건축물을 중심으로 개발된 데이터 스키마인 Industry Foundation Class(IFC)를 토목구조물에 적용하기 위하여 IFC 요소를 확장하는 노력이 진행되고 있지만, BIM소프트웨어에서 확장 IFC 기반의 정보모델을 생성하는 방법이 충분하지 않아 어려움이 따른다. 본 연구에서는 정보관리가 가능한 확장 IFC 기반의 철도 궤도부 정보모델을 생성하기 위하여 독립적인 선형중심의 철도 궤도부 요소모델을 생성하고, 생성된 모델을 기반으로 확장 IFC 기반의 모델을 생성하는 방법론을 제시하였다. 이를 위하여 첫째, 철도 궤도부 요소를 연속적 구조물과 비연속적 구조물로 분류하였다. 연속적 구조물은 선형 기반 소프트웨어에서 생성하였고 이산화된 선형정보 연계를 통해 비연속 구조물을 독립적인 객체로 생성하고 이들을 통합하여 철도 궤도부 정보모델을 생성하였다. 둘째, 철도 궤도부의 정보관리를 위한 분류체계 및 확장 IFC 스키마를 제시하였다. 마지막으로 속성정보와 User-interface를 활용하여 객체의 의미정보를 식별하여 확장 IFC 요소와 매핑하였다. 제시한 방법론을 통하여 오송철도종합시험선로를 대상으로 정보관리가 가능한 확장 IFC 기반의 정보모델을 생성됨을 확인하고 실용성을 검증하였다.

토목분야 생산성 향상을 위해 BIM을 적용하기 위한 노력이 계속되고 있으나, 선형과 지반에 대한 정보가 필수적인 터널 구조물의 정보모델링에 대한 연구는 미흡한 상황이다. AMT에서 생성된 선형의 이산화를 통해 포인트의 정보를 BAT로 전 달하여 곡선 선형을 반영한 터널 모델 생성 방안을 제시하였다. 철도 구조물과 선형에 대한 물리적 요소와 공간적 요소를 모두 고려할 수 있도록 IFC 데이터 스키마를 확장하였으며, 확장된 데이터 스키마를 참조하여 선형, 구조물, 지반 정보에 대한 의미정보를 PSET에 담아 IFC기반의 정보관리를 가능하게 하였다. 제안한 방법에 따라 생성한 정보모델을 통해 터널과 밀접한 암반 등급을 자동으로 도출함으로써 활용성을 검증하였다.

Industry Foundation Classes(IFC)는 Building Information Modeling(BIM)을 위한 표준 데이터 스키마로 정보의 상호운 용성 확보를 위한 핵심이지만, 건물만을 대상으로 하고 있어 토목 시설물에 적용하기에는 한계가 있다. 이에 따라 기존 IFC 에 토목 시설물을 위한 새로운 요소를 추가하는 연구가 진행되었지만, 상용 소프트웨어가 해당 기능을 추가하기 전에는 새 로운 스키마를 활용할 수 없다. 본 연구에서는 토목 시설물에 적용하기 위한 IFC 데이터 스키마 활용 방안을 제시하고, 토목 시설물을 위한 확장 요소와 기존 IFC 요소와의 정보 매핑을 통한 확장 IFC기반의 토목 시설물 정보모델링 방법을 제시하였 다. 그리고 철도의 궤도 및 침목에 대한 IFC 확장 스키마를 제시하고 제시한 방법을 적용하여 그 활용성을 검증하였다.

기존의 건설정보 분류체계는 객체들 간의 관계성 표현 제한으로 인해 교량 구조물에 그대로 적용하기에는 한계가 있다. 본 연구에서는 이러한 문제점을 보완하기 위하여 분류체계 기술의 국제표준인 PLIB Part 42를 활용하여 이종의 도메인 간 정보공유의 기본이 되는 형상 정보모델링에 특화된 교량 구성요소의 제품 분류체계를 제시하였다. 특히, 제안한 분류체계는 교량 구성요소의 기능적 특징을 고려한 부품의 의미적 정보가 포함 가능하도록 하였다. 또한 본 연구에서 제안한 분류체계 를 실제 모델링에 활용하기 위한 기본 프레임워크를 제안하고 이를 활용한 교량 모델을 생성함으로써 제안한 분류체계가 실 무에서 활용 가능함을 보였다.

기존의 건설정보 분류체계는 객체들 간의 관계성 표현 제한으로 인해 교량 구조물에 그대로 적용하기에는 한계가 있다. 본 연구에서는 이러한 문제점을 보완하기 위하여 분류체계 기술의 국제표준인 PLIB Part 42를 활용하여 이종의 도메인 간정보공유의 기본이 되는 형상 정보모델링에 특화된 교량 구성요소의 제품 분류체계를 제시하였다. 특히, 제안한 분류체계는 교량 구성요소의 기능적 특징을 고려한 부품의 의미적 정보가 포함 가능하도록 하였다. 또한 본 연구에서 제안한 분류체계를 실제 모델링에 활용하기 위한 기본 프레임워크를 제안하고 이를 활용한 교량 모델을 생성함으로써 제안한 분류체계가 실무에서 활용 가능함을 보였다.

본 논문에서는 수학적 구조 모델과 인공신경망 기법을 상호 유기적으로 결합하여 구조물의 거동 데이터로부터 부재모델 또는 재료모델의 정확도를 높이는 정보기반 하이브리드 모델 업데이트 기법을 개발하였다. 유한요소와 같은 수학적 모델을 사용하여 구조물의 거동을 모사하기 위해서는 재료, 부재, 그리고 시스템의 정확한 모델링이 우선하여야 한다. 그러나 재 료, 부재의 각 레벨에서의 수학적인 모델은 이상화과정을 거치면서 중요한 특성을 생략하거나, 시스템 구성시 부재간의 상 호작용이나 경계조건의 단순화로 인해 유한요소 모델은 실제 구조물의 거동과 차이를 보이게 된다. 본 논문에서 제시된 하 이브리드 모델 업데이트 기법은 구조물의 거동과 수학적 모델의 해석결과 차이를 인공신경망 기법을 사용하여 보완함으로 써 시스템 모델의 정확도를 높일 수 있다. 이때 시스템의 거동 데이터로부터 부재 또는 재료모델을 개선할 수 있는 데이터 를 추출하여 부재 또는 재료모델을 개선한다. 제시된 기법은 보-기둥 접합부의 이력모델을 개선하는 것으로 검증하였으며, 복잡한 거동을 보이는 시스템 모델링에 광범위하게 사용될 수 있다.

This paper describes a new method for indoor environment mapping and localization with stereo camera. For environmental modeling, we directly use the depth and color information in image pixels as visual features. Furthermore, only the depth and color information at horizontal centerline in image is used, where optical axis passes through. The usefulness of this method is that we can easily build a measure between modeling and sensing data only on the horizontal centerline. That is because vertical working volume between model and sensing data can be changed according to robot motion. Therefore, we can build a map about indoor environment as compact and efficient representation. Also, based on such nodes and sensing data, we suggest a method for estimating mobile robot positioning with random sampling stochastic algorithm. With basic real experiments, we show that the proposed method can be an effective visual navigation algorithm.

공간정도의 생산과 수요가 본격화되고 있으나 공간정보의 본질과 응용특성을 고려한 공간정보모델링체계에 대해서는 특성화된 연구가 충분히 수행되고 있지 않다. 특히, 기존의 모델링기법들은 대부분 정보의 표현과 분석기능을 대상으로 개발되었으므로 보다 고차원적인 의사결정지원과 자율적인 업무수행을 위한 이론적 모델의 개발에 대한 논의가 최근의 지식정보화환경에서 더욱 요구되고 있다. 본 논문에서는 공간정보시스템을 모델링하기 위한 여러 기반개념들과 모델링 유형에 대한 고찰을 통해, 기존 모델링 방법에 대한 문제점을 분석하여 효율적인 공간적 업무수행을 위한 요구사항을 도출한다. 또한, 도출된 공간정보모델링의 요구사항에 적합한 이론적인 접근방안으로서 에이전트 기반의 공간모델링 프레임워크를 제안하며, 이러한 프레임워크를 해양지리정보분야에 적용하기 위한 고려사항도 함께 제시한다.