본 연구는 경찰교통에서의 효과적 ChatGPT 활용 방안 도출을 위한 사전 연구로서 운전면허 학과시험과 도로교통사고감정사 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 API를 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 정답률은 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 주기적 학습이 필요하다고 판단된다.

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 필요하게 되었다. 본 논문에서는 비콘(Beacon)과 화재센서(IoT) 이용한 화재위치 및 대피로 경로 파악을 바탕으로 하여 증강현실 기반의 긴급대피용 스마트폰 앱을 개발하였다. 향후 제안 시스템이 사람이 밀집되는 실내공간에 적용된다면 갑작스런 화재사고에서도 신속한 대피가 가능하여 인명피해를 최소화 할 수 있을 것이다.

본 논문에서는 중소 규모의 정밀 가공 기업에 대한 생산 가공의 개선을 위하여 기존 공정 방식에 제조 실행 시스템을 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 준수율은 1.1% 개선되었음을 확인하였다. 추후 본 연구에서 제안한 제조 실행 시스템을 기반으로 추가적인 스마트팩토리 기술을 적용하는 경우 PQCD 지표의 상승으로 인한 가공 산업의 매출 및 이익 증대가 예상된다.

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 이용한 비채혈적 생체신호를 이용하여 혈당관리의 가능성을 확인하였다. PPG기반의 표준화된 활력신호 획득 및 해석법, 다량의 데이터기반 심층학습(Deep Learning)의 데이터셋, 정확성를 실증하는 연구가 이어진다면 개의 혈당관리에 편이성과 대안적인 방법을 제공할 수 있을 것이다.

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 정확도는 82% 수준으로 측정되었으며 이를 통해 우회전 사고 예방에 기여할 수 있을 것으로 예상된다.