Multidisciplinary Design Optimization(MDO) method that considers principles in various fields affecting big scale structure and system design at the same time is used. Because most variables are connected many engineering phenomena under the classic optimized design method(all-in-one design approach), it is hard to judge the meaning of final design solution obtained, and there are cases where all variables converge before reaching the optimal design value in large-scale design problems with many variables. Collaborative Optimization (CO) method, the most advanced MDO approach, is used to efficiently solve these optimum problems, to efficiently analyze design problems involving numerous design variables and constraints and in which various engineering phenomena occur. However, the application of the MDO problem to CO introduces a number of numerical problems by destroying the numerical properties of the original optimal design problem. Therefore, this study researches one solution by listing the problems of CO after organizing various approaches of MDO.

Robots equipped with artificial intelligence technology include learning functions. Purely inductive learning methods formulate general hypotheses by finding empirical regularities over the trainning examples. Purely analytical methods use prior knowledge to derive general hypotheses deductively. Therefore, when the physical environment of a robot is complex, there is a problem of increased computational time required for information processing. In particular, when a large number of robots transmit information, more computational time is required for information processing. The distance-based topological method proposed in this paper first constructs the topology based on the distances between robots, and then generates information weights according to the stages of the topology. The technique proposed in this paper has been experimentally confirmed to have excellent performance in environments with a large number of robots and complex physical conditions.

Detection and sizing of defects are very important for structure life management base on fracture mechanics. The non-destructive inspection techniques based on the induced current field measurement are newly developed. This paper describes the results obtained by these techniques for artificial surface defects. In the case of the RICFM technique, the potential drop distribution around a surface defects was measured as a smaller potential drop than that in a place without a defect. This potential drop showed a minimum value at the defect location, and the absolute value of this minimum value increases depending on the depth of the defect. In the case of the FEF technique, the potential difference distribution for surface defects was measured as a maximum at the location of the defect. This maximum value showed a difference depending on the depth of the defect.

This study integrates TabTransformer and CTGAN for predicting job satisfaction among South Korean college graduates. TabTransformer handles complex tabular data relationships with self-attention, while CTGAN generates high-quality synthetic samples. The combined approach achieves an accuracy of 0.85, precision of 0.83, recall of 0.82, F1-score of 0.82, and an AUC of 0.88. Cross-validation confirms the model's robustness and generalizability with a mean accuracy of 0.85 and a standard deviation of 0.008. The integration of TabTransformer and CTGAN enhances predictive accuracy and model generalizability, providing valuable insights for employment policy and research.

해양 환경에서 발생하는 화재는 일반적인 화재 상황에 비해 빠르게 화염이 전파되기 때문에 초기 발견과 대응이 매우 중 요하다. 최근의 화재 감지 시스템은 카메라 센서와 딥러닝 검출 모델을 활용하여 개발되고 있지만, 해양 환경에 특화된 딥러닝 모델 을 학습하기 위해 해양 환경에서 화재 데이터를 실제로 수집하는 것은 기술적, 경제적 측면에서 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 언리얼 엔진 기반 가상 데이터 생성 도구를 활용하여 가상 환경에서 해양 환경을 구축하고 여러 상황 의 시나리오에서 데이터를 수집하여 해양 환경 화재 가상 데이터셋을 구축하였다. 가상 데이터셋으로 학습한 RT-DETR-L 모델은 실 제 해양 환경에서 발생한 화재 상황을 수집하여 제작한 테스트 데이터셋에서 mAP50:95 0.529를 달성하였다. 또한 가상 데이터로 학습 한 검출 모델은 일반적인 화재 상황이나 항만시설에서 연기만 발생하는 상황에서도 화재를 검출하는 것을 볼 수 있었다. 이를 통해 실제 데이터가 아닌 가상 데이터셋을 사용하여 데이터셋을 구축하여도 해양 환경 화재와 같은 특수한 상황에서의 검출 모델 성능 향 상에 도움을 줄 수 있다는 것을 확인하였다.

본 연구는 생물음향 모니터링 기법을 이용하여 나그네새인 울새의 한국 도래 특성을 5개년(2019~2023년)에 걸쳐 확인하는데 목적이 있다. 연구대상종은 울새이고, 연구대상지는 국립공원 24개소, 도립공원 1개소, 람사르습지 6개소, 기타 4개소로 총 35개소였다. 데이터 수집 기간은 2019년 1월부터 2023년 12월이며, 분석 기간은 매년 4~5월이었다. 주요 연구결과는 다음과 같다. 첫 번째, 울새 번식울음은 5개년 공통적으로 06시에 가장 빈도가 높았으며, 20시부터 야간, 새벽까지는 울음 활동이 확인되지 않는 시간적 특성이 나타났다. 시기적으로는 5월 1일부터 5월 19일까지 번식울 음이 확인되었고, 2019년에는 5월 8일, 9일, 2020년에는 5월 5일, 13일, 2021년에는 5월 11일, 2022년에는 5월 9일, 10일, 2023년에는 5월 4일에 번식울음 빈도가 가장 높았다. 두 번째, 울새 번식울음이 탐지된 지역은 오대산국립공원 월정사숲, 북한산국립공원 진관동습지, 주왕산국립공원 주산지, 창녕 우포늪, 제주 동백동산 등 14개소였다. 5년 동안 공통적으로 탐지된 곳은 계룡산국립공원 용동저수지, 태안 두웅습지, 고창 운곡습지, 서울 남산이었다. 세 번째, 울새 번식울음 기간 특성을 연도별-대상지별로 확인해본 결과, 2019년에는 5월 5일부터 5월 19일까지, 2020년에는 5월 3일부터 5월 17일까지, 2021년에는 5월 1일부터 5월 13일까지, 2022년에는 5월 3일부터 5월 15일까지, 2023년에는 5월 3일부터 5월 17일까지였다. 번식울음의 탐지 일수가 가장 많은 곳은 5개년 공통적으로 서울 남산이었다. 네 번째, 울새 번식울음이 탐지된 날의 연도별 평균에 차이가 있었고(p<0.001), 사후검정 결과, 차이가 발생한 시점은 2020년과 2021년으로 나타났다. 본 연구는 생물음향 모니터링 기법을 활용하여 소형 나그네새인 울새의 도래 특성을 정밀하게 확인하였고, 향후 기후변화와의 관련성과 보호지역 관리를 위한 기초자료를 제공하였다는 점에서 의의가 있다.

본 논문에서는 15차 bézier 곡선을 사용하여 기존의 연구보다 더 유연한 빔 형상을 설계하고, 더 넓은 설계 공간에서 최적 설계를 수 행하여 최적의 열전도도를 갖는 빔 형상을 설계한다. 설계 공간이 넓어지면 그 만큼 계산양이 증가하게 되는데, 고차원 변수 공간에서 효율적으로 작동하는 인공신경망을 사용하여 최적 설계를 가속화하여 계산 한계를 극복하였다. 더 나아가 최적의 탄성계수를 갖는 빔의 형상과 비교하였으며 열전도와 탄성학 사이의 수학적 유사성을 이용하여 빔 형상을 설명한다. 본 연구에서는 인공지능을 활용 한 형상 최적설계를 통해 기존의 한계를 뛰어넘는 격자구조의 빔 형상을 제안한다. 먼저, SC(Simple Cubic), BC(Body Centered Cubic) 격자 구조 빔 형상을 bézier 곡선으로 모델링하고 bézier 곡선의 제어점 좌표를 무작위로 설정하여 학습데이터를 확보하였다. NN(Neural Network) 및 GA(Genetic Algorithm)를 통해 우수한 유효 열전도도를 가진 빔 형상을 생성하여 최적의 빔 형상을 설계하였 다. 본 연구를 통해 추후 다양한 열 조건에서 격자구조의 적절한 구조적 해답을 제시할 수 있을 것으로 기대된다.

본 논문에서는 저 레이놀즈 수 영역에서 에어포일의 공기역학적 성능을 예측하기 위한 딥러닝 기반의 축소 모델을 제시하였다. 딥 러닝 기반 축소 모델에서 CFD 해석 결과의 높은 차원의 데이터를 효율적으로 다루기 위해 변이형 오토인코더를 결합한 합성곱 신경 망을 적용하였다. 부호화 거리 함수를 통해 에어포일의 형상과 유동 조건을 이미지 데이터화 하고, 이에 대해 합성곱 신경망을 매개변 수화 하였다. 또한, 전산유체역학 해석의 계산 비용으로 인한 부족한 훈련 데이터를 극복하기 위해 투영 기반의 비선형 매니폴드 데이 터 증강기법을 개발하였다. NACA 4계열 에어포일은 해석 예제로 고려하여 제안하는 프레임워크의 내삽과 외삽 정확도를 평가하였 으며 매니폴드 데이터 증강기법을 적용하여 프레임워크의 정확도 향상을 확인하였다.

본 논문에서는 일치 추적 분해를 활용한 샌드위치 복합재의 결함 탐지 및 정량화 방법을 소개한다. 샌드위치 복합재 시편을 제작하 기 위해 핸드 레이-업 공법과 핫 프레스 공법을 활용하여 결함이 존재하는 시편과 없는 시편을 제작하였다. 결함의 위치와 정도를 파 악하기 위해 플래시 서모그래피를 활용하여 확인하였다. 각각의 시편에서 데이터를 확보하기 위해 pitch-catch법을 활용한 초음파 전 파 실험을 설정하였고, 샌드위치 복합재의 표면에 부착한 압전 센서를 통해 데이터를 확보하였다. 획득한 신호는 일치 추적 분해를 이 용하여 추정 및 분해하고, 고속 푸리에 변환과 웨이블릿 변환 기반 노이즈 제거 방법과의 성능을 비교하였다. 노이즈를 제거한 신호는 각각 동일한 구조의 1-D CNN 모델에 훈련하여 성능을 비교하였다. 제안한 일치 추적 분해 기반 신호 노이즈 제거는 기존의 방법보다 높은 정확도, 안정성, 훈련 속도를 보였으며, 시간-주파수 영역에서 보다 직관적인 모드 분리를 확인하여 특성 추출을 통한 일치 추적 분해 기반 신호 전처리 및 딥러닝 모델 훈련의 가능성을 확장할 수 있음을 확인하였다.

PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

도로에서 발생하는 대기오염의 주요 원인은 자동차 등의 연료연소로 인해 발생하는 미세먼지(PM), 질소산화물(NOX), 황산화물(SOX), 암모니아(NH3), 오존(O3) 등이며, 특히 미세먼지와 질소산화물은 도로를 이용하는 운전자와 보행자의 건강에 부정적인 영향을 미치는 것으로 알려져 있다. 본 연구에서는 버스정류장에 설치되는 미세먼지 저감시설의 미세먼지 저감효과를 분석하기 위하여 미세먼지 저 감능력을 실증할 수 있는 실대형 미세먼지 실증인프라와 실규모의 버스정류장을 이용하였다. 미세먼지 실증인프라에서 미세먼지 저감 시설이 설치되는 실험군(2곳)과 미설치되는 대조군(1곳)을 대상으로 미세먼지(PM10) 발생농도를 측정하였으며, 미세먼지 저감시설의 미 세먼지 저감효과를 분석하기 위하여 미세먼지(PM10)의 발생확률과 확률밀도함수를 산정할 수 있는 통계학적 방법인 Anderson-Darling 테스트(AD 테스트)를 이용하여 분석하였다. 미세먼지 저감시설의 미세먼지 저감효과는 대기질지수(AQI)의 기준을 준용하여 실험군ㆍ 대조군의 미세먼지 농도발생확률을 비교하여 정량적ㆍ정성적으로 분석하였다. 미세먼지(PM10) 농도발생확률 산정결과, AQI ‘보통’의 경우, 실험군 측정지점 1, 2와 대조군의 농도발생확률은 각각 77.24%, 63.26%, 0.00%로 대조군에 비해 실험군의 측정지점 1, 2에서 높 게 나타났으며, AQI ‘나쁨’의 경우, 실험군 측정지점 1, 2와 대조군의 농도발생확률은 각각 21.70%, 35.09%, 100.00%로 나타나 실험군 내의 미세먼지(PM10) 발생농도가 대조군과 비교해 개선되는 것으로 분석되었으며, 대조군 내부의 미세먼지 농도의 변화는 거의 없는 것으로 나타났다. 일반적으로 미세먼지를 측정하는 방식인 중량법과 베타선법을 통한 미세먼지 저감효과 분석방법은 시간당 평균으로 측정한 미세먼지 농도만 비교 가능하므로 정성적인 효과분석이 미비해 본 연구를 통해 소개한 통계학적 방법이 정량적 분석 뿐만 아 니라 정성적 분석에도 효과적일 것으로 기대하고 있다.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.

Evaluating the performance of asphalt concrete using CT scanning has become an essential area of research due to its potential to revolutionize the way we assess road materials. Traditional methods often require destructive sampling, which can damage infrastructure and offer limited insight into the material's internal structure. In contrast, CT scanning provides a non-destructive, highly detailed analysis of asphalt's internal features, such as air voids, aggregate distribution, and binder coverage, all of which are critical to its durability and performance. Additionally, the ability to create 3D models from CT scans allows for deeper insights into factors like void connectivity and aggregate bonding, which directly affect the lifespan of pavements. By combining CT imaging with advanced data processing techniques, such as deep learning, this research offers more accurate and reliable methods for optimizing asphalt mix designs, ultimately leading to longer-lasting roads, reduced maintenance costs, and more sustainable construction practices.

The damage to structures during an earthquake can be varied depending on the frequency characteristics of seismic waves and the geological properties of the ground. Therefore, considering such attributes in the design ground motions is crucial. The Korean seismic design standard (KDS 17 10 00) provides design response spectra for various ground classifications. If required for time-domain analysis, ground motion time series can be either selected and adjusted from motions recorded at rock sites in intraplate regions or artificially synthesized. Ground motion time series at soil sites should be obtained from site response analysis. However, in practice, selecting suitable ground motion records is challenging due to the overall lack of large earthquakes in intraplate regions, and artificially synthesized time series often leads to unrealistic responses of structures. As an alternative approach, this study provides a case study of generating ground motion time series based on the hybrid broadband ground motion simulation of selected scenario earthquakes at sites in the Nakdonggang delta region. This research is significant as it provides a novel method for generating ground motion time series that can be used in seismic design and response analysis. For large-magnitude earthquake scenarios close to the epicenter, the simulated response spectra surpassed the 1000-year design response spectra in some specific frequency ranges. Subsequently, the acceleration time series at each location were used as input motions to perform nonlinear 1D site response analysis through the PySeismoSoil Package to account for the site response characteristics at each location. The results of the study revealed a tendency to amplify ground motion in the mid to long-period range in most places within the study area. Additionally, significant amplification in the short-period range was observed in some locations characterized by a thin soil layer and relatively high shear wave velocity soil near the upper bedrock.

The forklift carry cargo and move to various places. When a forklift moves to various places, a forklift accident occurs due to a number of factors,such as speed, safe distance. Forklift accidents occur at the logistic site and there are many studies on the causes of accident such as jamming, falling, collisions, etc. However, safety operation for accident prevention is necessary before operating a forklift. Pre-accident safety precautions may prevent accidents. In this study, precautionary factors for safe operation were analyzed to prevent forklift safety accidents through the AHP technique. As a result of the study showed that safety management was the priority in the terminal group and the logistics warehouse group.

그동안 통일신라시기의 산성은 성벽이나 문지, 집수시설 등을 중심으로 발굴조사 되었 다. 그 결과 성벽의 축조기법이나 조성 시기, 구조 등에 대해선 비교적 많은 자료가 축적된 것이 사실이다. 그러나 한편으로 산성의 주체인 인간의 숙식 등과 관련된 건물지의 조사는 상대적으로 빈약한 편이다. 통일신라시기의 산성 내 건물지는 대체로 기단석을 갖추고 있으나 동 시기 사찰에서 볼 수 있는 가구식기단은 아직까지 확인된 바 없다. 그리고 이 시기의 주요 난방 시설인 쪽구들 의 경우도 초석 건물지에서 발견된 사례가 거의 없다. 단적으로 전면 발굴조사가 진행된 광 양 마로산성의 경우 성주나 하급 관리, 병사들이 머물 수 있는 난방시설이 턱 없이 부족함을 살필 수 있다. 아울러 전술한 기단석의 위계도 거의 찾아볼 수 없다. 당시 광양 마로산성은 치소성이나 거점성으로 인식될 정도로 중요한 산성이었다. 그러나 성주나 관리, 병사들이 상주하기 위한 온돌 건물지와 성주가 머물렀을 것으로 추정되는 건 물지의 기단석 등은 쉽게 구별할 수 없다. 이는 결과적으로 산성 내 건물지가 일상생활을 영 위하기 어려운 구조였음을 알게 한다. 그런 점에서 향후 산성 외부의 건물지 조사에 좀 더 집중할 필요가 있다고 생각된다.

본 연구에서는 호흡동조화기법의 대안으로 딥러닝 자유호흡기법에서 b-value 별 겉보기확산계수 값을 평가하고 확 산강조영상과 겉보기확산계수 지도의 해부학적 일치성을 분석하여 적절한 여기횟수 값을 알아보고자 하였다. 연구 방법은 2023년 7월부터 2024년 1월까지 간 자기공명영상 검사가 의뢰된 성인 남녀 35명을 대상으로 하였고 사용 장비는 Magnetom Skyra 3.0T(Siemens, Germany)를 이용하였다. 자유호흡기법의 비교를 위해 b-value 50, 400, 800(s/mm2)의 여기횟수를 각각 딥러닝 호흡동조화기법에서 2,3,4으로 딥러닝을 이용하지 않은 일반 자유호 흡기법에서 4,6,8으로 검사하였다. 딥러닝을 추가한 일반 자유호흡기법에서는 1,2,3 여기횟수, 2,3,4 여기횟수, 3,5,6 여기횟수, 4,6,8 여기횟수로 변화하였다. 연구 결과 딥러닝 자유호흡기법에서 간의 좌엽과 우엽, 담낭의 평균 겉보기확산계수 값은 딥러닝 호흡동조화기법과 비교하여 모두 통계적 유의성을 확인하였다. 한편 정성적 평가의 해 부학적 일치성을 분석한 결과 딥러닝 자유호흡기법의 3,5,6 여기횟수와 4,6,8 여기횟수에서 가장 높은 점수를 얻었 으며 검사 시간에서는 딥러닝 호흡동조화기법과 비교하여 약 51%, 40% 감소하였다. 따라서 간 진단에 있어 딥러닝 자유호흡기법에서 b-value 별 적절한 여기횟수 값을 이용한다면 겉보기확산계수 지도의 정확도 유지와 함께 검사 시간을 감소시킬 수 있어 임상적으로 유용한 검사가 될 것으로 사료된다.

본 연구에서는 ALOHA와 Bow-tie를 활용하여 메탄올 추진 선박의 저장 탱크가 울산항에서의 누출 시나리오를 가정하여 위험도 평가하였다. ALOHA를 이용하여 대안 및 최악의 시나리오를 산정하여 피해 범위를 예측하였다. 독성 영향 범위의 결과(ERPG-2 기준)로는 대안(629m), 최악(817m)로 육상 탱크 터미널의 부두 시설 및 거주 지역까지 포함되는 것으로 확인되었다. 인화성 영향 범위(LEL 10% 기준) 는 대안(126m), 최악(218m) 선박에서만 발생하였으며, 열복사 영향 범위(5.0kW/m2 기준)는 대안(56m), 최악(56m)로 선박에서만 영향을 미쳤 다. 또한, 전문가 집단을 구성하여 Bow-tie 기법을 통하여 예방 대책과 완화 대책을 평가하였다. 대책 유형 분류에서는 Hardware와 Human 으로 구분되었으며, 안전 유효성과 위험 심각성의 결과에서는 “Gas Freeing System”, “Ventilation System”, “Fire-Fighting System이 가장 높은 평가를 받았다. 위의 평가를 토대로 위험도 평가를 도식화하였다.