Potholes on urban expressways are a critical pavement maintenance problem because they threaten driving safety, generate vehicle-damage claims, and require repeated emergency repairs. However, network-level evidence integrating climate, traffic, maintenance execution, and detection practice remains limited. This study addressed this gap through a stage-1 empirical assessment of pothole occurrence and pavement maintenance response on the Seoul urban expressway network. The novelty lies in integrating six years of operational data, including pothole repair records, compensation cases, monthly rainfall, monthly average temperature, route-level traffic volume, maintenance budget and execution records, detection pathways, and repeated pothole locations. A total of 28,821 pothole repairs were recorded between 2020 and 2025, with Olympic-daero (11,330 cases), Dongbu Trunk Road (6,594 cases), and Gangbyeonbuk-ro (5,067 cases) accounting for approximately 79.8% of the total. The compensation burden was also concentrated, with 158 cases and a total payout of KRW 48,592,000. Pothole occurrence showed a clear dual-season pattern, with high counts during the thawing period and a stronger summer peak, increasing from 1950, 3100, and 3773 cases in June, July, and August when rainfall rose from 174.60 mm to 333.68 mm and 352.15 mm, respectively. Traffic remained consistently high (48,576–96,700 vehicles/day) but varied by only approximately 5.1% annually, indicating that climate governed outbreak timing, while traffic acted mainly as a chronic aggravating factor. Artificial intelligence (AI)-based Camera Detection System (CDS) detection contributed to 54.3% and 57.2% of external detections in 2024 and 2025, respectively, while repeated repairs accounted for 3,957 cases across 783 locations (13.7% of total repairs). These findings support seasonal preventive maintenance, route-based prioritization, AI-assisted detection, and hotspot-focused management.

The National Highway Traffic Safety Administration (NHTSA) and the California Department of Motor Vehicles (CA DMV) collect and utilize data from traffic accidents caused by Automated Driving Systems (ADS) driving on real roads, as a policy. Leading autonomous driving technology companies such as Tesla and Waymo collect their own driving and accident data and use them for technology advancement. ADS traffic accident data that occur when driving on real roads are valuable for identifying problems in unexpected situations. This study analyzes the risk of traffic accidents by Operational Design Domain (ODD) on ADS traffic accident data that occurred while driving on an actual road and aims to present a road traffic law-based driving ability evaluation scenario in a complex ODD configuration in high-risk situations, wherein an ADS can be particularly vulnerable in mixed traffic situations. The actual road traffic accident data of ADS from 2,289 accidents as provided by the NHTSA were analyzed. Analysis of the characteristics of ADS traffic accidents revealed that accidents occurred mainly on ordinary ODDs with high traffic demand during actual road driving, that is, on dry roads during clear days and daylight. In traffic situations including ADS and Human Driving Vehicle(HDV), approximately 40% of traffic accidents were confirmed to have occurred because of HDV colliding with stationary ADS and occurred in unexpected situations, such as changing the HDV when driving straight ahead of the ADS. Results of analyzing the risk of traffic accidents on the driving status of ADS by ODD, showed that the risk of traffic accidents that occurred while the ADS was driving straight ahead was 2.27, with dry road conditions, sunny weather, and a road speed limit of 21 to 30 mph at night when streetlights were turned on. Thus, the ADS road traffic law-based driving ability evaluation scenario can be used to evaluate whether to recognize and respond to accident risk situations by developing ADS road traffic law-based driving ability evaluation scenarios for situations vulnerable to accidents due to HDV cut-in in traffic situations that include ADS and HDV. In future, this can be used as basic data for preparing related regulations and institutional devices, such as traffic accident investigations and driving ability evaluations by ADS.

This study comparatively analyzes the energy generation performance and economic evaluation of monofacial and bifacial photovoltaic (PV) modules, utilizing empirical data obtained from the Saemangeum project. The analysis is based on field data collected over a three-year period from 2022 to 2024. The results indicate that bifacial modules achieved an average power generation increase of approximately 8.27% compared to monofacial modules, attributed to the additional energy yield from rear-side irradiance. For the economic assessment, the Levelized Cost of Electricity (LCOE) and the Break-Even Point (BEP) were analyzed. Although the initial investment cost for bifacial modules was approximately 7.4% higher than that of monofacial modules, the LCOE was found to be lower for bifacial modules (114.7 KRW/kWh) compared to monofacial modules (117.8 KRW/kWh) over a 20-year operation period, due to the benefits of increased energy generation. The BEP analysis revealed that bifacial modules reach a break-even point relative to monofacial modules after 7.02 years. Furthermore, the study examined the trends of the BEP in response to variations in electricity selling prices and bifacial gain. In conclusion, this study confirms that bifacial PV modules demonstrate superior results in both power generation performance and economic analysis within the testbed environment. Consequently, these findings suggest a high potential for the application of bifacial modules in future domestic and international photovoltaic projects.

2000년대 초중반 국내 고속도로 교량에 LMC계 교면포장이 도입된 이후, 우수한 수밀성 및 내구성과 기존 바닥판 콘크리 트와 유사한 열팽창 특성에 기반한 구조적 일체성 확보의 장점으로 신설 및 유지관리 현장에서 폭넓게 활용되어 왔다. 이후 조강·초속경 시멘트를 적용한 다양한 공법이 개발되면서 초기 개방 시간 단축 및 교통 통제 최소화를 위한 기술적 확장이 이루어졌으며, 국내 교면포장 기술은 재료 및 시공 측면에서 지속적으로 발전해왔다. 그러나 준공 후 일정 기간이 경과한 교량에서 들뜸, 탈락, 균열 등 손상이 반복적으로 보고되고 있으며, 이에 따른 장기 공용성 저하와 유지관리 비용 증가 문제 가 제기되고 있다. 기존 연구는 실내 물성시험 및 단기 성능 평가에 집중되어 왔으며, 실제 공용 중인 다수 교량을 대상으 로 교통·환경 인자를 통합 고려한 장기 성능 분석은 제한적인 실정이다. 이에 본 연구에서는 실교량 기반의 공용성 데이터 베이스를 구축하고, 누적 교통하중과 환경하중을 포함한 다양한 인자와 손상지표 간의 통계적 분석을 수행함으로써 LMC 교 면포장의 장기 성능 특성을 정량적으로 평가하고자 한다. 이후 통계적 유의성 검정과 함께, 향후 성능 예측 모델 개발 및 고도화를 통해 성능기반 유지관리 의사결정 체계를 위한 기초 자료로 사용될 수 있다.

미연방도로관리청에서 개발한 SSAM 프로그램은 미시적 교통시뮬레이션 모형과 자동화된 상충분석 기법이 결합한 모형으 로 교통사고 분석과 관련하여 다양한 사고변수를 고려하고, 자동으로 상충분석 작업을 수행한다. 하지만 시뮬레이션 기반으 로 상충분석을 수행하기 때문에, 실질적으로 회전교차로에서 발생하는 상충을 판단하기에는 한계점이 존재한다. DFS(DataFromSky)는 드론 또는 고정형 카메라 영상으로부터 차량, 보행자, 자전거 등 교통객체를 자동 인식하여 교통 영상 데이터를 분석하고 시각화하는 소프트웨어로, 객체 유형 분류, 개별 객체 단위의 위치, 속도, 가속도 등 정보를 추출하고 전 체 주행 경로를 시공간 데이터로 저장한다. 회전교차로를 포함한 다양한 교차로의 형태, 교통환경에 가상의 분석 요소인 Gate, Lane, Traffic Region 등을 성정하여 맞춤형 분석이 가능하다. 따라서 본 연구는 영상 기반 교통데이터 분석 플랫폼인 DFS(DataFromSky)를 활용하여 시뮬레이션 가정이 아닌 실제 영상 데이터를 활용함으로써 운전자 행태, 비정형 움직임 등 혼합 교통 상황에 따른 회전교차로 내 상충분석 연구를 진행하였다. 회전교차로 진·출입시 발생하는 차량의 차로변경, 회전 교차로 내 급감속 횟수 등을 통해 회전교차로 개선 전후에 따른 교차로 내 안전성을 평가하는 것을 목적으로 한다. 2차로형 회전교차로 개선 대상지 중 6개 지점을 선정하여 사전·사후 드론 영상 촬영을 진행하였다. 드론 영상을 통해 회전교차로를 진출입하는 차량의 궤적자료를 추출하고 회전교차로 진출입 속도, 가속도, 차로준수율, 회전차로 내 급감속 횟수에 대한 분 석을 수행하였다. 본 연구결과, 2차로형 회전교차로 개선 후 회전교차로 진·출입부 차로준수율이 증가하였으며, 회전차로 내 차로변경 횟수가 감소하는 등 교통안전 향상 효과가 있는 것으로 분석되었다. 이를 통해 회전교차로 내 상충이 줄어들어 교 통 안전성이 더욱 향상될 수 있을 것으로 판단된다.

국내 노후 교량의 증가에 따라 유지관리 비용과 사회적 피해가 지속적으로 확대되고 있으며, 특히 포트홀 발생으로 인한 피해 보상액 또한 최근 증가하는 추세를 보이고 있다. 교량 포장 구조에서 포트홀은 아스팔트 포장과 콘크리트 바닥판 사이 계면의 박리로부터 구조적으로 시작된다. 차량 제동 및 가속에 따른 수평 하중, 수분 침투, 층간 차등 팽창 등은 계면에 인 장응력을 유발하여 결합 상태를 약화시키며, 이는 표면 균열로 진전되어 최종적으로 포트홀로 이어진다. 따라서 계면 박리는 포트홀 발생의 구조적 전조증상으로 볼 수 있다. 하지만 기존의 육안 점검은 표면 손상 중심의 평가에 국한되어 계면 박리 와 같은 내부 구조 상태를 직접적으로 파악하는 데 한계가 있다. 최근에는 구조물 내부 상태를 평가하기 위해 다양한 NDT 기법의 활용이 증가하고 있으나, 탄성파 기반의 IE(Impact-Echo) 및 UT(Ultrasonic Testing) 기법은 아스팔트와 같은 다공성 재료 내부에서 신호 감쇠가 발생하여 적용에 제약이 있다. 반면, 전자기파를 활용하는 GPR(Ground Penetrating Radar)은 포 장 내부 및 계면 상태 평가에 적합하나, 신호 해석 과정에서 전문가의 경험에 의존하는 주관적 한계가 존재한다. 이에 본 연구에서는 GPR 데이터를 기반으로 계면 박리 유무를 자동으로 분류하고, 이를 통해 포트홀 발생 위험 지점을 예측하는 딥 러닝 기반 프레임워크를 제안하였다. ResNet-50을 백본으로 하는 2-stage 전이학습 기법을 적용하였으며, 1단계에서는 3,708 개의 시험체 데이터를 활용하여 기초 분류 모델을 구축하고, 2단계에서는 28,890개의 실교량 데이터를 추가 학습하여 현장 조건에 대한 일반화 성능을 향상시켰다. 그 결과, 제안된 모델은 전체 정확도 85.2%와 weighted F1-score 0.8493의 성능을 나 타내었다. 본 연구에서 제안한 방법은 포트홀 발생 이전 단계에서 내부 계면 박리를 탐지할 수 있는 기술적 기반을 제시하 였으며, 이를 통해 선제적 유지관리 전략 수립과 교통 안전성 향상, 유지관리 비용 및 피해 보상액 감소에 기여할 수 있을 것으로 판단된다.

This study aims to enhance accessibility in transportation-disadvantaged areas by utilizing Large Language Model(LLM) to analyze public transportation and advanced mobility status data (e.g., platform taxis and Demand Responsive Transport(DRT)), and proposes a methodology to support region-specific mobility activation strategies. The study was divided into three stages: first, the collection of mobility data; second, the implementation of geographic information system (GIS)-based visualization and preprocessing; and third, the application of LLM-based image interpretation and classification. A variety of mobility data were consolidated into a unified spatial entity, converted into visualization information for LLM processing, and examined using a rule-based classification system to ascertain the mobility environment types. This approach addresses the limitations of single-data analysis and enables a multi-layered interpretation of regional transportation gaps. Through the LLM interpretation of visual elements, including grid colors, patterns, bus routes, and designated DRT operation areas, transportation characteristics such as mobility supply levels, DRT operation status, and taxi dependency were identified. The LLM model demonstrated a high level of performance with a precision rate of 78.2 %, accuracy rate of 73.1 %, recall rate of 91.8 %, and F1-score of 84.5 %. Notably, the recall rate exceeded 90 %, signifying comprehensive recognition of various transportation environment types. This study proposes an LLM-based spatial data interpretation framework for analyzing regional mobility conditions in Paju City. The integration of complex spatial information into QGIS enables the LLM to automatically analyze data, thereby unveiling micro-level mobility characteristics and identifying four types of regional mobility improvements.

As renewable energy penetration continues to increase, the output variability and forecasting uncertainty of photovoltaic generation have emerged as major operational risks in power systems. This study establishes a sensor-based data quality control procedure to ensure the reliability of meteorological data collected at a PV plant. For temperature, humidity, and wind speed, a four stage QC process physical range check, persistence check, step change check, and median filtering was applied. Solar radiation, which exhibits strong temporal and distributional characteristics, was processed using a three-stage QC procedure consisting of physical range, step change, and frequency distribution checks. Using the quality-controlled meteorological data, PV generation forecasting was performed with SVM and XGBoost models. As a result, the MAPE values improved to 6.32% for SVM and 6.08% for XGBoost after QC application. The findings confirm that meteorological data quality control significantly enhances PV forecasting accuracy and can support future strategies for distributed energy resource management, curtailment mitigation, and power system risk reduction.

Truck platooning technology, which utilizes vehicle-to-vehicle communication to enable two or more autonomous trucks to travel in a platoon, is garnering attention. However, before platooning is implemented, an environment that can stably maintain a constant speed must be established. Therefore, maintaining a constant speed is a key prerequisite for truck platooning. To overcome the limitations of previous studies, which relied on traffic simulations or limited experiments, this study analyzes second-by-second truck DTG driving records obtained from highways near major domestic ports. Based on these data, a sliding-window technique was employed to detect constant-speed driving patterns and estimate the rate of constant-speed driving by section. The analysis revealed a high rate of constant-speed driving at the Noeun JCT–Dongcheongju IC, where the traffic volume was low and the road alignment was gentle. However, a low rate was observed at the Gunpo IC–Donggunpo IC, where ramp entries and exits were frequent. Subsequently, a multivariate fractional polynomial model was employed to analyze factors influencing constant-speed driving. The main factors identified were speed dispersion, average duration of constantspeed driving, and volume of large trucks per lane. This shows that speed stability, continuity of driving patterns, and vehicle composition within a section are more important factors in determining constant-speed driving than the average driving speed or traffic volume. This study is significant because it empirically elucidates the characteristics and factors influencing constant-speed driving using large-scale field data. Furthermore, it is expected to provide fundamental data for selecting suitable sections for truck platooning and establishing logistics efficiency policies.

본 논문은 조선시대 비변사에서 생산한 기록물이자 역사 연구자들이 이용하는 사료인 󰡔비변 사등록󰡕을 디지털인문학 연구에 활용하기 위해 기록된 정보들을 분석하여 그에 적합한 데이터를 구축하는 방안을 제시하는 데 목적이 있다. 󰡔비변사등록󰡕에 기록된 정보는 크게 좌목과 기사로 구분한다. 좌목은 매월 1일 현재 비변사에 소속된 관원의 명단이다. 기사는 날짜, 등서된 문서의 내용, 추기로 구성된다. 문서는 비변사 뿐만 아니라 다양한 관서에서 작성하여 국왕에게 아뢰는 문서들과 승정원에서 등출한 문서 위주로 등서되어 있다. 구조화된 데이터를 구축할 때도 좌목과 기사를 각각의 데이터셋으로 구축하는 방안을 제시하였다.

목적: 본 연구는 산재보험패널조사 2⋅3차 데이터를 활용하여 산재 수부 손상 환자의 요양 종결 연도에 따른 동향을 분석하기 위해 실시되었다. 연구방법: 본 연구는 산재보험패널 데이터를 활용한 후향적 코호트 연구로, 산업재해로 인한 수부 손상 환자 1,967명을 대상으로 하였다. 연구 대상자의 기초 특성을 파악하기 위해 인구통계학적, 산업재해 관련, 직업재활 및 직업 특성에 대한 빈도분석을 실시하였다. 또한 산재요양 종결 연도에 따른 특성 변화를 분석하기 위해 2017년(982명)과 2022년(985명) 두 시점으로 구분하여 카이제곱 검정을 수행하였다. 결과: 2022년 산재요양 종결자는 인구통계학적 특성에서 60세 이상, 미혼 및 대졸 이상의 비율이 증가하였다. 산업재해 특성에서 업무상 질병의 비율이 높아졌고, 요양 기간은 길어졌다. 직업재활 특성에서는 유의한 차이가 없었고 직업 특성에서는 첫 번째 직장에서의 수부 손상 비율은 감소하였지만 근무기간 2개월 미만에서 손상 비율은 증가하였다. 결론: 산재 수부 손상 환자의 특성 변화를 확인하여 사업장 내 수부 손상 예방을 위한 교육 강화와 함께 효과적인 수부 치료 향상 및 직업복귀 촉진을 위한 산재 의료 전달 체계 개선의 필요성을 제시하였다.

본 연구는 새만금 5개 지점(동진, 가력, 만경, 신시, 계화)의 1시간 간격 수질 시계열 자료를 활용하여 수질 항목 간 인과구조와 변수 중심성을 정량적으로 분석하였다. 이를 위해 상관분석, Granger 인과성, DirectLiNGAM, 중심성 분석을 적용하였다. 상관분석에서는 전 지점에서 수온–DO 간 음의 상관과 염분–DO 간 양의 상관이 공통적으로 나타났으나, 영양염–DO 관계는 지점별 차이를 보였다. Granger 분석은 전반적으로 양방향 연결이 우세했으나, 동진·만경(하천)에서는 수온·탁도·염분이 영양염 및 유기물 지표를 선행하였고, 계 화(기수역)에서는 담수·해수 요인이 결합된 혼합 구조가 드러났다. LiNGAM 분석에서는 동진·만경에서 수온·탁도가 중심 노드로, 계화에 서는 T-N과 TOC가 매개자로, 가력·신시(배수갑문)에서는 DO가 핵심 변수로 확인되었다. 종합하면, 새만금 수질 네트워크는 하천 지점에 서는 유기물 부하 중심, 기수역에서는 질소·유기물의 혼합 중심, 해수유통 지점에서는 DO 중심의 구조가 형성되어 있음을 보여주었다. 이 러한 결과는 새만금과 같은 반폐쇄성 연안에서 수질 항목 간 물리·화학적 인과 메커니즘을 정량적으로 해석하는 데 기여하며, 향후 수질 개선을 위한 조절 변수 선정, 예측 모델 구축, 실시간 관리 전략 수립에 과학적 근거를 제공할 수 있다.

자료동화 시스템의 초기 입력자료(First Guess)을 만드는 입력자료 중 라디오존데, 항공기, 레이더 등 3차원 기 상정보는 정확한 기상 예측을 위한 유용한 정보이다. 이러한 관측자료는 대기 중 기상인자에 대한 연직분포를 제공하며, 수 치예보의 성능을 향상시키는 데 크게 기여한다. 특히, 기상항공기에 탑재된 관측장비 중 드롭존데(Dropsonde), 항공기 통합기상관측시스템(Airborne Integrated Meteorological Measurement System, AIMMS), 해상풍 측정 마이크로파복사계 (Stepped Frequency Microwave Radiometer, SFMR) 등은 항공기 이착륙 및 비행경로에 따른 기상정보의 관측·수집을 통해 수치예보모델의 예측성에 큰 영향을 주는 것으로 알려져 있으며 해상 관측 공백 지역의 해소를 위한 관측수행과 자료수집이 가능하다는 장점이 있다. 이에 본 연구에서는 보다 효율적인 항공 관측 업무 수행 및 수치예보 연구를 수 행하기 위하여 기상항공기에 탑재된 기상요소를 관측하는 장비인 드롭존데, AIMMS의 자료동화 적용 및 모델 결과 간 모의 성능 비교 실험을 수행하였다. 수치모의를 위해 사용된 모델은 현업에서 사용하는 중규모 모델인 KIM-Meso (Korea Integrated Model-Mesoscale version)와 동일한 물리과정으로 구성된 WRF (Weather Research and Forecasting Model) 로 도메인 1 , 2의 수평해상도는 각각 3 , 1 km이며 격자 크기는 690×650, 409×562로 설정하였다. 연구 사례일 은 4가지 위험기상임무(Severe Weather-01, 02, 03, 04) 중 관측자료와 수치모델 검증(SW-04)을 위한 임무로 수행된 태 풍 힌남노 영향 종료 후 고기압의 영향을 받는 비교적 안정한 사례 및 태풍 예측진로에 따른 전향지역의 연직기상구조 변동성 분석(SW-02)을 위한 사례로 한반도 전역에 강수와 강한 바람을 일으켜 피해를 주었던 오마이스 사례로 선정하 였다. 초기 입력자료 개선을 위해 적용한 자료동화 기법은 3차원변분법(3 Dimensional VARiational, 3DVAR)으로 미국 국립환경예측센터(National Centers for Environmental Prediction, NCEP)에서 제공하는 FNL (Final analyses) 재분석장 을 모델의 초기/경계조건으로 사용하였고, 예측 시간은 총 144시간(6일)으로 설정하였다. 아울러 사례기간 동안 모델의 예측 성능을 평가하기 위해 대상지역에 위치한 ASOS (Automated Synoptic Observing System)의 기상변수를 사용하였 으며 관측 및 모의 수치를 통계적으로 비교하였다. 전반적으로 대부분의 관측지점에서 자료동화를 적용한 DA (Data Assimilation) 실험 결과가 자료동화를 적용하지 않은 CTL (Control) 실험에 비해 향상된 예측정확도를 보였다. 특히, 기온은 모든 자료동화 적용 실험(DROP, AIMMS, DROP+AIM)에서 향상된 결과를 보였으며 풍속은 A IMMS , D ROP, DROP+AIM 결과에서 향상된 모의 결과를 보였다. 상대습도의 경우 관측값의 다소 건조한 대기상태를 모델이 일부 모 의하지 못한 것으로 나타났으나, 대체로 CTL 실험에 비해 자료동화 적용 실험의 모의 결과가 향상된 것을 확인할 수 있었다.

본 연구는 기계학습 및 설명 가능한 인공지능(xAI) 기법을 활용하여 폭발 하중을 받는 철근콘크리트 기둥의 보강 단계(Retrofit Level, RL)를 신속하게 평가하는 종합적 프레임워크를 제시한다. 파괴 유형와 보강 요구사항을 예측하기 위한 다단계 기계학습 접근 법을 개발하였으며, 이후 부분 의존성 그래프(Partial Dependence Plot, PDP) 분석을 통해 데이터 기반 보강 전략을 수립하였다. 제안 된 프레임워크는 두 가지 주요 프로세스로 구성된다: (1) 파괴유형 분류 및 RL 예측을 위한 다단계 기계학습 모델을 활용한 폭발 성능 평가, (2) 입력 변수 효과의 체계적 분석을 통한 PDP 기반 보강 전략 개발. RL 예측 모델은 광범위한 폭발 손상 평가 데이터를 바탕으 로 학습되었으며, 휨 및 전단 파괴유형에 대해 세 가지 손상 조건(심각, 보통, 경미)에서 검증되었다. PDP 분석 결과, 파괴유형과 손상 조건에 따라 서로 다른 보강 특성이 나타남을 확인하였다. PDP 기반 분석을 통해 주철근비 및 전단철근비에 대한 보강 가능 구간과 불가능 구간을 성공적으로 식별하였다.

This study examined the dietary and lifestyle factors associated with prediabetes among middle-aged Korean women. Data from the 9th Korea National Health and Nutrition Examination Survey were analyzed. The subjects were 2,562 women aged 40-64 years, classified into a prediabetes group (n=892) and a normal group (n=1,670) based on the criteria of the Korean Diabetes Association. Women with prediabetes were older, less educated, and more likely to be smokers and postmenopausal. They had higher body weight, waist circumference, body mass index, body fat, and one-year weight gain, as well as elevated triglycerides, fasting glucose, HbA1c, high-sensitivity C-reactive protein, and blood pressure, with lower high-density lipoprotein cholesterol. They consumed more sodium but less sugar, vitamin C, and fruit, while eating more meat. Regression showed that monounsaturated fatty acid intake reduced prediabetes risk (OR 0.74, 95% CI: 0.587-0.919), whereas sodium (OR 1.35, 95% CI: 1.059-1.713) increased risk. Moderate fruit intake was found to have a protective effect. The prediabetes group had a higher eating-out frequency and lower awareness and use of nutrition labeling. Therefore, aerobic exercise, weight loss, sodium reduction, moderate fruit intake, monounsaturated fat consumption, and a better understanding and use of nutrition labels may help prevent prediabetes in middle-aged women.

과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

Smart factory technology, a core component of the Fourth Industrial Revolution, demonstrates significant disparities in technological development across countries. To quantitatively assess these international technology gaps, this study proposes an integrated analytical framework that combines text mining-based topic modeling and social network analysis (SNA), using global smart factory-related patent data from 2017 to 2023. Approximately 4,300 patent documents (titles and abstracts) were collected through the GPASS system and preprocessed. Through Latent Dirichlet Allocation (LDA) modeling with optimized hyperparameters, major technology topics were identified. Semantic interpretation using ChatGPT and expert review enabled the assignment of precise topic labels, which were further mapped to CPC (Cooperative Patent Classification) codes to construct a standardized technology taxonomy. Subsequently, the network structures of topic and classification nodes were analyzed by country (China, the United States, and South Korea), and the relative importance of key technology areas was evaluated using centrality metrics such as degree, closeness, betweenness, and eigenvector centrality. The analysis revealed that, globally, the most central technology areas include manufacturing process management and control, IoT and data-driven decision making, and facility-based process optimization. At the national level, China showed a strategic focus on technologies related to product quality improvement and cost reduction, South Korea emphasized IoT-enabled technologies and equipment-level optimization, while the United States prioritized control systems and data-driven project management. By utilizing patent-based textual data, this study offers a novel methodology for quantitatively diagnosing structural differences in national technological capabilities. The proposed framework provides valuable insights for country-specific R&D planning and strategic decision-making in the field of smart manufacturing.

Desmidiales (Conjugatophyceae, Charophyta) are commonly found in freshwater ecosystems and exhibit high species diversity, particularly in acidic wetlands, lakes, swamps, and peat bogs. They possess a distinctive morphology characterized by symmetrical semicells, and their wide variation in cell shape and size presents challenges in species identification due to high morphological plasticity. Although 832 species of Desmidiales have been reported in Korea, phylogenetic studies have been limited to only a few taxonomic groups. This study focused on investigating species-level relationships among Desmidiales using strains from the Freshwater Bioresources Culture Collection (FBCC), integrating morphological characteristics, ecological data, and original species descriptions. A total of 352 new plastid gene sequences were generated for phylogenetic analyses, including accD (30), atpA (42), atpB (22), ndhH (37), petA (37), psaA (32), psbA (44), psbC (1), psbD (39), rbcL (40), rpl2 (19), and rpoB (9). Among the 12 plastid genes analyzed, psbA showed the highest proportion of conserved sites (83.9%), while petA exhibited the highest proportion of variable sites (38.7%). Based on the combined phylogenetic analysis, Desmidiales were grouped into five major clades: Cosmarium Clade-1: Cosmarium punctulatum, Cosmarium sp. 1, Cosmarium Clade-2: C. blyttii, C. botrytis, C. costatum, C. ochthodes, C. pachydermum, C. subcostatum, C. subcrenatum, C. subprotumidum, C. trilobulatum, Cosmarium Clade-3: C. angulosum, C. formosulum, C. granatum, C. impressulum, C. norimbergense, C. regnellii, C. subtumidum, Cosmarium sp. 2, Staurastrum Clade-1: Staurastrum avicula var. lunatum, Staurastrum Clade-2: S. boreale, S. dispar, S. kouwetsii, S. margaritaceum, S. punctulatum. The newly generated sequence data from FBCC strains will serve as a valuable resource for accurate species identification and for exploring the molecular ecology of Desmidiales in freshwater ecosystems. This phylogenetic framework improves our understanding of Desmidiales species diversity in Korea and aids in achieving a more comprehensive taxonomic resolution within this algal order.