본 연구는 식물군집구조 분석을 통해 팔공산국립공원 칠곡 가산산성내 식생 특성을 파악하여 지속적인 관리와 보호 에 필요한 자료를 구축하고자 진행되었다. 칠곡 가산산성은 팔공산국립공원 내 위치한 문화유산이며, 국립공원 용도지 구 구분에 따라 공원자연보존지구에 해당하는 지역으로 보전가치가 높은 지역이다. 칠곡 가산산성 내 96개 조사구에 대한 식물군집구조 분석 결과, TWINSPAN과 DCA 분석을 통해 소나무-낙엽활엽수군락(Ⅰ), 소나무군락(Ⅱ), 서어나 무-소나무군락(Ⅲ), 소나무-서어나무군락(Ⅳ), 물푸레나무-고로쇠나무군락(Ⅴ), 물푸레나무-물오리나무군락(Ⅵ), 아까 시나무-밤나무군락(Ⅶ), 느티나무-낙엽활엽수군락(Ⅷ)의 총 8개 군락으로 나뉘었다. 이는 조림수종인 아까시나무, 밤나 무, 물오리나무가 우점하는 인공림 군락(Ⅵ, Ⅶ)과 자생수종이 우점하는 자연림 군락(Ⅰ, Ⅱ, Ⅲ, Ⅳ, Ⅴ, Ⅷ)으로 구분할 수 있다. 인공림은 관리를 통해 기후적 특성에 맞는 자연림으로의 천이 유도가 가능할 것으로 사료되며, 이를 통해 국립공원 자연자원 보전에 필요한 기초자료로 활용될 것으로 판단된다. 하지만 본 연구는 칠곡 가산산성을 중심으 로 수행하였기에 팔공산국립공원 전체 지역의 식물군집구조를 파악하기에 한계가 있으므로 팔공산국립공원 전 지역을 대상으로 하는 연구가 필요하다.

Purpose This study aimed to develop and evaluate a simulation-based autotransfusion device training program to enhance the clinical performance, performance confidence, and educational satisfaction of post-anesthesia care unit (PACU) nurses. Methods: A single-group pretestposttest study was conducted with 30 PACU nurses. The program, based on the ADDIE model, included orientation, simulation training, and debriefing. Data were collected using validated tools before and after the program and analyzed using the Wilcoxon signed-rank test. Results: Clinical performance improved from a median of 30.00 to 43.00 (Z =−4.78, p < .001). Performance confidence increased from 31.00 to 47.50 (Z =−4.71, p < .001), while educational satisfaction rose from 26.00 to 40.00 (Z =−4.73, p < .001). Conclusions: The simulation-based program effectively enhanced the clinical performance, performance confidence, and education satisfaction of PACU nurses. These findings underscore the value of simulation-based training for enhancing nurses’ competence in using complex, high-risk medical devices.

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.

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 펫푸드 제조업체의 품질 및 위생관리 수준을 파악하기 위해 펫푸드 및 식품 제조업체 27곳을 선정하여 점검을 진행하였다. 점검에는 17개 항목, 200개 문항으로 구성된 체크리스트가 사용되었으며, 이 중 유의미한 결과 가 도출된 41개 문항의 점검 결과만 연구 자료로 활용하 였다. 점검 결과, 펫푸드 제조업체 작업자는 출입 전 손 씻기, 위생복 착용 등 위생 절차 미 준수 비율이 식품 제 조업체에 비해 높았다(P<0.05). 또한, 펫푸드 제조 설비의 세척 관리 수준이 식품 제조업체보다 미흡한 것으로 나타 났다(P<0.05). 아울러 펫푸드 제조업체는 원료의 생물학적 안전성을 확보하기 위한 해동 기준이 미비하였으며, 환경 오염도 검사, critical control point (CCP) 유효성 평가 등 제품 안전성을 검증할 수 있는 자료도 충분히 보유하고 있지 않았다(P<0.05). 특히, 법규 위반에 해당될 수 있는 자가 품질검사 미 준수비율이 식품 제조업체에 비해 현저 하게 높아, 이에 대한 집중적인 관리와 개선이 요구되었 다(P<0.05). 종합적으로 분석해 볼 때, 펫푸드 제조업체의 품질 및 위생관리 운영관리가 식품 제조업체보다 낮은 수 준인 것으로 확인되었다. 이는 펫푸드 제조업체의 기반 시 설 및 인프라 부족에서 기인한 것으로 추정된다. 따라서 반려동물의 안전성 보호 및 품질 강화를 위해 펫푸드 제 조업체의 위생교육과 법적기준 강화, 정부 기관의 펫푸드 제조업체 지원 정책 마련 등의 개선 방안이 요구된다.

목적 : 본 연구는 고령운전자의 운전면허 반납에 영향을 미치는 사회문화적 요인을 파악하고, 자발적 반납을 촉진하기 위 한 정책적 시사점을 제시하는 데 목적이 있다. 연구방법 : 2024년 11월부터 12월까지 한국도로교통공단 대전운전면허시험장에서 교통안전교육을 이수한 65세 이상 고령 운전자 200명을 대상으로 설문조사를 실시하였다. 설문은 일반적 특성, 사회적 요인, 경제적 요인, 문화적 요인 등 4개 범주 총 13개 변수를 포함하였고, 이분형 로지스틱 회귀분석을 통해 운전면허 반납 의사에 미치는 영향을 분석하였다. 결과 : 분석 결과, 여성 고령운전자는 남성에 비해 운전면허를 자발적으로 반납할 가능성이 약 3.83배 높았으며(OR=0.257, p<.05), 직업활동이 없는 경우 반납 확률이 약 3.73배 높았다(OR=0.268, p<.01). 또한, 대체 교통수단이 충분하다고 인 식한 경우 반납 의사는 1.72배 증가하였고(OR=1.719, p<.01), 운전면허 반납 혜택을 긍정적으로 인식한 경우 반납 의사 는 1.66배 증가하였다(OR=1.655, p<.01). 결론 : 고령운전자의 운전면허 반납 의사는 성별, 경제활동 여부, 대체 교통수단 인식, 반납 혜택 인식 등 다양한 사회문 화적 요인의 영향을 받는 것으로 확인되었다. 이에 따라, 고령자의 특성과 지역적 교통 여건을 고려한 맞춤형 정책 수립 이 요구되며, 실질적 혜택 제공과 함께 지역사회 기반의 교통 인프라 확충이 필요하다.

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.