This study develops a design-data-based lifecycle greenhouse gas emission assessment framework for jointed concrete pavement highways in Korea. The framework considers road pavements as a long-life infrastructure system that includes material production, transport, construction, maintenance, end-of-life treatment, and recycling benefits beyond the system boundary. A functional unit comprising 1 km of jointed concrete pavement was defined, and 16 datasets were constructed from highway concrete pavement projects using bills of quantities, material summary sheets, and geometric information. A key feature of this framework is the incorporation of project-specific maintenance scenarios. The mainline and tunnel sections were separately evaluated and weighted based on their actual length ratios. The numbers of milling and overlay applications were estimated using the slab thickness and traffic volume from the design data. After each overlay, the cumulative ESALs and crack progression were recalculated from the overlay year to determine the subsequent overlay timing, instead of applying a fixed maintenance cycle. The application of the framework yielded an average lifecycle GHG emission of 1,294 t CO₂eq./km, with a standard deviation of 284 t CO₂eq./km. The proposed framework provides a basis for a consistent lifecycle GHG assessment and design-stage environmental evaluation of concrete pavement highways.

본 연구에서는 LNG 기자재 실증설비의 안전 관리 고도화를 위해, 비정형 HAZOP(Hazard and Operability Study) 데이터를 활용한 정규표현식 기반 데이터 전처리 및 위험 네트워크 분석 프레임워크를 제안하였다. (재)한국조선해양기자재연구원(KOMERI)에 구축된 LNG 기자재 실증설비에 대해 수행된 HAZOP 워크숍의 392건 유효 시나리오를 분석 대상으로 하였다. 먼저, 정규표현식을 활용하여 워크 시트 내 장비 태그의 비표준 표기를 표준화하고, Cause-Safeguard 간 인과관계를 추출하여 84개 노드와 944개 방향성 엣지로 구성된 위험 지식그래프를 구축하였다. 이후 네트워크 연결 중심성 분석을 수행한 결과, 레벨 트랜스미터 LT101(연결 중심성 0.7108)을 비롯한 상위 계 측 장비군이 설비 전체 운전 모드에 걸쳐 공통 방호 기능을 수행하는 핵심 노드임을 정량적으로 식별하였다. 특히 상위 5개 장비(LT101, LT201, PIT001, PIT101, PIT201)는 네트워크 평균 중심성 대비 2.41배 이상의 높은 연결 중심성을 나타내어, 기존 정성적 HAZOP에서는 명시 적으로 드러나기 어려운 방호 기능의 구조적 집중 현상을 데이터 기반으로 가시화하였다. 본 연구의 프레임워크는 기존 전문가의 직관에 의존하던 정성적 위험 평가를 정량적으로 보완할 수 있으며, 향후 유사 설비의 안전 분석에 재활용 가능한 데이터 기반을 제공한다.

광양항은 대형 선박과 위험물 운반선박의 입·출항이 빈번한 국가 기간항만으로서 예선 운영의 안전성과 효율성이 항만 경쟁력 에 직접적인 영향을 미친다. 그러나 현행 예선요금 산정체계는 광양항 관리부두를 기준으로 설정된 표준예선사용시간을 적용하고 있어, 실제 예선 정계지와의 차이로 인해 예선이용자들로부터 예선사용료 산정에 대한 불만이 제기되고 있다. 또한 묘도수도 통항 위험물 운반 선박에 제공되는 예선 에스코트서비스에 대한 요금체계가 명확히 규정되어 있지 않아 제도적 개선 필요성이 제기되고 있다. 본 연구는 실측 데이터에 기반하여 광양항 예선 정계지를 기준으로 주요 부두별 표준예선사용시간을 재산정하고, 예선 에스코트서비스의 요금 반영 방안을 제시하는 것을 목적으로 한다. 이를 위해 현장 실측조사와 운영사례 분석을 병행하였으며, 연구 결과는 예선요금 산정의 합리성 제고와 항만 안전관리 체계 개선에 기여할 수 있을 것으로 기대된다.

본 연구에서는 실규모 MLE(Modified Ludzack-Ettinger) 공법 하수처리시설을 대상으로 송풍량 성능을 평가⋅최적화하기 위해 데이터 기반 유입수 성상 분석 프레임워크와 수학적 모델 기반 디지털 트윈(DT, digital twin)을 개발하였다. 국내 기존 하수처리시설 모니터링 체계는 활성슬러지 모델 구동에 필수적인 CODcr 분획 자료가 부족하고, 처리장에서 수행되는 일 1회 채수만으로는 유입수의 시간적 변동성을 반영하기 한계를 가지고 있다. 이를 보완하기 위해 생물반응조 유입수를 대상으로 24시간 채수를 수행하여 계절별 유입 특성을 평가하였다. 또한 이차침전지 처리수를 대상으로 탄소성 및 질소성 생물학적 산소요구량 실험을 진행하였을 때, 잔류 암모니아 1 ㎎/L는 약 4.82 ㎎/L의 NOD(nitrogenous oxygen demand)를 유발하는 것을 파악하였다. 유입수 유기물 성상 및 분획을 추정하기 위해 다항 회귀와 다층 퍼셉트론 기반 모델을 결합하여 적용하였다. 2차 다항 회귀 모델은 TCOD(total COD) 예측에서 R2 0.848의 높은 성능을 보였으나, 비선형성이 큰 용존성 분율 예측에는 한계가 있었다. 이에 MLP(Multi-Layer Perceptron) 모델을 도입한 결과, FCOD(filtered COD)는 R2 0.748, FFCOD(flocculated filtered COD)의 R2 0.698 그리고 VSS(volatile suspended solid) R2 0.933로 신뢰성 있는 예측 정확도를 확보하였다. 예측된 유입수 분획 데이터를 DT 입력값으로 적용하고 7일간의 실제 운영 자료로 검증한 결과, DT 모델은 MAE(mean absolute error) 0.314 ㎎/L, R2 0.721로 질산화 거동을 적절히 재현하였다. 암모니아 기반 송풍 제어(ABAC) 시뮬레이션에서 실제 공급 송풍량이 안정적 질산화를 위한 요구량 대비 평균 13.1% 부족한 것으로 분석되었다. 종합적으로, 본 연구의 데이터 기반 DT 프레임워크는 공정 안정성 및 운전 이해를 정량적으로 평가할 수 있는 지표를 제공하며, 하수처리시설 운영자의 의사결정을 지원하는 진단 도구로서 활용 가능함을 시사한다.

The National Highway Traffic Safety Administration (NHTSA) and the California Department of Motor Vehicles (CA DMV) collect and utilize data from traffic accidents caused by Automated Driving Systems (ADS) driving on real roads, as a policy. Leading autonomous driving technology companies such as Tesla and Waymo collect their own driving and accident data and use them for technology advancement. ADS traffic accident data that occur when driving on real roads are valuable for identifying problems in unexpected situations. This study analyzes the risk of traffic accidents by Operational Design Domain (ODD) on ADS traffic accident data that occurred while driving on an actual road and aims to present a road traffic law-based driving ability evaluation scenario in a complex ODD configuration in high-risk situations, wherein an ADS can be particularly vulnerable in mixed traffic situations. The actual road traffic accident data of ADS from 2,289 accidents as provided by the NHTSA were analyzed. Analysis of the characteristics of ADS traffic accidents revealed that accidents occurred mainly on ordinary ODDs with high traffic demand during actual road driving, that is, on dry roads during clear days and daylight. In traffic situations including ADS and Human Driving Vehicle(HDV), approximately 40% of traffic accidents were confirmed to have occurred because of HDV colliding with stationary ADS and occurred in unexpected situations, such as changing the HDV when driving straight ahead of the ADS. Results of analyzing the risk of traffic accidents on the driving status of ADS by ODD, showed that the risk of traffic accidents that occurred while the ADS was driving straight ahead was 2.27, with dry road conditions, sunny weather, and a road speed limit of 21 to 30 mph at night when streetlights were turned on. Thus, the ADS road traffic law-based driving ability evaluation scenario can be used to evaluate whether to recognize and respond to accident risk situations by developing ADS road traffic law-based driving ability evaluation scenarios for situations vulnerable to accidents due to HDV cut-in in traffic situations that include ADS and HDV. In future, this can be used as basic data for preparing related regulations and institutional devices, such as traffic accident investigations and driving ability evaluations by ADS.

Tactical data link (TDL) is one of the key means for enabling real-time exchange of tactical information among weapon systems operated by the Army, Navy, and Air Force. Most messages consist of position information of participating nodes, with latitude and longitude fields designed to enable worldwide operation. Given the limited operational area of Korean army, enabling worldwide operation requires an excessive number of data bits, which cause data overhead and reduced network efficiency. Therefore, in this paper, we investigate the current coordinate transmission methods used in TDL and propose a relative coordinate-based transmission scheme within a designated area to enhance network efficiency. The proposed method is optimized for the operational characteristics of the Korean military and improves both network efficiency and positional accuracy compared to existing TDL.

This study comparatively analyzes the energy generation performance and economic evaluation of monofacial and bifacial photovoltaic (PV) modules, utilizing empirical data obtained from the Saemangeum project. The analysis is based on field data collected over a three-year period from 2022 to 2024. The results indicate that bifacial modules achieved an average power generation increase of approximately 8.27% compared to monofacial modules, attributed to the additional energy yield from rear-side irradiance. For the economic assessment, the Levelized Cost of Electricity (LCOE) and the Break-Even Point (BEP) were analyzed. Although the initial investment cost for bifacial modules was approximately 7.4% higher than that of monofacial modules, the LCOE was found to be lower for bifacial modules (114.7 KRW/kWh) compared to monofacial modules (117.8 KRW/kWh) over a 20-year operation period, due to the benefits of increased energy generation. The BEP analysis revealed that bifacial modules reach a break-even point relative to monofacial modules after 7.02 years. Furthermore, the study examined the trends of the BEP in response to variations in electricity selling prices and bifacial gain. In conclusion, this study confirms that bifacial PV modules demonstrate superior results in both power generation performance and economic analysis within the testbed environment. Consequently, these findings suggest a high potential for the application of bifacial modules in future domestic and international photovoltaic projects.

국내 노후 교량의 증가에 따라 유지관리 비용과 사회적 피해가 지속적으로 확대되고 있으며, 특히 포트홀 발생으로 인한 피해 보상액 또한 최근 증가하는 추세를 보이고 있다. 교량 포장 구조에서 포트홀은 아스팔트 포장과 콘크리트 바닥판 사이 계면의 박리로부터 구조적으로 시작된다. 차량 제동 및 가속에 따른 수평 하중, 수분 침투, 층간 차등 팽창 등은 계면에 인 장응력을 유발하여 결합 상태를 약화시키며, 이는 표면 균열로 진전되어 최종적으로 포트홀로 이어진다. 따라서 계면 박리는 포트홀 발생의 구조적 전조증상으로 볼 수 있다. 하지만 기존의 육안 점검은 표면 손상 중심의 평가에 국한되어 계면 박리 와 같은 내부 구조 상태를 직접적으로 파악하는 데 한계가 있다. 최근에는 구조물 내부 상태를 평가하기 위해 다양한 NDT 기법의 활용이 증가하고 있으나, 탄성파 기반의 IE(Impact-Echo) 및 UT(Ultrasonic Testing) 기법은 아스팔트와 같은 다공성 재료 내부에서 신호 감쇠가 발생하여 적용에 제약이 있다. 반면, 전자기파를 활용하는 GPR(Ground Penetrating Radar)은 포 장 내부 및 계면 상태 평가에 적합하나, 신호 해석 과정에서 전문가의 경험에 의존하는 주관적 한계가 존재한다. 이에 본 연구에서는 GPR 데이터를 기반으로 계면 박리 유무를 자동으로 분류하고, 이를 통해 포트홀 발생 위험 지점을 예측하는 딥 러닝 기반 프레임워크를 제안하였다. ResNet-50을 백본으로 하는 2-stage 전이학습 기법을 적용하였으며, 1단계에서는 3,708 개의 시험체 데이터를 활용하여 기초 분류 모델을 구축하고, 2단계에서는 28,890개의 실교량 데이터를 추가 학습하여 현장 조건에 대한 일반화 성능을 향상시켰다. 그 결과, 제안된 모델은 전체 정확도 85.2%와 weighted F1-score 0.8493의 성능을 나 타내었다. 본 연구에서 제안한 방법은 포트홀 발생 이전 단계에서 내부 계면 박리를 탐지할 수 있는 기술적 기반을 제시하 였으며, 이를 통해 선제적 유지관리 전략 수립과 교통 안전성 향상, 유지관리 비용 및 피해 보상액 감소에 기여할 수 있을 것으로 판단된다.

This study aims to enhance accessibility in transportation-disadvantaged areas by utilizing Large Language Model(LLM) to analyze public transportation and advanced mobility status data (e.g., platform taxis and Demand Responsive Transport(DRT)), and proposes a methodology to support region-specific mobility activation strategies. The study was divided into three stages: first, the collection of mobility data; second, the implementation of geographic information system (GIS)-based visualization and preprocessing; and third, the application of LLM-based image interpretation and classification. A variety of mobility data were consolidated into a unified spatial entity, converted into visualization information for LLM processing, and examined using a rule-based classification system to ascertain the mobility environment types. This approach addresses the limitations of single-data analysis and enables a multi-layered interpretation of regional transportation gaps. Through the LLM interpretation of visual elements, including grid colors, patterns, bus routes, and designated DRT operation areas, transportation characteristics such as mobility supply levels, DRT operation status, and taxi dependency were identified. The LLM model demonstrated a high level of performance with a precision rate of 78.2 %, accuracy rate of 73.1 %, recall rate of 91.8 %, and F1-score of 84.5 %. Notably, the recall rate exceeded 90 %, signifying comprehensive recognition of various transportation environment types. This study proposes an LLM-based spatial data interpretation framework for analyzing regional mobility conditions in Paju City. The integration of complex spatial information into QGIS enables the LLM to automatically analyze data, thereby unveiling micro-level mobility characteristics and identifying four types of regional mobility improvements.

최근 BIM은 단순 3차원 모델링을 넘어 표준화된 속성 데이터의 품질 확보와 체계적 관리가 핵심 요구로 부각되고 있으며, 온톨로 지 및 지식그래프 기반의 데이터 관리･추론 방식이 주목받고 있다. 그러나 지식그래프 기반 BIM 데이터는 부재 간 구조 관계 분석, 설 계 검토, 물량･속성 정보 조회 등 실무 의사결정을 지원할 수 있으나, SPARQL･Cypher와 같은 그래프 질의어를 직접 작성해야 한다 는 점에서 실무 적용에 제약으로 작용한다. 이를 위해 본 연구에서는 사용자가 자연어 질문을 기반으로 그래프 질의를 자동 생성할 수 있는 GraphRAG 기반 질의 자동 생성 프레임워크를 제안하였다. 먼저 CSV 기반 속성/관계 테이블에 규칙을 적용해 노드･관계를 생 성하고 그래프 데이터베이스에 적재하는 CSV-to-LPG 파이프라인을 구현하여, LPG 지식그래프 구축 절차를 자동화하였다. 이후 Few-shot Learning 기반 프롬프트 설계를 통해 사용자의 자연어 질문을 Cypher 쿼리로 자동 변환하는 자동 질의 생성 모듈을 구현하 였다. 전체 프레임워크는 Graph-ACQ 시스템으로 개발하여 라멘교 BIM 데이터를 기반으로 적용하였다. 검증 결과 LPG 스키마 유효 성과 Cypher 자동 생성, Cypher 질의 수작업 과정에서 정확도 모두 100%를 달성하였고, 질의 생성 시간은 평균 7.1초에 처리되었다. GraphRAG 기반 질의 생성 방식은 부재 간 공간･구조 관계를 명시적으로 활용하므로, 설계･검토 과정에서 요구되는 연결 관계 분석, 구조 구성 파악, 물량･속성 정보 조회 등 관계 기반 질의를 자연어로 수행할 수 있다. 또한 Few-shot Learning 기반 접근을 적용하여 교 량 뿐만 아니라 다양한 공종 내에서도 질의 생성을 가능하게 함으로써, 프로젝트의 확장성을 확보 가능하다.

This study develops a scientific fishing-ground exploration framework for the Korean large purse-seine fishery, where traditional experience-based searching has become increasingly unreliable under rapid climate variability. AIS-derived fishing locations from 2021 to 2023 were integrated with HYCOM-based temperature and salinity fields and MODIS-Aqua chlorophyll-a data to construct a unified environmental – fishing dataset. After multicollinearity screening and principal component analysis, temperature and salinity at 30 m depth and chlorophyll-a were selected as representative predictors. Using these variables, a generalized additive model (GAM) with background-sampled pseudo-absence data and monthly maximum entropy (MaxEnt) models were developed to quantify nonlinear habitat – environment relationships and predict monthly and seasonal mackerel fishing occurrences. Model performance was evaluated using independent data from 2024. GAM exhibited relatively stable predictive performance across months with generally high AUC and TSS values whereas MaxEnt showed pronounced seasonal variability and was effective in identifying potential habitat structures based on presence-only environmental conditions. Spatial predictions from both models showed good agreement with observed fishing-ground distributions during specific seasons, reproducing high-suitability zones associated with seasonal thermal – salinity fronts and productivity gradients. These results provide insights into the environmental mechanisms governing purse-seine fishing grounds and demonstrate the complementary roles of GAM for operational prediction and MaxEnt for potential habitat exploration.

본 연구는 공연 제작 과정에서의 소통과 리허설 준비를 지원하기 위해 Unity 게임엔진 기반 프리비주얼라이제이션(Pre-Visualization, Pre-viz) 워크플로우를 제안한다. 기존 대 본 중심의 협업 방식은 무대 공간 구성, 배우 동선, 조명 연출을 사전에 충분히 공유하는 데 한계가 있다. 이를 보완하기 위해 실제 공연장을 디지털 트윈 환경으로 Unity 상에 구 현하고, 무대 디자인, 배우 동선, 조명 효과를 통합한 Pre-viz 영상을 제작하였다. Unity의 실시간 렌더링 특성은 연출 수정 사항의 신속한 반영과 제작진 간 정보 공유를 지원한다. 중형 규모 프로시니엄 극장을 대상으로 한 파일럿 사례를 통해 Pre-viz와 실제 공연 간의 높은 시각적 유사성을 확인할 수 있었으며, XR 기반 디지털 트윈 환경으로의 확장 가능성 도 탐색적으로 제시하였다. 본 탐색적 연구는 Unity 기반 Pre-viz가 공연 제작진 간 ‘공유 된 정신 모델’ 형성을 지원하고, 리허설 준비 과정의 효율화를 지원할 수 있는 가능성을 시사한다.

농업 분야 컴퓨터 비전(Computer Vision) 기술 확산으로 고품질 학습 데이터 확보가 필수적이나, 기존의 수동 데이터 구축 방식은 많은 시간과 비용이 소요되는 한계가 있다. 이에 본 연구는 최신 멀티모달 파운데이션 모델인 SAM3(Segment Anything Model 3)를 기반으로 반자동 어노테이션 시스템을 개발하였다. 제안 시스템은 (1) 텍스트 프롬프트 기반 객체 인 식, (2) SAM3 기반 정밀 마스크 생성 및 학습 가능한 폴리곤 좌표 변환, (3) 사용자 검증의 3단계로 구성되며 GUI로 구현 되었다. 600장 이미지 평가 결과, SAM3는 92.9%의 매칭률 과 0.790의 평균 정밀도(mAP)를 달성하였으며, 데이터셋 구 축 시간을 수동 작업 대비 96~98% 단축시켰다. 이는 SAM+ CLIP, Grounding DINO+SAM 등 기존 파운데이션 모델 대 비 정확도와 효율성 모든 면에서 월등한 성능이다. 본 연구는 파운데이션 모델의 제로샷 성능을 활용해 농업 데이터 레이블 링 효율을 개선하고 관련 AI 연구 가속화에 기여할 것으로 기 대된다.

The TDL (Tactical Data Link) network employs a TDMA (Time Division Multiple Access) scheme, in which the network resources of each wireless node are allocated to time slots. The method of time slot allocation for each node is based on expert experience and operational requirements. However, this method has limitations because it is difficult to verify real-world operational environments due to high costs and time requirements. To address these limitations, this study developed a TDMA simulator using SimPy, a Python-based discrete-event simulation framework. The proposed simulator enables analysis of time slot allocation methods under varying operational environment conditions. Simulation experiments were conducted to evaluate times slot requirements under different maximum message transmission delay time thresholds (6s and 12s). The results showed that stricter delay time thresholds and higher number of tracks increased the required number of time slots. In addition, the required number of time slots increased differently depending on the complex interaction of factors such as the number of tracks, delay time thresholds, operational scenarios. The proposed simulator provides more precise insights and supports more reliable TDL network design than conventional methods.

Anomaly detection is crucial for ensuring the reliability and safety of mechanical systems across industries such as power generation, manufacturing, and transportation. In these mechanical systems, data is usually collected in time-series form using sensors such like vibration, current or sound for anomaly detection. Time-series anomaly detection methods often face limitations due to insufficient training data and poor generalization across complex operating conditions and varying loads. To address these challenges, this study proposes a transfer learning-based anomaly detection model, leveraging pre-trained knowledge to deliver robust performance and adaptability in data-scarce scenarios and diverse industrial environments. To this end, time-series signals are transformed into spectrograms through Short-Time Fourier Transform(STFT), followed by feature extraction through a Convolutional Autoencoder to obtain low-dimensional latent features. These features are used to detect anomalies using classification such as Random Forest and eXtreme Gradient Boosting. Building on this approach, this research validates the model's performance through migration tasks using the Case Western Reserve University(CWRU) Bearings dataset. Furthermore, to show cross-condition generalization, the proposed model was validated on the Hanoi University of Science and Technology(HUST), Sumair–Umar Bearing Fault(SUBF) dataset v2.0, and a dataset collected using microphone sensor in motor dynamo tests. Consequently, unlike other studies limited by specific operating conditions, the proposed model exhibits strong generalization performance across benchmark datasets. Experimental results highlight the effectiveness of combining STFT, CAE, and tree-based classifiers in addressing data scarcity and enhancing generalization, making it highly suitable for real-world industrial applications. Future work will focus on noise-robust techniques and broader fault types to further improve performance.

본 연구는 준거집단(취직자)들의 활동 데이터 뱅크를 생성하여 예비 취업자(고등교육기관의 체 육계열 전공자)들이 현재까지 활동했던 데이터를 데이터마이닝 기반 추천 알고리즘을 적용해 예비 취업자 들에게 가장 적합한 직업군을 추천해주는 스포츠 일자리 추천모형을 개발하고 검증하는 것이다. 따라서 평 가지표를 구성하고, 준거집단을 대상으로 인터뷰 및 조사를 통해 데이터 뱅크를 생성했다. 또한 비확률 표 본추출법 중 할당표본 추출법과 눈덩이표본 추출법을 적용해 예비 취업자 조사를 실시했으며, 총 921명의 자료를 통해 스포츠 일자리 추천모형 개발과 유사도를 통해 모형을 검증했다. 즉, 본 결과는 다음과 같다. 첫째, 준거집단과 예비 취업자의 평가지표를 구성했다. 둘째, 준거집단의 데이터 뱅크를 생성했다. 셋째, 스 포츠 전공 청년들을 위한 일자리 추천모형을 개발하고, 유사도를 통해 모형을 검증했다.

목적: 본 연구는 산재보험패널조사 2⋅3차 데이터를 활용하여 산재 수부 손상 환자의 요양 종결 연도에 따른 동향을 분석하기 위해 실시되었다. 연구방법: 본 연구는 산재보험패널 데이터를 활용한 후향적 코호트 연구로, 산업재해로 인한 수부 손상 환자 1,967명을 대상으로 하였다. 연구 대상자의 기초 특성을 파악하기 위해 인구통계학적, 산업재해 관련, 직업재활 및 직업 특성에 대한 빈도분석을 실시하였다. 또한 산재요양 종결 연도에 따른 특성 변화를 분석하기 위해 2017년(982명)과 2022년(985명) 두 시점으로 구분하여 카이제곱 검정을 수행하였다. 결과: 2022년 산재요양 종결자는 인구통계학적 특성에서 60세 이상, 미혼 및 대졸 이상의 비율이 증가하였다. 산업재해 특성에서 업무상 질병의 비율이 높아졌고, 요양 기간은 길어졌다. 직업재활 특성에서는 유의한 차이가 없었고 직업 특성에서는 첫 번째 직장에서의 수부 손상 비율은 감소하였지만 근무기간 2개월 미만에서 손상 비율은 증가하였다. 결론: 산재 수부 손상 환자의 특성 변화를 확인하여 사업장 내 수부 손상 예방을 위한 교육 강화와 함께 효과적인 수부 치료 향상 및 직업복귀 촉진을 위한 산재 의료 전달 체계 개선의 필요성을 제시하였다.