PURPOSES : Under the Traffic Safety Act, the installation and management of transportation facilities (facilities and attachments necessary for the operation of transportation, such as roads, railways, and terminals) must take necessary measures to ensure traffic safety, such as enhancing safety facilities. Recently, railway operators have graded the congestion level inside railway stations and vehicles, addressing safety and convenience issues arising from congestion and providing this information to users. However, for bus-related transportation facilities (such as bus stops, terminals, and transfer facilities), criteria and related research for assessing traffic congestion are lacking. Therefore, this study developed a model for the congestion risk factors of four bus-related transportation facilities and proposed criteria for classifying congestion risk levels. METHODS : This study involved selecting congestion risk influence variables for each traffic facility through field surveys, calculating congestion risk index values through evacuation and pedestrian simulations, and constructing a congestion risk influence model based on the ridge model. RESULTS : The factors influencing congestion were selected to include the number of people waiting, effective sidewalk width, and number of bus stops. As a result of developing congestion risk grades, the central bus stops were determined to be in a severe stage if the Average Waiting Time (AWT) was 2.7 or above. Roadside bus stops were considered severe at 4.2, underground metropolitan transit centers at 3.7, and bus terminals at 5.9 or above. CONCLUSIONS : This study can help establish a foundation for a safety management system for congested areas in transportation facilities. When the congestion risk prediction results correspond to cautionary or severe levels, measures that can reduce congestion risk must be applied to ensure the safety of road users.

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.

교통사고는 인적요인, 도로 기하구조, 교통류, 환경적 요인 등 복합적인 요인에 의해 발생하고 속도는 교통사고와 밀접한 연관성이 있다. 또한, 교통사고는 교통 혼잡도와 관련이 있으며 사고와 실시간 교통상황 간의 상관관계를 통해 사고 발생 개연성을 추정하고 도 로 안전성 분석이 필요하다. 모바일 센서와 통신 기술의 급속한 발전으로 스마트폰 보급률이 증가하였으며 내장된 센서를 기반으로 생성된 차량 주행 데이터 수집이 가능하다. 기술의 발달로 데이터 수집이 쉬워졌음에도 불구하고, 스마트폰을 기반으로 수집된 위험 운전 이벤트를 활용한 도로 위험도 평가에 대한 연구는 부족한 실정이다. 본 연구는 스마트폰 센서 기반의 위험 운전 이벤트 데이터 중 하나인 급감속 위험 운전 이벤트 데이터를 도로 위험도 평가 기법에 활용하는 것을 목적으로 한다. 급감속 위험 운전 이벤트 데이 터는 주행 차량이 3초간 속도를 40km/h 이상 감소하는 위험 이벤트가 발생할 때 시간과 위치를 기록한 자료를 의미한다. 본 연구의 범위는 대한민국 내 인구와 교통량이 많은 지역인 수도권을 대상으로 서울, 경기, 인천을 연결하는 고리 형태의 도로인 수도권제1순환 선을 대상으로 하였다. 먼저, 개별 차량 데이터는 좌표 기반의 내비게이션 데이터로 집계하여 VDS 링크 데이터와 매칭하였다. 다음으 로는 개별 차량의 위험 운전 이벤트 데이터와 차량 검지기의 교통 매개변수를 결합한 새로운 지표를 개발하였다. 또한, 시·공간적 교 통류의 특성을 반영하여 다양한 도로 위험도 평가 방법에 활용하고자 하였다. 마지막으로 위험 운전 지표와 이력 자료를 기반으로 통 계적으로 유의한 안전성능함수를 개발하였으며, 다양한 시간 단위의 집계 수준을 활용하여 도로 구간별 최적의 모형을 제안하였다. 본 연구는 스마트폰 센서를 기반으로 식별한 개별 차량의 위험과 교통류 차원의 위험을 결합하여 새로운 위험 지표를 개발하고 도로 위 험도 평가에 활용한다는 것에 의의가 있다. 결과물은 향후 스마트폰 센서 기반 개별 차량 위험 운전 이벤트 데이터와 교통 조건을 통 합하는 도로 위험도 평가의 기초자료로써 활용될 것으로 기대된다.

PURPOSES : To prevent an increasing number of drowsiness-related accidents, considering driver fatigue is necessary, which is the main cause of drowsiness accidents. The purpose of this study is to propose a methodology for selecting drowsiness hotspots using continuous driving time, a variable that quantifies driver fatigue. METHODS : An analysis was conducted by dividing driver fatigue, which changes according to time and space, into temporal and spatiotemporal scenarios. The analysis technique derived four evaluation indicators (precision, recall, accuracy, and F1 score) using a random forest classification model that is effective for processing large amounts of data. RESULTS : Both the temporal and spatiotemporal scenarios performed better in models that reflected the characteristics of road sections with changes in time and space. Comparing the two scenarios, it was found that the spatiotemporal scenario showed a difference in precision of approximately 10% compared with the temporal scenarios. In addition, [Model 2-2] of the spatiotemporal scenario showed the best predictive power by assessing the model’s accuracy via a comparison of (1-recall) and precision. This shows better performance in predicting drowsy accidents by considering changes in time and space together rather than constructing only temporal changes. CONCLUSIONS : To classify hotspots of drowsiness, spatiotemporal factors must be considered. However, it is possible to develop a methodology with better performance if data on individuals driving vehicles can be collected.

본 연구는 해양산업시설에서 배출되는 위험·유해물질(Hazardous and Noxious Substances) 중 아연을 대상으로 국내 서식종을 기반 으로 한 독성시험을 수행하고, 그 결과를 활용하여 국내 실정에 맞는 아연의 해양 수질 준거치(Marine Water Quality Criteria)를 제안하였다. 시험생물은 국내 연근해에 분포하고 산업적으로 유용하며, 표준 시험방법이 존재하는 종을 우선으로 5개의 분류군(Algae, Rotifer, Crustacean, Mollusc, Fish)의 총 10종을 선정하여 독성시험을 수행하였으며, 급·만성비(Acute-Chronic Ratio) 산출을 위하여 무척추동물, 어류 분류군에 대한 만성독성시험을 수행하였다. 국내종 독성시험에서 산출된 독성값을 활용한 수질준거치는 US EPA의 CCC (Criterion Continuous Concentration) 산출 기준으로 9.56 ㎍/L, 호주/뉴질랜드의 산출 기준으로 15.50 ㎍/L 로 나타나 호주/뉴질랜드에서 권고하는 기준인 14.40 ㎍/L 와 유사하였다. US EPA 및 호주/뉴질랜드는 자국의 생태독성 데이터베이스(US EPA Ecotox Database, Australasian Ecotoxicology Database)를 보유하고, 신뢰도 높은 독성값들을 생성하여 수질 기준 및 산출 기준을 갱신하고 있다. 한편, 국내에서는 국내종 기반 급성 독 성값을 적용하고 있지만, 중요한 산출 지표인 급·만성비는 US EPA 또는 유럽의 결과값을 활용하여 해양 수질 준거치를 산출하고 있으며, 국내의 생태독성 자료 또한 제한적인 실정이다. 따라서, 국내 해양 서식종을 기반으로 한 지속적인 독성시험과 준거치 설정 체계를 확보하 여 국내 해양생물과 생태계를 보호할 수 있는 해양 수질 준거치 도출이 필요할 것으로 판단된다.

본 논문은 선박이 조우하는 상황에서 충돌의 위험에 대한 판단을 지원하여 충돌사고를 예방하기 위하여 선박충돌위험성을 평 가하는 방법을 제안하고자 한다. 선박의 항해는 불확실성이 다수 내포되어 있기 때문에 충돌의 위험을 평가할 때 선박충돌위험성이 가진 불확실성을 고려할 필요가 있다. 본 논문은 불확실성을 처리하고 각 상대 선박의 충돌의 위험을 실시간으로 평가하기 위하여 Dempster－ Shafer 이론을 적용한다. 선박충돌위험의 평가 요인으로 DCPA(distance at closest point approach), TCPA(time to closest point approach), 상대 선 박과의 거리, 상대방위, 속도비율 등이 사용되며, 각 평가 요인별 멤버쉽 함수로 계산된 기본확률배정함수(basic probability assignment)는 Dempster－Shafer 이론의 융합 규칙을 통하여 융합된다. 선박들이 실제로 조우하는 상황에서 수집된 선박자동식별장치 데이터를 사용하여 제안된 방법을 실험한 결과 평가의 적합성이 검증되었다. 선박간 조우 상황에서의 실시간으로 충돌위험성을 평가함으로써 인적오류로 인 한 충돌사고를 예방할 수 있으며, 해상교통관제시스템과 자율운항선박의 충돌회피시스템에도 활용될 것으로 기대된다.

PURPOSES : A highway operates in a continuous flow and has restricted access. When an accident occurs on a highway, the impact on the traffic flow is large. In particular, an accident that occurs in a tunnel has a more significant impact than an accident that occurs in a general section. Accordingly, the management agency classifies the tunnel as a dangerous section and manages a tunnel of more than 1000 m using the Tunnel Transportation Management System. The purpose of this study was to select dangerous tunnels that require intensive management for the efficient management of highway tunnels. METHODS : In this study, for the selection of dangerous tunnels for expressways, all highway tunnels were classified into five clusters by characteristics. The traffic accident severity — equivalent property damage only (EPDO) — for each tunnel cluster was derived through a traffic accident analysis. Based on the severity analysis results, the safety performance function (SPF) for each cluster was established, and the accident risk tunnel was selected based on the potential safety improvement (PSI) value of each tunnel calculated using the empirical Bayes (EB) method for each tunnel cluster. RESULTS : As a result of the analysis, accident risk tunnels were selected based on the PSI values of the tunnels for each highway tunnel group. Finally, 55 hazardous tunnels were identified as hazardous tunnels: 13 tunnels in Cluster 1, 3 tunnels in Cluster 2, 15 tunnels in Cluster 3, 18 tunnels in Cluster 4, and 6 tunnels in Cluster 5. CONCLUSIONS : After classifying all 1232 tunnels on the highway into five clusters according to tunnel characteristics, EPDO analysis was performed for each tunnel cluster. To this end, the SPF for each cluster was constructed, and accident risk tunnels were selected based on the PSI value of each tunnel calculated using the EB method for each tunnel cluster. The tunnel cluster was classified as a typical tunnel type. As a result, most of the first and second values were calculated from cluster E (long tunnel cluster).

The food delivery platform labor market has been continuing to grow rapidly in Korea, which resulted in traffic accident increases of delivery riders. To prevent traffic accidents while delivery, this study conducted a survey for 462 delivery riders and analyzed the statistical relationships of delivery characteristics and risk perception with delivery accidents. The results of this study revealed that riders with young age (20s: 46.6%) and/or low delivery experience (less than 1 year: 50.6%) had significantly higher proportion of accident experience than other age groups (over 40s: 36.2%) and high delivery experience (more than 2 years: 36.4%). In addition, side job riders (61.5%) showed significantly higher proportion of accident experience than main job riders (39.1%). The riders with accident experience had more number of deliveries per hour (weekday: 3.56, weekend: 3.91) than the riders without accident experience (weekday: 3.29, weekend: 3.68). Lastly, the riders with accident experience rated significantly higher perceived level of risk on weather, violation of traffic laws, uninspected motorcycle, receiving calls while driving, missing safety training, missing personal protective equipment than the riders without accident experience. This study suggested four aspects based on the study results to prevent traffic accidents for delivery riders.

목적: 국민건강영양조사 제7기(2016-2018) 원시자료를 이용하여 황반변성에 영향을 줄 수 있는 만성질환을 파악 하고자 수행되었다. 방법 : 국민건강영양조사 제7기(2016-2018) 자료 중 40세 이상의 성인 중에 황반변성 진단여부에 응답한 4,356명의 대상으로 만성질환과의 관계를 분석하였으며, p<0.05인 경우 유의한 것으로 판단하였다. 결과 : 황반변성은 연령에 따라 유병률이 높아졌는데, 연령과 관계된 만성질환 중 심근경색증에서만 유의한 결 과를 얻을 수 있었다. 또한, 심근경색증의 위험요인인 이상지질혈증과 이상지질혈증을 일으키는 고콜레스테롤혈증 도 황반변성과 관계가 있는 것으로 나타났다. 결론 : 황반변성은 연령과 관련된 만성질환 중 심근경색증, 이상지질혈증, 고콜레스테롤혈증과 관련이 있음을 확인하였다.

국내외 해상 위험·유해물질(HNS, Hazardous and Noxious Substances) 물동량 증가와 함께 HNS 유출 사고가 빈번히 발생하고 있다. HNS는 전 세계적으로 약 6,000여 종으로 대부분 유독한 성질을 가지므로 이러한 유출 사고 발생은 해양 생태계 파괴를 비롯하여 폭발 및 화재 등으로 인한 인명 및 재산피해를 유발한다. 따라서 해상 HNS 유출 사고를 대비하여 파장에 따른 HNS 분광 라이브러리 구축 및 탐지 알고리즘을 개발해야 한다. 본 연구에서는 프랑스 현지에서 지상 HNS 유출 실험을 진행하였다. 초분광센서 관측을 통해 파장에 따른 톨루엔 라이브러리 스펙트럼을 구축하였으며, 분광혼합 알고리즘을 활용하여 초분광 HNS를 탐지하였다. 전처리 과정으로 주성분 분석을 적용하여 노이즈 제거 및 차원 압축을 수행하였으며, N-FINDR 기법을 통해 영상을 대표하는 톨루엔과 해수의 엔드멤버 스펙트럼을 추출하였다. 스펙트럼 기반의 톨루엔 및 해수의 점유비율을 계산함으로써 모든 픽셀의 HNS 탐지 정확도를 확률로 제시하였다. 최대 탐지 정확도를 가지는 점유비율 선정을 위해 418.15 nm 파장의 복사도 영상과 비교하였으며, 그 결과 약 42%의 비율에 서 99% 이상의 정확도를 나타내었다. 해상 HNS 유출은 높은 위험성으로 인해 사람이 쉽게 접근할 수 없는 한계를 지닌다. 본 HNS 실험과정 및 탐지 결과는 초분광 원격탐사에 기반한 HNS 오염 해역 추정에 도움이 될 것이다.