Tuned Mass Dampers (TMDs) are widely used to mitigate structural vibrations in buildings and bridges. However, conventional optimization methods often struggle to achieve optimal performance due to the complexity of structural dynamics. This study proposes the NN-L-BFGS-B algorithm, which combines Artificial Neural Networks (ANNs) for global exploration and L-BFGS-B for local exploitation to efficiently optimize TMD parameters. A ten-story shear-building model with a TMD is used for validation. The proposed method achieves the lowest H₂ norm compared to previous studies, demonstrating improved optimization performance. Additionally, NN-L-BFGS-B effectively balances computational efficiency and accuracy, making it adaptable to various engineering optimization problems.

The rapid expansion of bridge and tunnel infrastructure has resulted in a growing incidence of wind-induced traffic accidents occurring at bridge approaches and tunnel portals. These accidents not only inflict direct damage on vehicles but also lead to substantial social and economic losses, stemming from roadway infrastructure repair and maintenance costs, as well as elevated logistics expenses due to traffic delays and congestion. In this study, a theoretical expression for the lateral displacement of vehicles as a function of wind speed was derived. Subsequently, lateral displacement and lateral wind force were analyzed and compared across vehicle types, considering both straight and curved roadway sections. An analysis of prevailing wind directions at each site revealed that, for passenger cars, the maximum lateral force and displacement on straight sections occurred at a wind incidence angle of 45°, whereas on curved sections with a pier curvature of 90°, the critical wind direction ranged from 0° to 120°. These results demonstrate that vehicle stability can be significantly compromised during high-speed travel under crosswind conditions. Based on departure trajectories of vehicles under varying wind speeds, a risk-assessment scale for wind-induced accidents was developed. In addition, design guidelines were proposed for the strategic placement of windbreak barriers to enhance driving safety under strong wind conditions.

도로 위 차량의 차로변경은 주변 차량의 움직임에 민감하게 반응해야 하며, 적절한 속도와 타이밍으로 수행하지 못할 경우 교통 흐름을 방해하고 부정적인 영향을 초래할 수 있다. 자율주행차량(Autonomous Vehicle, AV)은 이러한 문제를 해결하기 위해 주변 상황을 정확히 판단하고 인지하여 차로변경을 수행한다. 이때, 안전 관리 전략의 일환으로 최적화된 차로변경 주행 궤적을 제공함으로써 안전하고 효율적인 차로변경을 실현하는 것이 중요하다. 본 연구는 이러한 배경에서 주변 차량과 EGO 차량의 예측 주행 궤적에 기반한 확률론적 개념인 risk field를 계산하고, 이를 활용하여 차량의 종방 향 및 횡방향 안전 궤적을 제시하였다. 이를 위해 고속도로 드론 데이터를 활용하여 차량 간 상호작용 상황을 분석하고, 차로변경 시나리오 데이터를 분류하였다. 연구에서는 주행 속도와 차량의 경위도 등 1.1초 동안의 연속된 주행 데이터를 입력으로 사용하였으며, 다층 인코더-디코더 장단기 메모리 네트워크(EDLN) 모델을 통해 미래 6초 후 차량의 위치를 예 측하였다. 이후 장 이론(field theory)을 기반으로 한 risk field 모형을 통해 도로 위 각 지점의 위험도를 정량화하였다. 또한, 차량의 거동 제약, 주행 편의성, 그리고 안전성 제약 조건을 반영하여 안전 궤적을 생성하였다. 마지막으로, 생성된 궤적이 교통류 안전성에 미치는 영향을 평가하기 위해 예측된 주행 궤적(predicted trajectory)과 실제 주행 궤적(ground truth)을 비교 분석하였다. 평가지표는 대리 안전 지표(surrogate safety measure, SSM) 중 TTC(Time to Collision)와 PET(Post Encroachment Time)를 활용하였다. 본 연구는 제안된 안전성 정량화 및 궤적 생성 방법이 기존 방법론과 비 교하여 우수한 성능을 보임을 입증하였으며, 향후 자율주행차량 혼재 교통류 및 완전 자율주행 교통류에서 높은 효율성 과 안전성을 확보하는 데 기여할 것으로 기대된다.

결빙되거나 적설이 있는 도로와 같이 마찰이 작은 노면에서는 일반 노면과 비교했을 때 제동거리가 크게 증가하기 때문에 심각한 교통사고로 이어질 수 있다. 이에 블랙 아이스(Black ice)와 같은 노면 위험을 감지 하기 위한 노면 분류 기술에 대한 연구가 지금까지 지속적으로 이루어지고 있다. ESC(Electronic Stability Control) 시스템은 차량 자세 제어를 통해 마찰이 작은 노면에서 차량의 미끄러짐 및 전복을 방지하는 능동 안전시스템(Active safety system)이다. ESC 시스템의 성능을 위해서는 정확한 노면 마찰 계수(Road friction coefficient) 추정을 통한 노면 분류가 중요하다. 최근의 노면 분류 기술은 카메라, LiDAR 등의 이미 지 기반의 방법에 중점을 두고 연구가 진행되고 있다. 그러나 이러한 이미지 기반의 방법들은 정확도가 낮을 뿐만 아니라 높은 계산 복잡도의 문제를 가지고 있다. 이뿐만 아니라 높은 비용으로 인해 상용화 측면에서도 단점을 드러내고 있다. 본 연구에서는 그림1처럼 센서 융합 기술을 활용하여 이미지 기반 방법의 문제점을 해결하고자 한다. 차량 횡방향 동역학 모델(Vehicle lateral dynamic model)을 선형화하여 칼만 필터(Kalman filter)를 적용한 노면 마찰 계수 추정 알고리즘을 설계하고, 기계학습(Machine learning) 모델을 적용하여 블랙 아이스 검출 알고 리즘을 설계한다. 전기차 CAN 버스로부터 얻을 수 있는 차량 종방향 가속도(Vehicle longitudinal acceleration)를 제어 입력으로 하고, 요 레이트(Yaw rate)를 측정값으로 하여 칼만 필터에 적용하여 차량 종 방향 속도(Vehicle longitudinal velocity)와 차량 횡방향 속도(Vehicle lateral velocity), 요 레이트, 차량 횡방 향 힘(Vehicle lateral force)을 추정한다. 이때 전통적인 칼만 필터 대신 EKF-UI(Extended kalman filter with unknown input)를 적용하여 시스템 행렬의 크기를 줄여 계산 복잡도를 감소시키고 차량의 거동 변화 를 보다 정확하게 반영할 수 있도록 하였다. 추정된 차량 종방향 속도, 차량 횡방향 속도, 요 레이트를 통해 사이드 슬립 각(Side slip angle)을 구해 사이드 슬립 각과 차량 횡방향 힘의 관계를 이용해 특징들을 찾아 기계학습 모델(e.g. 앙상블 기법, SVM 등)을 적용하여 블랙 아이스를 검출할 수 있다. MATLAB/Simulink SW 및 CarSim을 사용하여 개발한 알고리즘의 성능을 검증하였으며, 본 연구의 결과는 ESC 시스템의 성능 을 개선시켜 차량의 미끄러짐으로 인한 교통사고의 예방에 도움이 될 것으로 예상한다. 여기에 스마트 타이 어(Smart tire)의 센서도 추가해 노면과 타이어 사이의 직접적인 데이터를 추가해 검출 성능을 높일 것이다.

목적 : 장애인이 운전할 수 있도록 차량을 개조할 때, 차량 개조에 필요한 품목과 제품군을 확인할 수 있는 알고리즘을 개 발하고자 한다. 이를 통해 정부 주도의 장애인 차량 개조 지원이 확대될 수 있도록 하여 국내 장애인의 자가운전이 활성 화될 수 있도록 하고자 한다. 연구방법 : 장애인 차량 개조 알고리즘의 개발은 설계, 작성, 검토 단계로 수행되었다. 설계 단계에서는 알고리즘의 개발 방향성을 결정하기 위한 전문가 집단 심층 토의를 진행하였다. 이후 수행한 작성 단계에서는 이전 단계에서 결정한 개발 방향성을 토대로 델파이조사를 수행하여 알고리즘을 도출하였다. 마지막 검토 단계에서는 이전 단계에서 도출된 알고리 즘의 전반적인 내용을 검토하기 위한 전문가 집단 심층 토의를 진행하였다. 결과 : 연구 결과물로 운전활동영역 3개, 운전활동 11개, 제품군 19개를 적합하게 배치한 장애인 차량 개조 알고리즘이 개 발되었다. 알고리즘의 안정도 평균은 0.13으로 일치도가 매우 높게 확인되었으며, 내용타당도 평균은 1.0으로 매우 타당 도가 높게 확인되었다. 결론 : 본 연구의 결과물인 장애인 차량 개조 알고리즘이 장애인의 자가운전을 활성화할 수 있는 촉매제 역할을 할 것으로 기대되며, 이를 바탕으로 국내에서 장애인의 이동권이 한층 더 향상되기를 바란다.

This paper aims to study the modeling and controller of an electrically driven tractor optimized for energy efficiency under off-road conditions and when subjected to loads such as plowing. The dynamic model design is aimed at a 30kW electric tractor. The vehicle model consists of a 30kW motor, transmission, wheels, and a controller, designed using the commercial software Matlab/Simulink. In order to optimize energy efficiency under load conditions, this paper designs and implements a PID controller focusing on the vehicle's speed and wheel slip. The newly proposed electric tractor modeling and PID controller aim to demonstrate improved energy efficiency through simulation.

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.

목적 : 4차 산업혁명이 진행됨에 따라 타각적 굴절검사값, 수차 및 동공크기 등을 이용하여 최적의 안경처방값 을 도출해주는 머신러닝(machine learning)을 개발하고자 하였다. 방법: 시력에 영향을 줄 수 있는 안질환 및 전신질환이 없고 안구 수술 이력이 없는 근시안(1,000안)을 대상으로 진행하였다. I-Profilerplus(Zeiss, Berlin, Germany)를 사용하여 타각적 굴절이상도(objective-refraction) 및 안구수차(ocular wavefront-aberration), 동공 크기를 측정하였고, 자각적 굴절이상도(subjective-refraction)는 Visuphor500(Zeiss, Berlin, Germany)를 사용하여 구면 굴절력(S, Diopter), 원주 굴절력(C, Diopter), 난시 축(Ax, °)을 측정하였다. 측정 후, 파이썬(Python, version 3.10)을 이용하여 머신러닝 모델 생성 및 예측 성능을 확인하였다. 결과: 자각적 굴절이상도에서 구면 굴절력에 영향을 미치는 요인은 타각적 구면 굴절력, defocus aberration, spherical aberration, trefoil aberration 순으로 높았고, 원주 굴절력에 영향을 미치는 요인은 타각적 원주 굴 절력, defocus aberration, coma aberration, trefoil aberration 순으로 높았으며, 난시 축은 타각적 난시축만 영향을 미치는 것으로 나타났다. 구면 굴절력, 원주 굴절력, 난시 축의 자각적 굴절이상도와 머신러닝 예상값은 차이가 없는 것으로 나타났다(p=0.976, 0.948, and 0.349, respectively). 결론 : 자각적 굴절이상도를 예측하는 머신러닝 모델을 생성하였고, 해당 모델의 예측된 값과 자각적 굴절이상 도와 유의한 차이가 없는 것을 통해 예측 정확도를 확인하였으며 앞으로 개인 맞춤형 처방을 위한 정확한 안경처 방값을 도출하는데 기초자료가 될 수 있을 것으로 생각된다.