Wrong-way driving (WWD) on highways is a critical traffic safety issue that often results in severe injuries and fatalities due to head-on collisions with opposing vehicles. The risk of WWD is particularly high at night because of the reduced visibility of traffic signs and roadway information. To address this issue, this study develops a smart logo-projector system capable of providing real-time traffic information to prevent nighttime WWD. First, eight message scenarios were developed based on existing wrong-way and no-entry signs, and an optimal WWD prevention message set was derived using Kansei Engineering. The results indicated that the Arrow + Diagonal information type and octagon sign shape had positive effects on drivers’ emotional responses. A smart logo-projector system and operating algorithm were developed to recognize WWD situations and surrounding traffic conditions in real time through vehicle detectors. The proposed system consists of a logo projector, sequence-based detectors, distance-based detectors, and communications technology, and provides situationresponsive warning messages according to vehicle travel direction and mainline traffic conditions. To evaluate the applicability of the proposed system, a prototype-based verification and driving simulator (DS)-based effectiveness evaluations were conducted. The prototype verification results showed approximately 95% accuracy in both verification scenarios. The DS-based evaluation results indicated that the logo projector outperformed conventional traffic signs in terms of visibility, readability, and warning effectiveness. These findings demonstrate the potential applicability of the smart logo projector as a new traffic safety facility that can complement or replace conventional traffic signs and provide a foundation for real-time traffic information systems.

This study develops integrated evaluation indicators for demand responsive transport (DRT) operation services from a road traffic service perspective. The purpose is to support sustainable and efficient DRT service provision by considering the perspectives of users, operators, and local communities, while also reflecting road-based operational issues such as pick-up/drop-off management, curbside stopping, transfer-node linkage, and parking-demand reduction. While previous evaluations have often focused on operational efficiency, platform performance, ridership records, or user satisfaction, this study attempts to establish a comprehensive framework applicable to various DRT service types. DRT services were classified into four types according to temporal and spatial variability: shuttle-bus type, pre-call reservation type, real-time call reservation type, and dynamic call reservation type. Candidate evaluation indicators were derived through reviews of domestic and international DRT operation cases, public transport service-quality studies, MaaS performance studies, accessibility and equity evaluation studies, and existing evaluation practices. An analytic hierarchy process (AHP) survey was conducted with experts from research institutes, local governments, public agencies, and academia to identify the relative importance of indicators. The results indicate that convenience of booking methods and user satisfaction are mandatory common indicators for all DRT types. Safety, barrier-free service provision, driver courtesy and professionalism, revenue per operating cost, and operation time were identified as optional common indicators. In addition, arrival information change rate, changes in the number of users, operation distance, ride distance, service utilization rate, and parking space saving effect were suggested as type-specific indicators. The proposed indicators can support integrated monitoring of DRT operation services and provide practical information for service improvement, policy decisions, efficient public subsidy support, and road-space management.

쌍별귀뚜라미(Gryllus bimaculatus)는 표준화된 먹이원이 없고 사육비용과 채소 급여에 따른 병해충 유입 위험이 문제로 지적된다. 본 연구는 판매중인 사료를 급여하여 효율을 비교하고, 채소(무, 배추)를 대체할 수분공급용 젤리형 보조사료를 개발하였다. 판매중인 사료로는 토끼, 돼지, 흑염소, 개, 소, 오리, 고양이 사료와 대조구(배합사료) 등 상용 사료를 분말로 급여하였고, 생존율, 개체중량 변화를 추적하였다. 젤리형 보조사료는 한천, 설탕, 도토리묵가루 등 조합으로 제조하여 채소급여한 것과 비교하였다. 성충의 일반성분(조단백질, 조지방, 조회분, 수분)은 동결, 열풍건조 후 AOAC 방법으로 분석하였다. 고양이 사료를 급여하였을 때 성충 생존율이 75%로 가장 높았으나 성충 1 kg 생산에 필요한 사료량/비용은 돼지 사료가 가장 낮았다(생존율 58.93%). 고양이와 돼지사료를 급여한 성충의 일반성분은 사료 간 유의차가 없었다. 수분공급 대체 보조사료로 한천+ 설탕(젤리형) 급여 시 성충 생존율이 63.3%로 가장 높았으며, 무를 급여한 것과 성충의 일반성분함량은 유의차가 없었다. 비용효율성과 생산안정 성을 고려할 때, 주먹이원으로 돼지사료, 수분공급 대체 보조사료로 한천+설탕 젤리의 조합이 가장 적합한 것으로 판단되며 이는 쌍별귀뚜라미 사 육 표준화에 기여할 것으로 기대한다.  쌍별귀뚜라미, 상용사료, 저비용 사육

최근 기후변화와 화석연료 고갈 문제로 지속 가능하고 환경 친화적인 기술이 필수적으로 여겨진다. 이러한 이유 에서 탄소를 배출하지 않고 에너지를 생산하는 기술인 연료전지에 대한 관심이 증가하고 있으며, 그중 에너지 효율이 높은 수소이온 교환막 연료전지에 대한 연구가 활발히 진행되고 있다. 하지만, 이를 구성하는 소재인 Pt/C 촉매가 매우 고가이기 때문에 trial and error 기반 반복 실험을 수행하기에는 경제적으로 부담이 크다는 한계가 있다. 이를 보완하고자, 컴퓨터를 통 해 성능을 분석하는 지배 방정식 기반 다중물리 시뮬레이션 연구가 활발히 진행되고 있다. 다중물리 시뮬레이션은 1차원 (one-dimensional, 1D)부터 3차원(three-dimensional, 3D)까지 해석이 가능하지만, 각 차원의 한계가 명확하기 때문에, 이에 대 한 규명이 필요하다. 본 연구 그룹에서는 사전 연구를　통해　고온 수소이온 교환막 연료전지 기반 1D 및 2D에 대한 해석을 수행하였으며, 2D에서 유량 최적화가 가능하다는 것을 규명하였다. 본 연구에서는, 이를 확장하여 고온 수소이온 교환막 연 료전지 기반 3D 모델을 제작하고, 2D와의 차이를 보고자 한다.

Drowsy driving on highways is a critical traffic safety issue because the monotonous driving environment frequently induces driver fatigue, often leading to severe or fatal crashes. This study aims to develop a quantitative drowsy driving index (DDI) to proactively identify highrisk segments and establish effective safety management strategies. To achieve this, diverse static and dynamic traffic data along with weather conditions were integrated. We developed two distinct frequency models: a crash risk model setting drowsy driving crashes as the dependent variable, and a drowsiness-inducing risk model based on the frequency of drowsy driving behaviors. Poisson and negative binomial regression models were employed to account for the rare-event nature and overdispersion of crash data. Variables were carefully selected based on the variance inflation factor to prevent multicollinearity, and optimal models were determined using the Akaike information criterion. The final DDI was formulated by combining the quantified crash and drowsiness-inducing risks through a weight-based integration method. The analysis revealed a strong positive correlation between the proposed DDI and both actual drowsy driving crashes and behavioral frequencies. The proposed DDI framework offers a robust tool for monitoring and managing drowsy driving risks. Through public-private partnerships, this methodology can be utilized to provide real-time, location-based warnings and rest area guidance to drivers to significantly mitigate crash risks. Future research should expand the analysis to encompass a wider highway network and incorporate road geometry data, such as curve radii and gradients, to further enhance the precision and realism of the index.

This study proposes supplementary performance indicators to support approach-level interpretation within the current Smart Intersection System (SIS) evaluation framework, and examines their interpretive characteristics through real-world case studies. While existing Intelligent Transportation System (ITS) performance evaluation standards assess the accuracy at the lane-level direction unit, practical traffic operations often require a comprehensive understanding of the performance at the approach level. To address this limitation, three supplementary indicators were developed: traffic-weighted approach accuracy (TWAA), which reflects the average performance considering traffic exposure; bottleneck-based approach score (BAS), which identifies the lowest-performing lane-level direction unit; and the approach reliability index (ARI), which evaluates the overall operational stability based on threshold compliance. Case study results demonstrate that the proposed indicators provide complementary insights using the same raw data. The TWAA reflects the operational influence of dominant traffic flows. The BAS reveals localized deficiencies that may be masked by average-based measures. The ARI identifies whether the performance is consistently maintained across lane-level direction units. Rather than replacing existing evaluation standards, the proposed indicators serve as a multidimensional framework that enhances the usability of performance data in decision making. These indicators can be applied in a complementary manner depending on the evaluation objectives, such as administrative acceptance, operational efficiency, and maintenance prioritization. Future research should further validate the framework under diverse traffic and geometric conditions, and extend its application to intersection-wide and network-level analyses.

The optimal design of steel plate girders has traditionally relied on meta-heuristic techniques, such as Genetic Algorithms (GA), to handle discrete design variables and complex non-linear constraints, including shear buckling and section classification. However, these methods suffer from high computational costs as they require repetitive re-optimization for every new load condition. To address this limitation, this study proposes a highly efficient Sequential Multi-Agent Reinforcement Learning (MARL) framework based on the Agent-Environment Cycle (AEC) architecture. Unlike parallel one-shot approaches, the proposed model effectively learns the dependencies between design variables by determining them sequentially. Furthermore, to maximize cost efficiency during the inference phase, we introduce an Adaptive Inference Chain combined with a deterministic DCR-based Shrink-Refine algorithm. Experimental results on 100 diverse load cases demonstrate that the proposed method achieves an average cost reduction of 8.2% compared to the GA baseline while maintaining 100% feasibility. With an inference time reduced to approximately 76 ms, the model demonstrates significant potential for real-time automated design. Additionally, an in-depth analysis of cases where the Demand-Capacity Ratio (DCR) fell short of the target clarifies the exploration limits within the discrete design space and validates the robustness of the algorithm.

까마중(Solanum nigrum L.)은 식용 및 약용으로 널리 사 용되는 식물이지만, 그 열매에는 잠재적인 건강 위험을 초 래할 수 있는 스테로이드성 글리코알칼로이드가 함유된 것 으로 알려져 있다. 본 연구에서는 건조된 시판 까마중 제품 중 α-solanine, solamargine, solasonine을 동시에 정량하기 위 한 LC–MS/MS 분석법을 개발하고 검증하였다. 시료 전처 리는 50% 메탄올 수용액을 이용한 초음파 추출과 분산형 고체상 추출법(d-SPE)을 적용하였다. 이동상에는 5 mM 탄 산수소암모늄을 첨가하고, divert 밸브를 이용하여 고농도의 solamargine과 solasonine을 제외함으로써 미량 α-solanine의 검출 감도를 향상시켰다. 개발된 분석법은 고체 매트릭스에 서 우수한 직선성, 정확성, 정밀도 및 회수율을 나타내었 다. 엽록체 유전자 5개 부위(accD, rpoC1, ndhA, rpl16, rpl32) 를 이용한 분자생물학적 특성 분석 결과, 국내에서 까마중 으로 유통되는 제품은 S. nigrum을 포함한 근연종과 높은 서열 유사성을 보였으며, 시판 제품은 단일 종으로 구성된 경우도 있었으나 여러 종이 혼재된 것으로 추정되는 시료 도 확인되었다. 확립된 LC–MS/MS 분석법을 통해 분석된 26개 시료 모두에서 고농도의 solamargine과 solasonine이 검 출된 반면, α-solanine은 22개 시료에서 검출되지 않았고 나 머지 4개 시료에서도 정량한계 이하 수준으로만 검출되었 다. 글리코알칼로이드 함량은 잎과 줄기보다 열매에서 유의 하게 높았으며, 26개 시료 중 23개에서 열매가 포함되어 있 었다. 이러한 결과는 본 연구에서 개발된 LC–MS/MS 분석 법이 시판 까마중 제품의 안전성 평가에 유용함을 시사하 며, 글리코알칼로이드 노출 가능성에 대비하여 열매가 포함 된 제품에 대한 지속적인 모니터링의 필요성을 강조하였다.

본 연구는 선박의 충돌 위험요인을 도출하고, 이를 통합 평가할 수 있는 정량적 지표 체계를 구축하는 것을 목적으로 한다. 대 다수의 충돌위험 평가모델은 공간적 지표에 치중하여 상대속력에 따른 시간적 접근성과 국제해상충돌예방규칙(COLREGs) 기반의 상황적 관계를 반영하는 데 한계가 있었다. 이를 보완하기 위해 선박충돌 위험요인에 대한 연계 분석을 통하여 선박안전영역 중첩률, 조우상황, 상대속력을 핵심 평가지표로 설정하였다. 각 지표의 위험도를 평가지표로 활용하기 위하여 정규화하여 위험도를 산정하고 실무적 타당성 을 확보하고자 전문가 그룹을 대상으로 총점배분법(Constant Sum Method)을 시행하여 정량적 가중치를 산정하였으며, 이를 통합한 위험도 산출 모델인 MTRAS(Maritime Traffic Risk Assessment Based on Weighted Ship Domain)를 설계하였다. 제안된 지표는 기존 방식보다 정밀한 위 험 탐지 성능을 보였으며, 상대속력과 위험도 간의 비선형적 상관관계를 적용하여 모델의 실효성을 강화하였다. 본 연구는 전문가의 직관 적 판단을 정량적으로 체계화하였다는 점에서 차별성을 가지며, 향후 해상교통관제 및 항로 안전성 평가의 핵심 지표로 활용될 것으로 기대된다.

본 연구는 2022 개정 과학과 교육과정에 기반하여 과학학습 종합역량의 개념과 구조를 정립하고, 초·중·고등학 생의 인지적·정의적 역량을 통합적으로 진단할 수 있는 과학학습 종합역량 진단 도구를 개발하는 것을 목적으로 한다. 이를 위해 2022 개정 과학과 교육과정, PISA 과학 평가틀, NGSS, EU 핵심역량 프레임워크, CASEL 사회정서역량 모델 등 국내외 교육과정 및 선행연구를 분석하였다. 또한 현직 과학 교사 15명을 대상으로 초점집단 심층면담(FGI)을 실시하고, 과학교육 및 교육과정·평가 전문가 12명을 대상으로 델파이 조사를 수행하여 현장 요구와 전문가 의견을 수 렴하였다. 분석 결과 과학학습 종합역량을 통합성, 맥락성, 실천성, 발달성의 원리에 기반하여 “학생이 과학적 지식과 개념을 이해하고 탐구적 사고와 문제 해결을 수행하며 사회적·윤리적 맥락에서 책임 있는 판단과 행동을 실천할 수 있 는 총체적 능력”으로 정의하고, 지식·이해, 과정·기능, 가치·태도의 세 영역과 총 16개 하위요인 체계로 구조화하였다. 진단 도구는 초등학교 6학년, 중학교 3학년, 고등학교 1학년을 대상으로 총 92문항(지식·이해 27문항, 과정·기능 35문 항, 가치·태도 30문항)으로 구성하였다. 지식·이해 영역은 Bloom의 인지적 위계를 반영한 Level 기반 구조로 설계하였 으며, 과정·기능 및 가치·태도 영역은 공통 Anchor 문항과 학교급별 차별화 문항을 병행 설계하여 발달 연속척도 (vertical scaling) 구축이 가능하도록 하였다. 전문가 타당도 검증 결과 모든 문항에서 높은 타당도가 확인되었으며, 334 명을 대상으로 한 예비조사에서 지식·이해 영역의 문항-전체 상관(corrected item-total correlation)은 모든 문항에서 0.30 이상으로 나타났다. 또한 Cronbach’s α 계수는 과정·기능 영역에서 0 .87- 0.91, 가치·태도 영역에서 0.85-0.90으로 나타나 진단 도구의 신뢰도가 확보되었다. 본 연구는 2022 개정 과학과 교육과정의 역량 범주를 국제적 역량 프레임워 크와 정렬하여 지식·이해, 탐구 과정, 가치·태도를 통합적으로 진단할 수 있는 발달 연속형 과학학습 역량 평가 틀을 제시하였다는 점에서 학문적·실천적 의의를 지닌다. 향후 전국 단위 대규모 조사를 통한 구성 타당도 검증과 문항반응 이론(IRT) 기반 도구 정교화, 그리고 플랫폼 연계를 통한 컴퓨터 기반 평가(CBT) 체제 구축이 요구된다.

본 연구는 강원특별자치도 고성군에 위치한 산불피해 복원지 소나무림을 대상으로 임목 부위별 바이오매스를 분석하고, 바이오매스 확장계수 (BEF)와 상대생장식을 개발하고자 하였다. 이를 위해, 총 20본의 표본목을 선정·벌채하여 재적과 바이오매스량을 측정하였으며, 흉고직경과 수고를 독립변수로 하는 3가지 상대생장식을 개발하였다. 본 연구결과에 의하면, 줄기밀도는 평균 0.464 g/cm3, 바이오매스 확장계수는 1.524이었으며, 흉고직경이 증가하면서 점차 감소하는 경향을 보였다. 흉고직경 증가에 따른 바이오매스 증가량은 높은 설명력( =0.9501)을 보였으며, 바이오매스 상대생장식에 대한 통계적 적합도를 검증한 결과, 조정결정계수(  )는 ln    ln  ln 식에서 0.9690으로 가장 높게 나타났다. 현장 적용성을 고려하여 흉고직경만을 독립변수로 하는 상대생장식에 대한 95% 예측구간을 추정한 결과, 잎과 가지에서 변동폭이 가장 큰 것으로 나타났다. 본 연구의 결과는 향후 산림복원과 기후변화 대응 정책 수립에 기초자료로 활용될 것이다.

본 연구의 목적은 코칭 현장에서 고객이 경험하는 반복적이고 근원적인 어려 움에 적용 가능한 코칭 접근법을 개발하는 데 있다. 이를 위해 스키마 이론 (Schema Theory)을 이론적으로 고찰하고, 국제코칭연맹(ICF)의 전문적 실천 기준인 핵심 코칭 역량과 통합하여 체계적인 실행 프레임워크를 마련하였다. 본 연구는 개념적 문헌고찰을 바탕으로 개념 분석 절차를 설정하고, 이를 통해 이 론적 통합 논리를 도출하였다. 주요 결과는 다음과 같다. 첫째, 스키마 이론과 ICF 역량을 유기적으로 결합한 ‘SCHEMA 코칭 접근법’을 도출하였다. 본 접근 법은 S(스키마 및 패턴 인식), C(비적응적 신념 재구조화), H(새로운 행동 습관 형성), E(정서적 연결 및 수용), M(변화 과정 점검), A(행동 중심 목표 실행)의 6단계로 구성되며, 단계별 핵심 목표와 코칭 역량의 실행 원리를 명시하였다. 둘 째, 본 연구는 기존 스키마 코칭 연구와 달리 ICF 핵심 역량과 명시적으로 연계 된 전 과정의 통합적 실행 프로세스를 제시했다는 점에서 차별성을 지닌다. 이 러한 결과는 스키마 코칭의 개념적 적용 가능성을 확장하고, 코칭 교육 및 실천 맥락에서 활용 가능한 이론적 틀을 제공할 수 있다는 점에서 의의를 갖는다.

This study proposes a deep learning–based predictive maintenance model for condition monitoring and remaining useful life (RUL) estimation of a 1 kW brushless DC (BLDC) motor. Multi-sensor signals, including vibration (10 kHz), current (20 kHz), and surface temperature (10 Hz), were acquired under six health conditions: normal, bearing outer race fault (BPFO), bearing inner race fault (BPFI), unbalance, misalignment, and stator insulation degradation. To jointly exploit spatial patterns and temporal degradation behaviors, a hybrid CNN–LSTM model with a multi-task learning framework was developed to perform 6-class fault classification and RUL regression simultaneously. Experimental results on the constructed BLDC motor dataset show that the proposed model achieves a classification accuracy of 95.8%, outperforming conventional SVM and 1D-CNN baselines (85.2% and 90.7%, respectively). In addition, the proposed method significantly reduces RUL prediction error, yielding an RMSE of 9.6 and an MAE of 6.8, which corresponds to approximately 39% improvement over a single LSTM-based regression model. These results demonstrate that the proposed CNN– LSTM multi-sensor fusion framework is effective for intelligent condition monitoring and predictive maintenance of BLDC motor systems, and it can be extended to a wide range of rotating machinery applications.