Earticle

본 연구의 목적은 청소년의 팬덤활동 빈도가 공격성과 우울의 관계에 대한 신체화 증상의 매개효과를 조절하는지 검증하는 것이다. 이를 위하여 한국청소년정책연구원에서 2023년 12 월에 공개한 “한국아동․청소년패널조사 2018(KCYPS 2018)”의 5차 자료를 활용하였다. 본 연 구에서는 패널조사에 참여한 초등학교 4학년 학생들이 중학교 2학년이 되어 응답한 2,311명 의 자료 중 “선호하는 연예인이나 운동선수가 있다.”라고 응답한 1,000명의 자료를 분석하였다. 자료 분석을 위해서 SPSS 25.0과 PROCESS macro 4.2를 사용하였다. 그 결과 첫째, 청소년 의 공격성은 우울에 정적 효과를 미쳤다. 둘째, 신체화 증상은 청소년의 공격성과 우울의 관 계를 매개하였다. 셋째, 청소년의 팬덤활동은 공격성과 신체화 증상의 관계를 조절하였다. 즉, 청소년의 적절한 팬덤활동은 공격성이 신체화 증상으로 이어지는 것을 완화하는 효과가 있다. 넷째, 청소년의 팬덤활동은 공격성과 우울의 관계에 대한 신체화 증상의 매개효과를 조절하였다. 즉, 청소년의 팬덤활동 빈도는 공격성이 신체화 증상을 매개로 우울로 이어지는 효과를 완화하였다. 청소년들의 공격성이 신체화 증상을 매개로 하여 우울로 이어지는 것을 예방하기 위해 청소년의 적절한 팬덤활동을 지원할 필요가 있다.

The purpose of this study is to explore whether adolescents’ fandom activities moderate the positive indirect relationship between aggression and depression via somatic symptom. This study used data from 2,311 2nd-year middle school students who participated in the 5th survey of the “Korean Children and Youth Panel Survey 2018 (KCYPS 2018)”. Of data from 2,311 adolescents, the current studies adopted only data from 1,000 respondents who reported having a favorite celebrity or athlete. Data analysis was conducted using SPSS 25.0 and PROCESS macro 4.2. The results are as follows: First, adolescents' somatic symptom partially mediated the relationship between aggression and depression. That is, aggression directly influenced depression but also indirectly did it via somatic symptom. Second, adolescents' fandom activities moderated the relationship between aggression and somatic symptom. Third, adolescents' fandom activities moderated the relationship between aggression and depression via somatic symptom. Finally, fandom activities among adolescents weakened the impact of aggression on somatic symptom, thereby leading to low depression. In addition to program that reduce adolescents’ aggression, leveraging fandom activities can decrease somatic symptom, eventually lowering depression.

본 연구는 송이버섯의 자루(줄기)의 길이와 갓 펴짐 정도를 수치화하고, 이를 바탕으로 등급을 자동으로 분류하는 딥러닝 기반 시스템을 제안한다. 송이버섯의 형태적 특성인 자루 길이, 갓 펴짐 정도를 수치화하여 선별하는 알고리 즘을 개발하였으며, 이 시스템은 Dino-SAM2 모델을 활용한 인스턴스 세그멘테이션 네트워크와 ResNet-50 기반 분류 네트워크로 구성된다. 인스턴스 세그멘테이션 네트워크를 통해 송이버섯의 자루 길이 측정과 갓 펴짐 정도를 정량적으로 평가하며, Dino-SAM2가 생성한 마스크에 특정 문자열이 포함되지 않은 경우에는 자루 길이와 갓 펴짐 정도를 수치화할 수 없다. 이러한 마스크 생성 실패 상황에 대응하기 위해 ResNet-50 기반 분류 네트워크를 보조 시스템으로 활용하여 송이버섯의 전체적 형태를 기반으로 품질을 판단한다. 두 가지 접근법의 결과를 통합하여 1등 급, 2등급, 3등급(개산), 3등급(성장 정지), 등외 5가지 등급으로 분류한다. 시스템의 성능 평가 결과, Dino-SAM2 가 마스크 생성 성공 시 90%의 높은 정확도를 보였으며, 마스크 생성 실패 시에도 ResNet-50을 통한 방어 메커니 즘을 통해 전체 시스템의 성능 79%를 달성하였다. 이는 단일 모델 의존성을 줄이고 실패 상황에 대한 강건성을 제 공하는 효과적인 방어 전략임을 입증한다. 본 연구는 송이버섯 선별 작업의 효율성과 객관성을 높이는 데 기여할 것으로 기대한다.

This study proposes a deep learning-based system that quantifies the stalk length and cap opening degree of pine mushrooms and automatically classifies them based on these measurements. We developed an algorithm that quantifies and sorts the morphological characteristics of pine mushrooms, including stalk length and cap opening degree. The system consists of an instance segmentation network utilizing the Dino-SAM2 model and a classification network based on ResNet-50. The instance segmentation network quantitatively evaluates the stalk length and cap opening degree of pine mushrooms, but when the mask generated by Dino-SAM2 does not include specific strings, the stalk length and cap opening degree cannot be quantified. To address these mask generation failures, a ResNet-50-based classification network is used as an auxiliary system to assess the quality based on the overall shape of the mushroom. By integrating the results from both approaches, mushrooms are classified into five grades: Grade 1, Grade 2, Grade 3 (open cap), Grade 3 (growth arrest), and Non-standard. Performance evaluation shows that the system achieved 90% accuracy when Dino-SAM2 successfully generated masks, and even in cases of mask generation failure, the defensive mechanism through ResNet-50 helped achieve an overall system performance of 79%. This demonstrates an effective defensive strategy that reduces dependence on a single model and provides robustness in failure situations. This research is expected to contribute to improving the efficiency and objectivity of pine mushroom sorting operations.

문화유산 보존과 접근성 향상을 위한 디지털화가 가속화됨에 따라, 효과적인 회화 이미지 검색 시스템의 중요성이 증가하고 있다. 그러나 라벨이 부족한 데이터셋과 미세한 시각적 차이가 완전히 다른 예술 장르를 나타내는 회화 도 메인의 특성으로 인해, DINOv2와 같은 기존의 비지도 학습 기반 이미지 임베딩 방법은 제한적인 성능을 보인다. 본 연구에서는 이러한 한계를 극복하기 위해 Vision-LLM을 활용하여 회화 이미지에 대한 풍부한 텍스트 설명을 생성하고, 이를 문장 임베딩 모델을 통해 벡터화하여 의미론적 유사도 기반 검색을 수행하는 새로운 접근법을 제안 한다. 다양한 Vision-LLM 모델과 문장 임베딩 모델, 유사도 측정 방법을 체계적으로 비교한 결과, 제안된 방법은 accuracy 79.17%, mAP 0.6771로 기존 비지도 학습 기반 접근법인 DINOv2 대비 Accuracy에서 171.41%, mAP에서 211.45% 향상된 성능을 보였다. 특히 Qwen2.5-VL-3B-Instruct 모델과 문맥 인식 임베딩 모델 조합 이 가장 우수한 성능을 달성했으며, 이는 언어 기반 의미론적 접근법이 시각적 특징만으로는 포착하기 어려운 회화 의 맥락적, 의미론적, 상징적 특성을 효과적으로 활용할 수 있음을 시사한다.

As the digitization of cultural heritage accelerates to improve preservation and accessibility, the importance of effective artwork image retrieval systems is increasing. However, existing unsupervised learning-based image embedding methods such as DINOv2 show limited performance in the artwork domain, which is characterized by datasets lacking labels and subtle visual differences that represent completely different artistic genres. This study proposes a novel approach to overcome these limitations by utilizing Vision-LLMs to generate rich textual descriptions of artwork images, vectorizing them through sentence embedding models, and performing semantic similarity-based retrieval. Through systematic comparison of various Vision-LLM models, sentence embedding models, and similarity measurement methods, the proposed approach achieved 79.17% accuracy and 0.6771 mAP, demonstrating a 171.41% improvement in accuracy and 211.45% improvement in mAP compared to the existing unsupervised learning-based approach DINOv2. In particular, the combination of the Qwen2.5-VL-3B-Instruct model and context-aware embedding models achieved the best performance, suggesting that language-based semantic approaches can effectively leverage contextual, semantic, and symbolic characteristics of artworks that are difficult to capture through visual features alone.

기존의 사람 중심 거리 추정 연구는 대규모 학습 데이터를 필요로 하여 데이터 수집 및 학습에 많은 시간이 소요되 며, 제한된 학습 데이터셋에서는 성능이 저하되는 경향이 있다. 본 연구에서는 CCTV 환경에서 제한된 학습 데이터 로도 유의미한 성능을 발휘하는 사람 중심 거리 추정 시스템을 제안한다. 이 시스템은 불필요한 라벨링 과정을 최소 화하고 짧은 학습 시간으로 신속하게 구축할 수 있으며, 효율적인 거리 정보 추출이 가능하다. 이를 위해 객체 인스 턴스 분할 알고리즘(또는 객체 탐지 알고리즘)과 깊이 추정 알고리즘을 결합하여 CCTV로부터 사람까지의 수평 거 리를 효과적으로 예측한다. 결론적으로, 본 시스템은 단 30장의 적은 학습 데이터만으로 GT 바운딩 박스 사용시 1.455 MAE 및 8.196% MAPE 결과를 달성했으며, 실사용 환경을 객체 탐지 모델을 사용한 결과 결과 2.331 MAE 및 11.895% MAPE를 달성하였으며, 향후 스마트 시티와 같은 실제 응용 분야에서 중요한 기술적 기반을 제공할 것으로 기대된다.

Conventional human-centric distance estimation methods typically require large-scale training datasets, leading to substantial time investments in data collection and training while suffering from degraded performance when only limited data are available. In this study, we propose a humancentric distance estimation system for CCTV environments that achieves notable performance even with a small amount of training data. By minimizing unnecessary labeling processes and reducing training time, the proposed system can be quickly deployed and efficiently extracts distance information. To this end, we combine an object instance segmentation (or object detection) algorithm with a depth estimation algorithm to effectively predict the horizontal distance from the CCTV to a person. As a result, the system achieved a 1.455 MAE result when using GT bounding boxes with only 30 training images, and in practical usage environments using object detection models, it achieved a 2.331 MAE result, indicating its potential to serve as a critical technological foundation for real-world applications such as smart cities.

본 연구는 기존의 "CCTV 장면에서의 물피도주 차량 탐지 자동화 시스템"을 개선한 시스템을 제안한다. 물피도주는 주차된 차량에 충돌사고를 내고 현장을 이탈하는 행위로, 매년 증가하고 있으나, 현재 수사 방식은 수사관이 CCTV 영상을 장시간 직접 분석해야 하는 비효율적인 과정을 포함한다. 개선된 시스템은 기존 시스템의 주요 약점인 영상 처리 속도, 주변 객체에 의한 오검출, 그리고 복잡한 알고리즘 구조를 해결하였다. 특히 광학 흐름 계산 알고리즘을 최적화하고, 벡터화 연산을 도입하여 처리 효율을 높였으며, 프레임 간격 샘플링 기법으로 분석 시간을 단축시켰다. 주요 개선점으로 기존 시스템에서 사용하던 복잡한 깊이 추정 모델을 완전히 제거하고, 2D 평면상의 객체 위치와 움직임 분석을 통해 사고 시점을 더 정확히 식별하는 단순화된 접근 방식을 도입하였다. 이를 통해 계산 복잡성이 크게 감소하고 알고리즘의 효율성이 향상되었다. 실험 결과 개선된 시스템은 이전 시스템에 비해 효율적인 처리가 가능하며, 특히 야간 영상에서의 오검출이 67% 감소하였다. 또한 모든 테스트 영상에서 사고 시점을 우수한 정확 도로 탐지하였으며, 본 시스템의 개선은 물피도주 사건의 수사 효율성 향상에 기여할 것으로 기대된다.

This research proposes an improved system for the "automatic hit-and-run vehicle detection system in CCTV footage." Hit-and-run incidents involve collisions with parked vehicles followed by fleeing the scene, which has been increasing annually. However, the current investigation method includes inefficient processes, such as investigators having to analyze CCTV footage manually for long periods. The improved system addresses key weaknesses of the existing system, such as video processing speed, false detection caused by surrounding objects, and complex algorithm structures. In particular, the optical flow calculation algorithm was optimized, and vectorized operations were introduced to improve processing efficiency. Additionally, the use of frame interval sampling techniques shortened analysis time. A major improvement involved completely removing the complex depth estimation model previously used in the system, and adopting a simplified approach that more accurately identifies the accident point through the analysis of object positions and movements on a 2D plane. As a result, computational complexity was significantly reduced, and the algorithm's efficiency was enhanced. Experimental results show that the improved system provides more efficient processing compared to the previous system, with a 67% reduction in false detections in nighttime footage. Moreover, it accurately detects the accident points across all test videos, and the improvements made to the system are expected to contribute to enhancing the efficiency of investigations into hit-and-run incidents.

본 연구는 초등학생 고학년(5-6학년)을 대상으로 디지털 성범죄예방교육 프로그램의 효과성을 검증하고자 하였다. 이를 위하여 디지털 성범죄예방교육의 필요성을 분석하고, 프로그램을 설계 및 적용하여 효과성을 검증하 며, 이를 통해 제언을 도출하였다. 연구설계는 사전-사후검사를 포함한 통제집단 비교설계를 활용하였고, 주요 결 과는 초등학생의 디지털 시민의식 향상에 통계적으로 유의한 차이와 긍정적인 변화를 보여주었다. 마지막으로, 본 연구에서는 디지털 성범죄예방교육의 지속적인 발전을 위한 실질적인 제언을 제시하였다.

This study aimed to verify the effectiveness of a digital sexual crime prevention education programme for upper elementary school students(grades 5-6). This study analysed the need for digital sexual crime prevention education, designed and applied the programme, verified its effectiveness, and made recommendations. The research design was a controlled group comparison design with pre- and post-test, and the main results showed statistically significant differences and positive changes in the improvement of digital citizenship among elementary school students. Finally, this study provides practical suggestions for the continued development of digital sexual offence prevention education.

산업화로 인해 의약품과 개인위생 용품 (PPCPs)의 잔여물이 생태계로 미량 유입됨에 따라 생태계를 오염시킨다. 특히나 코로나 이후의 아세트아미노펜 검출되는 양의 증가로 인하여 방류수 내로 유입되는 미량 오염물질을 제거하고자 하 였다. 인공습지에 적합하다고 판단되는 6가지의 여재를 선정하여 등온흡착 실험을 진행하였다. 아세트아미노펜의 최 대 제거율을 산정하기 위해 Langmuir식과 Freundlich식을 사용하였다. 이 중 Freundlich식이 0.9823로 더 높은 결괏 값을 나타내었다. 도심 내 인공습지 형성 시 적용하여 습지에서의 아세트아미노펜 저감률을 모델링하고자 하였다.

Due to industrialization, a trace amount of residues of pharmaceuticals and personal hygiene products (PPCPs) flows into the ecosystem, polluting the ecosystem. In particular, it was intended to remove trace pollutants flowing into the effluent due to the increase in the amount of acetaminophen detected after COVID 19. To conduct this experiment, selected 6 media which are suitable for construcgted wetland and isothermal adsorption experiments. Langmuir equation and the Freundlich equation were used to calculate the maximum removal rate of acetaminophen. Among them, the Freundlich equation showed a higher result value of 0.9823. It was applied when forming constructed wetlands in urban areas to model the reduction rate of acetaminophen in wetlands.

RGB 영상과 Thermal 영상의 다중 모달리티의 활용은 악천후나 안개, 조명 환경 등으로 가시성이 저하되는 다양 한 상황에서 그 가치를 발휘한다. 이전 의미론적 분할 작업에서 RGB 영상에서 추출된 특징을 Thermal 영상의 특 징과 결합하는 방식으로 높은 인지 성능을 달성했지만, 모달리티의 특성에 따른 모델 가중치는 고려하지 않고 출력 된 특징을 결합했기 때문에 제한적인 성능을 보인다. 본 논문에서는 RGB 영상과 Thermal 영상을 학습하는 과정 에서 네트워크가 공통적인 가중치를 갖도록 구성하고, 손실 계산 단계에서 더 많은 정보를 가진 모달리티 특징이 다 른 모달리티를 이끌도록 구성하였다. 또한 상호보완적인 마스킹 모듈과 잔차 네트워크를 구성하여 FMB[1] 데이터 세트에서 12.25의 성능 향상을 이뤘다.

Utilizing the multi-modality of RGB and thermal images is valuable in various situations where visibility is reduced due to bad weather, fog, or lighting conditions. In previous semantic segmentation work, high recognition performance has been achieved by combining features extracted from RGB images with features from thermal images, but the performance is limited because the output features are combined without considering the model weights according to the characteristics of the modalities. In this paper, we configure the networks to have common weights during the learning process of RGB and Thermal images, and configure the modality features with more information to lead the other modalities in the loss calculation step. We also configure complementary masking modules and residual networks to achieve a performance improvement of 12.25 on the FMB dataset.

사람들의 차량 보유 대수가 증가함에 따라 물피도주 사건도 증가하고 있지만, 수사 과정에서 장시간의 CCTV 영상 을 수동으로 검수하므로 용의자를 식별하는 데 많은 시간이 필요하고 비효율적이다. 따라서, 불필요한 인력 소모를 줄이기 위해서는 물피도주 피의자 식별 자동화 시스템의 구축이 필수적이다. 본 논문에서는 CCTV 영상에 인공지 능 기술을 활용해 CCTV 영상에서 '물피도주' 사건의 시점을 자동으로 탐지하고 가해 차량을 무엇인지 추적하는 시 스템을 제안한다. 이 시스템은 CCTV 영상을 수신하면 피해 차량 선택, 사고 시점 추정, 가해 차량 추정의 과정을 거치며 가장 확률이 높은 물피도주 가해 차량을 탐지한다. 기존 차 사고 차량 사고 검출 방식의 취약점을 보완하고, 사고와 무관한 주변 객체로 인한 오류를 줄이기 위해 객체 분할과 객체 탐지 모델, 그리고 객체 추적과 깊이 추정 모델을 활용하여 주변 객체들을 별도로 분류하는 과정이 도입되었다. 또한 CCTV 영상에 촬영된 국내 차량의 탐지 성능을 향상하기 위해 별도로 구성한 데이터 세트를 통해 객체 탐지 성능을 향상했고, 실제 CCTV에서 촬영된 물피 도주 사례들에 이 시스템을 적용했을 때 사고 발생 시점을 정확하게 검출하였고, HD 해상도의 영상에서 27fps 이 상의 처리 속도를 보인다.

As the number of vehicles owned by individuals increases, so does the occurrence of hit-and-run incidents. However, the investigation process is time-consuming and inefficient due to the need for manual review of long-duration CCTV footage to identify suspects. Therefore, it is essential to establish an automated system for identifying hit-and-run suspects to reduce unnecessary manpower consumption. This paper proposes a system that utilizes artificial intelligence technology on CCTV footage to automatically detect the moment of a 'hit-and-run' incident and track the offending vehicle. Upon receiving CCTV footage, the system undergoes processes of selecting the victim vehicle, estimating the time of the accident, and estimating the offending vehicle, thereby detecting the most probable hit-and-run offending vehicle. To address the vulnerabilities of existing vehicle accident detection methods and to reduce errors caused by irrelevant surrounding objects, the process of object segmentation and detection models, as well as object tracking and depth estimation models, were introduced to separately classify surrounding objects. Additionally, to enhance the detection performance of domestic vehicles captured in CCTV footage, a separate dataset was compiled to improve object detection performance. When this system was applied to actual hit-and-run cases recorded by CCTV, it accurately detected the time of the accident and demonstrated a processing speed of over 27fps in HD resolution video.

최근 이미지 분류 작업의 기술들은 잘 정제되어 있는 대규모 데이터 세트에서 강력한 성능을 보여주지만, 긴꼬리 분 포에서는 약한 모습을 보인다. 또한, 계층적 데이터 세트에 대한 연구는 제한적이다. 그러나 트리 형태의 구조로 조 직된 계층적 데이터 세트에서는 상위 클래스 정보를 추가적으로 활용할 수 있다. 본 논문에서는 계층적 특징 활용을 위해 문화유산 데이터 세트를 수집하였으며, 해당 데이터 세트에서 분류 실패의 두 가지 원인을 발견하였다. 1) 클 래스 불균형으로 인한 오 분류, 2) 상위 클래스 오 분류. 우리는 이러한 문제를 해결하기 위해 두 가지의 손실 함수 를 활용한 학습 전략을 제안한다. 유니폼 샘플링과 클래스별 유니폼 샘플링, 두 가지 샘플링 방법의 이점을 모두 가 져가기 위한 consistency 손실 함수와 상위 클래스의 특성을 위해 하위 클래스 예측에 기반한 손실 함수를 사용하 여 문화유산 데이터 세트에서 베이스라인 대비 5.4%의 성능 향상을 달성한다.

Recent techniques in image classification show strong performance on large, well-refined datasets, but are weak on long-tailed distributions. In addition, there is limited research on hierarchical datasets; however, hierarchical datasets organized in a tree-like structure can further exploit higher-level class information. In this paper, we collected a cultural heritage dataset to utilize hierarchical features, and found two causes of classification failure in the dataset. 1) misclassification due to class imbalance, and 2) superclass misclassification. To solve these problems, we propose a learning strategy utilizing two loss functions. We use a consistency loss function to take advantage of both sampling methods, uniform sampling and class-specific uniform sampling, and a loss function based on subclass prediction for the characteristics of the parent class. We achieve a performance improvement of 5.4% over baseline on a cultural heritage dataset using our proposed learning technique.

자율 주행 차량에서 멀티모달 기반 의미론적 세분화 작업은 저조도 및 빛 번짐과 같은 제한적인 환경에서도 주행로 를 인식하고 장애물을 회피하기 위한 기본 기능이다. 이를 위해 제안된 기존의 멀티모달 기반 의미론적 세분화 모델 들은 장면 인식을 위해 가시 카메라의 RGB 영상과 열화상 카메라의 Thermal 영상을 사용하여 장면을 인식한다. 그러나 기존의 모델들은 서로 다른 두 모달리티에서 입력되는 영상이 어떠한 경우에도 훼손되지 않는다는 것을 가정 한다. 본 논문에서 우리는 최첨단 멀티모달 기반 의미론적 세분화 모델 조차 모달리티 가려짐과 같은 강력한 모달리 티 훼손 조건에서 단일 모달리티 성능을 유지하지 못하고 극도의 성능 저하에 직면하는 것을 발견한다. 더 나아가, 우리는 해당 문제를 해결하기 위해 모달리티 누락을 대비한 단일 모달리티 안정화 학습을 제안한다. 실험 결과 제안 된 방법은 극도의 모달리티 훼손 조건에서도 기준선 모델에 비해 최대 8.9 mIoU의 성능 향상을 달성한다.

In autonomous vehicles, multimodal-based semantic segmentation is a basic function for recognizing driving area and avoiding obstacles even in limited environments such as low light condition and blurry light. To achieve this, the proposed existing multimodal-based semantic segmentation models recognize the scene using RGB images from visible cameras and thermal images from thermal cameras. However, the existing models assume that the images captured from the two different modalities are not corrupted in any case. In this paper, we found that even the state-of-the-art multi-modal based semantic segmentation models fail to maintain single modality performance in strong modality corruption, such as modality occlusion. Furthermore, we propose single modality stabilization learning in preparation for missing modality to solve this problem. Our experimental results show that the proposed method achieves a performance improvement of up to 8.9 mIoU compared to the baseline model even under extreme modality-damaging conditions.

도시화로 인해 토양의 불투수면적이 증가함에 따라 도시의 물순환 체계가 악화되었다. 이러한 물 문제를 해결하기 위해 설치하 는 저영향 개발(Low Impact Development, LID) 시설의 기존 가이드라인이나 선행 연구에서는 공학적 측면이 조경적 측면보다 중시되는 것이 실정이다. 본 연구에서는 식생체류지의 강우 유출과 오염물질 저감 능력에서 식생이 끼치는 영향과 식재의 경제적인 측면을 파악하여 오염물질 저감에 공학적으로 그리고 조경적으로 가장 적합한 식생체류지 설계 모델을 제시하고자 하였다. 모니터링 대상이 되는 전주 서곡 공원의 식생체류지 인공 강우 모니터링 결과와 식생의 강우 유출 및 오염물질 저감 성능에 관한 문헌 조사를 바탕으로 해당 지역 식생 종별 오염물질 및 탄소 저감 효율을 분석한 결과, 비용 대비 오염 저감 효율이 가장 좋은 식종은 부처꽃이며 탄소 저감에 탁월한 식생은 갯버들이었다. 하지만 이 두 가지 식생만으로 설계하고자 한다면 생물 다양성과 같은 부분에서 위험을 안고 갈 수밖에 없다. 다양한 식재를 고려할 시, 부처꽃과 같은 초본류는 고사 및 병해충에 의해 교체될 수 있기에 초기 식재 비용은 높지만 유지관리 측면에서 유리한 목본식물인 갯버들을 주변 환경과 여건에 따라 혼합 식재하는 방안도 필요하다. 본 연구에서 도출한 결론을 토대로 LID 시설 식생의 종별 오염 저감과 탄소저장량 을 고려 시 참고자료가 될 수 있다.

As the impermeable area of soil increases due to urbanization, the water circulation system of the city is deteriorating. The existing guidelines for low impact development (LID) facilities installed to solve these water problems or in previous studies, engineering aspects are more prominent than landscaping aspects. This study attempted to present an engineering and landscaping model for reducing pollutants by identifying the effects of vegetation on rainfall outflows and pollutant reduction in bioretention and the economic aspects of planting. Based on the results of artificial rainfall monitoring at Jeonju Seogok Park and the literature on vegetation rainfall runoff and pollutant reduction performance, the best vegetation for reducing pollution compared to cost was Lythrum salicaria L and Salix gracilistyla Miq. was the best vegetation for carbon storage. If you insist to design plants with only these two plantation, there is no choice but to take risks such as biodiversity. Herbaceous plants such as Lythrum salicaria L can be replaced by death of the plants or pests if considered planting various plants. The initial planting cost could expensive, but it is also necessary to mix and plant Salix gracilistyla Miq, which are woody plants that are advantageous in terms of maintenance, according to the surrounding environment and conditions. Based on the conclusions drawn in this study, it can be a reference material when considering the reduction of pollution by species and carbon storage of vegetation in LID facilities.

스마트(Smart) 하수처리장은 하수처리 전 과정에 대한 ICT 기반의 실시간 모니터링, 원격 제어 관리 및 지능화 체계를 구축하여 안전하고 깨끗한 물환경을 조성하는 것을 의미한다. 이러한 스마트 하수처리장의 핵심이 되는 기술이 계측기를 활용한 운전제어 기술이라 할 수 있다. 본 연구진은 국내에서 진행중인 하수처리장 지능화 연구사업들을 참고하여 지능화사업 구축 시 필요한 운전제어 기술들을 분석하고 제시하였다. 분석 결과 규모별 제어, 반류수 제어, 연계처리수 제어, 약품량 제어, 동절기 운영제어, 총 유기탄소 제어까지 총 6개의 제거 기술에 대해 제시하였다. 규모별로는 소규모와 중규모 대규모로 구분할 수 있는 기준을 제시하였고, 반류수 제어의 경우 반류수를 관리할 수 있는 수질 및 유량 센서의 위치를 제시하였다. 연계처리수 제어의 경우 연계처리수가 하수처리장에 미치는 영향과 제어 지점을 제시하였으며, 약품주입량 제어의 경우 지능형 하수처리장 도입에 따라 약품 주입량을 최적화할 수 있는 시스템을 제시하였다. 동절기 운영의 경우 수온 저하에 따른 질산화 저하를 고려하였을 때 제어해야 하는 센서와 펌프를 제시하였다. 총 유기탄소 제어의 경우 향후 오염총량제를 고려한 연동 시스템을 제시하였다. 이러한 운전제어 시나리오들은 향후 지능형 하수처리 알고리즘과 시나리오에 사용될 기초자료로 활용될 수 있을 것으로 판단된다.

Smart sewage treatment plant means creating a safe and clean water environment by establishing an ICT-based real-time monitoring, remote control management and intelligent system for the entire sewage treatment process. The core technology of such a smart sewage treatment plant can be operation control technology using measuring instruments. This research team analyzed and suggested the operation control technologies necessary for the establishment of the intelligent business by referring to the intelligent research projects of the sewage treatment plant in progress in Korea. As a result of the analysis, a total of six removal technologies were presented, including control by scale, reflow water control, linked treated water control, chemical quantity control, winter operation control, and total organic carbon control. By size, standards that can be classified into small and medium-sized large-scale are presented, and in the case of reflow water control, the location of water quality and flow sensors capable of managing reflow water is suggested. In the case of the linked treated water control, the influence and control points of the linked treated water on the sewage treatment plant were presented, and in the case of the chemical injection volume control, a system capable of optimizing the amount of chemical injection according to the introduction of an intelligent sewage treatment plant was presented. In the case of winter operation, the sensors and pumps to be controlled are suggested when considering the decrease in nitrification due to the decrease in water temperature. In the case of total organic carbon control, an interlocking system considering the total amount of pollution in the future was proposed. These operation control scenarios are expected to be used as basic data to be used in intelligent sewage treatment algorithms and scenarios in the future.

발리스는 열차의 안전한 운행을 위하여 철도의 레일 사이에 설치하여 운영하는 장치로, 텔레그램이라 칭하는 정보(거리ㆍ구배ㆍ속도ㆍ임시 속도제한 등의 가변정보)를 무선으로 통과하는 열차에 전송하는 기능을 갖는다. 본 연구는 이에 필요한 DBPL 인코더의 설계에 대한 것이다. 일반적으로 발리스를 위한 DBPL 인코더는 전용 ASIC이나 FPGA를 통하여 구현하고 있으나, 본 연구에서는 범용의 저전력 마이크로컨트롤러(STM32L4 Series)를 활용하여 설계하였다. 본 연구의 DBPL인코더는 펌웨어 방식의 논리적 1차 처리 수단과 마이크로컨트롤러 내장 SPI Bus 등을 이용한 물리적 출력수단으로 구분하여 설계하였다. 본 연구의 DBPL 인코더는 유로발리스 표준에서 요구하는 564.48Kbps의 속도로 동작 가능함을 확인하였다.

The balise is a device for the railroad signal control systems, which is installed between both rail. The balise sends fixed or variable data, named telegram, to the train with wireless method. The telegram includes the position information, the movable distance under the signal status, the gradient, the speed, the temporary speed limit, etc. This research is on a design of the DBPL encoder for the balise. Normally the DBPL encoder for the balise is with the ASIC or FPGA technology. In this research, the DBPL encoder is designed with commercial low power operable micro-controller. The firmware(logic level encode) and the SPI Bus function block(physical level output) of the micro-controller are used for the DBPL encode. Under the european standard, the required working speed of the DBPL encoder is 564.48Kbps. The DBPL encoder of this research is tested under the speed of 564.48Kbps, and it worked properly.