This study proposes a dynamic evaluation framework for diagnosing signal control adequacy using high-resolution Automated Traffic Signal Performance Measures (ATSPM) data. Traditional signal performance assessments have primarily relied on aggregated metrics, such as average delay and volume-to-capacity ratio, which are effective for evaluating overall operational efficiency but insufficient for capturing cycle-level control limitations and temporal variability. Although split failure-based measures, including the Split Failure Ratio (SFR), provide more direct insights into green time adequacy, most existing applications focus on the failure frequency within a fixed analysis period. To address this limitation, this study introduces a Dynamic Operational Strain (DOS) index that extends the split failure into a time-evolving state variable incorporating accumulation and recovery mechanisms. By modeling the recursive evolution of the operational strain, the proposed framework captures how often failures occur and how they persist or dissipate over time. Phase-level DOS measures are subsequently aggregated at the intersection level to derive a priority score reflecting structural control inadequacy. The framework is further applied to classify intersections using DOS–SFR quadrant analysis, enabling the identification of distinct operational patterns, such as persistent oversaturation, localized phase imbalance, intermittent strain accumulation, and stable control conditions. The results demonstrate that intersections with similar SFR values may exhibit substantially different temporal strain structures, highlighting the importance of a dynamic state-based evaluation. The proposed approach provides a diagnostic foundation for data-driven signal re-timing and future adaptive control strategies by shifting the signal performance assessment from static frequency-based measures to dynamic structural adequacy analysis.

기후 변동성과 시장 불확실성이 심화되는 상황에서 노지 작 물의 작황 모니터링은 점차 중요성이 커지고 있다. 기상자료 통계분석, 원격탐사기반 식생지수, 작물모형 중 하나에만 의 존하는 기존 모니터링 접근법은 부분적인 정보만 제공할 뿐, 현장상황을 종합적으로 판단하여 제시하지 못하는 한계가 있 다. 본 연구는 다중출처 데이터와 작물모형을 통합하여 지역 단위 작황 모니터링을 자동으로 수행하는 보고 서비스 개발을 목표로 한다. 제안하는 서비스는 (1) 기상자료 분석을 통한 환 경 특성 평가, (2) 위성영상을 활용한 식생지수 산출을 통한 실 시간 생육 상태 진단, (3) 작물모형을 활용한 기상환경에 따른 잠재 생산량 추정의 세 요소로 구성된다. 이러한 데이터는 파 이프라인을 통해 자동으로 처리하여 그 결과가 지도, 시계열 변화, 생산량 예측을 포함한 지역 단위 작황 보고서로 생성되 도록 시스템을 개발하였다. 잠재생산량은 생산량 통계 자료 와의 비교 검증을 통해 작물모형(APSIM)을 활용한 잠재 생 산량 추정치가 유의한 수준임을 확인하였다. 본 연구에서 제 안한 체계는 다양한 출처에서 생산되는 데이터를 자동화된 보 고 파이프라인으로 통합함으로써 농업 의사결정, 정책 수립, 기후 및 시장 위험에 대한 신속한 대응을 지원할 수 있는 의사 지원시스템의 주요 구성요소로 기여할 것이다.

PURPOSES : We propose a framework to evaluate the reliability of integrating homogeneous or heterogeneous mobility data to produce the various data required for greenhouse gas emission estimation. METHODS : The mobility data used in the framework were collected at a fixed time from a specific point and were based on raster data. In general, the traffic volume for all traffic measurement points over 24 h can be considered raster data. In the future, the proposed framework can be applied to specific road points or road sections, depending on the presence or absence of raster data. RESULTS : The activity data required to calculate greenhouse gas emissions were derived from the mobility data analysis. With recent developments in information, communication, and artificial intelligence technologies, mobility data collected from different sources with the same collection purpose can be integrated to increase the reliability and accuracy of previously unknown or inaccurate information. CONCLUSIONS : This study will help assess the reliability of mobility data fusion as it is collected on the road, and will ultimately lead to more accurate estimates of greenhouse gas emissions.

In this study, we focus on the improvement of data quality transmitted from a weather buoy that guides a route of ships. The buoy has an Internet-of-Thing (IoT) including sensors to collect meteorological data and the buoy’s status, and it also has a wireless communication device to send them to the central database in a ground control center and ships nearby. The time interval of data collected by the sensor is irregular, and fault data is often detected. Therefore, this study provides a framework to improve data quality using machine learning models. The normal data pattern is trained by machine learning models, and the trained models detect the fault data from the collected data set of the sensor and adjust them. For determining fault data, interquartile range (IQR) removes the value outside the outlier, and an NGBoost algorithm removes the data above the upper bound and below the lower bound. The removed data is interpolated using NGBoost or long-short term memory (LSTM) algorithm. The performance of the suggested process is evaluated by actual weather buoy data from Korea to improve the quality of ‘AIR_TEMPERATURE’ data by using other data from the same buoy. The performance of our proposed framework has been validated through computational experiments based on real-world data, confirming its suitability for practical applications in real- world scenarios.

우리나라에서 2012년부터 공식 적용되는 새주소 정보가 위치표시에 있어 핵심정보임에도 불구하고 국가기본공간정보와 연계되지 못하고 있으며, 행정권역 및 각종 권역정보는 체계적으로 구축되지 않아 국가기본공간정보 활용의 한계 및 예산중복과 효율성의 문제점이 대두되고 있다. 이에 따라 국가공간정보인프라로서 새주소 자료의 전략적 연계 및 각종 권역 정보의 체계적 구축이 필요하다. 본 연구에서는 첫째, 도로를 중심으로 주소정보와 각종 권역정보를 연계하고 있는 해외의 도로분야 기본공간정보 구축 현황을 분석하고, 둘째, 국내의 기본지리정보, 새주소 정보, 각종 권역정보 DB구축 현황을 분석한 후, 셋째, 도로를 중심으로 주소정보와 권역정보를 연계하는 DB 구축 방안을 제안하였다.

In medium-sized enterprises that comprise of multiple business branches and companies, various types of information systems are constructed and operated. One of the difficult problems these enterprises face is that integrated information cannot be deliver

복수 법인 또는 사업부문으로 구성된 중견기업의 경우, 정보화 과정에서 다양한 정보시스템이 구축되어 운영되고 있다. 이와 같은 중견기업의 정보화 과정에서 겪게 되는 문제 중 하나는 느슨한 마스터데이터관리로 인해 통합 정보를 적시에 확보할 수 없다는 점이다 본 논문은 복수 법인 또는 사업부문에서 각각 독자적인 정보시스템을 구축하여 운영하고 있는 중견기업을 위한 효과적인 마스터데이터관리 프레임웍을 제시하고자 한다. 프레임웍은 강력한 중앙통제식 모델과 중앙조정식 모델로 설계되어 장단점이 비교 되었다. 마스터데이터 중 가장 대표적인 거래처 마스터데이터의 통합 프로젝트 사례 연구를 통해 프레임웍의 구체적인 적용 가능성을 탐색하였다.

In this study, the bridge management system framework for the application of UAV collection data was proposed. The framework of UAV Bridge Management System(UBMS) is designed based on algorithm of Bridge Management System(BMS), administered by MOLIT. The UAV Bridge Management System will help facility managers to conduct safety diagnosis by providing rapid procedure.