• 한국화재소방학회논문지
• /
• 제33권6호
• /
• pp.72-79
• /
• 2019

본 연구를 통해 화학사고 사상사고 예측모형을 개발하였다. 모형은 로지스틱회귀분석 모델을 활용하여 사상사고에 영향을 주는 변수를 도출하여 적용하였고, 통계적 검증방법과 오즈비를 활용하여 모형의 신뢰성 및 정확성을 검증하였다. 모형에 활용한 사고 자료는 과거 발생했던 화학사고 통계를 분석하여 활용하였으며, 사고의 유형, 원인, 발생 장소, 사상자 현황 및 사상자를 발생시킨 화학사고 등의 자료 분석을 통해 통계적으로 유의하게 나타난 독립변수(p < 0.05)를 적용하였다. 본 연구에서 개발한 모형은 사업장에서 화학사고로 인해 발생하는 사상사고의 예방 및 안전시스템 구축을 위한 연구로서 의의가 있다고 할 수 있다. 모형에 의한 분석결과 사상사고 발생에 가장 크게 영향을 미치는 변수는 폭발에 의한 화학사고인 것으로 조사되었다. 따라서 사업장에서 발생하는 폭발 유형의 화학사고를 예방하기 위한 대책마련이 시급하다고 판단된다.

• Nuclear Engineering and Technology
• /
• 제53권12호
• /
• pp.3990-4002
• /
• 2021

CSPACE (Core meltdown, Safety and Performance Analysis CodE for nuclear power plants) for a simulation of severe accident progression in a Pressurized Water Reactor (PWR) is developed by coupling of verified system thermal hydraulic code of SPACE (Safety and Performance Analysis CodE for nuclear power plants) and core damage progression code of COMPASS (Core Meltdown Progression Accident Simulation Software). SPACE is responsible for the description of fluid state in nuclear system nodes, while COMPASS is responsible for the prediction of thermal and mechanical responses of core fuels and reactor vessel heat structures. New heat transfer models to each phase of the fluid, flow blockage, corium behavior in the lower head are added to COMPASS. Then, an interface module for the data transfer between two codes was developed to enable coupling. An implicit coupling scheme of wall heat transfer was applied to prevent fluid temperature oscillation. To validate the performance of newly developed code CSPACE, we analyzed typical severe accident scenarios for OPR1000 (Optimized Power Reactor 1000), which were initiated from large break loss of coolant accident, small break loss of coolant accident, and station black out accident. The results including thermal hydraulic behavior of RCS, core damage progression, hydrogen generation, corium behavior in the lower head, reactor vessel failure were reasonable and consistent. We demonstrate that CSPACE provides a good platform for the prediction of severe accident progression by detailed review of analysis results and a qualitative comparison with the results of previous MELCOR analysis.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1123-1130
• /
• 2020

본 연구는 고속도로 교통사고 심각도 예측모델을 구축하기 위해 다섯가지 머신러닝 기반의 분류모형 적용하였다. 2015년~2017년 동안 전국 고속도로에서 발생한 사고 데이터 21,013건을 5가지의 분류 모형을 적용한 결과 LightGBM(Light Gradient Boosting Model)이 가장 좋은 성능을 나타내는 것으로 나타났다. LightGBM에서는 교통사고심각도 추정에 있어 우선순위 요인으로 사고차량 수, 사고유형, 사고지점, 사고차로유형, 사고차량 유형 순으로 나타났다. 이러한 모형의 결과를 기반으로 일관적인 사고심각도 예측 과정을 통하여 교통사고대응관리 전략 수립에 활용할 수 있다. 본 연구는 국내 기계학습을 활용한 사례가 적은 여건에서 향후 빅데이터 기반의 다양한 기계학습 기법을 활용이 가능함을 제시하고 있다.

• 대한교통학회지
• /
• 제21권4호
• /
• pp.133-144
• /
• 2003

현재 도로사업의 타당성 조사 시 사용하는 교통사고 감소편익 산정기준은 도로의 등급별로 사고율을 일률적으로 적용하고 있어 도로자체의 물리적인 특성이 반영되지 못하고 있는 실정이다. 이와 같은 문제점을 해결하기 위해 본 논문에서는 도로의 물리적인 특성과 교통 특성을 반영한 사고예측모형을 개발하여 도로의 신설 및 개량에서 그 도로의 안전성을 평가할 수 있는 방법론을 제시하였다. 본 연구에서는 초기 단계로서 도시지역 도로를 대상으로 하여 모형을 개발하였다. 우선 도로유형별로 사고에 영향을 미치는 요인을 선정하였다. 이 때 선정 기준은 도로계획단계에서도 획득할 수 있는 자료를 위주로 선정하였으며, 변수로는 교통량, 중앙분리대의 유·무, 교차로 수, 연결로 수, 횡단신호등 수, IC밀도 및 차로수 가로 선정되었다. 각 요인과 사고와의 관계를 분석해 본 결과 모두 통계적으로 유의한 수준에서 상관성이 있는 것으로 나타났다. 본 연구에서는 도로의 규모 및 등급에 따라 4가지 유형으로 분류하고, 각각에 대하여 사고예측 모형식을 회귀분석을 통하여 도출하였으며 그 모형식을 실제 자료를 이용하여 검증하였다. 검증결과 모형식의 결과와 실제 사고 자료와의 상관성이 높은 것으로 나타났다. 본 연구에서는 도로 계획 단계에서 새로운 도로의 안전성을 예측할 수 있는 방법론을 제시하였다는 데에 그 의의가 있다. 본 연구에서 이용한 자료가 전라북도 한 지역으로 한정되어 있어 전국적인 대표성을 지니는 데에는 한계가 있을 수 있다는 사실을 밝히고자 한다.

• Nuclear Engineering and Technology
• /
• 제55권8호
• /
• pp.2747-2756
• /
• 2023

Reinforced Concrete (RC) shear walls are one of the civil structures in nuclear power plants to resist lateral loads such as earthquakes and wind loads effectively. Risk-informed and performance-based regulation in the nuclear industry requires considering possible accidents and determining desirable performance on structures. As a result, rather than predicting only the ultimate capacity of structures, the prediction of performances on structures depending on different damage states or various accident scenarios have increasingly needed. This study aims to develop machine-learning models predicting drifts of the RC shear walls according to the damage limit states. The damage limit states are divided into four categories: the onset of cracking, yielding of rebars, crushing of concrete, and structural failure. The data on the drift of shear walls at each damage state are collected from the existing studies, and four regression machine-learning models are used to train the datasets. In addition, the bagging ensemble method is applied to improve the accuracy of the individual machine-learning models. The developed models are to predict the drifts of shear walls consisting of various cross-sections based on designated damage limit states in advance and help to determine the repairing methods according to damage levels to shear walls.

• 한국가스학회지
• /
• 제18권1호
• /
• pp.8-16
• /
• 2014

본 연구에서는 국내에서 발생한 가스사고를 분석하여 가스사고의 건수예측모델에 대하여 제시하였다. 가스사고 건수를 예측하기 위하여 단순이동평균법(3,4,5기간), 가중이동평균법 및 지수평활법을 적용해 본 결과, 4기간 이동평균법과 가중이동평균법에 의한 모델의 평균오차제곱합이 44.4와 43으로 가장 정확성이 높은 것으로 나타났다. 가스사고 발생건수 예측시스템을 개발함으로서 가스사고 예방활동에 적극 활용할 수 있을 것이다.

• Journal of Electrical Engineering and Technology
• /
• 제12권2호
• /
• pp.969-980
• /
• 2017

Galloping is one of the most serious vibration problems in transmission lines. Power lines can be extensively damaged owing to aerodynamic instabilities caused by ice accretion. In this study, the accident probability induced by galloping phenomenon was analyzed using logistic regression analysis. As former studies have generally concluded, main factors considered were local weather factors and physical factors of power delivery systems. Since the number of transmission towers outnumbers the number of weather observatories, interpolation of weather factors, Kriging to be more specific, has been conducted in prior to forming galloping accident estimation model. Physical factors have been provided by Korea Electric Power Corporation, however because of the large number of explanatory variables, variable selection has been conducted, leaving total 11 variables. Before forming estimation model, with 84 provided galloping cases, 840 non-galloped cases were chosen out of 13 billion cases. Prediction model for accidents by galloping has been formed with logistic regression model and validated with 4-fold validation method, corresponding AUC value of ROC curve has been used to assess the discrimination level of estimation models. As the result, logistic regression analysis effectively discriminated the power lines that experienced galloping accidents from those that did not.

• 한국도로학회논문집
• /
• 제14권6호
• /
• pp.103-110
• /
• 2012

PURPOSES : In Korea, over 70 percent of the land consists of mountainous and rolling area. Thus, tunnels continue its upward trend as road network are extended. In these circumstances, the importance of tunnel has been increased nowadays and then its safety investigation and research should be performed. This study is focus on confirming and improving the safety of tunnel. On tunnel hood, sunglare effect can irritate driver's behavior instantly and this can result in incident. METHODS : The study of this phenomenon is rarely conducted in domestic and foreign papers, so there is no proper measure for this. This study analyzes the driving environment of the effect of sunglare effect on tunnel hood. RESULTS : Traffic accidents stem from complex set of factors. This study build the Traffic Accident Prediction Models to find out the effect of sunglare effect on tunnel's hood. The independent variables are traffic volume, geometric design of road, length of tunnel and road side environment. Using these variables, this model estimates accident frequency on tunnel hood by Poisson regression model and Negative binomial regression model. Although Poisson regression model have more proper goodness of fit than Negative binomial regression model, Poisson regression model has overdipersion problem. So the Negative binomial regression model is used in this analysis. CONCLUSIONS : Consequently, the model shows that sunglare effect can play a role in driving safety on tunnel hood. As a result, the information of sunglare effect should be noticed ahead of tunnel hood so this can prevent drivers from being in hazard situation.

• 한국안전학회지
• /
• 제25권2호
• /
• pp.84-88
• /
• 2010

The main point of this study is to find ways to prevent accidents at complex linear sections in advance by improving geometric structure elements that can be considered from the designing stage. Complex linear roads are consisted of sections where straight sections connect with curved sections or sections where curved sections connect with curved sections with relatively high possibility of accidents and accidents can be reduced through improving designing elements in these sections. Therefore, this study aims to develop accident forecasting model in complex linear roads and to clarify major elements affecting traffic accidents. The results of analysis showed that the groups are divided into a group less than 355m based on curve radius of 355m, a group whose curve radius exceeds 355m and a group whose incline exceeds -0.79 and a group whose curve radius is below 355m and incline exceeds -0.79 for straight section + curved section, and for curved section + curved section, it is divided into a group whose first curved section is less than 410m based on curve radius of 410m and the first curve is turning right and a group exceeding 410m and the first curve is turning left. The major variables common in 2 models are front curve radius and curve types(left, right), road surfaces, weather.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.