This study intends to present a traffic node-based and link-based accident prediction models using XGBoost which is very excellent in performance among machine learning models, and to develop those models with sustainability and scalability. Also, we intend to present those models which predict the number of annual traffic accidents based on road types, weather conditions, and traffic information using XGBoost. To this end, data sets were constructed by collecting and preprocessing traffic accident information, road information, weather information, and traffic information. The SHAP method was used to identify the variables affecting the number of traffic accidents. The five main variables of the traffic node-based accident prediction model were snow cover, precipitation, the number of entering lanes and connected links, and slow speed. Otherwise, those of the traffic link-based accident prediction model were snow cover, precipitation, the number of lanes, road length, and slow speed. As the evaluation results of those models, the RMSE values of those models were each 0.2035 and 0.2107. In this study, only data from Sejong City were used to our models, but ours can be applied to all regions where traffic nodes and links are constructed. Therefore, our prediction models can be extended to a wider range.

최근 급격한 변화를 겪고 있는 자율주행 자동차 분야의 미래 기술 및 시장 전 망 예측에 대한 요구와 관심이 집중되고 있다. 자동차 산업의 특성상, 복합적 요인의 상관관 계가 미치는 영향력이 크고 요인 간의 복잡도가 높으므로, 체계적인 미래 예측 방법론 적용 을 통한 미래 전망분석 및 전략 수립이 시급하다. 본 연구에서는 자동차 분야에 적합한 미래 예측 방법론 중 필드 변칙 완화기법(Field Anomaly Relaxation)과 다중관점 개념 기법 (Multiple Perspective Concept)을 복합적으로 적용하여, 자율주행 자동차 분야의 핵심기술 및 산업 동향에 관한 미래 시나리오들을 개발하여 실증하였다. 도출된 3개의 시나리오는 전 문가 평가 체크리스트를 통하여 타당성을 검증하였다. 본 연구 결과는 자율주행 자동차 산업 과 같은 다양한 변동성이 존재하는 분야의 미래 예측 방법 중 한 가지로 적용될 수 있다는 점에 의의가 있다.

본 논문은 CFD 해석법을 이용한 단일선체 및 이중선체 선박의 손상에 따른 기름 유출량 추정 결과를 소개한다. 수치해석 기법 으로 다상유동 해석법을 사용하고 기름 유출 유동에 대한 다양한 수치해석적 조건의 변화에 대한 영향을 조사하였다. 좌초 또는 충돌에 의한 다양한 손상 조건에서의 기름 유출량의 변화를 해석하였으며 실험 결과를 통해 검증하였다. 본 논문의 수치해석 결과는 단일선체와 이중선체의 기하학적 특성을 따라 실험 결과와 잘 일치하였다. 특별히 물과 기름의 복잡한 상호작용이 나타나는 이중선체의 기름 유출 상황도 실험과 동일하게 타당하게 예측하였다. 본 연구를 통해 사고 선박의 기름 유출량 추정에 필요한 CFD기법을 정립할 수 있었다.

지난 10여년간 성범죄자 재범위험성 평가는 학문적으로나 실무적으로 많은 발전을 이루어 왔다. 이러한 비약적 발전에도 불구하고, 선행연구들은 재범위험성 평가도구의 한계 중 하나로 범죄자 유형론에 관한 고려가 부족하다는 점을 지적하고 있다. 본 연 구는 이러한 주장의 타당성을 검증하는 것을 목표로 한다. 이를 위해‘한국형 성범죄자 재범위험성 평가도구(KSORAS: Korean Sex Offender Risk Assessment Scale)’ 를 활용하여, KSORAS가 아동/청소년 상대 성범죄자와 성인 상대 성범죄자의 재범위 험성을 적절히 예측하는지를 검증했다. 본 연구문제에 답하기 위해 전자감독명령이 부과된 성폭력사범 866명의 재범상황을 추적했다. 데이터 분석결과, KSORAS는 아 동/청소년 상대 성범죄자의 재범은 잘 예측함에 반해, 성인 상대 성범죄자의 재범은 상대적으로 잘 예측하지 못했다. 두 집단의 재범을 예측하는 문항들도 상이한 패턴을 보였다. 연구의 후반부에서는 성범죄자 유형론의 주장을 고려하여, 아동/청소년 상대 성범죄자 평가도구(KSORAS-MINOR)와 성인 상대 성범죄자 재범위험성 평가도구 (KSORAS-ADULT)를 각각 구성하고 그 예측타당도를 분석하였다. 분석 결과, 성범 죄자 유형론을 고려하지 않은 기존의 접근법에 비해, 기존 도구를 수정 개발한 성범죄 자 유형별 평가도구의 예측타당도는 통계적으로 유의미한 수준까지 향상되었다. 이러 한 결과를 바탕으로 향후 성범죄자 평가와 관련된 정책방향 및 후속연구의 제안점을 논의하였다.

PURPOSES : The surface distress of asphalt pavements is one of the major factors affecting the safety of road users. The aim of this study was to analyze the factors influencing the occurrence of surface distress and statistically predict its annual change to contribute to more reasonable asphalt pavement management using the data periodically collected by the national highway pavement data management system. METHODS : In this study, the factors that were expected to influence the surface distress were determined by reviewing the literature. The normality was secured by changing the forms of the variables to make the distribution of the variables got closer to normal distribution. In addition, min-max normalization was performed to minimize the effect of the unit and magnitude of the candidate independent variables on the dependent variable. The final candidate independent variables were determined by analyzing the correlation between the annual surface distress change and each candidate independent variable. In addition, a prediction model was developed by performing data grouping and multi-regression analysis. RESULTS : An annual surface distress change prediction model was developed using present surface distress, age, and below 0 ℃ days as the independent variables. As a result of sensitivity analysis, the surface distress affected the annual surface distress change the most. The positive correlation between the dependent variable and each independent variable demonstrated engineering and statistical meaningfulness of the prediction model. CONCLUSIONS : The surface distress in the future can be predicted by applying the annual surface distress prediction model to the national highway asphalt pavement sections with survey data. In addition, the prediction model can be applied to the national highway pavement condition index (NHPCI) evaluating the national highway asphalt pavement conditions to be used in the prediction of future NHPCI.

We attempted to estimate potential habitats of Clithon retropictus and to determine the community structure of benthic macroinvertebrates by presence of C. retropictus. 2016 to 2018 database of “Survey and Assessment of Estuary Ecosystem Health” by the Ministry of Environment were used to identify the distribution site of C. retropictus. The occupancy model was applied to estimate the potential habitat of C. retropictus. Four diversity indices were used to confirm the community structure of benthic macroinvertebrates. C. retropictus was found in the southern coast area and part of the east coast, and this pattern was consistent with previous studies. Additionally, the occupancy model predicted that a potential habitat of C. retropictus could appear in the west coast area. The community structure of benthic macroinvertebrates was relatively high at the site with C. retropictus than the site without C. retropictus. Therefore, the occupancy model can be considered when conserving C. retropictus inhabiting a limited area. Additionally, C. retropictus can be used to the indicator species that can represent the brackish water environment.

범밀도이론함수(Density Functional Theory, DFT) 기반의 제일원리전산모사는 기저상태의 DFT 에너지를 구하는데 많은 시간소요 및 전산자원을 소모하였다. 이러한 막대한 전산자원의 소모는 DFT 계산에서 고려할 원자수를 수 백개 이 하로 제한되게 되었으며, 이를 해결하기 위해서는 전자구조 계산이 아닌 원자의 환경 내에 원자간 상호작용을 정의 (Force Field, 힘장)하고 이를 통해 주어진 조성 혹은 구조에 따른 에너지를 빠르게 예측 할 수 있어야 한다. 본 논문에서 는 Behler-Parrinello가 제시한 인공신경망 모델을 활용해 인공지능 다원계 힘장을 개발하고 코발트-구리 산화물의 조성에 따른 에너지를 예측하고 안정한 구조를 탐색하는 연구를 수행하였다. 인공신경망 기술로 부터 구리-코발트 산화물에 대 해 15.7 meV/atom의 에너지 오차와 단위거리당 힘 103.6 meV/Å의 정확도를 가지는 인공신경망 포텐셜을 개발하였다. 이 방법으로 빠르고 정확하게 CuCoO 표면구조의 산소 결함률에 따른 생성에너지를 계산할 수 있었고, 에너지 컨벡스 홀을 도시 조성에 따른 안정한 구조를 예측하였다.