본 연구는 2017년부터 2021년까지 고속도로에서 발생한 약 9,600건의 사고를 분석하여 자율주행 긴급차량의 신속한 대응 능력을 향 상시키고자 하였다. 조사 결과, 2차 사고가 전체 사망자의 16.8%를 차지하며, 이들 중 약 74%가 선행사고와 관련이 있다는 점이 강조 된다. 이러한 통계는 긴급차량의 신속한 대처 능력이 피해를 최소화하는 데 얼마나 중요한지를 보여준다. 연구에서는 사고의 영향권을 정의하고, 이를 기반으로 긴급차량이 보다 안전하고 효율적으로 사고 현장에 접근할 수 있도록 하는 알고리즘을 개발하였다. 실제 교 통사고 데이터를 활용하여 사고 지속 시간과 다양한 변수를 고려한 기초 분석을 실시하였으며, 도로 특성, 사고 종류, 점유 차로 등 여러 요소를 반영하여 대응 기준을 설정했다. 알고리즘은 자율주행 차량이 실시간으로 주변 정보를 수집하고 신속하게 대응 방안을 마련할 수 있도록 설계되었다. 향후 연구에서는 알고리즘의 실제 도로 환경에서의 적용 가능성을 검토하고, 다양한 변수들을 포함한 추가 연구를 통해 성능을 더욱 개선할 계획이다. 이러한 연구 결과는 교통사고로 인한 피해를 줄이는 데 기여하고, 자율주행 기술을 활용하여 2차 사고의 가능성을 감소시키는 데 중요한 역할을 할 것으로 기대된다.

2019년 12월, 상주-영천 고속도로 상행선에서 도로 노면 결빙에 의한 연쇄추돌사고로 48명의 사상자가 발생하였다. 이에, 국토교통부 는 2020년 1월 결빙 취약구간 선정기준을 마련하여 결빙 취약구간 403개소를 지정하고, 결빙 취약구간을 대상으로 2022년까지 1,699억 원의 예산을 투입하여 결빙사고 예방사업을 계획하였다(BAI, 2021). 하지만, 결빙 취약구간 선정기준에 대해 적정성 검토가 이루어지 지 않아 그 신뢰성과 실효성이 충분히 검증되지 않았다. 본 연구에서는 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국도 및 일반국도의 특성정보(시설, 선형구조, 기상, 교통 등)를 GIS(Geographic Information System) 데이터로 구축하였다. 최근 5년 결빙사고 발생이력이 있는 도로구간(Link)을 확인하고 Random Forest 알고리즘을 통해 도로 특성정보의 결빙사고에 대한 변수 중요도(Feature Importance)를 분석했다. 이를 통해 결빙사고와 각 인자의 상관성을 파악하여 ‘결빙 취약구간 평가 세부 배점표’의 항목별 배점을 수정, 보완함으로써 평가표의 신뢰성을 제고한다.

본 연구는 소량 다품종의 화학물질을 다루는 연구실의 안전관리를 강화하기 위해 전과정관리 체계 알고리즘을 제안하는데 그 목적이 있다. 이를 위해 최근 10년간의 연구실 사고 사례, 관련 법규, 선행 연구 및 FGI (Focus Group Interview) 연구실 현황 분석을 통해 요구사항을 도출하고 전과정 관리체계를 개발하였으며, 이를 기반으로 전과정관리체계 알고리즘을 설계, 개발하여 연구실에 적용 및 검증하였다. 연구실 화학물질 사고 예방을 위한 안전관리는 우선 연구실 내 화학물질의 종류와 양을 정확히 파악하는 것부터 시작해야 한다. 이를 위해 화학물질관리의 전 과정을 단계별로 나누어 관리체계를 수립하고, 각 단계에서 활용되는 물질 정보, 법규 정보, 화학물질 성상별 분리 정보를 다루는 데이터베이스 항목 추출 및 알고리즘 개발 방안을 제시하였다. 본 알고리즘을 세 개의 기관에서 적용한 결과, 사고 예방 및 법규 준수 측면에서 높은 효과를 보인 것으로 평가되었으나 사고 발생률에 미치는 유의한 영향에 대해 알기 위해서는 더 많은 적용 연구가 필요하다. 본 연구에서 개발한 전과정관리체계 알고리즘의 활용은 실험실 안전과 사회적 안전을 도모하는 동시에 기업의 ESG 경영의 중요한 요소 중 하나인 기업활동의 리스크 관리와 책임경영에 도움이 될 것으로 기대한다.

제4차 산업혁명이 시작되면서 주목받기 시작한 인공지능은 선박에도 적용되 어 자율운항선박 개발이 진행되고 있다. 자율운항선박은 선원의 승선유무와 원 격조종자의 조종여부에 따라 총 4단계로 구분되며, 완전자율운항선박은 인간의 개입 없이 설계자가 설계한 알고리즘에 따라 최적의 결정을 내리게 된다. 그러 나 인공지능의 자율성과 예측곤란성이라는 특징으로 인하여 완전자율운항선박 의 결정이 예측하기 어려우며 이러한 결정이 항상 윤리적이라고 기대하기 어렵 다. 그러나 인공지능의 예측불가능성을 인공지능의 자율성에 의존해서는 안되므로 인간의 가치가 반영된 인공지능의 알고리즘이 설계되어야 한다. 특히, 충 돌의 위험을 피할 수 없는 상황에서 인공지능이 어떠한 원칙과 기준에 따라 결 정을 내리는 것인지 이러한 과정을 결정하는 사고 알고리즘에 대해 설명가능하 고 이러한 결정이 사회 구성원들에게 합리적으로 받아들여져야 한다. 이와 같은 인공지능의 윤리문제에 대한 논의는 자율주행자동차 분야에서 가 장 활발하게 이루어지고 있다. 그러나 인간의 가치가 일관성과 보편성을 가지 기 어렵다는 한계가 있다. 특히, 윤리적 딜레마 상황에서는 ‘실천이성의 이중성’ 으로 인하여 이성적이며 윤리적인 판단과는 다른 결정을 내리게 되며, 윤리적 이라는 행동에 대한 기준 역시 지역·문화·경제 상황에 따라 다르게 인식하고 있다. 그 결과 인공지능의 윤리적 가이드라인의 필요성에 대해 인식하면서도 사고 알고리즘에 대한 구체적인 기준을 정립하는 것에 대해서는 회의적이다. 자율주행자동차의 윤리적 딜레마 상황을 예견하여 사용과정에서 발생하게 될 현실적인 문제를 완벽하게 대응할 수 없다는 것이다. 그러나 문제가 발생한 이 후 대응책을 마련한다는 것은 현실적으로 발생한 피해를 구제하기 위한 조치일 뿐 근본적인 문제를 해결하는 방법이 아니다. 특히, 전 세계 해역을 운항하는 자율운항선박은 전 세계 구성원들에게 합리적으로 받아들여지는 결정을 내려 야 한다. 따라서 국제해사기구를 중심으로 자율운항선박과 관계된 사고 알고리 즘을 포함한 윤리적 가이드라인을 마련하고 이를 개별국가에서 정책적으로 반 영함으로써 자율운항선박 개발 단계부터 사용단계에 이르는 전 과정에서 프로 그램 개발자와 이해관계자가 윤리규범을 준수하고, 축적된 정보를 기초로 보완 작업을 통해 자율운항선박의 윤리문제에 대응해 나가야 할 것이다.

자동사고검지 알고리즘의 대부분은 사고가 발생했을 때 사고로 검지하지 못하고, 혼잡으로 검지하는 경우가 많다는 문제점을 가지고 있다. 또한 교통정보센터 운영자들은 교통사고검지시스템을 운영하면서 대부분 CCTV 육안감시 또는 운전자들의 신고에 의존하여 사고처리를 하고 있는 실정이다. 그 이유는 현재 운영되고 있는 교통사고검지시스템에서는 실제 사고가 아닌데도 불구하고, 사고라는 오검지 경고가 많이 발생되어 시스템 전체의 신뢰도가 떨어진다는 문제점이 있기 때문이다. 다시 말해 교통사고검지시스템의 알고리즘은 검지율(Detection probability)이 높아야 함과 동시에, 오검지율(False alarm probability)은 낮아야 하고, 정확한 사고지점과 시간을 검지해 낼 수 있어야 한다. 이에 본 연구는 검지율을 높이고 동시에, 오검지율을 낮추는 방법으로 기 개발된 가우시안 혼합모델(Gaussian Mixture Model)과 개별차량 Tracking을 이용하여 개발한 사고검지 알고리즘을 교통정보센터 관리시스템(Center Management System)에 적용하고, 실제 교통상황에서 사고검지율과 오검지의 빈도를 측정하여 그 효과를 검증 및 평가하고자 한다.

현재 컴퓨터교육계의 큰 동향은 컴퓨터교육을 통한 학생들의 컴퓨팅적 사고(computational thinking)의 신장에 있으며 우리나라 또한 이러한 세계적 추세에 발맞추어 컴퓨터교육의 궁극적인 교육목표를 컴퓨팅적 사고의 증진에 두고 알고리즘 등의 컴퓨터과학 분야의 학습 중요성을 강조하고 있다. 그러나 초등학생을 대상으로 하는 컴퓨터과학 교육의 교수 학습 모형에 대한 연구는 아직 미진하며 초등학생의 특성에 맞으면서 알고리즘적 사고를 신장시킬 수 있는 교수 학습 모형의 도입이 시급하다. 따라서 본 연구에서는 실제적 수학교육을 위한 RME (Realistic Mathematical Education) 교수 학습 모형을 컴퓨팅적 사고 증진을 위한 알고리즘 수업에 맞게 수정하고 관련수업 프로그램을 개발하여 이를 초등학교 수업에 적용하였다. 이 모형을 교육 현장에 적용한 실험 결과 학생들의 문제해결력에 효과가 있음이 통계적으로 확인되었다.

해양사고에서 선박간의 충돌사고가 많은 부분을 차지하고 있으며, 상당수가 인적오류에 의해 발생되고 있다. 본 논문에서는 선박에서 항해사의 안전운항을 효과적으로 지원하고 충돌사고를 방지하기 위해 다중선박의 충돌 위험도를 추정하는 알고리즘을 개발하였다. 선박 충돌위험도 추정 알고리즘은 선박들의 항행정보로서 AIS 정보를 사용하고 퍼지 이론을 이용하여 충돌위험도를 계산한다. 지난 연구에서는 고안된 알고리즘의 성능을 검증하기 위해 울산항 해상교통관제(VTS) 센터로부터 실제 울산항에서 운행된 선박들의 AIS데이터를 수집하였고, 이를 기반으로 검증 시뮬레이션을 수행한 바 있다. 본 논문에서는 선박 충돌위험도 추정 알고리즘을 좀더 정밀하게 검증하기 위해 실제 해상충돌사고 데이터에 적용해 보고자 하였다. 이를 위해, 2009년 부산항에서 발생한 석유제품 운반선과 화물선간의 충돌사고에 대한 AIS 데이터를 수집하였고 이를 이용하여 선박운항 시뮬레이터 기반 재생 시뮬레이션을 수행하였다. 시뮬레이션 결과, 실제 사고 상황에 적용할 경우 충돌 사고가 일어나기 전에 충돌 위험을 표시하여 충돌사고를 경고할 수 있음을 확인할 수 있었다.