This paper presents a novel methodology for assessing the vulnerabilities of autonomous vehicles (AVs) across diverse operational design domains (ODDs) related to road transportation infrastructure, categorized by the level of service (LOS). Unlike previous studies that primarily focused on the technical performance of AVs, this study addressed the gap in understanding the impact of dynamic ODDs on driving safety under real-world traffic conditions. To overcome these limitations, we conducted a microscopic traffic simulation experiment on the Sangam autonomous mobility testbed in Seoul. This study systematically evaluated the driving vulnerability of AVs under various traffic conditions (LOSs A–E) across multiple ODD types, including signalized intersections, unsignalized intersections, roundabouts, and pedestrian crossings. A multivariate analysis of variance (MANOVA) was employed to quantify the discriminatory power of the evaluation indicators as the traffic volume was changed by ODD. Furthermore, an autonomous driving vulnerability score (ADVS) was proposed to conduct sensitivity analyses of the vulnerability of each ODD to autonomous driving. The findings indicate that different ODDs exhibit varying levels of sensitivity to autonomous driving vulnerabilities owing to changes in traffic volume. As the LOS deteriorates, driving vulnerability significantly increases for AV–bicycle interactions and AV right turns at both signalized and unsignalized intersections. These results are expected to be valuable for developing scenarios and evaluation systems to assess the driving capabilities of AVs.

본 연구에서는 구조물의 응답 데이터를 기반으로 고유진동수, 감쇠비 등 동특성과 풍하중 모델의 파라미터를 동시에 추정할 수 있는 스펙트럼 백색화 기반 식별 기법을 제안하고, 이를 실제 40층 고층 구조물에 적용하여 실용성과 정확도를 평가하였다. 기존 연 구에서는 본 기법을 수치 시뮬레이션 및 풍동 실험에 적용하여 그 타당성을 입증한 바 있으나, 실계측 응답 데이터를 활용한 실구조물 적용에 대해서는 검증이 이루어지지 않았다. 본 연구는 이를 확장하여, 장기간 계측된 고층 건축물의 진동 응답을 분석하고, 각 주요 모드에 대해 백색화 처리를 수행함으로써 구조물 전달함수 및 풍하중 전달함수의 파라미터를 최적화 기반으로 동시 추정하였다. 특히 백색 잡음의 누적 파워 스펙트럼 길이를 목적함수로 설정함으로써, 기존 커브 피팅 기반 기법 대비 감쇠비 추정의 정확도와 안정성을 향상시켰다. 분석 결과는 전통적인 모달 식별 기법(예: SSI)과의 비교를 통해 제안 기법의 유효성을 입증하였으며, 풍하중 모델 파라미 터까지 포함하는 통합적 구조 해석 프레임워크로서의 가능성을 제시하였다. 본 연구는 향후 구조물의 풍응답 예측, 하중 생성 모델 구 축, 구조 건전도모니터링(SHM) 및 디지털 트윈 기반 해석 등 다양한 실무 응용에 기여할 수 있을 것으로 기대된다.

인공관절 치환술 환자의 합병증 진단을 위한 자기공명영상 검사에서 발생한 금속 인공물을 감소시키는 VAT(view angle tilting) 기법과 딥러닝 알고리즘 중 K-공간 기반의 deep resolve(boost, sharp, DR)를 적용하여 그 유용성 에 대해 평가하고자 하였다. 자체 제작 팬텀과 3T 장비로 일반적인 VAT, DR이 적용된 VAT로 T1 강조영상, T2 강조영상, 단시간 반복 회전 연쇄기법(short tau inversion recovery, STIR) 영상들을 병렬영상 가속계수 2, 3, 4를 적용하여 획득하였다. 획득된 영상에서 왜곡도, 팬텀 바닥에서 금속 인공물까지 거리, 신호대잡음비를 정량적 평가하였고, 영상 품질은 정성적 평가하였다. 왜곡도는 일반적인 VAT와 DR이 적용된 VAT의 T1 강조영상, T2 강 조영상, STIR 모두 유의한 차이가 없었다(p>0.05). 또한 금속 인공물까지 거리도 T1 강조영상, T2 강조영상, STIR 모두 유의한 차이가 없었다(p>0.05). 신호대잡음비는 일반적인 VAT보다 DR이 적용된 VAT의 가속계수 4에서 T1 강조영상은 103%, T2 강조영상은 85.2%, STIR은 73.3% 최대로 증가하였고, 영상품질 평가점수는 T1 강조영상은 5점, T2 강조영상은 4.6점, STIR은 4.8점으로 가장 좋았다. 본 연구를 통해 VAT 기법의 영상품질 저하를 DR 기술 로 개선할 수 있었다. 금속 인공물이 발생했을 때 DR이 적용된 VAT의 가속계수를 4로 적용한다면, 검사시간을 단 축하면서 보다 진단적 가치가 높은 영상을 획득할 수 있을 것으로 사료된다.

본 연구는 딥러닝 영상 재구성 기법을 적용한 8개의 뇌질환군의 감마나이프 수술 계획용 자기공명영상(magnetic resonance imaging, MRI)의 유용성을 알아보고자 하였다. 연구 방법은 전이성 뇌종양, 뇌동정맥 기형, 수막종, 뇌하수체선종, 삼차신경통, 청신경초종, 맥락얼기 유두종, 해면상 혈관종, 총 8개의 질병을 진단받은 사람들의 T2 강조 영상(T2 weighted imaging, T2WI), 조영증강 T1 강조영상(contrast enhancement T1 weighted imaging, CE-T1WI)의 방법으로 검사한 MRI 영상을 SwiftMR을 이용하여 딥러닝 영상 재구성 기법인 디노이징(denoising)과 초해상도(super resolution)가 적용된 영상을 획득하였다. 이에 대한 성능 평가는 최대 신호대잡음비(peak signal to noise ratio, PSNR), 구조적 유사도(structural similarity index measure, SSIM), 감마나이프 방사선수술(gamma knife radiosurgery, GKRS)의 좌표계로 평가하였다. 그 결과, 원본영상을 기반으로 영상 품질이 개선된 영상의 PSNR과 SSIM은 높은 수치를 나타냄으로써 MRI 영상의 재구성이 문제없이 이루어졌고, GKRS의 수술 좌표계 또한 변화를 보이지 않았다. 결론적으로 딥러닝 영상 재구성 기법은 영상 품질 향상과 영상 보존에서 뛰어난 성능을 보임과 동시에 좌표계도 변화를 보이지 않아서, 딥러닝 영상 재구성 기법은 감마나이프 수술 계획에 유용하게 사용할 수 있는 기법임을 확인하였다.

This study aims to model an accident that occurred at building demolition work sites in Gwangju in 2021 by using functional resonance analysis method(FRAM) and to understand a range of factors contributing to the accident based on the concepts and principles of FRAM and Safety-II. The nature of building demolition works needs to be understood from the viewpoint of socio-technical systems. Not only technical factors but also non-technical factors, including human, organizational, and political factors, and their complicated interrelationships should be considered in the modeling and analysis of accidents happening in the works. Because of the inherent complexity of a demolition works, it is unlikely to specify all of the necessary activities to be conducted in the works and their accountable actors. Additionally, unexpected situations are likely to happen and therefore some activity procedures cannot be followed in a prescribed way, which means that workers sometimes should conduct their activities in an improvisional way. Those characteristics of building demolition works indicate that a traditional accident analysis method based on a linear cause-effect relationship would be inadequate, and that more systemic approaches that can deal with the socio-technical complexities and characteristics of demolition works should be used. With this in mind, we applied FRAM to the accident happening in Gwangju in 2021 and attempted to understand the accident based on the concepts and principles of FRAM and Safety-II (e.g. a functional variablity and its propagation to another function). Lastly, we also suggested ways to enhance the safety of building demolition working sites.

This study aims to utilize the AcciMap accident investigation method to compare and analyze the causes and mechanisms of chemical and laboratory accidents, ultimately proposing effective management strategies for accident prevention. Despite the establishment of safety management frameworks through the “Laboratory Safety Environment Creation Act” in South Korea, laboratory accidents continue to occur frequently due to the inherent variety and unpredictability of hazards in research environments, highlighting the need for mandatory root cause analysis. Accordingly, the analysis was conducted using the accident investigation method AcciMap and the software tool VOSviewer. Based on these findings, this study proposes tailored management strategies for chemical and laboratory accidents. For chemical accidents, strengthening safety systems and conducting regular maintenance are critical. For laboratory accidents, implementing safety education programs to enhance researchers’ safety awareness and providing appropriate equipment for experimental environments are essential. Moreover, the study emphasizes the necessity of mandating root cause analysis for laboratory accidents to systematically identify accident causes and develop effective preventive measures. Finally, leveraging the accident reporting system outlined in the Laboratory Safety Act is essential to ensure prompt, transparent responses and structured management in the event of accidents.

고속도로 2차 사고는 선행 사고(1차 사고) 또는 전방 고장 차량에 의해 교통흐름이 변화된 상황에서 발생하는 사고로, 이에 대한 효과적인 교통안전 관리전략이 필요하다. 그러나 일반사고에 비해 데이터 표본이 부족하여 신뢰성 있는 대응 전략 수립에 어려움이 있다. 본 연구는 고속도로에서 발생하는 2차 사고의 발생 주요 요인을 식별하고 예측하기 위해 BERT(Bidirectional Encoder Representations from Transformers) 기반 텍스트 분석 모델과 전통적 머신러닝 모델 (XGBoost, RandomForest, CatBoost)을 비교하였다. 교통사고 세부기록, 원클릭 속보자료 등 비정형 텍스트 및 정형 데 이터를 수집하고 1차 사고에 관한 시공간적 동적 변수를 통합하여 인공지능 기반의 사고 예측 프레임워크를 구축하였다. 특히, BERT 기반 모델을 통해 교통사고 문맥 정보를 고려하여 단어 삽입 및 대체 기법에 따른 2차사고 데이터 표본을 보완하였다. 또한, 설명가능한 AI(XAI) 기법을 활용하여 주요 사고 요인의 기여도를 시각적으로 해석하고 사고 예방 및 정책 수립에 필요한 정보를 제공하였다. 연구 결과, 제안된 하이브리드 접근법 기반 연구 프레임워크는 높은 정확도의 2 차 사고 발생 가능성 예측에 효과적이며, 교통사고관리시스템의 신뢰성과 효율성 향상에 핵심적인 기여를 할 것으로 기 대된다.

선박의 추진전동기는 소량 주문생산되어 고장진단을 위한 신호를 사전에 확보하는 것이 불가능하다. 운용기간 중 계측을 통해 데이터를 확보하는 것은 많은 시간과 비용을 초래하기에 물리모델을 통해 데이터를 확보하는 것이 유일한 방법이다. 물리모델을 통해 얻 은 데이터를 고장진단에 활용하기 위하여 데이터의 정확도를 확보해야 한다. 기존 전동기 물리모델의 경우 전동기에서 발생하는 구조-전 기 연성효과를 온전히 고려하지 않아 진동데이터의 해석 오차가 발생하는 것을 확인할 수 있다. 본 논문에서는 구조-전기 완전연성 물리 모델을 개발하여 물리모델데이터의 정확도를 개선하였다. 실험계측 데이터와 물리모델 데이터의 비교를 통해 전동기 상태별 데이터를 높 은 정확도로 획득할 수 있음을 확인하였다. 본 논문에서 제시한 구조-전기 완전연성 물리모델을 이용하여 정상상태와 결함상태에서 나타 나는 진동수준을 예측할 수 있음을 확인하였으며, 구조-전기 완전연성 반영 필요성을 입증하였다.

The purpose of this study is to select a fishing gear deposit marking method for the gear deposit system implemented for gillnet. The fishing gear deposit system was implemented in Korea for the first time in the world in January 2024 for fish trap, and it is scheduled to be expanded to gillnets and buoys by 2026. In this study, an AHP (Analytic Hierarchy Process) survey was conducted with 34 experts. The AHP analysis method was used to calculate the weights of each criterion that influence the selection of the deposit marking method, in order to determine the optimal marking method that considers both qualitative and quantitative criteria. Experts prioritized the label-type marking and preferred the weight-based deposit unit for its ease of application and ability to measure multiple gear widths at once. This study quantitatively reflects the opinions of experts on the selection of the gillnet deposit system. Future research should examine the impact of marking method on fishing performance, durability, and institutional improvements.

상수도 배관에서 누수 또는 이상을 감지하는 기계학습 및 인공신경망 분류 모델에 대한 연구가 활발히 진행되어 왔다. 그러나 누수음 데이터는 시간과 환경에 따라 계속 변동하기 때문에, 입력 데이터의 변화에도 일정 수준 이상의 분류 성능을 유지하는 분류 모델을 찾는 데 어려움이 있다. 본 연구에서는 모델 선택과 초매개변수 조정보다 데이터 전처리 방법이 분류 성능 향상에 더 큰 영향을 미친다는 점에 주목했다. 변동성이 큰 누수음의 특징을 효과적으로 추출하기 위해 푸리에 변환 및 MFCC(Mel-Frequency Cepstral Coefficients)를 사용하였으며, 일부 정보가 중복될 가능성을 고려하여 다중공선성에 덜 민감한 트리 기반 모델을 사용해 누수음의 분류 성능을 평가했다. 연구 결과, 푸리에 변환과 MFCC를 결합한 데이터 세트를 사용했을 때 LightGBM 모델의 분류 정확도가 84.62%로 나타났으며, 각각의 전처리 방법을 단독으로 사용했을 때보다 더 높은 성능을 달성하였다. 이 결과는 두 전처리 방법의 상호 보완적 특성이 분류 성능 향상에 기여했음을 입증하며, 상수도 관망 누수 탐지 시스템 개발에 중요한 기여를 할 것으로 기대된다.

In this study, we propose an adaptive traffic control method that utilizes predictions of near-future traffic arrivals at a signalized intersection based on real-time data collected at an upstream intersection to design acyclic traffic signal timing accordingly. The proposed adaptive control method utilizes a deep learning model developed in this study to predict future traffic arrivals at downstream intersections 24 s ahead based on upstream intersection data at 4 s decision intervals. Using the predicted arrival traffic volume, signal timings were designed to minimize delays. A rolling-horizon approach was employed to correct the prediction errors during this process. The performance of the proposed traffic signal control method was validated by comparing it with the traditional time-of-day (TOD) traffic signal operation method over a 24 h period. The results of comparative validation tests conducted through simulations in a virtual environment indicate that the proposed adaptive traffic control system operates efficiently to minimize average control delays. During the morning peak period, a reduction time of 43.19 s per vehicle (57.02%) was observed, whereas the afternoon peak period exhibited a reduction of 37.91 s per vehicle (48.35%). Additionally, data analysis revealed that the optimal phase length suggested by the pre-timed method, which assumes uniform vehicle arrivals, is statistically identical at a 95% confidence level to the average phase length of the adaptive traffic control system, which assumes random vehicle arrivals. This study confirms the necessity of adopting proactive real-time signal control systems that utilize a new traffic information collection method to respond to dynamic traffic conditions and move away from conventional TOD signal operation, which primarily focuses on peak commuting hours. Additionally, it confirms the need for a fundamental shift in the underlying philosophy traditionally used in traffic signal design