PURPOSES : A highway operates in a continuous flow and has restricted access. When an accident occurs on a highway, the impact on the traffic flow is large. In particular, an accident that occurs in a tunnel has a more significant impact than an accident that occurs in a general section. Accordingly, the management agency classifies the tunnel as a dangerous section and manages a tunnel of more than 1000 m using the Tunnel Transportation Management System. The purpose of this study was to select dangerous tunnels that require intensive management for the efficient management of highway tunnels. METHODS : In this study, for the selection of dangerous tunnels for expressways, all highway tunnels were classified into five clusters by characteristics. The traffic accident severity — equivalent property damage only (EPDO) — for each tunnel cluster was derived through a traffic accident analysis. Based on the severity analysis results, the safety performance function (SPF) for each cluster was established, and the accident risk tunnel was selected based on the potential safety improvement (PSI) value of each tunnel calculated using the empirical Bayes (EB) method for each tunnel cluster. RESULTS : As a result of the analysis, accident risk tunnels were selected based on the PSI values of the tunnels for each highway tunnel group. Finally, 55 hazardous tunnels were identified as hazardous tunnels: 13 tunnels in Cluster 1, 3 tunnels in Cluster 2, 15 tunnels in Cluster 3, 18 tunnels in Cluster 4, and 6 tunnels in Cluster 5. CONCLUSIONS : After classifying all 1232 tunnels on the highway into five clusters according to tunnel characteristics, EPDO analysis was performed for each tunnel cluster. To this end, the SPF for each cluster was constructed, and accident risk tunnels were selected based on the PSI value of each tunnel calculated using the EB method for each tunnel cluster. The tunnel cluster was classified as a typical tunnel type. As a result, most of the first and second values were calculated from cluster E (long tunnel cluster).

MMORPG 게임의 특성상 이러한 사용자들에게 어떻게 효율적이고 안전하며 개인화된 네트워크 서비스를 제 공할 것인가 하는 문제가 시급히 해결되어야 할 과제입니다. 클러스터링 알고리즘은 네트워크 사용자 행동 을 분석할 때 사용자 행동 데이터의 규모를 미리 결정해야 하며 생성된 클러스터에도 의미 기능이 부족합 니다. 따라서 본 논문에서는 네트워크 사용자 행동 데이터의 특성에 대한 클러스터 분석을 수행하고 LFM, 행렬 분해 및 기타 방법을 적용하여 네트워크 사용자 행동 클러스터링을 위한 자동 클러스터 레이블 생성 방법을 제안한다. 실험 결과 제안하는 방법은 사용자 행동 데이터의 규모를 미리 결정할 필요가 없으며 클 러스터링 과정에서 클러스터 레이블을 동시에 생성할 수 있으며 생성된 클러스터 레이블은 사용자 행동의 실제 의미를 따릅니다.

이 연구는 전염병의 잠재적 확산 가능성이 높은 지역의 탐색을 목적으로, 코로나19 전후의 버스 네트워크 클러스터의 시공간적 변화를 분석한다. 분석방법으로는 Getis와 Ord의  통계를 공간 네트워크로 확장 및 적용한  통계 값을 사용하였다. 이 과정은 서울시 전체 버스 네트워크의 개별 흐름에 대해 각각 적용되기 때문에 대규모 연산을 위해 병렬컴퓨팅 방식을 적용한 슈퍼컴퓨터를 사용하였다. 연구 결과, 첫째, 코로나19 이후 버스 네트워크가 일부 흐름으로 집중된 경향을 보였다. 둘째, 코로나19이 후의 버스 흐름은 주거지, 농업지로의 이동은 증가하고 상업지역, 교통지역으로의 이동은 감소했음을 확인하였다. 셋째, 중심업무 지구 중 여의도 방면의 클러스터, 구로디지털단지역 방면의 클러스터와 달리, 강남일대는 코로나19 전후의 유의미한 변화가 나타나 지 않았다. 이 연구는 국내에서 처음으로 코로나19전후의 버스 네트워크 클러스터를 확인하고 변화 특징을 제시한다는 의미가 있다.

본 연구는 초등학생의 골연령에 따라 군집화 시켜 각 군집 그룹의 체격, 체력 및 골성숙도를 분석하고 자료 분석을 통해 초등학생들의 균형적인 발달을 위한 기초자료를 제공하는 데 있다. 연구대상은 8세∼13세에 해당하는 2243명을 대상으로 하였으며 골성숙도 산출을 위해 X-ray필름을 촬영한 후 TW3 방법 점수 환산표에 적용시켜 골성숙도를 산출했다. 신장계(Hanebio, Korea, 2021)와 Inbody 270 (Biospace, Korea, 2019)를 사용하여 총 2개의 체격 요소를 측정하였으며, 체력은 근력(악력), 평형성(외발 서기), 민첩성(플랫테핑), 순발력(제자리멀리뛰기), 유연성(좌전굴), 근지구력(윗몸일으키기), 심폐지구력(셔 틀런)으로 총 7개 체력 요소의 종목을 측정하였다. 자료처리 방법은 SPSS PC/Program(Version 26.0)과 Britics Studio Tool을 이용하여 K-Means 클러스터링 기법, 교차분석, 일원변량분석(One-Way ANOVA) 을 실시하였으며, p< .05 수준에서 유의한 것으로 간주하였다. 본 연구의 결과는 다음과 같다. 첫째, 미숙, 보통, 조숙의 3가지 골성숙도를 사용하여 군집화한 결과, 군집 1(미숙)은 근력, 평형성, 민첩성에서 높게 나 타났다. 군집 2(보통)는 유연성에서 낮게 나타났으며, 군집 3(조숙)은 근력에서 높게 나타났다. 둘째, 초등 학생의 개인특성별 군집화에 따른 체격 차이를 분석한 결과, 신장, 체중, 체지방률 모두 군집 3(조숙)이 높 게 나타났다. 셋째, 초등학생의 개인특성별 군집화에 따른 체력 차이를 분석한 결과, 악력검사(좌, 우)는 군 집 3(조숙)이 높게 나타났고 외발서기의 경우 군집 1(미숙)이 높게 나타났으며, 제자리멀리뛰기의 경우 군 집 3(조숙)이 높게 나타났다.

The water supply facilities of Korea have achieved a rapid growth, along with the other social infrastructures consisting a city, due to the phenomenon of urbanization according to economic development. Meanwhile, the level of water supply service demanded by consumer is also steadily getting higher in keeping with economic growth. However, as an adverse effect of rapid growth, the quantity of aged water supply pipes are increasing rapidly, Bursts caused by pipe aging brought about an enormous economic loss of about 6,161 billion won as of 2019. These problems are not only worsening water supply management, also increasing the regional gap in water supply services. The purpose of this study is to classify hazard evaluation indicators and to rank the water distribution network hazard by cluster using the TOPSIS method. In conclusion, in this study, the entropy-based multi-criteria decision-making methods was applied to rank the hazard management of the water distribution network, and the hazard management ranking for each cluster according to the water supply conditions of the county-level municipalities was determined according to the evaluation indicators of water outage, water leakage, and pipe aging. As such, the hazard ranking method proposed in this study can consider various factors that can impede the tap water supply service in the water distribution network from a macroscopic point of view, and it can be reflected in evaluating the degree of hazard management of the water distribution network from a preventive point of view. Also, it can be utilized in the implementation of the maintenance plan and water distribution network management project considering the equity of water supply service and the stability of service supply.