A Method of Establishing a Sampling Model for Public Measurement Performance Examination Using Deep Neural Networks
Cheol Jin, Mi Jin Hyun, Hyun Lee · Chol · Journal of the Korean Society of Surveying Geodesy Photogrammetry and Cartography · 2025
공공측량 성과심사는 공공측량 성과 결과를 토대로 측량성과의 품질을 확보하고 측량 기준의 통일 및 측량 결과의 신뢰성을 확보하기 위해 실시한다. 현행 공공측량 성과심사는 수행자가 제출한 공공측량 성과를 심사 비율에 따라 표본을 추출한다. 제출된 성과의 전체적인 경향을 나타낼 수 있도록 무작위 추출하도록 명문화 되어 있으나 심사자의 경험 및 심사자별 상이한 판단추출 방법으로 인해 심사의 공정성 및 통일성이 저하되어, 표본추출의 자동화 기반 마련을 통해 성과심사 업무의 공정성 및 객관성 확보가 필요하다. 따라서 본 연구에서는 전체적인 지역을 균등하게 추출하고 성과심사의 효율성을 위해 심층신경망(Deep Neural Network)을 활용한 딥러닝 기반의 예측 모델을 설계하였다. 예측 모델의 경우, 지하시설물도 도엽(Map Sheet)들의 속성정보를 추출하여 입력 값으로 사용한다. 또한, 공간과 공간의 연결 관계를 직접적으로 확인할 수 있는 방법인 인접행렬(Adjacency Matrix)을 활용하여 기존 연구의 지엽적인 표본추출을 개선하여 심사의 효율성을 확보하고자 하였다. 예측 모델은 심층신경망을 구조를 기반으로 설계하였으며 그래프 딥러닝 기법을 활용하여 표본추출 노드(Node)의 선택 문제를 해결하는 방안을 제시하였다. 분석 도구는 딥러닝을 학습하는데 활용되는 구글 클라우드 기반의 Google Colab을 활용하였다. 심층신경망 알고리즘을 적용한 표본추출 결과 정확도는 93.2%로 나타났으며, 기존의 수치데이터와 Excel을 활용한 표본추출 결과보다 예측 모델을 이용한 표본추출이 효율적인 것을 확인하였다.