This study evaluated the short- and long-term prediction performances of a transformer-based trajectory-forecasting model for urban intersections. While a previous study focused on developing the basic structure of a transformer model for future trajectory prediction, the present study aimed to determine a practical prediction sequence length. To this end, multiple transformer models were trained with output sequence lengths ranging from 1 s to 10 s, and their performances were compared. The trajectory data used for training were generated through a microscopic traffic simulation, and the model accuracy was assessed using the metrics average displacement error (ADE) and final displacement error (FDE). The results demonstrate that the prediction accuracy decreases significantly when the output trajectory length exceeds 3 s. Specifically, straight-driving trajectories exhibit rapidly increasing errors, while turning trajectories maintained a relatively stable accuracy. In contrast, for turning-driving trajectories, prediction errors increased sharply during short-term forecasting, but the increase was more gradual in long-term forecasts. Additionally, the long-term prediction models produced higher errors even in the initial 1-second outputs, implying a tendency toward conservative inference under uncertain future scenarios. This conservative behavior is likely influenced by the model’s effort to minimize the overall loss across a broader prediction window, especially when trained with Smooth L1 loss function. This study provides practical insights into model design for edge-computing environments and contributes to the development of reliable short-term trajectory prediction systems for urban ITS applications.

Invasive species compete with native species and damage ecosystems. Due to their limited resources, island ecosystems are vulnerable to impacts of invasive species. In the Deokjeok archipelago, South Korea, invasive sika deer (Cervus nippon ssp. taiouanus) introduced for economic purposes are causing harm through severe browsing. This study aimed to evaluate long-term browsing impacts of invasive deer by tracking vegetation index changes from 1986 to 2020 with Landsat satellite imagery and the LandTrendr algorithm. We compared vegetation index trend using Sen’s slope and Disturbance/Recovery area ratio (D/R ratio) between Gureop-do, where these deer were introduced with rapid population increase, and Deokjeok-do, Baega-do, and Mungapdo where these deer have not been introduced yet. Results showed a decreasing trend of the vegetation index in Gureop-do, while other islands without those deer increased. The cumulative D/R ratio on Gureop-do was 212.44%, meaning that disturbance exceeded the recovery area more than two-fold. In contrast, the D/R ratios for other islands remained under 50%. Sen’s slope and t-test showed a significant decrease of NDVI in Gureop-do after deer introduction in 2000. By quantifying the browsing impact of invasive ungulates in island ecosystems using satellite imagery, time and costeffective strategies for invasive species monitoring are provided.

This study is a preliminary investigation into a method for updating analytical models using actual vibration measurement data to improve the reliability of the seismic performance evaluations. The research was conducted on 26 models with various parameters, aiming to develop an optimal analytical model that closely matches the natural frequencies of the actual building. By identifying the dynamic characteristics of the target building through vibration measurements taken just before the demolition of the structure, the natural frequency analysis results of the analytical models were compared to the measured data. Based on this comparison, an optimized method for adjusting the parameters of the analytical models was derived. Throughout the analysis, various parameters were adjusted, and the eigenvalue analysis results were corrected by comparing them with vibration measurements. Among the comparative analytical models, the model with the lowest error rate was selected. The results showed that, in all cases, the analytical model with a concrete compressive strength of 16 MPa (based on actual measurements), pin boundary conditions, and an idealized strip footing cross-section had the closest match to the actual building's natural frequencies, with an average error of less than 8%.

A total of 225, 3 weeks old weaned pigs of the Landrace × Yorkshire × Duroc breeds with initial average body weight (BW) of 6.25±0.6 kg were randomly assigned to 3 different treatments based on their BW, with each having 5 replicates. Each replicate contained 15 pigs, resulting in 75 pigs per treatment group. The treatment included a basal diet (CON), CON + allicin and cinnamaldehyde mixture 500 ppm (ALI), CON + Bacillus-based probiotics 500 ppm (PRO) tested for 42 days in a 3-phase feeding program (0–14 as phase 1, days 15–28 as phase 2, and days 29–42 as phase 3). Result shows final BW (6.3%) and average daily gain (9.0%) in the overall phase were higher (p<0.05) in PRO compared with CON. At d 14, the level of Escherichia coli was lower (p<0.05) in ALI (12.0%) and PRO (13.2%) over CON. At days 28 (14.6%) and 42 (12.8%), the level of Escherichia coli was lower (p<0.05) in PRO compared with CON. The level of tumor necrosis factor-α was lower (p<0.05) in PRO over CON (15.0%). Superoxide dismutase (9.2%) and immunoglobulin A (19.4%) were higher (p<0.05) in PRO over CON. We concluded that dietary PRO at 500 ppm showed better performance in piglets by enhancing their growth performance and health.

본 연구는 기술수용모델(TAM), 컴퓨터 사회적 행위자 이론(CASA), 그 리고 자극-유기체-반응(S-O-R) 모델을 종합적으로 활용하여, AI 기반 디지털 휴먼 투어 가이드의 ‘신기술적 속성’과 ‘사회적 행위자 특성’이 문화관광 맥락에서 방문객의 감정적 경험 및 문화적 정체성 형성에 어떻 게 작용하는지를 규명하였다. 이를 위해 현장 조사와 온라인 설문을 통 해 총 436부의 유효 표본을 확보하고, 구조방정식 모형과 매개분석을 실 시하였다. 연구 결과, 지각된 기술적 새로움(technological novelty), 신 뢰도(credibility), 인간적 특성(anthropomorphism), 그리고 행위성 (agency)은 모두 방문객의 감정적 경험을 유의미하게 높이는 것으로 나 타났으며, 이는 직·간접적으로 문화적 정체성을 강화하는 데 기여하였다. 반면 지각된 지능적 우위(intelligent advantage)는 통계적으로 유의한 영향이 확인되지 않아, 경험 중심의 맥락에서는 순수하게 합리적인 기술 적 특성만으로는 충분한 방문객 공감을 이끌어내기 어렵다는 점이 시사 되었다. 본 연구는 S-O-R 모델 내에서 감정적 경험의 매개 역할을 부각 함으로써, TAM 및 CASA 이론의 적용 범위를 확장하였다. 또한 실무적 으로는 AI 기반 투어 가이드 디자인 시 새로움, 신뢰도, 인간적 특성, 그 리고 상호작용적 행위성을 강조함으로써 방문객의 감정적 몰입과 문화적 태도를 제고할 수 있음을 제안한다.

This paper addresses a scheduling problem aimed at minimizing makespan in a permutation flow shop with two machines and an inspection process that must be conducted at least once every certain number of outcomes from the first machine. A mathematical programming approach and a genetic algorithm, incorporating Johnson's rule and a specific mutation process, were developed to solve this problem. Johnson's rule was used to generate an initial population, while the mutation process ensured compliance with the inspection constraints. The results showed that within a computation time limit of 300 seconds, the mathematical programming approach often failed to provide optimal or feasible solutions, especially for larger job sets. For instance, when the process times of both machines were similar and the inspection time was longer, the mathematical programming approach failed to solve all 10 experiments with just 15 jobs and only had a 50% success rate for 100 jobs. In contrast, the proposed genetic algorithm solved all instances and delivered equal or superior results compared to the mathematical programming approach.

목적 : 본 연구는 근시에서 굴스트란드 모형안에 편심 렌즈를 적용했을 때의 광학적 효과를 분석하고자 하였다. 방법 : 굴스트란드 모형안은 3D 시뮬레이션 프로그램을 사용하여 정밀하게 설계하였으며, 근축 근사 없이 정확 한 분석을 제공하는 광선 추적 기술을 적용하여 편심 렌즈로 인한 초점거리와 굴절력의 변화를 정밀하게 조사하 였다. 결과 : 렌즈 중심축의 편심이 초점거리, 굴절력, 광 경로 차이에 미치는 영향을 다양한 편심 조건에서 분석하였 으며, 특히 중심축으로부터 일정 높이에서 평행광선이 입사하는 경우를 집중적으로 조사하였다. 광선의 입사 높이 가 극도로 커짐에 따라 편심의 효과는 감소하고, 출사 광선의 초점은 서로 가까운 지점으로 위치하는 것이 확인되 었다. 렌즈와 눈의 굴절력과 편심에 따른 프리즘 굴절력 효과를 포함하는 전체 굴절력은 광선의 입사 높이가 감소 함에 따라 크게 변화하는 것으로 나타났다. 결론 : 본 연구 결과는 사시 및 사위와 같은 시각적 이상을 교정하기 위해서, 의도적으로 편심된 렌즈를 설계하 고 처방하는 데 유용한 정보를 제공할 수 있을 것으로 기대된다. 또한, 편심 렌즈 설계 시 발생할 수 있는 비선형적 광학 효과를 최소화하여 사용자에게 최적의 시각적 성능 제공을 보장할 수 있을 것으로 기대된다.

인공관절 치환술 환자의 합병증 진단을 위한 자기공명영상 검사에서 발생한 금속 인공물을 감소시키는 VAT(view angle tilting) 기법과 딥러닝 알고리즘 중 K-공간 기반의 deep resolve(boost, sharp, DR)를 적용하여 그 유용성 에 대해 평가하고자 하였다. 자체 제작 팬텀과 3T 장비로 일반적인 VAT, DR이 적용된 VAT로 T1 강조영상, T2 강조영상, 단시간 반복 회전 연쇄기법(short tau inversion recovery, STIR) 영상들을 병렬영상 가속계수 2, 3, 4를 적용하여 획득하였다. 획득된 영상에서 왜곡도, 팬텀 바닥에서 금속 인공물까지 거리, 신호대잡음비를 정량적 평가하였고, 영상 품질은 정성적 평가하였다. 왜곡도는 일반적인 VAT와 DR이 적용된 VAT의 T1 강조영상, T2 강 조영상, STIR 모두 유의한 차이가 없었다(p>0.05). 또한 금속 인공물까지 거리도 T1 강조영상, T2 강조영상, STIR 모두 유의한 차이가 없었다(p>0.05). 신호대잡음비는 일반적인 VAT보다 DR이 적용된 VAT의 가속계수 4에서 T1 강조영상은 103%, T2 강조영상은 85.2%, STIR은 73.3% 최대로 증가하였고, 영상품질 평가점수는 T1 강조영상은 5점, T2 강조영상은 4.6점, STIR은 4.8점으로 가장 좋았다. 본 연구를 통해 VAT 기법의 영상품질 저하를 DR 기술 로 개선할 수 있었다. 금속 인공물이 발생했을 때 DR이 적용된 VAT의 가속계수를 4로 적용한다면, 검사시간을 단 축하면서 보다 진단적 가치가 높은 영상을 획득할 수 있을 것으로 사료된다.

본 연구는 딥러닝 영상 재구성 기법을 적용한 8개의 뇌질환군의 감마나이프 수술 계획용 자기공명영상(magnetic resonance imaging, MRI)의 유용성을 알아보고자 하였다. 연구 방법은 전이성 뇌종양, 뇌동정맥 기형, 수막종, 뇌하수체선종, 삼차신경통, 청신경초종, 맥락얼기 유두종, 해면상 혈관종, 총 8개의 질병을 진단받은 사람들의 T2 강조 영상(T2 weighted imaging, T2WI), 조영증강 T1 강조영상(contrast enhancement T1 weighted imaging, CE-T1WI)의 방법으로 검사한 MRI 영상을 SwiftMR을 이용하여 딥러닝 영상 재구성 기법인 디노이징(denoising)과 초해상도(super resolution)가 적용된 영상을 획득하였다. 이에 대한 성능 평가는 최대 신호대잡음비(peak signal to noise ratio, PSNR), 구조적 유사도(structural similarity index measure, SSIM), 감마나이프 방사선수술(gamma knife radiosurgery, GKRS)의 좌표계로 평가하였다. 그 결과, 원본영상을 기반으로 영상 품질이 개선된 영상의 PSNR과 SSIM은 높은 수치를 나타냄으로써 MRI 영상의 재구성이 문제없이 이루어졌고, GKRS의 수술 좌표계 또한 변화를 보이지 않았다. 결론적으로 딥러닝 영상 재구성 기법은 영상 품질 향상과 영상 보존에서 뛰어난 성능을 보임과 동시에 좌표계도 변화를 보이지 않아서, 딥러닝 영상 재구성 기법은 감마나이프 수술 계획에 유용하게 사용할 수 있는 기법임을 확인하였다.

목적 : 본 연구에서는 회절격자가 광원의 깊이에 따라 회절영상을 주기적으로 생성하는 광학적 특성을 이용하여 중간 범위의 깊이를 측정할 수 있는 시스템을 연구하였다. 방법 : 첫 번째로 회절격자 영상시스템을 기하광학적으로 분석합니다. 두 번째로 회절격자의 주기적인 결상특성 을 파동광학적으로 분석하였다. 세 번째로 주기적인 함수사이의 콘볼루션 특성을 이용하여 깊이에 대응하는 공간주 기를 도출하였다. 네 번째로 1 m에서 4 m까지 1 m마다 타켓을 설치한후 회절격자, 카메라, 레이저로 구성된 회절 격자 영상시스템을 이용하여 회절영상을 획득하는 광학실험을 수행하였다. 다섯 번째로 첫 번째 과정에서 세 번째 과정까지 수행한 이론적 분석을 네 번째 과정에서 획득된 회절영상에 적용하여 깊이측정을 수행하였다. 마지막으로 결과 분석을 통해 시스템의 깊이해상도를 도출하였다. 결과 : 깊이 측정 실험을 수행하였고 제안된 방법의 타당성을 검증하였다. 회절영상배열의 공간주기는 타겟물체 와 회절격자사이의 거리가 멀어질수록 증가한다, 그러나 그 증가하는 비율은 물체거리에 반비례하였다. 결론 : 회절격자의 특성을 응용한 깊이 측정 시스템을 제안하였으며 이론분석과 광학실험을 통해 타당성을 검증 하였다.

This study presents a novel methodology for analyzing disease relationships from a network perspective using Large Language Model (LLM) embeddings. We constructed a disease network based on 4,489 diseases from the International Classification of Diseases (ICD-11) using OpenAI’s text-embedding-3-small model. Network analysis revealed that diseases exhibit small-world characteristics with a high clustering coefficient (0.435) and form 16 major communities. Notably, mental health-related diseases showed high centrality in the network, and a clear inverse relationship was observed between community size and internal density. The embedding-based relationship analysis revealed meaningful patterns of disease relationships, suggesting the potential of this methodology as a novel tool for studying disease associations. Results suggest that mental health conditions play a more central role in disease relationships than previously recognized, and disease communities show distinct organizational patterns. This approach shows promise as a valuable tool for exploring large-scale disease relationships and generating new research hypotheses.

도로의 기하선형 정보는 도로 설계, 유지보수, 그리고 안전성 평가에서 핵심적인 요소이다. 특히 종단경사와 곡선반경은 차량의 속도 변화, 제동 거리, 원심력 등에 영향을 미쳐 사고 위험을 높이는 요인으로 작용한다. 따라서 도로 유지관리 측면에서 도로의 기하선형 정보를 정밀하게 측정하고 관리하는 것은 필수적이다(Park et al., 2008). 국토교통부에서는 노드·링크(Node·Link)를 통해 국내 도로망 데이터 통합 시스템을 구축하고 있다. 노드·링크는 교차로, 도로의 시종점, 행정경계 등으로 도로구간을 구분하는 시스템으로, 도로구간을 의미하는 각 링크에는 도로등급, 차로수, 제한속도, 연장 등 다양한 도로특성정보가 입력되어 있으나 곡선반경, 종단경사와 같은 도로의 기하학적 구조 데이터는 포함되어 있지 않다(MOLIT, 2025). 또한, 각 지자체는 “도로대장정보시스템”을 통해 도로의 시설물 및 기하구조를 통합 관리하게 되어있으나, 시스템화 현황이 저조할 뿐만 아니라 연구 등의 목적으로 접근이 제한된다(LX, 2025). 이와 같이, 도로의 기하구조는 중요도에 비해 데이터 관리 부족하며 접근성이 낮다. 따라서 본 연구에서는 노드·링크 시스템에서 제공하는 평면선형 데이터(.shp 파일)를 활용하여 곡선반경과 종단경사를 산출하고 도로 구간별 기하학적 구조 정보를 추정하였다. 이는 향후 도로 주행특성, 안전관리 등 다양한 분야의 연구에 기초자료로 활용될 수 있으며, 도로 안전관리 측면에서 위험구간 판단 근거로 활용할 수 있을 것으로 기대된다.

도로 관리는 교통 시스템과 국가 경제에 중대한 영향을 미치며, 이에 따라 도로 유지관리는 시민들의 삶의 질을 향상시 키는 데 중요한 역할을 한다. 따라서 체계적인 유지관리는 도로 안전성과 경제적 효율성을 높이는 데 필수적이다. 기존 의 도로 관리 방식은 대부분 반응적이며, 종이 문서를 기반으로 이루어져 정보 손실, 데이터 손상, 검색의 어려움 등의 여러 제한점을 가지고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 3D 모델과 관련 데이터를 일대일 매핑하여 자 동으로 입력할 수 있도록 하는 BIM (Building Information Model)을 활용한 접근 방식을 제안한다. 본 연구는 주로 BIM 생성을 위해 널리 사용되는 Autodesk Revit을 활용하여 3D 도로 모델을 생성하고, 도로의 손상 정보 (길이, 폭, 보수 면 적, 보수 부피, 유지보수 이력 등)를 통합 관리하는 방법을 연구한다. 하지만 Revit은 디지털 정보를 3D 모델에 자동으로 가져오는 기능이 없기 때문에, Visual Programming 도구를 이용하여 유지관리 기록 정보를 BIM으로 자동 입력하는 방 법을 개발하였다. 이를 통해, 사용자가 특정 도로 손상 모델을 선택하면 해당 손상의 통합 이력을 표시할 수 있는 새로 운 통합 이력 관리 시스템을 구축하였다. 이러한 접근 방식은 종이 문서 기반의 기록 방식에서 발생하는 데이터 손상, 기록량 증가, 특정 데이터 검색의 어려움 등의 문제를 해결할 수 있으며, 신속하고 정확한 의사 결정을 지원한다. 본 연 구는 BIM을 활용한 도로의 통합 이력 관리 시스템 구축을 통해 새로운 방향성을 제시한다.

결빙(Black Ice)은 도로 포장체 표면의 균열 등에 스며든 습기나 눈, 그리고 차량 주행 중 발생하는 타이어 분진 및 배 기가스 등의 영향으로 인해 도로 표면과 유사한 색상의 얇은 얼음막이 형성되는 현상을 의미한다(Cho et al., 2021). 도로 노면이 결빙 상태일 경우, 평균 미끄럼 저항 계수는 건조 노면의 약 30% 수준으로 크게 낮아진다(Lee et al., 2024). 또 한, 결빙은 도로 표면과 색상이 유사하여 운전자가 노면 상태를 즉각적으로 인지하기 어렵고, 이에 따라 제동이나 회피 를 위한 충분한 시간을 확보하기 어렵다. 최근 5년간 발생한 서리·결빙 노면 교통사고의 치사율(사고 100건당 사망자 수) 은 2.69명으로, 이는 건조 노면 교통사고 치사율의 약 2배, 습윤 노면의 1.3배 수준에 해당한다(KoROAD, 2024). 이러한 위험성을 고려하여 국토교통부는 2020년 전국 고속국도 및 일반, 위임국도를 대상으로 403개 구간을 결빙 취약 구간으로 지정하였으며, 이후 464개소로 확대하여 자동염수분사시설, 그루빙(Grovving), 결빙주의표지판 등 안전시설을 확충하여 결빙사고를 집중적으로 관리하고 있다(MOLIT, 2020; BAI 2021). 하지만, 결빙사고 발생건수는 2020년 524건, 2021년 1,204건, 2022년 1,042건으로 증가추세를 보이고 있어, 결빙 취약 구간의 평가 적절성과 실효성에 대한 검토 필요성이 대 두되고 있다(KoROAD, 2024). 본 연구에서는 최근 10년 고속국도에서 발생한 결빙사고와 결빙사고 영향인자를 Random Forest Algorithm으로 분석하 여 도로 구간별 결빙사고 위험도를 평가하였다. 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국 도의 동절기 기상, 기하구조, 교통량 등 결빙사고 영향인자를 구간별로 수집하였다. 각 구간은 최근 10년 결빙사고 데이 터를 통해 결빙사고 발생구간과 비발생 구간으로 분류하였다. 구간별 수집한 결빙사고 영향인자를 독립변수, 사고발생유 무를 종속변수로하여 알고리즘 학습을 위한 데이터셋(Data Set)을 구성하고, 데이터불균형 문제를 해결하기 위해 오버샘 플링(OverSampling) 기법 중 하나인 SMOTE(Synthetic Minority Oversampling Technique)을 적용하였다. 최종적으로 Random Forest Classification Model을 학습하고, 모델의 하이퍼파라미터 조정(HyperParameter Tunning)을 거처 결빙사 고 발생구간 예측성능이 가장 높은 모델을 결정하였다. 이를 통해, 전국 고속국도의 구간별 결빙사고 발생 위험도를 평 가하고 각 결빙사고 영향인자의 변수중요도를 분석함으로써 결빙 취약구간 평가 방안의 신뢰성 제고를 기대한다.

서울시는 2015년 공공자전거 서비스인 ‘따릉이’를 시작으로, 2020년에는 소형 자전거가 필요한 시민을 위해 기존 따릉이 에서 무게와 크기를 줄인 ‘새싹따릉이’를 추가로 도입하였다. 새싹따릉이는 주로 청소년을 대상으로 하며, 일반 따릉이의 이용 가능 연령이 만 15세 이상인 것과 달리, 만 13세 이상부터 이용할 수 있도록 연령 제한을 낮추었다. 자전거도로가 상대적으로 잘 갖춰진 송파구·강동구·은평구를 중심으로 배치되어 운행을 시작하였으며, 점차 배치 수량과 지역을 넓혀 현재 5,000대가 서울시에서 운영되고 있다. 하지만, 새싹따릉이의 전체적인 배치 수량이 충분함에도 일반 따릉이에 비해 1대당 자전거 이용률이 낮다는 문제점이 제기되고 있다. 이는 배치 물량의 부족이 아닌 청소년의 이동 패턴과 주요 활동 공간이 충분히 반영되지 않은 배치 방식에서 기인한 것으로 파악되었다. 따라서 본 연구는 새싹따릉이의 효율적 운영을 위해 네트워크 중심성 분석으로 매개 중심성을 판단하고 청소년 이동 네트워크 내에서 주요 경유지 역할을 하는 정류소 를 식별하고자 한다. 청소년 이동 패턴을 기반으로 연구를 수행하고자 청소년 지하철 OD 데이터와 따릉이 정류소 위치 데이터를 수집하고, 매개 중심성을 계산하여 중요한 경유지 역할을 하는 정류소를 식별하였다. 매개 중심성이 높은 정류 소를 우선적으로 새싹따릉이 배치 대상지로 선정하고, 추가적으로 신규 정류소가 필요한 지역 또한 제시하여 새싹따릉이 네트워크 확장도 고려할 예정이다. 본 연구가 새싹따릉이의 특성을 고려한 배치 방식을 제안하는 것을 목적으로 함에 따 라 새싹따릉이 이용률 향상과 대중교통과의 연계성 강화에 기여할 수 있을 것이다.

한국형 포장설계법(KPRP)은 한국의 기후, 교통, 재료 조건을 반영하여 개발된 포장설계법으로, 성능 기반 분석과 역학적-경험적 원 리를 결합하여 국내 도로포장의 내구성과 효율성 향상에 기여해왔다. KPRP는 지역별 환경 데이터, 교통 하중, 재료 특성을 고려하 여 최적의 포장 구조를 설계하며, 2011년 개발 이후 도로포장의 수명 연장과 경제성 향상을 이루어냈다. 그러나 KPRP에 적용되는 기후 및 교통 데이터는 2000년대 초반의 자료를 기반으로 하고 있어, 현재 기준으로 약 10년 이상의 차이가 존재한다. 이에 따라 최 신 데이터를 반영하여 포장설계를 개선할 필요성이 제기되고 있다. 본 연구에서는 최근 10년간의 최신 기후 데이터를 활용하여 줄눈 콘크리트 포장(JCP)의 콘크리트 슬래브 컬링 시간을 계산하고, 이를 기반으로 온도응력 및 교통응력의 산정 방식을 현 시점에 맞게 개선하고자 한다. 또한, 2023년 도로포장관리시스템(PMS) 데이 터를 이용하여 한국도로공사가 관리하는 모든 고속국도 중 JCP가 적용된 구간을 대상으로 표면 균열(SD), 설계 차로별 AADT, 관 리구간별 도로 연장, 차로 폭 등의 데이터를 분석하였다. 이를 통해 각 도로의 피로균열율을 산정하고, 고속국도를 대상으로 줄눈 콘 크리트 포장의 전이함수를 개선하여 보다 정밀한 설계를 가능하게 하고자 한다. 본 연구는 최신 기후 및 교통 데이터를 반영한 KPRP 기반 줄눈 콘크리트 포장설계의 실현에 기여할 것으로 기대된다.

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.