RnDCircle Logo
이광현 연구실
경일대학교 건축디자인과(5년제) 이광현 교수
건축계획 및 설계
건축설계
도시계획
연구 영역
기본 정보
논문·특허
과제
구성원

이광현 연구실

경일대학교 건축디자인과(5년제) 이광현 교수

이광현 연구실은 건축계획 및 설계, 건축설계, 도시계획을 중심으로 공간을 구성하는 계획 수립과 설계 적용을 수행합니다. 건축계획 과정에서 요구사항을 분석하고 공간 프로그램, 배치, 동선이 계획 의도와 일관되게 연결되도록 기준을 정리합니다. 또한 건축설계 단계에서는 형태·공간의 정합성을 검토하고 사용자 경험과 문맥을 반영한 설계안을 도출합니다. 도시계획에서는 공간구조와 토지이용의 관계를 해석하여 계획 방향과 실행 기준을 제안합니다.

건축계획 및 설계건축설계도시계획공간 프로그램배치 계획
대표 연구 분야
연구 영역 전체보기
건축계획 및 공간 프로그램 설계 연구 thumbnail
건축계획 및 공간 프로그램 설계 연구
Architectural Planning and Space Program Design
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
최신 논문
1
논문 전체보기
1
Article
|
인용수 4
·
2023
Construction of Asbestos Slate Deep-Learning Training-Data Model Based on Drone Images
Seung-Chan Baek, Kwang‐Hyun Lee, In‐Ho Kim, Dong-Min Seo, Kiyong Park
IF 3.4 (2023)
Sensors
드론을 이용한 석면 지붕 슬레이트의 탐지는 육안 점검과 관련된 안전 위험 및 비용을 회피하기 위해 필요하다. 또한 딥러닝 모델의 사용은 드론이 제공하는 이미지 분석의 속도를 높일 뿐 아니라 비용을 절감한다. 본 연구에서는 지붕 슬레이트를 정확히 분류하기 위해 지도학습 및 비지도학습 분류 기법을 결합한 포괄적 학습 모델을 개발하였다. 모델의 정확도는 고도 100 m의 저고도를 적용함으로써 확보하였으며, 이로 인해 지상 표본 거리(ground sampling distance)가 3 cm/pixel로 산출되었다. 더 나아가 다양한 조명 및 기상 조건에서 촬영된 이미지와 여러 각도에서 촬영된 이미지를 포함하여 모델의 포괄성을 확보하였다. 두 가지 분류 방법을 적용하여 학습 데이터셋을 구성한 후, 개발된 모델을 분류에 활용한 결과 475장의 이미지 중 12장이 잘못 분류되었다. 이후 시각적 점검과 분류 시스템의 조정을 수행하였고, 모델을 업데이트하여 475장의 이미지 모두를 정확히 분류하도록 하였다. 이러한 결과는 지도학습과 비지도학습 분류를 함께 사용함으로써 석면 지붕 슬레이트 탐지를 위한 딥러닝 모델의 정확도를 향상시킬 수 있음을 보여준다.
https://doi.org/10.3390/s23198021
Artificial intelligence
Drone
Deep learning
Computer science
Roof
Variety (cybernetics)
Machine learning
Pattern recognition (psychology)
Computer vision
Data mining
최신 정부 과제
2
과제 전체보기
1
주관|
2020년 2월-2023년 2월
|30,000,000
한국형 스마트 축소(Smart Shrinkage) 도시재생 전략 연구
본 연구는 기존의 축소도시의 쇠퇴 현상을 새로운 방법으로 분석 후 국내 쇠퇴지역의 특성을 고려하여 계획적으로 적용 가능한 스마트 축소 도시재생 전략과 정책을 제안하고자 한다. 또한 실제 현장에 적용 가능성을 검토하여 샘플 도시의 물리적인 도시재생 계획방안을 포함한 제안을 하고자 한다. 1) 1년차 (2020.03 ~ 2021.02) : 축소도시 기준 정립 및 요인 분석 - 지방도시 중 축소도시 발굴 (3개월) - 축소도시에 영향을 미치는 근린환경 요인들 간의 상관관계 분석 (6개월) - 지방중소도시의 축소 근린 특성 분류 (2개월) 2) 2년차 (2021.03 ~ 2022.02) : 기존 사례 조사 및 현장 조사 - 해외의 스마트 축소 도시재생 관련 사례 조사 (2개월) - 국내의 축소도시 대응 전략 사례 조사 (2개월) - 지방중소도시의 도시 축소 양상과 공간관리 현황 조사 (2개월) - 지방중소도시의 스마트 축소 도시재생 가능성 확인을 위한 현장 조사 (3개월) - 축소도시의 거주민 인식 조사 (3개월) 3) 3년차 (2022.03 ~ 2023.02) : 빅데이터 분석 및 한국의 실태 조사 후 개선안 제안 - SNS를 통한 축소도시 비정형 빅데이터 수집 및 분석 (2개월) - 한국의 정책추진 실태 조사 및 현황 비교 (3개월) - 스마트 축소 도시계획의 물리적 제안 및 정책적 제안 (4개월) - 샘플 도시의 도시재생계획 적용 제안 (3개월)
축소도시
스마트 도시재생
스마트 축소도시
지방중소도시
한국형 축소도시
2
주관|
2020년 2월-2023년 2월
|30,000,000
한국형 스마트 축소(Smart Shrinkage) 도시재생 전략 연구
본 연구는 기존의 축소도시의 쇠퇴 현상을 새로운 방법으로 분석 후 국내 쇠퇴지역의 특성을 고려하여 계획적으로 적용 가능한 스마트 축소 도시재생 전략과 정책을 제안하고자 한다. 또한 실제 현장에 적용 가능성을 검토하여 샘플 도시의 물리적인 도시재생 계획방안을 포함한 제안을 하고자 한다. 1) 1년차 (2020.03 ~ 2021.02) : 축소도시 기준 정립 및 요인 분석 - 지방도시 중 축소도시 발굴 (3개월) - 축소도시에 영향을 미치는 근린환경 요인들 간의 상관관계 분석 (6개월) - 지방중소도시의 축소 근린 특성 분류 (2개월) 2) 2년차 (2021.03 ~ 2022.02) : 기존 사례 조사 및 현장 조사 - 해외의 스마트 축소 도시재생 관련 사례 조사 (2개월) - 국내의 축소도시 대응 전략 사례 조사 (2개월) - 지방중소도시의 도시 축소 양상과 공간관리 현황 조사 (2개월) - 지방중소도시의 스마트 축소 도시재생 가능성 확인을 위한 현장 조사 (3개월) - 축소도시의 거주민 인식 조사 (3개월) 3) 3년차 (2022.03 ~ 2023.02) : 빅데이터 분석 및 한국의 실태 조사 후 개선안 제안 - SNS를 통한 축소도시 비정형 빅데이터 수집 및 분석 (2개월) - 한국의 정책추진 실태 조사 및 현황 비교 (3개월) - 스마트 축소 도시계획의 물리적 제안 및 정책적 제안 (4개월) - 샘플 도시의 도시재생계획 적용 제안 (3개월)
축소도시
스마트 도시재생
스마트 축소도시
지방중소도시
한국형 축소도시