결빙(Black Ice)은 도로 포장체 표면의 균열 등에 스며든 습기나 눈, 그리고 차량 주행 중 발생하는 타이어 분진 및 배 기가스 등의 영향으로 인해 도로 표면과 유사한 색상의 얇은 얼음막이 형성되는 현상을 의미한다(Cho et al., 2021). 도로 노면이 결빙 상태일 경우, 평균 미끄럼 저항 계수는 건조 노면의 약 30% 수준으로 크게 낮아진다(Lee et al., 2024). 또 한, 결빙은 도로 표면과 색상이 유사하여 운전자가 노면 상태를 즉각적으로 인지하기 어렵고, 이에 따라 제동이나 회피 를 위한 충분한 시간을 확보하기 어렵다. 최근 5년간 발생한 서리·결빙 노면 교통사고의 치사율(사고 100건당 사망자 수) 은 2.69명으로, 이는 건조 노면 교통사고 치사율의 약 2배, 습윤 노면의 1.3배 수준에 해당한다(KoROAD, 2024). 이러한 위험성을 고려하여 국토교통부는 2020년 전국 고속국도 및 일반, 위임국도를 대상으로 403개 구간을 결빙 취약 구간으로 지정하였으며, 이후 464개소로 확대하여 자동염수분사시설, 그루빙(Grovving), 결빙주의표지판 등 안전시설을 확충하여 결빙사고를 집중적으로 관리하고 있다(MOLIT, 2020; BAI 2021). 하지만, 결빙사고 발생건수는 2020년 524건, 2021년 1,204건, 2022년 1,042건으로 증가추세를 보이고 있어, 결빙 취약 구간의 평가 적절성과 실효성에 대한 검토 필요성이 대 두되고 있다(KoROAD, 2024). 본 연구에서는 최근 10년 고속국도에서 발생한 결빙사고와 결빙사고 영향인자를 Random Forest Algorithm으로 분석하 여 도로 구간별 결빙사고 위험도를 평가하였다. 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국 도의 동절기 기상, 기하구조, 교통량 등 결빙사고 영향인자를 구간별로 수집하였다. 각 구간은 최근 10년 결빙사고 데이 터를 통해 결빙사고 발생구간과 비발생 구간으로 분류하였다. 구간별 수집한 결빙사고 영향인자를 독립변수, 사고발생유 무를 종속변수로하여 알고리즘 학습을 위한 데이터셋(Data Set)을 구성하고, 데이터불균형 문제를 해결하기 위해 오버샘 플링(OverSampling) 기법 중 하나인 SMOTE(Synthetic Minority Oversampling Technique)을 적용하였다. 최종적으로 Random Forest Classification Model을 학습하고, 모델의 하이퍼파라미터 조정(HyperParameter Tunning)을 거처 결빙사 고 발생구간 예측성능이 가장 높은 모델을 결정하였다. 이를 통해, 전국 고속국도의 구간별 결빙사고 발생 위험도를 평 가하고 각 결빙사고 영향인자의 변수중요도를 분석함으로써 결빙 취약구간 평가 방안의 신뢰성 제고를 기대한다.

해상 운송 시스템에 사이버 위협이 증가함에 따라, 안전한 운항을 보장하기 위한 사이버 복원력의 필요성이 부각되고 있다. 특 히, 자율운항선박과 같은 고도의 기술 융합이 요구되는 스마트선박은 기존보다 더 광범위한 사이버 공격 표면을 가지게 되어 이에 대한 리스크 관리가 필수적이다. 본 연구에서는 스마트선박의 사이버 복원력을 평가하기 위해 국제 표준인 IACS UR E26, E27, IEC 62443, NIST SP 800-160을 분석하고, 이를 통해 스마트선박의 선종과 자율화 수준에 따른 사이버 리스크 평가 및 각각의 리스크에 맞는 복원력 모델 개념을 설계하였다. 특히, 선박의 자율화 수준이 높아질수록 사이버 리스크가 커지므로 이를 반영한 맞춤형 대응 전략을 도출하고 스마트 선박의 사이버 복원력 향상을 위한 성숙도 모델을 제안했다.

The purpose of this study was to identify and evaluate hazardous road sections based on roadside friction. Using GIS mapping and clustering techniques, this study analyzed traffic accidents and roadside friction data based on latitude and longitude coordinates. The density-based spatial clustering of applications with noise (DBSCAN) algorithm was applied, with parameters of MinPts = 5 and eps = 0.0001, determined through a K-nearest neighbor analysis. The data were separated based on traffic flow direction (uphill/ downhill), and clustering was performed separately in each direction to identify specific hazard zones. The DBSCAN clustering results revealed 18 clusters in traffic accident data and 44 clusters in roadside friction data. Traffic accident clusters include various types of accidents (e.g., vehicle-to-vehicle and vehicle-to-pedestrian accidents), identifying locations as high-accident zones. The clustering results from the roadside friction data highlighted areas with crosswalks, absence of curbs, and roadside parking zones as major risk sections. Future research should analyze the operational design domain (ODD) of autonomous vehicles on hazardous road sections and explore the integration of multiple data sources to establish a comprehensive safety management system for accident prevention in autonomous driving environments. Additionally, road hazard sections are categorized into stages (e.g., hazardous, cautious, and safe) to enhance the precision in assessing road conditions. This categorization, combined with a detailed analysis of ODD, serves as a foundation for future research aimed at improving the safety of autonomous driving environments.

과거 교통에서는 이동의 신속성이 중시되고 자동차의 통행이 우선이었던 반면, 현재는 모든 교통 이용자의 안전한 이동과 보행자가 중요시되는 방향으로 교통정책이 나아가고 있다. 보행자의 안전하고 쾌적한 통행과 교통약자의 이동권의 보장이 강조됨에 따라서, 향 후 교통약자 보호구역의 역할도 확대될 것으로 예상된다. 그러나 교통약자의 안전한 보행 공간 확보와 보행사고 피해의 축소라는 목 적과 달리, 스쿨존 내 사고 등은 지속적으로 발생하고 있는 추세이다. 이에 본 연구에서는 보호구역의 사고 위험을 판단하고 안전성을 분석하고자 하였다. 교통사고의 위험성을 비교하고 사고 예방이 필요한 보호구역을 판단하기 위한 기준으로서 사고 위험도를 정량화 하였다. 서울시 보호구역 내 사고 데이터를 보호구역 구간별 특성 데이터와 결합하여 구간별 사고 건수 및 피해 정도를 자료화하고, 도로 속성을 기준으로 보호구역 구간을 유형화하였다. 보호구역 유형별 사고 발생확률과 평균 피해 정도를 구해 도로의 속성마다 다 른 사고 발생 특성을 반영하였다. 사고 위험도는 사고 발생빈도와 피해 정도를 통해 판단하고자 하였다. 사고 발생빈도는 도로 면적과 발생 건수를 기준으로 하여 산출하였고, 피해 정도는 유형에 따른 사고 발생확률과 발생빈도, 평균 피해 정도를 통해 산출하였다. 위 험도에 대한 정량적 분석모델을 통해 사고 위험이 높다고 판단되는 보호구역과 해당 구간의 특성을 알아보고, 각 행정구역별로 보호 구역에서의 교통사고 위험성을 비교하였다. 이를 통해 사고 위험이 높은 지역과 유형이 무엇이며, 어떠한 특성을 보이는지 파악하여 보호구역 개선 방향을 제시하고자 한다.

We analyzed risk factors of coastal gillnet fishers during fishing process and considered work safety measures to reduce safety accidents during fishing using a UWB (ultra wideband) based positioning system. The static position accuracy of the UWB based positioning system was 45 cm. When entering a port, there is a risk of falling overboard. When casting a net, there was a risk of falling overboard due to being hit by fishing gear or guards, or getting caught in a buoy line or sinker line. When hauling a net, there is a risk of getting caught between fishing gear and net hauler, and the risk of musculoskeletal disorders due to repetitive work over a long period of time. Most safety accidents during work on fishing boats are blamed on human errors of the fisher and skipper, but safety accidents occur due to a mixture of mechanical and equipment factors, work and environmental factors, and management factors in addition to human errors. Therefore, the 4E were presented as countermeasures against the 4M, which are causes of safety accidents, and the proposed measures were used to identify risk factors for operation process, comply with work safety rules, and ensure the wearing of personal protective equipments. We need to reduce safety accidents during work by making it part of our daily routine. These research results can be used in the future for optimal placement of fishing gear and fishing nets in other coastal industries where safety accidents occur frequently.

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.