중앙버스전용차로는 일반 도로 대비 높은 교통량과 반복적인 축하중이 작용하는 구간으로, 정차 및 출발 과정에서 발생 하는 국부적인 응력 집중으로 인해 포장 파손이 빈번하게 발생한다. 그러나 기존 도로 설계에서는 정적인 교통량을 기준 으로 축하중을 산정하여, 실제 교통 환경에서의 버스 유형별 차이, 재차 인원, 시간대별 하중 변화 등 동적인 요소를 충 분히 반영하지 못하는 한계가 존재한다. 이에 본 연구에서는 대중교통 빅데이터를 활용하여 중앙버스전용차로의 버스 유 형 및 시간대별 재차 인원을 반영한 새로운 축하중 산정 모델을 개발하였다. 이를 위해 서울시 열린 데이터 광장의 교통 정보를 활용하여 버스 유형 및 시간대별 재차 인원 데이터를 수집하고, 카카오맵 및 네이버 로드뷰 데이터를 이용해 결 측치를 보완하여 데이터셋을 구축하였다. 구축된 데이터셋을 활용하여 기존 ESAL(Equivalent Single Axle Load) 방식과 비교 분석한 결과, 새로운 축하중 모델에서는 기존 방식 대비 평균 111.8% 높은 축하중이 산정되었으며, 일부 구간에서 는 최대 128.9%까지 차이가 발생하는 것으로 나타났다. 이는 기존 포장 설계가 중앙버스전용차로의 실질적인 교통 하중 을 충분히 반영하지 못하고 있음을 시사하며, 추가적으로 버스 중하중의 가·감속의 영향을 고려한다면, 시간대별·노선별 실시간 축하중 변화를 보다 정밀하게 분석할 수 있으며, 이를 통해 과소 산정된 설계 하중을 보완하고 포장 공용성을 향 상시킬 수 있는 최적의 설계 및 유지보수 전략 수립이 가능할 것으로 기대된다.

2024년 기준으로 서울특별시의 자전거 이용률과 자전거 도로 인프라가 모두 증가하는 경향을 보이고 있는 반면 자전거 사고건수 및 자전거 사고로 인한 사망자수와 중상자수는 매년 감소하고 있는 추세를 보이고 있어 현행 자전거 관련 안전 정책이 어느 정도 실효성 이 있음을 시사한다. 그러나 중상 및 사망사고는 여전히 지속적으로 발생하고 있어 이에 대한 효과적인 정책이 필요한 상황이지만 현 재 국내 자전거 안전 정책은 사고 예방에만 집중되어 있어 사고의 특성을 종합적으로 반영하지 못한다는 큰 문제점이 있다. 이에 본 연구는 서울특별시 자전거 사고 데이터를 기반으로 자전거 도로 유형별로 서로 다른 값의 가중치를 부여하여 자전거 도로 자체의 특 성을 반영한 사고 심각도를 산출하고, 사고 심각도와 사고 건수를 각각 표준화하여 단위를 통일한 후 이를 통합한 종합적 사고 위험 도 점수를 도출하는 방법론을 사용하였다. 본 연구의 목적은 실제 서울특별시의 공유자전거 사고데이터를 활용하여 자전거 도로 유형 에 따라 사고 심각도와 사고 건수를 종합적으로 고려한 사고 위험도 지표를 개발하는 방법론을 제안하고, 이를 자전거 위험도 분석 및 도로 유형별 맞춤형 안전 대책 마련을 위한 정책적 근거로 제공할 수 있도록 그 기준을 검토하는 것이다. 데이터수집의 경우, 2021 년~2023년 3년간 서울특별시에서 발생한 자전거 교통사고 데이터와 자전거 교통사고가 발생하는 지점의 도로 유형, 경사, 노면상태 등 자전거 도로 인프라 자체적 특성과 자전거 사고 발생 시 기상상황 등 환경적 특성이 포함된 자전거 사고 발생 도로환경요인 데이터를 확보하였다 분석방법론의 경우, 자전거 교통사고에 영향을 미치는 다양한 요인들을 계층적으로 고려하기 위한 방법론인 Hierarchical Modeling을 적용하였으며, 3개의 계층으로 구성된 프레임워크를 구축하여 사고 심각도, 자전거 도로 유형별 사고 심각도를 반영한 공 간 위험도, 종합적 사고 위험도 점수를 체계적으로 도출하였다. Level 1에서는 사고 데이터를 기반으로 사고 심각도를 정량화하고, 도 로 유형에 따른 가중치를 적용하여 사고 심각도를 평가하였다. Level 2에서는 MCAR(Model for Conditional Autoregressive Effects) 모델 을 활용하여 시공간적 상관성을 반영하고, 이를 바탕으로 도로 유형별 사고 심각도를 조정하였다. Level 3에서는 Level 2에서 도출된 도로 유형별 사고 심각도 점수에 사고 발생 빈도를 반영하여 최종적인 종합 사고 위험도 점수를 산출하고, 안전 정책 적용이 시급한 지점을 도출하였다. 향후에는 머신러닝 기반의 예측 모델을 활용하여 도출된 종합적 사고 위험도 점수와 비교 분석할 예정이다.

This study aimed to develop a comprehensive validation methodology for an Infra-guidance system, which is an infrastructure-based service aimed at enhancing the safety of autonomous driving. The proposed method includes quantitative techniques for validating both the Infra-guidance algorithm module and the guidance message module using each optimal indicator. In addition, a promising method is suggested to validate the entire system by applying a multicriteria decision methodology. The relative weight for the algorithm module was higher than relative weight for the message module. Moreover, the relative weight of the latency for the message module was slightly higher than weight of the packet error rate. The proposed methodology is applicable for validating the performance of infrastructure-based services for enhancing connected autonomous driving based on the comprehensive quantification of various factors and indicators.

본 논문에서는 저 레이놀즈 수 영역에서 에어포일의 공기역학적 성능을 예측하기 위한 딥러닝 기반의 축소 모델을 제시하였다. 딥 러닝 기반 축소 모델에서 CFD 해석 결과의 높은 차원의 데이터를 효율적으로 다루기 위해 변이형 오토인코더를 결합한 합성곱 신경 망을 적용하였다. 부호화 거리 함수를 통해 에어포일의 형상과 유동 조건을 이미지 데이터화 하고, 이에 대해 합성곱 신경망을 매개변 수화 하였다. 또한, 전산유체역학 해석의 계산 비용으로 인한 부족한 훈련 데이터를 극복하기 위해 투영 기반의 비선형 매니폴드 데이 터 증강기법을 개발하였다. NACA 4계열 에어포일은 해석 예제로 고려하여 제안하는 프레임워크의 내삽과 외삽 정확도를 평가하였 으며 매니폴드 데이터 증강기법을 적용하여 프레임워크의 정확도 향상을 확인하였다.

To mitigate carbon emissions, the government aims to transition to renewable energy sources including hydrothermal energy, specifically through wastewater heat recovery. This process involves extracting heat from wastewater or treated water. However, assessments of demand sources for local cooling and heating have predominantly focused on the proximity of nearby facilities, without conducting comprehensive demand analyses or defining explicit supply areas. This study proposes a methodology for prioritizing suitable wastewater treatment plants (WWTPs) for the implementation and expansion of renewable energy. The methodology is based on the gross floor area of potential wastewater heat demand surrounding WWTPs. Initially, potential supply and demand sources were identified based on the capacity of WWTPs and the gross floor area of buildings capable of utilizing wastewater heat. In the Republic of Korea, 330 WWTPs with a capacity of 5,000 m3/day or more have been recognized as demand sources for wastewater heat recovery. The provision of treated wastewater to structures located within a 500 m radius of the WWTPs for heat recovery is considered a feasible option. The potential wastewater heat demand and renewable energy cluster were identified among the surrounding buildings and complexes A total of 13 potential supplies were identified, provided that the gross floor exceeded 60,000 m². Finally, after prioritizing based on WWTPs with these conditions, the underground plant located in the downtown area was ranked as the highest priority. If further analysis of economic feasibility, CO2 reduction, and energy efficiency are conducted, this approach can be expanded and applied within the framework the Water-Energy Nexus. Wastewater heat can be utilized not only as a renewable energy source but also as a means to enhance wastewater reuse through the supply of treated wastewater.

2022년 국내에서 이태원 참사라는 대형 인파사고가 발생한 이래로 인파밀집 현상이 수시로 발생하고, 인파가 이동할 수 있는 방향이 한정되어 있는 도시철도 역사내 대기공간의 인파밀집 문제가 심각하게 대두됨에 따라 인파밀집에 대한 모니터링 및 관리에 대한 중요 성이 커졌다. 이러한 문제사항을 해결하기 위해 영상분석에서 개별 객체의 수를 파악하여 인파의 밀집도를 파악한 연구들은 많이 이 루어졌으나 객체 간의 중첩으로 인해 검지 정확도가 떨어진다는 단점이 존재한다. 따라서 본 연구는 개별 객체를 검지하는 방식이 아 닌 Semantic Segmentation 기법 중 사전에 라벨링이 된 이미지들을 활용하는 지도학습 방식을 사용하여 밀집된 인파의 영역과 그렇지 않은 영역을 구분하고, 관심영역(ROI) 전체 공간 대비 인파가 차지하고 있는 영역의 점유율을 산출하여 혼잡도를 파악하는 방법을 적 용하였다. 본 연구의 목적은 도시철도 역사 내 대기공간의 인파의 밀집도를 점유율을 이용하여 산출하는 방법론을 만들고, 이를 혼잡 도를 나타내는 지표(MOE)로 적용할 수 있도록 그 기준을 검토하는 것이다. 데이터수집의 경우, 첨두시간대에 지하철 2호선 교대역의 대기공간인 대합실을 촬영한 CCTV 영상 데이터를 확보하여 이를 10fps 단위로 분할한 이미지들을 사용하였다. 이후 각 서비스수준별 (LOS A~F)로 다양한 이미지들에 대하여 인파에 해당하는 부분과 그렇지 않은 부분을 라벨링하였다. 분석방법론의 경우, 지도학습 기 반의 Semantic Segmentation 기법을 적용하여 대상 이미지들 전체에 대해서 인파와 인파가 아닌 부분을 구분하도록 이미지를 가공하였 으며, 이미지에 ROI를 설정하여 “전체 ROI 대비 인파 점유 공간의 비율”에 해당하는 점유율을 계산하였다. 여기서 인파와 인파가 아 닌 부분의 원활한 구분을 위해 픽셀 단위로 학습을 하며, 사전에 라벨링이 된 이미지들을 학습하는 모델을 적용하는게 본 연구에 적 합하다고 판단하여 해당 분석 기법을 사용하였다. 모든 이미지들의 점유율을 도출한 후 전체 결과를 Classification 기법을 활용하여 인 파 혼잡도의 서비스수준을 나타내는 현행 지침과 동일하게 6단계로 구분하였으며, 각 단계를 구분하는 경계값에 해당하는 점유율 역 시 도출하였다. 최종적으로 분할된 이미지들을 합쳐 영상에서 연속적인 인파분석 기법을 적용할 수 있도록 하였다. 향후에는 test dataset을 할용하여 해당 인파분석 기법의 적정성을 검토할 예정이며, 객체 검지 방식을 사용하는 기존의 모델과 성능을 비교하여 해당 기법의 우수성을 검토할 예정이다. 본 연구가 새로운 방식의 인파 혼잡도의 서비스수준 기준을 제공하는 모델을 개발하는 것을 목적 으로 함에 따라 실제 현장에 이 방법론을 적용할 시 인파밀집사고 예방 및 관리에 기여할 수 있을 것이다.

Distribution and logistics industries contribute some of the biggest GDP(gross domestic product) in South Korea and the number of related companies are quarter of the total number of industries in the country. The number of retail tech companies are quickly increased due to the acceleration of the online and untact shopping trend. Furthermore, major distribution and logistics companies try to achieve integrated data management with the fulfillment process. In contrast, small and medium distribution companies still lack of the capacity and ability to develop digital innovation and smartization. Therefore, in this paper, a deep learning-based demand forecasting & recommendation model is proposed to improve business competitiveness. The proposed model is developed based on real sales transaction data to predict future demand for each product. The proposed model consists of six deep learning models, which are MLP(multi-layers perception), CNN(convolution neural network), RNN(recurrent neural network), LSTM(long short term memory), Conv1D-BiLSTM(convolution-long short term memory) for demand forecasting and collaborative filtering for the recommendation. Each model provides the best prediction result for each product and recommendation model can recommend best sales product among companies own sales list as well as competitor’s item list. The proposed demand forecasting model is expected to improve the competitiveness of the small and medium-sized distribution and logistics industry.

세계 각국은 온실가스 배출을 줄이기 위하여 활발한 노력을 하고 있다. 한국도 노후화된 석탄발전을 폐지하고 LNG 발전으로 전환하는 정책을 추진하고 있다. 그러나, 한국은 가스터빈 제작 기술이 국산화되지 않아서 해외 제작사로부터 전량 수입하여 설치하고 있다. 따라서, 본 논고에서는 가스터빈 발전산업에 대한 국내·외 환경을 살펴보고, 이를 기반으로 PEST-SWOT-AHP 방법론을 적용하여 한국형 가스터빈 기술개발 및 보급 확대 추진전략을 제안하였다. 연구결과, 한국형 가스터빈 기술개발과 보급 확대 전략은 1) 가스터빈 기술개발 및 사업화 촉진을 위한 발전공기업의 역할 강화, 2) 온실가스 감축을 위한 LNG 발전 비중 확대, 3) 정부의 적극적인 가스터빈 산업 생태계 조성 노력, 4) LNG 발전소 건설에 대한 국민 공감대 형성 등으로 요약할 수 있다.

PURPOSES : This study is to develop an comprehensive validation methodology for autonomous mobility-on-demand system with level 4 automated driving system. METHODS : The proposed method includes the quantitative techniques for validating both automated driving system and center system using each optimal indicators. In addition, a novel method for validating the whole system applying multi-criteria decision methodology is suggested. RESULTS : The relative weights for the vehicle system was higher than the center systems. Moreover, the relative weights of failure rate for validating the vehicle system was the highest, in addition to, a relative weight for accuracy of dynamic routing algorithm within center system was the highest. CONCLUSIONS : The proposed methodology will be applicable to validate the autonomous mobility on demand system quantitatively considering the relative weights for each systems.

PURPOSES : The purpose of this study is to derive dropout rates according to various international roughness index (IRI) specifications using ProVAL, develop a comparative methodology, and indirectly assess the level of road management in each country. METHODS : Based on a literature review, the IRI specifications for each country were collected, and the ProVAL analysis tool was used to compare and analyze dropout rates according to each specification. Thus, the dropout rate rankings for each country were calculated. Additionally, by analyzing the correlation between dropout rates according to each threshold, a model was created to convert the threshold between the most commonly used baseline distances of 100 m and 161 m. RESULTS : Dropout rates were derived according to the standards of each country and rankings were assigned. Comparing 51 standards, the IRI level of New Mexico appeared to be the highest, whereas the domestic specifications ranked 36th. A model was created to convert the threshold between the standard distances of 100 m and 161 m. CONCLUSIONS : This study objectively assessed the roughness standards in various countries using the dropout rate and IRI ranking specifications. The highest specification was found for the asphalt of New Mexico in the USA, with the domestic specification ranking 36th. A model that converts the thresholds between the most commonly used baseline distances of 100 m and 161 m was developed, with slight differences across sections. For a precise conversion, individual models may be required for each section.

Gate valves are hydraulic components used to shut-off the water flow in water distribution systems. Gate valves may fail owing to various aspects such as leakage through seats, wearing of packing, and corrosion. Because it is considerably challenging to detect valve malfunctioning until the operator identifies a significant fault, failure of the gate valve may lead to a severe accident event associated with water distribution systems. In this study, we proposed a methodology to diagnose the faults of gate valves. To measure the pressure difference across a gate valve, two pressure transducers were installed before and after the gate valve in a pilot-scaled water distribution system. The obtained time-series pressure difference data were analyzed using a machine learning algorithm to diagnose faults. The validation of whether the flow rate of the pipeline can be predicted based on the pressure difference between the upstream and downstream sides of the valve was also performed.

This study set up the revenue water ratio that could be achieved within the range of the expenses of the water distribution network maintenance project, developed an analysis methodology that could estimate the additional project quantity to achieve the target revenue water ratio of 85% and applied and verified that to S. City. This methodology allowed the distribution of the leakage quantity for each leakage component by the pipeline through the total revenue water account balance analysis and BABE approach and the redistribution into the calculated leakage quantity more accurately through a step test. In addition, the level of reduction in leakage and the quantity of the project were estimated before and after the application of four strategies for the promotion of the revenue water ratio presented by IWA, according to the leakage components by the pipeline. As a result of the application of this analysis method to S. City, it would be possible to achieve up to the revenue water ratio of 81.0%, which was 74.7% in the beginning, if the water distribution network maintenance project was promoted within the range of the project expenses, and to achieve the revenue water ratio of 85.0%, the goal of the project, it would be necessary to replace the pipeline of 22.2% of the entire pipelines in the target area. As a result of the re-estimation of the revenue water ratio achievable, applying the actual water distribution network maintenance quantity in the scope of the business with the results of this analysis, the revenue water ratio was 81.7% while the actually measured revenue water ratio was 82.3%. Thus, the reliability of this analysis method could be secured to some extent.

본 논문에서는 국내 최초로 건축구조기준(KBC 2016)에 기반하여 확률적 영역에서 초과손상확률 형태와 평균손상확률 형태 의 강풍 취약도 평가 방법론을 개발하였다. 본 연구에서는 풍하중에 대한 3초 순간풍속의 영향을 고려할 수 있는 풍하중 산정식을 건 축구조기준을 기초로 유도하였다. 또한 풍하중과 관련된 문헌을 기초로 유도된 3초 순간풍속 기반의 풍하중 산정식에 적용할 수 있는 풍하중 산정계수의 통계치를 제시하였다. 본 연구에서는 초과손상확률 형태와 평균손상확률 형태의 강풍 취약도를 평가하기 위하여 몬테카를로 모사(Monte Carlo Simulation) 기법을 이용하여 해석적 확률 모델을 개발하였다. 제안한 강풍 취약도 평가 방법론의 신뢰 성은 저층 건축물 모형의 지붕 쉬딩 패널 시스템(roof sheathing panel system)을 대상으로 ASCE(American Society of Civil Engineers) 풍하중 기준을 적용한 취약도 평가 방법론의 결과와 비교·검증되었다. 본 연구는 국내 건축구조기준의 풍하중 산정식을 이용하여 강 풍 취약도의 평가 방법론을 보이며, 제안된 방법론에 의한 강풍 취약도는 기존 ASCE 기반 방법론의 결과와 비교하여 작은 오차 범위 내에서 잘 일치함이 확인되었다. 본 연구에서 제시한 강풍 취약도 평가 방법론은 자연재해저감계획 등에 따른 강풍 피해 예측 시 취약 도 구축 방법으로 적용될 수 있을 것으로 판단된다.

AI가 시장의 패러다임을 바꾸는 새로운 혁신 기술로 주목받고 있다. 기업은 AI 의 기술적 이점이 잘 반영되면서 동시에 시장의 수요를 충족하는 방법을 적용하여 신제품을 개발해야 한다. 하지만 업계에는 이러한 요건을 충족하는 방법론이 부재하다 보니 기업들은 기존 제품개발 방법론을 이용해 AI 기반 제품개발을 추진하고 있다. 이로 인해 AI의 기술적 이점이 충분히 반영되지 못하거나 AI의 기술적 잠재성이 시장 가치로 연결되지 못하게 된다. 이러한 한계를 극복하기 위해 이 연구는 AI 기반의 신제품을 개발하기 위한 새로운 방법론을 제시한다. AI 혁신이 기존 방식과 다른 차별적 속성을 확인하고, 이러한 속성이 반영된 제품 설계 프로세스와 방법론을 제시한다. 이 연구는 AI 제품개발이 양손잡이 접근(Ambidexterity approach)을 지향해야 함을 강조하며, 테크놀로지 푸시(Technology push) 기반의 아이디어 생성, 마켓 풀(Market pull) 기반의 소비자 요구조건 분석, 제품 설계 구체화 등을 포함하는 AI 기반 제품의 설계(Design) 프로세스 및 구체적인 개발 방법을 제안했다. 이 방법론의 현 실 적용 가능성을 검증하기 위해 사례연구를 실시, AI 기반의 차량용 인포테인먼트 시스템 개발 전략을 도출한다. 기술적 가능성에 기반하여 13개의 혁신 아이디어를 생성했고, 카노 (KANO) 분석과 TOPSIS의 결합에 의한 소비자 요구조건 분석을 통해 총 6개의 신제품 개 발 전략을 도출했다. 이 연구제서 제안하는 방법론은 기업이 AI 기반의 혁신제품을 통해 신 시장을 개척하거나 기존 제품의 고도화를 통해 시장 확장을 펼치는 데 유용하게 활용될 수 있다.