Reconstructing reliable length composition data is critical for applying length-based age-structured stock assessment models, particularly in data-limited situations. This study suggests an approach to reconstruct the length composition of small yellow croaker (Larimichthys polyactis) caught by the offshore gillnet fishery in Korean waters where existing length data often lack temporal coverage and representativeness. To address this issue, measured data by size-specific boxes were integrated with auction-based landing data. Using the number of individuals per size-specific box as a proxy, a nonparametric bootstrap resampling method was applied to generate probabilistic length composition estimates. Normality tests and ANOVA revealed non-normal and non-linear patterns in data, supporting the use of nonparametric methods and the classification of size-specific boxes. Approximately 130,000 boxes (30 million individuals), including those with partial missing data, were analyzed using an automated R-based workflow, and a hot-deck method was used for imputation. The reconstructed length compositions showed stable distributions with low standard errors, indicating improved representativeness compared to the raw data. This approach provides a practical framework for generating reliable length composition inputs to enable the application of length-based age-structured stock assessment models, particularly when age composition data are limited or poor.

본 연구는 개선된 무인도 지리정보를 구축하기 위해 폴리곤(Polygon) 기반 무인도 지도와 속성정보를 구축하였다. 연구 결과, 3,460개의 포인트(Point) 데이터와 3,447개의 폴리곤 기반 섬 데이터를 구축하였다. 여기에는 463개의 유인도가 포함되었으며, 무인도 수는 기존 해양수산부의 무인도서 정보조회 서비스에 비해 80개 추가된 것이다. 속성정보로는 59건 이상의 이명과 61개의 무인도 지형 변화 사례를 정리하였다. 무인도 지형 변화는 육화, 소멸, 연결, 병합의 네 가지로 구분하였다. 데이터 구축 과정에서는 해안선 자료의 통합, 불필요한 폴리곤 객체의 정리, 이명 정리 과정에서 일부 한계가 있었다. 이런 한계에도 불구하고 본 연구에서 구축된 데이터는 무인도의 공간적 변화 모니터링과 보전 정책 수립을 위한 기초 자료를 제공하고, 향후 다양한 연구에 활용될 수 있을 것으로 기대된다.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

인도네시아는 지역적으로 동남아시아에서 오세아니아까지 걸쳐진 1만 4천여 개의 섬으로 이루어진 나라로 현재 수도인 자카르타 (Jakarta)가 위치한 자바섬은 인구집중, 교통혼잡, 지반침하, 홍수 등의 다양한 환경 문제에 직면하고 있다. 인도네시아 정부는 이러한 문제를 해결하기 위해 새로운 행정수도 누산타라(Ibu Kota Nusantara, IKN)로 정하고 수도 이전을 준비하고 있다. 대한민국 국토교통부 는 인도네시아 공공사업주택부와 “한국-인도네시아 수도이전 및 개발에 대한 기술 협력 MOU”를 2019년 11월에 체결하여 양국간 우호 적 협력관계 구축과 상호이익을 추구하고자 스마트시티, 도로, 수자원 관련 협력을 강화하기로 하였다. 인도네시아는 총 549,161km의 연장으로 한국의 5배에 해당하는 도로망을 구축하고 있으며, 포장 형식은 아스팔트 포장도로가 93%로 높은 비중을 차지한다. 세계은 행 통계에 따르면 인도네시아 정부는 매년 도로포장 유지관리에 약 13.6억 달러의 예산을 소모하고 있으며, 섬으로 구성된 국토의 열 악한 도로 연결성과 폭우, 홍수로 인한 잦은 침수, 이에 따른 피해(교통혼잡, 수질오염, 도로포장 품질 저하), 높은 운송비용 등이 주요 문제점으로 판단된다. 인도네시아의 이러한 문제를 극복하고 현지 정부의 도로건설 품질관리 데이터 플랫폼 구축 수요에 기여하고자 국토교통부 부처 ODA 사업으로 2023년 9월 “인도네시아 디지털·그린 도로 건설 기반 구축 사업”을 착수하였다. 본 사업의 목표는 디 지털 도로 포장품질관리시스템(PQMS) 적용을 통해 인도네시아 도로 포장 품질 향상과 함께 그린 포장 기술 적용을 통한 현지 도로 포장분야 녹색전환 기반을 마련하는 것으로, 이를 위해 디지털 기반 PQMS 구축, 이동식 도로포장 품질 시험실 공여, 그린 도로 포장 및 품질관리 기술을 적용한 시범사업, 인도네시아 도로 건설/포장 관계자 역량 강화 등의 과업을 수행하고 있다.

Many school buildings are vulnerable to earthquakes because they were built before mandatory seismic design was applied. This study uses machine learning to develop an algorithm that rapidly constructs an optimal reinforcement scheme with simple information for non-ductile reinforced concrete school buildings built according to standard design drawings in the 1980s. We utilize a decision tree (DT) model that can conservatively predict the failure type of reinforced concrete columns through machine learning that rapidly determines the failure type of reinforced concrete columns with simple information, and through this, a methodology is developed to construct an optimal reinforcement scheme for the confinement ratio (CR) for ductility enhancement and the stiffness ratio (SR) for stiffness enhancement. By examining the failure types of columns according to changes in confinement ratio and stiffness ratio, we propose a retrofit scheme for school buildings with masonry walls and present the maximum applicable stiffness ratio and the allowable range of stiffness ratio increase for the minimum and maximum values of confinement ratio. This retrofit scheme construction methodology allows for faster construction than existing analysis methods.

This study proposes a construction plan for the Korea Navy's next-generation TSCE(Total Ship Computing Environment) based destroyers to address rapidly evolving maritime threats and decreasing military manpower. It focuses on system integrated ship construction based on TSCE for quick response time with fewer operators, improving the efficiency of systems and Equipments installed in the ship. The methodology includes analyzing TSCE-based system integration theories and levels. also analyze system integration in U.S. Navy’s Zumwalt destroyers and Littoral Combat Ships, conducting expert surveys to build consensus on system integration methods, proposing operational efficiency improvements through TSCE-based system integration. Additionally, we propose an architecture of TSCE with real time OA(Open Architecture) from both functional and physical perspectives, verified through Python simulations. The study suggests optimal crew sizes for next-generation destroyers through comparative analysis of TSCE based integration types. It emphasizes the importance of system integration in naval ship construction, presenting specific measures to enhance operational efficiency and optimize crew operations. The findings are expected to contribute significantly to enhance the future naval capabilities of the Korea Navy.

본 연구는 관광 관련 서비스 분야에 필요한 특수 목적 중국어(CSP) 교육과정 개 발을 위한 첫 단계로 AI 데이터 기반으로 구축된 구어체 병렬 코퍼스에서 CSP 어휘 리스트를 선정하여 용어색인과 어휘다발(n-gram)등을 분석하였다. 어휘리스트 어휘 규모는 토큰 수 총 304, 228개와 타입 수 17, 286개로 나타났으며, 어휘 누적 증가율 을 분석하면 2-Gram과 3-Gram의 어휘다발이 가장 많았고, 실무 현장에서 가장 많 이 활용되고 있음을 알 수 있었다. 본 연구에서 구축된 특수 목적 관광 중국어 어휘 리스트는 실제 교육 자료로 제공하여 관광 중국어 학습자와 교수자에게 실용적으로 사용될 수 있을 것이라 기대한다.

작물의 스트레스 조기 진단은 농업에 있어 빠른 대응을 가능하게 해 피해를 경감시킬 수 있어 중요한 기술이다. 기존의 스트레스 진단이 가진 파괴적인 형식의 시료 채집과 양분 분석에 많은 노동력을 필요로 한다는 단점 극복을 위해 새로운 기술 개발이 필요하다. 미래에는 대단위 영상을 이용한 생육 진단 기술에 대한 수요가 높아질 것으로 예상되어 이를 이용한 연구를 진행하였다. 본 연구는 2023년 경상남도 밀양시에 위치한 국립식량과학원 실험 포장에서 수행되었으며, 무인항공기(UAV)를 이용하여 양분 결핍 처리(관행시비, 질소 결핍, 인 결핍, 칼륨 결핍, 무비)에 따른 벼의 생육을 조사했다. UAV를 이용해 생육 기간 중 총 6회에 걸쳐 포장을 촬영하였고, 영상을 기반으로 11개의 식생 지수를 산출하여 기계학습을 통해 양분 결핍을 진단하는 모델을 구축하여 평가했다. 연구 결과에 따르면, 엽록소 함량과 관련된 지수인 NDRE (Normalized Difference Red Edge)가 가장 높은 중요도를 나타내어 벼의 양분 상태를 효과적으로 진단하는 데 유용하다는 것을 확인하였다. 6개의 각 단계별로 모델을 평가하였을 때 모든 단계에서 accuracy가 0.7 이상으로 나타났다. 조기 진단을 위해 첫 촬영 날짜인 7월 5일의 자료로 모델을 만들어 다른 회차에 적용하여 모델의 성능을 평가한 결과, 5개의 모든 단계에서 0.9 이상의 accuracy를 얻었다. 종합적으로, UAV 영상 기반의 식생 지수를 활용한 양분 결핍 진단은 벼의 생육을 조기에 예측하는 데 효과적이며, 이는 정밀 농업 분야에서 시간과 노동을 절감하고 양분 관리를 개선하는 데 도움이 될 것으로 기대된다.

최근, 국토교통부에서 시행한 “국가 보행교통 실태조사”로 인해 보행안전과 보행환경에 대한 중요성이 증가하고 있으며, 전반적으로 대로에서는 보행환경이 양호하나 생활도로에서는 보도가 미설치되거나 보도폭이 협소하여 보행환경이 미흡하고 보행 만족도도 낮은 것으며 생활도로의 약 34%가 유효보도폭 기준을 충족하지 못하고 있다고 조사되었다. 국가 주요 사회간접자본(SOC)인 도로, 교량, 터 널, 공공건물, 환승센터 등에 비하여 상대적으로 보행공간을 대상으로한 정보화 속도가 늦어 정보화 연구개발에 대한 추진이 시급한 실정이다. 이에 정부에서도 국가공간정보정책 기본계획에 따른 국가공간정보정책 시행계획이 확정되어 신산업 기반으로서의 역할과 안전한 시설관리를 위한 디지털 트윈 관련 기술개발 등에 투자를 확대하고, 디지털 트윈 등의 기반 정보인 고정밀 공간정보 생산 등 에 중점적으로 투자하고 있다. 현재 한국건설기술연구원, 서울시, 경기도 등에서 활용하고 있는 조사장비(PES, KRISS)는 도로포장(차 도)에서 상태 모니터링을 진행하고 있으나 이와 같은 장비들은 고가의 장비들로 실질적으로 사용하기에는 어려움이 있다. 또한, 보행 도로에서는 상태 모니터링을 수집할 장비가 없기 때문에, 보행 공간 경사, 노면 상태 등을 측정ㆍ수집하는 방법은 인력에게 의존해왔 다. 또한, 현재 보행자도로에 대한 서비스수준 산정 방식은 한국도로용량편람(2013)의 보행자시설편에서 제공하고 있는 산정 방식으로 도로용량편람에서 제시하는 보행자도로의 분석 방법을 적용하여 서비스수준을 산출할 경우, 차량과 동일한 교통량-속도-밀도 관계에 의존하여 산출하기 때문에 현실적인 보행자도로의 서비스수준을 반영하지 못하고 있는 실정이다. 이러한 문제로 인해 보행공간에 대 한 이용자의 안전 및 편의성에 대한 연구가 미흡한 상황이다. 따라서, 본 연구는 모바일매핑시스템(Mobile Mapping System)과 인공지 능(AI), 무인비행장치(Drone)를 활용한 보행공간 상태 모니터링 시스템 구축 방안을 제시하고자 한다.

Sentiment analysis is a method used to comprehend feelings, opinions, and attitudes in text, and it is essential for evaluating consumer feedback and social media posts. However, creating sentiment dictionaries, which are necessary for this analysis, is complex and time-consuming because people express their emotions differently depending on the context and domain. In this study, we propose a new method for simplifying this procedure. We utilize syntax analysis of the Korean language to identify and extract sentiment words based on the Reason-Sentiment Pattern, which distinguishes between words expressing feelings and words explaining why those feelings are expressed, making it applicable in various contexts and domains. We also define sentiment words as those with clear polarity, even when used independently and exclude words whose polarity varies with context and domain. This approach enables the extraction of explicit sentiment expressions, enhancing the accuracy of sentiment analysis at the attribute level. Our methodology, validated using Korean cosmetics review datasets from Korean online shopping malls, demonstrates how a sentiment dictionary focused solely on clear polarity words can provide valuable insights for product planners. Understanding the polarity and reasons behind specific attributes enables improvement of product weaknesses and emphasis on strengths. This approach not only reduces dependency on extensive sentiment dictionaries but also offers high accuracy and applicability across various domains.

이 글은 연구소 기반 집단 연구군의 DB 구축 현황과 쟁점을 확인하고자 기 획된 것으로, 연구소 기반 집단 연구군 중에서도 인문한국플러스(HK+)지원사 업단의 사업 성과를 중심으로 논의하였다. 대학 부설 연구소의 경우 집단 연구 과제를 수주하여 연구를 진행하는데, 이 글에서는 인문한국플러스(HK+)지원사 업을 진행하고 있는 연구소를 연구대상으로 삼아 인문학연구의 사회적 확산이 라는 취지에 맞춰 연구가 어떠한 방향으로 전개되고 있는지 살피는 동시에 이 들 연구소에서 진행하고 있는 DB 구축 현황을 중점적으로 검토해보았다. 이에 2장에서는 먼저 집단 연구군 인문한국플러스(HK+)지원사업단을 전체 적으로 개관하는 동시에 DB 구축 양상을 검토하였다. 이어서 3장에서는 DB 구축 양상을 세 가지 형태로 구분하여 논의하였는데, 첫 번째로는 인문기초학문 분야의 아젠다 중심 DB 구축 양상을 분석하였다. 인문기초학문분야의 연구를 수행하는 연구소의 경우 대부분 문학, 역사, 철학 등의 기초 인문학 연구 역량 을 강화하는 데 초점을 맞추고 있으므로 각 연구소에서 상정한 아젠다(Agenda) 를 중심으로 DB를 구축하고 있음을 확인하였다. 두 번째로는 인문한국플러스 (HK+)지원사업을 수행하는 연구소들 가운데 연구 필요에 의해 그리고 학문에 대한 기여를 목적으로 자체적으로 디지털 사전을 편찬해 데이터를 시각화하고 있음을 확인하였다. 개인연구군에서 해결할 수 없는 방대한 자료의 집대성, 그 중에서도 가장 많은 시간과 공력을 요구하는 디지털 사전 편찬이라는 작업이 연구소 기반 집단연구군에 의해 시도되고 또 결과물로 도출되었다는 점에서 의 미가 있다고 생각된다. 세 번째로는 해외지역분야의 DB 구축 양상을 살피는 동 시에 해외 자료 수집이 가지는 의미에 대해서도 논의하였다. 이에 해외 지역학 중심의 연구가 진행되고 있으며, 문화, 정치, 경제, 사회 등의 제 분야를 망라하 여 해외 지역학 그 자체에 관심을 두고 자료를 수집함으로써 우리 학계에서 용 이한 연구가 가능하도록 DB를 구축하고 있음을 확인하였다. 이 글은 각 연구소에서 구상하고 또 시행하고 있는 인문한국플러스(HK+) 지원사업 가운데 DB관련 대표 성과를 예시로 제시하면서 향후 디지털 인문 학이 나아가야 할 방향을 그려보고자 한 것이다. DB의 경우 학문의 발전에 이바지할 수 있는 기본 토대 자료임에도 불구하고 연구소 중심 사업 성과가 종합적으로 제시된 바 없으므로 이 글에서는 DB 성과를 중심으로 분석해 발 전 방향성을 모색하고자 하였다. 주제어: 인문한국플러스(HK+)지원사업, 집단 연구군, 연구소, 데이터베이 스, 아젠다, 디지털 인문학.

한반도는 주변국의 안보정세 변화, 북한의 미사일 도발, 병역자원의 급 감, 민간 생활지역 확장으로 훈련장 부족 및 민원증가, 안전사고 등 많은 도전요인에 직면해 있다. 특히 군사대비태세의 근간이라 할 수 교육훈련을 위한 여건은 매우 심각한 수준이다. 이를 극복하기 위해 국방 분야에서는 4차산업혁명 기술을 적용한 LVCG 과학화 훈련체계를 구축하여 추진하고 있다. LVCG 과학화 훈련은 Live 체계(실기동훈련, KCTC), Virtual 체계 (가상현실), Constructive 체계(전투모의), Game 체계(게임) 등을 활용하 여 언제 어디서든지 실전과 같은 훈련 경험이 가능하며, 훈련 결과에 대한 데이터를 활용하여 객관적 평가가 가능하다. 따라서 AI, AR, VR 등 과학기 술의 발달을 기회요인으로 활용하여 체계별 성능을 개량하고 LVCG 체계 를 하나의 환경에서 운용할 수 있는 합성훈련환경(STE)을 구축하여 실전 과 같은 훈련이 되도록 해야 한다.