The TDL (Tactical Data Link) network employs a TDMA (Time Division Multiple Access) scheme, in which the network resources of each wireless node are allocated to time slots. The method of time slot allocation for each node is based on expert experience and operational requirements. However, this method has limitations because it is difficult to verify real-world operational environments due to high costs and time requirements. To address these limitations, this study developed a TDMA simulator using SimPy, a Python-based discrete-event simulation framework. The proposed simulator enables analysis of time slot allocation methods under varying operational environment conditions. Simulation experiments were conducted to evaluate times slot requirements under different maximum message transmission delay time thresholds (6s and 12s). The results showed that stricter delay time thresholds and higher number of tracks increased the required number of time slots. In addition, the required number of time slots increased differently depending on the complex interaction of factors such as the number of tracks, delay time thresholds, operational scenarios. The proposed simulator provides more precise insights and supports more reliable TDL network design than conventional methods.

하수처리장의 안정성과 효율성의 향상을 위해 스마트 기술 도입이 요구되고 있으나, 운영 데이터베이스 구축에 있어 계측의 신뢰성과 연속성 확보에 어려움이 있다. 활성슬러지 모델은 하수처리장의 디지털트윈으로 활용되며, 유입수 성상이 동일하더라도 다양한 운전 조건에 대한 데이터를 생산할 수 있다. 본 연구에서는 실측 데이터와 시뮬레이터 기반 합성 데이터를 통합하여 하수처리장 질소 농도 예측 머신러닝 모델을 구축하였다. A2O 공정의 호기조를 대상으로 기체상 N2O 및 액상 NH4 + 농도를 측정하였으며, 내부반송량, 외부반송량 등 운전인자를 포함한 운영데이터베이스를 구축하고 분석하였다. 확보한 실측 데이터를 기반으로 운영 특성을 분석하고, Sumo4N 모델을 활용하여 다양한 운전 조건에서의 합성 데이터를 생성하였다. 이후 두 데이터를 통합하여 데이터 증강을 수행함으로써, 실측 데이터의 양적 한계를 보완하였다. 모델 학습을 위한 입력 변수로는 외부⋅내부 반송량, 폭기량, 온도, 유입 질소 부하, pH를 선정하였으며 호기조의 N2O, NH4 +과 방류수 TN 농도를 예측하기 위한 머신러닝 모델을 개발하였다. 모델 학습에는 Lasso Regression, Random Forest, k-NN, SVR 알고리즘을 적용하여 성능을 평가하였다. 그 결과 SVR 알고리즘이 모든 질소 성분 예측에서 가장 우수한 성능을 보였으며, 개발된 모델 모두 R² ≥ 0.75의 높은 예측 성능을 나타내었다. 이는 시뮬레이터 기반 데이터 증강을 통해 기체상 및 액상 질소의 통합 제어를 위한 머신러닝 모델 구축의 가능성을 시사한다.

In this study, we proposed a simulator for the development of a digital multi-process welding machine and a welding process monitoring system. The simulator, which mimics the data generation process of the welding machine, is composed of process control circuit, peripheral device circuit, and wireless communication circuit. Utilizing this simulator, we aimed to develop a welding process monitoring system that can monitor the welding situations of four multi-process welding machines and three processes each, with data transmission through wireless communication. Through the operation of the proposed simulator, sequential digital processing of multi-process welding data and wireless communication were achieved. The welding process monitoring system enabled real-time monitoring and accumulation of the process data. The selection of upper and lower limits for process variables was carried out using a deep neural network based on allowable changes in bead shape, enabling the management of welding quality by applying a process control technique based on the trend of received data.

4차 산업혁명 시대의 흐름에 맞춰 농업에서도 ICT 기술을 활용한 스마트팜의 개발 및 보급을 통해 경쟁력을 높이기 위한 노력이 진행되고 있다. 과거 농부의 경험에 의해 축적된 지식을 이용하던 농업에서 각종 센서를 이용하여 다양한 재배 환경을 분석하고 이를 이용하여 최적의 재배 환경을 제어하는 지능형 시스템으로 변 하고 있으며, 네트워크를 통하여 시간과 공간의 제약이 없이 작물 재배가 가능한 환경이 만들어지고 있다. 본 논문에서는 기존에 구축된 클라우드 기반 스마트팜과 연동하여 팜 시뮬레이터를 구현하는 방법을 제안한 다. 클라우드에 누적된 환경 데이터와 제어 데이터를 이용하여 환경 변수에 대한 예측 모델을 학습하고 실제 운영중인 스마트팜의 실시간 환경 데이터를 이용하면 보다 현실감 있는 시뮬레이션이 가능하게 되어 사용자 의 몰입을 유도할 수 있다. 단순 시뮬레이션에서 벗어나 학습 모드를 통해 실제 농부의 스마트팜 운영 데이 터를 학습할 수 있도록 하고, 운영 모드에서는 실제 스마트팜의 운영 결과와 비교를 통하여 경쟁을 통한 성 취감을 얻을 수 있도록 하였다. 이러한 경험이 누적되면 작물재배에 관심이 있는 사용자들에게 실제 스마트 팜을 통한 작물 재배의 경험을 제공할 수 있는 사업 모델로의 확장도 가능할 것이다. 추후 메타버스 (metaverse) 상에 스마트팜을 연동하는 연구를 통하여 가상 공간에서 보다 사실적으로 스마트팜을 운영하는 사용자 경험을 제공해 줄 수 있도록 확장할 수 있을 것이다.

A data simulator and reduction package for the Devasthal Optical Telescope Integral Field Spectro- graph (DOTIFS) has been developed. Since data reduction for the Integral Field Spectrograph (IFS) requires complicated procedures due to the complex nature of the integral spectrograph, common reduc- tion procedures are usually not directly applicable for such an instrument. Therefore, the development of an optimized package for the DOTIFS is required. The data simulator observes artificial object and simulates CCD images for the instrument considering various effects; e.g. atmosphere, sky background, transmission, spectrograph optics aberration, and detector noise. The data reduction package has been developed based on the outcomes from the DOTIFS data simulator. The reduction package includes the entire processes for the reduction; pre-processing, at-fielding, and sky subtraction. It generates 3D data cubes as a final product, which users can use for science directly.

The purpose of this study was to compare the difference of driving pattern between male and female drivers for a straight driving and unexpected situation using driving simulator and motion data. The participants included total 60 university students; 30

일반적으로 도로정책평가 시, 이상적인 도로 교통조건에서 수집한 교통류 자료에 근거하여 BPR식 형태로 개발한 통행비용함수식을 일반화하여 적용한다. 하지만, BPR 형태로 개발된 모형은 장래교통량예측이나 통행행태분석에 있어서 적용이 도로 교통환경을 묘사하는데 적합하지 않은 것으로 보고되고 있다.(Spiess, 1989 ; Singh, 1999) 따라서 본 연구는 이러한 문제점을 해결하기 위해, 분석대상지의 도로 교통조건에 적합하도록 미시적 교통류시뮬레이터기반(Micro traffic Simulator Based : MSB)으로 생성된 자료로 통행비용함수를 개발, 검증하는 분석방법론을 제시하였으며, 주요 연구결과는 다음과 같다. 첫째, 이상적인 도로교통조건 이외의 상황에 대한 도로교통정책 평가에 적용이 용이하도록, 단시간에 다량의 교통류 자료생성이 가능한 미시적 교통류시뮬레이터(VISSIM)를 이용하여 분석대상지에 적합한 통행비용함수를 개발하는 방법론을 제시하였다. 둘째, VISSIM을 이용하여 생성한 분석자료를 기반으로 하여 BPR 함수식과 MSB 함수식을 각각 개발하고, 통계값 및 산포도를 이용한 모형들의 비교분석을 통하여 MSB 함수식의 활용가능성을 검증하였다.