Earticle

화재로 인한 인명피해의 원인은 화재 가스로 인한 질식사이다. 화재 발생 시 발화점에서 제일 가까운 곳에서는 사람의 목숨을 위협하는 유독가스의 위험성은 상당히 높으며, 안전장치 가 제대로 작동되더라도 화재로 인한 높은 열과 유독가스로 사람들은 숨쉬기가 어려워 대피하 지 못하고 목숨을 잃게 된다. 다양한 건물들이 구축되어있는 요즘 시대에 화재로 인한 인명피 해를 줄이기 위해서는 구축된 건물들의 특성을 고려하고 화재 발생으로 생성되는 높은 열과 연기 속 유해 물질들의 배출 정도를 산정하여 화재 대피계획을 수립해야 한다. 본 연구에서는 실제 화재 발생 시 안전한 대피경로에 대한 시나리오 분석을 위해 VISWALK와 Fire Dynamic Simulator(FDS)를 활용하고자 한다. 시뮬레이션 상에 건물 내 사람들이 대피경로를 인지하고 있는지 등 사전 대피 시나리오를 설정하고 시뮬레이션 분석에 따른 건물 내 화재 발생 시 위험 요소를 파악하여 안전한 건물 설계의 중요성을 제시하고자 한다.

The cause of casualties caused by fire is suffocation due to fire gas. In the event of a fire, the risk of toxic gases threatening human life is considerably high in the areas closest to the ignition point. Even if the safety devices are correctly operated, people cannot escape because of the high heat and toxic gases caused by the fire, making it difficult to breathe and resulting in a loss of life. These days, when various buildings are being constructed, it is necessary to establish a fire evacuation plan to reduce casualties by considering the characteristics of the built buildings and estimating the level of high heat and harmful substances in the smoke generated by the fire. This study plans to utilize VISWALK and FDS to analyze the scenarios for safe evacuation routes in the event of an actual fire. A pre-evacuation scenario was set up, such as whether people in the building are aware of the evacuation route, and risk factors were identified in the event of a fire in the building based on the simulation analysis to suggest the importance of safe building design.

본 연구는 자율주행 차량의 보수적 주행 전략이 주변 차량의 안전성과 교통 흐름에 미치는 영향을 분석하였다. Co-simulation을 통해 다양한 제한속도(70-120km/h)에서 Ego 차량의 차로 변경 이벤트를 평가하였다. 주변 차량의 주행 안전성은 속도, 가속도, 저크의 표준편차로 분석 하였고, 교통류 안전성은 시간, 가속도, 거리 기반 지표를 활용하여 평가하였다. 분석 결과, Ego 차량의 보수적 주행은 제한속도에 따라 주변 차량에 다른 영향을 미쳤다. 시간 및 가속도 기반 지표에서는 낮은 위험 비율을 보였으나, 거리 기반 지표에서는 높은 위험 비율이 나타났다. 이 는 보수적 주행이 상대적 움직임 측면에서는 안전성을 확보하나, Ego 차량의 급감속이 후행 차량과의 안전거리를 급격히 감소시켜 잠재적 위험을 초래할 수 있음을 시사한다.

This study analyzed the impact of conservative driving strategies of autonomous vehicles on surrounding vehicle safety and traffic flow. Using co-simulation, lane-changing events of the Ego vehicle were evaluated by various speed limits(70-120km/h). The analysis assessed surrounding vehicles' stability through standard deviations and traffic safety through multiple safety indicators. The results showed that conservative driving behavior affected surrounding vehicles differently by speed limits, with varying risk ratios among different safety metrics. These findings suggest the need for speed-specific autonomous driving strategies based on comprehensive safety evaluations.

본 연구에서는 도로 인프라가 교차로에서 회전하는 차량의 궤적을 예측하기 위해 딥러닝 아키텍처인 트랜스포머 기반의 모형을 효과적으로 이용하는 방법론을 제안하고자 한다. 회전 구간은 차량의 진행 방향이 급격히 변화하는 경우가 많아 직진 구간에 비해 예측이 어렵기 때 문에 더 정밀한 모델이 필요하다. 회전 구간에 특화된 예측 모형을 위해 미시 교통 시뮬레이션 을 이용해 학습 데이터를 생성하고 모형을 학습시켰다. 두 가지 실험을 통해 손실함수와 입력 시퀀스 길이가 궤적 예측에 미치는 영향을 분석했으며, 회전 구간에서의 예측 성능 향상을 위 해서는 Smooth L1 loss 손실함수와 1초 내외의 입력 시퀀스를 사용하는 모델이 가장 우수한 성능을 보였다. 이 연구의 결과는 자율주행 차량의 경로 계획 및 교통 관리 시스템의 효율성 향상에 기여할 것으로 기대된다.

In this study, we propose an effective methodology based on the well-known transformer deep learning architecture to predict the trajectories of vehicles turning at intersections. From the road infrastructure perspective, segments with abrupt changes in a vehicle's direction are more difficult to predict than straight segments, so a more precise model is required. We generated training data using a microscopic traffic simulation, and trained the transformer-based prediction model for turning trajectories. Through two experiments, we analyzed the impact of loss functions and input sequence lengths on trajectory prediction. The results showed that models using a smooth L1 loss function and input sequences of approximately one second exhibited the best performance, improving prediction accuracy. The findings of this research are expected to enhance the efficiency of path planning for autonomous vehicles and traffic management systems.

고속축중기는 교통의 방해 없이 통행 차량의 중량을 측정할 수 있어 과적 단속에 효과적인 시스템이지만, 검측 신뢰도를 유지하기 위한 정기 점검이 요구된다. 본 연구에서는 2열 로드 셀 고속축중기의 신호에 생성형 네트워크 기반 상관도 분석을 적용하여 센서 오류를 자동 탐 지하는 방안을 제안하였다. 본 기법을 여수국가산업단지 진입도로에 설치된 축중기에서 수집 된 실제 원시데이터에 적용해 본 결과, 관리자 점검에 비해 8개월 이상 빠르게 센서의 오류발 견이 가능함을 확인하였다. 센서 오류탐지를 자동화하면 미리 교체 부품을 확보하고 계획적으 로 신속한 교체가 가능하므로 중단없이 고속축중기의 운용이 가능하며 점검에 필요한 교통 차 단도 최소화할 수 있다.

High-speed weigh-in-motion (HS-WIM) systems can measure vehicle weights without disrupting traffic flow, making them effective for detecting overweight vehicles. On the other hand, regular maintenance is required to ensure their reliability. This paper proposes a novel method for automatically detecting sensor anomalies in two-row load-cell-based HS-WIM systems using generative networks for signal correlation analysis. This approach was applied to actual raw data collected from HS-WIM systems installed on the entrance road of the Yeosu National Industrial Complex. The results confirmed that the proposed method enables sensor fault detection over eight months earlier than conventional manual checks. Automating sensor fault detection facilitates the proactive procurement of replacement parts and allows for timely replacements without interrupting the operation of HS-WIM systems, while minimizing the traffic disruptions associated with maintenance.

도로 위 화물차의 적재 불량은 심각한 교통사고를 유발할 수 있기 때문에, 이를 예방하고 안전성을 높이기 위해서는 자동화된 적재 불량 단속 시스템이 필요하다. 이러한 배경에서 본 연구는 적재 불량 중 특히 적재 크기 초과 유형을 판단하는 사전 학습된 EfficientNet 기반 두 가지 딥러닝 모델을 제시하였다. 첫 번째 모델은 화물차의 영역을 bounding box로 추출한 화물 차 이미지를 입력으로 사용하였으며, 두 번째 모델은 bounding box 기반 추출 화물차 이미지와 이미지 분할(image segmentation) 기반 화물차 적재 영역 이미지를 함께 사용하였다. 평가 결과, 두 모델 모두 정확도 0.95 이상의 높은 분류 성능을 보여주었으나, 두 번째 모델이 전반적으로 더 높은 성능을 보였다. 즉, 화물차 이미지와 함께 이미지 분할을 통해 적재함 이미지를 함께 제공할 경우 화물차 적재 크기 초과 여부를 판단하는 성능이 높아지는 것을 확인하였다.

Improper loading of cargo trucks can lead to serious traffic accidents. To prevent such accidents and improve safety, an automated system for detecting overloaded trucks is essential. This study proposes two deep learning models based on a pre-trained EfficientNet to detect cargo that exceeds size limits. The first model uses cargo truck images extracted with a bounding box around the truck's area, whereas the second model utilizes both bounding box and a loading area image extracted via image segmentation. Evaluation results show that both models demonstrated high performance with classification accuracy over 0.95; however, the second model showed overall superior performance. Specifically, it confirmed that incorporating image segmentation from the loading area along with the truck image improved performance when determining whether cargo sizes exceeded their limits.

본 연구는 도시 교통 시뮬레이션을 기반으로 진출입로에서 발생하는 끼어들기 차량의 행동을 예측하기 위해 Decision Transformer 모델을 적용하였다. 교통 시뮬레이션인 AIMSUN을 활용하여 일정 구간에서 차량의 정보를 수집하였으며, 이를 모델의 입력으로 활용하였다. 실험 결과, Decision Transformer 모델은 기존의 Transformer 및 RNN 모델에 비해 정확도, 정밀도, 재현율, F1-Score에서 모두 우수한 성능을 기록하였다. 특히, Decision Transformer 모델은 강화학습의 복잡성을 제거하고 시퀀스 기반의 예측 모델로 설계되어, 교통 흐름 예측 정확도를 향상시켰다. 본 연구는 끼어들기 차량으로 인한 교통 체증과 사고를 사전에 방지하고 교통 흐름의 효율성을 높이는 데 기여할 가능성을 제시하였다.

The Decision Transformer model was used to predict the behavior of Cutting-In vehicles at highway ramps using the traffic data collected using the Aimsun simulation tool. The Decision Transformer demonstrated superior performance to the Transformer and RNN models, achieving higher accuracy, precision, recall, and F1-Score. As a sequence-based prediction model, it removes the complexity associated with reinforcement learning while significantly improving traffic flow predictions. This research underscores the potential of the model to mitigate traffic congestion and reduce accidents caused by cutting-in vehicles, ultimately enhancing traffic efficiency and road safety.

나이가 들수록 관절통, 뇌졸중, 시력 장애(노안)와 같은 다양한 건강 문제가 발생하며, 이는 보행 속도의 저하와 사고 위험 증가로 이어진다. 특히 교차로와 같은 복잡한 도로 환경에서 보행자는 사고에 노출될 위험이 커진다. 이에 본 연구는 CCTV 영상을 활용하여 보행자의 이 동 속도를 실시간으로 계산하고, 예상 도달 시간을 예측하는 시스템을 개발하였다. AI-Hub에 서 수집한 데이터를 바탕으로 You Only Look Once 모델 8버전(YOLOv8)으로 학습하고, 시스템 성능을 평가하였다. 제안된 시스템은 보행자의 이동 상태를 실시간으로 파악하며, 교차로와 같 은 복잡한 교통 환경에서 보행자의 속도와 예상 도달 시간을 예측한다. 제안 시스템을 통해 노약자 및 보행 장애인의 안전을 증진하고 교차로 안전성 향상에 기여할 수 있으며, 실시간 보행자 속도 계산과 예상 도달 시간 예측 기반으로 기존 교차로에서의 보행자 안전을 평가하 고 교통안전 시스템 개선을 위한 유용한 도구로 활용될 수 있다. 향후 시스템의 정확도 향상을 위해 다양한 환경에서 데이터 수집 및 모델 개선이 필요한 후속 연구가 요구된다.

As people age, they experience various health problems such as joint pain, stroke, and vision impairment (presbyopia), which leads to a decrease in walking speed and an increased risk of accidents. Especially in complex road environments such as intersections, pedestrians are at increased risk of accidents. In this study, we developed a system that uses CCTV images to calculate the speed of pedestrians in real time and predict their expected arrival time. Based on the data collected from AI-Hub, the You Only Look Once (YOLO) version 8 (YOLOv8) model was trained, and the system's performance was evaluated. The proposed system identifies pedestrian movement status in real-time and predicts pedestrian speed and Estimated Time of Arrival Time (ETA) in complex traffic environments such as intersections. The proposed system can promote the safety of elderly and walking disabled people and contribute to the improvement of intersection safety, and can be used as a useful tool for evaluating pedestrian safety at existing intersections and improving traffic safety systems based on real-time pedestrian speed calculation and ETA prediction. Further research is needed to collect data and improve the model in various environments to improve the accuracy of the system in the future.

최근 MaaS(Mobility as a Service)에 대한 관심이 증가하고 있다. 한국은 MaaS 도입에 유리한 여건을 가지고 있지만, 현재 1~2단계에 머물러 있다. 따라서, 본 연구는 MaaS 2단계와 3단계 서비스 간의 전환에 있어 가치로 느껴지는 요인을 파악하고, 요인들 간 혜택과 희생의 상쇄 (Trade-off)를 통한 상대적 가치 요소가 전환 의도에 미치는 영향 분석을 통하여 사용자들로 하 여금 MaaS 3단계 서비스로의 전환을 유도하는 전략을 도출하는 목적을 가지고 있다. 본 연구 는 가치기반수용모델(VAM)을 기반으로 구조방정식 모형을 설계하였으며, 전환혜택(비교금전 가치, 비교우위, 비교장기적가치)과 전환희생(절차상, 재정적, 관계적 전환비용)으로 요인을 구 분하고, 지각된 전환가치를 매개변수, 전환의도를 종속변수, 혁신성과 거주지역을 조절변수로 설정했다. 연구 결과, 금전적 효익과 장기적 이익을 주고, 전환 시 발생하는 금전적인 비용이 적을수록 MaaS 3단계 서비스 전환에 가치를 느끼고 전환 의도로 이어지는 것을 확인하였다. 반면 MaaS 3단계 서비스의 우수한 기능과 품질과 더불어 전환 시 발생하는 시간과 노력, 그리 고 심리적인 비용은 전환에 있어서 중요한 작용을 하지 않는 것을 확인하였다. 혁신성과 거주 지역에 따라 전환 요인에 차이가 나타났으며, 이를 바탕으로 MaaS 3단계 확산과 상용화 전략 을 제시했다. 본 연구는 MaaS 단계 간 비교를 통해 개인의 전환의도에 영향을 미치는 요인을 실증적으로 규명하고, 지역별 특성을 고려한 전략을 제시했다는 점에서 의의가 있다.

The interest in Mobility as a Service (MaaS) is rising, with South Korea in the early stages. This study identified key value factors in transitioning from phase 2 to phase 3 MaaS services and analyzed the impact of benefits and sacrifices on users' transition intentions. Using the Value-based Adoption Model (VAM), the factors were categorized into benefits (monetary value, comparative advantage, and long-term value) and sacrifices (procedural, financial, and relational costs). The perceived transition value was the mediator, with innovativeness and residential area being the moderating variables. Higher monetary benefits, long-term advantages, and lower financial costs increased the perceived value and transition intentions towards phase 3 MaaS, while functionalities, quality, and psychological costs had a smaller impact. The differences based on innovativeness and residential area suggest strategies for promoting phase 3 MaaS. This study empirically identified the factors influencing the transition intentions and proposed region-specific strategies.

본 연구는 코로나_19전후 마을버스 이용객 감소에 미치는 요인을 분석하였고, 이를 기반으 로 마을버스 경영개선을 위한 정책안을 제시하였다. 마을버스는 등록대수를 기준으로 재정지 원금이 부과되므로 우선 마을버스 등록대수에 영향을 미치는 변수를 추정하였고, 코로나_19 전후 마을버스 이용객 감소의 영향변수를 추가로 도출하였다. 분석결과 마을버스 등록대수는 경전철 역사수, 대학교수, 직장인 비중이 많을수록 높아지는 특성을 보이나, 마을버스 이용객 감소율 역시 동일한 변수에 영향을 받고 있었다. 즉, 마을버스 등록대수가 많은 곳에 재정지원 금은 높지만 동시에 이용객 감소률도 높아 재정지원금의 효율성은 낮아지고 있었다. 이외에도 마을버스는 교통소외지역을 운행하는 목적이 크지만 재정자립도가 높은 자치구를 중심으로 운영대수가 높아지고 있다. 서울시의 재정지원금은 마을버스 공공성과 수익성을 통합하여 지 속가능성 있는 방향으로 활용되어야 할 것이다.

This study analyzed the factors affecting the decrease in village bus users before and after COVID-19, and based on this, a policy proposal for improving village bus management was presented. Since village buses are subject to financial subsidies based on the number of registered buses, variables affecting the number of registered buses were first estimated, and additional variables affected by the decrease in village bus users before and after COVID-19 were derived. As a result of the analysis, the number of registered village buses increased as the number of light rail stations, the number of universities, and the proportion of office workers increased, but the reduction rate of village bus users was also affected by the same variable. In other words, financial subsidies were high in places with a large number of registered village buses, but at the same time, the decrease rate of users was high, so the efficiency of financial subsidies was decreasing. In addition, the number of village buses operated is increasing mainly in autonomous districts with high financial independence, although they have a large purpose of operating underprivileged areas. The Seoul Metropolitan Government's financial subsidies should be used in a sustainable direction by integrating the publicity and profitability of village buses.

본 연구는 자율주행 대중교통 서비스의 효율적 발전을 위한 발전 전략을 수립할 목적으로, 안양시 자율주행 시범운행지구의 자율주행 대중교통 서비스 이용자를 대상으로 설문 조사 및 중요도-만족도 분석(importance-performance analysis)을 수행하여 서비스 개선 우선순위를 도출 했다. 이용자의 정량평가 및 정성평가 결과를 종합한 결과, ‘경제성' 지표의 자원을 ‘편리성' 지표에 재분배해야 하는 것으로 나타났으며 이에 따라 발전 전략으로 ‘서비스 유료화를 통한 과투자 자원 확보 및 자체 앱(application) 성능 강화에 재투자’할 것을 수립하였다. 본 연구를 통해 안양시 자율주행 대중교통의 운영 효율성 향상과 이용자 만족도 극대화를 위한 구체적인 발전 전략을 제시하여 자율주행 대중교통 서비스의 발전에 이바지하고자 한다.

This study aimed to establish a development strategy for enhancing the efficiency of autonomous public transportation services. The service improvement priorities were identified through a survey and importance-performance analysis (IPA) of users in the Anyang City Autonomous Driving Pilot Zone. These results suggest that resources allocated to the ‘Economics’ indicator should be redirected to the ‘Convenience’ indicator. The proposed strategy involves ‘monetizing the service to secure resources and reinvesting them in improving the proprietary application (app).’ This research provides a solid strategy to enhance operational efficiency and maximize user satisfaction, helping advance autonomous public transportation services.

기후변화로 인해 폭염, 폭설, 폭우 등의 피해가 증가하고 있으며, 이에 대응하기 위해 유엔 기후변화협약(UNFCCC), 파리협정 등 국제적 노력이 진행되고 있다. 우리나라는 2050 탄소중 립녹색성장위원회를 중심으로 2030년까지 탄소 배출 40% 감축과 수송 부문에서의 친환경적인 수단 전환을 목표로 다양한 정책을 추진 중이다. 본 연구는 수도권 통근자를 대상으로 SP(Stated Preference) 조사를 통해 탄소 저감형 교통수단 및 경로 선택에 대한 전환율을 분석했다. 조사 결과, 응답자의 약 30%만이 탄소 저감형 수단을 선택했으며, 기존 통행 행태 변화의 어려움이 확인되었다. 이를 기반으로 지역 특성별 맞춤형 정책, 인센티브 제공, 통행거리별 전략적 정책 필요성을 제안한다. 본 연구에서는 탄소배출 저감 정책 수립에 기여하며, 효과적인 수송 부문 탄소 감축 전략을 제시하는 것을 목표로 한다.

The impacts of climate change, such as heatwaves, heavy snowfalls, and torrential rains, are increasingly severe. To address these challenges, international efforts have been initiated, including the United Nations Framework Convention on Climate Change and the Paris Agreement. South Korea, led by the Presidential Committee on Carbon Neutrality and Green Growth, aims to reduce carbon emissions by 40% by 2030 and to promote eco-friendly transitions in the transportation sector through various policies. This study analyzes the adoption rates of low-carbon transportation modes and routes among metropolitan commuters using the stated preference method. The results revealed that only about 30% of respondents adopted low-carbon options, highlighting the difficulty of changing established commuting behaviors. Based on these findings, this study proposes tailored regional policies, incentive schemes, and strategic approaches based on commuting distances. This research provides valuable data for developing carbon reduction policies, and contributes to defining effective strategies for reducing carbon emissions in the transportation sector.

도시철도역은 대중교통 체계의 중심지로, 대중교통 접근성과 생활SOC의 연계를 통해 도시 내 주요 거점 역할을 수행한다. 하지만 일부 지역은 교통 및 생활서비스 접근성의 불균형이 존재하며, 이를 개선하기 위한 전략이 요구된다. 근린 모빌리티 허브는 대중교통 서비스는 물론 다양한 공유 모빌리티 서비스를 통해 대중교통 접근성을 강화하고, 생활SOC와의 연계를 통해 도시의 지속가능성을 제고할 수 있는 효과적인 도구로 주목받고 있다. 본 연구는 서울시 도시철 도 역사의 입지여건과 이용패턴을 고려하여 근린 모빌리티 허브 도입 전략을 제시하고자 한다. 이를 위해 대중교통 결집성과 생활SOC 결집성 지표를 도출하고 군집분석을 통해 역세권을 세 가지 유형으로 분류하였다. 이후 시간대별 이용패턴 데이터를 활용해 최종적으로 9개의 군집을 도출하고, 각 군집의 특성에 부합하는 맞춤형 도입 전략을 제안하였다. 본 연구는 도시철도역의 교통 및 생활서비스 불균형 해소와 도시의 지속가능한 발전에 기여할 것으로 기대된다.

Metro station areas serve as central nodes in public transportation systems, connecting transit accessibility with life social overhead capital (SOC) and acting as critical urban hubs. However, disparities in transportation and service accessibility persist in certain areas, necessitating strategic interventions. Neighborhood mobility hubs are effective tools to enhance transit connectivity through shared mobility services, and they improve life SOC access thereby promoting urban sustainability. This study proposes tailored strategies for implementing neighborhood mobility hubs by analyzing locational and usage characteristics of urban railway stations in Seoul. Public transit concentration and life SOC concentration indicators were developed, and cluster analysis classified stations into three primary types of focus: transit, life SOC, and general. Temporal ridership patterns are incorporated to refine these clusters into nine distinct groups, and customized strategies are proposed for each group. This study provides actionable insights for mitigating transportation and service disparities, fostering urban sustainability in Seoul's metro station areas.

본 연구는 고난도 주차 환경에서 효과적인 경로계획을 지원하기 위해 강화학습을 활용한 효율적 중간 목표 도출을 통한 최적의 경로계획 알고리즘을 제안한다. 주차 공간이 넓고 장애 물이 적은 경우, 단순한 경로계획 알고리즘으로도 최적의 경로를 생성할 수 있다. 하지만 차량 의 논홀로노믹 시스템으로 인해 복잡하고 좁은 환경에서는 장애물 등으로 인해 최적 경로를 보장하기 어렵다. 이를 해결하기 위해, 불필요한 탐색을 최소화하고 최적 경로로의 탐색을 유 도하는 중간 목표를 제안한다. 중간 목표는 하이브리드 A* 알고리즘의 휴리스틱 비용 계산의 기준점으로 활용되며, 강화학습을 통해 주차 환경에서 연산 효율성과 경로 품질을 극대화할 수 있는 지점으로 도출된다. 이러한 접근은 기존 휴리스틱 비용 산정의 비효율성을 극복하고, 최적 경로의 주요 지점을 효과적으로 탐색할 수 있도록 한다.

This paper proposes an optimal path planning algorithm designed to support effective path planning in challenging parking environments using reinforcement learning to derive efficient sub-goals. Although simple path planning algorithms can generate optimal paths in spacious parking environments with few obstacles, it becomes challenging to ensure optimal paths in complex and narrow environments because of the nonholonomic system of vehicles. The paper addresses this issue by suggesting sub-goals that can serve as key points for optimal paths. Sub-goals minimize unnecessary searches; and guide the path towards the optimal solution. Sub-goal were derived through reinforcement learning and used as heuristic cost criteria in the Hybrid A* algorithm to maximize computational efficiency and path quality. This approach overcomes the inefficiencies of conventional heuristic cost and facilitates effective explorations of the key points in the optimal path.

본 논문은 현재 5G 무선 통신 시스템의 엄격한 요구 사항을 충족하기 위해 설계된 넓은 저지 대역을 가진 컴팩트한 하프 모드 기판 통합 waveguide (HSIW) 대역 통과 필터를 제시한다. HSIW 필터는 상단 표면에 CPS 공진기와 T자형 슬롯을 통합하고 있다. 이 구성은 컴팩트한 크기를 실현할 뿐만 아니라 주파수 선택성을 향상시켜준다. 넓은 저지 대역 특성은 HSIW, CPS 및 상부 금속판의 T자형 슬롯의 서로 다른 고차 공명 주파수 때문에 얻어진다. 설계된 필터는 PCB 기판 위에 제작되었으며, 측정된 S-파라미터는 시뮬레이션 결과와 거의 일치하는 특성을 나타낸다. 제안된 대역 통과 필터는 3.8 GHz의 중심 주파수와 400 MHz의 대역폭을 나타내며, 2.95 GHz와 4.75 GHz에서 두 개의 전송 영점을 실현하여 6 GHz까지 30 dB의 억제 수준을 제공해 준다. 컴팩트한 크기와 넓은 저지 대역을 갖는 본 필터는 5G 통신 시스템에서 고밀도 통합을 위한 핵심 RF 부품으로, 네트워크 성능 향상과 소형화, 고주파 필터링에서 중요한 역할을 하게 될 것이다.

This paper presents a compact half-mode substrate integrated waveguide (HSIW) bandpass filter with a wide stopband designed to meet the stringent requirements of 5G wireless communication systems. The HSIW filter incorporates a co-planar strip (CPS) resonator and a T-shaped slot on the top surface. This configuration achieves a compact size and enhances frequency selectivity. The wide stopband characteristic was obtained because of the different higher-order resonant frequencies of the HSIW, CPS, and T-shaped slot on the upper metal plate. The filter was designed and fabricated. The measured S-parameters showed good agreement with the simulated results. The proposed bandpass filter exhibited a center frequency of 3.8 GHz with a bandwidth of 400 MHz. Two transmission zeros were achieved at 2.95 and 4.75 GHz, providing a 30 dB rejection level up to 6 GHz. The compact size and wide stopband make this filter as a key RF component for high-density integration in 5G communication systems, playing a crucial role in enhancing network performance, miniaturization, and high-frequency filtering.

레벨 3 자율주행자동차 운행 시 운전자의 전방주시 의무가 완화되기 때문에 자율주행시스 템의 갑작스러운 제어권 전환 요청에 대해 운전자들이 즉시 대응을 할 수 없는 상황들이 발생 될 수 있다. 특히, 운전자가 제어권 전환 시 적합한 대응 방법 등을 교육받지 못한 채 실제 상 황에 노출되면 교통사고로 이어질 수 있다. 따라서 본 연구에서는 제어권 전환 교육 후 제어권 전환 시나리오를 수행하는 주행 시뮬레이터 실험을 통해, 교육이 운전자들의 제어권 전환 능 력에 미치는 영향을 분석하였다. 그 결과, 교육의 반복이 제어권 전환 소요 시간의 감소로 이어 짐을 확인할 수 있었다. 이러한 연구를 통해 향후 자율주행자동차 제어권 전환 교육 프로그램 개발에 활용 가능한 시나리오 구성 및 교육 효과 결과를 제시하고자 하였다.

Situations may arise where an immediate response cannot be made to a sudden request for take-over by the autonomous driving system because the driver’s obligation to look ahead is relaxed when driving a level. 3 autonomous vehicle(AV). In particular, an accident can occur if the driver is exposed to a real situation without being trained on how to respond appropriately when taking over. Therefore, this study analyzed the impact of training on drivers’ take-over ability through a simulator experiment in which a take-over scenario was performed after take-over training. As a result, it was confirmed that repeated training led to a reduction in take-over time. Through this study, scenario configurations and the outcomes of training effects that can be utilized in the development of future take-over training programs for autonomous vehicles were aimed to be presented.

자율주행차 기술의 급격한 진보로 모빌리티 변혁이 가속화하고 있으며, 자율주행 기술과 서비스의 빠른 발전이 이루어지고 있다. 자율주행 운행이 보편화되면 도로 조건과 환경은 자 율주행의 안전성을 보장하는 데 매우 중요한 역할을 한다. 본 논문은 자율주행차의 도로 운행 위험을 정량화하고, 이를 기반으로 최적경로를 탐색하는 알고리즘을 개발하였으며, 이를 세종 시의 제1 생활권에 대해 모델링하였다. 도로 위험에 따라 링크의 통행시간과 속도가 변화하며, 이러한 정보를 고려한 다익스트라 기반의 경로 최적화 알고리즘을 제안하였다. 본 논문에서는 자율주행차의 운행 위험을 0(정상 수준)에서 4(매우 높음 수준)까지의 5개 척도로 구분하였으 며, 이를 기반으로 최적경로 선택 방법론을 제시하고 모델링하였다. 분석 결과, 상대적으로 위 험도가 낮고 통행 시간이 최소화하는 경로를 선택하는 데 효과적인 것으로 나타났다. 향후 서 비스 실증지역의 자료를 수집해 검증하는 것이 필요하다.

The rapid progress in automated driving technology has significantly accelerated the transformation of mobility and its services. As automated driving becomes more pervasive, the state of road infrastructure and environmental factors play pivotal roles in ensuring the safety of automated driving vehicles. This paper quantifies the risks associated with road operations of automated vehicles and devises an algorithm to optimize routes based on the risks using the Sejong City area as a case study. The proposed algorithm which based on the Dijkstra algorithm considers the variations in link travel times and speeds in accordance with road risks. The paper categorizes the risk levels for automated vehicle operations into five scales ranging from 0 (normal level) to 4 (very high level), and outlines a methodology for route selection based on these risk levels. The results indicate the effectiveness of selecting routes with lower risk and minimized travel time. Future research will require data collection and validation in real-world service demonstration areas.

일반차량에서 자율주행차량의 변화는 단순 차량의 변화뿐만이 아닌 운전의 주체가 사람에 서 차량으로 변화됨을 뜻한다. 이는 교통사고 발생 시 기존 사고에 대비하여, 사고의 원인 구조 를 더욱 복잡하게 만들었다. 현재 자율주행 교통사고에 대한 정보를 제공하고 있는 CA DMV 충돌 보고서를 기반으로 사고 요인 도출 관련 연구가 수행 중이지만 자율주행차량은 복잡한 교통 환경 속에서 인공지능이 여러 변수를 고려하여 주행 결정을 내리기 때문에, 기존 보고서 로는 모든 상황을 효과적으로 분석하기에는 한계가 있다. 본 연구에서는 이러한 한계점을 극 복하고자 CA DMV 충돌 보고서와 Waymo사에서 제공하는 주행 영상 데이터를 생성형 AI와 BERT 모델을 통해 융합 분석을 수행하였다. 이에 따라 기존에 도출되었던 사고 요인뿐만이 아니라 차량 주행 측면의 잠재적 사고 위험 요인을 도출했다. 본 연구를 통해 도출된 사고 요 인은 향후 자율주행교통사고 예방과 대비에 기여할 것으로 기대한다.

The change from conventional to autonomous vehicles means changes in the vehicle and the driver from a human to a vehicle. This has made the cause structure of accidents more complex than existing accidents. Research is being conducted on deriving accident factors based on the CA DMV collision reports, which provide information on autonomous driving accidents. Nevertheless, analyzing all situations with existing reports has limitations because autonomous vehicles make driving decisions in complex traffic environments with artificial intelligence considering many variables. A fusion analysis of CA DMV collision reports and driving video data provided by Waymo using generative AI and BERT models was conducted to overcome these limitations. As a result, the existing accident factors and new accident risk factors in terms of vehicle driving were derived. The accident factors derived from this study are expected to help prevent and mitigate future autonomous vehicle traffic accidents.

교통 환경의 복잡성이 증가함에 따라, 급정지, 사고, 낙하물 등 비상 상황에 효과적으로 대응하 기 위한 고도화된 솔루션이 필요하다. 비효율적인 대응은 2차 사고 및 교통 체증으로 이어질 수 있다. 이를 해결하기 위해, 본 연구에서는 Vehicle-to-Evetything(V2X) 기반 통신 프레임워크와 협력적 비상 대응을 가능하게 하는 Emergency Trajectory Alignment (ETrA) 알고리즘을 제안한다. 통신 프레임워크는 Late fusion을 위해 알고리즘 계산에 즉시 사용할 수 있는 데이터를 처리하고 전송함으로써 데이터 처리 지연을 줄이고자 한다. ETrA 알고리즘은 time-to-collision(TTC) 분석을 이용해 비상 궤적을 계산하고 차량 간 궤적을 동기화하도록 설계되었다. 일반 도로에서 진행된 실험 결과, 통신 프레임워크와 ETrA를 적용한 차량은 효과적으로 충돌을 방지하였으며, 가속도 의 절댓값이 0.01 m/s² 이하로 유지되어 차량 제어의 안정성과 효율성을 입증하였다.

As traffic environments become more complex, advanced solutions are needed to effectively address emergencies, such as sudden stops, accidents, and road debris. Inefficient responses can lead to secondary accidents and traffic congestion. This study proposes a Vehicle-to-Everything(V2X) communication framework and an Emergency Trajectory Alignment(ETrA) algorithm for cooperative emergency response. The framework reduces latency by processing and transmitting data that are ready for later fusion. The ETrA algorithm calculates emergency trajectories using time-to-collision (TTC) analysis and synchronizes vehicle trajectories. Experiments on a three-lane road demonstrated the effectiveness of the framework and ETrA algorithm. Vehicles equipped with these systems avoided collisions, maintaining acceleration below 0.01 m/s², validating the stability and efficiency of vehicle control. The framework enhances safety in both autonomous and cooperative driving scenarios, showing its potential applicability in complex traffic conditions.