지하공간이용은 도심내 부족한 주거, 상업, 공업용지의 공급이라는 물리적 측 면과 경제적, 효율적 측면에서 그 가능성이 매우 높은 공간이며 다중이용시설 과 주거, 업무공간으로 수요가 증가 할 것으로 예상된다. 또한 최근에 발생한 우크라이나와 러시아의 장기 전쟁과 88년만의 폭우로 인한 서울의 인명피해는 사회적으로 지하공간을 대피 및 방재시설로도 활용할 필요성을 역설해 주고 있다. 대피·방재공간, 주거생활 및 업무공간과 관련하여 주거환경, 안전, 소방, 피난등의 시설을 갖춘 쾌적한 지하공간이 필요하게 되었다. 이러한 대피공간, 재해예방시설, 다중이용시설과 주거, 업무공간에 필요한 문제점을 파악하고 건 축법적인 해결 방안을 법률적·제도적 차원에서 접근하여 지하공간이용 활성 화 및 쾌적한 지하공간 환경이 조성되도록 개선점 등을 제시하였고 현실적인 개선사항으로 지하공간이용개발촉진지구 지정에 대한 것 등을 제안하였다.

In this study, we analyze a finite-buffer M/G/1 queueing model with randomized pushout space priority and nonpreemptive time priority. Space and time priority queueing models have been extensively studied to analyze the performance of communication systems serving different types of traffic simultaneously: one type is sensitive to packet delay, and the other is sensitive to packet loss. However, these models have limitations. Some models assume that packet transmission times follow exponential distributions, which is not always realistic. Other models use general distributions for packet transmission times, but their space priority rules are too rigid, making it difficult to fine-tune service performance for different types of traffic. Our proposed model addresses these limitations and is more suitable for analyzing communication systems that handle different types of traffic with general packet length distributions. For the proposed queueing model, we first derive the distribution of the number of packets in the system when the transmission of each packet is completed, and we then obtain packet loss probabilities and the expected number of packets for each type of traffic. We also present a numerical example to explore the effect of a system parameter, the pushout probability, on system performance for different packet transmission time distributions.

안면 부 MRI 검사는 주변 조직에 대한 높은 대조도 와 해상력으로 해부학적 구조 파악과 질환 진단에 이용되고 있다. 최근 검사 시간을 줄이는 동시에 영상의 질을 향상하는 딥러닝이 주목받고 있다. 본 연구는 안면 부 MRI 검사에서 딥러닝 의 유용성을 알아보기 위해 34명의 환자를 대상으로 딥러닝 T2 강조 영상과 고식적인 T2 강조 영상의 축상면, 관상면 영상을 각각 획득하여, 무참조 영상 품질평가 기법인 NIQE와 NIMA를 통하여 정량적 평가하였고, 리커트 4점 척도를 통해 정성적 평가하였다. NIQE 결과에서 딥러닝 T2 강조 영상은 고식적인 T2 강조 영상보다 영상 품질이 우수하였고, NIMA 결과에서는 딥러닝 T2 강조 영상의 축상면은 통계적으로 유의한 차이가 없었고, 딥러닝 T2 강조 영상의 관상면에서는 통계 적으로 유의한 차이가 있었다. 정성적 평가지표에서는 입 인두, 후두 인두에서 질적인 이득이 있었다. 연구 결과를 통해 안면 부 영역 중 무의식적인 움직임이 많은 영역에서 딥러닝을 적용함으로써 고식적인 T2 강조 영상보다 높은 영상의 품질 을 제공하고, 상대적으로 움직임이 덜한 구조물에서도 품질을 유지하며 검사 시간을 2분 이상 단축하여 움직임에 의한 인공 물을 감소시킴으로써 응급 환자 및 비협조 환자의 진단에 유용하게 활용될 것으로 사료 된다.

수많은 함정용 채프들은 폭발에 의해 확산되어 채프운을 형성하며, 채프운은 허위 레이더 반사 단면적을 생성하여 적의 레이더를 기만한다. 본 논문에서는 전산유체역학-이산요소법 단방향 연동 기법을 기반으로 공기 중에 분포하는 함정용 채프운의 시공간 분포 를 해석하는 수치적 프레임워크를 구축하고 바람의 방향과 속도, 채프 카트리지의 초기 각도와 폭발 압력이 채프운 분포에 미치는 영 향을 분석하였다. 채프운의 확산은 폭발에 의한 방사형 확산, 난류와 충돌에 의한 전 방향 확산, 낙하 속도 차이에 의한 중력 방향 확산 과 같이 세 단계로 구분되는 것을 확인하였다. 바람은 채프운의 평균 위치를 이동시켰으며, 항력에 의한 확산 효과는 나타나지 않았다. 카트리지 초기 각도에 따라 폭발에 의한 방사형 확산 방향이 달라졌으며, 각도가 지면과 수직에 가까울수록 더 넓게 확산되었다. 폭발 압력이 증가할수록 채프운은 더 넓게 확산되었으나 중력 방향으로는 분포 차이가 작았다.

최근 3차원 공간정보와 행정정보를 융합하여 다양한 도시문제의 과학적 해결을 지원하는 디지털트윈이 공공분야의 스마트시티와 공간정보 행정업무에 도입되고 있다. 이 연구의 목적은 공공분야에 디지털트윈을 확산하기 위해 필요한 공간정보의 정책방향을 제시하는데 있다. 먼저, 이론적 고찰을 통해 디지털트윈에 대한 개념을 검토하였고, 언론보도 등에 나타난 디지털트윈에 대한 주요 키워드를 도출하였다. 두 번째, 디지털트윈 국가정책과 디지털트윈국토 지자체 시범사업, 공공기관의 디지털트윈 사업 특성을 고찰하였다. 세 번째, 정책 및 제도적 관점, 사업적 관점, 활용성의 관점에서 공공분야 디지털트윈이 어떠한 이슈와 문제점을 가지고 있는지 도출하였고, 이를 해결하기 위한 정책방향을 제안하였다. 이 연구의 결과는 향후 공공분야 디지털트윈 확산을 위한 정책적 시사점을 제공할 것이다.