Early warnings have been developed to provide rapid earthquake information, allowing people to prepare as much time as possible. However, since it takes several seconds for an earthquake warning to be issued, the blind zone is inevitable. To reduce the blind zone, information from a single observatory is used to operate an on-site earthquake warning. However, false and missed alarms are still high, requiring continued research and validation. This study predicted Peak Ground Acceleration (PGA) using the characteristic data to reduce false and missed alarms in on-site earthquake warnings. A machine learning prediction model was created using the initial P-wave parameters developed from the characteristic data to achieve this. Then, the model was used to predict the maximum ground acceleration in the southeastern region of the Korean Peninsula. The expected results for six target earthquakes were confirmed to have a standard deviation within 0.3 compared to the observed PGA and the values within ±2 sigma. This method is expected to help develop an on-site early warning system for earthquakes.

해상풍력 프로젝트의 발전사업허가 취득 및 연간 예상발전량 평가를 위해서는 최소 1년 이상의 해상관측자료 확보가 필수적 이나, 입지선정 과정 및 사전예비타당성 단계에서는 재해석자료나 중규모 모델링 자료와 같은 기상·기후데이터가 활용된다. 하지만, 이 들은 관측값 대비 다소 높은 불확도를 내포하고 있기 때문에 이들을 기반으로 한 발전량 평가 결과 역시 불확실성을 가지게 된다. 이에 본 연구에서는 HeMOSU-1 해상기상탑 관측자료와 인근 격자점에서의 ERA5, EMD-WRF 데이터의 시계열 및 특성을 비교, 검증하여 국내 서남해권의 해상풍력 프로젝트의 사전예비타당성평가의 신뢰성을 확보하고자 하였다. 본 연구에서는 기계적·열적 대기안정도 지수인 연직윈드시어와 모닌 오브코프 길이, 리차드슨 수를 각각 활용하여 관측값 부재시 국내 서남해상에서 ERA5와 EMD-WRF를 사용하는 것이 정량적으로 어느 정도의 오차를 보이는지, 또 대기안정도별 변화 트렌드는 유사한지를 파악하였다.

The objectives of the study were to examine food waste generation and reduction efforts at home, and to identify factors affecting the intention to reduce food waste. A total of 3,321 food buyer responses were used from the 2022 Consumer Behavior Survey for Food of the Korea Rural Economic Institute. Statistical methods for a complex sample were applied by using a SPSS program (ver. 26.0). The average daily food waste generation per household significantly differed by the main food purchaser’s age and household size. Plate waste and food waste from preparation were the main types of food waste. A multiple regression analysis revealed that intention to reduce food waste was influenced by the main types of food waste, the average daily amount of food waste, the perceived amount of food waste, and the perceived importance of food waste reduction after adjusting for the age of the main food purchaser and household size. Since the amount of food waste was affected by a series of food behaviors as well as consumer’s intention to reduce waste, empirical research on the types and amounts of food waste generated in Korean households and qualitative research on behaviors and attitude affecting food waste are needed.

This study examined differences in breakfast habits, mental health, and the prevalence of allergic diseases among 9,549 adolescents from father-headed and mother-headed families, using raw data from the 2017~2019 Korea Youth Risk Behavior Web-Based Survey. Of the total participants, 44.6% came from father-headed families, while 55.4% were from mother-headed families. Single-parent adolescents showed the highest likelihood of eating breakfast every day of the week (24.5%), but they also had a significant tendency to skip breakfast entirely (24.3%). There was no significant difference in breakfast frequency between those from father-headed and mother-headed families. The perception of stress and subjective health status did not differ significantly between adolescents from the two types of families, although subjective health status did show significant differences among boys. Depressive experiences were notably higher in adolescents from mother-headed families (33.0%) compared to those from father-headed families (30.8%). Additionally, the prevalence of atopic dermatitis and allergic rhinitis was significantly greater in adolescents from mother-headed families (24.2% and 32.1%, respectively) than in those from father-headed families (21.1% and 26.5%, respectively). These results indicate the need for tailored nutrition and health guidance programs for adolescents from single-parent families to support the role of the absent parent.

Galaxy evolution studies require the measurement of the physical properties of galaxies at different redshifts. In this work, we build supervised machine learning models to predict the redshift and physical properties (gas-phase metallicity, stellar mass, and star formation rate) of star-forming galaxies from the broad-band and medium-band photometry covering optical to near-infrared wavelengths, and present an evaluation of the model performance. Using 55 magnitudes and colors as input features, the optimized model can predict the galaxy redshift with an accuracy of σ(Δz/1+z) = 0.008 for a redshift range of z < 0.4. The gas-phase metallicity [12 + log(O/H)], stellar mass [log(Mstar)], and star formation rate [log(SFR)] can be predicted with the accuracies of σNMAD = 0.081, 0.068, and 0.19 dex, respectively. When magnitude errors are included, the scatter in the predicted values increases, and the range of predicted values decreases, leading to biased predictions. Near-infrared magnitudes and colors (H, K, and H −K), along with optical colors in the blue wavelengths (m425–m450), are found to play important roles in the parameter prediction. Additionally, the number of input features is critical for ensuring good performance of the machine learning model. These results align with the underlying scaling relations between physical parameters for star-forming galaxies, demonstrating the potential of using medium-band surveys to study galaxy scaling relations with large sample of galaxies.

미·중 기술패권 경쟁 가운데, 첨단 디지털 기술의 공급망과 데이터 수 집, 유출, 조작, 유포 등의 우려가 제기되면서 공급망안보와 데이터안보 가 교차하는 양상이 두드러지기 시작했다. 데이터안보나 공급망안보 각 각에 대한 기존 연구는 있었으나, 이 둘의 교차점에 초점을 맞춘 연구는 드물다. 이 연구에서 다루는 데이터안보 사안들은 정부뿐 아니라 개인이 나 민간 행위자들이 취급하는 데이터들이 국가안보적 사안으로 전환되는 모습을 보인다. 이러한 신흥위협이 공급망위협과 상호작용하며, 국가안보 적 우려로 비화한 사례로 화웨이의 5G, ZPMC 항만 대형 크레인, 미래 자동차의 핵심 기술 라이다, 중국산 DJI 드론 등이 있다. 본 연구는 이러 한 사례들에 대해 국가 차원에서 어떤 대응이 이루어졌는지 탐구하였다. 특히, 관련 이슈들을 안보화하고 대응책을 앞서 제시하고 있는 미국에 초점을 맞추었다. 또한 기존의 안보화 이론을 보완하여 정치경제적 측면 을 추가하였다. 행정명령, 전략서 발간, 연방 예산안 그리고 새로운 전문 기구들의 창설을 통해 신흥 위협에 대처하고 있으며, 그 과정에서 공급 망 재편, 표준, 규범, 규제의 설립을 통해 변화하는 국가의 안보 제공자 로서의 역할을 조명하였다.

Structures compromised by a seismic event may be susceptible to aftershocks or subsequent occurrences within a particular duration. Considering that the shape ratios of sections, such as column shape ratio (CSR) and wall shape ratio (WSR), significantly influence the behavior of reinforced concrete (RC) piloti structures, it is essential to determine the best appropriate methodology for these structures. The seismic evaluation of piloti structures was conducted to measure seismic performance based on section shape ratios and inter-story drift ratio (IDR) standards. The diverse machine-learning models were trained and evaluated using the dataset, and the optimal model was chosen based on the performance of each model. The optimal model was employed to predict seismic performance by adjusting section shape ratios and output parameters, and a recommended approach for section shape ratios was presented. The optimal section shape ratios for the CSR range from 1.0 to 1.5, while the WSR spans from 1.5 to 3.33, regardless of the inter-story drift ratios.

This study develops a machine learning-based tool life prediction model using spindle power data collected from real manufacturing environments. The primary objective is to monitor tool wear and predict optimal replacement times, thereby enhancing manufacturing efficiency and product quality in smart factory settings. Accurate tool life prediction is critical for reducing downtime, minimizing costs, and maintaining consistent product standards. Six machine learning models, including Random Forest, Decision Tree, Support Vector Regressor, Linear Regression, XGBoost, and LightGBM, were evaluated for their predictive performance. Among these, the Random Forest Regressor demonstrated the highest accuracy with R2 value of 0.92, making it the most suitable for tool wear prediction. Linear Regression also provided detailed insights into the relationship between tool usage and spindle power, offering a practical alternative for precise predictions in scenarios with consistent data patterns. The results highlight the potential for real-time monitoring and predictive maintenance, significantly reducing downtime, optimizing tool usage, and improving operational efficiency. Challenges such as data variability, real-world noise, and model generalizability across diverse processes remain areas for future exploration. This work contributes to advancing smart manufacturing by integrating data-driven approaches into operational workflows and enabling sustainable, cost-effective production environments.

The purpose of this study is to develop a timely fall detection system aimed at improving elderly care, reducing injury risks, and promoting greater independence among older adults. Falls are a leading cause of severe complications, long-term disabilities, and even mortality in the aging population, making their detection and prevention a crucial area of public health focus. This research introduces an innovative fall detection approach by leveraging Mediapipe, a state-of-the-art computer vision tool designed for human posture tracking. By analyzing the velocity of keypoints derived from human movement data, the system is able to detect abrupt changes in motion patterns, which are indicative of potential falls. To enhance the accuracy and robustness of fall detection, this system integrates an LSTM (Long Short-Term Memory) model specifically optimized for time-series data analysis. LSTM's ability to capture critical temporal shifts in movement patterns ensures the system's reliability in distinguishing falls from other types of motion. The combination of Mediapipe and LSTM provides a highly accurate and robust monitoring system with a significantly reduced false-positive rate, making it suitable for real-world elderly care environments. Experimental results demonstrated the efficacy of the proposed system, achieving an F1 score of 0.934, with a precision of 0.935 and a recall of 0.932. These findings highlight the system's capability to handle complex motion data effectively while maintaining high accuracy and reliability. The proposed method represents a technological advancement in fall detection systems, with promising potential for implementation in elderly monitoring systems. By improving safety and quality of life for older adults, this research contributes meaningfully to advancements in elderly care technology.

본 연구는 유럽연합(European Union, EU)의 디지털 서비스법(Digital Services Act, DSA)과 브뤼셀 효과(Brussels effect)가 X(舊 Twitter) 플랫폼에 미친 영향을 데이터 분석을 통해 평가한다. DSA는 디지털 플 랫폼에 대한 규제 강화와 콘텐츠 관리의 투명성을 요구하며, X는 이를 통해 불법 콘텐츠와 혐오 발언에 대한 처리 방식을 개선하고 있다. 본 연구는 2023년부터 발행된 DSA의 투명성 보고서를 기반으로, 국가별 콘 텐츠 조정 효율성과 자동화 및 수동 검토 시스템의 성과를 분석한다. 이 를 위해, 데이터 수집 및 전처리를 거쳐 Python을 활용한 통계적 분석 을 적용하였다. 또한, 유럽 국가별로 발생한 집행 차이와 그로 인한 문제 점을 살펴보고, 글로벌 디지털 규제의 확산 가능성에 대한 정책적 시사 점을 제시한다.

해사 데이터는 항만을 입출항하는 선박 정보, 해상에서 운송되는 화물 정보, 이를 모니터링하고 관리하는 해상교통관제 정보 등 해상에서 생성되는 모든 데이터로 정의할 수 있다. 이러한 해사 데이터는 그 종류만큼이나 다양한 형식으로 송수신되고 있으며, 각각 의 데이터가 서로 밀접하게 연관되어 있는 멀티모달의 특징을 가지고 있기 때문에 데이터의 통합 관리가 어려운 실정이다. 더욱이 해사 데이터를 인공지능 시스템에 활용하기 위해서는 데이터 도메인에 대한 지식이 필요하기 때문에 비전문가의 경우 데이터를 활용하는 데 제약이 많았다. 이에 본 논문에서는 데이터의 연관 관계를 이용하여 멀티 모달 해사 데이터를 효과적으로 관리할 수 있는 데이터 체계를 제안하였다. 제안하는 관리 체계는 멀티 모달 데이터의 전처리 작업 절차와 연관 관계 기반의 그래프 데이터베이스, 비정형 데이터를 위 한 객체 저장 공간을 포함하고 있으며, 이를 통해 수집된 데이터로부터 연관 관계를 자동으로 추출하여 저장할 수 있도록 설계하였다. 또 한, VHF 데이터의 데이터베이스 구축 예시를 통해 제안하는 데이터 관리 체계의 활용 가능성을 검토하였으며, 기존의 데이터 관리 체계 에 비해 데이터의 이해도를 높이고, 활용도를 향상시킬 수 있을 것으로 예상된다.

본 연구는 빅데이터 분석을 통해 지방자치단체의 스포츠도시 구현 노 력을 살펴보고자 스포츠도시에 대한 사회적 인식과 현상을 파악하는 데 목적이 있다. 이를 위해 텍스톰과 Ucinet 6을 활용하여 2021년 6월부터 2024년 6월까지 '스포츠도시'와 관련된 텍스트 자료를 통해 키워드와 토 픽을 분석하였다. 구체적으로 텍스트마이닝, 의미연결망 분석, TF-IDF, CONCOR 분석을 통해 실시하였다. 분석 결과, 첫째 '스포츠', '도시', ' 대회', '체육', '개최', '국제', '전국', '선수', '세계', '조성' 순으로 빈도 가 높게 나타났다. 둘째 ‘국제 스포츠이벤트 개최’, ‘전국대회 유치 및 개 최를 통한 도시 위상 제고’, ‘시민을 위한 생활체육 인프라 조성’, ‘스포 츠도시를 통한 지자체의 지역 경제발전’ 등 4개의 그룹이 형성되었다. 따라서, 지자체는 지역 특성을 고려하고 주민의 의견을 적극적으로 반영 하며, 지역 경제 활성화에 기여하는 스포츠도시 구현에 앞장서야 할 것 이다. 마지막으로, 지역주민의 스포츠 참여가 일상이 되도록 양질의 스포 츠 프로그램을 제공해야 할 것이다.

본 연구는 국내 주요 항만에 정박 중인 선박들의 이산화탄소 배출 특성을 항만별, 선박 유형별로 배출 현황을 파악하여 향후 배출 저감 정책 수립에 필요한 기초 자료를 제공하는 것을 목적으로 한다. 이를 위해 항만운영정보시스템 데이터를 활용하여 2019년부터 2023년까지 최근 5년간의 정박 선박 데이터를 수집, 분석하였다. 연구 결과, 탱커선과 화물선이 전체 탄소 배출량의 대부분을 차지하며, 부산항, 울산항, 광양항 등 주요 무역항에서 배출량이 높게 나타났다. 특히, 탱커선은 정박 중 화물 가열 및 증기 구동 펌프 사용 등으로 인해 타 선종에 비해 발전기 사용이 많아 높은 배출 특성을 보였다. 이러한 결과는 항만 내 육상전원공급장치(AMP)의 설치 확대가 필요 함을 시사하며, 특히 탱커선이 접안하는 선석을 우선적으로 AMP 설치 대상으로 선정하는 것이 효과적일 것으로 판단된다. 본 연구는 국 내 항만에서 정박 선박의 이산화탄소 배출 특성을 체계적으로 파악하여 효율적인 배출 저감 전략을 수립하는 데 기여할 것으로 기대된 다.

2022 개정 과학과 교육과정은 교과 맥락에 따른 지식 정보 처리 역량 및 과학 탐구 능력 함양을 위해 디지털 탐구 도구 활용을 통한 교수·학습 활동을 강조한다. 이에 따라 본 연구에서는 공공 데이터를 활용한 지구과학 탐구 활 동을 개발하였다. 본 탐구 활동은 기상청 날씨누리의 지진 데이터를 노코딩 시각화 도구인 오렌지를 활용하여 시각화하 고 분석하도록 구성되어, 학생들이 지진대와 판의 경계와의 관련성을 과학적으로 이해할 수 있도록 돕는다. 개발한 탐 구 활동을 중학교 학생들에게 적용하였으며, 탐구 활동이 학생들의 지식 정보 처리 역량 함양에 긍정적인 영향을 주었 음을 확인하였다. 또한 탐구 활동이 데이터 활용 범위를 확장시켜 학생들이 새로운 질문을 생성할 수 있도록 하는 데 도움이 되었음을 파악하였다. 본 연구는 공공 데이터와 시각화 도구를 효과적으로 활용할 수 있는 탐구 활동을 제안한 다. 탐구 활동에서 경험하는 다양한 방식의 데이터 처리, 시각화 및 분석 과정은 학생들이 복잡한 자연 현상을 조금 더 쉽게 이해하는 데 도움을 줄 수 있으므로, 이러한 점에서 본 연구의 탐구 활동이 과학 수업에서 유용하게 활용될 수 있을 것으로 기대한다.

조선시대의 혁신적인 지도자였던 정조대왕의 업적과 수원화성의 역 사적 의미를 재조명하고, 현대적으로 계승하기 위하여 시작된 수원화성 문화제는 다채로운 축제 프로그램과 고유한 문화적 유산으로 인해 우 리나라 대표 문화관광축제로 자리매김하였다. 본 연구는 수원화성문화 제를 대상으로 온라인에서 수집한 키워드의 분석을 통해 포괄적인 인 식과 동향을 탐색하기 위해 진행되었다. 연구 결과, 첫째, 축제, 정조대 왕, 능행차, 수원시, 경기도, 화성행궁, 다양한, 세계유산축전, 힐링폴 링, 공연, 가을, 미디어아트 등의 키워드가 온라인 상에서 자주 언급되 고 있었다. 둘째, 중심성 분석 결과, 빈도분석의 결과와는 일부 차이가 있는 것으로 나타났다. 셋째, CONCOR 분석 결과, 총 6개의 수원화성 문화제 관련 키워드가 군집되었으며, 다양한 의미를 내포하고 있는 것 으로 나타났다.

본 연구는 AI-Hub의 ‘방송콘텐츠 한국어-중국어 번역 말뭉치’ 데이터를 활용하여 네이버 파파고의 번역 품질을 평가하고 이를 시각화하는 것을 목표로 한다. 먼저 BL EU 점수를 통해 파파고 번역 품질을 정량적으로 분석하고, 다양한 시각화 기법을 활용하여 번역 품질의 패턴을 파악하였다. 연구 결과에 따르면, 파파고 번역은 짧고 단순한 문장에서 높은 성능을 보였으나, 문장이 길고 복잡해질수록 번역 품질이 저 하되는 경향이 나타났다. 특히, 구어체 표현이나 문화적 맥락이 필요한 표현에서는 번역 오류가 두드러지게 나타났다. 본 연구는 데이터 시각화를 통해 번역 품질 평가 의 이해를 돕고, 파파고 번역의 강점과 약점을 명확히 제시하였다. 향후 연구에서는 다양한 평가 지표와 데이터셋을 활용하여 번역 품질을 더욱 다각적으로 평가하고, 파파고 번역의 한계점을 개선 방안을 제시할 예정이다.

본 연구의 목적은 2022 개정 교육과정 고등학교 신설 과목인 ｢도시의 미래 탐구｣가 학교 현장에서 성공적으로 안착하고 지리교과의 심화과목이자 진로 선택 과목으로서의 정체성을 살리기 위한 방안으로 공공데이터를 활용한 웹 기반 GIS 플랫폼을 개발하고, 교수･학습 모듈을 디자인하는 것이다. 이 플랫폼은 데이터 전처리, 시각화, 공간 분석을 위한 통합 도구를 제공하며, HTML과 JavaScript로 설계되어 저사양 기기를 포함한 다양한 교육 환경에서도 활용 가능하다. 본 연구는 또한 ｢도시의 미래 탐구｣교육과정에 부합하는 교수･학습 모듈을 개발하고, 지리탐구의 수업 실행 방식을 제안하였다. 학습자는 ‘도시’라고 하는 시민성의 공간을 과학적 인식, 개인적 반응, 비판적 사고를 통해 온전히 이해하게 되고, 도시의 역동성과 공간 불평등을 탐구할 수 있도록 설계되었다. 본 연구는 공공데이터와 지리정보기술을 통합한 본 연구는 지리교육에서 디지털 리터러시를 증진하고 비판적 탐구 역량을 강화한다는 점에서 의의가 있다.

2020년부터 국토교통부에서 추진해 온 “디지털 트윈국토”정책은 데이터 구축사업과 별도로 국가표준화도 동시에 진행되 어 표준과 실제 구축된 데이터 간의 연계성이 부족하다. 2024년에 21종의 표준 즉, 건물, 교통, 실내 공간, 수치표고모형, 지하 부문에 각각 데이터 모델, 품질, 메타데이터, 제품 사양이 제·개정되었다. 본 연구는 건물, 교통, 실내 공간, 수치표고모형 4종의 데이터 모델 표준의 유효성 검증 및 데이터 모델 간 정합성 검증을 목적으로 한다. 표준전문가의 입장과 표준 사용자의 입장에서 유효성을 7가지의 방법으로 유효성과 정합성을 검증하였다. 기존의 국토지리정보원의 건물과 교통은 메쉬(mesh)기반 의 3차원 구조를 갖는 반면에, 디지털 트윈국토 데이터의 건물과 교통, 그리고 실내 모델은 개별 객체의 구조를 갖고 있고, 기존 수치지도와 국토부의 여러 코드 리스트와도 연계할 수 있는 속성정보를 포함하고 있다. 각 건물, 교통, 실내 공간, 수치표고 모형, 각 부문 간의 데이터 모델 표준에서 객체 간 연속성 및 정합성이 보장되도록 클래스 간 논리성을 검증하였다. 검증과정에서 시범지역을 대상으로 한 데이터 구축과 시나리오 구성과 플랫폼 위에 데이터를 올려 시나리오를 적용을 통해 데이터 모델의 유효성을 이해할 수 있도록 하였다.

본 연구는 정서가 어떻게 표상되고 그 구조가 어떠한지 파악하기 위한 목적으로 진행되었다. 이에 정서 영상에서 유발된 정서에 대해 웨어러블 기구 기반 EEG 반응이 어떻게 분류되고 표상되는지 알아보고자 하였다. 이를 위해 참가자간 분류분석으로 참가자들 간의 정서 반응의 일관성을 확인하였다. 또한 분류분석의 결과로 도출된 정서 영상 별 정확 및 오분류를 오차행렬을 통해 기술하였다. 다음으로, 핵심정서 모델을 기반으로 EEG 데이터에 다차원척도 법을 적용하여 정서가 정서가와 각성가 두 가지 차원에서 어떻게 표상되는지 확인하였다. 마지막으로, 표상 유사성 분석을 통해 행동 데이터, 생리 측정 데이터, EEG 데이터 중 정서 차원을 가장 잘 설명하는 데이터가 무엇인지 확인하였다. 참가자간 분류분석 결과, 정서유형이 유의미하게 분류되었고 이는 EEG 데이터에 정서에 따라 참가자들 간 공유되는 패턴이 있음을 시사한다. 다차원척도법 결과, 정서 자극에 따른 EEG 데이터가 각성가 차원에서 표상이 잘 이루어졌다. 표상 유사성 분석 결과, 정서가 차원은 행동 데이터가, 각성가 차원은 EEG 데이터와 생리 측정 데이 터가 잘 설명하였다. 본 연구는 웨어러블 기구를 통해 측정된 영상 자극에 따른 EEG 데이터를 사용해 기존의 정서 이론과 부합하는 결과를 얻은 것에 의의가 있다.

This study proposes a method to evaluate the publicity of real-time, demand-responsive, autonomous public-transportation systems. By analyzing real-time data collected based on publicity evaluation indicators suggested in previous research studies, this study seeks to establish a system that objectively assesses the publicity of public transportation. Thus, the introduction of autonomous public transportation systems is expected to contribute to solving problems in underserved transportation areas and enable more sophisticated public transportation operations. We reviewed evaluation indicators proposed in previous studies. Based on this review, publicity evaluation indicators were derived and specific criteria were selected to assess systematically the publicity of autonomous public transportation. An AHP analysis was conducted to assess the relative importance of each indicator by analyzing the importance of the selected indicators. Additionally, to score the indicators, minimum and maximum target values were established, and a method for assigning scores to each indicator was examined. The most important factor in the publicity evaluation of autonomous demand-responsive transport (DRT) was the “success rate of allocation to weak public transportation service areas,” with a significance level p of 0.204. This was analyzed as a key evaluation criterion because of the importance of service provision in areas with low-public-transportation accessibility. Subsequently, “Accessing distance to a virtual station” (p = 0.145) was evaluated as an important factor representing the convenience of the service. “Waiting time after allocation” (p = 0.134) also appeared as an important evaluation factor, as reducing waiting time considerably affected service quality. Conversely, “compliance rate of velocity” yielded the lowest significance (p = 0.017), as speed compliance was typically guaranteed owing to autonomous driving technology. This study proposed a specific evaluation method based on publicity indicators to provide a strategic direction for improving services and enhancing the publicity of autonomous DRT systems. These results can serve as a foundational resource for improving transportation services in underserved areas and for enhancing the overall quality of public transportation services. However, the study’s limitation was its inability to use real-time autonomous public transportation data, relying instead on I-MoD data from Incheon. This limitation constrained the ability to establish universal benchmarks because data from various municipalities were not included. Future research should collect and analyze data from diverse regions to establish more reliable evaluation indicators.