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.

본 연구는 게임 IP의 음악 산업 확장 전략을 분석하기 위해 라이엇 게 임즈의 사례를 VRIO 프레임워크를 통해 분석했다. 연구 방법으로는 내용 분석과 사례분석을 활용했으며, 분석 결과는 다음과 같다. 첫째, 가치 (Value) 측면에서는 2023년 4,480억 원의 매출과 1,013억 원의 영업이익 을 달성했으며, 누적 스트리밍 100억 회를 기록하는 등 경제적 가치를 창출했다. 또한 룬테라 세계관의 11개 지역별 음악적 정체성 구축과 '아 케인' OST를 통한 IP 확장으로 브랜드 가치를 제고했다. 둘째, 희소성 (Rarity) 측면에서 세계 4위 음악 회사 BMG와의 글로벌 퍼블리싱 독점 계약을 통해 1,000개 이상의 음악 타이틀에 대한 권리를 확보했으며, 2023년 월드 챔피언십 640만 동시 시청자 달성으로 게임과 K-pop 팬덤 의 성공적 결합을 이뤄냈다. 셋째, 모방난이도(Imitability) 측면에서 가상 아이돌 제작에 필요한 수백만 달러의 초기 투자비용, 10년간 축적된 음악 프로덕션 노하우, 고도화된 기술 스택 등이 높은 진입장벽을 형성했다. 넷째, 조직(Organization) 측면에서 뮤직 슈퍼비전, 비즈니스 어페어, 전 략적 제품 총 3개의 부서로 구성된 전문화된 조직 구조를 갖추고, BMG SoundLab 운영과 개발자-음악가 협업 팀 시스템을 통해 혁신적인 운영 체계를 구축했다. 본 연구는 게임 IP의 음악 산업 확장이 가진 전략적 가 치와 실행 방안을 탐색적으로 분석했다는 점에서 의의가 있으며, 디지털 엔터테인먼트 산업의 융합 전략 수립에 실무적 시사점을 제공한다.

Rapidly changing environmental factors due to climate change are increasing the uncertainty of crop growth, and the importance of crop yield prediction for food security is becoming increasingly evident in Republic of Korea. Traditionally, crop yield prediction models have been developed by using statistical techniques such as regression models and correlation analysis. However, as machine learning technique develops, it is able to predict the crop yield more accurate than the statistical techniques. This study aims at proposing the onion yield prediction framework to accurately predict the onion yield by using various environmental factor data. Temperature, humidity, precipitation, solar radiation, and wind speed are considered as climate factors and irrigation water and nitrogen application rate are considered as soil factors. To improve the performance of the prediction model, ensemble learning technique is applied to the proposed framework. The coefficient of determination of the proposed stacked ensemble framework is 0.96, which is a 24.68% improvement over the coefficient of determination of 0.77 of the existing single machine learning model. This framework can be applied to the particular farmland so that each farm can get their customized prediction model, which is visualized by the web system.

MES(manufacturing execution system) plays a critical role in improving production efficiency by managing operations across the entire manufacturing system. Conventional manufacturing systems employ a centralized control structure, which has limitations in terms of the flexibility, scalability and reconfigurability of the manufacturing system. Agent-based manufacturing systems, on the other hand, are better suited to dynamic environments due to their inherent high autonomy and reconfigurability. In this study, we propose an agent-based MES and present its collaboration model between agents along with a data structure. The agent-based MES consists of three types of core agents: WIPAgent, PAgent(processing agent), and MHAgent(material handling agent). The entire manufacturing execution process operates through collaboration among these core agents, and all collaboration is carried out through autonomous interactions between the agents. In particular, the order-by-order dispatching process and the WIP(work-in-process) routing process are represented as respective collaboration models to facilitate understanding and analyzing the processes. In addition, we define data specifications required for MES implementation and operation, and their respective structures and relationships. Moreover, we build a prototype system employing a simulation model of an exemplary shop-floor as a simulation test bed. The framework proposed in this study can be used as a basis for building an automated operating system in a distributed environment.

다중 운집 사고는 주로 도시 내 밀집된 공간에서 발생하며, 보행자의 자유로운 이동이 제한될 때 더욱 위험하다. 이러한 상황에서 군중의 물리적 압력이 더해지면 대형 참사로 이어질 수 있어 예방과 신속한 대응이 필수적이다. 사고 발생 가능성을 최소화하기 위해 서는 실시간으로 군중 밀도를 모니터링하고, 위험 상황을 사전에 경고할 수 있는 예측 시스템 구축이 필요하다. 그러나 현재 사용되는 CCTV 기반 모니터링 시스템은 특정 구역에 국한되며, 설치 및 유지 비용이 높아 광범위한 모니터링에는 한계가 있다. 이에 본 연구 에서는 Cell Transmission Model(CTM)을 기반으로 한 양방향 보행 시뮬레이션 프레임워크를 개발하고, 이를 모바일 통신 데이터로 검증하였다. 연구 과정에서는 먼저 1)단방향 보행 CTM을 구축하고, 2)이를 양방향 보행 CTM으로 확장하여 경계 셀을 재설정하고 유 입량을 조정하는 방식으로 진행했다. 또한, 다중 운집 사고를 구현하기 위해 체류 개념을 추가했다. 검증 단계는 1)대상지 선정, 2)보행 네트워크 구축, 3)시뮬레이션 적용, 4)모바일 통신 데이터와의 비교 검증 순으로 이루어졌다. 대상지는 이태원 참사가 발생했던 이태원 역 부근으로, 20×20m 셀 단위로 보행 네트워크를 구축했다. 시뮬레이션 결과, 모바일 통신 데이터와의 높은 유사도를 보였다. 본 연구 에서 개발한 시뮬레이션은 대규모 행사나 혼잡한 보행 환경에서 군중 밀집을 예측하고, 사고 가능성을 조기에 경고하는 데 활용될 수 있다. 특히, 대형 이벤트나 도시 재난 관리에서 실시간 대응 시스템의 기초 자료로 사용할 수 있다.

Fueled by international efforts towards AI standardization, including those by the European Commission, the United States, and international organizations, this study introduces a AI-driven framework for analyzing advancements in drone technology. Utilizing project data retrieved from the NTIS DB via the “drone” keyword, the framework employs a diverse toolkit of supervised learning methods (Keras MLP, XGboost, LightGBM, and CatBoost) enhanced by BERTopic (natural language analysis tool). This multifaceted approach ensures both comprehensive data quality evaluation and in-depth structural analysis of documents. Furthermore, a 6T-based classification method refines non-applicable data for year-on-year AI analysis, demonstrably improving accuracy as measured by accuracy metric. Utilizing AI’s power, including GPT-4, this research unveils year-on-year trends in emerging keywords and employs them to generate detailed summaries, enabling efficient processing of large text datasets and offering an AI analysis system applicable to policy domains. Notably, this study not only advances methodologies aligned with AI Act standards but also lays the groundwork for responsible AI implementation through analysis of government research and development investments.

본 연구는 바이든 행정부가 제시한 새로운 경제 협력체인 인도-태평양 경제 프레임워크(IPEF)를 중심으로 그 통상정책의 특징을 살펴봄으로써 한국이 경제안보를 위해 어떠한 통상 외교 전략을 펼쳐야 하는지에 대한 분석을 그 목적으로 한다. 기존 FTA와 달리 관세 철폐와 같은 시장 접 근 문제를 포함하고 있지 않은 새로운 형태의 경제 협력체인 IPEF는 국 제통상질서에서의 미국의 리더십 회복과 동시에 국내 산업의 지지를 확 보할 수 있는 통상정책의 수립이라는 바이든 행정부의 경제안보 전략이 반영된 결과이다. 그 의도와 관계없이 IPEF는 대외적으로 중국을 견제하 기 위한 목적의 경제협력체로 인식되고 있는 상황 아래, 한국의 IPEF 가 입 결정을 둘러싼 논쟁이 지속되고 있다. 본 연구는 이러한 논쟁이 오바 마 행정부 이후 지속되고 있는 미-중 주도의 경제협력체 가입을 둘러싼 논의와 크게 다르지 않다는 점을 기반으로, 중국 주도의 RCEP과 미국 주도의 IPEF가 서로 배타적 관계가 아닌 상호보완적 관계라는 인식 아 래, 양 협력체에 적극적으로 참여하는 것이 대표적 통상국가인 한국의 경제안보를 위한 통상 외교 전략임을 제시한다.

본 연구에서는Stable Diffusion 프레임워크를 활용하여 게임 스타일의 스케치, 특히 도시 장면을 생성하는 방법 을 소개한다. 확산 기반의 모델인Stable Diffusion은 쉬운 접근성과 뛰어난 성능으로 많은 연구자와 일반인들에 게 선호되며, 텍스트-스케치, 이미지-스케치의 생성이 가능하다. Stable Diffusion의 몇 가지 문제는 이미지의 국 소성 보존 문제 및 미세 조정인데, 이를ControlNet과DreamBooth를 사용하여 해결한다. 결과적으로, 본 연구를 통 해 게임 제작에 사용될 수 있는 텍스트-스케치, 이미지-스케치 생성이 가능하며, 더 나아가 아티스트를 돕는 툴 로도 활용될 수 있다.

In this study, we focus on the improvement of data quality transmitted from a weather buoy that guides a route of ships. The buoy has an Internet-of-Thing (IoT) including sensors to collect meteorological data and the buoy’s status, and it also has a wireless communication device to send them to the central database in a ground control center and ships nearby. The time interval of data collected by the sensor is irregular, and fault data is often detected. Therefore, this study provides a framework to improve data quality using machine learning models. The normal data pattern is trained by machine learning models, and the trained models detect the fault data from the collected data set of the sensor and adjust them. For determining fault data, interquartile range (IQR) removes the value outside the outlier, and an NGBoost algorithm removes the data above the upper bound and below the lower bound. The removed data is interpolated using NGBoost or long-short term memory (LSTM) algorithm. The performance of the suggested process is evaluated by actual weather buoy data from Korea to improve the quality of ‘AIR_TEMPERATURE’ data by using other data from the same buoy. The performance of our proposed framework has been validated through computational experiments based on real-world data, confirming its suitability for practical applications in real- world scenarios.

Purpose: This study aimed to development and test the effects of patient safety/infection control simulation program based on a brain-based learning framework for nursing students. Methods: This pilot study used a one group pre-post test design. The study was conducted in one university in Korea. Participants were recruited using a convenience sample. Fifteen nursing students participated in this study. Results: The levels of perception of importance of patient safety management (Z=3.41, p=.001), confidence on patient safety (Z=3.30, p=.001), attitude toward personal protective equipment (Z=3.10, p=.002), and efficacy of personal protective equipment (Z=3.35, p=.001) were significantly increased. Conclusion: The application of brain-based learning framework in nursing simulation could be an effective education for nursing students.

VR 및 AR은 대중들이 접근하기 어려운 기술이 아닌, 개인용 스마트 폰 하나로 체험 및 활용 할 수 있는 시 대가 되었다. 최근 이런 개인용 스마트 폰의 다양한 센서를 활용한 AR 콘텐츠가 개발되고 서비스 되고 있다. AR 콘텐츠의 수요가 커지면서Software교육의 수요도 커지게 되었다. 하지만, 비전공자들도 배우기 쉬운 Python 언어를 중심으로 SW 교육이 활발해졌음에도, 아직까지 AR 콘텐츠 개발에서는 Python을 적극적으로 사용할 수 없다. AR 콘텐츠는 기술 분야 뿐 아니라 인터렉티브 아트 분야에서도 활발하게 사용되고 있다. 최근 인터 렉티브 아티스트들은 Python을 이용하여 인공지능을 활용한 작품을 개발 및 전시하고 있다. Python을 통한 SW 교육은 SW 분야의 취업에만 필요한 것이 아니라 아트 분야에서도 필요한 교육이 되었다. 본 논문에서는 AR 콘텐츠 개발 교육을 위한 Python과 Unity 3D Engine을 이용한 네트워크 기반 AR 프레임 워크를 제안한다. 제 안한 AR 프레임 워크는 Web 기반 브라우저에서 개인용 스마트 폰의 카메라에 접근하여 카메라 정보를 Main Server에 전송하고 Python에서 Mark를 분석한다. Mark 정보에 맞춰 Unity 3D Engine에서 3D 오브젝트를 렌더 링하고, 카메라 정보화 합성 후, MJPEG 스트리밍으로 개인용 스마트 폰 화면에 렌더링 된다. 본 논문에서 제 안한 AR 프레임 워크는 SW 교육 플랫폼과 비대면 교육 플랫폼의 요구사항을 반영하며, 인터렉티브 아티스트 들의 다양한 도전에 필요한 기술적 제한을 낮춰 줄 것으로 기대한다.

전산 자원의 발달로 여러 부품들이 결합된 전체 구조물에 대한 해석이 가능해져 해석에 필요한 계산 시간과 데이터의 양이 증가하 였다. 이러한 전체 구조물에는 같은 부품이 반복되어 규칙성을 가지는 경우가 많다. 이러한 반복적인 구조물에 균질화 기법을 적용하 면 효과적인 해석이 가능하다. 상용 프로그램의 일반적인 균질화 모듈에서 단위 구조는 모든 방향으로 반복된다고 가정한다. 하지만 실제 구조물들은 여러 단위 구조가 복잡하게 반복되는 경우가 많아 기존 균질화 기법을 적용하는데 어려움이 있다. 본 논문에서는 복 잡한 반복성을 고려하는 다단계 균질화 기법을 제안한다. 제안된 균질화 기법은 구조물을 여러 영역으로 나누어 균질화를 수행하는 형태로 기존 기법보다 정확한 해석이 가능하다.

PURPOSES : An automated driving guidance framework was developed for automated vehicles based on cooperation between infrastructure and automated vehicles. The proposed automated driving guidance framework is assumed to function only when an automated vehicle encounters situations in which it cannot safely pass through without cooperation with the infrastructure. METHODS : A four-step concept of automated driving guidance levels was employed, and the decision criteria, such as moving object, event, and externality, were defined as the criteria for determining the automated driving guidance level. The judgment criteria of each stage and procedure for determining the autonomous driving guidance level were determined based on successive judgments, and the proposed automated driving guidance framework was designed based on an expert survey. The survey was aimed at experts with experience related to automated driving system research or technology development. RESULTS : The resulting framework shows the steps and criteria for determining whether automated driving guidance is required under a specific situation and what the guidance should be. CONCLUSIONS : The proposed automated driving guidance framework is designed to function only when an automated vehicle encounters situations in which it cannot safely pass through without cooperation with the infrastructure.