PURPOSES : The main purpose of this study is to identify directions for improvement of triangular islands installation warrants through analysis of the characteristics of crashes and severity with and without triangular islands on intersections. METHODS : The data was collected by referring to the literature and analyzed using statistical analysis tools. First, an independence test analyzed whether statistically significant differences existed between crashes depending on the installation of triangular islands. As a result of the analysis, individual prediction models were developed for cases with significant differences. In addition, each crash factor was derived by comparison with each model. RESULTS : Significant differences appeared in the "crash frequency of serious or fatal" and "crash severity" owing to the installation of triangular islands. As a result of comparing crash factors through the individual models, it was derived that the differences were dependent on the installation of the triangular islands. CONCLUSIONS : As a result of reviewing previous studies, it is found that improving the installation warrants of triangular islands is reasonable. Through this study, the need to consider the volume and composition ratio of right-turn vehicles when installing a triangular island was also derived; these results also need to be referred to when improving the triangular island installation warrants.

In modern society, the delivery service market has grown explosively due to rapid changes in social structure and the recent COVID-19 pandemic. Therefore, various problems such as injury to workers and an increase in human accidents are occurring due to the loading and unloading of parcels. In order to solve this problem, domestic company n is developing a “robot-based cargo loading and unloading system”. In developing a new technology system, quantitative reliability targets should be set for efficient operation and development. In this paper, reliability analysis was conducted through field data for the pneumatic gripper of the “robot-based cargo loading system”. The reliability of the failure data was analyzed to estimate the distribution parameters and MTTF. Random data was derived for the probability of occurrence of a failure with the estimated value. By repeating the simulation to predict the number and year of failures according to the estimated parameters of the probability distribution, it was proposed as a method that reflects realistic probabilities rather than calculating with simple arithmetic using the average MTTF previously used in the field.

본 연구의 주요 목적은 회귀기반의 다양한 머신러닝 알고리즘을 개발하고 다양한 농업 분야에서 사용되는 트랙터의 연료 소비량을 예측하는 것이다. 비포장 도로주행 농업 기계중에서도 사용 비중이 가장 높은 트랙터를 선정하였다. 실제 농가에 방문하여 현업 전문가 조언을 바탕으로 연구하여 설문지를 작성하였으며, 설문 대상은 경남 사천시에 있는 농가 10곳, 진주시에 있는 농가 62곳 등, 총 72곳의 농가이다. 농작업으로는 벼농사, 보리농사, 밭농사 등이 있으며, 작업내용으로는 쟁기, 로터리, 비료살포, 베토, 모내기작업 등이 있다. 다중 회귀분석을 통해 연료 소비량 예측에 영향을 미치는 변수(마력, 기계사용연수, 경작면적, 작업 시간)를 추출하였고. 머신러닝 회귀 학습기 모형으로 학습하여 예측 모형의 성능을 검증하였다. 연료 소비량을 예측하는 모델의 성능은 결정 계수(R), RMSE (제곱 평균 제곱근 오차), MSE (평균 제곱 오차) 및 MAE (평균 절대 오차)를 포함한 4가지 통계적 품질 매개변수를 사용하여 결정되었다. 연구 결과 4가지 모델(다중회귀, 랜덤포레스트, 아다부스트, K-최근접 이웃) 중 K-최근접 이웃의 성능이 제일 높은 것으로 나타났다. 결론적으로 본 연구의 결과는 실제 농가의 연료 소비량을 예측하여 면세유 유통의 투명성을 확보하고 추후 개발 모델의 의사결정에 활용될 수 있을 것으로 기대된다.

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가 지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내ㆍ외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나 라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.

PURPOSES : The primary purpose of this study is to develop a framework for predicting the demand and distribution of pedestrians when an open space zone is built at the top through the undergroundization of the Gyeongin Expressway. METHODS : After analyzing the current status through a survey on the number of people, students, surrounding traffic volume, and future socioeconomic indicators, the rate of change in the floating population and the rate of increase and decrease in the traffic volume of pedestrians were calculated to evaluate the effect. In addition, microscopic analysis results were derived by setting a pedestrian analysis zone (PAZ). A walking environment index (WEI) was developed that can quantitatively evaluate the degree of walking activation by indicating walking-related surrounding environmental factors. Based on this, a walking demand prediction model was developed. In addition, the results were validated by calculating the walking volume through a micro-simulation in/around the open space zone. RESULTS : The number of crosswalks and schools, transit development indicators, and pedestrian volume increased as the WEI value increased. However, the log form of the distance was observed to be a factor that reduced walking. CONCLUSIONS : This study attempted to reliably predict the demand for walking on the Gyeongin Expressway by calculating the amount of induced walking and the amount of passing walking. The pedestrian demand can be boosted by improving walking environments.

PURPOSES : With the recent enactment of the 「Framework Act on Sustainable Infrastructure Management」 in Korea, the establishment of mid- to long-term management plans for social infrastructure and the feasibility evaluation of maintenance projects have become mandatory. To this end, the life cycle cost analysis is essential. However, owing to the absence of a deterioration model, trials and errors are in progress. METHODS : In this study, a deterioration model was established for bridges, which are the representative social infrastructures of roads, particularly for expansion joints that can cause enormous damage to not only the superstructure but also the substructure. The deterioration model was classified into rubber and steel, based on the material of the expansion joint. The analysis used the inspection and climate data conducted in Korea over the last 12 years. The Bayesian Markov Hazard model was applied as the analysis technique. RESULTS : The average life expectancy by type of expansion joint was analyzed to be 8.9 and 6.6 years for rubber and steel, respectively. For probabilistic life cycle cost analysis, the probability distribution of the life expectancy, validity range by confidence level, and Markov transition probability matrix were presented. CONCLUSIONS : In this study, the basis for deterministic and probabilistic life cycle cost analysis of expansion joints was laid. In future studies, it will be necessary to establish a standardized deterioration model for all types of infrastructure, including all bridge elements.

전산유체역학을 사용하는 일반적인 선박의 저항성능 평가는 많은 시간과 비용이 필요하며, 이를 줄이기 위한 다양한 방법이 연구되고 있다. 선박의 주요 치수나 단면을 이용하는 기존의 방법들은 선형에 크게 좌우되는 저항성능을 추정하는데 한계가 있다. 본 논 문에서는 선형 격자의 기하학적 정보를 입력으로 선체 표면의 저항성능을 빠르게 추정할 수 있는 심층신경망 모델을 제안한다. Perceiver IO 기반의 제안하는 심층신경망 모델은 시간 단계별로 계산이 필요한 전산유체역학 기법과 달리 바로 저항성능 추정이 가능하며, 저속비 대선의 일종인 50K 탱커 선박을 대상으로 한 데이터집합에서 평균 1% 미만의 오차로 저항성능을 추정하는 결과를 보인다.

Screw jet equipment has been developed based on the existing accumulated experimental indicators in the semiconductor industry, and for specific performance development, it is necessary to visually check a process in which a high viscosity solution is discharged to a nozzle through a screw. Since the transparency of the exterior is not guaranteed after design and production due to the characteristics of the equipment, simulation must be performed to confirm the performance data according to the internal shape. Therefore, in this study, the screw jet equipment was simulated using the moving particle system, and through this, all processes of the screw jet internal solution flow were visually checked and computerized data capable of predicting the performance of the equipment was secured.

고속철도 교량은 열차 하중에 의한 공진으로 인한 동적응답 증폭의 위험이 존재하므로 설계기준에 따른 동적해석을 통한 주행안전 성 및 승차감 검토를 반드시 수행하여야 한다. 그러나 주행안전성 및 승차감 산정 절차는 열차의 종류별로 임계속도를 포함하여 설계 속도의 110km/h까지 10km/h 간격으로 동적해석을 일일이 수행해야 하므로 많은 시간과 경비가 소요된다. 이 연구에서는 딥러닝 알 고리즘을 활용하여 별도의 동적해석 없이 주행안전성 및 승차감을 사전에 예측할 수 있는 딥러닝 기반 예측 시스템 개발하였다. 제안 된 시스템은 철도교량의 열차별, 속도별 동적해석 결과를 학습한 후 학습 완료된 신경망을 기반으로 한 예측 시스템이며, 열차속도, 교량 특성 등의 입력파라미터에 따른 주행안전성 및 승차감 산정 결과를 사전에 예측할 수 있다. 제안된 시스템의 성능을 확인하기 위 하여 단경간 직선 단순보 교량을 대상으로 한 주행안전성 및 승차감 예측을 수행하였고, 주행안전성 및 승차감 산정을 위한 상판 연직 변위 및 상판 연직가속도를 높은 정확도로 예측할 수 있음을 확인하였다.

In the case of a die-casting process, defects that are difficult to confirm by visual inspection, such as shrinkage bubbles, may occur due to an error in maintaining a vacuum state. Since these casting defects are discovered during post-processing operations such as heat treatment or finishing work, they cannot be taken in advance at the casting time, which can cause a large number of defects. In this study, we propose an approach that can predict the occurrence of casting defects by defect type using machine learning technology based on casting parameter data collected from equipment in the die casting process in real time. Die-casting parameter data can basically be collected through the casting equipment controller. In order to perform classification analysis for predicting defects by defect type, labeling of casting parameters must be performed. In this study, first, the defective data set is separated by performing the primary clustering based on the total defect rate obtained during the post-processing. Second, the secondary cluster analysis is performed using the defect rate by type for the separated defect data set, and the labeling task is performed by defect type using the cluster analysis result. Finally, a classification learning model is created by collecting the entire labeled data set, and a real-time monitoring system for defect prediction using LabView and Python was implemented. When a defect is predicted, notification is performed so that the operator can cope with it, such as displaying on the monitoring screen and alarm notification.

본 논문은 철근을 대체재로 CFRP 그리드의 적용 가능성을 평가하기 위한 해석적 연구 결과를 보고한다. CFRP 그리 드로 보강된 콘크리트 보의 휨거동 예측을 위한 유한요소해석은 상용 구조해석 프로그램인 LS-DYNA를 이용하여 수행되었다. 제안된 유한요소해석 모델은 Kwak et al.(2022)에 의해 수행된 실험 결과에 대한 재현해석을 통해 검증되었다. 해석에서 도출된 파괴양상은 실험 결과와 비교적 정확히 예측되었다. 또한 유한요소해석에서 예측된 극한하중 및 극한하중에서의 처짐은 실험 결과와 각각 9%, 12%의 미미한 오차를 보였으며, 제안된 유한요소해석모델의 정확성은 검증되었다. 제안된 해석모델을 FE해석 모델을 이용하여 CFRP 그리드로 보강된 콘크리트 부재의 휨강도에 영향을 미치는 인자를 확인하기 위해 매개변수해석이 수행 되었다. 매개변수해석 결과, CFRP 그리드의 단면적이 CFRP 그리드로 보강된 콘크리트 보의 휨성능에 상당한 영향을 끼치는 인 자로 확인되었다.