• 공연문화연구
• /
• 제23호
• /
• pp.63-103
• /
• 2011

본 논문에서는 문헌 기록과 구술 자료를 바탕으로 판소리 고수의 출신 배경 및 사회적 위치를 살피는 한편, 창자-고수 간 관계에 초점을 맞추어 '공연 준비-본 공연-공연 이후'의 공연 전과정에 나타나는 고수의 공연학적 면모를 고찰하여 보았다. 과거에는 줄광대 출신의 고수가 적지 않았다. 고수의 사회적 위치나 판에서의 대우는 물론 줄광대보다 나았지만 판소리 창자에 비해서는 열악하였다. 그러나 1910년대 이후 판소리 공연 공간의 이전과 새로운 매체의 유입으로 관중 및 일반 대중들은 고수에 대해 특별한 의식을 가지게 되었고, 이들의 지위는 크게 향상되었다. 고법도 이 시기 이후 관중들의 기대에 부응하여 정립된 측면이 크다 공연의 전과정에 요구되는 고수의 역할과 기능은 다음과 같다. 우선 준비과정에서는 다양한 수준의 많은 창자들을 상대하는 훈련이 고수의 실력, 즉 소리에 대한 대응력을 쌓는 데 필수적이다. 공연 직전의 리허설은 개인연습과 공동연습으로 나뉘는데, 후자는 창자-고수 간의 공연 경력, 고수 개인의 실력에 따라 조정된다. 다음, 공연과정에서는 고수의 보비위와 추임새를 중점적으로 살펴보았다. 고수는 장단 한배에 대한 빠르기 개념 및 소리의 리듬형에 따른 액센트의 표현을 창자와 공유하면서, 창자가 에너지를 어떻게 쓰고 있는지 미리 읽어내 이를 조절할 수 있어야 한다. 또 창자의 내드름을 간파하여 북장단으로 대응하는 능력을 지녀야 한다. 공연을 성격별로 세분화하여 보면, 완창발표회에서는 창자-고수 간의 호흡과 함께 공연했던 경험이 중요하며, 판소리 경연대회에서는 고수가 창자에게 안정감을 주는 것이 필요하다. 한편 고수대회(고법대회)에서는 장단의 운용, 북을 치는 자세, 강약 조절, 추임새를 통한 창자와의 조화 등이 고수의 능력을 평가하는 주요한 기준이 된다. 축하 공연과 같은 개인적인 소규모 공연, 현대적으로 새롭게 각색한 공연에서 창자는 공연비가 저렴하면서 원곡의 변형이나 애드립(ad-lib)에도 당황하지 않고 이에 긍정적으로 대응하여 주는 고수를 선호하며, 강의에 수반되는 공연의 고수에게는 미리 약속되거나 논의되지 않은 상황에 대처하는 순발력을 원한다. 추임새는 소리판에서 고수와 청중이 공통으로 사용하는 표현 방식이지만, 그 세부적인 맥락이나 성음에는 차이가 있다. 마지막으로 공연 이후 과정에는 창자-고수 간의 상호 평가 혹은 연행자에 대한 청중의 평가가 해당되는데, 현재 판소리 공연계에서는 이러한 문화가 활성화되어 있지 않으므로 방안 마련이 요청된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.127-146
• /
• 2017

상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.

• 한국축산식품학회:학술대회논문집
• /
• 한국축산식품학회 1998년도 추계학술발표회
• /
• pp.83-106
• /
• 1998

본 실험은 건강한 한국인의 분변으로부터 분리한 20종과 상업종균 3종을 대조군으로 하여 비피더스균의 특성을 내산성, 내담즙성, 발효특성, 생존성, 콜레스테롤 분석, 항미생물 분석, 항돌연변이 분석, Phagocytosis 분석, $TNF-{\alpha}$ 및 IL-6 분석치를 균주간 비교 분석하였다. 또한 비피더스균의 균주간 비교 분석 결과 최종 선정한 Bifidobacterium longum A-2의 임상실험에 의한 장내 변화를 분석하고자 건강한 한국인 성인 7명(남성, 평균 연령 36세)를 대상으로 Bif. longum A-2를 냉동건조한 분말($5.0{\times}10^9/g$/회)로 매일 식후 2회 7일간 섭취후 분변을 검색하였다. 분변검사 횟수는 총 4회로 비피더스균 섭취 7일전, 1일전, 섭취 7일중, 절식 14일후에 실시하였다. 비피더스 균주간 특성 비교 결과와 Bif. longum A-2의 임상실험 결과는 다음과 같다. 1. 내산성에서는 2균주(A-2, A-9가, 내담즙성에서 6균주(A-2, A-5, A-13, A-14, A-18, A-22) 균주가 높게 나타났다. 2. pH, TA, 비피더스균수를 비교한 발효특성에서는 6균주가 pH 4.5이하, TA 0.90이상으로 나타났으며 , A-23 균주는 젖산에 대한 초산의 생성이 가장 낮았다. 특히 A-2의 탄수화물 이용성에서 젖산에 대한 초산의 비율이 가장 낮은 것은 Mannitol로 분석되었다. 3. 생존성에서는 A-2가 상업종균 A-22에 비하여 $4^{\circ}C$, $20^{\circ}C$ 보관중에서도 감소 경향이 적어 안정성이 있는 것으로 나타났다. 4. 콜레스테롤 분석에서는 5균주(A-8, A-10, A-11, A-12, A-20)가 30% 이상 감소시켜 콜레스테롤 저하 효과가 매우 높게 나타났다. 5. E. coli, Sta. aureus, Pseudo. flores에 대한 항미생물 분석에서 Sta. aureus에 대하여 A-1, A-2가 높게 나타났다. 특히 pH를 조정하여도 Sta. aureus에 대하여 항미생물 작용이 높게 나타난 A-20균주는 추가실험의 가치가 있을 것으로 판단되었다. 6. 항돌연변이 분석에서는 돌연변이원인 NQO와 IQ에 대하여 공히 70%이상 항돌연변이작용을 나타낸 A-2, A-12 및 A-23균주가 높게 나타났다. 7. 면역능 분석은 phagocytosis, $TNF-{\alpha}$ 생성, IL-6 생성에 있어서 균주 4종(A-1, A-5, A-9,A-20)이 높게 나타났으며 그중에서도 A-5균주는 매우 높은 수치를 보였다. 8. Bif. longum A-2 식이에 따른 장내 비피더스균의 변화는 섭취 7일전 $1.0{\times}10^8$, 섭취 1일전 $1.1{\times}10^8$, 섭취 7일중 $2.5{\times}10^8$, 절식 14일후 $1.8{\times}10^8$으로 검출되어 섭취전에 비해 섭취중과 절식후에 비피더스균수는 유의성(P<0.05)이 있게 증가하였고 피험자에 따라서도 비피더스균수는 고도로 유의성(P<0.01)이 있게 증가하였다. 9. Bif. longum A-2의 섭취후 장내세균에 의해 생성되는 대장암 유발성 효소인 ${\beta}-gucuronidase$의 변화는 섭취 7일전 $14.148\;{\mu}g/hr/g$, 섭취 1일전 $13.447\;{\mu}g/hr/g$, 섭취 7일중 $8.123\;{\mu}g/hr/g$, 절식 14일후 $10.612\;{\mu}g/hr/g$으로 검출되어 섭취전에 비해 섭취중과 절식후 고도로 유의성(P<0.01)있게 감소하였고 피험자에 따라서도 유의성(P<0.05)이 있게 감소하였다. 10. 한편 lactobacilli, Enterobacteriaceae, Clostridium pefringens, pH, 암모니아의 변화는 유의 성이 없었다. 11. 임상실험에서 BS 배지에서 성장한 colony의 당발효성을 검색한 결과 식이로 섭취한 Bif. longum A-2의 당발효성과 동일하게 나타난 점으로 보아 경구 섭취한 Bif. longum A-2는 살아서 장까지 도달하며 장내에 정착할 수도 있을 것으로 추정되었다. 상기 결과와 같이 비피더스균주간 특성을 비교한 결과 많은 특성에서 좋은 결과를 나타낸 Bif. longum A-2 균주를 최종적으로 선발하게 되었고 이 균주가 외국의 상업종균과 특성의 비교에의의가 있었다. 또한 본 연구는 한국인으로부터 분리한 Bif. longum A-2에 대하여 한국인을 대상으로 임상실험에서 장내의 변화를 검증한 점에서 의의가 있었다.

• 대한치과보철학회지
• /
• 제47권2호
• /
• pp.108-118
• /
• 2009

연구목적: 1961년 Chase에 의해 처음 소개된 기능 인상법(functional impression technique)은 기존 의치에 이장된 조직 양화재(tissue conditioner)를 이용하여 실제 기능 운동 하에서 동적인 지지 조직의 인상과 기능적이며 생리적인 의치 변연부의 형태와 길이를 기록하는 술식이다. 조직 양화재가 기능 인상법의 재료로 사용되기 위해서는 체적 안정성, 미세부 재현성, 흐름성 등의 특성과 함께 치과용 석고와의 적합성(compatibility)을 고려하여야 한다. 하지만 기능 인상법 재료로 조직 양화재를 사용할 경우 구강내 환경 속에서 시간이 지남에 따라 석고 표면 거칠기에는 어떠한 영향을 미칠지 또한 그에 따라 석고 표면의 변화를 고려하여 어느 정도 기간 동안 구강 내에 유지하는 것이 좋을지에 대한 연구는 거의 없는 상황이다. 이에 본 연구는 조직 양화재를 기능 인상법의 재료로서 사용할 경우, 조직 양화재의 종류와 분액비, 침수시간이 치과용 석고 표면 거칠기에 어떠한 영향을 주는지 알아보고자 하였다. 연구 재료 및 방법: 임상적으로 많이 쓰이는 3종의 조직 양화재(Coe-Comfort, Visco-Gel, Soft-Liner)로 제조사에서 추천하는 분액비(P/L ratio)를 기준으로 표준 분액비에 따라 혼합한 군(R), 분말의 양을 20% 많이 혼합한 군(M), 분말의 양을 20% 적게 혼합한 군(L)으로 나누어 조직 양화재를 혼합하여 직경 20 mm, 두께 2 mm의 시편을 제작하였다. 각 조직 양화재 시편들을 다시 인공 타액 속의 침수시간(0시간, 1일, 3일, 5일, 7일)에 따라 5개의 군으로 나눈 뒤 인공 타액에 완전히 담구어 $37^{\circ}C$에서 보관하였다. 정해진 침수시간이 경과한 시편을 꺼내서 초경석고를 부어 석고 시편을 제작한 뒤 조직 양화재와 접해있던 석고 시편 표면의 거칠기를 접촉식 표면 조도기(Surfcoder SEF-30D, Kosaka laboratory Ltd., Tokyo, Japan)로 측정하여 다음과 같은 연구 결과를 얻었다. 결과 및 결론: 1. 조직 양화재로 부터 만들어진 석고 모형의 표면 거칠기에 주된 영향을 미치는 요인은 기능 인상을 채득하기 위해 구강 내에 조직 양화재를 위치시키는 기간이었고, 그 외에 조직 양화재의 종류와 분액비도 통계학적으로 유의한 영향을 미치는 요인이었다. 2. 3가지 P/L ratio 실험 조건 모두에서 Visco-Gel과 Soft-Liner 간에는 석고 모형의 표면 거칠기값이 침수시간이 변함에 따라 통계학적으로 유의성 있는 차이를 보이지 않았지만, Coe-Comfort의 경우에는 침수시간이 변함에 따라 Soft-Liner와 Visco-Gel보다 석고 모형의 표면 거칠기값이 통계학적으로 유의성 있게 더 큰 값을 보였다. 3. 3종의 실험 대상 조직 양화재 모두에서 R(recommended)와 M(more) group 간에는 석고 모형의 표면 거칠기값이 침수시간이 변함에 따라 통계학적으로 유의성 있는 차이를 보이지 않았지만, L(less) group의 경우에는 침수시간이 변함에 따라 R과 M group보다 석고 모형의 표면 거칠기값이 통계학적으로 유의성 있게 더 큰 값을 보였다. 이러한 연구 결과로부터 석고 모형의 표면 거칠기에는 구강 내에서의 시간이 가장 큰 영향을 나타내며, 조직 양화재의 종류와 분액비도 영향을 미칠 수 있기 때문에 술자가 기능 인상 채득 시에 적절한 구강 내 적용시간에 대해서 잘 이해하고 있고, 기능 인상에 적합한 조직 양화재를 선별할 수 있다면 조직 양화재를 이용하여 유용하게 기능 인상을 채득할 수 있을 것이다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.117-140
• /
• 2019

고령화 현상이 가속화되고, 취약계층 노인과 관련된 다양한 사회문제가 제기됨에 따라 노인세대의 건강과 안전을 보호하기 위한 효과적인 노인 돌봄 솔루션의 필요성이 커지고 있다. 최근에는 노인 돌봄의 수단으로 첨단화된 ICT 기술을 탑재한 스마트 토이를 활용하고자 하는 사례가 늘고 있다. 특히 스마트 토이를 통해 기록되는 노인 행태에 대한 로그 데이터는 노인 돌봄 관련 정책 수립, 노인 돌봄 서비스 컨셉 기획 및 개발과 같은 분야에 정량적이고 객관적인 설명지표로써 활용 가치가 높을 것으로 전망된다. 그러나 현재까지 노인 돌봄 스마트 토이와 관련된 연구 중 스마트 토이를 통해 기록된 사용자 행동 로그에 주목하여 이를 의사결정에 활용하고자 하는 연구는 부족한 실정이다. 본 연구는 기존에 충분히 논의되지 않았던 스마트 토이 사용자 행동 로그 데이터에 대한 분석을 중심으로, 노인 돌봄 솔루션의 사용자 경험 증진을 위한 효과적인 인사이트를 도출하는 것을 목적으로 한다. 구체적으로 사용자 프로파일링 기반 행태 분석과 사용 행태에 따른 삶의 질 변화 메커니즘 도출을 단계적으로 수행하였다. 분석 결과, 5개의 노인 생활관리 요인으로부터 노인집단 유형을 분류할 수 있는 2개의 중요한 차원을 도출하였으며, 도출한 차원에 근거하여 전체 노인 사용자를 3개의 유형으로 분류하고 유형별 스마트 토이 사용 행태 차이를 프로파일링 분석을 통해 확인할 수 있었다. 이후 스마트 토이 사용 행태에 따른 삶의 질 변화 메커니즘을 도출하기 위한 단계적 회귀분석을 수행하였으며, 스마트 토이와의 상호작용, 스마트 토이의 콘텐츠 사용, 스마트 토이가 관찰한 노인의 가정 내 활동 정도가 노인의 우울감 개선과 생활패턴 개선에 미치는 영향 및 이를 중재하는 경로로써 스마트 토이에 대한 사용자의 성능평가와 만족감의 역할을 밝혀내었다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1995년도 제27회 학술발표회
• /
• pp.101-113
• /
• 1995

The objective of this research is to test the feasibility of developing a statewide truck traffic forecasting methodology for Wisconsin by using Origin-Destination surveys, traffic counts, classification counts, and other data that are routinely collected by the Wisconsin Department of Transportation (WisDOT). Development of a feasible model will permit estimation of future truck traffic for every major link in the network. This will provide the basis for improved estimation of future pavement deterioration. Pavement damage rises exponentially as axle weight increases, and trucks are responsible for most of the traffic-induced damage to pavement. Consequently, forecasts of truck traffic are critical to pavement management systems. The pavement Management Decision Supporting System (PMDSS) prepared by WisDOT in May 1990 combines pavement inventory and performance data with a knowledge base consisting of rules for evaluation, problem identification and rehabilitation recommendation. Without a r.easonable truck traffic forecasting methodology, PMDSS is not able to project pavement performance trends in order to make assessment and recommendations in the future years. However, none of WisDOT's existing forecasting methodologies has been designed specifically for predicting truck movements on a statewide highway network. For this research, the Origin-Destination survey data avaiiable from WisDOT, including two stateline areas, one county, and five cities, are analyzed and the zone-to'||'&'||'not;zone truck trip tables are developed. The resulting Origin-Destination Trip Length Frequency (00 TLF) distributions by trip type are applied to the Gravity Model (GM) for comparison with comparable TLFs from the GM. The gravity model is calibrated to obtain friction factor curves for the three trip types, Internal-Internal (I-I), Internal-External (I-E), and External-External (E-E). ~oth "macro-scale" calibration and "micro-scale" calibration are performed. The comparison of the statewide GM TLF with the 00 TLF for the macro-scale calibration does not provide suitable results because the available 00 survey data do not represent an unbiased sample of statewide truck trips. For the "micro-scale" calibration, "partial" GM trip tables that correspond to the 00 survey trip tables are extracted from the full statewide GM trip table. These "partial" GM trip tables are then merged and a partial GM TLF is created. The GM friction factor curves are adjusted until the partial GM TLF matches the 00 TLF. Three friction factor curves, one for each trip type, resulting from the micro-scale calibration produce a reasonable GM truck trip model. A key methodological issue for GM. calibration involves the use of multiple friction factor curves versus a single friction factor curve for each trip type in order to estimate truck trips with reasonable accuracy. A single friction factor curve for each of the three trip types was found to reproduce the 00 TLFs from the calibration data base. Given the very limited trip generation data available for this research, additional refinement of the gravity model using multiple mction factor curves for each trip type was not warranted. In the traditional urban transportation planning studies, the zonal trip productions and attractions and region-wide OD TLFs are available. However, for this research, the information available for the development .of the GM model is limited to Ground Counts (GC) and a limited set ofOD TLFs. The GM is calibrated using the limited OD data, but the OD data are not adequate to obtain good estimates of truck trip productions and attractions .. Consequently, zonal productions and attractions are estimated using zonal population as a first approximation. Then, Selected Link based (SELINK) analyses are used to adjust the productions and attractions and possibly recalibrate the GM. The SELINK adjustment process involves identifying the origins and destinations of all truck trips that are assigned to a specified "selected link" as the result of a standard traffic assignment. A link adjustment factor is computed as the ratio of the actual volume for the link (ground count) to the total assigned volume. This link adjustment factor is then applied to all of the origin and destination zones of the trips using that "selected link". Selected link based analyses are conducted by using both 16 selected links and 32 selected links. The result of SELINK analysis by u~ing 32 selected links provides the least %RMSE in the screenline volume analysis. In addition, the stability of the GM truck estimating model is preserved by using 32 selected links with three SELINK adjustments, that is, the GM remains calibrated despite substantial changes in the input productions and attractions. The coverage of zones provided by 32 selected links is satisfactory. Increasing the number of repetitions beyond four is not reasonable because the stability of GM model in reproducing the OD TLF reaches its limits. The total volume of truck traffic captured by 32 selected links is 107% of total trip productions. But more importantly, ~ELINK adjustment factors for all of the zones can be computed. Evaluation of the travel demand model resulting from the SELINK adjustments is conducted by using screenline volume analysis, functional class and route specific volume analysis, area specific volume analysis, production and attraction analysis, and Vehicle Miles of Travel (VMT) analysis. Screenline volume analysis by using four screenlines with 28 check points are used for evaluation of the adequacy of the overall model. The total trucks crossing the screenlines are compared to the ground count totals. L V/GC ratios of 0.958 by using 32 selected links and 1.001 by using 16 selected links are obtained. The %RM:SE for the four screenlines is inversely proportional to the average ground count totals by screenline .. The magnitude of %RM:SE for the four screenlines resulting from the fourth and last GM run by using 32 and 16 selected links is 22% and 31 % respectively. These results are similar to the overall %RMSE achieved for the 32 and 16 selected links themselves of 19% and 33% respectively. This implies that the SELINICanalysis results are reasonable for all sections of the state.Functional class and route specific volume analysis is possible by using the available 154 classification count check points. The truck traffic crossing the Interstate highways (ISH) with 37 check points, the US highways (USH) with 50 check points, and the State highways (STH) with 67 check points is compared to the actual ground count totals. The magnitude of the overall link volume to ground count ratio by route does not provide any specific pattern of over or underestimate. However, the %R11SE for the ISH shows the least value while that for the STH shows the largest value. This pattern is consistent with the screenline analysis and the overall relationship between %RMSE and ground count volume groups. Area specific volume analysis provides another broad statewide measure of the performance of the overall model. The truck traffic in the North area with 26 check points, the West area with 36 check points, the East area with 29 check points, and the South area with 64 check points are compared to the actual ground count totals. The four areas show similar results. No specific patterns in the L V/GC ratio by area are found. In addition, the %RMSE is computed for each of the four areas. The %RMSEs for the North, West, East, and South areas are 92%, 49%, 27%, and 35% respectively, whereas, the average ground counts are 481, 1383, 1532, and 3154 respectively. As for the screenline and volume range analyses, the %RMSE is inversely related to average link volume. 'The SELINK adjustments of productions and attractions resulted in a very substantial reduction in the total in-state zonal productions and attractions. The initial in-state zonal trip generation model can now be revised with a new trip production's trip rate (total adjusted productions/total population) and a new trip attraction's trip rate. Revised zonal production and attraction adjustment factors can then be developed that only reflect the impact of the SELINK adjustments that cause mcreases or , decreases from the revised zonal estimate of productions and attractions. Analysis of the revised production adjustment factors is conducted by plotting the factors on the state map. The east area of the state including the counties of Brown, Outagamie, Shawano, Wmnebago, Fond du Lac, Marathon shows comparatively large values of the revised adjustment factors. Overall, both small and large values of the revised adjustment factors are scattered around Wisconsin. This suggests that more independent variables beyond just 226; population are needed for the development of the heavy truck trip generation model. More independent variables including zonal employment data (office employees and manufacturing employees) by industry type, zonal private trucks 226; owned and zonal income data which are not available currently should be considered. A plot of frequency distribution of the in-state zones as a function of the revised production and attraction adjustment factors shows the overall " adjustment resulting from the SELINK analysis process. Overall, the revised SELINK adjustments show that the productions for many zones are reduced by, a factor of 0.5 to 0.8 while the productions for ~ relatively few zones are increased by factors from 1.1 to 4 with most of the factors in the 3.0 range. No obvious explanation for the frequency distribution could be found. The revised SELINK adjustments overall appear to be reasonable. The heavy truck VMT analysis is conducted by comparing the 1990 heavy truck VMT that is forecasted by the GM truck forecasting model, 2.975 billions, with the WisDOT computed data. This gives an estimate that is 18.3% less than the WisDOT computation of 3.642 billions of VMT. The WisDOT estimates are based on the sampling the link volumes for USH, 8TH, and CTH. This implies potential error in sampling the average link volume. The WisDOT estimate of heavy truck VMT cannot be tabulated by the three trip types, I-I, I-E ('||'&'||'pound;-I), and E-E. In contrast, the GM forecasting model shows that the proportion ofE-E VMT out of total VMT is 21.24%. In addition, tabulation of heavy truck VMT by route functional class shows that the proportion of truck traffic traversing the freeways and expressways is 76.5%. Only 14.1% of total freeway truck traffic is I-I trips, while 80% of total collector truck traffic is I-I trips. This implies that freeways are traversed mainly by I-E and E-E truck traffic while collectors are used mainly by I-I truck traffic. Other tabulations such as average heavy truck speed by trip type, average travel distance by trip type and the VMT distribution by trip type, route functional class and travel speed are useful information for highway planners to understand the characteristics of statewide heavy truck trip patternS. Heavy truck volumes for the target year 2010 are forecasted by using the GM truck forecasting model. Four scenarios are used. Fo~ better forecasting, ground count- based segment adjustment factors are developed and applied. ISH 90 '||'&'||' 94 and USH 41 are used as example routes. The forecasting results by using the ground count-based segment adjustment factors are satisfactory for long range planning purposes, but additional ground counts would be useful for USH 41. Sensitivity analysis provides estimates of the impacts of the alternative growth rates including information about changes in the trip types using key routes. The network'||'&'||'not;based GMcan easily model scenarios with different rates of growth in rural versus . . urban areas, small versus large cities, and in-state zones versus external stations. cities, and in-state zones versus external stations.