PURPOSES : This study aims to investigate the reliability of the real-time estimation of intersection traffic volumes based on the integration of location intelligence data and smart intersection data. METHODS : Location intelligence data (LID) and smart intersection data were obtained at eight intersections in Inju-daero, Incheon. The two datasets were then integrated to estimate traffic volumes for intersections in the shadow section, where traffic information was not expected to be obtained. The traffic estimation accuracy was evaluated using the total traffic, approach traffic, and turning movement volumes at the intersections. The estimated traffic was compared with the actual traffic volumes in the smart intersection data to validate the reliability of traffic estimation. RESULTS : The average traffic estimation error for the total intersection volume was approximately 4.5% for the five intersections in the shadow section. The estimation errors for the approach volumes (less than 5%) were also consistently low, except from 12 pm to 1 pm. CONCLUSIONS : The findings of this study suggest that location intelligence data can be combined with smart intersection data to estimate real-time traffic for shadow sections on roadways. This could enable a cost-effective cooperative intelligent transport system (C-ITS) when the municipal budget is limited, ultimately leading to the sustainable operation of C-ITS.

최근 급부상한 생성형 AI는 현실적인 이미지, 텍스트, 음악 및 가상 환경 등을 만들어내는 능력 에 기반하여 엔터테인먼트, 디자인, 의료 및 교육 분야 등 다양한 산업 분야에 근본적인 변화를 가 져올 혁신 동력으로서 주목받고 있다. 오픈AI 등을 중심으로 한 글로벌 빅테크 기업들은 막강한 자 본력을 바탕으로 이 분야의 기술의 고도화와 함께 산업 생태계를 빠르게 구축하며 선도적인 지위를 굳히고 있어 한국의 생성형 AI 산업의 국가경쟁력 강화가 시급하다고 할 수 있다. 본 연구는 국가 경쟁력을 설명하는 Porter의 다이아몬드 모형에 기반해 한국의 생성형 AI 경쟁력에 영향을 미치는 다양한 요인들을 분석하여 한국의 생성형 AI 산업의 성장과 혁신을 육성하기 위한 기업의 전략적 방안과 정부의 정책적 방향성을 다음과 같이 제시하였다. 연구 결과 생성형 AI 관련 기업들의 투자 활동이 응용프로그램 개발을 우선시하고 있는 것으로 나타나 정부는 근본적인 기술 혁신 분야에 R&D 지원에 나서야 함을 알 수 있었다. 또한 기업 사용자들의 생성형 AI 수요가 제한적임에 따라 다양한 관련 교육 프로그램을 개발하고 맞춤 솔루션을 제공해야하며 개인 사용자들간의 디지털 격 차를 해소하는 정책적 노력이 필요하다는 것을 보여주었다. 생성형 AI 유관 산업 육성을 위해, 기 술경쟁력 강화와 인재 육성이 필요하고, 이와 더불어 생성형 AI 산업 에코시스템 내의 기업간 협력 을 촉진하기 위해 정부의 역할이 중요하다는 것을 확인할 수 있었다.

We introduce the technology required todevelop a bracket process for installing and verifying FRT bumper sensors for passenger cars. Establish and demonstrate process automation through actual design and manufaturing. We conduct quality inspection of the production process using artificial intelligence and develop technology to automatically detect good and defective products and increase the reliability of the process

Artificial intelligence (AI) is an interdisciplinary subject based on computer science and has a history of more than 70 years. With the development of social industries, various service needs are developing rapidly, and AI is also playing a huge role in the application field of big data. This paper focuses on the analysis and application of AI in the subject classification system for high school students. The subject classification system adopts the characterization of subjects that a country have; and the amount of information data is huge. Different countries set up different subject systems according to the needs of social structure. In 2013, Qingdao Warwick International Education College (Warwick College) and Korean wisemento Co., Ltd. (Wisemento company) spent 4 years jointly researching and completing an analysis and assessment system suitable for Chinese subject classification system. Follow the subject and professional scoring method, the assessment system scientifically calculates trend scores and interacts with potential and career models to find the subject development direction, professional trend, future potential development direction, subject and career direction that are suitable for students. It provides trend data suitable for students’ subject development, provides scientific basis for students’ course selection, helps students understand themselves, and provides students with targeted career education development directions for subjects and careers. The education resources can be utilized effectively; student individual data also provides a basis for the management of education and teaching.

재가노인 중에서 일상생활을 정상적으로 유지하려 함에 있어 제3자의 도 움을 필요로 하는 장기요양 인정자의 비중도 증가하고 있다. 돌봄을 필요로 하는 노인의 수는 지속적으로 증가할 것으로 예측되는 반면, 돌봄 제공자인 장기요양 인력의 수는 감소하는 경향이 나타나 향후 인력 부족이 예측되고 있다. 이러한 돌봄 수요와 공급 불균형 대응방안의 일환으로 디지털 돌봄 체 계에 대한 중요성이 부각되고 있으며, 노인의 돌봄권 보장과 노인을 돌보는 가족, 돌봄 제공자(요양보호사 등)의 돌봄 부담 완화 및 삶의 질 제고를 위한 그 역할이 더욱 중요해질 것으로 예상된다. 나아가 재가 노인돌봄 영역에 디 지털 기술을 어떠한 방식으로 활용해야 할 것인지에 대한 면밀한 검토가 필 요한 시점이라 할 수 있다. 이에 본 연구는 AI기술을 활용한 선행연구들을 통하여 노인돌봄 서비스의 범주가 어느 정도까지 연구되어 있는지 살펴보고 현장에서 접근할 수 있는 실질적 개선방안을 도출하고자 한다.

This research presented the procedural framework of developing and optimizing an artificial intelligence model for predicting the change of bread texture by different baking enhancers. Emphasis was placed on the impact of various baking enhancers on the Mixolab thermo-mechanical properties of wheat flour and consequent alterations in bread texture. The application of baking enhancers positively contributed to dough formation and stability, producing bread with a soft texture. However, a relatively low Pearson correlation coefficient was observed between a single Mixolab parameter and bread texture (r<0.59). To more accurately predict the texture of bread from the thermo-mechanical features of wheat flour with baking enhancers, five AI models (multiple linear regression, decision tree, stochastic gradient descent, random forest, and multilayer perceptron neural network) were applied, and their prediction performance was compared. The multilayer perceptron neural network model was further utilized to enhance the prediction of bread texture by mitigating overfitting risks. Finally, the hyperparameter tuning (activation function [Leaky ReLU], regularization [0.0001], and dropout [0.1]) led to enhanced model performance (R2 = 0.8109 and RMSE = 0.1096).

There has been increasing interest in artificial intelligence (AI) in various fields. This phenomenon calls for human resources to be equipped with the knowledge and skills of AI and data. The Korean Ministry of Education has opened up introductory courses in AI to high school students since the second half of 2021. It will also include AI education in the 2022 revised curriculum for elementary, middle, and high school students. Despite these efforts to enhance students’ digital literacy through the innovation of the national curriculum, opportunities for taking advantage of AI and data education should be reached for more diverse learners. At the same time, the courses need to be designed with not only theoretical but practical contents and activities based on learner needs. Under these circumstances, the Science Data Education Center at the Korean Institute of Science and Technology Information (KISTI) has been providing AI and data education programs either online or face-to-face for university members, such as undergraduates, graduates, researchers, and professors. In this study, we aim to present cases of educational programs on AI and data operated by the Science Data Education Center, especially regarding those for the university components. Pertinent implications derived from the results of operating the programs will be discussed.

4차 산업혁명 시대에 건설산업은 전통적인 업무 방식에서 디지털 프로세스로 전환하고 있다. 특히, 건설산업의 특성으로 인해 업무 절차의 변경에는 어려움이 따르며, 점진적인 디지털 전환 및 시행착오가 발생하고 있다. 건설현장의 안전관리 분야도 역시 이 흐름을 따라 모든 데이터의 디지털화와 자동화를 목표로 연구 및 시도가 활발히 진행되고 있다. 그러나 최근의 통계에 따르면, 건설업 안전사 고는 계속해서 발생하고 있으며, 안전사고 사망자 수도 줄지 않고 있다. 본 연구는 이러한 문제를 해결하기 위해 건설공사 안전관리 종 합정보망의 빅데이터를 대규모 언어모델 인공지능을 통해 분석하였다. 분석된 결과는 실시간으로 업데이트가 가능한 상세설계모델 로부터 위치정보와 공간적 특성을 반영하여 안전관리가 필요한 현장모델링에 정보를 맵핑하였다. 해당 연구를 통해 건설현장 안전관 리 데이터의 디지털화를 통한 시설물 및 근로자의 안전을 강화하고, 건설사고 예방 및 효과적인 교육 지시를 위한 빅데이터 기반 안전 관리 플랫폼 개발을 목표로 한다.

Recent advances in artificial intelligence and machine learning, such as the use of convolutional neural networks (CNNs) for image recognition, have emerged as a promising modality with the capability to visually differentiate between mosquito species. Here we present the first performance metrics of IDX, Vectech’s system for AI mosquito identification, as part of Maryland’s mosquito control program in the USA. Specimens were collected over fourteen weeks from twelve CDC gravid trap collection sites, identified morphologically by an entomologist, and imaged using the IDX system. By comparing entomologist identification to the algorithm output by IDX, we are able to calculate the accuracy of the system across species. Over the study period, 2,591 specimens were collected and imaged representing 14 species, 10 of which were available in the identification algorithm on the device during the study period. The micro average accuracy was 94.9%. Of these 10 species, 7 species consisted of less than 30 samples. The macro average accuracy when including these species was 79%, while the macro average when excluding these species was 93%. In the next iteration of this technology, Vectech is translating the vector identification capabilities of IDX into systems capable of processing greater numbers of specimens at large public health facilities, and remote sensing systems that will allow public health organizations to monitor vector abundance and diversity from the office. These advances demonstrate the utility of artificial intelligence in entomology and its potential to support vector surveillance and control programs around the world.

부유식 해상태양광 설비는 패널 지지를 위한 프레임 구조물, 구조체의 부력 제공을 위한 부유체와 전체 시스템의 거동을 제한하는 계류시설로 구성되어 있다. 계류시설은 구조물의 지지조건으로서의 역 할을 통해 안정적인 발전량 수급에 기여한다. 하지만 해당 시스템은 설치된 해상환경 특성상 계류선의 파단 및 손상 시 직접적인 탐지가 불가능해 유지관리에 어려움이 있다. 따라서 본 연구에서는 패널지 지 프레임 구조체에 가속도 센서 부착을 가정하여, 해당 센서 계측값을 토대로 계류설비에서 발생한 파단 및 손상이 발생한 위치를 추정하는 알고리즘을 개발하였다. 알고리즘은 비지도학습 인공지능의 일종인 오토인코더를 활용하여 가속도 계측값의 재현 과정을 통해 정상상태의 구조 응답을 학습한 모 델이 비정상상태의 계측값을 재현 시 발생한 오차를 통해 손상 발생 여부와 위치를 실시간 탐지하도 록 구성하였다. 정상상태 구조응답을 기반으로 한 모델의 학습을 위해 패널지지 구조체를 10x10 격자 형으로 결합한 다중 결합 시스템에 불규칙파랑을 환경하중으로 적용함을 통해 발생한 6자유도 가속도 데이터를 확보하였다. 계류시설의 손상 발생 시 주된 변화 인자 탐지를 위해 상관성 분석과 민감도 분 석을 실시하여 손상 위치 추정 알고리즘에 적용할 주요 인자를 선별하여 학습 및 추정 성능에 대한 비교 분석을 수행하였다. 구축된 알고리즘의 테스트를 위해 총 5개 종 손상 케이스 데이터셋을 구축하 여 손상 위치 추정 성능을 비교하였다. 본 연구를 통해 계류 시설에 발생한 손상 여부 및 위치를 추정 하여 부유식 해상태양광 설비의 선제적 유지관리에 기여할 수 있을 것으로 기대된다.

Korea is facing a significant problem with historically low fertility rates, which is becoming a major social issue affecting the economy, labor force, and national security. This study analyzes the factors contributing to the regional gap in fertility rates and derives policy implications. The government and local authorities are implementing a range of policies to address the issue of low fertility. To establish an effective strategy, it is essential to identify the primary factors that contribute to regional disparities. This study identifies these factors and explores policy implications through machine learning and explainable artificial intelligence. The study also examines the influence of media and public opinion on childbirth in Korea by incorporating news and online community sentiment, as well as sentiment fear indices, as independent variables. To establish the relationship between regional fertility rates and factors, the study employs four machine learning models: multiple linear regression, XGBoost, Random Forest, and Support Vector Regression. Support Vector Regression, XGBoost, and Random Forest significantly outperform linear regression, highlighting the importance of machine learning models in explaining non-linear relationships with numerous variables. A factor analysis using SHAP is then conducted. The unemployment rate, Regional Gross Domestic Product per Capita, Women's Participation in Economic Activities, Number of Crimes Committed, Average Age of First Marriage, and Private Education Expenses significantly impact regional fertility rates. However, the degree of impact of the factors affecting fertility may vary by region, suggesting the need for policies tailored to the characteristics of each region, not just an overall ranking of factors.

본 논문에서는 최근 미국과 EU의 생성형 AI 영역 협력과 경쟁에 관 하여 분석하였다. 미국 정부는 투명성 보장, 즉 생성형 AI에 의해 제작 된 창작물임을 표시하게 함으로써 표현의 자유를 보장한다. 플랫폼에 대 한 제어 또한 원칙 제시뿐, 유포에 대한 기업의 책임은 면책대상 조항으 로 다루고 있다. 반면, EU가 최종한 AI 규제는 AI 사용에 관한 세계 최 초의 포괄적 AI 규제법이다. EU는 디지털 전략의 일환으로 AI 산업을 규제하여 혁신적 기술 개발 및 사용을 위한 더 나은 조건을 보장하고자 포괄적 입법 과정을 거치고 있다. 본고에서는 양측의 규제는 미국의 경우 ‘원칙 제시 및 자발성’ 규제 유형이며, EU의 경우 ‘규칙 기반, 강제성’ 규 제 유형으로 구분될 수 있음을 제시한다.