도로에서 발생하는 대기오염의 주요 원인은 자동차 등의 연료연소로 인해 발생하는 미세먼지(PM), 질소산화물(NOX), 황산화물(SOX), 암모니아(NH3), 오존(O3) 등이며, 특히 미세먼지와 질소산화물은 도로를 이용하는 운전자와 보행자의 건강에 부정적인 영향을 미치는 것으로 알려져 있다. 본 연구에서는 버스정류장에 설치되는 미세먼지 저감시설의 미세먼지 저감효과를 분석하기 위하여 미세먼지 저 감능력을 실증할 수 있는 실대형 미세먼지 실증인프라와 실규모의 버스정류장을 이용하였다. 미세먼지 실증인프라에서 미세먼지 저감 시설이 설치되는 실험군(2곳)과 미설치되는 대조군(1곳)을 대상으로 미세먼지(PM10) 발생농도를 측정하였으며, 미세먼지 저감시설의 미 세먼지 저감효과를 분석하기 위하여 미세먼지(PM10)의 발생확률과 확률밀도함수를 산정할 수 있는 통계학적 방법인 Anderson-Darling 테스트(AD 테스트)를 이용하여 분석하였다. 미세먼지 저감시설의 미세먼지 저감효과는 대기질지수(AQI)의 기준을 준용하여 실험군ㆍ 대조군의 미세먼지 농도발생확률을 비교하여 정량적ㆍ정성적으로 분석하였다. 미세먼지(PM10) 농도발생확률 산정결과, AQI ‘보통’의 경우, 실험군 측정지점 1, 2와 대조군의 농도발생확률은 각각 77.24%, 63.26%, 0.00%로 대조군에 비해 실험군의 측정지점 1, 2에서 높 게 나타났으며, AQI ‘나쁨’의 경우, 실험군 측정지점 1, 2와 대조군의 농도발생확률은 각각 21.70%, 35.09%, 100.00%로 나타나 실험군 내의 미세먼지(PM10) 발생농도가 대조군과 비교해 개선되는 것으로 분석되었으며, 대조군 내부의 미세먼지 농도의 변화는 거의 없는 것으로 나타났다. 일반적으로 미세먼지를 측정하는 방식인 중량법과 베타선법을 통한 미세먼지 저감효과 분석방법은 시간당 평균으로 측정한 미세먼지 농도만 비교 가능하므로 정성적인 효과분석이 미비해 본 연구를 통해 소개한 통계학적 방법이 정량적 분석 뿐만 아 니라 정성적 분석에도 효과적일 것으로 기대하고 있다.

Evaluating the performance of asphalt concrete using CT scanning has become an essential area of research due to its potential to revolutionize the way we assess road materials. Traditional methods often require destructive sampling, which can damage infrastructure and offer limited insight into the material's internal structure. In contrast, CT scanning provides a non-destructive, highly detailed analysis of asphalt's internal features, such as air voids, aggregate distribution, and binder coverage, all of which are critical to its durability and performance. Additionally, the ability to create 3D models from CT scans allows for deeper insights into factors like void connectivity and aggregate bonding, which directly affect the lifespan of pavements. By combining CT imaging with advanced data processing techniques, such as deep learning, this research offers more accurate and reliable methods for optimizing asphalt mix designs, ultimately leading to longer-lasting roads, reduced maintenance costs, and more sustainable construction practices.

본 연구에서는 ALOHA와 Bow-tie를 활용하여 메탄올 추진 선박의 저장 탱크가 울산항에서의 누출 시나리오를 가정하여 위험도 평가하였다. ALOHA를 이용하여 대안 및 최악의 시나리오를 산정하여 피해 범위를 예측하였다. 독성 영향 범위의 결과(ERPG-2 기준)로는 대안(629m), 최악(817m)로 육상 탱크 터미널의 부두 시설 및 거주 지역까지 포함되는 것으로 확인되었다. 인화성 영향 범위(LEL 10% 기준) 는 대안(126m), 최악(218m) 선박에서만 발생하였으며, 열복사 영향 범위(5.0kW/m2 기준)는 대안(56m), 최악(56m)로 선박에서만 영향을 미쳤 다. 또한, 전문가 집단을 구성하여 Bow-tie 기법을 통하여 예방 대책과 완화 대책을 평가하였다. 대책 유형 분류에서는 Hardware와 Human 으로 구분되었으며, 안전 유효성과 위험 심각성의 결과에서는 “Gas Freeing System”, “Ventilation System”, “Fire-Fighting System이 가장 높은 평가를 받았다. 위의 평가를 토대로 위험도 평가를 도식화하였다.

국제해사기구는 국제해운의 온실가스 배출을 줄이기 위한 전략을 채택하였으며, 선박 기인 온실가스 배출을 줄이기 위해 보다 강화된 목표를 설정하고 있다. 액체수소를 기화시켜 연료로 사용하는 고분자 전해질 연료전지는 이러한 규제를 준수하기 위한 유망한 기 술 중 하나로 평가받고 있다. 일반적으로 선박시스템 설계는 선급의 규정에 따라야 하지만 환경규제가 강화됨에 따라 새로운 연료와 시 스템의 도입이 가속화되고 있으며, 이로 인해 규정개발이 기술의 도입을 따라가지 못하는 경우도 발생하고 있다. 이러한 격차를 해소하기 위해, 본 연구에서는 수소 연료가스공급 시스템을 대상으로 위험요소 및 운전분석 기법(HAZOP)과 보호계층분석 기법(LOPA)을 결합하여 신기술의 안전성을 검증하는 방법을 제시하였다. 먼저 HAZOP을 통해 위험 시나리오를 식별하고, LOPA를 통해 정성적인 HAZOP 결과를 정량적으로 보완하였다. 초기사건의 빈도와 독립보호계층(IPL)들의 작동 요구시 고장 확률(PFD)을 계산하였다. 기존 IPL의 적절성을 결정 하기 위해, 예상되는 완화 정도를 가정한 허용기준과 비교하였으며, 필요한 경우, 추가 IPL을 권장하였다. 본 연구를 통해서 HAZOP-LOPA 기법이 조선해양 분야에서 신기술의 안전성을 평가할 수 있는 잠재력을 가지고 있음을 확인하였다.

Scientific exploration of how occupational health risks relate with occupational illnesses are essential for mitigating health-related issues in industries. This study analyzed the risk scores obtained by occupational health risk assessments at 3,172 manufacturing companies and examined their effects on occupational illness. Statistical analyses revealed that companies with an occupational health manager (scored 89.1 out of 100) had significantly higher activity scores of health management compared to those without (78.2). However, companies with a history of occupational illness (79.1) or those classified as high-risk industries (85.2) had significantly lower activity scores than their counterparts (81.7, 87.3). In addition, regression analyses using factor analysis showed that latent risk factors such as cardiovascular disease/job stress, health management, and musculoskeletal problem significantly influenced the risk of occupational illness. The activity factors such as health management, work environment management, and regulatory complaisance significant impacted the reduction of occupational illness. The findings of this study can be used to improve the occupational health risk assessment method and utilized in effectively managing occupational risks in industries.

본 연구에서는 간담도 조영제를 사용하는 간 검사에 있어서 동맥기 검사에서의 원인 미상의 이유로 인하여 일시적 호흡곤란이 발생하고, 호흡정지가 실패하여 영상의 질을 저하하는 경우가 있는데, 이에 있어 기존의 고안된 여러 방법이 아닌 백신 기법을 사용하여 호흡정지의 성공률을 높이고 영상의 질을 향상해 임상의 유용성을 평가하고자 한다. 간 검사를 시행하는 65세 이상 또는 의사소통이 명확히 되는 간병증 환자 20명을 대상으로 진행하였으며, 동맥기 검사 직전에 백신 개념의 조영제 0.1 ml를 주입하여 환자 신체가 조영제에 적응하게 한 후, 조영제 9.9 ml를 주입하여 동맥기 검사를 진행하였다. 영상의학과 전문의 1명과 전문방사선사 4명이 영상을 평가하고, 환자로부터 조영제 주입 후의 신체적 평가를 직접 확인하였다. 그 결과로 정성적 평가인 5점 리커트 척도를 통하여 대응 표본 T-검정으로 유의한 차이가 있었고, 시행된 환자 본인에 있어서 조영제의 주입 시, 체감에 있어 대부분 느낌도 받을 수 없었으며, 환자의 조영제에 대한 두려움과 만족도 측면에서 약 3배 높은 결과를 보여주었다. 그리고 이에 대한 영향으로 영상 측면에서도 일시적 호흡곤란이 발생하지 않고 검사에 방해 요소가 줄어든바, 약 1.78배 높아진 평가 를 얻을 수 있었고 동맥기 검사에서 호흡정지 실패 발생 빈도가 줄어드는 것을 확인할 수 있었으며, 임상에서 높은 질의 영상을 얻을 수 있을 것이라 사료된다.

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.

Particulate matter is known to have adverse effects on health, making it crucial to accurately gauge its concentration levels. While the recent advent of low-cost air sensors has enabled real-time measurement of particulate matter, discrepancies in concentrations can arise depending on the sensor used, the measuring environment, and the manufacturer. In light of this, we aimed to propose a method to calibrate measurements between low-cost air sensor devices. In our study, we introduced decision tree techniques, commonly used in machine learning for classification and regression problems, to categorize particulate matter concentration intervals. For each interval, both univariate and multivariate multiple linear regression analyses were conducted to derive calibration equations. The concentrations of PM10 and PM2.5 measured indoors and outdoors with two types of LCS equipment and the GRIMM 11-A device were compared and analyzed, confirming the necessity for distinguishing between indoor and outdoor spaces and categorizing concentration intervals. Furthermore, the decision tree calibration method showed greater accuracy than traditional methods. On the other hand, during univariate regression analysis, the proportion exceeding a PM2.5/PM10 ratio of 1 was significantly high. However, using multivariate regression analysis, the exceedance rate decreased to 79.1% for IAQ-C7 and 89.3% for PMM-130, demonstrating that calibration through multivariate regression analysis considering both PM10 and PM2.5 is more effective. The results of this study are expected to contribute to the accurate calibration of particulate matter measurements and have showcased the potential for scientifically and rationally calibrating data using machine learning.

With the increasing number of aging buildings across Korea, emerging maintenance technologies have surged. One such technology is the non-contact detection of concrete cracks via thermal images. This study aims to develop a technique that can accurately predict the depth of a crack by analyzing the temperature difference between the crack part and the normal part in the thermal image of the concrete. The research obtained temperature data through thermal imaging experiments and constructed a big data set including outdoor variables such as air temperature, illumination, and humidity that can influence temperature differences. Based on the collected data, the team designed an algorithm for learning and predicting the crack depth using machine learning. Initially, standardized crack specimens were used in experiments, and the big data was updated by specimens similar to actual cracks. Finally, a crack depth prediction technology was implemented using five regression analysis algorithms for approximately 24,000 data points. To confirm the practicality of the development technique, crack simulators with various shapes were added to the study.

In this study, in order to establish a strategy for developing an fire following earthquake risk assessment method that can utilize domestic public databases(building datas, etc.), the method of calculating the ignition and fire-spread among the fire following earthquake risk assessment methodologies proposed by past researchers is investigated After investigating and analyzing the methodology used in the HAZUS-MH earthquake model in the United States and the fire following earthquake risk assessment methodology in Japan, based on this, a database such as a domestic building data utilized to an fire following earthquake risk assessment method suitable for domestic circumstances (planned) was suggested.