본 연구는 기후변화 시나리오에 따른 미래 식중독 발생 을 예측하여 국민 인식 개선 및 관련 정책 수립을 위한 기초자료를 제공하고자 수행되었다. 2003년부터 2022년까 지의 기상청 기후자료(평균기온, 강수량, 상대습도)와 식 품의약품안전처의 식중독 통계(5종 병원균 발생 건수)를 수집하였다. 기후 요인이 식중독 발생에 미치는 영향을 분 석하기 위해 로그-정규 회귀모형을 사용하였으며, 이를 바 탕으로 2023년부터 2100년까지의 공통사회 경제경로(SSP) 시나리오(SSP1-2.6, SSP2-4.5, SSP5-8.5)에 따른 미래 식중 독 발생을 예측하였다. 분석 결과, 평균기온이 1oC 상승할 경우 Pathogenic E. coli, Samonella spp., C. jejuni 발생 건 수는 각각 6%, 4%, 3% 증가하였으나, Norovirus는 3% 감 소하였다. SSP5-8.5 시나리오에 따르면, 2092년 Pathogenic E. coli 발생 건수는 현재보다 2배 이상 증가하고 살모넬 라 발생 건수도 증가할 것으로 예측되었다. 반면, Norovirus 발생 건수는 모든 시나리오에서 감소하였으며, 특히 SSP5- 8.5에서 가장 큰 감소 폭을 보였다. 이러한 결과는 기후변 화로 인한 기온 상승이 세균성 식중독의 위험을 크게 증 가시킬 수 있음을 시사한다. 따라서 공중 보건을 위해 기 후변화 완화 노력과 식품 위생 관리 강화가 필수적이다.

This study assessed how fruit size and cultivation region affect the distribution of carotenoids and flavonoids in sweet persimmon (Diospyros kaki Thunb.). We quantified concentrations in the whole fruit, peel, and pulp, and compared them across different size grades and cultivation regions. The fruit size did not significantly influence the levels of carotenoids or flavonoids, suggesting a limited direct relationship with phytochemical accumulation. Notably, the peel consistently contained the highest concentrations of the compounds analyzed. Regional comparisons revealed significant variability. In the whole fruit, flavonoids—except for quercetin 3-O-galactoside (Q3Gal)—were most concentrated in Gwangyang. In the peel, Q3Gal, quercetin 3-O-glucoside (Q3Glu), and zeaxanthin were most abundant in Naju–Yeongam, while β-carotene peaked in Gimhae–Changwon. To identify environmental influences, we examined climatic variables and found that a larger diurnal temperature range during the dormancy stage of fruit development correlated positively with higher flavonoid levels. Overall, these findings indicate that the functional components of sweet persimmon are primarily influenced by the growing region—potentially due to local weather conditions—rather than by fruit size. Additionally, consuming persimmons with their peel may enhance the intake of beneficial plant-derived compounds.

대부분의 원전 설비의 내진 해석에는 해석이 비교적 간편하고, 설계에 보수성을 적절히 반영할 수 있어 대부분 기기가 설치된 위치에서의 층응답스펙트럼 혹은 In-structure response spectrum을 이용한 응답스펙트럼 해석을 주로 이용하고 있다. 설비 공급자 는 설계 시방서에 층응답스펙트럼 선도의 형태로 입력 지진파 자료를 받게 되는데, 필요시 이를 바탕으로 인공 지진파을 만들어 해석 혹은 시험을 수행한다. 설계지반응답스펙트럼의 경우 RG 1.60에 주어지고 SRP 3.7.1의 요건에 따라 인공 지진파 시간 이력을 생성하 나, 층응답스펙트럼의 경우 명확은 기준이 없어 이를 따르고 있다. 층응답스펙트럼은 구조물의 동특성이 반영되기 때문에 지반응답스 펙트럼에 비해 형태가 복잡하여 기존의 P-CARES 등의 인공 지진파 생성 프로그램을 이용할 경우 SRP 3.7.1의 요건에 맞는 시간 이력 인공 지진파를 얻기 위해서는 상당한 노력이 필요하다. 본 연구에서는 수치 최적화를 이용하여 복잡한 형태의 층응답스펙트럼이 라도 SRP 3.7.1의 요건 내에서 그 형태를 따르는 인공 지진파 시간 이력을 효율적으로 생성할 수 있는 절차를 개발하였다.

With a view towards reducing traffic accidents on roadways, various methods have been considered to predict accidents. In this study, we analyze traffic accident frequency models that employ fixed- and random-parameter negative binomial approaches. Random parameters enable the inclusion of unobserved heterogeneity in traffic accident data, which current popular methods with fixed parameters such as Poisson or negative binomial models cannot consider in terms of time variation or segment-specific effects. A continuous, unbalanced panel of accident histories for 208 four-way signalized intersections on national highways in Seoul was used to estimate a traffic accident occurrence model that considered traffic volumes and various geometric characteristics at intersections. The results revealed that the left-turn exclusive lanes and traffic volumes on minor roads had random parameters that affected the likelihood of accident frequencies differently; the other variables were found to significantly affect traffic safety at the intersections on the national highways as fixed parameters. Based on these results, it can be concluded that the same traffic safety facilities have different effects on traffic accidents on major and minor roads. The insights from this study suggest the need for a broader analysis of integrated guidelines for facilities that impact intersection accident propensities.

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.

본 연구에서는 Romanoff(1957)의 실측 데이터를 사용하여 머신러닝 기반 상수도관의 부식 깊이를 예측하였다. 이를 실제 상수도관망에 적용하여 누적피해도를 분석하였다. 예측한 부식깊이를 사용하여 누적피해도를 분석하였으며 MCS(Monte Carlo Simulation)를 적용한 누적피해도와 비교 분석하였다. 부식깊이 예측모델에 따른 부식깊이를 분석한 결과 MLP-ReLU 모델이 가장 부식속도가 가장 빠르며 MLP-sigmoid가 가장 부식속도가 느렸다. 천안시 신방동과 성환읍 상수도관망에 MCS를 적용한 누적피해도 분석법과 머신러닝을 적용한 누적피해도를 비교 분석하였다. 신방동에서는 두 분석법 모두 2번 상수도관이 먼저 사용 한계에 도달하였으며 성환읍에서는 4번 상수도관이 가장 먼저 사용 한계에 도달하였다. 사용 한계에 가장 먼저 도달한 상수도관은 다른 상수도관보다 사용 년수가 오래되었거나 수압이 높은 것으로 확인되었다. MCS를 적용한 누적피해도 분석 결과 신방동의 경우 45년 만에 사용 한계를 초과한 반면 성환읍의 경우 47년 만에 사용 한계를 초과했다.

In this study, we propose a data-driven analytical framework for systematically analyzing the driving patterns of autonomous buses and quantitatively identifying risky driving behaviors at the road-segment level using operational data from real roads. The analysis was based on Basic Safety Message (BSM) data collected over 125 days from two Panta-G autonomous buses operating in the Pangyo Autonomous Driving Testbed. Key driving indicators included speed, acceleration, yaw rate, and elevation, which were mapped onto high-definition (HD) road maps. A hybrid clustering method combining self-organizing map (SOM) and k-means++ was applied, which resulted in eight distinct driving pattern clusters. Among these, four clusters exhibited characteristics associated with risky driving such as sudden acceleration, deceleration, and abrupt steering, and were spatially visualized using digital maps. These visualizations offer practical insights for real-time monitoring and localized risk assessment in autonomous vehicle operations. The proposed framework provides empirical evidence for evaluating the operational safety and reliability of autonomous buses based on repeated behavioral patterns. Its adaptability to diverse urban environments highlights its utility for intelligent traffic control systems and future mobility policy planning.