보건의료 정보의 활용은 빅데이터 시대에 피할 수 없는 흐름이다. 빅데이터를 활용하여 산업발전 및 소비자 후생증진을 도모할 수 있다. 이에 따라 빅데이터 사용에 있어 개인정보 보호의 문제도 대두되었다. 미국은, HIPAA (의료정보보호법)를 제정하여 보건의료 정보의 비식별화를 규정하고 있다. 유럽은 GDPR이 제정되었다. 이에 기반하여 EU의 제 29조 작업반(Working Patty 29)은 2014년 4월 10일 익명처리기법에 대한 의견서(WP opinion on Anonymisation Techniques)를 채 택하였다. 일본은 2003년 개인정보보호법을 제 정하였고 2015년 전면개정하였다. 개정법에서는 개인정보 빅데이터의 활용을 좀 더 용이하게 하기 위해 익명가공정보의 개념을 도입하였다. 우리 나라 개인정보 보호법 제18조 제2항은 개인정보를 목적 외로 이용 또는 제3자 제공할 수 있는 예외사유를 규정하고 있다. 또한 의료법 제19조 제 1항으로 의료인이나 의료기관 종사자에게 업무상 알게 된 다른 사람의 정보를 누설하거나 발표하 지 아니할 의무를 정하고 있고, 같은 조 제2항은 의료기관 인증에 종사하고 있거나 종사하였던 자의 업무상 알게 된 정보 누설 및 부당 사용을 금지한다. 2016년 6월에는 행정자치부 등 기관들의 합동으로 ‘개인정보 비식별화 조치 가이드라 인-비식별 조치 기준 및 지원⋅관리 체계 안내’를 발표하였다.

연료유로 사용되는 석유제품은 각각의 품질기준, 등급, 사용용도에 따라 여러 종류가 있다. 국가 별로 유류에 세금을 부과하는 정도에 따라 동일한 석유제품이라 하더라도 가격차이가 발생한다. 가격이 저렴한 비과세의 석유제품을 상대적으로 고가인 수송용 연료에 불법적으로 혼합하는 행위로 인하여 탈세, 환경오염, 차량고장 등의 문제가 발생한다. 이러한 석유제품간 불법 혼합을 방지하기 위해 특정 석유제품에 미량의 식별제(Marker)를 법적으로 첨가하고 있다. 국내에서는 가정용 및 상업용 연료로 사용되는 등유를 자동차용 경유에 불법적으로 혼합하는 행위를 방지하기 위하여 식별제를 도입하여 사용하고 있으며, UV-Vis 분광광도계나 HPLC를 이용하여 식별제 함량을 정량적으로 분석하고 있다. 본 연구에서는 기존에 식별제 함량 분석을 위해 발색제를 첨가하거나 시료를 전처리하는 조작없이 GC-MS로 석유제품에 첨가된 식별제를 정성적 및 정량적으로 분석하는 방법을 개발하였다.

PURPOSES: This paper develops a new stochastic approach to analyze the pavement-vehicle interaction model with a certain roughness and elasticity for the pavement foundation, thereby accommodating the deflection of the pavement, and to identify the road subsidence zone represented with a sudden changes in the elasticity of the foundation. METHODS: In the proposed model, a quarter-car model was combined with a filtered white noise model of road roughness and a two-layer foundation (Euler-Bernoulli beam for the top surface and Winkler foundation to represent the sub-structure soil). An augmented state-space model for the subsystems was formulated. Then, because the input is White noise and the system is represented as a single system, the Lyapunov equation governing the covariance of the system’s response was solved to obtain a structurally weak zone index (WZI). RESULTS: The results showed that the WZI from the pavement-vehicle interaction model is sensitive enough to identify road subsidence. In particular, the WZI rapidly changed with a small change in foundation elasticity, indicating that the model has the potential to detect road subsidence in the early stage. CONCLUSIONS: Beacause of the simplicity of the calculation, the proposed approach has potential applications in managing road conditions while a vehicle travels along the road and detecting road subsidence using a device with an on-board computational capability, such as a smart phone.

생태통로란 자연환경보전법 제2조 9호에 “도로, 댐, 수중 보, 하굿둑 등으로 인하여 야생동식물의 서식지가 단절되거나 훼손 또는 파괴되는 것을 방지하고 야생동식물의 이동 등 생태계의 연속성 유지를 위하여 설치하는 인공 구조물 식생 등의 생태적 공간”이라고 명시되어있다. 생태통로 모니터링은 생태통로를 이용하는 야생동물의 현황을 파악하고 설치의 실효성을 평가하여 개선방안을 마련하기 위함이 다. 현행 조사기법은 생태통로에 카메라 트랩을 설치하고, 정기적으로 조사자가 촬영 데이터를 회수하여 육안판독을 통해 야생동물 객체를 식별하여 정리하고 있다. 이러한 방식은 센서 카메라에 촬영된 동영상을 일일이 확인하여 진행 하므로 분석에 장시간이 소요되며 조사자의 종별 동정능력에 따라 조사결과의 품질 차이가 발생하는 한계가 있다. 최근 이미지 인식 분야에서 딥러닝을 활용한 기법은 영상 내 에서 객체를 자동 식별할 뿐만 아니라 개체 수, 이미지 설명 등을 높은 수준의 정확도로 탐지하고 있다. 따라서 카메라 트랩에 딥러닝 기법을 적용하면 야생동물의 동정, 탐조 및 움직임 정보 등을 자동적으로 데이터베이스화할 수 있다. 본 연구는 이미지 인식 분야 딥러닝 기법을 생태통로 모니터링에 적용함으로써 기존 육안판독의 소요시간을 줄이고, 인적오류를 최소화하는데 그 목적이 있다. 연구지역은 소백산국립공원 죽령생태통로를 선정하였다. 죽령 생태통로는 소백산국립공원 내 유일한 생태통로로 공원구역을 가로지르는 국도 5호선에 의해 단절된 서식처를 연결하고 야생동물의 휴식처로서의 역할을 수행하고 있 다. 터널형 생태통로로, 폭 약 8m, 길이 21m의 규모이다. 2003년에 설치되었으며 2004년부터 국립공원관리공단이 위임받아 현재 소백산국립공원북부사무소가 관리하고 있다. 국립공원 생태통로 중 가장 많은 자료가 축적(2011년 -2015년 집계 기준)된 곳으로, 2005년부터 현재까지 13년 간의 모니터링 자료가 축적되어 있다. 따라서 딥러닝 학습 을 위한 데이터 확보가 용이하다. 본 실험은 카메라 트랩의 딥러닝 기반 영상분석을 실험하는 초기연구이기 때문에 비교적 간단한 신경망 모델과 소량의 데이터를 이용하여 가능성을 검증하였다. 딥러닝은 영상 인 식 분야에서 사용되는 합성곱 신경망(CNN, convolutional neural network) 기법을 적용하였다. 먼저 죽령 생태통로에서 발견 확률이 높은 삵, 고라니, 노루, 멧돼지, 너구리 5종에 대한 모니터링 자료(카메라 사진과 동영상)를 수집하였다. 동영상의 경우, 고정된 위치에서 움직이는 객체를 탐지해야 하기 때문에 컴퓨터 비전 기법을 통한 데이터 전처리를 수행 하였다. OpenCV(Open Source Computer Vision Library)는 영상추적 알고리듬을 제공하는데 이를 통해 야생동물 객체의 최소경계사각형을 탐지하고 각 프레임을 이미지로 저장하였다. 탐지된 이미지는 크기와 해상도가 제각각이기 때문에 CNN의 입력 데이터로 인식시켜주기 위해 100×100 화소 크기로 조정하였다. 딥러닝을 비롯한 머신러닝 문제는 일반적으로 데이터를 훈련 데이터와 시험 데이터로 나눠 학습과 실험을 수행한다. 훈련 데이터는 모델의 최적의 매개변수를 찾는데 사용 되며 시험 데이터는 앞서 훈련된 모델의 성능을 평가하는데 사용된다. 임의 추출을 통해 야생동물 종별로 1,000장의 훈 련 데이터와 400장의 시험 데이터(총7,000장)를 선택하였다. 훈련 데이터는 동물의 전신 이미지는 드물었으며 얼굴 과 몸의 일부만 촬영된 경우가 대부분이었다. CNN 모델은 5층 신경망으로 구성하였으며 이미지 규모를 고려하여 영상증강(image augmentation) 기법을 적용하였다. 모델 구현에는 오픈소스 딥러닝 라이브러리 TensorFlow와 Keras를 사용하였다. 실험결과, 야생동물 5종에 대한 CNN 모델은 96.25%의 정확도를 보였다. 고정된 카메라에서 촬영된 이미지는 야생 동물의 행동 패턴이 비교적 단순하여 객체 식별에 유리한 것으로 추정된다. 또한 생태통로를 이용하는 야생동물의 제한적인 종류는 예측 정확도에 기여도가 있을 것으로 판단된다. 현행 수동식별과 대비하여 본 기법의 적용은 조사 자동 화에 따른 시간절감과 객관적 품질 확보라는 측면에서 활용 잠재력이 높을 것으로 기대된다. 모델이 최종적으로 정립되 면, 조사자가 회수된 현장 데이터를 입력만 하면 생태통로 모니터링 통계를 자동 계산하는 프로그램으로 제공 가능할 것이다. 이번 실험에서는 CNN의 생태통로 모니터링 적용 가능성을 검증해 본 것으로 간단한 모델과 데이터를 통해 그 가능성을 확인하였다. 현재 카메라 트랩 이미지를 대상 으로 CNN의 최신 연구들이 진행 중이나, 실제 적용해 본 바로는 자동 전처리에 관한 연구가 충분히 이뤄져야 할 것 으로 판단된다. 차기 연구에서는 사전 학습된 CNN 모델에 현장 이미지를 추가한 트랜스퍼 러닝(transfer learning)을 적용하여 범용적인 활용도를 평가해보고자 한다.

석유제품 내의 식별제를 정성⋅정량분석하기 위해 HPLC의 적용가능성을 연구하였다. 등유와 자동차용 경유에 함유된 식별제의 정성분석을 위해 HPLC에서 최적의 분석조건(이동상 용매의 비율, 유속 등)을 선정하고, 이를 바탕으로 식별제의 정량분석을 위한 검량곡선을 작성하였다. 특히, 일정 농도 범위에서의 등유는 4.75분에서, 그리고 자동차용 경유는 4.17분의 머무름시간(retention time)을 나타내었고, 등유와 자동차용 경유의 검량곡선 상관계수(R2)가 0.999 이상을 나타내어 정량분석에 적용 가능할 것으로 나타났다. 현행 식별제의 분석방법인 UV/Vis 분광광도계를 이용한 분석결과와 비교분석을 실시하였고, 등유의 경우 약 7 %의 낮은 편차를 보였으며, 자동차용 경유의 경우 약 20 %의 다소 큰 편차를 확인하였다.

구조물의 감쇠비는 내풍성능을 평가하는 가장 중요한 요소 중의 하나이다. 구조물의 실제 감쇠비는 대부분 계측된 응답을 기반으로 시스템 식별기술에 의하여 이루어진다. 그러나 예측된 감쇠비는 계측조건, 계측시간 및 시스템 식별기술에 따라 오차를 보이는 등 불확실성을 가지고 있다. 본 연구에서는 기 개발된 가상 동적진동기(Virtual Dynamic shaker)에 주요 개념으로 사용되었던 외부하중 스펙트럼의 전체 평탄성을 국부 평탄성으로 개념을 확대하여 감쇠비 추정을 보다 정교하게 하는 기법을 개발하였다. 국부 평탄성을 개념을 사용하여 감쇠비를 구하고자 하는 대상 모드의 고유진동수 부근에 적용함으로서 보다 정확하게 감쇠비 추정하는 기법을 다루었다. 본 개발된 기법을 검증하기 위하여 고층건물의 상시진동에 대하여 적용하였으며, 기존 시스템 식별법, 자유진동실험에 의한 결과와 비교 평가하였다. 그 결과 전체 평탄성을 가지는 개념에 비하여 국부평탄성을 가지는 VDS가 보다 정확하게 감쇠비를 추정하는 것을 보였다.

본 연구에서는 5층에 설치된 능동질량감쇠기를 사용하여 5층 철골구조물의 처음 세 개 모드의 모드 특성을 식별하였다. 이 건물은 병진모드와 비틀림모드의 고유진동수가 매우 근접하며, 이 경우 정확한 모드 분리와 모달 파라미터 식별은 매우 어렵다. 사인 하중 가진실험을 수행하여 모드 진동수, 감쇠비, 질량, 모드형상을 식별하였고, 근접한 모드 응답을 분리하였다. 식별된 시스템은 동일 한 입력신호를 사용하여 측정된 구조물의 응답과 매우 근접한 응답을 추정할 수 있다.

진동대를 통한 백색잡음 가진 실험과 모드별 고유진동수의 Sine wave 가진 후 자유진동 실험을 통해 다자유도 구조물의 영상기반 동특성 추정을 수행하고자 하였다. 실제 현장에 적용하기에 앞서, 15 케이스의 모형 구조물을 통한 동특성 식별을 통해 영상 기반 계측 시스템의 적용성을 검증하였다. 캠코더를 통한 계측 및 동특성 추정 결과는 LDS(Laser Displacement Sensor) 및 가속도계 를 통한 결과와 비교하여 유효성을 판단하고자 하였다. 시간 및 진동수 영역에서의 동적계측 결과, 모든 센서를 통한 계측 결과가 높은 유사성을 나타냈다. 또한 캠코더 계측 데이터를 활용한 동특성 추정 결과는 LDS 및 가속도계 계측 데이터를 통한 추정 결과와 전 체적으로 유사하게 나타나므로, 영상기반 계측을 통한 구조물 동특성 추정은 유효성이 있다고 판단된다.

해상에서 두 척의 대형 해양경찰 함정을 이용하여 충돌 가능성이 높은 네 가지 조우방위각(000°, 045°, 090°, 135°)을 설정하여 피험자인 30명의 해양경찰관을 대상으로 조우방위별 거리 3해리(Nautical Mile: NM)에서부터 0.25 NM까지 근접하며 상대거리가 점차 감소 될 때 피험자들이 상대선박을 보며 지각한 충돌위험도(Perceived Ship Collision Risk, PSCR)를 측정(0.25 NM 간격으로 기록)하는 실험을 하였 고 획득된 데이터를 이용하여 특징을 통계적으로 분석하였다. 본 연구의 목적은 인적오류 예방을 위하여 실선 실험한 선박 조우방위별 상 대거리 3 NM에서 0.25 NM까지의 열두 구간에서 획득한 충돌위험도 값을 적정 다항식으로 곡선 근사(Curve Fitting)하여 분포곡선으로 나타 내고 특징을 분석하여 항해당직자들이 지각한 충돌위험도의 변화가 최대인 거리를 제시하기 위한 것이다. 분석결과, 각 조우방위에서 거리 구간별 최적의 회귀방정식을 도출하였으며 거리 1.25 1 NM 구간에서 충돌위험도 평균값의 편차가 가장 크게 변화되었고, 특히 1 NM에서 충돌위험도 값이 가장 크게 나타나 실선 실험결과 항해당직자가 지각(Perception)한 충돌위험도의 변화 값이 최대인 거리가 1 NM임을 도출 및 검증하였으며 이는 선박 충돌가능성이 높은 근접상황에서 인적오류 예방 자료로 유용할 것으로 기대된다.

본 연구에서는 초고층건축물의 풍진동 모니터링을 위한 시스템식별기법의 현장적용성을 평가하였다. 실제 아웃리거-벨트월 을 횡력저항 시스템으로 가지는 실제 63층 RC구조물을 대상으로 상시 및 강풍시 응답을 모니터링하였으며, 진동수영역분해(FDD), 랜덤감소(RDT)기법, 부분공간시스템식별(SSI)법을 사용하여 진동특성을 식별하였다. 건물의 평면이 정방형이고, 두 개의 횡방향 모드의 진동수는 매우 유사하였다. 모든 식별기법에서 태풍과 같이 강한 외력이 존재할 경우 뿐만 아니라 상시미진동 에서도 구조물의 모드 특성을 식별할 수 있었다. 현장에서의 적용성 평가결과, 계산속도는 FDD가 가장 빨랐으며, RDT가 가장 간단한 프로그래밍 절차를 가지고 있음을 확인하였다.

이 연구에서는 RTK-GPS 장비를 사용하여 상시바람하중 및 가진 진동 실험시 계측된 변위 응답을 이용하여 실물크기 5층 철골 프레임에 대한 시스템식별 실험을 수행하였으며, 그 결과를 가속도 응답을 사용하여 얻은 결과와 비교하였다. RTK-GPS는 10Hz의 비교적 낮은 샘플링 속도를 가지고 있어 현장상황을 고려하여 적절한 측정안정도를 확보하는 것이 중요하였다. 변위자료를 사용하여 식별된 모드특성은 가속도 자료를 사용하여 얻은 것과 동일하였으며, 가속도계를 사용하여 측정할 수 없는 변위응답의 평균성분을 관측할 수 있었다.