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.

본 연구는 보행자용 방호울타리의 구조 재료를 FRP로 대체하는 경우의 구조적 타당성을 동적 조건에서 검토하였다. ABAQUS/Explicit 기반의 비선형 충돌 해석을 통해 FRP 복합재 방호울타리의 충돌 거동을 분석하였으며, 각 재료의 비선형성을 반영 한 적절한 재료 모델을 적용하였다. 해석 결과, 기존 강재 방호울타리는 최대 약 167.6 mm의 변위가 발생하였으며, 방호구조물 및 기둥부의 소성 파괴가 관촬되었다. 추가적으로 콘크리트 연석의 고정부에서는 광범위한 파괴 양상이 확인되었으며, 이는 차량 충돌 시 구조체가 보행자 측으로 비산될 수 있는 위험성을 내포한다. 한편, CFRP 및 GFRP 방호울타리는 강재 대비 최대 변위가 약 7.1∼ 9.6%까지 증가하였으며, Hashin 파손 기준에 따른 파손 지수가 최대 1,548.428로 나타나 초기 단계에서 파손이 시작된 것으로 분석 되었다. 이러한 결과는 단순한 재료 치환만으로는 충분한 구조 안전성을 확보하기 어려움을 보여주며, FRP 복합재에 적합한 구조 설계 및 변수 최적화에 대한 추가 연구가 필요함을 시사한다. 아울러 수치해석 결과의 신뢰성 확보를 위해서는 향후 실험적 검증이 필수적이다.

목적 : 본 연구는 장애인의 자가운전을 지원하고 사회참여를 확대하기 위한 기반으로, 차량 관련 보조공학기기의 품질을 확보할 수 있는 체계적인 품질관리 기준을 마련하는 것을 목적으로 하였다. 특히 현재 국내에 부재한 명확한 품질 기준을 보완하고, 국제 기준에 부합하는 실효성 있는 방안을 제시하고자 하였다. 연구방법 : 연구는 총 세 단계로 진행되었다. 1차 및 2차 전문가협의체 회의를 통해 차량 관련 보조공학기기 품질관리의 방향성과 구체적인 시험항목을 도출하였으며, 이후 델파이 조사는 전문가 패널 20명을 대상으로 항목별 중요도 및 적합 도를 평가하고, 최종 품질관리 기준 항목을 확정하였다. 결과 : 1차 전문가협의체를 통해 시험인증, 체크리스트, 수입제품 인증 확인이라는 세 가지 품질관리 방안이 도출되었고, 이 중 시험인증 방안이 핵심 방안으로 채택되었다. 2차 전문가협의체에서는 SAE 기준을 참고하여 22개의 시험 및 평가 항목이 도출되었으며, 델파이 조사 결과 내용타당도비율을 기준을 만족하지 못한 항목을 제외하고 총 21개 항목이 최종 품질관리 기준으로 확정되었다. 이 기준은 SAE 국제 표준을 기반으로 하되, 국내 실정과 산업계 의견을 반영하여 조정되 었다. 결론 : 본 연구는 차량 관련 보조공학기기의 품질과 안전성을 확보하기 위한 실행 가능한 품질관리 기준 방안을 제시하였 으며, 이는 향후 관련 제도 마련 및 기술 가이드라인 개발에 있어 기초자료로 활용될 수 있다. 아울러 품질관리는 단순한 제품 성능의 확보를 넘어 장애인의 안전한 이동권 보장과 자립적인 사회참여에 기여하는 핵심 요소임을 강조하며, 실제 사용자 참여와 산업계 협력을 바탕으로 한 단계적 도입 방안이 필요함을 제언하였다.

국내 도심지에 적용하고 있는 중앙버스정류장의 포장은 주로 아스팔트 포장으로 시공되어 있으나 중차량인 버스의 하 중으로 인해 포장 파손 사례가 증가하여 시민들의 안전에 악영향을 미치고 있으며 유지보수 비용이 매년 증가하고 있다. 서울시에서는 이러한 문제를 해결하기 위해 국내 최초로 중앙버스정류장 신설 구간에 현장타설 방식으로 연속철근 콘크 리트 포장(CRCP)을 시공하였다. 본 연구에서는 이러한 구간의 연속철근 콘크리트 포장에 대한 이동차량 하중에 의한 동 적 거동 특성을 분석하고자 포장 슬래브에 콘크리트 변형률계를 설치하고 덤프트럭을 통과시키며 동적 하중 재하 실험 을 수행하였다. 실험에서는 이동차량의 속도를 다양하게 변화시켜 차량 속도에 따른 포장 슬래브의 동적 거동을 비교 분 석하였으며 이동차량이 CRCP의 여러 위치에서 정지하도록 하여 정지 위치에 따른 거동도 분석하였다. 실험 결과, 차량 이 CRCP를 통행할 경우 차량 속도 및 정지 위치에 따른 포장 슬래브의 동적 변형률은 매우 유사한 것으로 분석되었다.

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.

자율주행 차량이 상용화됨에 따라 연구에 사용할 수 있는 자율주행 차량의 주행궤적 자료를 제공하고 연구하는 기관이 증가하고 있다. 캘리포니아 자동차관리국은 사고 당시 차량의 거동과 주변 환경을 기록한 자율주행 차량 사고 보고서를 제공한다. Waymo는 라이다, 카메라 등을 통해 수집한 자율주행 차량의 실주행 자료를 제공한다. 본 연구에서는 캘리포 니아 자동차관리국에서 제공하는 자율주행 차량 사고 보고서와 Google Street Map을 이용하여 사고 당시의 도로유형과 도로환경요소 및 사고 당시 상황을 파악하고, 베이지안 네트워크(BN)을 통해 자율주행 차량 사고 영향요인을 파악하였 다. 랜덤 포레스트를 통해 앞에서 파악한 자율주행 차량 사고 영향요인들의 변수 중요도를 추출하고 이를 기반으로 자율 주행 차량 주행 시나리오를 도출하였다. 도출한 자율주행 차량 주행 시나리오와 유사한 상황을 보이는 Waymo Open Dataset의 자율주행 차량 실제 주행궤적을 매칭하여 자율주행 차량 주행 행태 기반 사고 위험도 평가 지표를 도출하였 다. 본 연구의 결과는 앞으로 도로환경요소 및 자율주행 차량 주행궤적에 따른 자율주행 차량 주행 안전성 연구의 기반 이 될 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.

인공지능의 발전은 검색엔진, SNS, ChatGPT 등 다양한 분야에서 혁신을 이끌며 사회와 산업 전반에 변화를 가져오고 있다. 특히, 교 통 분야에서는 AI 기반 기술이 교통정보 수집 및 분석 방식에 변화를 주며, 새로운 활용 가능성을 제시하고 있다. 과거 육안 계수 방 식에 의존했던 교통량 조사는 현재 CCTV 영상과 딥러닝 객체 인식 기술을 활용해 신뢰성과 정확성이 크게 향상되었다. AI 기반 교통 솔루션의 도입으로 교통량 조사 데이터는 정책 수립, 운영 개선, 사회간접자본 건설 등 다양한 분야에서 중요한 기초 자료로 활용되고 있다. 이에 본 연구에서는 YOLO v8을 활용하여 차량 축 인식 기반 차종 분류의 정확성을 향상시키고, 기존 촬영 기법과 비교·분석을 통해 최적의 인식기법을 제시하고자 한다.

This study addresses the critical challenge of enhancing vehicle classification accuracy in traffic surveys by optimizing the conditions for vehicle axle recognition through artificial intelligence. With current governmental traffic surveys facing issues—particularly the misclassification of freight vehicles in systems employing a 12-category vehicle classification—the research proposes an optimal imaging setup to improve axle recognition accuracy. Field data were acquired at busy intersections using specialized equipment, comparing two camera installation heights under fixed conditions. Analysis revealed that a shooting height of 8.5m combined with a 50°angle significantly reduces occlusion and captures comprehensive vehicle features, including the front, side, and upper views, which are essential for reliable deep learning-based classification. The proposed methodology integrates YOLOv8 for vehicle detection and a CNN-based Deep Sort algorithm for tracking, with image extraction occurring every three frames. The axle regions are then segmented and analyzed for inter-axle distances and patterns, enabling classification into 15 categories—including 12 vehicle types and additional classes such as pedestrians, motorcycles, and personal mobility devices. Experimental results, based on a dataset collected at a high-traffic point in Gwangju, South Korea, demonstrate that the optimized conditions yield an overall accuracy of 97.22% and a PR-Curve AUC of 0.88. Notably, the enhanced setup significantly improved the classification performance for complex vehicle types, such as 6-axle dump trucks and semi-trailers, which are prone to misclassification under lower installation heights. The study concludes that optimized imaging conditions combined with advanced deep learning algorithms for axle recognition can substantially improve vehicle classification accuracy. These findings have important implications for traffic management, infrastructure planning, road maintenance, and policy-making by providing a more reliable and precise basis for traffic data analysis.

In this study, fire extinguisher system to which form fire extinguisher agents were adopted was applied to the combat vehicle crew room to apply fire extinguishing performance and acid gas safety that meet the national defense standards. As a result of evaluation and verification, the following conclusions were drawn. For standard fire sizes in the combat vehicle crew's standard model, we ignited using a mixture of Novec 1230 and Halon 1301 form extinguisher agent and released form extinguisher agent after 30 seconds to determine the fire extinguishing time. The amount of acid gas generated met the criteria in all cases. When the fire size was increased to 0.12m2 and a 2.0mm nozzle was used, all of the extinguishing time, the amount of acid gas generated, and the concentration of Novec 1230 met the criteria. Despite the more difficult conditions to extinguish the fire by making the fire larger, it was possible to confirm the extinguishing performance of the Novec 1230 form extinguisher agent and its safety against acid gas.

Vehicle body damage caused by accidents often presents unique conditions, making it difficult to acquire practical maintenance skills through textbook theory alone. To address this issue, this study explores body repair techniques, including the complete replacement, partial replacement, and modification of side quarter panels, with a focus on preventing depreciation, reducing environmental pollution, and maximizing vehicle owner satisfaction. In particular, the study highlights the need for a standardized body repair manual for vehicles with severe damage to the rear side members caused by rear-end collisions. This manual aims to minimize repair discrepancies due to differences in operator skill levels and proposes a solution to prevent the depreciation of vehicle market value after repairs. The study’s objective is to standardize the repair and replacement of rear side members in vehicle repair shops, ensuring consistent repair quality for consumers and contributing to the preservation of vehicle value.

This study presents the development of an algorithm that detects potential front bumper collisions caused by road inclinations and provides early warnings to drivers. The system uses a Time-of-Flight (ToF) infrared distance sensor and an obstacle detection sensor, both implemented on an Arduino-based platform. By continuously monitoring the road ahead, the algorithm measures and analyzes the slope angle to identify potential hazards. This solution offers a cost-effective and efficient alternative to traditional warning systems, notifying drivers in advance of dangerous road conditions and helping to prevent vehicle damage caused by sudden changes in road gradient.

Along with the increase in the number of vehicles in circulation, the indoor air quality in automobiles is attracting attention as another possible health concern. However compared to data regarding indoor air quality in other spaces, there are insufficient data on indoor air quality in automobiles. In addition, there is no standard for the evaluation method. In this study, the change in the concentration of particulate matter in the vehicle while driving under real road conditions was analyzed in order to use it as basic data for a method to evaluate vehicle indoor air quality. Through the selection of measurement target materials and test vehicles and the preparation of test methodologies, evaluation was performed on vehicle, route, and HVAC modes. The concentration of particulate matter in the vehicle was the lowest in the RC (In-vehicle recirculation) condition, and it was confirmed that it decreased with time. The highest average concentration was confirmed in the OA (Outside air ventilation) condition, and the concentration change according to the changing HVAC mode was observed in the Auto condition. The concentration of pollutants inside the vehicle showed a significant correlation with factors such as season, external concentration, and HVAC conditions, along with a weak correlation to powertrain type. The results of this study can be used as basic data for developing methods for evaluating vehicle interior air quality in future work.

This study uses a frequency analyzer to measure and analyze the major alarm sounds of vehicle selected by domestic car manufacturer and car size, which are continuously improving in accordance with the continuous development of the automobile field. Therefore, the purpose is to find the alarm sound that modern people can hear best and find improvement measures accordingly. In the past, only the driving performance of vehicles was considered important, but as the industry and science developed, research was conducted to satisfy not only the driving performance of vehicles but also the comfort and emotional needs of drivers, such as ride comfort, safety, and noise issues. At the same time, it is progressing actively and continues to develop.