최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 철도 건설을 포함한 토목 공사의 공기 산정 방식의 객관성 부족 문제를 해결하기 위해 딥러닝 알고리즘을 적용하여 세부 공종별 순공사기간을 예측하는 방법론을 제시한다. 기존 공사 내역 데이터를 기반으로 딥러닝 모델을 구축하고 예측 결과와 실제 공기를 비교 분석하여 실무적 적용 가능성을 검증하였다. 이를 통해 기존 방식보다 객관적인 공사 기간 산정이 가능하며, 공정 관리 프로세스에서 딥러닝 활용성을 높일 수 있을 것으로 기대된다.
딥러닝 기반 실시간 침수 예상도 추정기술 개발.
딥러닝 기반 실시간 침수예상도 추정 기술 개발
공공건설 공사기간 산정체계 선진화 방안 연구
Delay analysis in construction contracts
Estimating in building construction
Construction scheduling, cost optimization, and management
건설공사의 적정 표준공사기간 산정방법에 관한 연구
Formation testing : low mobility pressure transient analysis
(계약, 적산, 공정 기반) 건설공사관리 실제
AI 도시교통과 모빌리티
딥러닝 기반 도시침수 위험기준 추정 기술 개발
딥러닝 기반 도시침수 위험기준 추정 모델 설계 =
Damage-based earthquake engineering /
Planning and analysis of construction operations
(IT 엔지니어를 위한) 머신러닝 이론 입문
(Practical)토목시공학 =
Deep learning for hydrometerology and environmental science
Construction delays : understanding them clearly, analyzing them correctly
(최신)건축공정 관리학
조빛나; 김현승; 강인석 · 2015
한국산학기술학회논문지
전진구, 김병수 · 2005
한국건설관리학회 논문집
조빛나, 김현승, 강인석 · 2015
한국산학기술학회논문지
김규태, 윤석헌 · 2022
차세대융합기술학회논문지
정희찬, 한기웅, 이병훈, 한예지, 허경휘, 최호창, 한성원 · 2022
대한산업공학회지
杨茜; 朱佳悦; 常远; YANG Qian; ZHU Jiayue; CHANG Yuan · 2024
建筑经济 / Construction Economy
Cheng, Min-Yuan; Vu, Quoc-Tuan; Gosal, Frederik Elly · 2025
AUTOMATION IN CONSTRUCTION
김정수; 문현석; 박상미 · 2023
대한토목학회논문집(국문)
이희덕, 이승훈, 서용칠, 이상범 · 2010
대한건축학회연합논문집
Jacobsen E.L.,Teizer J.,Wandahl S. · 2023
Automation in Construction
박홍태, 이양규 · 2013
한국재난정보학회 논문집
Jordan Srour, F.; Kiomjian, Daoud; Srour, Issam M. · 2018
Journal of Construction Engineering and Management
박홍태; 이양규 · 2013
한국재난정보학회 논문집
강태욱, 김병곤, 정유석 · 2021
KIBIM Magazine
Demiss, Belachew A.; Elsaigh, Walied A. · 2024
ENGINEERING RESEARCH EXPRESS
송경빈, 문찬호, 권보성 · 2022
전기학회논문지
이기륜, 한충희, 이준복 · 2019
한국건설관리학회 논문집
Yuan, J.; Ye, F. · 2021
Journal of Physics: Conference Series
강윤호; 이하늘; 윤석헌 · 2023
대한건축학회논문집
Cai J.,Du A.,Liang X.,Li S. · 2023
Journal of Computing in Civil Engineering
전선 / 학사
건설사업의 일정을 계획 및 관리하는 공정관리에 대한 이론 설명과 네트워크 공정계획에 대한 실습을 통해 전반적인 건설 공정관리에 대한 이해 증진을 목표로 한다. 본 교과목을 통해 건설공사의 공정관리 개념 및 기법을 소개하고, 공정계획, 진도관리 활동과 공기단축, 공기지연 요구에 어떻게 대응하는지에 대한 개론을 다루며, 최근 첨단기술을 활용한 공정관리 동향도 소개한다. 특히, 네트워크 공정표 작성과 일정계산, 공기단축 등의 실습을 하게 되며, 외부 전문가의 공정관리 사례 특강을 통해 현장밀착형 공정관리의 이해 폭을 넓힌다. 궁극적으로 건설공사의 공정관리에 관한 원리와 전반적인 응용 과정을 이해함으로써 공사의 공기를 합리적으로 분석하고, 이를 건설관리에 적용하는 실무능력을 배양할 수 있다. 교과목이 다루는 주요 내용은 아래와 같다. 1. 건설 공정의 영향요인 2. 공정정보 표출 방법론 3. CPM 네트워크 공정표 작성 및 일정 계산 4. 자원 배분 및 관리 5. 건설사업 설계변경 영향력 분석 등전선 / 대학원
본 교과목은 빅데이터, 인공지능 등 데이터 과학 이론을 소개하고 다양한 방법론 및 모델들을 효과적으로 건설산업에 적용할 수 있도록 교육함으로써, 수강생들이 공정관리, 예산관리, 안전관리 등 성공적인 건설사업관리에 필요한 객관적인 의사결정 능력을 함양할 수 있도록 한다. 보다 구체적으로 공정 및 예산계획, 설계변경 서류, 각종 보고서 등의 기초적인 현장 데이터부터 물가지수, 수주액, 안전통계 등 산업 차원의 데이터까지 건설산업에 존재하는 다양한 종류의 데이터 및 그들의 특성을 파악하고, 데이터를 정보화/지식화하여 성공적인 의사결정을 지원할 수 있도록 지도학습, 비지도학습, 강화학습 등의 분석 방법론을 교육한다. 또한, 가속도, 진동, 온도, 소음, 영상, 위치좌표 등 센서 및 카메라를 이용하여 실시간으로 수집되는 빅데이터를 분석하여 시시각각 변하는 현장 상황을 효과적으로 이해할 수 있는 첨단기법을 소개한다. 본 교과목은 지금껏 경험적이고 직관적인 의사결정이 주를 이뤄 온 건설현장에 데이터 중심의 사업관리 방법론을 소개함을 목표로 한다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 학사
건설 공정을 보다 체계적, 합리적으로 계획하고 관리할 수 있도록 CPM/PERT 등과 같은 최적화 이론의 적용과 입찰, 도급 등 건설제도 등에 대해 교육한다.전선 / 대학원
건설 사업을 수행함에 있어, 사업관리 과정 중 발생하는 다양하고 복잡한 리스크를 분석, 관리하는 것은 사업 성공에 직접적인 영향을 준다. 이 교과목은 계획, 설계, 시공, 유지보수에 이르는 건설사업 전 생애주기에 걸쳐 발생 가능한 리스크를 이해, 분석하고, 이에 맞는 합리적인 의사결정, 대처, 관리방안을 제시하는 방법을, 사업관리 이론 및 사업 성공/실패 사례 분석을 통해 전달한다.전선 / 대학원
본 강의는 인공환경을 건축구조물 단위의 시스템으로서 이해하고, 생애주기 동안 주변 환경과 어떻게 상호작용하는지에 대한 폭넓은 이해를 제공한다. 건축구조물의 사용 환경에 따른 거동을 다자유도시스템(state-space representation)으로 분석하기 위해 동역학 기초지식이 요구된다. SIMO, MIMO 시스템 관련하여 대표적인 응답기반 시스템식별 기술(시계열 기반, 주파수영역 기반, 확률기반 등)의 이론에 대해 학습한다. 더 나아가 시스템식별 기술을 머신러닝 알고리즘(ARMA, Neural Network, LSTM 등)과 접목하여 부분 계측된 인공환경의 실시간모니터링과 미래성능예측, 그리고 유지보수를 위한 의사결정 도출방법을 학습한다. 궁극적으로 학생들에게 다차원적인 건축물과 환경의 상호작용에 대한 통찰력을 제공한다.전선 / 학사
본 강좌는 BIM (Building Information Modelling), Reality Capture, VR/AR 등의 스마트 건설 기술에 대한 주요 이론을 습득하고, 건설 관리 프로세스 내에서의 다양한 활용 사례를 배우며, 실제 실습을 통해 스마트 건설 기술의 활용법과 현재 기술의 제약점을 이해하도록 한다. BIM 모델 구축 프로세스를 이해하고, 이를 통해 시공성 검토(Constructability review), 4D Simulation, 디자인 간섭 검토(Clash detection)을 실습한다. 또한 LiDAR와 Photogrammetry을 통한 Reality Capture를 통한 측량과 Scan-to-BIM을 실습하고, VR/AR 기술의 활용 사례를 고찰한다.전선 / 대학원
건축공사의 신기술, 공법 및 자재의 개발과 초고층 건축시공의 현장사례를 소개하고 건축공사의 과학화와 자동화를 위한 가치공학, 씨뮬레이션, 건설전물가시스템, 전설로보틱스, 건설경영정보시스템, 건설통합시스템 등에 대하여 강의한다.전선 / 대학원
본 교과목에서는 선박설계를 위한 다양한 인공지능 방법을 배우고 이의 응용 사례를 살펴보는 것을 목적으로 한다. 먼저 선수 과목 등을 통해 학습한 여러 딥 러닝 기법, 즉 DFN (Deep Feedforward Network), RNN (Recurrent Neural Network), CNN (Convolutional Neural Network), 강화 학습 (Reinforcement Learning) 등의 개념을 복습한다. 이후, 설계 분야를 기본설계, 생산설계, 운항설계 등으로 구분한 뒤, 각 분야에서 인공지능이 필요한 사례를 학습한다. 기본설계에서는 도면 내 객체 및 텍스트 인식, 해기상 및 선박 소요 마력 예측 등의 사례를 살펴본다. 생산설계에서는 블록 탑재를 위한 크레인 제어 등의 사례를 살펴본다. 운항 설계에서는 영상 기반 선박 주변 장애물의 탐지 및 추적, 선박의 충돌 회피 등의 사례를 살펴본다. 끝으로 학생들은 설계 분야의 특정한 주제에 대해 인공지능을 활용한 문제 해결 방법에 대해 Term Project를 수행한다.전선 / 학사
건설 프로젝트의 목표를 달성하는데 요구되는 제반 관리 요소들을 소개하고, 건설관리이론을 토대로 중요한 관리요소인 공정관리, 비용관리, 자원관리, 품질관리 등의 방법과 절차에 대하여 강의한다.전선 / 대학원
본 교과목은 토질역학에서 배운 이론을 응용하여 다양한 지반구조물의 최신 이론과 설계법을 학습한다. 지반구조물 중 옹벽, 널말뚝, 깊은굴착 등 토류 구조물과 관련된 토압 산정과 안정해석 방법, 사면과 댐의 설계방법, 지반개량공법의 개량효과와 설계법을 학습한다. 그리고, 지반구조물은 흙의 비선형 거동에 의해 매우 복잡한 역학적 거동을 보이므로 이를 예측할 수 있는 전산수치해석 이론을 함께 학습한다. 전산수치해석은 탄성체 역학, 유한요소법, 수치적분법, 다양한 재료의 소성이론을 학습하고 전산 프로그램 작성을 통해 다양한 재료의 거동을 예측한다.전선 / 대학원
이 수업은 인공지능(AI)과 도시계획 및 설계 과정 시리즈 중 두 번째 과정이다. 이 수업은 심화 AI 알고리즘, 알고리즘의 응용프로그램, AI 응용프로그램의 문제와 같은 3가지 주요 부분을 포함한다. 이 과정에서는 다목적 최적화, 딥러닝, 강화학습을 포함한 정교하고 강력한 AI 알고리즘을 소개한다. 이 알고리즘은 단순화된 계획 및 설계 사례에서 예시로 제시된다. 또한, 해석 가능성, 책임성, 투명성 및 공정성과 같은 계획 및 설계에서 AI 적용의 근본적인 문제를 논의하고 설명가능한 AI 및 해석가능한 머신러닝(ML)의 개념을 소개한다. 마지막으로 도메인 지식과 AI 기술의 통합 및 도시분야의 미래 방향에 대한 토론으로 마무리된다.전선 / 대학원
건축공사의 신기술, 공법 및 자재의 개발과 초고층 건축시공의 현장사례를 소개하고 건축공사의 과학화와 자동화를 위한 가치공학, 씨뮬레이션, 건설전물가시스템, 전설로보틱스, 건설경영정보시스템, 건설통합시스템 등에 대하여 강의한다.전선 / 대학원
교통계획수요추정의 근본을 이루는 토지이용과 교통계획에서 출발하여 4단계 기법, 즉 발생교통량추정, 분포교통추정, 수송수단배분추정, 노선배정추정을 위한 모형의 적용 및 개발에 중점을 두어 교통계획의 배경과 개념 등을 연구하게 된다. 또한 실제 4단계 과정을 소규모 네트웍에 적용해 봄으로써 프로그램 능력과 실무능력을 배양한다.전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 대학원
최근 건설 산업에서는 IT 기술을 접목한 지능형 사업관리 및 건설 자동화에 대한 그 중요성이 강조되고 있다. 이 교과목은 일반적인 건설 IT관련 기술 및 3차원 설계정보를 이용한 예산, 공정, 품질, 안전 관리 기술을 소개한다. 또한 이 강좌는 컴퓨터를 이용한 건설 공정 시뮬레이션 기술과 건설 자동화 이론 및 적용사례를 소개, 분석한다.전선 / 대학원
최근 건설 산업에서는 IT 기술을 접목한 지능형 사업관리 및 건설 자동화에 대한 그 중요성이 강조되고 있다. 이 교과목은 일반적인 건설 IT관련 기술 및 3차원 설계정보를 이용한 예산, 공정, 품질, 안전 관리 기술을 소개한다. 또한 이 강좌는 컴퓨터를 이용한 건설 공정 시뮬레이션 기술과 건설 자동화 이론 및 적용사례를 소개, 분석한다.전선 / 학사
이 과목에서는 공학과 수리물리학 분야에서 널리 사용되는 유한요소법을 다룬다. 유한요소법은 탄성 또는 비탄성 구조물의 정적 및 동적 거동해석을 비롯하여 유체유동과 열전달 해석, 전자기장 해석과 같은 넓은 분야의 해석과 설계에 있어 필수 수단이다. 에너지 원리에 의한 유한요소 정식화 과정과 선형대수에 의한 해법을 소개하고, 공학문제 해석에 유한요소 해석기법을 적용하여 설계에 이용할 수 있도록 연습과 term project를 수행한다.전선 / 대학원
기후환경데이터의 기본적인 특성을 이해하고, 다양한 기후환경 현상들의 특성 변동 및 변화를 분석/예측하기 위한 다양한 딥러닝 기법의 원리를 학습하고 실습한다. Feed-forward Neural Networks, Convolutional Neural Network, Long-Short Term Memory, Generative Adversarial Networks, Vision Transformer 등 딥러닝 기법의 작동 원리와, 해당 기법들의 기후환경데이터에의 적용 예시를 학습한다. 실습과 소규모 프로젝트를 통한 기후환경데이터에의 딥러닝 기법의 적용을 통해 기후환경분야 공공기관 및 연구소에서 요구하는 자료분석 능력을 습득한다.