This study aims to identify latent classes among shared e-scooter users based on their characteristics and analyze the differences in personal and usage characteristics across these classes. Specifically, the study has the following key objectives: (1) to select variables related to the personal and usage characteristics of shared e-scooter users; (2) to collect data on the personal and usage characteristics of shared e-scooter users; (3) to derive the latent classes of shared e-scooter users; and (4) to test the differences in personal and usage characteristics across the identified latent classes. Variables related to the personal and usage characteristics of shared e-scooter users were selected based on a literature review. Through a survey, data on the personal and usage characteristics of shared e-scooter users were collected. A latent class analysis (LCA) was performed to derive the latent classes of shared e-scooter users. Finally, a chi-square analysis was conducted to test the differences in personal and usage characteristics across the latent classes of shared e-scooter users. The results of this study are as follows. The personal characteristics of shared e-scooter users were identified as age and sex, whereas the usage characteristics were identified as usage frequency, time periods of e-scooter usage, return/rental zones, return/rental places, and types of roads used. Data on sex, age, usage frequency, periods of e-scooter usage, and return/rental locations were collected from 278 shared e-scooter users. Based on information criterion, statistical validation, and the entropy index, four latent classes of shared e-scooter users were identified: “male users with a commuting purpose in business zones,” “male users with a homeward commuting purpose in residential zones,” “female users with a leisure purpose in park/green zones,” and “users in their 20s with a commuting purpose in residential zones.” The results of a chisquare analysis revealed statistically significant differences (p < 0.05) in the personal and usage characteristics across the latent classes. Shared e-scooter user types were classified through Latent Class Analysis (LCA), and differences in personal and usage characteristics were identified across the classes. The preferred usage environments and conditions for each class of shared e-scooter users are determined. Variables related to the return/rental zone and periods of e-scooter usage showed the most significant differences among the classes. These findings can contribute to the development of customized user policies and the improvement of services based on the characteristics of shared e-scooter users.

The Japanese government's longstanding policy on Taiwan and the continuous promotio n of Japanese education, coupled with the economic and cultural exchanges with Japan aft er the restoration of Taiwan, have resulted in a considerable amount of Japanese vocabula ry remaining in Taiwan, which has first entered the Taiwanese vocabulary system.However, as far as these words are concerned, instead of focusing on the writing of words, it is bet ter to present them in the form of sounds, which are naturally present in the language of daily life. These words have not disappeared with the breakup of Taiwan from Japanese ru le, and they are still used regularly, especially for native speakers (73.3% of the population of Taiwan speaks Taiwanese), and the use of Taiwanese interspersed with Japanese vocabul ary is a natural thing to do. Chinese language borrows words from Taiwanese, not only be cause of the lack of Taiwanese culture and daily life words, but also because of the lack o f Chinese vocabulary, as there are still words with similar meanings or synonyms, but to e xpress the lively and vivid character of the Chinese language. In any case, with the freque nt exchanges between Taiwan and Japan, and the increasing use of Chinese in the Taiwan ese society, many Japanese words originally belonging to Taiwanese usage are gradually b eing used as Chinese, with Chinese pronunciations. These loanwords from Japanese, whether they still exist in Taiwanese, or have been intro duced into Chinese from Taiwanese, or have even been introduced directly into the Chines e language system in recent years, can all indicate that the Taiwanese language is a very i mportant part of the Chinese language system. These loanwords from Japanese, whether t hey still exist in Taiwanese, or have been imported from Taiwanese into Chinese, or have even been directly introduced into the Chinese language system in recent years, all illustrat e the fact that Taiwanese culture has been deeply influenced by Japanese culture. The reas on why a large number of Japanese loanwords can be commonly used in daily life is due to the inclusiveness of other cultures and the acceptance of words, and the use of many of these loanwords will be partially changed in the process of cultural exchange, whether i t is an increase in meaning, a change in meaning, or an increase in the number of words in a particular language. Many borrowed words are more or less partially changed in the process of cultural exchanges, no matter whether the meaning of the word is increased, d ecreased or modified, but they can still be used, which shows that the use of language is very flexible. From the exchange of vocabulary, we can also see the sense of identification with the culture of a certain country. In the case of Taiwan, there has always been a deep affection for Japan, and this affection has not diminished over time, as evidenced by the l arge number of loanwords used in daily life in recent years

결빙(Black Ice)은 도로 포장체 표면의 균열 등에 스며든 습기나 눈, 그리고 차량 주행 중 발생하는 타이어 분진 및 배 기가스 등의 영향으로 인해 도로 표면과 유사한 색상의 얇은 얼음막이 형성되는 현상을 의미한다(Cho et al., 2021). 도로 노면이 결빙 상태일 경우, 평균 미끄럼 저항 계수는 건조 노면의 약 30% 수준으로 크게 낮아진다(Lee et al., 2024). 또 한, 결빙은 도로 표면과 색상이 유사하여 운전자가 노면 상태를 즉각적으로 인지하기 어렵고, 이에 따라 제동이나 회피 를 위한 충분한 시간을 확보하기 어렵다. 최근 5년간 발생한 서리·결빙 노면 교통사고의 치사율(사고 100건당 사망자 수) 은 2.69명으로, 이는 건조 노면 교통사고 치사율의 약 2배, 습윤 노면의 1.3배 수준에 해당한다(KoROAD, 2024). 이러한 위험성을 고려하여 국토교통부는 2020년 전국 고속국도 및 일반, 위임국도를 대상으로 403개 구간을 결빙 취약 구간으로 지정하였으며, 이후 464개소로 확대하여 자동염수분사시설, 그루빙(Grovving), 결빙주의표지판 등 안전시설을 확충하여 결빙사고를 집중적으로 관리하고 있다(MOLIT, 2020; BAI 2021). 하지만, 결빙사고 발생건수는 2020년 524건, 2021년 1,204건, 2022년 1,042건으로 증가추세를 보이고 있어, 결빙 취약 구간의 평가 적절성과 실효성에 대한 검토 필요성이 대 두되고 있다(KoROAD, 2024). 본 연구에서는 최근 10년 고속국도에서 발생한 결빙사고와 결빙사고 영향인자를 Random Forest Algorithm으로 분석하 여 도로 구간별 결빙사고 위험도를 평가하였다. 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국 도의 동절기 기상, 기하구조, 교통량 등 결빙사고 영향인자를 구간별로 수집하였다. 각 구간은 최근 10년 결빙사고 데이 터를 통해 결빙사고 발생구간과 비발생 구간으로 분류하였다. 구간별 수집한 결빙사고 영향인자를 독립변수, 사고발생유 무를 종속변수로하여 알고리즘 학습을 위한 데이터셋(Data Set)을 구성하고, 데이터불균형 문제를 해결하기 위해 오버샘 플링(OverSampling) 기법 중 하나인 SMOTE(Synthetic Minority Oversampling Technique)을 적용하였다. 최종적으로 Random Forest Classification Model을 학습하고, 모델의 하이퍼파라미터 조정(HyperParameter Tunning)을 거처 결빙사 고 발생구간 예측성능이 가장 높은 모델을 결정하였다. 이를 통해, 전국 고속국도의 구간별 결빙사고 발생 위험도를 평 가하고 각 결빙사고 영향인자의 변수중요도를 분석함으로써 결빙 취약구간 평가 방안의 신뢰성 제고를 기대한다.

본 연구는 자율주행자동차(AV)와 비자율주행자동차(HDV)가 혼재하는 교통환경에서 자율주행 전용차로 도입 시 차로변경구간 길이가 교통소통지표에 미치는 영향을 VISSIM 시뮬레이션을 통해 분석하였다. 분석을 위하여 도로구조 및 교통량, AV All-knowing, Cautious 주행행태를 반영하여 432개 시나리오를 구성하였다. 시뮬레이션 결과, 차로변경구간 길이가 증가할수록 교통 밀도와 지체시간은 유의 미하게 감소하였으며, 속도 및 통과교통량이 증가하는 효과를 보였으나, 자율주행 전용차로 도입 시 밀도와 지체시간이 증가하고 속도 및 통과교통량이 감소하는 등 일부 부정적 영향을 확인할 수 있었다. 향후 실제 도로 데이터를 반영한 분석을 통해 연구 신뢰성을 제 고할 필요성이 존재한다.

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.

선박에는 단열을 위한 발포제가 적용된다. 기존의 발포제에는 지구온난화물질인 수소불화탄소(HFC)를 다량 포함하고 있는 문제점이 있으며, 우리나라는 몬트리올 의정서의 ‘키칼리 개정서’를 채택함에 따라 HFC를 ‘24년부터 ’45년까지 기준 수량의 80% 감 축하기로 결정되었다. 이에, 메틸포메이트 원료는 지구온난화지수가 0(HFC는 960~1,430)으로 향후 친환경발포제로 높은 기대를 갖고 있다. 하지만, 메틸포메이트 발포제의 성능은 원료의 순도 및 주변환경에 높은 영향을 받음으로 각 공정환경에 대한 정확한 분류가 필요하다. 이에, 본 논문에서는 주변환경(온도)과 메틸포메이트 순도에 따라, 총 4개의 케이스를 만들었다. 각 케이스에 대해서 10,010 장의 이미지를 학습하고, 이를 구글넷(GoogLeNet)알고리즘을 이용하여 분류하였다. 분류결과 정확도는 96.8%를 갖고, F1-Score는 0.969 를 갖는 것으로 계산하였다.

본 연구에서는 경남지역 시군별 농림어업의 성장 추이에 대한 분석을 두 가지 측면에서 접근하였다. 첫째, 경남지역의 18개 시군을 과거 20년 동안의 농림어업생산액 성장률과 현재의 수준을 기준으로 비교하여 지역 유형화를 시도하였다. 이는 각 시군을 농림어업의 성장에 관한 정태적 및 동태적 관점에서 유형화함으로써, 각 시군이 상대적으로 어떠한 위치에 있는가를 객관적으로 파악할 수 있게 해줄 것이다. 둘째, 변이-할당분석을 통해 각 시군의 과거 20년 동안의 농림어업 성장을 3개의 요인으로 구분하여 분석하였다. 이를 통해 각 시군의 농림어업 성장이 어떤 요인에 의해 결정되었는가를 파악함으로써, 향후 농림어업 성장을 더욱 활성화하기 위한 전략 설정과 정책 수립에 시사점을 제공해 줄 수 있을 것이다.

Since 2004, the so-called new siheyuan – the modernized siheyuan (traditional Chinese house type) - has emerged in earnest. Over the past two decades, the new siheyuan has undergone continuous evolution in terms of program, structure, space, and form. To achieve a comprehensive understanding of the diverse forms of the new siheyuan , this paper aims to classify its varieties and analyze representative cases in the old Bejing city, corresponding to these. The classification system utilized the typology presented in ‘Type Classification of Contemporary Hanok’ (2016), as this was considered to be universal and takes into account the commonalities between hanok and siheyuan . The criteria for the classification are: (1) new construction or renovation; and (2) the degree of the new siheyuan ’s deviation from the traditional siheyuan ’s standard - maintaining the traditional form; changing space within the traditional form; changing the traditional frame; and juxtaposing the traditional and the modern. Based on these two criteria, this paper identified eight types of the new siheyuan and analyzed representative cases for each type. It can be argued that the diverse spectrum and significance of the new siheyuan were effectively explored through this typological classification and case-studies.

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.

Background: The evaluation of Human Movements based on Taekwondo poomsae (movement patterns) is inherently subjective, leading to concerns about bias and inconsistency in scoring. This emphasizes the need for objective and reliable scoring systems leveraging artificial intelligence technologies. Objectives: This study seeks to enhance the accuracy and fairness of Taekwondo poomsae scoring through the application of camera-based pose estimation and advanced neural network models. Design: A comparative analysis was conducted to evaluate the performance of machine learning models on a large-scale Taekwondo poomsae dataset. Methods: The analysis utilized a dataset comprising 902,306 labeled frames from 48 participants performing 62 distinct poomsae movements. Five models—LSTM, GRU, Simple RNN, Random Forest, and XGBoost—were evaluated using performance metrics, including accuracy, precision, recall, F1- score, and log loss. Results: The LSTM model outperformed all others, achieving an accuracy, precision, recall, and F1-score of 0.81, alongside the lowest log loss value of 0.55. The GRU model demonstrated comparable performance, while traditional models such as Random Forest and XGBoost were less effective in capturing the temporal and spatial patterns of poomsae movements. Conclusion: The LSTM model exhibited superior capability in modeling the temporal and spatial complexities inherent in Taekwondo poomsae, establishing a robust foundation for the development of objective, scalable, and reliable poomsae evaluation systems.

Background: Automated classification systems using Artificial Intelligence (AI) and Machine Learning (ML) can enhance accuracy and efficiency in diagnosing pet skin diseases within veterinary medicine. Objectives: This study created a system that classifies pet skin diseases by evaluating multiple ML models to determine which method is most effective. Design: Comparative experimental study. Methods: Pet skin disease images were obtained from AIHub. Models, including Multi-Layer Perceptron (MLP), Boosted Stacking Ensemble (BSE), H2O AutoML, Random Forest, and Tree-based Pipeline Optimization Tool (TPOT), were trained and their accuracy assessed. Results: The TPOT achieved the highest accuracy (94.50 percent), due to automated pipeline optimization and ensemble learning. H2O AutoML also performed well at 94.25 percent, illustrating the effectiveness of automated selection for intricate imaging tasks. Other models scored lower. Conclusion: These findings highlight the potential of AI-driven solutions for faster and more precise pet skin disease diagnoses. Future investigations should incorporate broader disease varieties, multimodal data, and clinical validations to solidify the practicality of these approaches in veterinary medicine.

국가어항은 어촌경제의 핵심 거점으로, 전통적으로 수산업 활동을 지원하는 기능을 수행해 왔다. 그러나 현대에는 관광과 레크 리에이션 기능도 요구되고 있으며, 어항의 다기능화가 필요해지고 있다. 이에 따라 국가어항의 기능을 체계적으로 분류하고, 그 기능에 영향을 미치는 요인을 분석하는 것이 중요한 과제로 부각되었다. 따라서 본 연구는 국가어항의 기능을 분류하고, 각 기능에 미치는 주요 요인들을 실증 분석한다. 이를 통해 어항 기능을 극대화하고, 어촌경제와 지역사회 발전에 기여할 수 있는 전략을 제시하고자 한다. 연구 는 2021년 기준 115개 국가어항을 대상으로 자료를 수집하여 분석하였다. 분석 결과, 국가어항은 기초어업형, 경제적 진흥형, 관광특화형, 취약형, 다목적형의 5가지 유형으로 분류되었다. 또한 다중회귀분석을 통해 수산 및 관광 기능에 미치는 주요 요인들을 도출하였다. 중도 매인 수, 관광매출액, 숙박시설 수, 항별 이용 면적 등이 관광과 수산 기능에 유의미한 영향을 미친다는 점을 확인하였다. 이 연구는 국가 어항의 다기능화를 위한 구체적인 요인들을 규명하고, 각 유형의 어항에 맞는 개발 전략을 제시할 수 있는 기초자료를 제공한다. 특히, 취 약형 어항에 대한 맞춤형 개발 전략이 필요이 중요한 과제로 제시되었다.

본 연구는 자연치유 진단을 위한 대상자의 간호 진단 중재를 적용한 사례 연구로, 대상자의 치유 과정을 이해하고 지원하기 위한 접근 방식이다. NANDA(North American Nursing Diagnosis Association, 북미간호진단 협회)의 간호 진단 분류 체계를 기반으로 한 간호 과정을 수행하고 평가하는 시스템을 통해 자연치유를 선택하는 대상자들의 건강을 돕고자 하였다. 이 사례를 통해 자연치유 진단, 자연치유 수행, 결과, 평가까지 도출하는 과정을 서술적 보고 형식으로 제시하였다. 연구 대상자가 겪고 있는 건강 문제인 불 안에 대해 주관적 및 객관적인 사정 자료를 통해 파생된 건강 문제들을 간 호 진단, 요인 분석, 대상자의 행동 특성 등으로 분류하고, 중재 목표를 설 정하였다. 목표에 대한 결과를 도출하기 위한 중재 요법으로, 몸의 관절 가 동 범위를 넓혀주는 원심도와 싱잉볼 이완 요법을 간호 중재로 선택하여 긍 정적인 결과를 도출하였으며, 이는 앞으로 유사한 환자들에게도 적용할 수 있는 모델이 될 수 있다고 사료된다. 향후 다양한 질환 군에 대한 간호 체계 분류를 적용한 자연치유 중재 효과에 대한 양적 연구의 확대와 장기적인 자 연치유 과정과 그 결과를 평가하기 위한 후속 연구가 필요하다고 보여진다.

본 연구에서는 전공교과목이 아닌, 기초학문과 지역사회의 필요를 연계하는 방식 을 모색하는 과정에서 ‘미래사회와 디지털지식’이라는 교양 교과목을 선택하여, 실생 활에 접근해 있는 스마트 폰 활용 교육이라는 학습 주제로 노인대학, 장애 기관 등 협력하여 서비스 러닝 활동을 진행하였다. 대학 교양 과목 강의에 실제 적용하고 있는 서비스러닝 기반 교양 교과목의 만족도 모형의 연구가설을 구축하여 서비스러 닝 기반 교과목 교수법 확대에 대한 효과를 알아보고자 하였다. 특히 본 연구에서는 서비스러닝 기반 교양 교과목의 만족도 모형을 통해 만족도에 정(+)의 영향을 미치 는 요인이 무엇인지를 살펴보고, 만족도는 추천과 확대 적용에 정(+)의 영향을 미치는지에 대해서 살펴보았다. 실증분석 결과, 서비스 러닝 교수법을 활용한 교육 봉사 활동이 자존감에 가장 큰 영향을 미치며, 이는 수업의 전반적인 만족도에 중요한 요 인으로 작용하는 것으로 나타났다. 또한, 교육 봉사활동 시간이 적절한 경우, 학생들 은 수업의 전반적인 만족도보다도 서비스 러닝 교수법이 적용된 교과목을 후배들에 게 추천하고 권하는 경향이 있음을 확인하였다. 아울러, 수업에 대해 전반적으로 만 족한 학생들은 서비스 러닝 교수법의 확대 적용에 긍정적인 입장을 보이는 것으로 분석되었다.

본 연구는 산림 분야 이해관계자를 대상으로 한 설문조사를 기반으로, 산림기능구분도의 현실적이고 효과적인 개선 방향을 제시하는 것을 목적으로 한다. 연구 대상은 산주, 공무원, 임업 분야 종사자, 연구원으로, 이들의 산림기능구분에 대한 인식, 활용 현황 및 개편 필요성을 조사하였다. 설문조사 결과, 산림기능구분도의 활용성과 만족도를 제고하기 위해 기존 제도나 지침에 따른 형식적 경영계획 수립을 지양하고, 현장 중심의 맞춤형 산림 관리 방안을 도입해야 한다는 결론을 도출하였다. 특히, 통합 및 단순화의 필요성과 관련하여 생활환경보전기능이 가장 높은 응답 비율을 보였으며, 그 다음으로 자연환경보전기능과 수원함양기능이 동일한 비중으로 나타났다. 또한, 산림경관 제공, 온실가스 흡수 및 저장, 산림휴양, 생물다양성 보전과 같은 기능은 추가적 고려 및 강조가 필요한 요소로 평가되었다. 이러한 연구 결과는 산림기능구분도의 개편 및 중장기 산림 관리 방향 설정에 실질적인 기여를 할 것으로 기대된다.

본 연구의 목적은 조직구성원의 직장만족도에 따른 잠재프로파일 유형을 분석하고 직장만족도에 영향 을 주는 선행요인과 이직의도를 초래하는 관계를 살펴보는 것이다. 이를 위해 여성관리자 패널데이터를 활용하여 잠재프로파일 분석을 실시하였다. 분석결과, 첫째, 조직구성원의 직장만족도에 따른 잠재프로파 일은 총 5개의 유형이 도출되었다. 둘째, 직장만족도 유형과 개인 및 조직 특성간의 관계에서는 배우자가 있을 경우 직장만족도가 낮은 집단에 속할 확률이 높은 경향을 보였고, 상사지원 및 최고경영자 지원이 높을수록 직장만족도가 높은 집단에 속할 확률이 높게 나타났다. 마지막으로, 직장만족도 유형과 이직의 도와의 차이를 살펴본 결과 직장만족도가 높을수록 이직의도가 낮아지며 집단 간 유의한 차이가 존재하 였다. 이러한 결과를 바탕으로 직장만족도 유형에 따른 이직의도를 낮추기 위한 방안에 대하여 이론적 및 실무적 관점에서 제시하였으며, 본 연구의 한계점과 향구 연구 방향도 논의하였다.