The road surface condition in winter is important for road maintenance and safety. To estimate the road surface condition in winter, the RWIS(Road Weather Information System) is used. However RWIS is not measured the continuous road surface information but measured the locational road surface information. To overcome the current RWIS limitation, the thermal mapping sensor which can collect the road surface condition employed in some countries. Although the thermal mapping sensor can collect the continuous road surface information, it is difficult to collect vast data due to apply few probe car. This study suggests a specific methodology for the prediction of road surface temperature using vehicular ambient temperature sensors and collect road surface and vehicular ambient temperature data on the defined survey route in 2015 and 2016 year, respectively. To find out the correlation between road surface and ambient temperature which may affect patterns of road surface temperature variation, the various weather and topographical conditions along with the test route were considered. For modelling, all types of collected temperature data should be classified into response and predictor before applying a machine learning tool such as MATLAB. In this study, collected road surface temperature are considered as response while vehicular ambient temperatures defied as predictor. Through data learning using machine learning tool, models were developed and finally compared predicted and actual temperature based on average absolute error. According to comparison results, model enables to estimate actual road surface temperature variation pattern along the roads very well. Model III is slightly better than the rest of models in terms of estimation performance. When correlation between response and predictor is high, when plenty of historical data exists, and when a lot of predictors are available, estimation performance of would be much better.

PURPOSES: This study develops various models that can estimate the pattern of road surface temperature changes using machine learning methods. METHODS : Both a thermal mapping system and weather forecast information were employed in order to collect data for developing the models. In previous studies, the authors defined road surface temperature data as a response, while vehicular ambient temperature, air temperature, and humidity were considered as predictors. In this research, two additional factors-road type and weather forecasts-were considered for the estimation of the road surface temperature change pattern. Finally, a total of six models for estimating the pattern of road surface temperature changes were developed using the MATLAB program, which provides the classification learner as a machine learning tool. RESULTS: Model 5 was considered the most superior owing to its high accuracy. It was seen that the accuracy of the model could increase when weather forecasts (e.g., Sky Status) were applied. A comparison between Models 4 and 5 showed that the influence of humidity on road surface temperature changes is negligible. CONCLUSIONS: Even though Models 4, 5, and 6 demonstrated the same performance in terms of average absolute error (AAE), Model 5 can be considered the optimal one from the point of view of accuracy.

본 연구에서는 2016년 8월 해역(서해, 남해, 동해)별로 기온에 따른 수온의 반응 및 지연시간을 연구하였다. 사용된 1시간 간 격의 자료는 국립수산과학원에서 제공하는 8개 지점 해역별 수온자료와 수온관측소 인근 8개 지점 기상청 AWS 기온자료를 이용하였 다. 내삽법을 이용하여 관측되지 못한 자료값을 계산하였고, FIR Filter를 이용하여 조류 및 일변화 영향을 제거하여 자료의 주기성을 파 악하였다. 남해 2 지점은 기온과 수온이 유사한 주기성을 가졌으며, 0.8의 높은 상관계수와 약 50시간의 지연시간을 나타냈다. 서해 4 지점은 얕은 수심과 조석차로 인해 기온변화에 따른 수온의 지연시간이 약 12시간으로 반응시간이 다른 해역에 비해 빨랐다. 동해는 해안지형에 따른 환경적 요인과 깊은 수심으로 인해 기온과 수온의 상관성을 보이지 않았다. 본 연구를 통해 AT-SST 간의 지연시간을 파악함으로써 양식생물의 피해를 최소화 하는데 기여할 것이고, 수산업에서의 폭염 피해에 대한 신속한 대응 체계가 마련될 것이라 기 대한다.

2011~2012년 보령연안 수온의 시공간적 변동특성을 장기 연속수온관측 자료를 이용하여 분석하였다. 수온은 반일 또는 일일의 단주기 변동이 전 계절에 탁월하고 그 진폭은 하계와 춘계에 크고 추계에 작다. 수온과 기온의 연변동 진폭은 기온 12.9℃, 수온 10.9℃로 기온이 더 크며, 연변동 최고위상은 기온 8월 2일, 수온 8월 22일로 기온이 20일 앞선다. 수온의 연변동 진폭은 원산도와 대천항 연안에서 가장 크다. 수온변동 중 일일주기는 대천항과 무창포항, 반일주기는 원산도 주변 협수로에서 탁월하며, 대천천 하구는 천해조 비율이 높 다. 표층수온과 기온은 대체로 풍향 변동에 따라 변동한다. 하천수가 방출되면 수온은 상승 후 하강 또는 하강 후 상승한다. 수온 탁월주 기는 0.5일, 1.0일, 15일 주기와 7~10일 전후이다. 수온변동특성에 따라 해역을 분류하면 ①원산도 남동연안의 혼합수역 ②삽시도~용도, 장 고도~삽시도, 장고도~안면도 남쪽의 서쪽 외해수역 ③용도~독산의 남쪽 외해수역 ④송도~대천항~무창포항의 조간대 연안수역으로 구분 된다.

In this study, two Fe-30Mn-0.2C-(1.5Al) high-manganese steels with different surface conditions were hydrogencharged under high temperature and pressure; then, tensile testing was performed at room temperature in air. The yield strength of the 30Mn-0.2C specimen increased with decreasing surface roughness(achieved via polishing), but that of the 30Mn-0.2C- 1.5Al specimen was hardly affected by the surface conditions. On the other hand, the tendency of hydrogen embrittlement of the two high-manganese steels was not sensitive to hydrogen charging or surface conditions from the standpoints of elongation and fracture behavior. Based on the EBSD analysis results, the small decrease in elongation of the charged specimens for the Fe-30Mn-0.2C-(1.5Al) high-manganese steels was attributed to the enhanced dislocation pile-up around grain boundaries, caused by hydrogen

PURPOSES:This study suggests a specific methodology for the prediction of road surface temperature using vehicular ambient temperature sensors. In addition, four kind of models is developed based on machine learning algorithms.METHODS:Thermal Mapping System is employed to collect road surface and vehicular ambient temperature data on the defined survey route in 2015 and 2016 year, respectively. For modelling, all types of collected temperature data should be classified into response and predictor before applying a machine learning tool such as MATLAB. In this study, collected road surface temperature are considered as response while vehicular ambient temperatures defied as predictor. Through data learning using machine learning tool, models were developed and finally compared predicted and actual temperature based on average absolute error.RESULTS:According to comparison results, model enables to estimate actual road surface temperature variation pattern along the roads very well. Model III is slightly better than the rest of models in terms of estimation performance.CONCLUSIONS :When correlation between response and predictor is high, when plenty of historical data exists, and when a lot of predictors are available, estimation performance of would be much better.

In this study, we designed the 3-dimensional tire mold according to the A automobile company’s tire model, and analysed the distribution of temperature of mold using the numerical method when the heat flux and heat transfer time at the surface of tire mold were changed. A analysis region of mold was the 1/16 of entire mold, and the grid number was about more than 880 thousand. In order to analyze the temperature change of mold, the thinnest part of the mold was chosen as the research object, and then the temperature of 6 points on the vertical downward direction of the thinnest part was analyzed with the time change. While the numerical condition was that heat flux was 321,200 W/m2, 440,000 W/m2 and 880,000 W/m2, and measuring time was 0.1 second, 0.2 second, 0.5 second and 1 second, respectively. As a result, the temperature difference between the surface temperature and the lowest temperature of mold was 7.3℃ when the heat transfer time was 0.1 second. Also, the minimum temperature difference was almost 0.11℃ when the heat transfer increased to 1 second. It can be explained that the main material of tire mold was aluminum and its thermal conductivity was high (k=140 W/m·K). In addition, when the heat transfer time was more than 1 second, the heat flux of mold surface will be transmitted at the inside of the thinnest part, and the heat transfer will be a marked difference according to the shape of the thinnest part.

PURPOSES: This study evaluates the reliability of the patterns of changes in the road surface temperature during winter using a statistical technique. In addition, a flexible road segmentation method is developed based on the collected road surface temperature data. METHODS: To collect and analyze the data, a thermal mapping system that could be attached to a survey vehicle along with various other sensors was employed. We first selected the test route based on the date and the weather and topographical conditions, since these factors affect the patterns of changes in the road surface temperature. Each route was surveyed a total of 10 times on a round-trip basis at the same times (5 AM to 6 AM). A correlation analysis was performed to identify whether the weather conditions reported for the survey dates were consistent with the actual conditions. In addition, we developed a method for dividing the road into sections based on the consecutive changes in the road surface temperature for use in future applications. Specifically, in this method, the road surface temperature data collected using the thermal mapping system was compared continuously with the average values for the various road sections, and the road was divided into sections based on the temperature. RESULTS : The results showed that the comparison of the reported and actual weather conditions and the standard deviation in the observed road surface temperatures could produce a good indicator of the reliability of the patterns of the changes in the road surface temperature. CONCLUSIONS: This research shows how road surface temperature data can be evaluated using a statistical technique. It also confirms that roads should be segmented based on the changes in the temperature and not using a uniform segmentation method.

진주만해역 수온의 시공간적 변동특성을 장기 연속수온관측 자료를 이용하여 분석하였다. 수온은 1월 말 최저, 8월 초 최대이고 만 북쪽이 중앙과 남쪽보다 계절변동이 작다. 하계 최고수온의 최저와 최고는 지족수로 주변에 출현한다. 노량수로와 대방수로는 조류 유·출입에 따른 수층 간 연직혼합으로 수온변동이 작다. 외해수 영향이 작은 만 남쪽은 동계 해면냉각과 하계 가열에 의한 변동이 현저하다. 바람은 대방수로 주변이 강해 조류와 함께 이 해역 표층의 혼합정도에 큰 영향을 준다. 만내수온이 균일하게 낮고 소조기 서풍이 강해져 노량수로에 동쪽방향 항류가 출현할 때 만 북쪽 해역에 난수가 유입되는 양상을 보여준다. 노량수로 해역은 7~20일의 장주기, 창선도 서쪽과 지족수로는 장주기와 반일주기, 만 중앙은 장주기와 일일주기 수온변동이 우세하다. Coherence 분석결과, 노량수로의 수온변동은 만 내 정점과 상관성이 크고 위상이 앞서나 대방수로보다는 느리다. 대방수로의 수온변동은 만 서쪽과 중앙 일부에 영향을 준다. 상호상관계수분석으로 진주만은 노량수로역, 만 북쪽 수렴발산역, 대방수로역, 창선도연안수역, 만 중앙혼합수역, 만 중앙내 만수역으로 분류되었다.

본 연구에서는 동해 연안정지관측 8개 지점(감포, 울기, 장기갑, 포항, 죽변, 동해(묵호), 주문진, 속초)에서 43년(1971-2013)간 조사한 표층수온을 이용하여 지역별 수온의 유사도에 따른 군집분석과 수온의 장기 변화를 살펴보았다. 수온의 유사도에 의한 군집분석 결과, 본 연구지역은 크게 그룹 A(동해, 주문진, 속초)와 그룹 B(감포, 울기, 장기갑, 포항, 죽변)로 구분되었다. 여기서 A 그룹의 속초와 B 그룹의 죽변, 포항, 감포를 중심으로 한 수온과 수온편차의 장기 변화에서 수온은 10년 규모의 변동을 보였다. 각 지역별 수온은 43년간 증가 경향을 보였고, 1988년을 기준으로 고수온기와 저수온기로 구분되었다. 각 지역에서 43년간 수온은 속초가 2.26℃, 죽변이 1.99℃, 포항이 1.11℃, 감포는 0.89℃ 각각 증가하였고, 지역적으로는 동해 남부에서 북부로 갈수록 수온의 증가 속도가 크게 나타났다. 계절별 수온의 증가는 추계와 동계의 경우 속초>죽변>포항>감포의 순이었고, 춘계와 하계는 죽변>속초>포항>감포의 순으로 나타났다.

본 연구는 단일 입력 전이함수모형(Single-input transfer function model)을 적용하여 여수연안 2010년의 월평균 표면수온의 예측을 시도하였다. 전이함수모형을 수립하기 위한 입력시계열과 출력시계열은 각각 여수지방의 10년(2000-2009년)간의 월평균 기온자료와 표면수온자료를 이용하였다. 전이함수모형을 수립하기 위하여 입·출력 시계열을 사전백색화하고, 입·출력 시계열간의 각 시차에 대한 교차상관함수를 결정하였다. 교차상관함수는 음의 모든 시차에서 유의한 값을 갖지 않아 기온과 표면수온사이는 일방적 인과관계를 보였다. 또한 교차상관함수의 시차 0과 1에서 유의한 값을 보였다. 이러한 교차상관함수의 특징에 따라 입·출력시계열간 전이함수의 시차와 분모 및 분자의 차수(b, r, s)는 (0, 1, 0)으로 식별되었다. 구축된 전이함수모형에 따르면 기온과 표면수온 사이의 시차는 존재하지 않았다. 여기서 현재의 표면수온은 1개월 전의 표면수온과 선형관계가 있음을 보였으며, 잡음모형은 ARIMA(1,0,1)(2,0,0)12로 식별되었다. 전이함수모형에 의한 월평균 표면수온의 예측치는 실측치에 비하여 전반적으로 0.3-1.3℃ 높은 경향을 보였으며, 6.4 %의 평균절대백분율 오차를 포함하였다. 이러한 결과는 8.3 %의 평균절대백분율오차를 보인 ARIMA 모형에 비하여 향상된 예측성능을 보이는 것이며, 표면 수온의 시계열적 예측을 시도할 경우, ARIMA 모형보다 전이함수모형의 적용을 통하여 그 예측성능의 개선 가능성을 기대할 수 있음을 시사하고 있다.

최근 기후에 대한 관심이 증가하면서 전국단위 뿐만 아니라 지역 단위에서도 기후 지도가 필요하게 되었다. 본 연구에서는 기상청에서 제공하고 있는 무인자동 기상관측장비(AWS) 자료와 LANDSAT 8호 열적외선 영상을 이용하여 지상 기온 분포도를 제작하는 과정을 제시하였다. 지상 기온 분포도 제작을 위하여 기존에 사용되었던 AWS 자료의 공간 보간 기법, 열적외선 영상으로 부터 지표 온도 추출 기법, AWS 자료와 위성영상을 이용한 지상 기온 추출 기법을 비교하고, 지상 기온 분포도에 적합한 지도 제작 기법을 파악하였다. 본 연구의 결과 지상 기온 분포도 제작을 위해 AWS 자료와 위성영상을 이용한 지상 기온 추출 기법이 가장 적합한 것으로 나타났다. 본 연구에서 제시한 과정을 통하여 다양한 지역단위의 기후 지도를 제작할 수 있을 것으로 예상된다.

PURPOSES: The purpose of asphalt pavement reducing surface temperature by using Pipe cooling system is to make pleasant city life environment. METHODS: We considered building condition to lay the pipes under asphalt pavement and figured out that temperature reducing effect with pipe cooling system. In addition, we guessed rutting through wheel tracking test with a laid the pipes under asphalt mixture and performed fatigue cracking through a flexural fatigue test for performance evaluation of pipe cooling system. RESULTS: When pipe cooling system worked, the temperature of pavement model reduced quickly in test. The system can turn down the degree by 4 or 5 quickly as well. It didn't affect rutting to lay the pipes under the pavement, but it can get damaged to asphalt pavement in early stage by the result of performance evaluation. CONCLUSIONS: We figured out that pipe cooling system can turn down the temperature of aspalt pavement surface through tests. We suggest that pipe cooling system should be considered one of the effective way to solve urban heat island problem.

The trends of sea surface temperature (SST) variations derived from NOAA satellite data in the Northeast Asian Waters (NAW) were quantified using NOAA satellite data for 19 years (1990~2008). The annual mean SSTs were generally increased in the NAW. However, the SST was decreased in some areas of the East Sea in the NAW. The areas in the East Sea were coincided with the same places which SST was decreased in winter season. The annual amplitudes of SST were increased in the northern parts of the East China Sea, the Korean Straits and the southwestern parts of the East Sea. However, the annual amplitudes of SST were decreased in the other waters. The SST was increased in the southwestern parts of the Yellow Sea in winter but it was decreased in summer season for 19 years (1990~2008). The SST variations in the northwestern parts of the East Sea (NWES) in summer and winter seasons were increased at the same period of time for 19 years (1990~2008). The rates of SST rise in the NWES in winter were higher than those of summer season. Therefore, the annual amplitude in the NWES was decreased.