Earticle

본 연구는 경찰교통에서의 효과적 ChatGPT 활용 방안 도출을 위한 사전 연구로서 운전면허 학과시험과 도로교통 사고감정사 시험에 대한 ChatGPT의 응답을 분석하였다. ChatGPT가 뛰어난 성능과 접근성으로 여러 분야에서 기대를 받고 있으나 경찰 교통법규와 같이 고도의 정확성이 요구되는 분야에서는 사전에 그 성능과 한계를 탐색할 필요가 있다. 이에 본 연구에서는 운전면허 학과시험 문제은행과 도로교통사고감정사 1차 시험을 대상으로 파이썬 코드로 OpenAI API 를 이용해 30회의 반복 실험으로 ChatGPT의 응답을 수집하고 응답 결과를 바탕으로 시험별·연도별·내용 영역별 정답률, 일관성 능력을 분석하였다. 분석 결과 첫째, 운전면허 학과시험 및 도로교통사고감정사 1차 시험의 평균 정답률은 각 44.60%, 35.45%로 합격기준보다 낮았다. 연도별로는 2022년 이후 정답률이 평균 정답률을 하회했다. 둘째, 영역별 정답률 은 29.69%~56.80%로 나타나 큰 편차를 보였다. 셋째, 정답을 맞힌 경우 95% 이상 일관되게 같은 응답을 출력하였다. ChatGPT의 효과적 활용을 위해서는 사용자의 전문 지식, 평가 데이터 및 방법 마련, 양질의 교통법규 말뭉치 설계와 주기 적 학습이 필요하다고 판단된다.

This study conducted preliminary study to identify effective ways to use ChatGPT in traffic policing by analyzing ChatGPT's responses to the driver's license test and the road traffic accident appraiser test. I collected ChatGPT responses for the driver's license test item pool and the road traffic accident appraiser test using the OpenAI API with Python code for 30 iterative experiments, and analyzed the percentage of correct answers by test, year, section, and consistency. First, the average correct answer rate for the driver's license test and the for road traffic accident appraisers test was 44.60% and 35.45%, respectively, which was lower than the pass criteria, and the correct answer rate after 2022 was lower than the average correct answer rate. Second, the percentage of correct answers by section ranged from 29.69% to 56.80%, showing a significant difference. Third, it consistently produced the same response more than 95% of the time when the answer was correct. To effectively utilize ChatGPT, it is necessary to have user expertise, evaluation data and analysis methods, design a quality traffic law corpus and periodic learning.

최근 사람이 많이 모이는 극장에서 갑자기 화재가 나서, 대피로를 찾지 못한 많은 사람들이 뒤엉켜 다치고 연기를 마시어 질식하는 등 대형 화재 사고가 있었다. 젊은 사람이 대부분인 상황에도 대피하지 못하였는데 만약 노약자였다면 더 큰 인명피해로 이어질 수 있었다. 특히 실내의 경우는 GPS로부터 정확한 위치정보를 전달받기 어렵기 때문에 비콘을 이용한 위치기반서비스와 직관적으로 스마트폰을 이용하여 증강현실로 대피로를 보여주는 긴급대피 시스템이 절실하게 필 요하게 되었다. 본 논문에서는 비콘(Beacon)과 화재센서(IoT) 이용한 화재위치 및 대피로 경로 파악을 바탕으로 하여 증강 현실 기반의 긴급대피용 스마트폰 앱을 개발하였다. 향후 제안 시스템이 사람이 밀집되는 실내공간에 적용된다면 갑작스런 화재사고에서도 신속한 대피가 가능하여 인명피해를 최소화 할 수 있을 것이다.

Recently, a fire suddenly broke out in a crowded theater, and many people were unable to find an escape route, becoming entangled, injured, and suffocating from smoke inhalation, resulting in a large-scale fire accident. Even though most of the people were young, they were unable to evacuate. If they had been elderly, it could have resulted in greater casualties. In particular, since it is difficult to receive accurate location information from GPS indoor, there is an urgent need for location-based services using beacons and an emergency evacuation system that intuitively shows evacuation routes in augmented reality using smart-phones. In this paper, an augmented reality-based emergency evacuation smartphone app was developed based on identifying fire locations and evacuation routes using beacons and fire sensors (IoT). In the future, if the proposed system is applied to indoor spaces where people are crowded, rapid evacuation will be possible even in a sudden fire accident, minimizing human damage.

본 논문에서는 중소 규모의 정밀 가공 기업에 대한 생산 가공의 개선을 위하여 기존 공정 방식에 제조 실행 시스템 을 적용하고 정밀가공의 데이터를 통합하였다. 이에 따른 기업 내 공정 관리 시스템의 강화, 장비 운용 효율의 증대, 불량률 감소를 통한 생산성 향상 및 작업 공수 감소에 따른 원가 절감률의 차이를 비교 분석하였다. 그 결과 제조 실행 시스템 도입으로 인해 생산 업무 생산성이 7.0% 향상되었고, 제품 불량률은 0.1%p 개선되었다. 제조원가 절감은 10.0%, 납기 준 수율은 1.1% 개선되었음을 확인하였다. 추후 본 연구에서 제안한 제조 실행 시스템을 기반으로 추가적인 스마트팩토리 기 술을 적용하는 경우 PQCD 지표의 상승으로 인한 가공 산업의 매출 및 이익 증대가 예상된다.

In this paper, in order to improve production processing for small and medium-sized precision processing companies, we apply a manufacturing execution system to existing process methods and integrate precision processing data to strengthen process management within the company, increase facility operation efficiency, and realize a reduction in defect rates. The differences in productivity improvement and cost reduction rates were compared and analyzed. As a result, production productivity improved by 7.0% and product defect rate improved by 0.1% point due to the introduction of the manufacturing execution system. It was confirmed that manufacturing cost reduction improved by 10.0% and delivery compliance rate improved by 1.1%. If additional smart factory technology is applied based on the manufacturing execution system proposed in this study in the future, sales and profits in the processing industry are expected to increase due to an increase in the PQCD index.

논문은 PPG 기반 센서에서 측정한 심박수(HR), 심박변이도(HRV) 데이터를 기반으로 DNN(Deep Neural Network) 혈당예측 모델을 개발하는 연구이다. 혈당 예측은 다층퍼셉트론(MLP) 신경망을 이용하였다. DNN 심층학습은 11의 독립변수가 있는 입력층, 은닉층, 출력층으로 구성된다. 혈당 예측모델의 학습결과는 MAE=0.3781, MSE=0.8518, 및 RMSE=0.9229이며, 결정계수(R²)는 0.9994이다. PPG기반의 디지털기기를 이용 한 비채혈적 생체신호를 이용하여 혈당관리의 가능성을 확인하였다. PPG기반의 표준화된 활력신호 획득 및 해석 법, 다량의 데이터기반 심층학습(Deep Learning)의 데이터셋, 정확성를 실증하는 연구가 이어진다면 개의 혈당 관리에 편이성과 대안적인 방법을 제공할 수 있을 것이다.

This paper is a study to develop a deep neural network (DNN) blood glucose prediction model based on heart rate (HR) and heart rate variability (HRV) data measured by PPG-based sensors. MLP deep learning consists of an input layer, a hidden layer, and an output layer with 11 independent variables. The learning results of the blood glucose prediction model are MAE=0.3781, MSE=0.8518, and RMSE=0.9229, and the coefficient of determination (R²) is 0.9994. The study was able to verify the feasibility of glycemic control using non-blood vital signs using PPG-based digital devices. In conclusion, a standardized method of acquiring and interpreting PPG-based vital signs, a large data set for deep learning, and a study to demonstrate the accuracy of the method may provide convenience and an alternative method for blood glucose management in dogs.

교차로에서의 우회전 교통사고가 지속적으로 발생하면서 우회전 교통사고에 대한 대책 마련이 촉구되고 있다. 이에 우회전 지역의 CCTV 영상에서의 객체 탐지를 통해 보행자의 유무를 탐지하고 이를 디스플레이에 경고 문구를 출력해 운전자에게 알리는 기술을 개발하였다. 객체 탐지 모델 중 하나인 YOLO(You Only Look Once) 모델을 이용하여 객체 탐지의 성능평가를 확인하고, 추가적인 후처리 알고리즘을 통해 오인식 문제 해결 및 보행자 확인 시 경고 문구를 출력하는 알고리즘을 개발 하였다. 보행자 혹은 객체를 인식하여 경고 문구를 출력하는 정확 도는 82% 수준으로 측정되었으며 이를 통해 우회전 사고 예방에 기여할 수 있을 것으로 예상된다.

With a continuous occurrence of right-turn traffic accidents at intersections, there is an increasing demand for measures to address these incidents. In response, a technology has been developed to detect the presence of pedestrians through object detection in CCTV footage at right-turn areas and display warning messages on the screen to alert drivers. The YOLO (You Only Look Once) model, a type of object detection model, was employed to assess the performance of object detection. An algorithm was also devised to address misidentification issues and generate warning messages when pedestrians are detected. The accuracy of recognizing pedestrians or objects and outputting warning messages was measured at approximately 82%, suggesting a potential contribution to preventing right-turn accidents