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.

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.

This study systematically analyzed the causes of recurring electric shock accidents using accident analysis techniques and attempted to suggest implications for accident prevention. 124 electrocution death accidents that occurred from 2017 to 2022 were analyzed and classified into four factors(organizational influence, unsafe supervision, preconditions for unsafe acts, and unsafe acts) using the HFACS technique. As a result, First, in terms of organizational influence, many issues related to organizational processes were found, and the main causes were the lack of a safety management manual for electrical work, the lack of risk assessment, and the lack of safety procedures for electrical work. Second, in terms of unsafe supervision, the main causes were inappropriate operations such as not assigning a work supervisor during work or the lack of actual management and supervision. Third, in terms of preconditions for unsafe acts, the main causes were physical and technical problems such as not performing power outage work or not taking protective measures for live parts. Fourth, in terms of unsafe acts, the main causes were analyzed to be violations of safety procedures such as workers mistaking a power outage or not recognizing a current leakage condition, making a wrong judgment of the situation, and shortening the work time and working without safety measures for work convenience. Additionally, when examining whether the personal characteristics of those who died from electric shock had significant differences in unsafe behaviors, it was confirmed that there were significant differences in violations or decision-making errors depending on the industry and electrical-related major.

이 연구의 목적은 척추 자기공명영상 검사 시 기존의 포화 펄스와 함께 호흡 유도하(respiratory triggering, RTr) 기법을 적용하는 것이 영상화질 개선에 있어 효과적인지를 평가해 보기 위함이다. 이에 본 연구는 2024년 2월부터 2024년 10월까지 척추 MRI 검사를 받은 환자를 대상으로 분석하였다. 사용된 장비는 GE 사의 3.0T SIGNA Premier을 사용하였고, 축상 T2강조영상에서 동일한 부위를 RTr 기법을 적용하지 않은 영상과 RTr 기법을 적용한 영상 두 개를 획득해 평가하였다. 정성평가는 2명의 평가자의 평가점수를 Wilcoxon test로 비교하였다. 정성평가 결과, 경추와 요추에서는 RTr 기법 적용 시 영상화질 개선에 있어서 유의미한 차이를 보이지는 않았지만 흉추에서는 RTr 기법 적용 시 영상화질 개선에 있어서 유의미한 차이를 보였다. 결론적으로 경추와 요추보다는 포화펄스 사용에 있어 제한이 있고 호흡에 영향을 많이 받는 흉추 MRI 검사 시 RTr 기법을 적용하는 것이 더 효과적이다. 다만 RTr 기법 적용 시 검사 시간이 늘어나는 단점이 있어서 환자의 상태에 맞춰 검사하는 것이 요구되는 바이다.

본 연구는 뇌 DWI에서 딥러닝 적용 시 48채널과 8채널 헤드 코일 간 영상 품질의 차이를 분석하는 것을 목표로 하였다. 3.0T MRI를 사용하여 두 종류의 코일을 비교하였으며, 딥러닝 알고리즘의 효과를 확인하기 위해 SNR(신호 대 잡음비), ADC(겉보기 확산 계수), SSIM(구조적 유사성 지수)을 측정하였습니다. 연구 결과에 따르면, 딥러닝 적용 후 b-value에 따른 두 코일 간의 차이가 나타났다. 특히 b-value 0 및 1000에서는 딥러닝 적용 전후에 두 코일 간 통계적으로 유의미한 차이가 없었지만, b-value 3000에서는 적용 전후 모두에서 유의미한 차이가 있었다. SSIM 분석에서도 딥러닝 적용 전후 차이는 없었으나, b-value에 따른 차이가 측정되었습니다. 이러한 차이는 영상 판독에 영향을 미칠 수 있으며, 이를 개선하기 위해서는 딥러닝 알고리즘이 부위별, 코일별, 펄스 시퀀스별로 최적화 될 필요가 있다. 따라서 본 연구는 향후 딥러닝 기반 MRI 영상의 정확도와 일관성을 높이기 위한 기초 정보를 제공 하며, 임상적 적용에서 부위별, 수신 코일별, 펄스 시퀀스별로 세분된 딥러닝의 최적화가 필요하다.

Defective product data is often very few because it is difficult to obtain defective product data while good product data is rich in manufacturing system. One of the frequently used methods to resolve the problems caused by data imbalance is data augmentation. Data augmentation is a method of increasing data from a minor class with a small number of data to be similar to the number of data from a major class with a large number of data. BAGAN-GP uses an autoencoder in the early stage of learning to infer the distribution of the major class and minor class and initialize the weights of the GAN. To resolve the weight clipping problem where the weights are concentrated on the boundary, the gradient penalty method is applied to appropriately distribute the weights within the range. Data augmentation techniques such as SMOTE, ADASYN, and Borderline-SMOTE are linearity-based techniques that connect observations with a line segment and generate data by selecting a random point on the line segment. On the other hand, BAGAN-GP does not exhibit linearity because it generates data based on the distribution of classes. Considering the generation of data with various characteristics and rare defective data, MO1 and MO2 techniques are proposed. The data is augmented with the proposed augmentation techniques, and the performance is compared with the cases augmented with existing techniques by classifying them with MLP, SVM, and random forest. The results of MO1 is good in most cases, which is believed to be because the data was augmented more diversely by using the existing oversampling technique based on linearity and the BAGAN-GP technique based on the distribution of class data, respectively.

자기공명영상은 인체 내부 구조와 병변을 비침습적으로 시각화하는 핵심 의료 영상 기법으로 자리 잡고 있으며, 특히 신경계 및 심혈관계 질환과 같은 복잡한 질병의 진단에서 필수적인 도구로 활용되고 있다. 기존의 자기공명영상 시스 템은 영상의 해상도와 신호대잡음비에서 한계가 있었으나, 최근의 기술 발전은 이러한 한계를 극복하고 진단 정확성 을 높이는 방향으로 나아가고 있다. 고자기장 자기공명영상 시스템의 도입은 해상도와 신호대잡음비를 개선하는 데 기여하고 있으며, 병렬 영상 기법은 촬영 속도를 향상시키면서도 영상 품질의 손실을 최소화한다. 또한, 압축 센싱 (compressed sensing) 기술은 데이터 획득 시간을 줄여 촬영 효율성을 높이는 데 중요한 역할을 하고 있다. 최근 인공지능(AI)의 발전으로, 자기공명영상 데이터에서 초해상도 복원(super-resolution) 및 노이즈 제거와 같은 영상 후처리 기술이 획기적으로 향상되었다. 인공지능 기반의 영상 향상 기술은 저해상도 데이터를 고해상도로 변환하고, 촬영 과정에서 발생할 수 있는 왜곡과 노이즈를 효과적으로 제거하여, 더 정확하고 명확한 진단 영상을 제공한다. 이러한 발전은 단순히 영상의 품질을 높이는 것을 넘어, 임상 진단의 정확성과 효율성을 크게 향상시키고 있으며, 특히 제한된 촬영 시간을 요구하는 응급 상황에서 유용성이 두드러진다. 본 논문에서는 자기공명영상 촬영 기법의 최신 발전과 인공지능 기반 영상 향상 기술의 동향을 여러모로 분석하고, 이들의 임상적 유용성을 조명함으로써 고해 상도 자기공명영상이 의료 분야에서 가지는 의미와 향후 발전 방향을 제시하고자 한다.

This study aimed to improve the accuracy of road pavement design by comparing and analyzing various statistical and machine-learning techniques for predicting asphalt layer thickness, focusing on regional roads in Pakistan. The explanatory variables selected for this study included the annual average daily traffic (AADT), subbase thickness, and subgrade California bearing ratio (CBR) values from six cities in Pakistan. The statistical prediction models used were multiple linear regression (MLR), support vector regression (SVR), random forest, and XGBoost. The performance of each model was evaluated using the mean absolute percentage error (MAPE) and root-mean-square error (RMSE). The analysis results indicated that the AADT was the most influential variable affecting the asphalt layer thickness. Among the models, the MLR demonstrated the best predictive performance. While XGBoost had a relatively strong performance among the machine-learning techniques, the traditional statistical model, MLR, still outperformed it in certain regions. This study emphasized the need for customized pavement designs that reflect the traffic and environmental conditions specific to regional roads in Pakistan. This finding suggests that future research should incorporate additional variables and data for a more in-depth analysis.