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.

선박 연료로서 LPG는 현재의 기술과 경제성 등을 고려하였을 때 매력적인 연료이다. 하지만, 아직 LPG 연료 선박의 안전 지침 을 개발 중에 있고, 국내에서는 중소형 선박에 LPG 추진 시스템을 적용한 사례가 없다. 본 연구에서는 국내 최초 개발된 해상용 LPG 엔 진 시스템에 대해 보다 객관적인 위험성 평가를 수행하고 안전 운용 기준을 제안하고자 한다. 우선, 위험과 운전 분석 기법을 통해 동 엔 진 시스템을 5개의 검토 구간으로 분할하고 총 58가지의 위험요소를 식별하였다. 그다음 정성적 평가인 HAZOP 기법의 주관성을 보완하 기 위해 퍼지 이론을 사용하고 검출도, 민감도 등 위험 요인을 추가하여 퍼지 분석적 계층 과정을 통해 위험 요인의 상대적 가중치를 비 교하였다. 그 결과, 5가지의 위험 요인 중, 위험성에 가장 큰 영향을 미치는 위험 요인은 발생 빈도와 심각도로 평가되었다. 마지막으로, 위험 요인에 대한 가중치를 고려하여 위험 순위를 세밀하게 선정하기 위해 퍼지 TOPSIS 기법을 적용하였다. 그 결과, 위험 등급은 47개 그룹으로 구분할 수 있었고, 동 엔진 시스템의 운용 중 가장 위험도가 높은 위험요소는 LPG 공급 라인 유지 보수 중 가스 누출로 분석되 었다. 본 연구에 제안된 기법을 LPG 공급계통 등 다양한 설비에도 적용하여, 향후 LPG 추진 선박의 안전 기준 마련을 위한 위험성 평가 의 표준절차로 활용할 수 있기를 기대한다.