우리나라는 산지가 많고 하절기에 연 강수량의 약 2/3정도가 집중적으로 발생하기 때문에 매년 산사태에 의한 피해가 발생하고 있다. 재산 및 인명을 보호하기 위해서는 사전에 산사태 발생지를 예측하고 피해를 최소화하기 위한 대책이 요구된다. 본 연구는 2020년 경상남도지역 산사태 발생지 157개소를 대상으로 붕괴면적(㎡)에 미치는 영향인자를 구명하고, 수량화이론(I)을 사용하여 붕괴면적에 대한 각 인자의 기여도 분석을 하여 예방적인 측면에서 산사태 발생 위험지역에 대한 예측기법을 개발하였다. 산사태 발생지 붕괴면적에 영향을 미치는 인자의 Range를 추정한 결과, 산사태 위험등급(0.4664)이 가장 높게 나타나 경남지역의 산사태 발생 위험도에 큰 영향을 미치는 것으로 추정되었으며, 다음으로는 영급 (0.3891), 고도(0.2934), 경급(0.2037)순으로 나타났다. 경상남도지역 산사태 발생 위험도 판정표를 기준으로 4개 인자의 category별 점수를 계산한 추정치 범위는 0점에서 1.3526점 사이에 분포하고 있으며, 중앙값은 0.6763점으로 산사태 위험도 예측을 작성한 결과 Ⅰ등급은 1.0146 이상, Ⅱ등급 0.6764∼1.0145, Ⅲ등급 0.3383∼0.6763, IV등급 0.3382 이하로 나타나 1등급, 2등급에서 산사태 발생 비율이 59.2%로서 높은 적중률을 보였다. 따라서 본 판정표는 경상남도지역에 있어서 산사태발생 위험 예측 판정에 유용하게 사용할 수 있을 것으로 사료된다.

고속도로 2차 사고는 선행 사고(1차 사고) 또는 전방 고장 차량에 의해 교통흐름이 변화된 상황에서 발생하는 사고로, 이에 대한 효과적인 교통안전 관리전략이 필요하다. 그러나 일반사고에 비해 데이터 표본이 부족하여 신뢰성 있는 대응 전략 수립에 어려움이 있다. 본 연구는 고속도로에서 발생하는 2차 사고의 발생 주요 요인을 식별하고 예측하기 위해 BERT(Bidirectional Encoder Representations from Transformers) 기반 텍스트 분석 모델과 전통적 머신러닝 모델 (XGBoost, RandomForest, CatBoost)을 비교하였다. 교통사고 세부기록, 원클릭 속보자료 등 비정형 텍스트 및 정형 데 이터를 수집하고 1차 사고에 관한 시공간적 동적 변수를 통합하여 인공지능 기반의 사고 예측 프레임워크를 구축하였다. 특히, BERT 기반 모델을 통해 교통사고 문맥 정보를 고려하여 단어 삽입 및 대체 기법에 따른 2차사고 데이터 표본을 보완하였다. 또한, 설명가능한 AI(XAI) 기법을 활용하여 주요 사고 요인의 기여도를 시각적으로 해석하고 사고 예방 및 정책 수립에 필요한 정보를 제공하였다. 연구 결과, 제안된 하이브리드 접근법 기반 연구 프레임워크는 높은 정확도의 2 차 사고 발생 가능성 예측에 효과적이며, 교통사고관리시스템의 신뢰성과 효율성 향상에 핵심적인 기여를 할 것으로 기 대된다.

지난 10여년간 성범죄자 재범위험성 평가는 학문적으로나 실무적으로 많은 발전을 이루어 왔다. 이러한 비약적 발전에도 불구하고, 선행연구들은 재범위험성 평가도구의 한계 중 하나로 범죄자 유형론에 관한 고려가 부족하다는 점을 지적하고 있다. 본 연 구는 이러한 주장의 타당성을 검증하는 것을 목표로 한다. 이를 위해‘한국형 성범죄자 재범위험성 평가도구(KSORAS: Korean Sex Offender Risk Assessment Scale)’ 를 활용하여, KSORAS가 아동/청소년 상대 성범죄자와 성인 상대 성범죄자의 재범위 험성을 적절히 예측하는지를 검증했다. 본 연구문제에 답하기 위해 전자감독명령이 부과된 성폭력사범 866명의 재범상황을 추적했다. 데이터 분석결과, KSORAS는 아 동/청소년 상대 성범죄자의 재범은 잘 예측함에 반해, 성인 상대 성범죄자의 재범은 상대적으로 잘 예측하지 못했다. 두 집단의 재범을 예측하는 문항들도 상이한 패턴을 보였다. 연구의 후반부에서는 성범죄자 유형론의 주장을 고려하여, 아동/청소년 상대 성범죄자 평가도구(KSORAS-MINOR)와 성인 상대 성범죄자 재범위험성 평가도구 (KSORAS-ADULT)를 각각 구성하고 그 예측타당도를 분석하였다. 분석 결과, 성범 죄자 유형론을 고려하지 않은 기존의 접근법에 비해, 기존 도구를 수정 개발한 성범죄 자 유형별 평가도구의 예측타당도는 통계적으로 유의미한 수준까지 향상되었다. 이러 한 결과를 바탕으로 향후 성범죄자 평가와 관련된 정책방향 및 후속연구의 제안점을 논의하였다.

본 연구는 머신러닝 기법을 토대로 15개 환경 변수를 활용하여 소나무재선충병의 위험지역 분포를 예측하였다. 연구는 최대 엔트로피 모델을 머신러닝 기법으로 활용하였고, 연구 지역은 경주이며 연구 기간은 2018∼2020년이다. 모델의 평가에는 AUC(area under the curve)를 이용하였다. 연구 지역에서 소나무재선충병의 감염목 핵심 분포 지역은 2018년 대비 2019년과 2020년에 각각 2.5배와 4.7배 확대되었다. 소나무재선충병의 감염목 분포 추정 모델의 AUC는 모든 해에 최소 0.86 이상이었다. 모델에서 가장 중요한 변수는 직전 해의 감염목 근접도 이었다. 지형과 도로와의 인접성, 목조건물 인접성, 5월 평균 기온도 중요한 변수이었다. 인간 활동과 매개충의 생장 환경이 소나무재선충병의 공간적 분포에 중요한 역할을 한다는 것을 의미한다. 나아가 연구의 결과는 감염목 분포 정보의 지속적인 구축과 공유가 소나무재선충병 예방을 위한 정책과 연구에 중요하다는 것을 시사한다.

본 연구는 중부권역에서 발생한 산사태를 중심으로 수량화이론을 이용하여 산림환경인자가 발생면적에 미치는 영향 분석을 통해 예방적인 측면에서 산사태 발생 위험성에 대한 예측기준을 작성하였 다. 산사태 재해로 발생면적에 영향을 미치는 각 인자의 기여도는 토심(0.3606)이 가장 높았으며, 다음으로 고도(0.2065), 종단사면(0.2065), 경사(0.1297), 사면방위 0.1154)순으로 높게 나타났다. 산사태 발생 위험 기여도가 높은 6개 인자의 category별 상대점수 범위는 0점에서 1.5122점 사이에 분포하고 있었고 중앙값은 0.7561점이었다. 이 점수를 기준으로 산사태 발생 위험성을 4개 등급으로 구분한 예측 판정표를 작성하였다. Ⅰ등급의 점수는 1.1343 이상, Ⅱ등급은 0.7562~1.1342, Ⅲ등급 은 0.3782~0.7561, IV등급은 0.3781 이하로 나타나 1등급, 2등급, 3등급에서 산사태 발생 비율이 96%로서 비교적 높은 적중률을 보였다. 따라서 본 판정표는 중부권역의 위험 비탈면에 있어서 산사 태 발생 위험도 판정에 유용하게 활용할 수 있을 것으로 판단된다.