In this study, vision-based monitoring combined with accelerometer-based measurements was conducted in a large-scale concert hall under crowd loads. First, the dynamic characteristics of the structure were identified from ambient vibrations measured in the absence of crowds. Then, an FE model was established that exhibits dynamic attributes similar to those of the structure. Subsequently, camera footage of crowd motion at a K-pop concert was used to estimate crowd loads, which were then applied to the FE model to assess responses. The acceleration response obtained from the analysis was compared with the measured acceleration and the acceptance criteria of design guidelines, such as AISC DG11. The acceleration predicted by the vision-based estimation was approximately 67% of the estimated value based on peak values and 62% of the measured value based on root mean square (RMS) values. Overall, the vision-based estimation showed a peak response around 10 Hz, while the measurement showed a gradual increase in the frequency range above 10 Hz. This is likely because low-frequency components were underrepresented in the vision-based estimation, resulting in relatively underestimated amplitudes and lower responses in the high-frequency range.

This study investigated odor generation and external leakage characteristics in a combined sewer system through field monitoring of manholes, catch basins, and box culverts. Odor samples were analyzed for malodor intensity in terms of the dilutionto- threshold (D/T) ratio using the air dilution sensory (ADS) test. In addition to the ADS tests, 22 offensive odorants as defined in the Korean Malodor Prevention Act were quantified. Among the odorants monitored, hydrogen sulfide showed not only the highest concentrations but was also the most frequently detected, indicating representative odor compounds. The mean hydrogen sulfide concentration reached 1,132 ppbv, with a maximum of 13,709 ppbv, corresponding to complex odor concentrations of up to 1,442 dilution-to-threshold units. On average, approximately 13% of the internal sewer odors escaped through manhole openings, which could easily cause odor nuisance exceeding the legal threshold at boundary lines. A comparison with national odor management standards indicated that the current regulations, based solely on in-pipe hydrogen sulfide concentration, do not adequately represent human sensory perception. The findings highlight the need to establish practical odor-control criteria that consider external leakage and perceptual intensity for effective sewer odor management in urban environments.

This study presents an approach to estimate the measurement uncertainty in food moisture and vitamin C analyses by applying the top-down factor to the bottom-up method, following the GUM (Guide to the expression of uncertainty in measurement) and the EURACHEM guide. Uncertainty sources were identified as measurement repeatability, weight of dish, and pre- and post-drying weight for moisture analysis; and measurement repeatability, weight of sample, final volume of sample, standard solution preparation, and calibration curve for vitamin C analysis. Each source was evaluated as type A or type B, and the combined uncertainty was calculated. The applicability across diverse food matrices was confirmed by assessing the measurement uncertainty using three representative samples, each from a different food group. For the moisture content, the measurement results and expanded uncertainty were 11.76±0.17% for whole wheat, 63.57±0.45% for peeled chestnut, and 91.44±0.15% for green onion. The vitamin C content was 8.56±0.35 mg/100 g for peach, 10.51±1.65 mg/100 g for seaweed fusiforme, and 104.72±3.31 mg/100 g for bell pepper. The proposed approach simplifies the calculations and is applicable across diverse food matrices, facilitating a cost-effective and efficient estimation of the measurement uncertainty in food nutrient analyses and enhancing the reliability of the analytical results.

This study aims to analyze the driving trajectories and lateral behavior characteristics of autonomous vehicles via simulation and to derive the implications for roadway infrastructure design based on the analysis results. A three-lane, one-way autonomous driving simulation environment was established to replicate the actual driving characteristics of autonomous vehicles. Roadways were designed based on domestic road design standards (MLTM, 2020), where horizontal, vertical, and cross-sectional alignments were incorporated and design speeds ranging from 20 to 120 km/h were considered. Curves with minimum radii of 15, 30, 60, …, 710 m were implemented. Autonomous vehicles were driven along these designed roads to obtain driving data, including position, speed, and steering angle. The lateral deviation from the lane center was calculated for each lane by measuring the distance between the front and rear wheels of the vehicle and the lane centerline. This approach allows for the analysis of lane-specific deviation characteristics under different speeds and curve radii, thus enabling a quantitative assessment of the lateral clearance required for autonomous-vehicle operation. Lateral deviation increased when vehicles entered or exited curves, particularly in outer lanes and at curves with changing turning directions. Passenger cars and heavy vehicles showed decreasing deviations within curves, whereas the deviations varied in straight sections. The lateral clearance increased with the design speed for passenger cars, whereas heavy vehicles generally exhibited limited clearance owing to their larger size and mirror widths, with slight increases above 100 km/h. Autonomous vehicles maintained lane centers outside curve entries and exit sections, thus indicating that variable lane widths can be safely implemented. The existing design standards based on human driving may be adapted for autonomous vehicles, thus enabling more efficient roadway use while maintaining stability.

본 연구에서는 개별 상수도관이 상수도관망 유지관리 데이터베이스에서 관의 격리 밸브 사이의 개체로 정의되지 않은 경우 상수도관의 사고 위험도를 산정할 수 있는 기법을 개발하였다. 이 기법은 사고 위험도 산정 과정에서 상수도관에서 사고 발생시 수리 및 복구 작업에 따른 상수도 관망의 일부 구간의 격리로 인한 사고 영향의 확장을 반영할 수 있도록 설계되었다. 이 기법을 활용하여 우리나라의 한 지자체 상수도 관망내 관들에 대한 사고 위험도를 평가하였다. 또한, 연구대상 상수도 관망의 관들에 대해 노후도를 산정하였으며, 이를 추정된 사고 위험도와 같이 활용하여 연구대상 상수도 관망의 유지관리 우선순위를 설정하였다. 마지막으로, 사고 위험도와 노후도에 적용한 가중치가 상수도 관망의 유지관리 우선순위 산정 결과에 미치는 영향을 분석하였다.

A casualty-estimation framework has been proposed that incorporates building-scale, time-varying occupancy data (considering factors such as size, use, and time of day) into earthquake loss modeling. Information from Seumter building records is combined with KOSIS population data, and HAZUS modules are used to estimate both the baseline population and dynamic occupancy at the building level. Case studies have shown a close alignment with observed data, with no significant model flaws, indicating the framework’s operational readiness. This approach moves beyond broad administrative totals to provide micro-spatial resolution suitable for Korea’s rapid seismic attenuation and localized damage patterns. It enables accurate, time-sensitive casualty estimates. The framework is designed to be scalable to include additional data sources, such as mobility, transportation, and activity patterns. It supports effective evacuation and shelter planning, surge capacity management, and prioritization of retrofitting, leading to more efficient resource allocation. Furthermore, the framework provides a consistent method to integrate future data streams and quantify uncertainty without disrupting the core workflow.

본 연구는 작물 생육을 효율적으로 관리하기 위한 비파괴적 바이오매스 예측 모델을 개발하고자 수행되었 다. 케일과 상추의 상단면 및 측면 이미지를 촬영하여 ImageJ로 엽면적, 가로폭, 세로폭 등의 데이터를 추출하였다. 이를 독립변수, 실측 생체중과 건물중을 종속변수로 하여 회귀 모델을 구축하고, 결정계수(R²)와 평균 제곱근 오차 (RMSE)로 성능을 평가하였다. 엽면적 추정 시, 로제트형 구조의 상추는 상단면과 측면 이미지 모두에서 강한 상관 관계(TV: R2 = 0.964, SV: R2 = 0.95)를 보였던 반면, 직립형 구조의 케일은 측면 이미지에서만 높은 상관관계(R2 = 0.876)를 보여 작물의 형태가 최적의 촬영 각도를 결정함을 보여주었다. 생체중 및 건물중 예측 시, 케일은 측면 이 미지 모델이 예측 정확도가 높았던(DW: R2 = 0.859－0.941, FW: R2 = 0.860－0.946) 반면, 상추는 상단면 이미지 모델이 월등히 안정적이고 높은 예측 정확도(DW: R2 = 0.920－0.968, FW: R2 = 0.870－0.953)를 보였다. 상단면 과 측면 이미지를 결합한 모델은 예측력이 약했던 케일의 정확도를 크게 향상시킨 반면, 단일 촬영 방향으로도 예측 이 잘 되었던 상추의 정확도에는 거의 영향을 미치지 않았다. 최종적으로 케일은 상·측면 결합(SV+TV) 모델이, 상 추는 상면(TV) 단독 모델이 바이오매스 예측을 위한 최적 모델로 선정되어, 작물의 구조적 특성에 맞는 비파괴적 예측 방법이 중요함을 입증했다.

국제해운의 탈탄소 전환과 IMO GHG 전략에 따른 규제 강화로 선박별 정밀 배출 산정이 요구되고 있다. 그러나 실제 운항 선 박의 주기관 출력 정보는 외부 데이터베이스에 의존하는 경우가 많아 데이터 수집 단계에서 상당한 경제적 비용과 시간 지연이 발생한 다. 이러한 제약을 완화하기 위해, 본 연구는 AIS 정적 정보 중 선체길이를 단일 입력변수로 활용하여 선종별 주기관 출력을 기계학습으 로 추정하는 방법을 제안한다. 본 연구에서는 선형회귀, K-최근접이웃, 랜덤포레스트, 그래디언트부스팅, AdaBoost, XGBoost, LightGBM, CatBoost 등 8종의 기계학습 모델을 적용하였다. 수집한 데이터는 선종별로 분리한 뒤 무작위 분할하였고, 90% 학습셋에서 10-fold 교차검 증을 수행한 후 10% 홀드아웃 테스트로 최종 성능을 평가하였다. 테스트셋 기준 화물선은 CatBoost가 R²=0.96, 탱커선은 Gradient Boosting이 R²=0.96으로 가장 우수하였다. 여객선은 XGBoost가 R²=0.89, 예인선은 CatBoost가 R²=0.76을 보였다. 본 연구를 통해 AIS 데이터를 이용하여 주기관 출력을 추정할 수 있음을 확인하였다.

모빌리티 기기에 주로 사용되는 리튬 이온 배터리는 고장 시 심각한 인명 피해로 이어질 수 있어, 실시간으로 배터리의 건전성 상태 (State of Health, SOH)를 정확하게 추정하고 모니터링하는 것이 매우 중요하다. 본 논문에서는 TCN-GRU 하이브리드 딥러닝 신경망 기반 리튬 이온 배터리의 SOH 추정 방법을 제안한다. 제안한 모델은 모빌리티 온보드 시스템에 적용 가능하도록 배터리 관리 시스템 (BMS)에서 직접 측정 가능한 전류, 전압, 시간의 원시 데이터를 리샘플링하여 입력으로 사용하였다. 해당 입력 데이터는 과거와 현재 의 데이터만을 활용하여 학습하는 TCN 모델을 통해 국소적 용량 회복을 포함한 배터리 열화 과정에서 나타나는 비선형적인 특징을 효과적으로 추출함으로써 모델의 신뢰성을 향상시켰다. 추출된 특징은 GRU 모델에 입력되어 시간적 정보 및 패턴을 학습하며, 정밀 한 SOH 추정 결과를 도출하였다. 제안한 방법은 CALCE 배터리 열화 데이터를 기반으로 검증하였으며, 평가 지표인 MAE와 RMSE 는 모든 배터리 셀에 대해 각각 최대 0.55 및 0.7의 일관되고 우수한 성능을 보였다.

본 연구는 국가산림조사 자료를 활용하여 주요 조림수종(잣나무, 일본잎갈나무, 상수리나무 및 굴참나무)의 지위지수를 우세목 수고 및 입지환경인 자로서 추정하고, 수종별 탄소저장량 및 흡수량을 산정하였다. 지위지수는 Schumacher 모델로 추정식을 도출하고, 지위지수분류곡선을 도식화하였 다. 여기에서 도출된 지위지수는 각 표본점에 연계시켜 입지환경인자와의 관계를 구명하였다. 입지환경인자는 해발고, 경사도, 지형, 사면방위 등 6개 인자를 활용하였으며, 관계분석은 수량화이론을 적용시켰다. 수량화분석 결과, 4개 수종 모두에 관계하는 인자는 해발고, 경사도, 사면방위 였으며, 그외 지형, 암석노출도, 토양침식 등은 일부 수종에서 지위에 영향을 미치는 것으로 나타났다. 적용시킨 수량화 모델은 수종에 따라 17~49% 의 설명력을 가졌으며, 모델은 유의수준 1%에서 유의성이 인정되었다. 그리고 4개 수종별 연평균재적생장량(MAI)을 도출하고, 여기에 각 수종별 탄소배출계수를 적용시켜 탄소량을 산정하였다. 4개 수종별로 60년에 이를 때 산림 내 누적 탄소저장량은 잣나무, 일본잎갈나무 임분은 448~468 CO2 ton/ha, 상수리나무와 굴참나무 임분은 545~574 CO2 ton/ha으로 산출되었다. 연간탄소흡수량은 잣나무와 일본잎갈나무임분은 20년생일 때 각각 연간 최고인 10.94 CO2 ton/ha/yr와 10.15 CO2 ton/ha/yr을 흡수할 것으로 예측되며, 활엽수인 상수리나무와 굴참나무 임분은 침엽수와는 다르게 30년생일 때 각각 11.84 CO2 ton/ha/yr와 12.49 CO2 ton/ha/yr로 최고 탄소흡수량을 나타내었다.

본 연구의 목적은 2023년 4월 충청남도 홍성군 대형산불피해지를 대상으로 산불로 인한 온실가스 배출량을 산정하여 국가 온실가스 인벤토리 고도화에 기여하고자 한다. 산불로 인한 온실가스 배출량은 2006년 IPCC 가이드라인에 따라 산정하였으며, 산정 인자인 연소면적은 Sentinel-2A 위성영상 기반의 differenced Normalized Burn Ratio (dNBR)을 활용하여 제작한 산불피해등급도를 이용하였고 지표층 및 수관층의 연료량 및 연소효율은 현장자료를 바탕으로 추정하였다. dNBR을 활용하여 제작한 산불피해등급도를 기반으로 산정한 온실가스 배출량은 약 19,336.9톤으로, 국립산림과학원 자료를 이용한 결과보다 약 4.0% 증가한 것으로 나타났다. 본 연구는 현장자료를 반영하여 산불로 인한 온실가스 배출량을 보다 정밀하게 산정한 데 의의가 있다. 향후에는 국내 생태계 특성을 반영한 각 요소별 고유 지표의 도입이 요구된다.

Accurate estimation of vehicle exhaust emissions at urban intersections is essential to assess environmental impacts and support sustainable traffic management. Traditional emission models often rely on aggregated traffic volumes or measures of average speed that fail to capture the dynamic behaviors of vehicles such as acceleration, deceleration, and idling. This study presents a methodology that leverages video data from smart intersections to estimate vehicle emissions at microscale and in real time. Using a CenterNet-based object detection and tracking framework, vehicle trajectories, speeds, and classifications were extracted with high precision. A structured preprocessing pipeline was applied to correct noise, missing frames, and classification inconsistencies to ensure reliable time-series inputs. Subsequently, a lightweight emission model integrating vehicle-specific coefficients was employed to estimate major pollutants including CO and NOx at a framelevel resolution. The proposed algorithm was validated using real-world video data from a smart intersection in Hwaseong, Korea, and the results indicated significant improvements in accuracy compared to conventional approaches based on average speed. In particular, the model reflected variations in emissions effectively under congested conditions and thus captured the elevated impact of frequent stopand- go patterns. Beyond technical performance, these results demonstrate that traffic video data, which have traditionally been limited to flow monitoring and safety analysis, can be extended to practical environmental evaluation. The proposed algorithm offers a scalable and cost-effective tool for urban air quality management, which enables policymakers and practitioners to link traffic operations with emission outcomes in a quantifiable manner.

In the era of big data, where massive volumes of information are collected at high velocity from various sources, data mining has become a crucial tool for organizations seeking competitive advantage. Among its core tasks, clustering plays a key role in uncovering hidden patterns within unlabeled data by grouping similar objects into distinct clusters. Widely used methods such as k-means and its robust counterpart PAM (Partitioning Around Medoids) require the number of clusters, k, to be predefined—a task that remains a major challenge despite extensive research. This study addresses the problem of selecting the optimal number of clusters by proposing three novel enhancements to the widely-used gap statistic method: the 1stDaccSEmax heuristic rule, the recursive gap strategy, and the two-way bootstrapping technique. Collectively termed the new gap, this approach aims to overcome the limitations of the original gap statistic, particularly in datasets with overlapping clusters, hierarchical structures, or large volumes. Extensive experiments on both synthetic and real-world datasets—including Iris, Breast Cancer, Seeds, and Khan gene expression datasets—demonstrate that the new gap method outperforms traditional techniques such as the elbow method, silhouette analysis, and the original gap statistic in both accuracy and computational efficiency. Although PAM was used throughout the experiments for its robustness, the proposed approach is algorithm-agnostic and can be integrated with other clustering methods that require the selection of k. The results suggest that the new gap method provides a more reliable and scalable solution for determining the number of clusters, thereby enhancing the effectiveness of clustering-based data analysis in real-world applications.