2015년부터 2022년도까지 6개목(딱정벌레목, 노린재목, 나비목, 벌목, 파리목, 총채벌레목) 곤충들에 대해서 식물검역현장 검출실적과 국내 보고된 미기록종을 분석하였다. 해당기간 동안 국경검역에서 6개목 곤충은 총 45,084건이 검출되었다. 같은 기간 국내에서는 총 545종이 미기록종 으로 보고되었으며, 이중 9종은 국경검역에서도 검출된 것으로 확인되었다. 검역현장에서는 딱정벌레목, 총채벌레목, 노린재목이 높은 검출률을 보 였으며, 국내 미기록종 중에서는 벌목이 176종으로 가장 많이 보고되었다. 본 연구를 통해 침입압력(국경검역 검출)과 실제 침입(국내 미기록종 발 견) 사이에 비동시성이 확인되었다. 향후 보다 장기적인 분석이 필요할 뿐만 아니라 지속적인 식물검역시스템 개선이 필요할 것으로 판단된다.

This study analyzes consumer fashion purchase patterns from a big data perspective. Transaction data from 1 million transactions at two Korean fashion brands were collected. To analyze the data, R, Python, the SPADE algorithm, and network analysis were used. Various consumer purchase patterns, including overall purchase patterns, seasonal purchase patterns, and age-specific purchase patterns, were analyzed. Overall pattern analysis found that a continuous purchase pattern was formed around the brands’ popular items such as t-shirts and blouses. Network analysis also showed that t-shirts and blouses were highly centralized items. This suggests that there are items that make consumers loyal to a brand rather than the cachet of the brand name itself. These results help us better understand the process of brand equity construction. Additionally, buying patterns varied by season, and more items were purchased in a single shopping trip during the spring season compared to other seasons. Consumer age also affected purchase patterns; findings showed an increase in purchasing the same item repeatedly as age increased. This likely reflects the difference in purchasing power according to age, and it suggests that the decision-making process for purchasing products simplifies as age increases. These findings offer insight for fashion companies’ establishment of item-specific marketing strategies.

국내 소비자들의 식품 영양성분에 대한 관심이 계속적 으로 증가하고 있지만 영양성분과 관련된 식품의 소비자 선호도 분석 연구는 부족한 실정이다. 본 연구는 대국민 정보 서비스인 식품영양성분 데이터베이스 플랫폼에 수집 된 빅데이터의 로그분석을 수행하여 소비자들이 영양학적 측면에서 관심을 가지는 식품에 대한 선호도 결과를 제시 하였다. 수집 기간은 2020년 1월부터 2022년 12월까지의 3개년으로 설정하여 총 2,243,168건의 식품명 검색어가 수 집되었으며, 식품명을 병합하여 품목대표 식품명으로 가 공하였다. 분석도구는 R프로그램을 이용하였으며, 영양정 보를 확인하고자 하는 식품명의 검색 빈도를 전체 기간 및 계절별로 분석하였다. 전체 기간 동안 빈도수 분석 결 과, 한국인이 일반적으로 자주 섭취하는 쌀밥, 닭고기, 달 걀의 빈도수가 가장 높았다. 계절성에 따른 선호도 분석 결과, 봄과 여름에는 대체적으로 국물이 없고 뜨겁지 않 은 음식의 빈도수가 높았으며, 가을과 겨울에는 국물이 있 고 따뜻한 음식의 빈도수가 높았다. 또한, 외식업체에서 계절식품으로 판매하는 냉면, 콩국수 등과 같은 식품의 빈 도수도 계절성을 가지는 것으로 확인되었다. 이러한 결과 는 소비자들이 일반적으로 자주 섭취하는 식품의 영양정 보에 관심을 가지는 패턴을 확인할 수 있었으며, 소비 트 렌드와 간접적인 연관성을 가진다는 점에서 외식업계에서 계절별 마케팅 전략 수립 시 기초 자료로 활용될 수 있을 것으로 기대된다.

PURPOSES : Traffic volume, an important basic data in the field of road traffic, is collected from traffic survey equipment installed at certain locations, which sometimes results in missing traffic volume data and abnormal detection. Therefore, this study presents various missing correction techniques using traffic characteristic analysis to obtain accurate traffic volume statistics. METHODS : The fundamental premise behind the development of a traffic volume correction and prediction model is to set the corrected data as the reference value, and the traffic volume correction and prediction process for the outliers and missing values in the raw data were performed based on the set values. RESULTS : The simulation results confirmed that the algorithm combining seasonal composition, quantile AD, and aggregation techniques showed a detection performance of more than 91% compared with actual values. CONCLUSIONS : Raw data collected due to difficulties faced by traffic survey equipment will result in missing traffic volume data and abnormal detection. If these abnormal data are used without appropriate corrections, it is difficult to accurately predict traffic demand. Therefore, it is necessary to improve the accuracy of demand prediction through characteristic analysis and the correction of missing data or outliers in the traffic data.

PURPOSES : The purpose of this study was to evaluate the common performance of asphalt pavements, determine the timing of preventive maintenance, and determine the optimal timing of application of the preventive maintenance methods by analyzing PMS data. METHODS : Using PMS data on asphalt pavement performance on highways, we derived the major damage factors and evaluated them according to the public period and traffic level. Among the factors evaluated, we determined those that could be improved by preventive maintenance, calculated the amount of change annually, and derived the timing of the application of the preventive maintenance method through correlation analysis. RESULTS : Among highway PMS data factors, crack variation was found to affect preventive maintenance, which increased rapidly after five years of performance. Traffic analysis showed that changes increased rapidly in the fifth, sixth, and seventh years when AADT exceeded 20,000, exceeded 10,000, and was under 10,000, respectively. Analysis of the amount of crack variation according to the pavement type showed that crack variation increased rapidly in the overlay section compared to the general AP section. CONCLUSIONS : Crack variation is the performance factor that was expected to be effective in preventive maintenance, and the PMS data showed that the initial application time of the preventive maintenance method varied by one year, depending on the traffic volume.

The construction industry stands out for its higher incidence of accidents in comparison to other sectors. A causal analysis of the accidents is necessary for effective prevention. In this study, we propose a data-driven causal analysis to find significant factors of fatal construction accidents. We collected 14,318 cases of structured and text data of construction accidents from the Construction Safety Management Integrated Information (CSI). For the variables in the collected dataset, we first analyze their patterns and correlations with fatal construction accidents by statistical analysis. In addition, machine learning algorithms are employed to develop a classification model for fatal accidents. The integration of SHAP (SHapley Additive exPlanations) allows for the identification of root causes driving fatal incidents. As a result, the outcome reveals the significant factors and keywords wielding notable influence over fatal accidents within construction contexts.

본 연구는 참가자 간 표상 유사성 분석(intersubject representation similarity analysis: IS-RSA)을 이용하여 3개의 선행연구에서 얻어진 데이터의 참가자 반응 일치성 패턴을 확인하고 각 실험의 정서 조건 간 차이가 있는지 살펴보 았다. 3개의 실험은 각각 ASMR 자극, 시각 및 청각 자극, 시계열적 정서 동영상 자극을 사용하였으며 각 실험의 조건에 맞게 정서 평정치와 생리측정치를 측정하였다. 참가자 간 표상 유사성 분석을 계산하기 위해서 각 실험에 있는 각 자극에 대한 참가자들의 측정치를 쌍별로 피어슨 상관계수를 구하였다. 실험의 조건 간 비교를 위해 분산분 석과 평균을 비교하였다. 연구 결과, ASMR과 시각 및 청각 데이터의 참가자 간 반응의 일치성은 시계열적 정서 동영상 참가자들 반응의 일치성에 비해 일관적이었다. ASMR 실험은 긍정 자극에서 참가자 간 반응의 일치성이 높았다. 청각 및 시각 실험은 높은 각성수준과 시각 자극에서 참가자들의 반응 일치성이 높았다. 본 연구 결과는 생리 적, 행동적 반응에 대한 측정치의 IS-RSA가 다차원적인 데이터의 정보를 요약하여 제시하며 이를 하나의 분석 데이 터로 변환 가능하다는 것을 확인하였다. 이를 통해, IS-RSA가 참가자들의 반응 일관성에 대한 전반적인 정보를 제시 할 수 있는 새로운 분석 방법으로의 가능성을 제시하였다.

본 연구에서는 코로나 이후 색조화장품 시장의 소비자들의 온라인 관심 정보에 대한 자료 수집 을 통하여 색조화장품 정보 검색의 특성과 텍스트 마이닝 분석 결과에 나타난 코로나 이후 색조화장품 시 장의 주요 관심정보들을 분석하고자 하였다. 실증분석에서는 “색조화장품” 이라는 단어를 포함하는 뉴스, 블로그, 카페, 웹페이지 등의 모든 문서들을 분석 대상으로 텍스트 마이닝을 수행하였다. 분석 결과 코로나 이후 색조화장품에 대한 온라인 정보 검색은 주로 구매 정보와 피부와 마스크 관련 화장법 등에 관한 정보 와 관심 브랜드와 행사 정보 등의 주요 토픽이 주를 이루고 있었다. 결과적으로 코로나 이후 색조화장품 구매자들은 적극적인 온라인 정보 검색을 통하여 제품 가치와 안전성, 가격 혜택, 매장 정보 등의 구매 정 보에 더욱 민감하게 될 것이므로 이에 대한 대응전략이 요구된다.

It is very important to measure and analyze various driving performance in the vehicle development stage. Particularly in racing vehicles, analysis of driving characteristics on various courses is very important, and data measurement and analysis technology using actual measurement equipment are widely used in racing strategies. In this paper, we present an analytical approach using vehicle acceleration, which is relatively easy to measure among various factors. Measured acceleration data is used to analyze optimal driving performance.

The wide application of digital media technology in fashion shows has become the epitome of the development and innovation of today's fashion industry, enabling designers to break through the constraints of time and space, changing the performance of today's fashion shows, and making them present unprecedented new features. With the development of information technology, the integration of emerging digital technology and the fashion industry is accelerating. So far, separate studies have been carried out in various academic fields on the combination of Metaverse and NFT, but the current status and nature of relevant research are still incomplete. Furthermore, the current research on virtual fashion shows and NFT in China's apparel industry is limited. The purpose of this study is to investigate the influence of digital fashion marketing stimulation on consumer brand attitudes using the stimulation-organ-response (SOR) framework model. By analyzing 77 cases of virtual fashion shows in China, this study obtained antecedent variables and designed a research model. An online sample of 300 Chinese Gen Z consumers was collected and analyzed using SPSS and FSQCA. This research hopes to provide valuable information for the sustainable development of China's fashion industry, and to help Chinese fashion brands confirm the future market development direction of Metaverse and NFT.