This study analyzed the impact of improvements to the driver’s license system for elderly drivers on the incidence of traffic accidents. As South Korea’s population ages, the number of licensed drivers aged 65 years and older has surpassed 4.5 million as of 2024, accounting for approximately 15% of all license holders. Traffic accidents involving elderly drivers have increased steadily and tend to be more severe than those involving younger drivers. In response, the Road Traffic Act was amended in 2019 to shorten the license renewal cycle for drivers aged 75 and older, mandate dementia screening, and require traffic safety education. This study compared traffic accident statistics before and after the policy change (2018 and 2023) and used consulting data from 617 elderly drivers to examine the relationships between driving time, frequency, distance, and potential accident risk factors using a negative binomial regression analysis. The results show that after the policy changes, the number of traffic accidents per 10,000 elderly drivers decreased by up to 20.4%, demonstrating the effectiveness of the reforms. Furthermore, increased driving time, frequency, and distance were all significantly associated with a higher accident risk, whereas older age was linked to fewer accidents, likely owing to self-regulation among elderly drivers. Policy recommendations include limiting continuous driving time to 60 min, encouraging regular breaks, enhancing tailored safety education, tightening license aptitude test standards, and supporting the adoption of advanced safety features in vehicles. This study is expected to contribute to the development of effective policies to reduce traffic accidents among elderly drivers and create a safer traffic environment.

Reinforcement learning (RL) is successfully applied to various engineering fields. RL is generally used for structural control cases to develop the control algorithms. On the other hand, a machine learning (ML) is adopted in various research to make automated structural design model for reinforced concrete (RC) beam members. In this case, ML models are developed to produce results that are as similar to those of training data as possible. The ML model developed in this way is difficult to produce better results than the training data. However, in reinforcement learning, an agent learns to make decisions by interacting with an environment. Therefore, the RL agent can find better design solution than the training data. In the structural design process (environment), the action of RL agent represent design variables of RC beam. Because the number of design variables of RC beam section is many, multi-agent DQN (Deep Q-Network) was used in this study to effectively find the optimal design solution. Among various versions of DQN, Double Q-Learning (DDQN) that not only improves accuracy in estimating the action-values but also improves the policy learned was used in this study. American Concrete Institute (318) was selected as the design codes for optimal structural design of RC beam and it was used to train the RL model without any hand-labeled dataset. Six agents of DDQN provides actions for beam with, beam depth, bottom rebar size, number of bottom rebar, top rebar size, and shear stirrup size, respectively. Six agents of DDQN were trained for 5,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases that is not used for training. Based on this study, it can be seen that the multi-agent RL algorithm can provide successfully structural design results of doubly reinforced beam.

본 연구는 바이오차를 혼입한 콘크리트를 구조용 재료로 활용할 가능성을 검토하기 위해, 보강근의 종류에 따른 부착 성능 차이를 실험적으로 분석하였다. 이를 위해 직접 인발 실험을 수행하였으며, 실험 변수로는 콘크리트의 종류(일반/바이오차), 보강근의 종류(철근/GFRP), 보강근 직경(D13/D16)을 설정하였다. 실험 결과, 일반 철근을 적용한 실험체에서는 바이오차 혼입이 부착강도 저 하를 유발하였으며, 특히 D13 보강근에서 약 30%의 감소가 확인되었다. 반면, GFRP 보강근을 적용한 실험체에서는 바이오차 콘크리 트를 적용한 경우 부착성능이 소폭 향상되는 경향을 보였다. 또한 보강근의 직경이 증가할수록 최대 인발하중 및 평균 부착강도가 증가하는 양상이 일관되게 관찰되었다. 이러한 결과는 GFRP 보강근과 바이오차 콘크리트의 조합이 기계적 결합력 증대를 통해 긍정적인 구조 성능을 발휘할 수 있음을 시사하며, 향후 지속가능한 콘크리트 구조물의 보강설계에 기초자료로 활용될 수 있을 것으로 기대된다.

The 3T irregular shape structure is used for designing wind loads in high-rise buildings. Among them, the Tapered shape is a shape with a cross-section that changes throughout the entire floor. Recently, various advanced Tapered shapes have been applied, such as having a cross-section that varies only in part of the height or combining different shapes. In this study, an analysis model was selected by applying three types of Tapered part locations(Bottom, Middle, Top) and angles as design variables. Equivalent static seismic loads and historical earthquake records were applied to compare and analyze the seismic response of the Tapered models with regular-shaped models. As a result of the analysis, positioning the partial taper in the middle shows the lowest seismic response. Additionally, a larger taper angle decreased the story drift ratio, top-story displacement, shear wall shear force, and column bending moment, while increasing absolute acceleration and column axial force.

The rapid expansion of bridge and tunnel infrastructure has resulted in a growing incidence of wind-induced traffic accidents occurring at bridge approaches and tunnel portals. These accidents not only inflict direct damage on vehicles but also lead to substantial social and economic losses, stemming from roadway infrastructure repair and maintenance costs, as well as elevated logistics expenses due to traffic delays and congestion. In this study, a theoretical expression for the lateral displacement of vehicles as a function of wind speed was derived. Subsequently, lateral displacement and lateral wind force were analyzed and compared across vehicle types, considering both straight and curved roadway sections. An analysis of prevailing wind directions at each site revealed that, for passenger cars, the maximum lateral force and displacement on straight sections occurred at a wind incidence angle of 45°, whereas on curved sections with a pier curvature of 90°, the critical wind direction ranged from 0° to 120°. These results demonstrate that vehicle stability can be significantly compromised during high-speed travel under crosswind conditions. Based on departure trajectories of vehicles under varying wind speeds, a risk-assessment scale for wind-induced accidents was developed. In addition, design guidelines were proposed for the strategic placement of windbreak barriers to enhance driving safety under strong wind conditions.

본 연구는 참문어 Octopus vulgaris의 생식잠재력을 평가하여 생물자원 관리를 위한 정보를 제공하고자 하였다. 시료는 2022년 5월부터 2023년 9월까지 여수 및 완도 인근 해역에서 문어단지 및 통발을 이용하여 전중 64.5-1,598.5 g의 1,821개체를 채집하였다. 성비(암:수)는 1:0.82 (n=1,001:820, 암컷 55.0%)로 암컷의 비율이 유의하게 높았다. 암컷에서 50% 군성숙 크기는 전중 169.3 g이었다. 암컷의 절대포란수는 평균 116,602.7개로 전중과의 상관관계가 있었으며, 상대포란수는 전중 g당 123.8개로 분석되었다. 수컷의 절대정포수는 평균 123.9개였으며, 상대정포수는 전중 g당 0.23개로 나타났다. 본 연구 결과는 추후 참문어의 자원량 추정에 사용될 것으로 판단된다.

지구를 넘어선 과학적 관심이 확장됨에 따라, 우주 농업에 대한 연구는 외계 환경에서 인간 생존을 지원하기 위한 필수 요소가 되었다. 본 연구는 2차원 클리노스테이트(2-D clinostat) 를 이용하여 중력 변화가 상추의 생장과 광합성에 미치는 영 향을 분석하였다. 식물은 회전축의 중심, 6cm, 12cm 떨어진 위치에 배치되었으며, 대조군과 함께 9일 동안 비교되었다. 생장은 엽장 및 엽폭을 통해 평가하였고, 광합성 반응은 OJIP 엽록소 형광 및 광화학 지표를 통해 분석하였다. 엽장은 유의 한 차이를 보이지 않았지만, 엽폭은 6cm 및 12cm 처리구에서 유의하게 감소하였다. 이들 처리구에서는 광계 II(PSII) 활성 과 전자 전달 효율이 감소하여 광합성 스트레스 증가와 에너 지 이용 효율 저하를 나타냈다. 특히, J단계와 P단계에서의 형 광 증가 현상은 더 큰 반경 거리에서 광합성계의 민감성이 높 아졌음을 시사한다. 본 연구는 중력 보상 조건 하에서 식물의 생리적 반응에 대한 정량적 통찰을 제공하며, 우주 농업 시스 템의 최적화를 위한 기초 자료를 제공한다.

본 연구의 목적은 학생의 과학 정체성에 비추어 과학교사의 과학 정체성, 즉 교사의 과학 정체성을 규명하고, 학생의 과학 정체성을 길러주기 위한 교사 과학 정체성을 신장하는 방안을 탐색하려는 것이다. 이를 위해 경력 10년 이상의 중·고등학교 현직 과학교사 10명을 대상으로 초점집단 심층 면담을 실시하고, 이를 질적 텍스트 분석 및 키워드 네트워크 분석을 통해 다차원적으로 분석하였다. 주요 연구 결과로는 교사들은 교사 과학 정체성이 학생의 과학 정체성 형성에 있어서 ‘관심’ 차원에 가장 큰 영향을 미친다고 인식하였다. 또한, 과학교사의 과학 정체성은 ‘자기이해를 통한 과학 정체성 인식’, ’교사로서 정체성 일반’, ‘과학교사 교수역량’, ‘과학교사의 역할과 신념’, ‘과학교사의 과학적 탐구 능력’ 등의 다섯 가지 요인으로 구성됨을 확인하였다. 교사 정체성은 고정된 실체가 아니라 교직 경력 전반에 걸쳐 끊 임없이 변화하고 구성되는 역동적인 것으로, 전문성 개발을 위한 연수, 동료 교사와의 협력 및 소통, 수업 컨설팅과 자 기성찰을 통해 신장될 수 있다고 교사들은 제안하였다. 연구결과를 토대로 학생 과학 정체성과는 달리 교육적 역량을 포함하는 복합적인 개념으로서 교사 과학 정체성의 의의, 학생 과학 정체성 형성에 중요한 영향을 미치는 요인으로서 교사 과학 정체성과 그 신장 방안, 교사경력 전반에 걸친 ‘되기(Becoming)’의 과정으로서 교사 과학 정체성 형성 등과 같은 결론과 후속 연구를 제시하였다.

산림자원 조사에서 입목의 측정은 조사원이 직접 측정 도구를 사용하여 수행되지만, 측정값의 일관성과 정확성 문제로 인한 오차가 발생할 수 있다. 이러한 문제를 해결하기 위해 최근 LiDAR(Light Detection and Ranging) 기술이 산림자원 조사에 응용되고 있다. 본 연구는 단순림의 산림자원 조사에서 지상 LiDAR 기술의 활용 가능성을 평가하고자 하였다. 연구는 한국의 전주에 위치한 전북대학교 학술림 내의 편백림과 굴참나무 림을 대상으로 수행되었다. 조사원이 측정한 입목의 흉고직경과 수고 측정값을 기준으로, 휴대형 및 고정형 LiDAR 장비를 사용한 측정값을 비교 분석하였다. 결과적으로, 편백 임분의 흉고직경 측정에서는 측정 방법 간 높은 일치도가 나타났으며, 평균의 차이는 유의미하지 않았다. 그러나 수고 측정에서는 낮은 일치도가 관찰되었고, 평균의 차이는 유의미하였다. 특히, 3점 이동 평균 수고에서 휴대형 LiDAR 장비는 수고를 0.3m 과대 측정하였으며, 고정형 LiDAR 장비는 1.2m 과소 측정하였다. 굴참나무 임분의 경우, 흉고직경 측정에서 높은 일치도가 나타났고, 수고 측정에서 도 비교적 높은 일치도를 보였다. 또한, 흉고직경과 수고 모두에서 평균의 차이는 유의미하지 않았다. 이러한 결과는 편백 임분과 굴참나무 임분에서 흉고직경 측정과 굴참나무 임분의 수고 측정에 있어 지상 LiDAR 기술이 높은 정확도를 제공할 수 있음을 시사하지만, 편백 임분의 수고 측정에서는 개선의 여지가 있음을 나타낸다. 본 연구는 지상 LiDAR 기술이 단순림의 산림자원 조사에 활용될 수 있는 초기 단계의 연구로서, 다양한 수종 및 환경 조건에 관한 추가 연구의 필요성을 강조한다.

과불화화합물(PFAS)은 우수한 내열성, 발수성, 내유성을 지닌 합성 화학물질로, 다양한 산업 분야에서 광범위하게 사용되어 왔다. 그러나 이러한 무분별한 사용은 PFAS의 높은 화학적 안정성과 생물학적 축적성을 초래하며, 반도체 산업을 포함한 다양한 산업 활동에서 배출되는 폐수를 통해 생태계와 인류 건강에 심각한 위협을 초래하고 있다. 본 연구는 PFAS 중 대표적인 과불화옥탄산(PFOA)와 과불화옥탄설폰산(PFOS)를 중심으로 다양한 수처리 기술을 검토⋅분류하고, 각 기술의 메커니즘, 최신 연구 사례, 한계점 등을 종합적으로 분석하였다. 물리적 처리 기술로는 입상 및 분말 형태의 활성탄을 활용한 흡착법과, 나노여과(NF) 및 역삼투(RO)를 기반으로 한 막여과 기술이 포함되며, 화학적 처리 기술로는 고도 산화⋅환원 공정, 특히 붕소 도핑 다이아몬드(BDD) 전극을 이용한 전기화학적 산화 기술에 중점을 두었다. 이외에도 생물학적 처리 기술, Feammox 반응, 이온 교환 수지, 플라즈마 처리 등의 최신 기술의 적용사례와 PFAS 제거 메커니즘을 분석하였다. 특히, 최근에는 개별 기술의 한계를 보완하기 위한 상호보완적 융합 방식의 복합 공정 전략이 주목받고 있다. 본 논문은 이와 같이 다양한 수처리 기술에 대한 연구 동향을 분석함으로써, PFAS 제거를 위한 수처리 기술에 대한 통합적 이해와 실질적인 적용 가능성에 대한 통찰을 제공하고자 한다.

본 증례는 epidermal growth factor receptor 돌연변이 비소세포폐암 환자에서 lazertinib 치료 중 췌장 전이 병변에서 소세포암 전환이 발생한 드문 사례를 보고하였다. 소세포암 전환은 치료 저항성의 기전을 나타내며 이를 확인하기 위해 조직 생검이 중요하다. Tyrosine kinase inhibitor 치료 중 병변의 선택적 진행이 의심될 때는 조직학적 평가를 통해 전환 여부를 확인하고 이에 따른 치료 전략을 변경할 필요가 있다.

전 세계 이산화탄소 배출량이 지속적으로 증가하면서, 환경 개선 및 탄소 격리를 위한 다양한 연구들이 진행되고 있 다. 건설 산업에서도 탄소를 줄이기 위한 연구로 바이오차를 건설 자재에 사용하여, 탄소 격리를 위한 방법으로 진행되고 있다. 바이오차는 바이오매스를 열분해하여 생성한 숯으로, 높은 탄소 함량과 다공성 구조가 특징이며, 탄소 격리를 위한 물질로 떠오 르고 있다. 본 연구에서는 시멘트 사용량을 줄이고 바이오차를 혼입한 콘크리트를 건설 자재로써 가능성을 확인하고자 하였다. 이를 위해 시멘트의 일부를 바이오차로 치환하여 혼입한 콘크리트의 역학적 특성(슬럼프, 공기량, 압축강도)과 질량 기반 특성 (흡수율, 밀도, 공극률)을 평가하였다. 바이오차의 시멘트 치환율은 0%, 5%, 10%로 설정하였다. 바이오차의 수분 흡수 및 보유 력에 따라 바이오차의 시멘트 치환율이 증가할수록 슬럼프는 감소하였다. 바이오차의 다공성 구조를 SEM 실험으로 확인하였으 며, 이에 따라 콘크리트에서의 공극 형성으로 바이오차의 시멘트 치환율이 증가할수록 공기량과 흡수율이 증가하였다. 바이오차 의 시멘트 치환율 5%에서 압축강도와 비강도가 가장 높은 값으로 나타났으며, 탄소 격리를 위한 방법으로 건설 자재 활용의 가능성을 확인하였다.

This study evaluated the management priority of small catchments in the Nam River basin, comprehensively considering the impact of non-point pollution sources for water quality improvement. Water quality data from the Water Environment Measurement Network and additional field survey data were collected to understand the water quality status at the small catchment level. The management priority was calculated by integrating data on pollution sources, land cover, and runoff using a weighted method. As a result, the E08-2 small catchment, located downstream of the Nam River, showed the highest priority, followed by A18, B09, E04, and A19. The main factor influencing the water quality improvement priority was the pollution source characteristics within the small catchment, especially the influence factor and land use condition. This study contributes to the efficient water quality management of the Nam River basin by identifying the priority by small catchment through analysis that simultaneously considers point and non-point pollution sources.

Automated structural design methods for reinforced concrete (RC) beam members have been widely studied with various techniques to date. Recently, artificial intelligence has been actively applied to various engineering fields. In this study, machine learning (ML) is adopted to make automated structural design model for RC beam members. Among various machine learning methods, a supervised learning was selected. When a supervised learning is applied to development of ML-based prediction model, datasets for training and test are required. Therefore, the datasets for rectangular and t-shaped RC beams was constructed by commercial structural design software of MIDAS. Five supervised learning algorithms, such as Decision Tree (DT), Random Forest (RF), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost) were used to develop the automated structural design model. Design moment (Mu), design shear force (Vu), beam length, uniform load (wu) were used for inputs of structural design model. Width and height of the designed section, diameter of top and bottom bars, number of top and bottom bars, diameter of stirrup bar were selected for outputs of structural design model. Performance evaluation of the developed structural design models was conducted using metrics sush as root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE), and coefficient of determination (R2). This study presented that random forest provides the best structural design results for both rectangular and t-shaped RC beams.