PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

최근 자율주행 차량의 등장으로 인해 기존의 교통 시스템에 많은 변화가 생길 것으로 보이며, 운전자가 주행하던 차량과는 다른 행태로 인해 기존 비자율주행 차량들이 초래하는 고위험 상황의 요인과는 다른 새로운 요인들이 도출될 것으로 보인다. 하지만, 현 시점 국내 에서는 자율주행 차량이 실제로 주행하고 있지 않기 때문에 주행행태를 포함한 데이터 기반의 주요 요인 분석 및 도출에 한계가 있다. 따라서 현 시점에서 자율주행 차량이 혼재하는 환경에서 고위험한 상황을 정의할 수 있는 요인을 도출하기 위해서는 사례 중심의 분석이 필요하다. 따라서 본 연구에서는 기존 국내·외 자율주행차량과 관련된 다양한 논문 사례를 DB화하여 이를 정량적으로 평가할 수 있는 메타 분석(Meta-Analysis) 기법을 통해 향후 자율주행차량이 혼재하는 교통 네트워크에서 안전성을 증진하기 위한 고위험 유발의 주요 요인을 도출하고자 하였다. 본 연구에서 DB화한 논문은 자율주행 차량과 관련된 총 4가지(사고요인, 시나리오, 예측모델, 법규)에 해당 하는 분야로 분류하여 수집하였으며, 2015년부터 2024년 까지 최근 10개년에 해당 되는 사례를 수집하여 분석을 수행하고 주요 요인을 도출하였다. 본 연구의 결과는 향후 자율주행 차량 혼재 시 고위험 상황의 주요 요인들을 바탕으로 각 요인에 기반한 자율주행차량 혼재 시 고위험 상황에 대한 정의를 할 수 있으며, 이러한 고위험 요인들에 의해 도로교통의 안전성이 저해될 수 있는 요인에 대한 사전 예방을 수행할 수 있을 것으로 기대된다.

인명 사고, 차량 화재, 자연재해, 돌발상황 등 긴급상황 발생 시 신속한 대응을 위해 영향권을 정확하게 분석하는 것이 필수적이다. 특히 도로망을 중심으로 한 영향권은 해당 도로의 교통량, 통제 차로 수, 사고 처리 시간에 따라 달라지며, 이를 관리하기 위한 대책 이 필요하다. 따라서 본 연구는 향후 도로 관리 대책 및 의사결정을 지원하기 위해 대기행렬이론을 기반으로 긴급상황 영향권을 분석 하였다. 본 연구에서 영향권은 공간적인 개념으로서 사고 발생지점으로부터 해당 도로 진행 방향 기준 후방으로 도로 소통에 영향을 끼치는 거리로 정의하였다. 사고 발생지점, 사고 발생 링크의 교통량, 차로 수 및 통제 차로 수, 사고 발생 및 사고 종료 시점 등의 변수를 입력 데이터로 설정하였고 긴급상황으로 인해 발생하는 대기행렬길이를 파악하기 위해 대기행렬이론을 적용하였다. 돌발상황 정보를 분석하여 사고 지속시간의 범위를 도출하였으며 이를 기반으로 여러 가지 상황별 영향권을 산출하였다. 유스 케이스별 영향권 산출을 통해 교통량, 이용 가능한 차로 수, 사고 지속시간 각각이 영향권과 어떠한 관계가 있는지 확인할 수 있었다. 본 연구에서 설정한 영향권을 통해 실시간 교통 데이터를 활용하여 유사 상황에서의 영향권을 신속히 파악할 수 있다. 이는 교통사고와 같은 긴급 상황 발생 시 신속하고 정확한 영향권 파악으로 현장 대응 및 의사결정 지원 시스템의 효율성을 높이는 데 중요한 역할을 할 것으로 기대된다.

일반차량과 자율주행차량이 혼재하는 상황에서 발생가능한 미래 재난상황에 대한 관리방안 준비가 필요하다. 특히 재난 상황 중 안 개 발생 시 시야 확보가 어려운 일반차량 운전자와 센서기반 자율주행차량의 주행 특성이 다를 수 있다. 해당 상황에서의 문제점을 도출하고 이를 극복하기 위해 혼합교통류 관리 방안을 제안하고자 한다. 본 연구에서는 다양한 재난 상황 중 안개를 연구 대상으로 설정하였다. 과거 기상 상황별 일반차량을 주행 특성을 이력자료로 분석한 후, 안전한 교통흐름을 유지하기 위하여 자율주행차에게 정 보를 제공하는 방안을 제안한다.

자율주행차가 보급되어 도로에서 사람 운전자와 함께 운영되는 미래가 다가오고 있다. 사람 중심으로 운영되는 도로 체계가 자율주 행차와 공존하는 형태로 변화하고 있으며, 도로 시스템도 사람 운전자와 자율주행차가 혼재된 혼합교통류를 대상으로 변화하고 있다. 현재 도로에서는 예상하지 못한 상황들이 다양하게 발생한다. 교통사고, 도로 낙하물 등 교통흐름에 영향을 주는 상황들이 발생하며, 대응을 위한 전략들이 각 지방자치단체에서 준비되어 있다. 미래 교통상황에는 도로상에 자율주행차가 혼재되어 있으며 이를 포함하 는 돌발 및 재난상황에 대한 제어전략은 아직 부재하다. 본 연구에서는 돌발 및 재난상황 발생 시 자율주행차 제어전략에 대한 설계 방안을 제안한다. 돌발 및 재난상황 범위에 대해 정의하며, 상황 구분을 위한 기준을 제시하여 각 상황에서 자율주행차가 안전하게 대 응할 수 있도록 제어전략을 제시한다.

PURPOSES : This study presents a general guideline for the initial management of traffic signal timings in response to traffic incidents, prior to the implementation of specific treatments in detail. The proposed solution includes a set of optimal reductions in the green time rates at three signalized intersections upstream. METHODS : To account for the various traffic and incident conditions that may be encountered, a total of 36 traffic-condition scenarios were prepared. These scenarios encompass a wide range of conditions, from unsaturated to near-saturated conditions, and were designed to provide a comprehensive understanding of the impact of traffic conditions on signal timing. For each of the traffic conditions, all 27 traffic signal timing combinations were subjected to testing. A total of 972 simulation analyses were conducted using the SUMO model. The results indicated that the scenario with the lowest control delay was the optimal choice. RESULTS : The results indicated that the most effective initial management for the traffic incident would be to reduce the green signal timings by 20% at the first two upstream intersections and by 40% at the third intersection. CONCLUSIONS : We propose reducing the green times by 20% at the first and second intersections and by 40% at the third intersection as the initial response of the traffic signal control center when a traffic incident occurs.

PURPOSES : Even when autonomous vehicles are commercialized, a situation in which autonomous vehicles and regular drivers are mixed will persist for a considerable period of time until the percentage of autonomous vehicles on the road reaches 100%. To prepare for various situations that may occur in mixed traffic, this study aimed to understand the changes in traffic flow according to the percentage of autonomous vehicles in unsignalized intersections. METHODS : We collected road information and constructed a network using the VISSIM traffic simulation program. We then configured various scenarios according to the percentage of autonomous vehicles and traffic volume to understand the changes in the traffic flow in the mixed traffic by scenario. RESULTS : The results of the analysis showed that in all scenarios, the traffic flow on major roads changed negatively with the mix of autonomous vehicles; however, the increase or decrease was small. By contrast, the traffic flow on minor roads changed positively with a mix of autonomous vehicles. CONCLUSIONS : This study is significant because it proactively examines and designs traffic flow changes in congested traffic that may occur when autonomous vehicles are introduced.

Purpose: This study aimed to analyze the overall trends and characteristics of emergency response training programs for newly graduated nurses, with a focus on identifying the educational directions necessary to enhance their capabilities in managing emergencies. Methods: We conducted a scoping review using Arksey and O’Malley’s 5-step framework, with a total of six databases searched from April 1—10, 2024. Results: This study identified nine articles published from 2010–2023. The articles’ educational content focuses on various emergencies, prominently featuring cardiopulmonary resuscitation and responses to patients’ conditions. Simulations served as the primary instructional method. The outcomes indicated notable improvements in participants’ performance capabilities and knowledge levels. Conclusion: Emergency response training programs for newly graduated nurses can be designed to provide staged interventions suitable for various patient conditions, with an emphasis on effectively utilizing simulation education. Furthermore, it is essential to diversify program evaluation metrics beyond knowledge and performance skills to include behavioral and outcome evaluations.

Purpose: The global emphasis on preventing and systematically managing acute cardiac arrest necessitates improved education in cardiovascular emergencies. This study aims to provide foundational data on the effectiveness of simulation-based cardiovascular emergency management education, applying the think-aloud method for nurses. Method: A one-group pre-posttest experimental design was used from July 29 to August 15, 2022. Twenty-eight nurses participated in this study. Data were analyzed using descriptive statistics and the Wilcoxon signed-rank test with SPSS/WIN 25.0. Results: The educational intervention showed statistically significant improvements in outcomes: knowledge of cardiovascular emergency management (Z=-4.24, p<.001), confidence in cardiovascular emergency management (Z=-4.63, p<.001), clinical reasoning competence (Z=-4.16, p<.001), and self-efficacy for group work (Z=-3.47, p=.001), and selfregulation for group work (Z=-2.29, p=.022). Conclusion: This study indicates that the use of the think-aloud method in simulation-based learning can effectively enhance cardiovascular emergency management training by reducing learners’ cognitive load. Cardiovascular emergency management competencies can be strengthened through the development of diverse educational strategies and the expansion of training support.

New motor development requires high-speed load testing using dynamo equipment to calculate the efficiency of the motor. Abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft or looseness of the fixation, which may lead to safety accidents. In this study, three single-axis vibration sensors for X, Y, and Z axes were attached on the surface of the test motor to measure the vibration value of vibration. Analog data collected from these sensors was used in classification models for anomaly detection. Since the classification accuracy was around only 93%, commonly used hyperparameter optimization techniques such as Grid search, Random search, and Bayesian Optimization were applied to increase accuracy. In addition, Response Surface Method based on Design of Experiment was also used for hyperparameter optimization. However, it was found that there were limits to improving accuracy with these methods. The reason is that the sampling data from an analog signal does not reflect the patterns hidden in the signal. Therefore, in order to find pattern information of the sampling data, we obtained descriptive statistics such as mean, variance, skewness, kurtosis, and percentiles of the analog data, and applied them to the classification models. Classification models using descriptive statistics showed excellent performance improvement. The developed model can be used as a monitoring system that detects abnormal conditions of the motor test.

본 연구는 다문화 아동의 갈등상황에서 디아코니아 선교는 갈등을 해소하고 학교 내 평화와 화해를 증진하는 데 중요한 역할을 할 수 있음을 제시한다. 이 연구의 목적은 다문화 아동이 겪는 갈등 문제 해결을 위해 신학교, 선교단체, 민간 및 공공기관이 협력하는 사례를 모델로 제시함으로써, 다문화 아동들의 적응과 성장을 지원하고 사회적 통합을 촉진하는 디아코니아 실천을 통한 선교적 방안을 모색하고자 한다. 사례로 제시된 관계회복지원 프로그램은 학급 내에서 사회적 지지와 친구 관계의 회복을 촉진하는 효과적인 방법으로 작용했으며, 특히 학생들 사이의 관계 개선에 긍정적인 영향을 미친 것으로 나타났 다. 이러한 사례처럼 다문화 아동을 비롯한 다문화 선교는 지역의 이주민 분석을 통해 맞춤형 지원을 위해서 지역사회 내에 다양한 기관들 과 협력하고 연대하여 다양성 속에서 공존과 조화를 이루어 나가야 한다. 한국교회와 그리스도인들은 다문화 아동의 문제를 비롯한 국내이 주민 상황을 올바르게 이해하고 인식하여 다문화 선교를 통해 하나님의 나라를 실현할 수 있기를 기대한다.

전 세계적으로 실도로에서의 자율주행차 안전성능을 검증하고 자율주행 시스템 기술의 개발을 위해 다양한 실증을 수행하고 있다. 미국의 경우 캘리포니아, 오하이오, 애리조나 등 다양한 주에서 자율주행차의 실도로 테스트를 진행하고 있으며, 독일의 경우 페가수 스 및 이매진 프로젝트 등을 통해 자율주행 성능 및 협력 운행 테스트를 수행하였다. 그러나, 자율주행차의 주행 성능 측면의 평가에 국한되어 실증이 진행되고 있다는 한계가 존재한다. 실도로 환경에서 자율주행차는 비자율주행차, 보행자 및 자전거 등과 상호작용하 며, 다양한 도로 기하구조에서 주행안전성 저하 문제가 발생할 수 있다. 따라서, 본 연구에서는 혼재교통상황에서 자율주행차의 주행 안전성을 저하시키는 도로 기하구조를 도출하였다. 또한, 캘리포니아 Department of Motor Vehicles (DMV)에서 제시한 자율주행차 관련 사고자료 검토를 통해 유사한 도로 기하구조에서 발생할 수 있는 사고 유형을 검토함으로써 선제적인 대안을 마련하고자 한다. 시뮬 레이션 분석을 위한 자율주행차 거동구현의 경우 real-world automated vehicle data (AVD) 기반 주행행태 분석을 통해 VISSIM 파라미 터를 조정하였다. 위험구간 도출을 위해 평가지표를 선정하고 주행안전성 분석을 수행하였으며, 위험 구간의 도로 기하구조의 특성을 도출하였다. 마지막으로 위험구간의 도로 기하구조와 유사한 구간에서 발생한 실제 자율주행차 관련 사고 보고서를 검토함으로써 본 연구에서 도출된 위험구간의 도로 기하구조에서 발생할 수 있는 잠재적 사고 원인을 제시하였다. 본 연구의 결과를 통해 향후 자율주 행차의 실도로 도입을 위해 선제적인 대책을 마려하는데 기초자료로 활용될 수 있으며, 나아가 자율주행차 안전성 향상을 위한 경고 정보 서비스 개발, 정보 제공 인프라 설치 우선순위, 도로 기하구조 개선 사업에 활용할 수 있을 것으로 기대된다.

4차 산업혁명의 도래로 인한 기술혁신은 자율운항선박을 중심으로 해상 운송분야까지 활발한 발전을 불러왔다. 특히, 현재의 선원이 직접 운항하는 방식인 유인선박 사이에서 운항하게 될 자율운항선박은 자율도에 따라 원격제어를 통해 운항을 수행하며, 육상에 서 이를 제어할 원격운항자에 대한 관심 또한 늘어나고 있다. 하지만 아직 원격운항자가 개입이 필요한 상황이 동시에 발생하는 등을 고 려한 원격운항자 최소 인력 요구사항에 대한 연구는 부족한 상황이다. 본 연구는 특정 해역 구간의 누적된 항적데이터를 활용하여 선박 간에 발생할 수 있는 조우상황에서 원격운항자의 개입이 필요한 상황을 정의하고, 해당 구간을 특정 규모의 자율운항선박 선대로 운항하 였을 때, 원격운항자의 개입이 동시에 필요한 상황이 얼마나 발생하는지를 시뮬레이션을 통해 확인하였다. 연구의 결과는 향후 실제 자율 운항선박 선대를 운행할 원격운항센터의 원격운항자의 적정인력 배치 등의 계획 또는 정책 수립에 활용될 기초 자료로 활용될 것으로 기 대한다.

본 연구는 코로나19 팬데믹 상황에서 장애인의 우울 진입에 영향을 미 치는 요인에 대하여 시기별 차이를 살펴보고 향후 감염병 확산 시 장애 인의 우울진입(정상상태에서 우울진단으로 이동)을 예방하기 위한 방안을 제시해 보고자 하였다. 이를 위해 한국복지패널조사 15~17차 자료를 결 합하여 생존분석을 실시하였다. 분석결과, 1년 후까지(2020년 기준 2021 년까지)는 여자가 남자보다, 대구·경북, 대전·충남, 강원·충북에 살고 있 는 경우가 서울에 거주하고 있는 경우보다, 사회적지지를 적게 받을수록, 사회적친분관계만족도가 낮을수록 우울진입 가능성이 높았다. 한편 2년 후까지(2020년 기준 2022년까지)는 여자가 남자보다, 강원·충북에 살고 있는 경우가 서울에 거주하고 있는 경우보다, 자아존중감이 낮을수록, 사 회적친분관계만족도가 낮을수록, 미취업자가 취업자보다 우울진입 가능 성이 높았다. 이를 바탕으로 감염병 확산 시 장애인의 우울진입을 예방 하기 위해서는 기간에 따라 차별적인 대안을 마련하고 적용할 필요성 등 이 있음을 제언하였다.