본문 바로가기 주메뉴 바로가기
국회도서관 홈으로 정보검색 소장정보 검색

목차보기

[표지] 1

요약문 6

목차 9

1. 연구개발과제의 개요 33

가. 연구의 필요성 및 목적 33

(1) 연구의 필요성 33

(2) 연구의 목적 35

나. 연구개발 대상의 국내외 현황 37

(1) 국내 시장 동향 37

(2) 국외 시장 동향 43

(3) 국내 디지털 트윈 사업 동향 45

(4) 국외 디지털 트윈 사업 동향 53

(5) 국내외 기술 동향 57

다. 연구개발과제의 목표 85

(1) 연구개발과제의 최종목표 85

(2) 연구개발과제 성과로드맵 93

(3) 연구개발과제의 단계별 목표 102

(4) KPI 등 서비스 달성목표 및 달성수준 108

2. 연구개발과제의 수행과정 및 수행내용 111

가. 연구개발과제 내용 및 범위 111

(1) 세부과제 연구개발 내용 및 범위 111

(2) 핵심기술개발 내용 및 범위 114

(3) 세부과제 연차별 연구내용 및 주요 산출물 117

나. 연구개발과제 최종성과물별 연구수행 내용 126

(1) 실증도시 지능형 디지털 트윈 S/W[내용누락;p.106,108] 126

(2) 디지털 트윈 기반 실증도시 상관관계 분석모듈 200

(3) 디지털 트윈 S/W 탑재용 인공지능 학습모델관리 S/W 206

(4) PC/모바일 기반 디지털 트윈 서비스 프로토타입 218

(5) 시스템 안정화 S/W 230

(6) 데이터 및 처리 프로세스 표준안 239

다. 연구개발 추진전략 260

(1) 연구개발 추진방법 260

(2) 연구개발 추진과정상의 문제해결 267

(3) 연구개발 추진체계 269

(4) 연구개발 추진 일정계획[내용누락;p.240] 270

라. 연구개발과제의 지자체 실증 279

(1) 실증계획 279

(2) 대구시 지자체 실증 286

(3) 시흥시 지자체 실증 292

3. 연구개발과제의 수행 결과 및 목표 달성 정도 303

가. 정성적 연구개발성과 303

(1) 기관별 정성적 연구개발성과물 목록 303

(2) 서울시립대학교의 정성적 연구개발성과[내용누락;p.302,304,306,310,312] 306

(3) 티쓰리큐의 정성적 연구개발성과 434

(4) 크로센트의 정성적 연구개발성과 478

(5) 한양대학교의 정성적 연구개발성과 510

(6) KT의 정성적 연구개발성과 524

나. 정량적 연구개발성과 585

(1) 정량적 연구개발성과 요약 585

(2) 정량적 연구개발성과 세부내역 587

(3) 계획하지 않은 성과 및 관련 분야 기여사항(4차년도) 594

다. 목표 달성 수준 596

4. 목표 미달 시 원인분석 598

5. 연구개발성과 및 관련 분야에 대한 기여 정도 598

가. 학술적 공헌도 598

나. 사회적 공헌도 601

다. 경제적 공헌도 602

6. 연구개발성과의 관리 및 활용 계획 603

가. 기관별 연구개발 최종성과물의 활용방안 603

(1) 서울시립대학교 603

(2) 티쓰리큐 606

(3) 크로센트 608

(4) 한양대학교 609

(5) KT 610

나. 연구개발 통합결과물의 활용방안 611

다. 스마트시티 데이터 허브 등 오픈소스 활용 방안 612

라. 실제 도시(국가시범도시 포함) 기술 및 서비스 적용방안 613

마. 연구개발성과 활용계획표 616

7. 중요 연구변경 사항 617

가. RFP 대비 최종성과물 현황표[내용누락;p.586] 617

나. 4차년도 619

다. 3차년도 621

라. 1~2차년도[내용누락;p.592] 623

참고문헌 627

부록(별첨)[내용없음] 12

가. 추진경위[내용없음] 12

나. 증빙(양적 성과 - 특허, 논문 등)[내용없음] 12

다. 증빙(단위 성과 - 별권 보고서)[내용없음] 12

라. 별권 매뉴얼[내용없음] 12

참고자료(별책)[내용없음] 12

I. 디지털 트윈 개발유형 및 소요자원 분석[내용없음] 12

II. BIM-GIS 연계방안[내용없음] 12

III. 자체 세미나 내용[내용없음] 12

[뒷표지] 633

표목차 13

〈표 1〉 국내 스마트시티 시장현황 37

〈표 2〉 2025년 IoT 기술 시장의 경제적 부가가치 추정 44

〈표 3〉 디지털 트윈 관련 국내 특허 리스트 52

〈표 4〉 디지털 트윈 관련 국외 특허 리스트 56

〈표 5〉 해외 A.I. 동향 67

〈표 6〉 미래 A.I. 기술 68

〈표 7〉 A.I. 전략품목 69

〈표 8〉 오픈소스 모니터링 소프트웨어 77

〈표 9〉 상용 모니터링 소프트웨어(무료 평가판 사용 가능) 78

〈표 10〉 표준화 기구 현황 81

〈표 11〉 최종성과물별 단위성과물 및 최종목표수준 95

〈표 12〉 최종성과물별 단위성과물 및 최종목표수준 96

〈표 13〉 세부과제 통합성과물과 기관별 최종성과물의 관계 및 연계방안 99

〈표 14〉 연구개발과제의 단계별 목표 및 설정 근거 102

〈표 15〉 대표 KPI 108

〈표 16〉 수행과제 KPI 달성목표 및 달성수준 108

〈표 17〉 LOD 0-4 of CityGML with its accuracy requirements in OpenGIS CityGML Encoding Standard 132

〈표 18〉 자문내역(전문가 직위는 자문 당시 직위임) 132

〈표 19〉 디지털 트윈국토 참조모델 요구‧권고 사항 기준 기반 비교 142

〈표 20〉 BIM-GIS 통합 관련 국제표준과 비교‧분석 147

〈표 21〉 IFC to CItyGML 간 매핑 규칙 148

〈표 22〉 자체 시나리오 기반 서비스 154

〈표 23〉 대구 실증 서비스 및 서비스별 요구 LOD 167

〈표 24〉 대구 실증 서비스별 데이터셋 정의 168

〈표 25〉 시흥 실증 서비스 및 서비스별 요구 LOD 181

〈표 26〉 시흥 실증 서비스별 데이터셋 정의 182

〈표 27〉 디지털 트윈 S/W 프로토타입의 LoS 197

〈표 28〉 시흥에코센터 건물 전체 데이터 다중회귀분석 결과 205

〈표 29〉 딥러닝 분야: 전력 소비량 예측모델 216

〈표 30〉 머신러닝 분야: 전력량 소비 패턴 클러스터링 216

〈표 31〉 분야별 전체 표준 데이터 셋 상세 설명자료 240

〈표 32〉 공통표준단어명 표준화 기준 243

〈표 33〉 공공 데이터 리스트 및 현황자료(별도 파일로 제공) 253

〈표 34〉 디지털 트윈 스크럼위원회 구성 261

〈표 35〉 전문기관 사업단 회의 261

〈표 36〉 스프린트, 스크럼 회의 264

〈표 37〉 자문회의 265

〈표 38〉 Use Case 실증 우선순위 선정결과 280

〈표 39〉 실증도시별 디지털 트윈 연구실증 관련 협력사항(3~4차년도) 281

〈표 40〉 Use Case 우선순위 도출(4차년도) 284

〈표 41〉 구성 모듈 설명 306

〈표 42〉 전체 흐름도 설명 308

〈표 43〉 DB 구성 설명 312

〈표 44〉 구성 모듈 설명 318

〈표 45〉 전체 흐름도 설명 321

〈표 46〉 DB 구성 설명 327

〈표 47〉 디지털 트윈 기술발전 5단계 345

〈표 48〉 pandas input/output methods 383

〈표 49〉 scikit-learn Preprocessing and Normalization methods 384

〈표 50〉 SciPy packages 385

〈표 51〉 데이터 항목별 설명 386

〈표 52〉 피어슨 상관계수 범위별 해석 388

〈표 53〉 스피어만 상관계수 범위별 해석 389

〈표 54〉 데이터 항목별 설명 391

〈표 55〉 데이터 항목별 설명 394

〈표 56〉 필수 라이브러리 401

〈표 57〉 시흥에코센터 1F EPS실 존 다중회귀분석 결과 411

〈표 58〉 시흥에코센터 1F 기계실 존 다중회귀분석 결과 413

〈표 59〉 시흥에코센터 1F 중앙감시실 존 다중회귀분석 결과 415

〈표 60〉 시흥에코센터 1F 통신실 존 다중회귀분석 결과 417

〈표 61〉 시흥에코센터 2F EPS실 존 다중회귀분석 결과 419

〈표 62〉 시흥에코센터 2F 다목적실 존 다중회귀분석 결과 421

〈표 63〉 시흥에코센터 2F 카페테리아 존 다중회귀분석 결과 423

〈표 64〉 시흥시 DT 서비스 427

〈표 65〉 대구시 DT 서비스 428

〈표 66〉 Use Case 개발 및 실 데이터 확보 및 데이터 연계 448

〈표 67〉 전력 수요량 예측에 사용하는 데이터 예시 524

〈표 68〉 에너지 소비 구역에 사용하는 데이터 실증 528

〈표 69〉 시계열 데이터 명세서 533

〈표 70〉 시계열 예측 방법론의 종류 535

〈표 71〉 시계열 분류 방법론의 종류 537

〈표 72〉 혼돈 행렬 537

〈표 73〉 시계열 이상 탐지 방법론의 종류 540

〈표 74〉 유형별 시계열 예측 모델과 하이퍼 파라미터 545

〈표 75〉 시계열 분류에서 자주 사용되는 특징 목록 547

〈표 76〉 분류 모델과 주요 하이퍼 파라미터 547

〈표 77〉 정보 시스템 정보 555

〈표 78〉 데이터베이스 정보 556

〈표 79〉 테이블 정보 556

〈표 80〉 메타데이터 표준 관리 항목 557

〈표 81〉 데이터 구성도 567

〈표 82〉 딥러닝 방법론 568

〈표 83〉 머신러닝 방법론 568

〈표 84〉 오픈데이터의 다섯 단계 577

〈표 85〉 데이터 연계 포맷 577

〈표 86〉 데이터 개방 방식 578

〈표 87〉 수행과제 KPI 달성목표 및 달성수준 579

〈표 88〉 시계열 데이터 명세서 581

〈표 89〉 시계열 예측 방법론의 종류 581

〈표 90〉 시계열 분류에서 자주 사용되는 특징 목록 582

〈표 91〉 시계열 분류 방법론의 종류 583

〈표 92〉 연구개발계획서 및 Stage-Gate 설계서 성과물 비교표(2차년도 변경사항) 623

그림목차 17

[그림 1] Manufacturing process digital twin model 33

[그림 2] 디지털 쌍둥이 도시 형상도 34

[그림 3] U-City 통합관제센터(좌)와 서울시립대학교 디지털 트윈 실험실(우) 35

[그림 4] BIM-GIS 상호운용 개념도 35

[그림 5] 디지털 트윈 개발도구 조사 및 성능 비교(정성적 평가) 36

[그림 6] 지자체별 스마트시티 서비스 현황 37

[그림 7] 서울시 클라우드센터의 관제시스템 일부 38

[그림 8] 서울시 S-map(생활정보 서비스) 38

[그림 9] 인천시 3D GIS 플랫폼의 도시모델 39

[그림 10] 침수예측 솔루션 39

[그림 11] 대구 3D지도 및 D-데이터 허브 고도화(안) 40

[그림 12] 대구시 3D지도(생활정보 서비스) 40

[그림 13] 국내 클라우드 IT 인프라 시장 전망 41

[그림 14] 국내 소프트웨어 시장 성장 전망 2018-2022 41

[그림 15] 씨앗(CEART, Creative Economy Application maRT) 오픈마켓 42

[그림 16] 연도별 클라우드 전환계획 42

[그림 17] 스마트시티 시장규모 예상 43

[그림 18] 스마트시티 시장규모 예상 43

[그림 19] 글로벌 스마트시티 시장의 지역별 시장 규모 및 전망 43

[그림 20] Global Market Insights의 디지털 트윈 시장 규모 예측 44

[그림 21] MarketsandMarkets의 디지털 트윈 시장 규모 예측 44

[그림 22] V-World 화면 예시(좌: 3차원 모델 시각화, 우: 시설물 실내공간 시각화) 45

[그림 23] 서울시 실내공간지도 이미지 46

[그림 24] S-Map 실내공간지도 이미지 46

[그림 25] OneM2M 기반 스마트시티 데이터 통합 플랫폼 구성 47

[그림 26] S-Map에서 제공하는 서비스 예시 48

[그림 27] '대구 3D-Map' 에서 제공하는 서비스 예시 48

[그림 28] 디지털 트윈 전주의 3차원 객체모델 49

[그림 29] 디지털 트윈 전주의 제공 서비스 예시 50

[그림 30] 부산 에코델타시티 디지털 트윈 라이프사이클 50

[그림 31] 세종 5-1생활권의 디지털 트윈 단계별 적용방안 51

[그림 32] 디지털 트윈 관련 연구과제 수 51

[그림 33] 실내 공간정보 해외 추진 사례(공공) 54

[그림 34] 세계 주요 도시들의 디지털 트윈 구축 사례 55

[그림 35] Mago3D의 실행화면 예(서울대학교 시흥캠퍼스 조감도) 58

[그림 36] Mago3D 시스템에서 제공하는 서비스 예시 59

[그림 37] XDMap 제공 시뮬레이션 서비스 예시 60

[그림 38] 대용량 데이터 경량화 60

[그림 39] 가상/증강 현실 기술기반의 콘텐츠 제공 60

[그림 40] 3D Modelling and Visual Experimentation 관련 서비스들 61

[그림 41] Virtual Test-Bedding 관련 서비스들 62

[그림 42] 노약자 및 장애인을 위한 경로 파악 및 이동성 개선 62

[그림 43] Bentley Map 활용 프로젝트 63

[그림 44] iTwin 활용 프로젝트 63

[그림 45] AssetWise 활용 프로젝트 63

[그림 46] OpenUtilities 활용 프로젝트 64

[그림 47] VU.City에서 제공하는 시뮬레이션 및 서비스의 일부 64

[그림 48] Autodesk tandem의 개념 65

[그림 49] OEP(Orlando Economic Partnership) 디지털 트윈 서비스 대화형 3D 지도 66

[그림 50] 전 세계 A.I. 소프트웨어 전망(2021년-2025년) 68

[그림 51] 인공지능 9대 핵심기술 및 활용 방안 71

[그림 52] ISO./IEC JTC 1/SC 42 구조 72

[그림 53] A.I. 기술 로드맵 73

[그림 54] KT G-Cloud Kt PaaS-TA 75

[그림 55] 국가정보자원관리원 PaaS 구성 75

[그림 56] 전력소프트웨어 연구개발 플랫폼 구성도 76

[그림 57] 윈도우즈 작업관리자 78

[그림 58] Canonical live patch(https://ubuntu.com/security/livepatch/docs/howitworks) 79

[그림 59] 스마트시티 표준화 기구별 이슈 및 현황 82

[그림 60] 디지털 트윈 1.0 프레임워크 85

[그림 61] 연구의 비전 및 목표 87

[그림 62] 클라우드 기반 디지털 트윈 시스템 구성도 90

[그림 63] 스마트시티 사업에서 개발기술의 위치 및 참여기관의 역할 94

[그림 64] 기관별 개발기술 연계 개념도 94

[그림 65] 기관별 개발기술 연계 개념도(통합성과물 관점) 98

[그림 66] 기관별 개발기술 연계 개념도(기관별 최종성과물 관점) 99

[그림 67] 1세부사업단 주관기관(KETI)의 스마트시티 참조모델 111

[그림 68] 1-3 세부과제 최종성과물별 중간산출물 117

[그림 69] 디지털 트윈국토 참조모델의 개념적 프레임워크 129

[그림 70] BIM to GIS 요소 변환 메커니즘 개념도 130

[그림 71] IFC, CityGML 기반 디지털 트윈 개발유형 133

[그림 72] IFC 데이터의 형상/속성 정보 분리 과정 134

[그림 73] 디지털 트윈 데이터 구축 프로세스 135

[그림 74] BIM 데이터 처리/활용 프로세스 136

[그림 75] LOD 2.5~4 디지털 트윈 모델 시각화 결과 137

[그림 76] IFC entity 단위 활용 예 137

[그림 77] 존별 전력사용량 시각화 서비스 137

[그림 78] 에너지 모니터링 서비스의 ERD 139

[그림 79] 에너지 모니터링 서비스의 ERD 141

[그림 80] 건물 내‧외부 표현방법의 차이 149

[그림 81] LOD 2.5 디지털 트윈 S/W 목표성과물 개념도 151

[그림 82] 대구 LOD 2.5 디지털 트윈 모델 구축 방법 152

[그림 83] 세부과제 간 협업 및 협력방안 153

[그림 84] 데이터 허브 연동 PoC(주차 서비스) 전체 계획 160

[그림 85] PoC 대상 주차장 디지털 트윈 모델 구축 160

[그림 86] PoC 데이터 연동 및 시각화 결과 161

[그림 87] PoC 데이터 기반 학습/추론을 위한 데이터 정의 161

[그림 88] 추론 결과(일부) 162

[그림 89] 추론 데이터 기반 디지털 트윈 시각화 162

[그림 90] 대구시 인동촌 LOD 3 디지털 트윈 S/W의 공간적 범위 163

[그림 91] 인동촌 LOD 2.5. 디지털 트윈 모델(전체) 164

[그림 92] 인동촌 LOD 2.5. 디지털 트윈 모델(부분) - 1 164

[그림 93] 인동촌 LOD 2.5. 디지털 트윈 모델(부분) - 2 164

[그림 94] 인동촌 도시시설물 및 폭염저감장치 165

[그림 95] 실증대상 건물의 LOD 3.5 디지털 트윈 모델(상단 좌측: 외관, 하단: 내부) 166

[그림 96] 화재 감지 여부 실시간 시각화 169

[그림 97] 재실자 최단대피경로 시각화(위: 계단실에 장애물 있는 경우, 아래: 계단실에 장애물 없는 경우) 170

[그림 98] 침수 높이 데이터의 형태 171

[그림 99] 그리드별 침수높이 데이터의 3차원 시각화 171

[그림 100] 3차년도 3D 물리 시뮬레이션 기반 침수 예측 서비스 개발 결과 172

[그림 101] 4차년도 3D 물리 시뮬레이션 기반 침수 예측 서비스 개발 결과 172

[그림 102] 도시 홍수 2D 수치해석(좌) 및 물리 엔진 기반 시뮬레이션(우) 결과 비교 173

[그림 103] 폭염저감장치 실시간 상태정보 시각화 173

[그림 104] 살수차 최적경로 도출 174

[그림 105] 기준 위험온도 적용 개념도 174

[그림 106] 화재 서비스 비교 175

[그림 107] 홍수 서비스 비교 175

[그림 108] 시흥시 정왕동 LOD 3 디지털 트윈 S/W의 공간적 범위 176

[그림 109] 도로명주소 shape 데이터 기반 LOD 2.5 디지털 트윈 모델 177

[그림 110] 시흥시 제공 LOD 2 데이터 스크린샷 177

[그림 111] 시흥시 제공 데이터 기반 LOD 2 디지털 트윈 모델 177

[그림 112] 시흥시 제공 데이터 기반 LOD 2.5 모델(시흥 에코센터 인근) 178

[그림 113] 시흥시 제공 데이터 기반 LOD 2.5. 모델(서울대학교 시흥캠퍼스 인근) 178

[그림 114] 서울대학교 시흥캠퍼스 교육협력동 BIM 모델 178

[그림 115] 서울대학교 시흥캠퍼스 교육협력동 LOD 4 디지털 트윈 모델 179

[그림 116] 서울대학교 시흥캠퍼스 교육협력동 LOD 4 디지털 트윈 모델(내부) 179

[그림 117] 시흥 에코센터 BIM 모델 179

[그림 118] 시흥 에코센터 LOD 4 디지털 트윈 모델 180

[그림 119] 시흥 에코센터 LOD 4 디지털 트윈 모델(내부) 180

[그림 120] 태양광 발전량 모니터링 서비스 개념도 183

[그림 121] BEMS 데이터의 2차원 대시보드 기반 표출 예 184

[그림 122] BEMS 데이터 기반 상관/다중회귀분석 서비스 개념도 184

[그림 123] BIM 정보 기반 시설물 에너지 시뮬레이션 서비스 개념도 185

[그림 124] 에너지 Use Case를 통한 시스템 기능 비교(에너지 시뮬레이션 포함) 185

[그림 125] 디지털 트윈 개발유형 정리 186

[그림 126] Unity에서의 베를린 CityGML 데이터 시각화(좌: Cesium, 우: Unity) 187

[그림 127] 5개의 S/W의 디지털 트윈 개발도구로서의 사용 빈도 187

[그림 128] Unity에서의 BIM-GIS 연계 데이터 사용을 위한 최적 포맷 테스트 결과 188

[그림 129] 클라우드 기반 디지털 트윈 시스템에서의 디지털 트윈 S/W의 위치 188

[그림 130] BIM-GIS 기반 디지털 트윈 S/W의 시스템 아키텍처 189

[그림 131] BIM-GIS 기반 디지털 트윈 S/W의 시스템 아키텍처(주요부분 설명) 190

[그림 132] 맵 타일링 및 동적로딩 기능 구현 결과 190

[그림 133] 침수 예측을 위한 물리 시뮬레이션 장면 191

[그림 134] Use Case별 모듈화를 적용한 디지털 트윈 S/W 아키텍처 192

[그림 135] 화재 Use Case의 모듈 구성 193

[그림 136] 화재 시 최적 대피경로 도출 Use Case의 데이터 흐름도 193

[그림 137] 도시홍수 시 침수지역 예측 Use Case의 모듈 구성 194

[그림 138] 도시홍수 시 침수지역 예측 Use Case의 데이터 흐름도 194

[그림 139] 에너지 Use Case 데이터 흐름도 195

[그림 140] 상관관계 분석모듈 구성 201

[그림 141] 시흥에코센터 존별 데이터 이상치 제거(일부) 203

[그림 142] 시흥에코센터 2F 전체 데이터 상관분석 결과(상관계수) 204

[그림 143] 시흥에코센터 2F 전체 데이터 상관분석 결과(유의확률) 204

[그림 144] 통합 모델 오차율 검증 205

[그림 145] 인공지능 학습모델관리 S/W 개발 시스템 개념도 207

[그림 146] 인공지능 학습모델관리 프로세스 흐름과 DB 구성 208

[그림 147] 인공지능 데이터 탐색 Sequence Diagram 208

[그림 148] 인공지능 학습을 위한 입력 데이터 전처리 Sequence Diagram 209

[그림 149] 최적 성능 학습모델 선택 Sequence Diagram 209

[그림 150] 인공지능 모델 학습 수행 Sequence Diagram 210

[그림 151] 인공지능 하이퍼 파라미터 관리 Sequence Diagram 210

[그림 152] 인공지능 판정 처리 Sequence Diagram 211

[그림 153] 인공지능 판정 성능 평가 Sequence Diagram 211

[그림 154] 인공지능 학습모델관리 S/W 인공지능 학습, 학습모델 개념도 212

[그림 155] 인공지능, 빅데이터 처리 프로세스 213

[그림 156] 인공지능 학습모델관리 S/W 실행화면 214

[그림 157] CRISP-DM의 프로세스 흐름도 215

[그림 158] CRISP-DM 수행절차 215

[그림 159] CRISP-DM의 프로세스 단계 215

[그림 160] VM과 컨테이너 방식 비교 218

[그림 161] 도커 컨테이너 생성 219

[그림 162] 클라우드 기반 디지털 트윈 서비스 아키텍처 220

[그림 163] 클라우드를 통한 배포 및 사용자 접속 221

[그림 164] 화면 연계를 위한 인터페이스 개발 221

[그림 165] 직관적으로 옵션 메뉴 선택 222

[그림 166] 목표달성을 위한 연구수행 방법 223

[그림 167] 연구목표 달성을 위한 연구수행 방법 224

[그림 168] 협업 요청 및 질의 등록 화면 225

[그림 169] 자료실 등록 화면 225

[그림 170] 사용자 관리 화면 226

[그림 171] 로그인 이력 관리 화면 226

[그림 172] 디지털 트윈 협업시스템 개념도 227

[그림 173] 계층(Hierarchy) 구조의 메뉴 구성 228

[그림 174] 직관적인 옵션 선택 메뉴 228

[그림 175] 모바일 연계를 위한 인터페이스 개발 228

[그림 176] 함수 호출 예제 (좌)예제 코드 (우)함수 호출 그래프 230

[그림 177] Strace 도식도 231

[그림 178] library wrapper 예제(strcpy) 232

[그림 179] 커널 모듈을 이용한 시스템 콜 수집 방법 232

[그림 180] echo 서버 소스코드 및 오토마타 변환 예제 233

[그림 181] 핫패칭 플랫폼 전체 도식 235

[그림 182] 패치 이미지 생성 과정 235

[그림 183] 패치 이미지 구조 236

[그림 184] 실제 ELF 정보 237

[그림 185] 어셈블리 코드 수정 전후 237

[그림 186] 표준형태 Type 239

[그림 187] 분야별 표준 데이터셋 240

[그림 188] 스마트시티 Use Case 데이터의 특성 248

[그림 189] Use Case 데이터 구성요인 248

[그림 190] Unity와 QGIS 간 좌표정보 입력 시 출력 비교 267

[그림 191] 대구 서구 비산동(인동촌) 근처 통합기준점 예시 267

[그림 192] Unity에서 통합기준점을 원점으로 하는 좌표계 구현 시, 오차범위 계산 268

[그림 193] COVID-19 확산강도 예측(좌), 빌딩 에너지 효율 예측(우) Use Case 268

[그림 194] 1-3 세부과제 추진체계 269

[그림 195] 3, 4차년도 기관별 성과물의 연계 및 협력 체계도 270

[그림 196] 세부과제 협업 및 기술 교류 일정계획(4차년도 예시) 270

[그림 197] 기술개발과 실증장애요인 및 극복방안 279

[그림 198] Use Case 선정 프로세스 279

[그림 199] 2-2 세부과제 연구내용 구성 286

[그림 200] 3-2 세부과제 개발 서비스 292

[그림 201] 에너지 사용량 예측 서비스 개념 293

[그림 202] 에너지 Use Case의 데이터 흐름도 293

[그림 203] 에너지 Use Case의 서비스 제공 프로세스 294

[그림 204] 에너지 Use Case의 기대효과 294

[그림 205] 에너지 Use Case 실증을 위한 기관별 업무분장 295

[그림 206] 프로토타입의 데이터 구성도 306

[그림 207] 전체 기능 구성도 307

[그림 208] 프로토타입 전체 흐름도 308

[그림 209] 인동촌 디지털 트윈 모델링 프로세스 개념도 309

[그림 210] 인동촌 LOD 2.5 디지털 트윈 모델링 과정 일부 310

[그림 211] 인동촌 LOD 2.5 디지털 트윈 모델링 결과 310

[그림 212] 인동촌 LOD 3.5 디지털 트윈 모델링 내부 이미지 310

[그림 213] 데이터 적재 구성 311

[그림 214] Use Case 데이터 구성 312

[그림 215] File Server 구성 313

[그림 216] 화재 감지 및 대피 전체 구성 313

[그림 217] 화재 전체 흐름도 314

[그림 218] 도시 침수 예측 전체 구성 315

[그림 219] 도시 침수 예측 전체 흐름도 315

[그림 220] 폭염 대응 전체 구성 316

[그림 221] 폭염 대응 전체 흐름도구성 317

[그림 222] 프로토타입의 데이터 구성도 318

[그림 223] 전체 기능 구성도 319

[그림 224] 프로토타입 전체 흐름도 320

[그림 225] 계층화된 파일 324

[그림 226] 에코센터 기준으로 계층화된 DAE를 GLB로 변환하는 ShellScript 324

[그림 227] XML 파일 구조 325

[그림 228] decomposition 구조 325

[그림 229] 데이터 적재 구성 326

[그림 230] Use Case 데이터 구성 327

[그림 231] File Server 구성 328

[그림 232] 동적 로딩 타일 공간 생성 330

[그림 233] 동적 로딩 화면 및 구성요소 331

[그림 234] 에너지 모니터링 전체 구성 332

[그림 235] 건물정보 기반 예측 전체 구성 333

[그림 236] 에너지 모니터링 전체 흐름도 335

[그림 237] 건물기반 예측 전체 흐름도 337

[그림 238] 통계 기반 예측 전체 구성 339

[그림 239] 통계 기반 예측 전체 흐름도 340

[그림 240] AI 기반 예측 전체 구성도 341

[그림 241] AI 기반 예측 전체 흐름도 343

[그림 242] 디지털 트윈 3단계 구현 레벨 345

[그림 243] 기관의 최종성과물과 통합성과물로서의 지능형 디지털 트윈 S/W 차이 346

[그림 244] 상관관계 분석모듈 및 디지털 트윈 S/W 프로토타입 간 연계모듈 347

[그림 245] A.I. 기반 예측 서비스에서의 연결관계 347

[그림 246] 디지털 트윈 S/W 프로토타입 및 인공지능 학습모델관리 S/W 간 연계 348

[그림 247] 통계 기반 예측 서비스 화면 예 348

[그림 248] 클라우드를 포함한 디지털 트윈 S/W 구성 349

[그림 249] 안전 플랫폼 DB 현황 355

[그림 250] 실시간 화재 감지 서비스 화면 355

[그림 251] 내비게이션 적용 화면 - 1 356

[그림 252] 내비게이션 적용 화면 - 2 356

[그림 253] 화재 최단 대피경로 도출 356

[그림 254] 화재 최단 출동경로 도출 357

[그림 255] 달서 배수분구 수치해석 결과(붉은 점선이 인동촌 경계) 357

[그림 256] 수치해석용 지형 데이터와 지형 모델 일치 357

[그림 257] 수치해석 결과(2D)의 3D 시각화 358

[그림 258] 3D 개략 예측결과 기반 건물 침수 높이 분석 358

[그림 259] 인동촌 지역의 폭염 취약성 관련 요인 359

[그림 260] 폭염 취약성 종합 데이터(히트맵) 시각화 359

[그림 261] 폭염 저감장치 360

[그림 262] 실시간 기온에 따른 폭염 피해 위험지역 360

[그림 263] 건물별 전력사용량 시각화(시흥 에코센터) 361

[그림 264] 건물별 전력사용량 시각화(교육협력동) 361

[그림 265] 층별 전력사용량 시각화(시흥 에코센터) 362

[그림 266] 층별 전력사용량 시각화(교육협력동) 362

[그림 267] 존별 전력사용량 시각화(시흥 에코센터 1층) 363

[그림 268] 존별 전력사용량 시각화(시흥 에코센터 2층) 363

[그림 269] 전력 사용패턴 시각화 364

[그림 270] 최대수요전력 시각화 364

[그림 271] 태양광 발전량 모니터링 365

[그림 272] 지열시스템 모니터링 365

[그림 273] 에너지 시뮬레이션 도구(open studio) 선정 근거 366

[그림 274] 건물정보 기반 예측 서비스 프로세스 366

[그림 275] 건물정보 기반 예측 서비스(조명 스케줄 입력) 367

[그림 276] 건물정보 기반 예측 서비스(HVAC 스케줄 입력) 367

[그림 277] 통계 기반 서비스를 위한 상관관계 분석 모듈 구성 368

[그림 278] 통계 기반 서비스 화면 368

[그림 279] 건물 층별 에너지 사용량 예측 서비스 데이터 흐름도 예시 369

[그림 280] 시간 단위 전력사용량 예측 369

[그림 281] 시간 단위 전력사용량 예측(내부 상세) 370

[그림 282] 일 단위 전력사용량 예측 370

[그림 283] 일 단위 전력사용량 예측(내부 상세) 371

[그림 284] 쾌적도 예측 371

[그림 285] 디지털 트윈 프로세스 380

[그림 286] 상관분석모듈 개발 381

[그림 287] 파이썬 라이브러리 382

[그림 288] seaborn 시각화 methods 385

[그림 289] 백분위수 기반 이상치 제거법 387

[그림 290] 화재 관련 데이터 예시 392

[그림 291] 화재 관련 CSV파일 업로드 화면 예시 392

[그림 292] 데이터 항목 삭제 예시 393

[그림 293] 데이터 변환 예시 393

[그림 294] 상관계수 계산 예시 393

[그림 295] 상관계수 시각화 예시 394

[그림 296] 시설물관리 관련 데이터 예시 395

[그림 297] 시설물관리 관련 CSV파일 업로드 화면 예시 395

[그림 298] 데이터 항목 삭제 예시 396

[그림 299] 데이터 변환 예시 396

[그림 300] 상관계수 계산 예시 396

[그림 301] 상관계수 시각화 예시 397

[그림 302] 필수 라이브러리 예시 401

[그림 303] 유의확률 계산 함수 402

[그림 304] 테이블 색상 적용 함수 402

[그림 305] 이상치 제거 함수 402

[그림 306] 입력데이터 리드 함수 403

[그림 307] 회귀분석 함수 - 1 403

[그림 308] 회귀분석 함수 - 2 404

[그림 309] 회귀분석 함수 - 3 405

[그림 310] 회귀분석 함수 - 4 406

[그림 311] 회귀분석 함수 - 5 406

[그림 312] 실행 함수 407

[그림 313] 실행 파일 구동 함수 408

[그림 314] 실행파일 경로 이동 408

[그림 315] 실행 명령어(예시) 409

[그림 316] 결과파일 생성 위치(예시) 409

[그림 317] 결과파일 생성(예시) 409

[그림 318] 시흥에코센터 1F EPS실 존 데이터 이상치 제거 410

[그림 319] 시흥에코센터 1F EPS실 존 상관분석 결과(상관계수) 410

[그림 320] 시흥에코센터 1F EPS실 존 상관분석 결과(유의확률) 411

[그림 321] 시흥에코센터 1F 기계실 존 데이터 이상치 제거 412

[그림 322] 시흥에코센터 1F 기계실 존 상관분석 결과(상관계수) 412

[그림 323] 시흥에코센터 1F 기계실 존 상관분석 결과(유의확률) 412

[그림 324] 시흥에코센터 1F 중앙감시실 존 데이터 이상치 제거 414

[그림 325] 시흥에코센터 1F 중앙감시실 존 상관분석 결과(상관계수) 414

[그림 326] 시흥에코센터 1F 중앙감시실 존 상관분석 결과(유의확률) 414

[그림 327] 시흥에코센터 1F 통신실 존 데이터 이상치 제거 416

[그림 328] 시흥에코센터 1F 통신실 존 상관분석 결과(상관계수) 416

[그림 329] 시흥에코센터 1F 통신실 존 상관분석 결과(유의확률) 416

[그림 330] 시흥에코센터 2F EPS실 존 데이터 이상치 제거 418

[그림 331] 시흥에코센터 2F EPS실 존 상관분석 결과(상관계수) 418

[그림 332] 시흥에코센터 2F EPS실 존 상관분석 결과(유의확률) 418

[그림 333] 시흥에코센터 2F 다목적실 존 데이터 이상치 제거 420

[그림 334] 시흥에코센터 2F 다목적실 존 상관분석 결과(상관계수) 420

[그림 335] 시흥에코센터 2F 다목적실 존실 상관분석 결과(유의확률) 420

[그림 336] 시흥에코센터 2F 카페테리아 존 데이터 이상치 제거 422

[그림 337] 시흥에코센터 2F 카페테리아 존 상관분석 결과(상관계수) 422

[그림 338] 시흥에코센터 2F 카페테리아 존 상관분석 결과(유의확률) 422

[그림 339] 시흥에코센터 존별 모델 기반 오차율 검증 424

[그림 340] Unity 기반 시각화 424

[그림 341] LOD 2.5~4 디지털 트윈 모델 시각화 결과 426

[그림 342] 에너지 서비스 ERD의 일부 426

[그림 343] 상관관계 분석모듈 및 디지털 트윈 S/W 프로토타입 간 연계모듈 426

[그림 344] 디지털 트윈 S/W 프로토타입 및 인공지능 학습모델관리 S/W 간 연계 427

[그림 345] 통계 기반 예측 서비스 화면 예 427

[그림 346] 시흥시 실시간 전력량 모니터링 428

[그림 347] 화재 센싱 데이터 및 폭염저감장치 상태정보 데이터 수신 방안 429

[그림 348] BEMS 데이터 수신 방안 429

[그림 349] 상관관계 분석모듈 구성 430

[그림 350] 디지털 트윈 프로세스 430

[그림 351] 시흥에코센터 1F EPS실 존 상관분석 결과(상관계수) 431

[그림 352] 시흥에코센터 1F EPS실 존 상관분석 결과(유의확률) 431

[그림 353] 시흥에코센터 1F EPS실 존 다중회귀분석 결과 431

[그림 354] 통합 모델 오차율 검증 432

[그림 355] 디지털 트윈 데이터를 구축하기 위한 LOD별 프로세스 432

[그림 356] 화재 센싱 데이터 및 폭염저감장치 상태정보 데이터 수신 방안 433

[그림 357] 대구시, 시흥시 실증 서비스 433

[그림 358] 실행환경 조회 436

[그림 359] 실행환경 상세 조회 437

[그림 360] 실행환경 관리 화면의 + 버튼 위치 437

[그림 361] 실행환경 등록 438

[그림 362] 전처리 모듈 조회 438

[그림 363] 전처리 모듈 상세 조회 439

[그림 364] 전처리 모듈 등록 440

[그림 365] 학습 알고리즘 조회 440

[그림 366] 학습 알고리즘 상세 조회 441

[그림 367] 학습 알고리즘 등록 442

[그림 368] 실증도시 지능형 디지털 트윈 S/W와 인공지능 학습모델 관리 S/W의 연계 443

[그림 369] 추론 서비스 API 제공 프로세스: 추론모델 목록 조회 444

[그림 370] 추론서비스 API 제공 프로세스: 추론모델 상세 조회 444

[그림 371] 추론서비스 API 제공 프로세스: 추론 모델 테스트 445

[그림 372] 추론서비스 API 제공 프로세스: 추론 모델 테스트 결과 445

[그림 373] 추론 서비스 API 제공 프로세스: 추론 API 조회 445

[그림 374] 추론 서비스 API 제공 프로세스: 추론 API 등록 446

[그림 375] 추론 서비스 API 제공 프로세스: 추론 API 상세 조회 446

[그림 376] 인공지능 학습모델관리 S/W와 디지털 트윈 DB의 연계 개념도 447

[그림 377] 디지털 트윈 S/W와 인공지능 학습모델관리 S/W 연계구조 448

[그림 378] 디지털 트윈 S/W와 인공지능 학습모델관리 S/W의 데이터 연동 449

[그림 379] DT S/W의 BEMS 데이터 연계 및 AI 학습모델관리 S/W의 추론결과 저장 451

[그림 380] 시간 단위 전력 예측 추론모델 조회 451

[그림 381] 시간 단위 전력 예측 추론모델 상세 조회 452

[그림 382] 시간 단위 전력 예측 추론모델 테스트 452

[그림 383] 시간 단위 전력 예측 추론 API 조회 452

[그림 384] 시간 단위 전력 예측 추론 API 상세 조회 453

[그림 385] 일 단위 전력 예측 추론 모델 조회 453

[그림 386] 일 단위 전력 예측 추론모델 상세 조회 454

[그림 387] 일 단위 전력 예측 추론모델 테스트 454

[그림 388] 일 단위 전력 예측 추론 API 조회 455

[그림 389] 일 단위 전력 예측 추론 API 상세 조회 455

[그림 390] 실내 쾌적도 예측 추론 모델 조회 456

[그림 391] 실내 쾌적도 예측 추론 모델 상세 조회 456

[그림 392] 실내 쾌적도 예측 추론모델 테스트 457

[그림 393] 실내 쾌적도 예측 추론 API 조회 457

[그림 394] 실내 쾌적도 예측 추론 API 상세 조회 458

[그림 395] 인공지능 학습모델관리 S/W 시스템 459

[그림 396] 인공지능 학습모델관리 S/W 구성도 459

[그림 397] 인공지능 학습모델관리 S/W: 로그인 화면 460

[그림 398] 인공지능 학습모델관리 S/W 선택 화면: 티쓰리큐.cep / 티쓰리큐.dl 460

[그림 399] 인공지능 학습모델관리 S/W: 데이터 파이프라인 관리 S/W 460

[그림 400] 인공지능 학습모델관리 S/W: 학습모델관리 S/W 461

[그림 401] 인공지능 학습모델관리 S/W: 사용자별 프로젝트 구분 461

[그림 402] 인공지능 학습모델관리 S/W: 사용자별 독립적 실행환경 461

[그림 403] 인공지능 학습모델관리 S/W: 기본 제공 + 사용자 정의 전처리 알고리즘 462

[그림 404] 인공지능 학습모델관리 S/W : 기본 제공 + 사용자 정의 학습 알고리즘 462

[그림 405] 에너지 Use Case 실증 목표 달성을 위한 연구수행 방법 463

[그림 406] 에너지 Use Case 실증 목표 달성을 위한 인공지능 서비스의 시스템화 464

[그림 407] 에너지 Use Case 실증 목표 달성을 위한 데이터 파이프라인 구성 464

[그림 408] 에너지 Use Case 실증 : BEMS 데이터(존별 통계) 465

[그림 409] 에너지 Use Case 실증 : BEMS 데이터(존별 전력 사용량) 465

[그림 410] 에너지 Use Case 실증 : 기상 데이터(통계) 465

[그림 411] 에너지 Use Case 실증: 기상 데이터(기온, 풍속, 강수, 습도, 풍향) 466

[그림 412] 에너지 Use Case 실증: 기상 데이터 히트맵 466

[그림 413] 에너지 Use Case 실증: 인공지능 서비스 프로세스 467

[그림 414] 인공지능 서비스 알고리즘: LSTM 구조 468

[그림 415] 에너지 Use Case 실증: 모델 현황표 469

[그림 416] 시간 단위 전력 예측 모델구조 469

[그림 417] 일 단위 전력 예측 모델 구조 470

[그림 418] 실내 쾌적도 예측 모델구조 470

[그림 419] 모델별 하이퍼 파라미터 470

[그림 420] 데이터 축적에 따른 시간 단위 전력예측 모델 성능 변화 471

[그림 421] 데이터 축적에 따른 일 단위 전력예측 모델 성능 변화 471

[그림 422] 인공지능 데이터 파이프라인 관리 S/W 472

[그림 423] 에너지 Use Case 실증모델 개발: 인공지능 데이터 파이프라인 관리 S/W 472

[그림 424] 인공지능 학습모델 관리 S/W 473

[그림 425] 에너지 Use Case 실증모델 개발 : 인공지능 학습모델 관리 S/W 473

[그림 426] 클라우드 기반 서비스 아키텍처 구성도 478

[그림 427] 클라우드 웹 기반 디지털 트윈 서비스 479

[그림 428] 초기 화면설계를 위한 기능 정의서 479

[그림 429] 클라우드 기반 디지털 트윈 화면설계 508

[그림 430] 클라우드 기반 디지털 트윈 Web S/W 508

[그림 431] 클라우드 기반 디지털 트윈 모바일 S/W 509

[그림 432] 클라우드 환경에서의 구성 510

[그림 433] 가상머신 리스트 확인 510

[그림 434] 초기 가상머신 설정 파일 511

[그림 435] 기존 함수의 저장 및 결과 리턴을 위한 함수 포인터 선언 511

[그림 436] 데이터 수집을 위한 함수 정의 511

[그림 437] 모니터링 모듈의 시작 지점 512

[그림 438] 모듈 빌드 결과 및 proc file system 512

[그림 439] test application을 통한 모듈 동작 확인 513

[그림 440] Statemachine class source snippet 513

[그림 441] Statemachine 사용 예제 514

[그림 442] 커널 모듈에서 프로세스 등록 함수 514

[그림 443] 사용자 정의를 위한 문법 및 statemachine 생성 source code 514

[그림 444] Monitoring S/W web UI 515

[그림 445] patch image 생성 방법 516

[그림 446] assembly transforming script 516

[그림 447] patch image function extractor script 517

[그림 448] hot-patching 기능 실행 순서 517

[그림 449] 공유 메모리 생성(hot-patcher) 518

[그림 450] 패치 진행여부 확인 518

[그림 451] 기 패치가 존재할 경우 재사용 코드 518

[그림 452] 공유메모리 injection 코드(hot-patcher) 519

[그림 453] injection code execution flow 519

[그림 454] ARM architecture에서의 trampoline code 생성 520

[그림 455] trampoline code generation & injection code 520

[그림 456] iperf3 application에 핫패칭 적용시 download speed의 변화 521

[그림 457] Hot-patching S/W 속도 측정결과 523

[그림 458] 시계열 예측을 위해 기본적인 정제가 완료된 데이터 525

[그림 459] 이창치 제거 전 전력 수요량 시각화 525

[그림 460] 내림차순 정렬된 전력 수요량 526

[그림 461] 이상치 제거 후 전력 수요량 시각화 526

[그림 462] 1차 차분 후 전력 수요량 시각화 527

[그림 463] 1차 차분 후 전력 수요량 시각화 527

[그림 464] 예측값과 실제값 비교 528

[그림 465] 시계열 분류를 위해 기본적 정제 완료 데이터 529

[그림 466] 클래스별 임의 추출한 시계열 시각화 529

[그림 467] 각 클래스에 속하는 시계열의 통계량 비교 530

[그림 468] 시계열마다 이상치 제거가 필요한 이유(2021년 4월 데이터) 530

[그림 469] 특징 추출이 완료된 데이터 531

[그림 470] 데이터 분류 532

[그림 471] 케이스 데이터 532

[그림 472] 시계열 데이터의 구성 요소 533

[그림 473] 시계열 예측 문제 534

[그림 474] 채찍효과 535

[그림 475] 학습데이터와 평가데이터 분할 방법 536

[그림 476] 특징 추출을 통한 시계열 분류 과정 537

[그림 477] 시계열 군집화의 종류 538

[그림 478] 유클리디안 거리 등을 사용할 수 없는 이유 538

[그림 479] DTW의 기본 개념 539

[그림 480] DTW의 계산 예시 539

[그림 481] 시계열 이상 탐지의 분류 540

[그림 482] 전체 프레임워크의 구성 540

[그림 483] 예측을 위한 시계열 시각화 541

[그림 484] 시계열 예측 모델 유형 결정 가이드라인 542

[그림 485] 결측이 이어진 최장기간이 길 때, 결측을 제거해야 하는 이유 543

[그림 486] 1차 차분의 효과 543

[그림 487] 시계열 예측 모델링을 위한 다변량 시계열 데이터 구조 변환 544

[그림 488] 계절성 및 이벤트를 나타내는 범주형 변수 추가 545

[그림 489] 계절성 및 이벤트를 나타내는 범주형 변수 추가 545

[그림 490] 클래스의 분포 확인 예시 546

[그림 491] 군집화에서 특징 정의의 중요성 549

[그림 492] 군집화 알고리즘 선택 가이드라인 550

[그림 493] 이전 값을 고려한 이상치 탐지 방법 551

[그림 494] 프로젝트 정의서 552

[그림 495] 예측 모델 내역 552

[그림 496] 데이터 허브 연계와 데이터 흐름도 552

[그림 497] 모델링 데이터 정의서 553

[그림 498] 모델링 데이터 구현 내역 554

[그림 499] 데이터 흐름도 555

[그림 500] 데이터 결손 처리 방법 561

[그림 501] AI 학습 정의서 562

[그림 502] 일별 전력 수요량 예측 예시 569

[그림 503] 상관관계 분석을 위한 Pearson, Cramer's V 계수 570

[그림 504] 상관도 heapmap 570

[그림 505] 다중회귀분석을 활용한 에너지 사용량 예측방안 571

[그림 506] 통계기반 예측 모듈개발 571

[그림 507] Use Case 다이아그램 573

[그림 508] S/W 아키텍쳐 574

[그림 509] 스마트시티 데이터 허브 시스템 참조 구조 574

[그림 510] 데이터 허브 시스템 인터페이스 및 프로토콜 575

[그림 511] 데이터 인터페이스 저장 및 API 목록(TTAK.KO-10.1331-Part3) 576

[그림 512] OAuth를 이용한 로그인 시나리오 578

[그림 513] 예측값과 실제값 비교 580

[그림 514] 시계열마다 이상치 제거가 필요한 이유(2021년 4월 데이터) 580

[그림 515] 전체 프레임워크의 구성 581

[그림 516] 시계열 예측 모델 유형 결정 가이드라인 582

[그림 517] 특징 추출을 통한 시계열 분류 과정 583

[그림 518] 군집화 알고리즘 선택 가이드라인 583

[그림 519] 이전 값을 고려한 이상치 탐지 방법 584

[그림 520] 디지털 트윈 S/W 개발에 사용되는 개발도구 602

[그림 521] CityGML 데이터 활용율 603

[그림 522] 디지털 트윈 2.0 프레임워크 605

[그림 523] 실종자 찾기 탐색정보 608

[그림 524] 디지털 트윈 기반 전통시장 화재 모니터링 구현 화면 613

[그림 525] 디지털 트윈 기반 에너지 사용량 시각화 614

[그림 526] 디지털 트윈 기반 시설물 통합관리시스템 614

[그림 527] 반경 내 CCTV 감지(좌) 및 CCTV 기준 이동경로 시각화(우) 615