The seismic performance of lead-rubber bearings (LRBs) is significantly affected by both the axial force and loading rate they experience. Accurate assessment of LRBs’ seismic performance, therefore, requires realistic simulation of these forces and rates, as well as of the response of the isolated structure during seismic events. This study conducted a series of real-time hybrid simulations (RTHS) to evaluate the seismic behavior of LRBs in such conditions. The simulations focused on a two-span continuous bridge isolated by LRBs atop the central pier, exposed to horizontal and vertical ground motions. In the RTHS framework, the LRBs were physically tested in the laboratory, while the remainder of the bridge was numerically modeled. Findings from these simulations indicated that the vertical ground motion had a minimal effect on the lateral response of the bridge when isolated by LRBs.

This study examined the feeding behavior and growth performance of 31 Hanwoo steers (10 months old; 278 ± 36.13 kg) within a precision livestock farming system using Roughage Intake Control (RIC) units for real-time data collection. Feeding behavior traits were derived from RIC database data using R software, with subsequent analysis conducted using SAS software. The results indicated that the steers visited the feed stations every 31.12 ± 11.99 minutes, averaging 11 ± 3.37 visits/day. Each feeding session lasted an average of 5.90 ± 1.55 minutes, resulting in a feed intake rate of 77.98 ± 22.53 g/min. Mean daily feed intake was 4.76 ± 1.36 kg, and body weight increased consistently, reaching an average of 412 ± 43.44 kg, with an average daily gain (ADG) of 1.26 ± 0.38 kg. Pearson correlation analysis revealed a strong relationship between daily feed intake and visit duration (r² = 0.621; p < 0.01) and an inverse correlation between daily feed intake and feed intake duration (r² = −0.445; p < 0.05), indicating behavioral adaptation. These findings highlight the importance of monitoring feeding behavior traits concerning growth performance, enhancing our understanding of individual animal behavior and its implications for productivity while emphasizing the role of advanced technologies in optimizing feed utilization in confined livestock systems.

Bearing-shaft systems are essential components in various automated manufacturing processes, primarily designed for the efficient rotation of a main shaft by a motor. Accurate fault detection is critical for operating manufacturing processes, yet challenges remain in sensor selection and optimization regarding types, locations, and positioning. Sound signals present a viable solution for fault detection, as microphones can capture mechanical sounds from remote locations and have been traditionally employed for monitoring machine health. However, recordings in real industrial environments always contain non-negligible ambient noise, which hampers effective fault detection. Utilizing a high-performance microphone for noise cancellation can be cost-prohibitive and impractical in actual manufacturing sites, therefore to address these challenges, we proposed a convolution neural network-based methodology for fault detection that analyzes the mechanical sounds generated from the bearing-shaft system in the form of Log-mel spectrograms. To mitigate the impact of environmental noise in recordings made with commercial microphones, we also developed a denoising autoencoder that operates without requiring any expert knowledge of the system. The proposed DAE-CNN model demonstrates high performance in fault detection regardless of whether environmental noise is included(98.1%) or not(100%). It indicates that the proposed methodology effectively preserves significant signal features while overcoming the negative influence of ambient noise present in the collected datasets in both fault detection and fault type classification.

안정적이고 효율적인 수자원 공급을 보장하는 것은 가정, 산업, 공공 보건 분야 복지에 필수적이다. 상수도 시스템에서 이상을 감지하기 위해 데이터 모델, 수리 모델 기반 시뮬레이션 등 다양한 접근 방식을 통해 이상감지 역량이 꾸준히 향상되어 왔으나, 현장 적용 및 검증에 한계가 있어 실질적인 활용은 폭 넓게 이루어지지 못하고 있다. 실제 적용 가능한 이상감지 시스템 측면에서, 본 연구에서는 유량 및 압력 계측 데이터를 활용하여 시스템 내 이상 발생을 신속하게 감지하고 개략적인 위치를 파악하기 위한 실시간 이상감지 및 탐색 모델을 제안하였다. 제안된 모델은 유량수지 분석, 유량-수두손실 관계, EPANET 기반 수리 해석 방법을 통합하여 이상 감지 및 위치 파악의 정확성을 개선시키고자 하였다. 현장 실험 결과, 제안된 모델은 높은 신뢰도에서 시스템 내 이상유량의 발생을 효과적으로 감지하고, 발생 구간을 파악할 수 있는 것으로 나타났다. 본 연구 성과는 시스템의 실시간 이상 감지 및 운영관리를 위한 실효성 있는 접근 방식을 제공함으로써 상수도 시스템의 지속 가능하고 회복력 있는 운영관리에 기여할 것으로 기대된다.

This study was conducted to efficiently manage THC, which was previously managed only through self-measurement. Using Selected Ion Flow Tube Mass Spectrometers, a real-time air quality measurement device, VOCs were measured in five industrial complexes, and methyl ethyl ketone was measured at the highest concentration in the industrial complexes. THC measurements were conducted at business sites located in the area. As a result of the measurements, printing processes, drying processes, etc. exceeded the emission standard of 110 ppm in three processes, and the outlets that exceeded the emission standard were instructed to improve prevention facilities such as activated carbon replacement, thereby reducing highconcentration VOC emissions. The results of the study suggest that if inspection agencies measure VOCs in real time and conduct Total Hydro Carbon measurements, etc. mainly in high-concentration areas, VOCs and Total Hydro Carbon, which are the causes of greenhouse gases and odors, can be efficiently reduced.

This study proposes a method to evaluate the publicity of real-time, demand-responsive, autonomous public-transportation systems. By analyzing real-time data collected based on publicity evaluation indicators suggested in previous research studies, this study seeks to establish a system that objectively assesses the publicity of public transportation. Thus, the introduction of autonomous public transportation systems is expected to contribute to solving problems in underserved transportation areas and enable more sophisticated public transportation operations. We reviewed evaluation indicators proposed in previous studies. Based on this review, publicity evaluation indicators were derived and specific criteria were selected to assess systematically the publicity of autonomous public transportation. An AHP analysis was conducted to assess the relative importance of each indicator by analyzing the importance of the selected indicators. Additionally, to score the indicators, minimum and maximum target values were established, and a method for assigning scores to each indicator was examined. The most important factor in the publicity evaluation of autonomous demand-responsive transport (DRT) was the “success rate of allocation to weak public transportation service areas,” with a significance level p of 0.204. This was analyzed as a key evaluation criterion because of the importance of service provision in areas with low-public-transportation accessibility. Subsequently, “Accessing distance to a virtual station” (p = 0.145) was evaluated as an important factor representing the convenience of the service. “Waiting time after allocation” (p = 0.134) also appeared as an important evaluation factor, as reducing waiting time considerably affected service quality. Conversely, “compliance rate of velocity” yielded the lowest significance (p = 0.017), as speed compliance was typically guaranteed owing to autonomous driving technology. This study proposed a specific evaluation method based on publicity indicators to provide a strategic direction for improving services and enhancing the publicity of autonomous DRT systems. These results can serve as a foundational resource for improving transportation services in underserved areas and for enhancing the overall quality of public transportation services. However, the study’s limitation was its inability to use real-time autonomous public transportation data, relying instead on I-MoD data from Incheon. This limitation constrained the ability to establish universal benchmarks because data from various municipalities were not included. Future research should collect and analyze data from diverse regions to establish more reliable evaluation indicators.

폭풍해일 및 너울과 같은 고파랑으로 인해 발생되는 월파는 심각한 연안 침수 위험을 초래하며, 연안 시설과 주민의 안전을 위해 정확한 예측이 필요하다. 본 연구는 수치적, 경험적, 신경망, 그레디언트 부스팅(gradient boosting) 및 컴퓨터 비전 기반 모델들을 사용 하여 해안선 인근의 파고와 월파량을 포함한 월파 특성을 조사하였다. 동해안을 대상으로 한국 기상청(KMA), 일본 기상청(JMA), 미국 국 립환경예측센터(NCEP), 유럽 중기기상예보센터(ECMWF)의 기상데이터를 사용하여 ADCIRC 모델과 SWAN 모델을 결합하여 파고를 계산 하였다. 월파 감지용 CCTV가 설치된 동해안의 삼척항을 대상지역으로 선정하였다. CCTV에서 촬영된 영상들을 YOLO를 사용하여 분석하 였으며, 화면 내의 처오름 현상을 감지하였다. 수치모형의 성능은 예측된 파도 특성과 관측값을 비교하여 정성적, 정량적 측정을 통해 평 가하였다. 수치모형의 성능은 파고 예측에서 우수한 것으로 분석되었으며, 태풍과 비태풍 조건에서 파고는 각각 0.60m와 0.44m의 최소 RMSE이고 주기는 각각 1.68m와 1.84m의 RMSE로 분석되었다. 본 연구결과에 의하면 실시간 모니터링은 월파 특성에 대한 신뢰할 수 있는 예측 가능성을 가진다. 실시간 모니터링은 해안지역 보호를 위한 신속한 위험 평가 및 실시간 경보 제공에 활용될 수 있다.

본 논문에서는 건설 현장 관리의 과제를 다루고 IoT 기술 활용을 위한 기술 적용에 대해 정리하였다. 도로 포장 장비의 유휴 시간을 모니터링하는 IoT 장치를 설계 및 구현하여 효율적인 장비 관리 시스템을 개발하는 것을 목표한다. 또한, 본 연구에서는 통신방식 선 정, 사용자 친화적인 플랫폼 설계, 데이터 수집 및 분석을 위한 진동센서 기반 IoT 디바이스 개발을 통한 실시간 관리에 중점을 두고 있다. 플랫폼을 통해 공사현황을 실시간으로 모니터링하고 장비 유휴시간을 관리해 효율성을 높일 수 있으며, IoT 디바이스는 90% 이 상의 데이터 정확도를 보장한다. 현장 테스트를 통해 장비 사용 추적 효과가 확인되어 보다 효율적인 건설 관리에 기여하고자 한다.

본 연구는 2017년부터 2021년까지 고속도로에서 발생한 약 9,600건의 사고를 분석하여 자율주행 긴급차량의 신속한 대응 능력을 향 상시키고자 하였다. 조사 결과, 2차 사고가 전체 사망자의 16.8%를 차지하며, 이들 중 약 74%가 선행사고와 관련이 있다는 점이 강조 된다. 이러한 통계는 긴급차량의 신속한 대처 능력이 피해를 최소화하는 데 얼마나 중요한지를 보여준다. 연구에서는 사고의 영향권을 정의하고, 이를 기반으로 긴급차량이 보다 안전하고 효율적으로 사고 현장에 접근할 수 있도록 하는 알고리즘을 개발하였다. 실제 교 통사고 데이터를 활용하여 사고 지속 시간과 다양한 변수를 고려한 기초 분석을 실시하였으며, 도로 특성, 사고 종류, 점유 차로 등 여러 요소를 반영하여 대응 기준을 설정했다. 알고리즘은 자율주행 차량이 실시간으로 주변 정보를 수집하고 신속하게 대응 방안을 마련할 수 있도록 설계되었다. 향후 연구에서는 알고리즘의 실제 도로 환경에서의 적용 가능성을 검토하고, 다양한 변수들을 포함한 추가 연구를 통해 성능을 더욱 개선할 계획이다. 이러한 연구 결과는 교통사고로 인한 피해를 줄이는 데 기여하고, 자율주행 기술을 활용하여 2차 사고의 가능성을 감소시키는 데 중요한 역할을 할 것으로 기대된다.

기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.

실시간 온라인 게임 서버에서의 게임 상태 동기화는 중요한 문제이며, 기존 동기화 방식은 상황 에 따라 성능이 변동하는 한계가 있다. 본 연구에서는 이를 해결하기 위해 하이브리드 동기화 방 식을 제안한다. 클라이언트 간 거리가 가까울 때는 Lockstep 방식을, 멀 때는 서버 동기화 방식 을 사용하여 일관성과 가용성을 모두 만족시킨다. 술래잡기 게임에서 하이브리드 방식을 적용한 결과, 기존 방식보다 최대 74.6% 향상된 위치 일관성과 23.6% 감소된 응답시간을 달성했다.

This study investigated the characteristics of personal PM2.5 exposure among 109 participants residing in Seoul over a two-month period, from February 2024 to April 2024. The participants were categorized into four sub-populations, and personal exposure to PM2.5 was assessed using portable monitors, GPS, and time-activity diaries. To understand the time-activity patterns, the daily occupancy rate for different microenvironments was calculated. Additionally, daily PM2.5 exposure contribution and integrated exposure were quantified. A time series analysis was conducted to identify differences in time-activity patterns and PM2.5 exposure among the sub-populations. ANOVA analysis indicated statistically significant differences in PM2.5 concentrations across populations and microenvironments (p<0.05). However, post-hoc analysis revealed specific microenvironments within certain sub-populations where PM2.5 concentration differences were not significant (p>0.05). All sub-populations spent more than 90% of their time indoors, and the results for exposure contribution and integrated exposure indicated that the home, which had the highest occupancy rate, was the most significant contributor to PM2.5 exposure. This study is expected to serve as foundational data for future indoor air quality management and the development of personalized strategies for reducing PM2.5 exposure.

본 연구에서는 노인의 건강 증진 및 건강 유지를 위해 노인 맞춤형 운동 애플리케이션 개발을 목표로, 스마트폰을 활용한 실시간 동작 추적 기술과 영상과 사진을 바탕으로 한 AI 학습을 통 해 단계별 동작 인식과 판단이 가능한 운동 동작 모델을 구현하였다. 노인 맞춤형 운동 애플리 케이션은 실시간 피드백을 지원하고, 노인의 운동 능력과 신체 가동 범위에 적합하게 단계적 운동이 가능하도록 구현되어야 할 것이다. 이를 위해 본 논문에서는 골포스트 스퀴즈(Goal Post Squeeze) 운동 동작을 대상으로 하여 이를 일련의 단위 동작으로 설계하고, MoveNet 포 즈 추정 기법을 기반으로 동작 인식 모델을 개발하였다. 구현한 운동 동작 모델에 대한 작동 실험 결과 단계별 데이터 인식과 판단, 정동작과 오동작 판단, 수평유지를 판단하고 이를 바탕 으로 사용자에게 실시간 피드백을 제공할 수 있음을 확인하였다.

In recent automated manufacturing systems, compressed air-based pneumatic cylinders have been widely used for basic perpetration including picking up and moving a target object. They are relatively categorized as small machines, but many linear or rotary cylinders play an important role in discrete manufacturing systems. Therefore, sudden operation stop or interruption due to a fault occurrence in pneumatic cylinders leads to a decrease in repair costs and production and even threatens the safety of workers. In this regard, this study proposed a fault detection technique by developing a time-variant deep learning model from multivariate sensor data analysis for estimating a current health state as four levels. In addition, it aims to establish a real-time fault detection system that allows workers to immediately identify and manage the cylinder’s status in either an actual shop floor or a remote management situation. To validate and verify the performance of the proposed system, we collected multivariate sensor signals from a rotary cylinder and it was successful in detecting the health state of the pneumatic cylinder with four severity levels. Furthermore, the optimal sensor location and signal type were analyzed through statistical inferences.

As the size of the gaming market continues to grow, game engines like Unity and Unreal are constantly being developed and updated for multi-platform support. In particular, Unity divides the Render Pipeline to be used. Among them, the Universal Render Pipeline (URP) has the advantage of supporting various platforms while improving performance by reducing draw calls and batches at the same quality settings and reducing the load on the CPU and GPU. However, only limited global illumination is supported in the real-time 3D rendering area within URP, such as Baked GI and Enlighten GI, and Enlighten GI will be deprecated after 2024LST, so real-time global illumination is not available in URP, which may reduce the realism and immersion of global illumination in games or applications that use URP. The main objective of this research is to incorporate precomputed spherical harmonics into URP to enable dynamic GI updates in real-time. The approach proposed in this research is to compute the coefficients of spherical harmonics offline and then run them within the URP rendering pipeline, where work exists to effectively simulate dynamic lighting conditions. To demonstrate this, experiments were conducted by changing the rotation and color of the lights, and a comparative analysis was performed to demonstrate the effectiveness of the theory proposed in this work.

이 글은 내가 최근에 종이 위에 작업한 작품들의 개요를 보여주는 데 목적이 있다. 이를 통해 작품들에서의 터치, 시간, 운동의 모든 측면과, 제작 과정과 관람 경험에 대한 발견을 전반적으로 제공하고자 한다. 나는 2022년의 대형 드로잉 작업 <목욕하는 사람들 I>과 2023년의 새로운 디지털 비디오 <그림자 속의 어떤 빛>에서 번역과 변환에 집중하고 있는 데, 손으로 들고 촬영하는 방식으로 터치, 시간, 운동의 요소들이 아이폰 카메라에 어떻게 반영되는지를 보여주기 위해서다. 이때 다양한 해상도와 프레임 속도의 사용은 후반 작업에 서 영상의 속도를 늦추는 방식과 결합하여 새로운 등가물을 만들어 내게 된다. 나는 갤러리 에서의 관람객들의 실시간 시청 경험을 고려하고 탐색하기 위해 스튜디오에서의 활동 결과 를 병렬하고 기록하는 촬영 관행도 개발하였다. 이는 특히 커다란 포맷의 네거티브 이미지 아날로그 사진들을 이용하여 손으로 만든 작품을 치환하는 것을 탐구한 나의 초기 실습을 통해서 맥락화된 결과이다. 나는 또한 이 글에서 19세기 후반의 사진, 광학, 회화의 발전, 특히 조르주 쇠라의 점묘법 작품과 나의 현재 작업 사이의 연관성에 대해 논의했다.

Water utilities are making various efforts to reduce water losses from water networks, and an essential part of them is to recognize the moment when a pipe burst occurs during operation quickly. Several physics-based methods and data-driven analysis are applied using real-time flow and pressure data measured through a SCADA system or smart meters, and methodologies based on machining learning are currently widely studied. Water utilities should apply various approaches together to increase pipe burst detection. The most intuitive and explainable water balance method and its procedure were presented in this study, and the applicability and detection performance were evaluated by applying this approach to water supply pipelines. Based on these results, water utilities can establish a mass balance-based pipe burst detection system, give a guideline for installing new flow meters, and set the detection parameters with expected performance. The performance of the water balance analysis method is affected by the water network operation conditions, the characteristics of the installed flow meter, and event data, so there is a limit to the general use of the results in all sites. Therefore, water utilities should accumulate experience by applying the water balance method in more fields.