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.

PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

PURPOSES : This study defines private and public service providers connected to a public data hub in a smart city and examines the information that should be exchanged between them. The information exchange scheme covers data exchange at a minimum level. METHODS : First, we reviewed the entities participating in the emergency charging service and designed the scope of information linkages between the entities. Second, we diagnosed the main information linkages according to a service flowchart. Third, we reviewed the basic information requirements linked to actors participating in the service. Finally, we derived and presented information linked to the subjects. RESULTS : In addition to the basic requirements, the number of data-exchange information sets specified was four, which was the scope of the aforementioned study. We defined and analyzed an efficient information exchange system between various actors involved in emergency charging services. Data were defined based on interactions between service users, operators, providers, and data hubs. Each set had a different scope and purpose. CONCLUSIONS : Information collected and provided by emergency charging service providers in connection with a data hub that manages urban energy was proposed.

PURPOSES : We propose a framework to evaluate the reliability of integrating homogeneous or heterogeneous mobility data to produce the various data required for greenhouse gas emission estimation. METHODS : The mobility data used in the framework were collected at a fixed time from a specific point and were based on raster data. In general, the traffic volume for all traffic measurement points over 24 h can be considered raster data. In the future, the proposed framework can be applied to specific road points or road sections, depending on the presence or absence of raster data. RESULTS : The activity data required to calculate greenhouse gas emissions were derived from the mobility data analysis. With recent developments in information, communication, and artificial intelligence technologies, mobility data collected from different sources with the same collection purpose can be integrated to increase the reliability and accuracy of previously unknown or inaccurate information. CONCLUSIONS : This study will help assess the reliability of mobility data fusion as it is collected on the road, and will ultimately lead to more accurate estimates of greenhouse gas emissions.

Until now, research on consumers’ purchasing behavior has primarily focused on psychological aspects or depended on consumer surveys. However, there may be a gap between consumers’ self-reported perceptions and their observable actions. In response, this study aimed to investigate consumer purchasing behavior utilizing a big data approach. To this end, this study investigated the purchasing patterns of fashion items, both online and in retail stores, from a data-driven perspective. We also investigated whether individual consumers switched between online websites and retail establishments for making purchases. Data on 516,474 purchases were obtained from fashion companies. We used association rule analysis and K-means clustering to identify purchase patterns that were influenced by customer loyalty. Furthermore, sequential pattern analysis was applied to investigate the usage patterns of online and offline channels by consumers. The results showed that high-loyalty consumers mainly purchased infrequently bought items in the brand line, as well as high-priced items, and that these purchase patterns were similar both online and in stores. In contrast, the low-loyalty group showed different purchasing behaviors for online versus in-store purchases. In physical environments, the low-loyalty consumers tended to purchase less popular or more expensive items from the brand line, whereas in online environments, their purchases centered around items with relatively high sales volumes. Finally, we found that both high and low loyalty groups exclusively used a single preferred channel, either online or in-store. The findings help companies better understand consumer purchase patterns and build future marketing strategies around items with high brand centrality.

본 연구에서는 국내 아스팔트 도로 현장에서 발생한 동절기 도로융기 현상의 발생 원인을 현장 규명하고 동결융해 피해를 보수하고 자 현장조사, 현장 LFWD실험 및 포장 코어채취, 지하수위 측정, 기상데이터 및 설계자료 분석 등을 실시하였다. 본 연구의 동상 원인 분석은 추후 동결융해 피해 재발방지를 위한 적정한 보수보강공법을 선정하기 위해 수행하였다. 분석과정은 지하수위 상승에 의한 동 상피해 가능성, 동결깊이 과소설계에 의한 동결융해 가능성, 포장면 표면수 유입에 의한 동결융해 가능성, 도로 외측 비포장면을 통한 수분유입과 이에 의한 동결융해 가능성으로 조사하여 동상 원인을 파악하였다. 또한 현장에서 소형충격 재하시험 LFWD(Falling Weight Deflctometer)시험을 하여 포장의 구조적 지지력을 측정하여 얻은 처짐값을 통해 포장체 구조적 능력을 분석함과 동시에 도로융기와의 연관성을 파악하여 균열분석 결과를 함께 분석하고 보수방법을 제안하였다.

자율주행차 상용화 시대를 가속화하기 위해 실제 도로에서 다양한 실증 프로젝트를 수행중이다. 그러나, 자율주행차와 비자율주행차 가 혼재된 혼합교통류 환경에서 발생할 수 있는 다양한 문제의 원인을 파악하고 선제적인 안전대책을 강구하는 노력은 미비한 실정이 다. 특히, 기존 비자율주행차 측면의 주행안전성을 고려하여 설계된 도로 시설 특성으로 인해 자율주행차의 주행안전성이 저하될 수 있다. 또한 기존 비자율주행차의 주행안전성을 저해함과 동시에 자율주행차의 주행안전성도 저해하는 도로 시설 특성이 존재할 가능 성이 있다. 본 연구에서는 상암 자율주행차 시범운행지구에서 수집된 automated vehicle data (AVD)를 활용하여 자율주행차와 비자율주 행차의 주행안전성을 평가하고 도로 시설 특성 측면의 영향요인을 도출하였다. 주행모드별 주행안전성 평가를 위해 autonomous emergency braking system (AEBS) 위험 이벤트 기반의 driving risk index (DRI)를 개발하였다. 구간별 DRI가 발생하지 않은 구간을 very good으로 정의하고 발생한 구간을 25 percentile로 구분하여 good, moderate, poor, very poor 등급으로 정의하여 총 5개의 등급으로 구분 하였다. 또한, 현장조사을 수행함으로써 구간별 포함되어 있는 도로 시설 특성을 수집하였다. 주행모드별 주행안전성에 영향을 미치는 도로 시설 특성을 도출하기 위해 이항로지스틱 회귀분석을 수행하였다. 종속 변수의 경우 DRI 기반 안전등급 중 poor 이상 등급을 1, 그 외의 등급을 0으로 정의하였으며, 독립변수의 경우 현장조사를 통해 수집된 교차로 유형, 차로 수, 차로 폭, 추가차로 유무, 차량 진행방향, 불법주정차 유무, 버스정류장 유무, 자전거 차로 유무에 대해 명목형 변수로 설정하였다. 도출된 주행모드별 주행안전성 영 향 요인을 검토하고 향후 자율주행차 시대에 대비하여 선제적으로 개선이 요구되는 도로 시설 특성을 도출하고 도로 운영성 및 효율 성, 안전성 측면의 개선 방향을 제시하였다.

빠르게 발전하는 이미지 인식 기술에도 불구하고 표 형식의 문서와 수기로 작성된 문서를 완벽하게 디지털화하기에는 아직 어려움이 따른다. 본 연구는 표 형식의 수기 문서인 선박 항해일지를 작성하는 데에 사용되는 규칙을 이용하여 보정 작업을 수행함으로 써 OCR 결과물의 정확도를 향상시키고자 한다. 이를 통해 OCR 프로그램을 통하여 추출된 항해일지 데이터의 정확성과 신뢰성을 높일 것 으로 기대된다. 본 연구는 목포해양대학교 실습선 새누리호의 2023년에 항해한 57일간의 항해일지 데이터를 대상으로 OCR 프로그램 인 식 후 발생한 오류를 보정하여 그 정확도를 개선하고자 하였다. 이 모델은 항해일지 기재 시 고려되는 몇 가지 규칙을 활용하여 오류를 식별한 후, 식별된 오류를 보정하는 방식으로 구성하였다. 모델을 활용하여 오류를 보정 후, 그 효과를 평가하고자 보정 전과 후의 데이터 를 항차별로 구분한 후, 같은 항차의 같은 변수끼리 비교하였다. 본 모델을 활용하여 실제 셀 오류율은 약 11.8% 중 약 10.6%의 오류를 식 별하였고, 123개의 오류 중 56개를 개선하였다. 본 연구는 항해일지 중 항해정보를 기입하는 Dist.Run부터 Stand Course까지의 정보만을 대 상으로 수행하였다는 한계점이 있으므로, 추후 항해정보 뿐만 아니라 기상정보 등 항해일지의 더 많은 정보를 보정하기 위한 연구를 진 행할 예정이다.