With the recent development of manufacturing technology and the diversification of consumer needs, not only the process and quality control of production have become more complicated but also the kinds of information that manufacturing facilities provide the user about process have been diversified. Therefore the importance of big data analysis also has been raised. However, most small and medium enterprises (SMEs) lack the systematic infrastructure of big data management and analysis. In particular, due to the nature of domestic manufacturing companies that rely on foreign manufacturers for most of their manufacturing facilities, the need for their own data analysis and manufacturing support applications is increasing and research has been conducted in Korea. This study proposes integrated analysis platform for process and quality analysis, considering manufacturing big data database (DB) and data characteristics. The platform is implemented in two versions, Web and C/S, to enhance accessibility which perform template based quality analysis and real-time monitoring. The user can upload data from their local PC or DB and run analysis by combining single analysis module in template in a way they want since the platform is not optimized for a particular manufacturing process. Also Java and R are used as the development language for ease of system supplementation. It is expected that the platform will be available at a low price and evolve the ability of quality analysis in SMEs.

This study conducted to predict the stock market prices based on the assumption that internet news articles might have an impact and effect on the rise and fall of stock market prices. The internet news articles were tested to evaluate the accuracy by comparing predicted values of the actual stock index and the forecasting models of the companies. This paper collected stock news from the internet, and analyzed and identified the relationship with the stock price index. Since the internet news contents consist mainly of unstructured texts, this study used text mining technique and multiple regression analysis technique to analyze news articles. A company H as a representative automobile manufacturing company was selected, and prediction models for the stock price index of company H was presented. Thus two prediction models for forecasting the upturn and decline of H stock index is derived and presented. Among the two prediction models, the error value of the prediction model ① is low, and so the prediction performance of the model ① is relatively better than that of the prediction model ②. As the further research, if the contents of this study are supplemented by real artificial intelligent investment decision system and applied to real investment, more practical research results will be able to be developed.

This paper proposed data driven techniques to forecast the time point of water management of the water reservoir without measuring manganese concentration with the empirical data as Juam Dam of years of 2015 and 2016. When the manganese concentration near the surface of water goes over the criteria of 0.3mg/l, the water management should be taken. But, it is economically inefficient to measure manganese concentration frequently and regularly. The water turnover by the difference of water temperature make manganese on the floor of water reservoir rise up to surface and increase the manganese concentration near the surface. Manganese concentration and water temperature from the surface to depth of 20m by 5m have been time plotted and exploratory analyzed to show that the water turnover could be used instead of measuring manganese concentration to know the time point of water management. Two models for forecasting the time point of water turnover were proposed and compared as follow: The regression model of CR20, the consistency ratio of water temperature, between the surface and the depth of 20m on the lagged variables of CR20 and the first lag variable of max temperature. And, the Box-Jenkins model of CR20 as ARIMA (2, 1, 2).

본 논문에서는 한국형 이내비게이션 프로젝트의 사고취약선박 모니터링 지원서비스 중 상황대응 및 상황관리 프로토타입 모델을 개발하였다. 프로토타입 모델 개발을 위해서 해사데이터 교환 표준 현황과 S-100 표준 데이터 모델 개발 절차를 분석하고 개발 절차에 따라 서비스의 요구사항 분석 및 관련 표준을 참고하여 상황대응 및 상황관리 모델에 대한 프로토타입 어플리케이션 스키마를 개발하고, S-100 표준에 맞추어 프로토타입 피쳐 카탈로그와 프로토타입 포트레이얼 카탈로그를 제작하였다. 개발된 프로토타입 데이터 모델의 검증을 위해서 광양항을 기반으로 테스트 데이터셋을 제작하고, S-100 기반 데이터의 유효성 검증을 위한 소프트웨어를 통해 검증한 결과 모든 데이터가 유효함을 확인하였으며, S-100 뷰어에서 정확한 위치에 지정된 심볼이 표출됨을 확인하였다.

본 연구는 SNS를 통해 사용자들이 표현하는 감성을 공간적으로 어떻게 나타낼 수 있는지를 연구하고자 하였다. 이를 위해 트윗데이터를 이용하여 현대인이 느끼는 스트레스라는 현상의 시도별 차이를 분석하였다. 트윗데이터는 2014년 7월 12일부터 2015년 7월 21일까지 총 503,737건의 데이터를 다운받고, 이 가운데 광고와 뉴스를 제외한 332,328건을 분석대상으로 하였다. 트윗데이터 분석을 위해 트윗의 텍스트를 형태소로 구분하고, 스트레스에 대한 토픽을 파악하기 위해 LDA알고리즘을 기반으로 하는 토픽모델링을 실시하였으며, 그 결과 15개의 토픽이 생성되었다. 15개의 토픽에는 스트레스 원인관련 “성격”, “학업”, “직무”, “가정”, “SNS사용” 토픽이 포함되었으며, 스트레스 결과에는 “질병”, “심리적상태”, “두피 및 탈모” 토픽이 포함되었다. 스트레스 해소방법 주제에는 “그림”, “게임”, “운동 및 문화생활”, “음식섭취”, “노래 등”의 토픽이 포함되었다. 트윗데이타의 분석대상 332,328 건 가운데 거주지역이 명확히 기재된 경우는 1,035개에 불과하여 거주지역 유추모델을 통해 시도별로 34,641개의 트윗에 위치를 부여하였다. 토픽모델링 결과를 시도별로 분석하여 시도별 최대 개수와 최소 개수 토픽명을 확인하고, 토픽을 스트레스 원인, 결과, 해소방법 3가지 주제로 구분하여 시도별로 어떤 토픽에 높은 관심을 가지고 있는지를 비교하였다. 본 논문은 스트레스라는 사회적 병리현상에 대해 사람들의 느낌과 이를 표현하는 방법, 이들의 지역차를 규명했다는데 의의가 있으며 비가시적 감성적 현상을 지도화하여 공간데이터의 장을 확장시켰다는데 의의가 있다.

본 논문에서는 차량용 반도체가 제품 출하 후 사용 환경에 따라 발생되는 불량률을 데이터 마이닝 기법을 이용하여 분석하였다. 20세기 이후 가장 보편적인 이동 수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 매우 빠른 속도로 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다. 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 헤드업 디스플레이, 차선 유지 시스템 등 많은 부분에 적용되고 있다. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 등의 산업 표준 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기 단계에서 제품의 수명을 예측 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동 차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly) 과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증하였다.

해양사고 감소를 위해 다양한 연구들이 수행되어 왔다. 그에 비해 준해양사고에 대한 연구는 미미한 수준에 그치고 있다.준해 양사고는 건수가 많은 대신 내용이 정성적이기 때문에 분석하기에는 현실적인 어려움이 있었다. 하지만 해양사고 감소를 위해서는 준해 양사고의 정량적인 분석이 필요하다. 이번 논문의 목적은 준해양사고 경향을 예측하고 해양사고를 감소시키기 위해 빅데이터 기법을 적용하여 준해양사고 데이터를 정량적으로 분석하는 것이다. 이를 위해 10,000여건의 준해양사고 보고서를 전처리 작업을 통해 통일된 양식 으로 정리하였다. 전처리된 데이터에 대해서 1차적으로, 텍스트마이닝 기법을 적용하여 항해 중 준해양사고 발생원인에 대한 주요 키워드를 도출하였다. 주요 키워드에 대해 2차로 시계열 및 클러스터 분석을 통해 발생할 수 있는 준해양사고 상황에 대한 경향 예측을 도출 하였다. 이번 연구에서는 정성적 자료인 준해양사고 보고서를 빅데이터 기법을 활용하여 정량화된 데이터로 전환할 수 있고, 이를 통해 통계적 분석이 가능함을 확인하였다. 또한 빅데이터 기법을 통해 차 후 발생할 수 있는 준해양사고에 대한 객관적인 경향을 파악함으로써 예방 대책에 대한 정보 제공이 가능함을 확인할 수 있었다.

The study on the database for the noise of the large machine and high power machine. The object of this project is to prepare the countermeasure of the health care according to investigate and database the basic information of the large machine and high power machine. To accomplish the object ; The dimension and noise of the large machine, which is mounted in the factory, was investigated. And the prediction and measurement method of the noise for the machine by manufacturers were investigated. The database of the noise by the machine type and power was built. The measurement and management methods for the machine noise were considered. The database of the noise was built from the measurement data. The major sound sources and frequency range for the large machine and the high power machine were investigated. The noise effect by the large machine and the high power machine was investigated. The application fields are; The setting of the management plan of the noise which generates from the large machine and the high power machine. The effective noise reduction for the major sound source with low cost. The application as the frequency transition considering the psycho-acoustics characteristics.

본 연구에서는 커피(C. Arabica)의 FT-IR 스펙트럼 데이터 를 기반한 다변량통계분석을 이용한 대사체 분석을 통해 품종 식별을 하여 육종 연구에 기초자료로 활용하고자 한다. 1. FT-IR 스펙트럼 데이터를 이용한 PCA(principal component analysis), PLS-DA(partial least square discriminant analysis) 그리고 HCA(hierarchical clustering analysis) 분석을 통해 품종 분류가 가능하였다. 2. 커피 품종들은 FT-IR 스펙트럼 부위인 1700-1500-1 (Amide I 과 II을 포함하는 아미노산 및 단백질계열의 화합물 들), 1500-1300-1 (phosphodiester group을 포함한 핵산 및 인지질의 정보), 1100-950cm-1 (단당류나 복합 다당류를 포함하는 carbohydrates 계열의 화합물)에서 질적, 양적 정보의 차이가 나타났다. 3. PCA 상에 나타난 8품종의 커피 품종이 각각 그룹을 형성하였다. 그 중 ‘Caturra’와 ‘Mahsellesa’ 품종은 각각의 그룹을 나타내면서 C. arabica 종에서도 다른 대사체 정보를 나타내는 것으로 확인하였고, ‘Catuai’, ‘CR-95’, ‘Geisra’, ‘Obata’, ‘Vemecia’ 그리고 ‘non’ 품종은 유사한 대사체 정보를 나타내는 것으로 확인하였다. 4. PLS-DA 분석의 경우 PCA 분석 보다 커피 품종간 식별이 뚜렷하게 나타났다. 5. 본 연구에서 확립된 대사체 수준에서 커피의 품종 식별 기술은 품종, 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대되며 육종을 통한 품종개발 가속화에 기여 할 수 있을 것으로 예상된다.

목적 : 본 연구는 국가치매관리사업과 관련된 공공데이터를 수집하여 치매안심센터에서 시행되는 작업치료 의 비용편익분석을 통해 미래의 국가치매관리사업의 효율화 방안을 모색하고자 한다. 연구방법 : 2016년 1월부터 12월까지의 국가치매관리사업 관련 공공데이터를 정보공개 창구를 이용하여 수집하였다. 수집된 자료를 토대로 작업치료 비용편익분석을 위한 각종 변수를 정의하고, 빈도분석 및 산술계산으로 변수의 값을 산출했다. 결과 : 우리나라에서 서울은 모든 자치구에서 치매관리사업을 시행하고 있고, 사업수행인원 전원이 전담인력으로 배치되어 있다. 특히 작업치료 전담인력을 치매안심센터의 96.0%에 배치하여 치매안심센터 서비스에서 작업치료를 제공하고 있다. 치매안심센터에서 시행되는 작업치료의 순 편익은 작업치료 전담인력이 배치된 경우 서울에서 약 73억 원으로 산출되었다. 결론 : 서울과 같은 형태로 국가치매관리사업 사업을 확대하고, 작업치료 전담인력을 통한 프로그램 시행으로 치매관리비용을 절감하는 효과가 있을 것으로 기대된다. 치매 국가책임제 추진으로 치매관리사업이 국가 단위의 보건사업으로 발돋움하고 있는 지금 한정된 보건의료자원을 효율적으로 사용하기 위해서는 치매안심센터에서 작업치료의 확대가 필요할 것으로 보인다.

In recent years, the diminishing of operation and maintenance cost using advanced maintenance technology is attracting many companies’ attention. Especially, the heavy machinery industry regards it as a crucial problem since a failure of heavy machinery requires high cost and long downtime. To improve the current maintenance process, the heavy machinery industry tries to develop a methodology to predict failure in advance and to find its causes using usage data. A better analysis of failure causes requires more data so that various kinds of sensor are attached to machines and abundant amount of product usage data is collected through the sensor network. However, the systemic analysis of the collected product usage data is still in its infant stage. Many previous works have focused on failure occurrence as statistical data for reliability analysis. There have been less works to apply product usage data into root cause analysis of product failure. The product usage data collected while failures occur should be considered failure cause analysis. To do this, this study proposes a methodology to apply product usage data into failure cause analysis. The proposed methodology in this study is composed of several steps to transform product usage into failure causes. Various statistical analysis combined with product usage data such as multinomial logistic regression, T-test, and so on are used for the root cause analysis. The proposed methodology is applied to field data coming from operated locomotive and the analysis result shows its effectiveness.

K-means algorithm is one of the most popular and widely used clustering method because it is easy to implement and very efficient. However, this method has the limitation to be used with fixed number of clusters because of only considering the intra-cluster distance to evaluate the data clustering solutions. Silhouette is useful and stable valid index to decide the data clustering solution with number of clusters to consider the intra and inter cluster distance for unsupervised data. However, this valid index has high computational burden because of considering quality measure for each data object. The objective of this paper is to propose the fast and simple speed-up method to overcome this limitation to use silhouette for the effective large-scale data clustering. In the first step, the proposed method calculates and saves the distance for each data once. In the second step, this distance matrix is used to calculate the relative distance rate (Vｊ) of each data j and this rate is used to choose the suitable number of clusters without much computation time. In the third step, the proposed efficient heuristic algorithm (Group search optimization, GSO, in this paper) can search the global optimum with saving computational capacity with good initial solutions using Vｊ probabilistically for the data clustering. The performance of our proposed method is validated to save significantly computation time against the original silhouette only using Ruspini, Iris, Wine and Breast cancer in UCI machine learning repository datasets by experiment and analysis. Especially, the performance of our proposed method is much better than previous method for the larger size of data.

The purpose of this study was to make a pants pattern suitable for women 70 to 85 years of age, then analyze that- pattern’s shape, size, appearance, fit, allowance and air gap. Participants made the pattern using 3D simulation program DC Suite version 5.1. The results suggest a design method suitable for the lower-body shapes of elderly women. In external appearance, the A-type earned the highest evaluation in all items except the allowance of the back waist and back hip. The L type earned the highest evaluation in the allowance of back waist and hips. The A-type’s, back waist appeared set at an angle that did not match the body shape of an old-old aged woman in the center-back-line setting. Therefore, the pattern method of A-type combined with L-type’s method of center back, produces an excellent pants pattern. Evaluation of the air gaps among patterns revealed that; the A-type showed the largest air gap in waist and hip circumference and the smallest air gap in thigh circumference. The waists, abdomen, and hip circumferences of older women often become larger while their legs become slimmer. This study accounted for those factors in determining a pattern suitable for the lower-body shape of old-old aged women. However, participants only analyzed four patterns and compared them with women 70 to 85, years of age. Therefore, it is necessary to develop industrial patterns applicable to a wide age group.

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of gas energy consumption in an air handling unit. To this end, we consider the volatility of the time series and demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the gas consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the gas consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of “context units” in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the gas consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.

본 연구는 모바일 기기를 활용한 현장체험학습에서 수집된 로그데이터를 STP(Space Time Path)로 시공간 시각화하여 현장체험학습에서 학생들의 이동특성을 파악하고, 머무름이 있던 지점에서의 활동특성을 분석하고자 하였다. 탐구활동 로그데이터 분석결과 이동과 머무름의 패턴이 연속적으로 나타나며, 조사활동의 유형에 따라 머무른 장소와 시간이 다름을 확인할 수 있었고, 머무름이 나타나는 장소는 관찰지점 뿐 아니라 관찰지점이 아닌 곳도 나타남을 확인하였다. 현장체험학습의 경우 공간 및 시간적으로 제한된 범위 내에서 이루어지는 활동이기 때문에 머무른 지점에서의 활동에 대한 추가 분석이 필요함을 알 수 있었다. STP를 이용한 이동 로그의 시각화는 복잡한 구조를 가진 로그데이터를 탐색하여 패턴을 발견하는 기초 자료로 활용할 수 있으며, 이는 다양한 유형의 로그데이터 분석에 응용될 수 있을 것으로 판단되었다.

세계는 지금 디지털의 연결성과 고도화된 ICT 기술을 기반으로 한 ‘제4차 산업혁명’ 시대로 접어들고 있다. 국내 식품산업도 ICT, AI, 빅데이터, 등 4차산업 관련 요소기술들의 여러가지 분야에 접목시키고 있다. 불량식품은 식품의약품안전처에서 식품의 생산, 제조, 유통, 판매 등전 단계에서 발생할 수 있는 모든 법을 위반한 제품으로 넓게 정의하고 있으나 주로 경제적 이익을 취하기 위해 의도적으로 원료나 원산지를 바꾸거나 부정물질을 첨가한 위변조식품을 말한다. 식품 공급망이 세계화되고 복잡해짐에 따라 위변조 수법이 점점 정교해지고 급증하고 있어 사후 단속하는 방법으로 불량식품 발생에 대응하기에는 한계가 있다. 따라서 불량식품을 사전에 차단할 수 있는 과학적 체계를 마련하기 위하여 소셜빅데이터 분석기술 등을 위변조인자의 안전관리에 적용하고 있는 동향을 소개하고자 한다.

최근 들어 비행정보에 대한 확인기술의 발달과 소형 드론의 지속적인 기술개발로 인하여 이동성과 안정성이 확보된 근접 항공촬영이 가능해졌다. 특히 GPS좌표를 활용하여 경로비행의 위치를 직접 지정함으로써 조사대상지에 대한 경 로비행의 정확성과 안정성이 확보되었으며, 이를 통해 일정한 고도를 유지한 상태에서 정사투영 촬영을 통한 분석이 가능하게 되었다. 따라서 본 연구에서는 수목의 생육관리와 3D맵핑 시스템의 접목에 착안하여 정밀하고 체계적인 3D 맵핑 도면작성을 활용하여 수목의 시공과 관리측면에서 경제적이고 장기적인 차원에서 수목의 상태를 파악하기 위한 방안을 모색하고자 하였다. 특히 문화재로 지정된 수목의 경우처럼 고부가가치를 지닌 수목에는 활용도가 더 크다 하겠다. 항공사진 촬영에 이용된 UAV는 Mikrokopter사의 회전 익을 이용하였으며, 디지털 데이터의 취득은 Sony α5100을 활용하였다. 항공사진촬영 시 공간해상도를 고려하여 비행고도를 설정하였는데, 계획된 공간해상도 3Cm를 확보하기 위해 비행고도는 대상지를 기준으로 80m로 설정하였으며 촬영 시 종중복율(Endlap) 및 횡중복율(Sidelap)을 45%로 설정하여 항공사진촬영을 실시하였다. 그 결과 약 4개의 스트립 비행 경로를 따라 44개의 Waypoint가 설정되었으며, 비행고도와 속도는 80m, 약 3m/sec로 항공사진촬영을 실시하였다. 연구대상지인 광한루원의 항공사진 촬영을 결과를 살펴 보면 44개의 Wapoint 중 41개 지점에서 촬영되었으며, 취득된 디지털데이터에 비행로그데이터를 적용하여 잔차분 석을 통한 유효성을 검증한 결과 UAV에서 촬영된 41개의 디지털데이터 모두 유효한 데이터로 확인되었다. 3D맵핑 데이터제작 및 DEM분석은 Photoscan을 이용하 여 데이터를 추출하였다. 3D맵핑을 위한 데이터의 정합은 UAV 시스템에서 취득된 디지털영상데이터를 모두 이용하였으며, Photoscan의 자동영상매칭 기능을 이용하여 Point Cloud Data 형식의 데이터를 하나의 데이터로 정렬한 후 이를 바탕으로 Polygon Data 및 Texture로 변환하여 약4.5 ㎝급의 DSM을 생성하였으며, 정사투영 방식의 보정을 통해 약 3cm급의 정사영상데이터를 제작하였다. 취득된 디지털데이터를 통해 구축된 공간정보데이터의 보정 및 정확성 검토를 위해 UAV를 이용하여 취득된 영상과 GPS/INS데이터, 기상기준점 측정 데이터를 기반으로 정확성을 검토하였다. 지상기준점측량은 RTK(Real Time Kinematic)의 GRS80좌표 시스템을 이용하여 데이터를 취득하였으며, 측량지점은 3곳을 지상기준점으로 선정하였 다. 측정결과 RMSE는 ±5Cm 이내의 정확성을 가지는 것으 로 나타나 정사영상 데이터를 이용한 수목의 수관폭 등에 대한 평면데이터 구축에는 문제가 없는 것으로 파악되었다. 구축된 정사영상 데이터를 분석한 결과 총 25주의(산수 유4, 은행나무7, 소나무9, 단풍나무4, 모과나무1) 수목이 확인되었는데, 이중 산수유와 은행나무는 현장조사를 통해 수목의 종류를 확인하였다. 정사영상 데이터를 바탕으로 최종 생성된 DSM데이터를 살펴보면, 시설물 및 지형에 대한 수치데이터는 정확하게 분석되었으나 수목의 경우에는 총 25주의 수목중 약 50%에 해당하는 12주(단풍나무 3주, 소나무 5주, 산수유 4주)의수목에 대한 3D데이터가 추출되었다. 이러한 이유는 항공촬영을 통한 디지털데이터 구축에 있어 수직부감으로 촬영된 디지털데이터는 수목의 불규칙면에 대한 데이터 구축의 어려움과 수목 일부가 그림자와 중첩됨으로써 그림자로 인식되는 현상, 수목들 중첩되는 구간에 대한 3D데이터 구축이 어려운 것으로 판단되었으며 최근에 식재된 수목(은행나무(7)에서 3D데이터가 생성되지 않는 것으로 나타났다. 따라서 추후 항공촬영에 있어 디지 털 데이터 구축 시 45도 사선 촬영을 포함하여 항공사진촬 영 시간과 시기 등에 대한 보완이 필요할 것으로 판단되며, 3D데이터 구축에 필요한 위치좌표의 참고자료 구축을 위해 다양한 고도에서 항공사진촬영을 실시함과 동시에 지상 촬 영의 병행을 통해 수목개체군에 대한 종합적인 3D데이터 구축이 가능할 것으로 판단된다.