The pressure sensor had been widely used to effectively monitor the flow status of the water distribution system for ensuring the reliable water supply to urban residents for providing the prompt response to potential issues such as burst and leakage. This study aims to present a method for evaluating the performance of pressure sensors in an existing water distribution system using transient data from a field pipeline system. The water distribution system in Y District, D Metropolitan City, was selected for this research. The pressure data was collected using low-accuracy pressure sensors, capturing two types of data: daily data with 1Hz and high-frequency recording data (200 Hz) according to specific transient events. The analysis of these data was grounded in the information theory, introducing entropy as a measure of the information content within the signal. This method makes it possible to evaluate the performance of pressure sensors, including identifying the most sensitive point from daily data and determining the possible errors in data collected from designated pressure sensors.

PURPOSES : The reliability of traffic volume estimates based on location intelligence data (LID) is evaluated using various statistical techniques. There are several methods for determining statistical significance or relationships between different database sets. We propose a method that best represents the statistical difference between actual LID-based traffic volume estimates and the VDS values (i.e., true values) for the same road segment. METHODS : A total of 2,496 datasets aggregated for 1-h LID and VDS data were subjected to various statistical analyses to evaluate the consistency of the two datasets. The VDS data were defined as the true values for comparison. Four different statistical techniques (procrutes, 2-sample t-test, paired-sample t-test, and model performance rating scale) were applied. RESULTS : In cases where there is a specific pattern (e.g., traffic volume distribution considering peak and off-peak times), distribution tests such as Procrustes or Kolmogorov-Smirnov are useful because not only the prediction accuracy but also the similarity of the data distribution shape is important. CONCLUSIONS : The findings of this study provide important insight into the reliability of LID-based traffic volume estimation. To evaluate the reliability between the two groups, a paired-sample t-test was considered more appropriate than the performance evaluation measure of the machine-learning model. However, it is important to set the acceptance criteria necessary to statistically determine whether the difference between the two groups in the paired-sample t-test varies according to the given problem.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

국내 콘크리트 구조물의 노후화가 진행됨에 따라 안전관리를 위한 효과적인 보수 및 보강이 요구되고 있다. 특히, 교량 바닥판은 교통하중과 염화물 침투 등 다양한 유해환경에 직접 노출되어 지속적인 열화가 발생하고 있다. 국내외에서는 교량 바닥판 유지보수 의사결정을 위해 비파괴 조사 방법 중 하나인 지표투과레이더(Ground Penetrating Radar, GPR) 탐사가 주로 활용되고 있다. 차량형 다채널 GPR 장비를 통해 취득된 방대한 양의 탐사자료는 해석하는 데 많은 시간이 소요되며 분석가의 주관이나 숙련도에 따라 해석결과가 달라질 수 있다. 이러한 문제를 해결하기 위해 최근에는 딥러닝 (Deep Learning) 기반의 GPR 자료해석 기법들이 제안되고 있다. 본 연구에서는 교량 바닥판 상태 평가 작업 효율 향상 을 위해 딥러닝 기반 GPR 자료해석 기법을 적용하였다. 현장자료 예제로는 영동대교 정밀안전진단 과업에서 교량 바닥 판 상태조사를 위해 취득한 GPR 자료를 사용하였으며 딥러닝 기법 적용 결과를 분석가의 해석결과와 비교하여 예측 성 능을 평가하였다.

본 연구는 연안해양 수치모델에 활용되는 LDAPS 강우예보 자료의 시공간적 오차와 한계점을 분석하고 자료의 신뢰성을 검증 하였다. LDAPS 강우자료의 검증은 진해만 주변 우량계 3개소를 기준으로 2020년의 강우를 비교하였으며 우량계와 LDAPS의 비교 결과, LDAPS 강우자료는 장기적인 강우의 경향은 대체로 잘 재현하였으나 단기적으로는 큰 차이를 보였다. 정량적인 강우량 오차는 연간 197.5mm였으며, 특히 하계는 285.4mm로 나타나 계절적으로 강우변동이 큰 시기일수록 누적 강우량의 차이가 증가하였다. 강우 발생 시점 의 경우 약 8시간의 시간 지연을 나타내어 LDPAS 강우자료의 시간적 오차가 연안해양환경 예측 시 정확도를 크게 감소시킬 수 있는 것 으로 나타났다. 연안의 강우를 정확히 반영하지 못하는 LDAPS 강우자료를 무분별하게 사용할 경우 연안역에서 오염물질 확산 또는 극한 강우로 인한 연안환경 변화 예측에 심각한 문제를 발생시킬 수 있으며 LDAPS 강우자료의 적절한 활용을 위해서는 검증과 추가적인 개선 을 통한 정확도 향상이 필요하다.

19세기 근대로 가는 길목에서 조선은 외세의 침입이라는 새로운 시대 상황을 맞게 되었다. 이러한 외압(外壓)에 대응하는 데 가장 근본이 되었 던 것이 당시는 수군(水軍)이라 불렸던 조선 해군(海軍)의 군사력이었고 할 수 있다. 이러한 인식을 바탕으로 본 연구는 19세기 조선 해군 전력 의 일단(一端)을 살펴볼 수 있는 실증적 사례 연구를 진행하였다. 구체적 으로 전라좌수영(全羅左水營)에 속해 있던 광양현(光陽縣)과 경상우수영 (慶尙右水營)에 속해 있던 하동부(河東府)의 수군 전력의 실태를 파악하 고자 하였다. 이들 두 군현은 19세기 ‘중기(重記)’ 자료가 남아 있다. 중 기 자료는 작성 당시 지방 군현의 군비 실태를 파악할 수 있는 가장 좋 은 자료이다. 따라서 이 중기 자료를 중심으로 19세기 조선 해군 전력의 일단을 살펴보았다. 이와 더불어 각종 관찬 자료와 읍지(邑誌), 사례(事 例) 등을 비교 검토하였다. 이 연구를 통해 19세기 조선 해군 전력의 일 단을 확인하였다. 당시 조선 정부는 해양 방위[海防]에 상당한 관심을 가 지고 있었지만 이에 대응한 해군 전력의 향상은 적절히 이루어지지 못한 것으로 보인다. 이는 본 연구를 통해 일부 확인되는 것처럼 특히 지방 군현의 수군 전력은 형식적 전력을 유지하는 데 그쳤고, 그 실제는 전력 이 약화되고 있었던 것으로 여겨진다.

태풍은 지구 시스템 내의 해양-대기-육상 상호작용을 일으키는 매우 중요한 현상으로 특히 태풍의 특성 인자 중 하나인 풍속은 중심 기압, 이동 경로, 해수면 온도 등의 매개변수에 의해 복잡하게 변화하여 실제 관측 자료를 기반으 로 이해하는 것이 중요하다. 2015 개정 교육과정 기반 중등학교 교과서에서 태풍 풍속은 본문 내용 및 삽화의 형태로 제시되고 있어 풍속에 대한 심층적 이해가 가능한 탐구활동이 무엇보다 필요한 실정이다. 본 연구에서는 교수-학습 과 정에서 간단한 조작만으로도 태풍의 풍속을 이해할 수 있도록 그래픽 사용자 인터페이스(GUI)를 기반으로 한 데이터 시각화 프로그램을 개발하였다. 2023년 발생한 태풍 마와르, 구촐, 볼라벤의 천리안 위성 2 A호 RGB (Red-Green-Blue) 영상 자료를 입력 자료로 활용하였다. 태풍 주변의 구름 이동 좌표를 입력하여 태풍의 풍속을 산출하고 태풍 중심 기 압, 폭풍 반경, 최대 풍속 등의 매개 변수를 입력하여 태풍 풍속 분포를 시각화 할 수 있도록 설계하였다. 본 연구에서 개발된 GUI 기반 프로그램은 천리안 위성 2 A호로 관측 가능한 태풍에 대해 오류 없이 적용 가능하며 교과서의 시공 간적 한계를 벗어난 실제 관측 자료 기반의 과학탐구활동이 가능하다. 학생과 교사는 별도의 유료 프로그램 및 전문적 인 코딩 지식이 없어도 실제 관측 자료를 수집, 처리, 분석, 시각화하는 과정을 경험할 수 있으며, 이를 통해 미래 정보 화 사회에서의 필수 역량인 디지털 소양을 함양시킬 수 있을 것으로 기대된다.

The objective of this study is to analyze the indoor air quality of multi-use facilities using an IoT-based monitoring and control system. Thise study aims to identify effective management strategies and propose policy improvements. This research focused on 50 multi-use facilities, including daycare centers, medical centers, and libraries. Data on PM10, PM2.5, CO2, temperature, and humidity were collected 24 hours a day from June 2019 to April 2020. The analysis included variations in indoor air quality by season, hour, and day of the week (including both weekdays and weekends). Additionally, ways to utilize IoT monitoring systems using big data were propsed. The reliability analysis of the IoT monitoring network showed an accuracy of 81.0% for PM10 and 76.1% for PM2.5. Indoor air quality varied significantly by season, with higher particulate matter levels in winter and spring, and slightly higher levels on weekends compared to weekdays. There was a positive correlation found between outdoor and indoor pollutant levels. Indoor air quality management in multi-use facilities requires season-specific strategies, particularly during the winter and spring. Furhtermore, enhanced management is necessary during weekends due to higher pollutant levels.

본 연구는 관광 관련 서비스 분야에 필요한 특수 목적 중국어(CSP) 교육과정 개 발을 위한 첫 단계로 AI 데이터 기반으로 구축된 구어체 병렬 코퍼스에서 CSP 어휘 리스트를 선정하여 용어색인과 어휘다발(n-gram)등을 분석하였다. 어휘리스트 어휘 규모는 토큰 수 총 304, 228개와 타입 수 17, 286개로 나타났으며, 어휘 누적 증가율 을 분석하면 2-Gram과 3-Gram의 어휘다발이 가장 많았고, 실무 현장에서 가장 많 이 활용되고 있음을 알 수 있었다. 본 연구에서 구축된 특수 목적 관광 중국어 어휘 리스트는 실제 교육 자료로 제공하여 관광 중국어 학습자와 교수자에게 실용적으로 사용될 수 있을 것이라 기대한다.

PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

In the Republic of Korea, public health centers conduct vector mosquito control in accordance with infectious disease prevention laws. However, most public health centers have traditionally conducted periodic, uniform vector control across their respective regions without considering specific information on vector occurrence. In 2021, The Korea Diseases Control and Prevention Agency(KDCA) launched a control project to shift the paradigm toward mosquito control strategy based on mosquito surveillance data. In 2024, 18 local public health centers will participate in this project, which will progressively expanding so that it can be used countrywide. Local public health centers evaluate mosquito monitoring data using data gathered from Daily Mosquito Monitoring System(DMS), which enables them to pinpoint the best times and locations for vector control. Vector control activities carried out by local public health centers are computerized utilizing Vector Control Geographic Information System(VCGIS). Using the new control strategy with mosquito surveillance, the number of mosquito occurrences, number of control activities, and amount of insecticides have decreased compared to the periodic control activities. Based on mosquito surveillance data, it is anticipated that evidence-based mosquito vector control will offer a more efficient and effective means of mosquito control.

자율주행차 상용화 시대를 가속화하기 위해 실제 도로에서 다양한 실증 프로젝트를 수행중이다. 그러나, 자율주행차와 비자율주행차 가 혼재된 혼합교통류 환경에서 발생할 수 있는 다양한 문제의 원인을 파악하고 선제적인 안전대책을 강구하는 노력은 미비한 실정이 다. 특히, 기존 비자율주행차 측면의 주행안전성을 고려하여 설계된 도로 시설 특성으로 인해 자율주행차의 주행안전성이 저하될 수 있다. 또한 기존 비자율주행차의 주행안전성을 저해함과 동시에 자율주행차의 주행안전성도 저해하는 도로 시설 특성이 존재할 가능 성이 있다. 본 연구에서는 상암 자율주행차 시범운행지구에서 수집된 automated vehicle data (AVD)를 활용하여 자율주행차와 비자율주 행차의 주행안전성을 평가하고 도로 시설 특성 측면의 영향요인을 도출하였다. 주행모드별 주행안전성 평가를 위해 autonomous emergency braking system (AEBS) 위험 이벤트 기반의 driving risk index (DRI)를 개발하였다. 구간별 DRI가 발생하지 않은 구간을 very good으로 정의하고 발생한 구간을 25 percentile로 구분하여 good, moderate, poor, very poor 등급으로 정의하여 총 5개의 등급으로 구분 하였다. 또한, 현장조사을 수행함으로써 구간별 포함되어 있는 도로 시설 특성을 수집하였다. 주행모드별 주행안전성에 영향을 미치는 도로 시설 특성을 도출하기 위해 이항로지스틱 회귀분석을 수행하였다. 종속 변수의 경우 DRI 기반 안전등급 중 poor 이상 등급을 1, 그 외의 등급을 0으로 정의하였으며, 독립변수의 경우 현장조사를 통해 수집된 교차로 유형, 차로 수, 차로 폭, 추가차로 유무, 차량 진행방향, 불법주정차 유무, 버스정류장 유무, 자전거 차로 유무에 대해 명목형 변수로 설정하였다. 도출된 주행모드별 주행안전성 영 향 요인을 검토하고 향후 자율주행차 시대에 대비하여 선제적으로 개선이 요구되는 도로 시설 특성을 도출하고 도로 운영성 및 효율 성, 안전성 측면의 개선 방향을 제시하였다.

본 연구에서는 빅데이터를 통해 교사의 융합교육역량에 대한 사회적 인식을 살펴봄으로써 교사의 융합 교육역량 증진 방안 마련을 위한 기초자료를 제공하는데 목적이 있었다. 본 연구목적을 달성하기 위해 Textom에서 제공하는 빅데이터를 활용하여 􍾧교사 + 융합교육 + 역량􍾨을 키워드로 rawDATA를 수집하였 다. 수집된 데이터는 1차􌝆2차 정제과정을 마친 데이터들 중 빈도분석 결과를 바탕으로 200개 핵심 키워드 를 선정하였으며, 이를 1-모드 매트릭스 데이터 셋으로 변환하여 키워드 네트워크 분석을 실시하였다. 연 구결과는 다음과 같다: 첫째, 빈도분석에서는 교육, 인공지능, 강화, 연수, 수업이 가장 빈번하게 출현하는 것으로 나타났다. 둘째, 전체 네트워크 분석에서는 교육, 학생, 연수, 강화, 대상이 모든 중심성에서 높게 나타났다. 셋째, 에고 네트워크 분석에서는 교사, 융합교육, 역량을 중심으로 다양하게 논의되고 있음을 확 인할 수 있었다. 이러한 결과를 바탕으로 교사의 융합교육역량과 관련된 후속연구 및 증진방안에 대해 제 언하였다.

Laurencia is a red algal genus that was described by J.V. Lamouroux in 1813. The main characteristics of this genus have been known as the presence of four pericentral cells in an axial segment, secondary pit connections between adjacent epidermal cells, and the presence of corps en cerise in both epidermal and trichoblast cells. Additionally, the tetrasporangia are arranged in a parallel manner, and male branches feature terminal cup-shaped spermatangial pits. Currently, sixteen Korean Laurencia species have been reported based on their morphological characteristics. In this study, Laurencia decussata and L. pacifica have been added as new records to the Korean algal flora based on a combination of morphological observations and molecular analyses of rbcL sequences. Laurencia decussata has expanded from Australia and New Zealand to Korea, while the distribution of L. pacifica has expanded from USA and Mexico to Korea.

This study was conducted to investigate whether there were differences in eco-friendly food, home meal replacement (HMR) purchases, and eating-out behavior according to the level of agri-food consumer competence. The data for the study were extracted from main food consumers (n=3,321) in the 2022 Food Consumption Behavior Survey. The competence index was divided into awareness-attitude-practice items, and three groups were classified by competence level. The results showed an agri-food consumer competency score of 70.62, with the highest score for awareness (73.96), followed by practice (69.28) and attitude (66.18). The frequency of purchasing eco-friendly food was higher in the excellent group compared to other groups, and quality and price satisfaction was higher with higher competency (p<0.001). Regarding HMR, the results showed that the shortage group had the lowest HMR consumption rate, and satisfaction decreased as competence decreased (p<0.001). The main reason for eating-out was to enjoy food in all groups (59.0%), followed by a lack of cooking time in the excellent group (15.7%) and hassle with food preparation in the moderate and shortage groups (17.3%, 16.6%) (p<0.001). In short, agri-food consumption competency showed differences by contents and components, and differences in food purchases and eating-out behavior by competency level were found.

본 연구는 독일어권의 사물인터넷을 이용한 데이터 거래와 블록체인 기술로 인한 사회혁신을 조망하고자 한다. 먼저, 독일어권 국가에서의 빅 데이터와 블록체인 기술의 활용을 조사하기 위해 문헌 연구 및 선행 연 구 검토가 수행되었다. 또한, 데이터레이드(Datarade)와 같은 독일의 데 이터 회사 및 정부의 데이터 경제 관련 프로젝트(GAIA-X)에 대한 사례 연구가 진행되었다. 이를 통해 독일에서의 데이터 및 블록체인 활용 현 황을 파악하고, 각 산업 분야에서의 적용 사례를 식별하였다. 금융 산업 에서는 블록체인 기술을 활용하여 계좌 번호 및 구매 세부 정보를 안전 하게 저장하고 있으며, 부동산 산업에서는 임대 계약, 임대료 결제 확인 등을 블록체인을 통해 효율적으로 관리하고 있다. 특히 교육 부문에서 블록체인 기술의 활용에 대한 현지 사례 및 연구 결과를 종합하여 분석 하였다. 블록체인의 보안이라는 장점을 살려 학습자의 학습 성과나 평가, 성적 증명, 학습낙오자나 성적부진자의 학습활동 추적, 부정행위 방지, 스마트 계약을 통한 과제 관리, 평생학습증 및 학습이력부 제공 등의 방 식으로 이미 독일은 교육계에 혁신을 이루어나가고 있다. 교육 부문에서 의 이러한 조사 방법을 통해 독일에서의 기술 혁신 및 사회적 변화에 대 한 종합적인 이해를 제공하고자 한다. 이러한 결과들은 독일정부 주도의 데이터거래와 블록체인 분야의 기술혁신의 효과를 입증하기에 한국정부 의 산업혁신에도 활용할 수 있는 중요한 통찰을 제공할 것이다.

The genus Desmodesmus (Chodat) S.S. An, T. Friedl & E. Hegewald is ubiquitous in freshwater ecosystems, such as rivers, ponds, and wetlands. The actual species diversity and distribution of the genus is unknown because of morphological plasticity affected by habitats. Currently, 38 Desmodesmus species have been reported in Korea most of which transferred from the genus Scenedesmus recently, however, no phylogenetic relationships have been studied yet. Despite the challenges in analyzing relationships among Desmodesmus species through the morphology, ecology, and original description, this study focused on examining species-level relationships using the FBCC culture strains isolated from Korea. A total of 299 sequences (66 of 18S rRNA, 47 of atpB, 67 of petA, 52 of rbcL, and 67 of tufA) were newly determined and used for phylogenetic analysis. Four plastid genes tend to have higher variation than 18S rRNA in the variable sites and P-distance. From the combined phylogeny, the Desmodesmus included six clades such as Clade-1: D. pseudoserratus and D. serratus, Clade-2: D. communis, D. dispar, D. maximus, D. pannonicus, unidentified Desmodesmus sp., Clade-3: D. bicaudatus and D. intermedius, Clade-4: D. microspina, D. multivariablis, D. pleiomorphus, D. subspicatus, Clade-5: D. abundans, D. kissii, and D. spinosus, and Clade-6: D. armatus, D. armatus var. longispina, D. opoliensis, unidentified Desmodesmus spp. The new sequence data from FBCC strains will be used to identify species and study the molecular ecology of scenedesmacean green algae in freshwater ecosystems. The phylogenetic information from this study will expand our understanding of Desmodesmus species diversity in Korea.

PURPOSES : This study aims to perform a quantitative analysis of Forward Collision Warning and crash frequency using heavy vehicle driving data collected in expressway driving environments, and to classify the driving environments where Forward Collision Warnings of heavy vehicles occur for accident-prone areas and analyze their occurrence characteristics. METHODS : A bivariate Gaussian mixture model based on inter-vehicle distance gap and speed-acceleration parameters is used to classify the environment in which Forward Collision Warning occurs for heavy vehicles driving on expressways. For this analysis, Probe Vehicle Data of 80 large trucks collected by C-ITS devices of Korea Expressway Corporation from May to June 2022. Combined with accident information from the past five years, a detailed analysis of the classified driving environments is conducted. RESULTS : The results of the clustering analysis categorizes Forward Collision Warning environments into three groups: Group I (highdensity, high-speed), Group II (high-density, low-speed), and Group III (low-density, high-speed). It reveals a positive correlation between Forward Collision Warning frequency and accident rates at these points, with Group I prevailing. Road characteristics at sites with different accident incidences showed that on-ramps and toll gates had high occurrences of both accidents and warnings. Furthermore, acceleration deviation at high-accident sites was significant across all groups, with variable speed deviations noted for each warning group. CONCLUSIONS : The Forward Collision Warning of heavy vehicles on expressways is classified into three types depending on the driving environment, and the results of these environmental classifications can be used as a basis for building a road environment that reduces the risk of crashes for heavy vehicles.

PURPOSES : This study aims to understand the characteristics of accidents involving autonomous vehicles and derive the causes of accidents from road spatial information through autonomous vehicle accident reports. METHODS : For this study, autonomous vehicle accident reports collected and managed by the CA DMV were used as data sources. In addition, spatial characteristics and geometric data for accident locations were extracted by Google maps. Based on the collected data, the study conducted general statistics, text embedding, and cross-analysis to understand the overall characteristics of autonomous vehicle accidents and their relationship with road spatial features. RESULTS : The analysis results for characteristics of autonomous vehicle accidents, applying statistical analysis and text embedding techniques, reveal that the damages caused by autonomous vehicle accidents are often minor, and approximately half of the accidents are triggered by other vehicles. It is noteworthy that accidents where autonomous vehicles are at fault are not uncommon, and when the cause of the accident is within the autonomous vehicle, the accident risk can increase. The accident analysis results using spatial data showed that the severity of accidents increases when on-street parking is present, when dedicated lanes for bicycles and buses exist, and when bus stops are present. CONCLUSIONS : Through this study, geometric and spatial elements that appear to have an impact on autonomous driving systems have been identified. The findings of this study are expected to serve as foundational data for improving the safety of autonomous vehicle operations in the future.