다. 이러한 장비 중 기상레이더는 전자기파의 원리를 이용하여 강우시스템에 대한 위치와 강수강도, 바람장 등 기상정보를 생산하는 관측 장비이다. 최근에는 기상레이더로부터 관측된 강수의 바람정보가 실시간 악 기상 감시뿐만 아니라, 수치 예보모델, 수문모델의 입력 자료로 활용되어 초단시간을 포함한 단기 예측자료의 정확성 향상에 크게 기여하고 있어 그 중요성이 매우 높다. 공군은 1977년 8월 예천에 WSR-74C 레이더를 도입한 이래 축적된 운영기술과 지식을 바탕으로 현재는 최신의 도플러 레이더인 WRK-100을 도입하여 운영하고 있으며, 제반 작전에 제한을 주는 기상요소(폭설, 뇌우 등)를 조기에 탐측하여 작전부서에 최신 기상 정보를 제공해 주고 있다. 본 논문은 WRK-100을 기반으로 하는 레이더 운영시스템과 디지털 처리 알고리즘을 분석하여 기상레이더를 쉽게 이해하고, 운영기술을 연구 하는데 도움이 될 수 있도록 기술 하였다. 또한 향후 레이더 발전 방향에 대한 자료를 수록하여 전문인으로서의 지식을 향상시킬 수 있도록 구성하였다.

다중매개변수 G/R기법에 의한 레이더 추정 강우 보정 및 분포형 모형을 이용한 유출 모의

김건우 서경대학교 대학원 2018 국내석사

국 문 요 약 다중매개변수 G/R기법에 의한 레이더 추정 강우 보정 및 분포형 모형을 이용한 유출 모의 서경대학교 대학원 도시기반방재안전공학과 김 건 우 최근 이상기후 현상으로 시·공간적으로 매우 불규칙한 강우가 발생하고 있다. 우리나라도 과거와 달리 이상기후로 인해 강우의 형태가 시간적 분포는 짧아지고, 공간적 분포는 좁아지게 되는 시·공간적 집중현상이 심화되고 있다. 따라서 강우의 시·공간분포를 정의하는데 효과적인 레이더 강우의 활용성에 대한 연구가 늘어나고 있다. 그러나 레이더 강우는 대기 중 수분 입자에 대한 반사도를 측정하여 강우량을 추정하여 실제 강우량과는 차이가 발생하는 한계점이 있다. 이러한 문제점을 해결하고자 G/R, 칼만필터(Kalman Filter), 크리깅(Kriging), 신경망 등의 보정기법을 활용하여 레이더 강우량의 정확도 향상을 위한 연구가 계속되고 있다. 본 연구에서는 면봉산 강우레이더를 이용하여 4개 강우사상의 강우를 추정하였으며, 추정한 레이더 강우를 지상 관측소의 유역평균강우량과 비교하였다. 또한 다중매개변수를 이용한 G/R기법으로 레이더 추정 강우를 보정하고, 수문학적 활용성을 확인하기 위해 분포형 모형인 VfloTM 모형을 이용하여 유출 모의를 수행하였다. 강우량 분석 결과, 보정 전의 레이더 추정 강우는 지상 강우보다 과소하게 산정되었으며, 다중매개변수를 이용한 G/R기법으로 보정한 레이더 추정 강우는 지상 강우와 유사한 결과를 나타내었다. 유출 모의에서도 보정한 레이더 추정 강우의 첨두유량과 총유출량이 관측 유량과 비교적 유사한 값을 보였다. 본 연구에서는 면봉산 강우레이더를 이용하여 추정한 레이더 강우의 불확실성을 파악할 수 있었으며, 보정한 레이더 추정 강우를 이용하여 지상 강우량과의 정확도를 분석하고 유출모의를 수행하였다. 또한 레이더 추정 강우의 수문학적 활용 가능성이 있음을 확인할 수 있었다. ABSTRACT Radar Rainfall Correction by Multiple Parameter G/R Method and Runoff Analysis Using Distributed Model Kim, Geon Woo Dept. of Urban Infrastructure and Disaster Prevention Eng. The Graduate School Seokyeong University Recently, abnormal climates have caused frequent spatiotemporally irregular rainfalls. In South Korea, spatiotemporal concentration is increasing as rainfall patterns tend to become temporally shorter and spatially narrower due to abnormal climates unlike in the past. Therefore, studies on the utilization of radar rainfalls, which are effective in defining the spatiotemporal distribution of rainfall, are increasing. However, one limitation of radar rainfall is that it estimates the amount of rainfall by measuring the reflectance of water particles in the atmosphere, which is different from the actual amount of rainfall. In order to solve this problem, continuous researches are underway to improve the accuracy of radar rainfall by using correction techniques such as G/R, Kalman filter, Kriging and neural network. In this study, the rainfalls of four rainfall events were estimated using the Myeonbongsan Mountain rainfall radar, and the estimated radar rainfalls were compared with the mean areal rainfall of the ground observation station. Furthermore, the radar rainfall was corrected by the G/R method using multiple parameters, and runoff analysis was performed using the VfloTM model, which is a distributed model, to verify hydrological utility. The analysis results of the amount of rainfall show that the radar rainfall before correction was underestimated compared to the ground rainfall, and the radar rainfall corrected by the G/R method using multiple parameters is similar to the ground rainfall. The runoff analysis results also show that the peak flow and total runoff of the corrected radar rainfall is similar to the observation flow rate. This study revealed the uncertainty of the radar rainfall estimated using the Myeonbongsan Mountain rainfall radar, analyzed the accuracy of the radar rainfall, comparing with the corrected amount of ground rainfall, and performed runoff analysis. In addition, this study confirmed the applicability of radar rainfall to the hydrologic system.

레이더 검지기 교통량 보정을 위한 LSTM-MLR 결합모형에 관한 연구

김도훈 인천대학교 일반대학원 2021 국내박사

Recently, it has become possible to collect a large amount of traffic data with the development of the cooperative intelligent transport systems. In addition, machine learning technologies such as deep learning have improved the accuracy of the prediction results as compared to those of previous statistical analysis methodologies that comprised the use of limited traffic data. In the road traffic sector, traffic volume is an important basis for establishing traffic plans, operating and managing roads, and determining whether to invest public capital into social overhead capital projects. Compared to other traffic detectors, radar detectors are primarily used owing to their advantages of low maintenance cost, ease of installation, few obstacles in the traffic volume aggregation process, accuracy of collected data, and multiple-lane detection with one device. Radar is a versatile technology that is applied in various fields, such as autonomous vehicles and small drones. These radar-detector-traffic data include missing and incorrectly detected data. However, it is difficult to determine the cause of this or the criteria for determining whether the data is an outlier. Thus, the discussion regarding the uncertainty of radar detector traffic data is still on-going. Therefore, the purpose of this study is to develop a radar detector traffic volume correction model based on advanced deep learning. Importantly, this study comprises detailed studies as deep learning models can have a significant impact on the performance results depending on the quality of the input traffic data. This study established three types of radar detector traffic errors: artificial, mechanical, and complex errors. Artificial and mechanical errors can be improved by relocating and tuning radar equipment because the cause of the errors is apparent. However, it is difficult to determine the cause of errors due to complex factors. To address this problem, in this study, a traffic error analysis model was developed for radar detectors. As a result, it was found that the characteristics of the detector, road facilities and geometry, and other traffic environment factors affect the error of the detector traffic volume. Generally, traffic volume data may be missing or may comprise outliers owing to the influence of defective collection equipment and the surrounding environment. This uncertain traffic volume data has a significant influence on the traffic volume prediction results according to the processing and correction methods used. To address this issue, in this study, missing and outlier traffic data from the collected radar detectors were analyzed. In addition, a correction algorithm for missing radar detector traffic data and outlier data that can be applied in the field was developed. In this algorithm, the missing traffic volume data were replaced with traffic volume data from 7 days ago. Traffic volume outliers were found by applying the interquartile range technique based on the traffic volume data collected via video cameras over many years. The traffic volume determined as outliers was replaced with video traffic volume of the same time. Finally, this study presents a deep learning based LSTM–MLR (Long Short Term Memory-Multiple Linear Regression) combined model for the traffic correction of radar detectors. This is because the missing and outlier corrected radar detector traffic volume data contains errors owing to various factors existing at the location at which the detector is installed. The LSTM–MLR combined model is a new method that can improve the accuracy of the traffic volume aggregate result through the use of deep learning. Therefore, the LSTM–MLR combined model can be used to correct a large amount of erroneous traffic volume data using a small amount of accurate video camera traffic volume. For this model, the total error rate, paired t-test, root mean square error, and ITS performance standards were used to evaluate the applicability of the model. The analysis showed that the LSTM–MLR combined model had the desired effect of correcting the traffic volume data of the radar detector. 최근에는 C-ITS의 발전으로 대량의 교통자료 수집이 가능하고 이와 더불어 딥러닝과 같은 기계학습 기술이 도입되면서 과거에 제한된 교통자료를 이용한 통계분석 방법론보다 예측 결과의 정확도가 향상되고 있다. 무엇보다도 도로교통 부문에서 교통계획 수립, 도로 운영 및 관리, SOC 사업을 위한 공공재원 투자 여부 등을 결정짓는 중요한 근거자료는 교통량이다. 이러한 교통량 자료를 수집하기 위한 다양한 첨단시스템이 존재하나 유지관리비 절약, 설치의 용이성, 수집자료의 정확성, 집계 과정상 적은 방해요인, 하나의 장비로 다차로 검지 등과 같은 장점으로 국내·외에서 레이더 검지기가 주로 활용되고 있다. 레이더는 자율주행, 초소형 드론 등 첨단산업 분야에서 적용되고 있는 중요한 기술이다. 그러나 레이더 검지기를 통해 수집된 교통량 자료에는 결측 및 오검지 자료가 포함되어 있음에도 불구하고 그 원인을 규명하거나 오검지 여부를 판단할 수 있는 기준 설정이 어렵기 때문에 레이더 검지기 교통량의 불확실성에 관한 논의가 지속되어 오고 있다. 따라서 본 연구의 목적은 최신성을 갖춘 딥러닝 기반의 레이더 검지기 교통량 보정 모델을 개발하는 것이다. 여기서 고려해야 할 사항은 딥러닝 모델은 입력 교통량자료의 품질에 따라 성능 결과에 큰 영향을 미치게 되므로 본 연구에서는 입력 교통량 자료의 품질 향상을 위해서 다음과 같이 세부 연구를 수행하였다. 우선 본 연구에서는 레이더 검지기 교통량 오차 발생 유형을 인위적 오류, 기기적 오류 그리고 복합적 오류 등 세 가지 유형으로 정립하였다. 여기서 대형차량의 주정차 등과 같은 물리적 원인에 의해 검지 영역이 소실되어 나타나는 인위적 오류와 수집 장비 결함 등과 같은 기기적 오류는 그 원인이 명확하여 레이더 장비 이설 및 시스템 조정 등으로 개선할 수 있으나 복합적 요인으로 인해 발생하는 오류는 그 원인을 규명하기가 어려운 특징이 있다. 이러한 문제점을 해결하기 위해서 본 연구는 레이더 검지기 교통량 오차 분석모형을 개발하였으며, 검지기 특성, 도로 시설 및 기하구조, 기타 교통환경 요인 등이 검지기 교통량에 미치는 영향에 대해서 정량적으로 분석한 결과를 제시하였다. 일반적으로 교통량 자료는 수집 장비의 결함 및 주변 환경 등의 영향에 의해서 결측 및 이상치가 발생할 수 있으며, 이러한 불확실성을 갖는 교통량 자료를 어떠한 방식으로 처리 및 보정하는가에 따라 장래교통량 예측 결과에 큰 영향을 미치게 된다. 따라서 본 연구에서는 현장에서 적용이 가능한 레이더 검지기 교통량 결측 및 이상치 보정 알고리즘을 개발하였으며, 수집된 레이더 검지기 교통량 자료를 대상으로 이 알고리즘의 적용 가능성을 평가하였다. 여기서 결측된 교통량 자료는 7일 이전의 동일시간대에 검지 된 교통량 자료로 대체하는 방법을 적용하였다. 그리고 이상치 교통량 자료는 영상 장비를 통해 수집된 다년간의 교통량 자료를 기반으로 IQR 기법을 적용하여 탐색하였으며, 이상치로 판정된 교통량 자료는 동일시간대의 영상교통량 자료로 대체하였다. 본 연구에서는 결측 및 이상치를 보완한 레이더 검지기 교통량 자료도 검지기 설치 지점마다 다양한 요인들에 의한 오차가 포함되어 있기 때문에 시간대별 레이더 검지기 교통량 보정을 위한 딥러닝 기반의 LSTM-MLR 결합모형을 개발하였다. LSTM-MLR 결합모형은 레이더 검지기 교통량의 불확실성에 착안하여 소량의 정확한 영상 장비 기반 시계열 교통량 자료로 오차를 포함하고 있는 대량의 레이더 검지기 교통량 자료를 보완하여 교통량 집계 결과의 정확도를 높일 수 있는 새로운 방식의 딥러닝 알고리즘이다. LSTM-MLR 결합모형 평가를 위한 지표는 총량 오차율, 대응표본 T-검정, 평균제곱근오차, ITS 성능평가 기준을 적용하였다. 분석 결과 본 연구에서 개발한 LSTM-MLR 결합모형은 레이더 검지기 교통량 자료의 보정 효과가 있는 것으로 분석되었다.

레이더 강우의 오차구조를 반영한 강우 앙상블 생성과 홍수 유출 변동성 분석

강나래 인하대학교 대학원 2016 국내박사

수문분석을 위해 정확한 강우량 추정 및 강우 자료의 품질은 매우 중요한 요소로 특히, 홍수유출 결과에 큰 영향을 미친다. 홍수분석의 신뢰성을 높이기 위해서는 강우에 내포된 오차 또는 불확실성 및 품질을 확인하는 과정이 필요하다. 현재 수문분석은 강우의 정밀한 관측과 공간분포 특성을 반영하기 위하여 지상 강우와 레이더 강우의 자료를 결합하여 활용하고자 노력하고 있다. 그러나 단일 레이더 강우 자료는 불확실성을 내포하고 있어 그 한계를 보완할 수 있는 연구가 필요하다. 이에 본 연구에서는 불확실성을 고려하기 위해 확률론적인 방법을 이용하여 레이더 강우 앙상블을 생성하고자 하였다. 즉, 불확실성은 레이더 강우의 공간적인 오차구조와 시간적인 오차분포를 통해 얻어지며 이는 강우 앙상블의 범위를 표현하게 된다. 강우 앙상블은 레이더 강우에 내포되어 있는 불확실성의 정도를 나타내고, 이는 강우-유출분석을 통해 모의된 유출의 불확실성의 범위를 보여준다. 본 연구에서는 태풍 산바와 볼라벤으로 인해 남강댐 유역에 발생한 호우 사상에 적용하여 레이더 강우의 앙상블을 생성하였다. 생성된 레이더 강우 앙상블은 전체적인 편의보정 뿐만 아니라 지상강우의 패턴을 잘 모의하고 있는 것으로 나타났으며, 본 연구에서 제시한 강우 앙상블 생성 기법이 레이더 추정 강우의 불확실성을 잘 표현하였다. 그러나 관측오차가 크게 발생한 지점(산악지역) 및 관측구간의 경우, 강우 앙상블의 강우량이 왜곡되어 편의 및 불확실성이 과대 산정되는 경향을 보였다. 따라서 대상 유역내 산악지역의 강우 관측 자료를 입력자료에서 제외하고 수행한 유출모의 분석이 좋은 결과를 주었으며, 유출량의 불확실성 범위를 잘 보여주었다. 확률론적 기법에 의해 생성된 강우 앙상블을 이용한 레이더 강우의 해석은 홍수유출 결과에 대한 신뢰성 범위를 제공해주고, 홍수유출 모의 결과의 통계적 해석과 의사 결정을 위해 유용한 정보를 제공할 수 있을 것으로 판단된다.

레이더의 동작인식 정확도에 대한 연구

엄창현 국립부경대학교 대학원 2025 국내석사

This study was conducted to verify the accuracy of radar-based motion recognition, which has emerged as an alternative to markerless motion analysis technology. It aims to analyze the applicability of radar technology, which offers high recognition accuracy while overcoming limitations of traditional optical motion capture systems such as cost, environmental constraints, and concerns over personal information exposure. The research was conducted in three phases. First, 3D marker data were mathematically modeled into radar signals to simulate and evaluate the validity of motion recognition. Second, actual data were collected using a 5.8 GHz CW Doppler radar and compared with existing algorithms. Lastly, an algorithm was tested to recognize multiple subjects' motions using training data obtained from a single subject, based on signals acquired with a 77 GHz FMCW radar. The results are as follows. 1. the motion recognition simulation using feature vectors extracted through cross-correlation showed excellent performance. 2. motion recognition using feature vectors extracted from actual CW radar signals and reflective marker position data demonstrated high accuracy. 3. when using training data from one subject and test data from others, the motion recognition using actual FMCW radar signals and feature vectors derived from reflective marker positions also showed high accuracy. This study was structured around three main components: simulation-based data generation, actual radar measurement experiments, and generalized modeling using single-subject learning. First, feature vectors constructed from simulated radar signals based on optical marker data exhibited clear discriminability between motions and achieved high classification accuracy. Second, the proposed analysis method also demonstrated stable motion recognition performance in real-world experiments using CW radar, consistent with the simulation results. Third, experiments recognizing multiple subjects’ motions with models trained on data from a single subject confirmed the feasibility of generalized modeling. These results suggest that radar-based markerless motion recognition systems can deliver reliable performance in real environments and may evolve into flexible recognition technologies applicable to a wide range of users and scenarios. Keywords: motion classification, radar, markerless motino analysis, simulation, feature vector, CW radar, FMCW radar 본 연구는 마커리스(markerless) 동작 분석 기술의 대안으로 떠오른 레이더(Radar) 기반의 동작 인식 정확도를 검증하고자 수행되었다. 기존 광학 모션 캡처 시스템의 비용, 환경 제약, 개인정보 노출 등의 한계를 보완하면서도 높은 정확도를 지닌 레이더 기술의 활용 가능성을 다각도로 분석하였다. 연구는 세 가지 단계로 구성되었으며, 첫 번째로 3D 마커 데이터를 기반으로 레이더 신호를 수학적으 로 모델링하여 시뮬레이션을 통해 동작 인식의 타당성을 검토하였다. 두 번째로는 5.8GHz CW 도플러 레이더를 활용하여 실제 데이터를 수집하고 기존 알고리즘과 비교하였다. 마지막으로 77GHz FMCW 레이더를 이용해 단일 대상자의 학습 데이터를 기반으로 복수 피험자의 동작을 인식하는 알고리즘을 실험하였다. 결과는 다음과 같다. 첫째, 상호 상관을 통해 추출된 특성 벡터를 활용한 동작 인식 시뮬레이션은 인식에 탁월하였다. 둘째, 실제 CW 레이더로 획득한 신호와 반사 마커의 위치 데이터를 바탕으로 상호 상관을 통해 추출 된 특성 벡터를 활용한 동작 인식은 탁월하였다. 셋째, 한 명의 대상자에게서 획득한 학습 데이터와 다른 대상자에게서 획득한 시험 데이터를 사용하여, 실제 FMCW 레이더로 획득한 신호와 반사 마커의 위치 데이터를 기반으로 상호 상관을 통해 추출된 특성 벡터를 활용한 동작 인식은 탁월하였다. 본 연구는 시뮬레이션 기반의 데이터 생성, 실제 레이더 측정 실험, 단일 학습자 기반의 일반화 모델 실험으로 구성되었다. 첫째, 광학 마커 데이터를 활용해 생성한 시뮬레이션 기반 레이더 신호로부터 구 성한 특성 벡터는 동작 간의 변별력이 뚜렷하게 나타났고, 높은 정확도의 분류 성능을 보였다. 둘째, 실제 CW 레이더를 이용한 실험에서도 제안한 분석 방법이 안정적인 동작 인식 성능을 발휘하며, 시뮬 레이션 결과와 유사한 양상을 보였다. 셋째, 단일 대상자의 학습 데이터를 기반으로 다수 대상자의 동 작을 인식하는 실험에서는 일반화된 모델로서의 가능성을 확인할 수 있었다. 이러한 결과는 레이더 기 반 마커리스 동작 인식 시스템이 실제 환경에서도 신뢰도 높은 성능을 보이며, 다양한 사용자 및 상황 에 적용 가능한 유연한 인식 기술로 발전할 수 있음을 시사한다.

확률대응법을 이용한 레이더 강우 추정관계식의 매개변수 결정

노용훈 高麗大學校 大學院 2014 국내석사

Radar is widely used to observe the rain rate field and to prevent the flood damage. Since the Mt. Gwan-ak radar was introduced in 1969, the Korea Meteorological Administration has expanded its radar network covering the entire Korean peninsula. As a remote sensing tool, radar collects the reflectivity intensity from the rain drops in the air. The reflectivity data should be converted in the rain rate data to be used for various applications. The so-called Z-R relation is developed for this purpose. Parameters of the Z-R relation are generally estimated by the Least Square Method (LSM) or recently by the Probability Matching Method (PMM). This study evaluated the PMM for the parameter estimation of the Z-R relation. As a first step, the sensitivity analysis was done to decide the threshold number of data pairs and the data interval for the development of a histogram. As a result, it was found that at least 1,000 number of data pairs are required to apply the PMM for the parameter estimation. This amount of data is similar to that collected for 2 hours. Also, the data interval for the histogram was found to be at least 100(Reflectivity: 0.6 dBZ space for 0~60 dBZ, Rain rate: 0.26 dBR space for 0~25 dBR). Additionally, it was found that the matching the first moment is better than the zeroth moment, and that the data pairs comprising 30 to 100% are better for the PMM application. Finally above findings were applied to the rainfall event occurred on July 9, 2011. The radar data used were those from the Mt. Bisl radar, and the rain gauge data were the TM data within the radar umbrella. The optimal parameters were decided to be A=90, and b=1.5, which were also found to be similar to previous studies. Also, the radar rain rate derived by applying these parameters was found to be better matched to the rain gauge rain rate, than the conventional Z-R relation.