국제적으로 선박의 온실가스 배출 감소 요구가 증가함에 따라 어선에서의 탄소배출량 저감 역시 중요한 과제가 되었다. 특 히 2023년 기준 국내의 어선 64,233척 중 60,272척이 총톤수 10톤 미만의 소형어선인 점을 고려할 때, 전기추진설비의 안전한 소형어선 적용을 위한 법제 정비가 필요하다. 본 연구는 노르웨이 해사청의 소형 선박 배터리 시스템 안전 규정을 검토하고 국내의 기준인 「전 기추진 선박기준」과 어떠한 차이점이 있는지를 비교·분석하였으며, 이러한 연구를 통해 열폭주 확산 시험의 강화와 절연 성능이 인증 된 냉각수의 사용, 배터리실 내의 배관과 소화전, 환기설비에 대한 각종 요건과 소화설비의 해수 사용을 금지하는 요건 등 소형어선에 서의 안전한 배터리시스템 사용을 위한 관련 법령의 정비 방안을 제안하였다.

해상풍력자원지도는 풍력발전사업, 국가 재생에너지 공급 정책, 전력계통망 계획의 핵심자료이다. 본 연구에서는 풍력자원 해석기술의 개발 동향을 검토하고 시사점을 논의하였다. 국가별 해상풍력자원지도 개발하여 활용하고 있는 대표적인 국가는 유럽연합 (덴마크), 미국, 그리고 일본이며, 이들을 중심으로 풍력자원지도 생산 기술 및 활용 현황을 분석하였다. 기본적으로 풍력자원지도의 품 질 향상을 위해 수치해석 기술을 업그레이드 해오고 있다. 이들의 개발 전략은 앙상블 중규모 수치해석과 중규모-미세규모 모델의 커 플링이었고 그 외 모델내 물리해석기법들의 적용은 지역마다 다른 것으로 확인되었다. 따라서 최근 진보된 수치모델을 도입하고 우리 나라 풍황 특성을 고려하여 최적의 실험디자인을 도출해야 할 것으로 보인다. 특히 300 m부근의 대기경계층에서의 연직고도의 상세 한 반영은 공통점으로, 이는 대형화된 풍력터빈을 고려하여 최적의 풍력발전소 후보지 발굴에 적합하도록 장기간의 풍황정보를 정확 하게 제공하기 위한 제안사항인 것으로 보인다.

본 연구는 독일, 영국, 호주의 선진 사례를 바탕으로 국내의 스포츠를 통한 국제개발협력의 질적 고도화를 위한 정책적 시사점을 도출하는 데 목적이 있다. 복합적 자료 수집을 기반으로 각국의 관련 정책과 주요 프 로그램에 대해 질적 문헌 분석을 수행하였다. 각국은 중장기정책 및 프 레임워크를 통해 스포츠를 통한 국제개발협력의 방향과 세부 과제를 제 시하고 UN의 SDGs 이행과 국익에 부합하는 프로그램을 실행한다. 또 한, 상이한 거버넌스를 바탕으로 공여국, 파트너 조직 및 지역사회와의 긴밀한 협력 속에서 수요자 중심의 프로그램을 제공한다. 따라서, 한국은 외교부와 KOICA를 중심으로 다양한 이해관계자와의 협력적 거버넌스 체 계를 구축하고 SDGs 달성을 위한 정책 수립이 필요하다. 마지막으로 수 원국과 그 지역사회의 관심사에 초점을 맞추고 현지화를 고려한 수요자 중심의 프로그램을 발굴하는 것이 바람직하다.

본 연구에서는 대파의 가락시장 도매가격을 이용하여 기존 시계열 모형인 ARIMA 모형, 홀트-윈터스 평활법과 대표적인 기계학습 방법인 랜덤 포레스트(Random forest) 분석 기법의 가격 예측력을 비교하였다. 세 모형의 예측력을 분석한 결과는 다음과 같다. 가장 예측력이 높게 나타난 모형은 3년(36개월)을 주기로 설정한 ARIMA 모형이었다. 또한 ARIMA 모형과 홀트-윈터스 평활법은 일별 데이터보다 월별 데이터를 이용한 예측 결과의 정확도가 더 높아 훈련 데이터에 대한 과적합(overfitting)이 오히려 예측력을 낮추는 현상을 보였다. 반면, 랜덤 포레스트는 월별 데이터 보다 일별 데이터를 사용한 모형의 예측력이 더 높았다. 이는 학습량이 많을수록 높은 예측력을 보여주는 기계학습의 특징을 보여주었다. 그러나 기계학습 방법을 활용한 가격 예측에는 가격에 영향을 주는 설명변수를 찾고, 양질의 훈련 데이터 축적이 필요하다는 것을 알 수 있었다. 향후 연구에서는 다양한 설명변수와 기계학습 및 딥러닝 기법을 적용한다면 농축산물 가격 예측력을 높이는데 도움이 될 것으로 판단된다.

최근 글로벌 정치․경제 환경의 대전환으로 미국과 유럽 국가들은‘재산업화 전략’으로 제조업 회복을 추진하고 있고, 중국도 ‘중국제조 2025’를 통해 제조업의 질적 발전과 고도화에 집중하고 있다. 이러한 상황에서 본 연구는 외국인직접투자(Inward Foreign Direct Investment, IFDI)가 중국 제조업 고도화에 미치는 영향에 대해 실 증적 분석을 통해 검증해 보고자 하였다. 제조업 가운데 첨단기술 산업의 비중을 중국 제조업 고도화의 지표로 이용하여 2004년부터 2020년까지의 17개년도 중국 31개 성(省)별 패널데이터로 고정효과 모형과 FGLS 모형 을 활용하여 실증분석을 하였다. 분석 결과, 중국 전체와 중국의 동부, 중부, 동북 지역, 장강경제벨트는 IFDI가 중국 제조업 고도화에 긍정적인 영향을 미치는 것으로 나타났지만, 서부지역에 대해서는 영향을 미치지 않는 것 으로 나타났다. 이러한 결과를 통해 IFDI가 중국 제조업 고도화에 미치는 영향은 지역별로 다소 차이가 존재 하고 있음을 입증하였다. 분석 결과는 중국 정부의 IFDI를 통한 지역 균형 발전정책이 중부와 동북 지역에 대 해서는 효과적이었음을 알 수 있었던 반면 중국 서부지역에 대해서는 IFDI를 통한 첨단기술 산업 고도화의 정 책 목표와 전략을 수정할 필요가 있음을 시사한다. 한편 통제변수로 활용된 변수인 수출과 수입으로 측정된 개 방정도와 첨단기술에 대한 연구개발 투자는 제조업 고도화에 매우 긍정적인 영향을 미치는 것으로 일관되게 나 타나고 있다.

Vegetation is the basis for biodiversity conservation and sustainable development. In the Environmental Impact Assessment (EIA), which is the most direct and efficient policy measure to prevent degradation of nature, vegetation-related assessment has limitations as it is not based on quantitative and scientific methods. In addition, it focuses on the presence of protected species; hence, it does not take into account the role of vegetation as a habitat on a wide-area scale. As a way to overcome these limitations, this study aims to contribute to the quantification and advancement of future EIA on vegetation. Through the review of previous studies, core areas, connectivity, and vegetation condition were derived as the items to be dealt within the macroscopic aspect of vegetation impact assessment. Each item was spatially constructed using land cover maps and satellite imageries, and time series change analysis was performed. As a result, it was found that vegetation has been continuously deteriorating due to development in all aspects, and in particular, development adversely affects not only the inside of the project site but also the surrounding area. Although this study suggested the direction for improvement of the EIA in the vegetation sector based on data analysis, a more specific methodology needs to be established in order to apply it to the actual EIA process. By actively utilizing various environmental spatial data, the impact of the development on the natural ecosystem can be minimized.

PURPOSES : The purpose of this study is to enhance the reliability of artificial intelligence for a noise-based pavement condition rating system (to a target performance of 95 %). METHODS : By comparing four types of pattern recognition artificial intelligence, this work acquires high-quality learning data and optimizes data learning through analysis of error characteristics. RESULTS : The system reliability improved up to 97 % (82 % in a prior study). In addition, 100 % was achieved for the E(F) condition grade, which has a direct impact on maintenance decision making. CONCLUSIONS : KNN-DTW (K-nearest neighbor dynamic time warping) is judged to be the most suitable type of artificial intelligence for a noise-based pavement condition rating system; a 4-grade system is the most suitable for classifying pavement condition.