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.

This study aims to model an accident that occurred at building demolition work sites in Gwangju in 2021 by using functional resonance analysis method(FRAM) and to understand a range of factors contributing to the accident based on the concepts and principles of FRAM and Safety-II. The nature of building demolition works needs to be understood from the viewpoint of socio-technical systems. Not only technical factors but also non-technical factors, including human, organizational, and political factors, and their complicated interrelationships should be considered in the modeling and analysis of accidents happening in the works. Because of the inherent complexity of a demolition works, it is unlikely to specify all of the necessary activities to be conducted in the works and their accountable actors. Additionally, unexpected situations are likely to happen and therefore some activity procedures cannot be followed in a prescribed way, which means that workers sometimes should conduct their activities in an improvisional way. Those characteristics of building demolition works indicate that a traditional accident analysis method based on a linear cause-effect relationship would be inadequate, and that more systemic approaches that can deal with the socio-technical complexities and characteristics of demolition works should be used. With this in mind, we applied FRAM to the accident happening in Gwangju in 2021 and attempted to understand the accident based on the concepts and principles of FRAM and Safety-II (e.g. a functional variablity and its propagation to another function). Lastly, we also suggested ways to enhance the safety of building demolition working sites.

This study aims to utilize the AcciMap accident investigation method to compare and analyze the causes and mechanisms of chemical and laboratory accidents, ultimately proposing effective management strategies for accident prevention. Despite the establishment of safety management frameworks through the “Laboratory Safety Environment Creation Act” in South Korea, laboratory accidents continue to occur frequently due to the inherent variety and unpredictability of hazards in research environments, highlighting the need for mandatory root cause analysis. Accordingly, the analysis was conducted using the accident investigation method AcciMap and the software tool VOSviewer. Based on these findings, this study proposes tailored management strategies for chemical and laboratory accidents. For chemical accidents, strengthening safety systems and conducting regular maintenance are critical. For laboratory accidents, implementing safety education programs to enhance researchers’ safety awareness and providing appropriate equipment for experimental environments are essential. Moreover, the study emphasizes the necessity of mandating root cause analysis for laboratory accidents to systematically identify accident causes and develop effective preventive measures. Finally, leveraging the accident reporting system outlined in the Laboratory Safety Act is essential to ensure prompt, transparent responses and structured management in the event of accidents.

고속도로 2차 사고는 선행 사고(1차 사고) 또는 전방 고장 차량에 의해 교통흐름이 변화된 상황에서 발생하는 사고로, 이에 대한 효과적인 교통안전 관리전략이 필요하다. 그러나 일반사고에 비해 데이터 표본이 부족하여 신뢰성 있는 대응 전략 수립에 어려움이 있다. 본 연구는 고속도로에서 발생하는 2차 사고의 발생 주요 요인을 식별하고 예측하기 위해 BERT(Bidirectional Encoder Representations from Transformers) 기반 텍스트 분석 모델과 전통적 머신러닝 모델 (XGBoost, RandomForest, CatBoost)을 비교하였다. 교통사고 세부기록, 원클릭 속보자료 등 비정형 텍스트 및 정형 데 이터를 수집하고 1차 사고에 관한 시공간적 동적 변수를 통합하여 인공지능 기반의 사고 예측 프레임워크를 구축하였다. 특히, BERT 기반 모델을 통해 교통사고 문맥 정보를 고려하여 단어 삽입 및 대체 기법에 따른 2차사고 데이터 표본을 보완하였다. 또한, 설명가능한 AI(XAI) 기법을 활용하여 주요 사고 요인의 기여도를 시각적으로 해석하고 사고 예방 및 정책 수립에 필요한 정보를 제공하였다. 연구 결과, 제안된 하이브리드 접근법 기반 연구 프레임워크는 높은 정확도의 2 차 사고 발생 가능성 예측에 효과적이며, 교통사고관리시스템의 신뢰성과 효율성 향상에 핵심적인 기여를 할 것으로 기 대된다.

선박의 추진전동기는 소량 주문생산되어 고장진단을 위한 신호를 사전에 확보하는 것이 불가능하다. 운용기간 중 계측을 통해 데이터를 확보하는 것은 많은 시간과 비용을 초래하기에 물리모델을 통해 데이터를 확보하는 것이 유일한 방법이다. 물리모델을 통해 얻 은 데이터를 고장진단에 활용하기 위하여 데이터의 정확도를 확보해야 한다. 기존 전동기 물리모델의 경우 전동기에서 발생하는 구조-전 기 연성효과를 온전히 고려하지 않아 진동데이터의 해석 오차가 발생하는 것을 확인할 수 있다. 본 논문에서는 구조-전기 완전연성 물리 모델을 개발하여 물리모델데이터의 정확도를 개선하였다. 실험계측 데이터와 물리모델 데이터의 비교를 통해 전동기 상태별 데이터를 높 은 정확도로 획득할 수 있음을 확인하였다. 본 논문에서 제시한 구조-전기 완전연성 물리모델을 이용하여 정상상태와 결함상태에서 나타 나는 진동수준을 예측할 수 있음을 확인하였으며, 구조-전기 완전연성 반영 필요성을 입증하였다.

The purpose of this study is to select a fishing gear deposit marking method for the gear deposit system implemented for gillnet. The fishing gear deposit system was implemented in Korea for the first time in the world in January 2024 for fish trap, and it is scheduled to be expanded to gillnets and buoys by 2026. In this study, an AHP (Analytic Hierarchy Process) survey was conducted with 34 experts. The AHP analysis method was used to calculate the weights of each criterion that influence the selection of the deposit marking method, in order to determine the optimal marking method that considers both qualitative and quantitative criteria. Experts prioritized the label-type marking and preferred the weight-based deposit unit for its ease of application and ability to measure multiple gear widths at once. This study quantitatively reflects the opinions of experts on the selection of the gillnet deposit system. Future research should examine the impact of marking method on fishing performance, durability, and institutional improvements.

상수도 배관에서 누수 또는 이상을 감지하는 기계학습 및 인공신경망 분류 모델에 대한 연구가 활발히 진행되어 왔다. 그러나 누수음 데이터는 시간과 환경에 따라 계속 변동하기 때문에, 입력 데이터의 변화에도 일정 수준 이상의 분류 성능을 유지하는 분류 모델을 찾는 데 어려움이 있다. 본 연구에서는 모델 선택과 초매개변수 조정보다 데이터 전처리 방법이 분류 성능 향상에 더 큰 영향을 미친다는 점에 주목했다. 변동성이 큰 누수음의 특징을 효과적으로 추출하기 위해 푸리에 변환 및 MFCC(Mel-Frequency Cepstral Coefficients)를 사용하였으며, 일부 정보가 중복될 가능성을 고려하여 다중공선성에 덜 민감한 트리 기반 모델을 사용해 누수음의 분류 성능을 평가했다. 연구 결과, 푸리에 변환과 MFCC를 결합한 데이터 세트를 사용했을 때 LightGBM 모델의 분류 정확도가 84.62%로 나타났으며, 각각의 전처리 방법을 단독으로 사용했을 때보다 더 높은 성능을 달성하였다. 이 결과는 두 전처리 방법의 상호 보완적 특성이 분류 성능 향상에 기여했음을 입증하며, 상수도 관망 누수 탐지 시스템 개발에 중요한 기여를 할 것으로 기대된다.

In this study, we propose an adaptive traffic control method that utilizes predictions of near-future traffic arrivals at a signalized intersection based on real-time data collected at an upstream intersection to design acyclic traffic signal timing accordingly. The proposed adaptive control method utilizes a deep learning model developed in this study to predict future traffic arrivals at downstream intersections 24 s ahead based on upstream intersection data at 4 s decision intervals. Using the predicted arrival traffic volume, signal timings were designed to minimize delays. A rolling-horizon approach was employed to correct the prediction errors during this process. The performance of the proposed traffic signal control method was validated by comparing it with the traditional time-of-day (TOD) traffic signal operation method over a 24 h period. The results of comparative validation tests conducted through simulations in a virtual environment indicate that the proposed adaptive traffic control system operates efficiently to minimize average control delays. During the morning peak period, a reduction time of 43.19 s per vehicle (57.02%) was observed, whereas the afternoon peak period exhibited a reduction of 37.91 s per vehicle (48.35%). Additionally, data analysis revealed that the optimal phase length suggested by the pre-timed method, which assumes uniform vehicle arrivals, is statistically identical at a 95% confidence level to the average phase length of the adaptive traffic control system, which assumes random vehicle arrivals. This study confirms the necessity of adopting proactive real-time signal control systems that utilize a new traffic information collection method to respond to dynamic traffic conditions and move away from conventional TOD signal operation, which primarily focuses on peak commuting hours. Additionally, it confirms the need for a fundamental shift in the underlying philosophy traditionally used in traffic signal design

In this study, we aim to classify personal mobility (PM)-related traffic crash data into four categories: PM-to-vehicle, PM-to-pedestrian, PM-single, and vehicle-to-PM crashes, and analyze the factors influencing the severity of each crash type. To overcome the limitations of existing studies in explaining the impact of independent variables on ordinal dependent variables, a random forest model was combined with the Shapley additive explanation technique. This approach visualizes the influence of independent variables on a dependent variable, providing clearer insights and enhancing interpretability. The analysis of PM traffic accidents, categorized into at-fault, single-vehicle, and victim accidents, revealed distinct key factors for each type. The main contributors to the severity of crashes caused by PM are traffic violations by teenagers and collisions with elderly pedestrians. Single-vehicle accidents were predominantly caused by overturn incidents, with inadequate driving skills among PM users aged 40 years and older, and significantly increasing severity. Victim accidents primarily occur at intersections, where the behavior of the at-fault driver and age of the PM user are critical factors influencing the severity. We identified various factors influencing the severity of PM crashes by type, highlighting the need for tailored policy measures. Proposed policies include physically separating bicycle–pedestrian shared spaces and strictly regulating illegal PM sidewalk riding, introducing PM licenses for teenagers to ensure compliance with traffic rules, and implementing regular safety education programs for all age groups. Although this study applied a new analytical technique, it relied on limited crash data, thus limiting the results to estimates.

This study addresses the critical challenge of enhancing vehicle classification accuracy in traffic surveys by optimizing the conditions for vehicle axle recognition through artificial intelligence. With current governmental traffic surveys facing issues—particularly the misclassification of freight vehicles in systems employing a 12-category vehicle classification—the research proposes an optimal imaging setup to improve axle recognition accuracy. Field data were acquired at busy intersections using specialized equipment, comparing two camera installation heights under fixed conditions. Analysis revealed that a shooting height of 8.5m combined with a 50°angle significantly reduces occlusion and captures comprehensive vehicle features, including the front, side, and upper views, which are essential for reliable deep learning-based classification. The proposed methodology integrates YOLOv8 for vehicle detection and a CNN-based Deep Sort algorithm for tracking, with image extraction occurring every three frames. The axle regions are then segmented and analyzed for inter-axle distances and patterns, enabling classification into 15 categories—including 12 vehicle types and additional classes such as pedestrians, motorcycles, and personal mobility devices. Experimental results, based on a dataset collected at a high-traffic point in Gwangju, South Korea, demonstrate that the optimized conditions yield an overall accuracy of 97.22% and a PR-Curve AUC of 0.88. Notably, the enhanced setup significantly improved the classification performance for complex vehicle types, such as 6-axle dump trucks and semi-trailers, which are prone to misclassification under lower installation heights. The study concludes that optimized imaging conditions combined with advanced deep learning algorithms for axle recognition can substantially improve vehicle classification accuracy. These findings have important implications for traffic management, infrastructure planning, road maintenance, and policy-making by providing a more reliable and precise basis for traffic data analysis.

코칭이 학문적으로 체계화되고 있고 다양한 분야에서 코칭이 적용되고 있다. 이러한 코칭은 상담과도 밀접한 관련이 있다. 왜냐하면 코칭과 상담은 대화로 이루어지기 때문이다. 실제 상담 과정에서 상담 대화 기법으로 활용되고 있는 내용들을 코칭 과정에서도 활용하면 코칭이 더 풍성해질 것이다. 이 연구의 목 적은 코칭 과정에서 상담 대화 기법 활용 방법을 탐색하여 코칭 현장에서의 상 담 대화 기법 적용 가능성을 모색하는 데 있다. 연구 결과는 다음과 같다. 코칭 의 과정을 살펴보면 1단계는 레포 형성, 2단계는 목표설정, 3단계는 현실점검, 4단계는 대안 탐구, 5단계는 실행 의지 확인이다. 이 각각의 코칭 단계에서 경청 과 질문 피드백이 있다. 코칭의 과정에서 상담 대화 기법을 적용할 수 있다. 상 담 대화 기법은 경청, 명료화, 탐색적 질문, 반영, 공감, 자기 계발, 정보 및 조언 제공이다. 코칭의 과정에서 이러한 상담 대화 기법을 활용하면 코칭이 더 풍성 해질 수 있다.

This study presents a seismic fragility assessment methodology incorporating the cumulative damage effects of repeated seismic loading on structures. Conventional seismic fragility assessment methods typically focus on single earthquakes across multiple structures; however, seismic events often occur in sequences, with each event adding cumulative damage that can amplify the overall damage. Ignoring the effects of repeated earthquakes in fragility assessments may lead to underestimating seismic risk. This study proposes a simplified but efficient fragility assessment method that accounts for repeated earthquake effects using probabilistic combinations of each damage state. This procedure applied the capacity spectrum method to consider capacity degradation from displacement caused by prior earthquakes. Applying various earthquake scenarios, this study analyzes the effects of damage accumulation from earthquake occurrence sequences, structural behavior types, and seismic design levels on the fragility of structures under repeated earthquake events.

본 논문은 자동계류시스템에 활용 가능한 선박의 6자유도 자세 추정을 위한 기법을 다루고 있다. 일반적으로 계류 중인 선박은 바람, 파도, 화물 적·양하로 인한 흘수의 변화, 기조력에 의한 해수면의 높이 변화 등 선박의 운동을 유발하는 다양한 외력이 존재한다. 이 러한 외력은 선박의 자세를 변경시키는데, 선박의 자세가 안정되도록 제어하는 것이 자동계류시스템의 역할이다. 본 논문은 이러한 상황 을 고려하여 대상 선박에 대하여 비접촉식 방법으로 높은 정확도 및 정밀도를 가지는 6-자유도 자세 추정기법을 제안한다. 제안된 방법은 스테레오 비전을 이용하여 2D 텍스쳐 정보와 3D 깊이 정보를 함께 이용한 기법으로, 2D 특징 추출/표현, 3D 필터링, 특징 매칭, 3D 대응쌍 의 가중치 계산, 자세 파라미터 추정 단계로 구성되어 있다. 본 논문에서는 자세 추정 정확도/정밀도를 더욱 개선하기 위해 기하학적 매칭 기법을 통해 두 단계의 특징 선별 및 가중치 산출 전략을 제안한다. 제안된 방법은 각각의 자유도에 대한 변위에 대해 정확도 및 정밀도 분석을 통해 평가된다.

이 논문에서는 부유식 구조체의 계류선에 작용하는 장력을 계산함에 있어서 동적 효과를 고려할 수 있는 준동적 계류선 해석 방법 을 제안하였다. 준동적 계류선 해석 방법은 매 시간 단계에서 계류선의 탄성 현수선 해석해에 기반한 정적 장력을 계산한 후, 준동적 장력 계수를 적용해 속도와 가속도에 따른 항력 및 관성력의 영향을 반영하는 방법이다. 제안하는 방법은 정적 탄성 현수선 해석해를 구할 때 계산 효율성을 높이기 위해 응답면 기법을 도입하고, 수평 및 수직 방향의 동적 계수를 결합하여 준동적 장력 계수를 결정하 는 새로운 방법을 제안하였다. 제안된 모델은 계류된 바지선의 운동 해석을 통해 검증하였으며, 다양한 파 조건에서 동적, 준정적, 준 동적 모델을 비교한 결과, 제안된 준동적 모델은 상대적으로 계류선의 동적 효과가 큰 주파수 대역에서 동적 모델과 유사한 장력 응답 을 도출할 수 있음을 확인하였다.

This study presents an integrated indoor air quality index (IAQI) algorithm aimed at enhancing the efficiency of indoor air quality management in diverse indoor environments. The proposed IAQI accounts for the combined effects of multiple pollutants, offering a more comprehensive approach than traditional concentrationbased methods. Findings from four exposure scenarios and probabilistic health risk assessments indicate that the IAQI can be tailored to reflect occupant characteristics and space usage, thereby providing improved protection for sensitive populations, such as newborns. The application of occupant-specific criteria led to reductions in pollutant concentrations and associated health risks compared to conventional standards. Furthermore, the IAQI incorporates correction factors and weighted adjustments, facilitating robust risk assessments in complex multi-pollutant contexts. By addressing the limitations of single-pollutant management, this approach supports the development of more effective strategies for indoor air quality control. The proposed algorithm holds significant potential for practical applications in indoor air quality management and policymaking. Future research should focus on validating its effectiveness across a wider range of indoor environments.

본 연구에서는 중속 충돌하중을 받는 RC 벽체의 배면파쇄 영역을 모사할 수 있는 모델링 기법을 범용 유한요소해석 프로그램인 LS-DYNA을 통해 제안하였다. 충돌해석에 주로 사용되는 요소 삭제 기능이 발사체의 하중 전달에 영향을 미치고 이로 인해 배면파 쇄 영역이 과소평가 된다고 판단하였다. 따라서 충돌 위치 주변에는 요소 삭제 기능을 사용하지 않는 모델링 기법을 제안하였다. 제안 된 기법을 적용한 해석이 실험 결과를 근접하게 모사함에 따라, 제안한 기법이 연속적인 충돌에너지의 전달에 효과적임을 확인하였 다. 추가적으로 다른 충돌 조건에 대해 해당 기법의 적용성 검토를 진행한 결과, 대칭 조건을 사용하지 않고, 철근의 결속을 함께 모사 할 경우 RC 벽체의 파괴 거동을 더욱 근접하게 모사할 수 있음을 확인하였다.

건물관리업은 산업현장의 생산설비와 시설로 부터 빌딩, 공동주택까지 영역을 확장하고 있다. 최근 5년간 건물관리업에 종사하는 근로자 수는 지속적으로 증가해 왔으며 해당 산업에 종사하는 재해자 수도 함께 증가하고 있다. 특히 건물관리업에서 발생하는 재해의 약 88.6%가 50인 미만 소규모 사업장에서 발생하며, 사고성 재해가 반복된다는 점에서 소규모 사업장에서 중점적으로 관리해야 하는 위험작업에 대한 정보를 제공하여 집중 관리하도록 할 필요성이 높다. 본 연구는 일의 형태가 다양한 건물관리업의 공정과 단위작 업을 표준화하고, 표준화된 작업의 우선 순위와 중요도를 AHP 기법을 통해 분석한 후 일의 중요도와 업무상 가중치를 제시하여 사업장에서 중점적으로 관리해야 하는 작업을 선별하는데 도움을 주고자 한다. 본 연구에서 제시하는 건물관리업의 표준화된 공정과 단위작업을 기반으로 향후 유해위험요인의 표준평가 모델과 표준가중치 모델을 개발하여 사업장에 적용한다면 건물관리사업의 산업재해 리스크를 체계적으로 관리하는데 도움이 될 것으로 기대한다.