Station structures, one of important infrastructures, which have been being operated since the 1970s, are especially vulnerable to even the medium-level earthquake and they could be damaged by long-term internal or external vibrations such as ambient vibrations. Recently, much attention has been paid to real-time monitoring of the fatal defect or long-term deterioration of civil infrastructures to ensure their safety and adequate performance throughout their life span. In this study, a structural health monitoring methodology using acceleration responses is proposed to evaluate the health-state of the station structures and to detect initial damage-stage. A damage index is developed using the acceleration data and it is applied to outlier analysis, one of unsupervised learning based pattern recognition methods. A threshold value for the outlier analysis is determined based on confidence level of the probabilistic distribution of the acceleration data. The probabilistic distribution is selected according to the feature of the collected data.
Cement-based sensors have been widely used as structural health monitoring systems, however, their long-term sensing performance have not actively investigated. In this study, a deep learning-based methodology is adopted to predict the long-term piezoresistive properties of cement-based sensors. Samples with different multi-walled carbon nanotube contents (0.1, 0.3, and 0.5 wt.%) are fabricated, and piezoresistive tests are conducted over 10,000 loading cycles to obtain the training data. Time-dependent degradation is predicted using a modified long short-term memory (LSTM) model. The effects of different model variables including the amount of training data, number of epochs, and dropout ratio on the accuracy of predictions are analyzed. Finally, the effectiveness of the proposed approach is evaluated by comparing the predictions for long-term piezoresistive sensing performance with untrained experimental data. A sensitivity of 6% is experimentally examined in the sample containing 0.1 wt.% of MWCNTs, and predictions with accuracy up to 98% are found using the proposed LSTM model. Based on the experimental results, the proposed model is expected to be applied in the structural health monitoring systems to predict their long-term piezoresistice sensing performances during their service life.
Purpose: The purpose of this study was to investigate factors influencing health workers' infection management behavior in long-term care facilities. Methods: A descriptive cross-sectional survey was conducted with 180 health workers who are employed in long-term care facilities. The data were collected from April, 25 until July, in 2016. Results: Infection management behavior positively correlated with the perceived importance of infection management (r=.77, p<.001), but role conflict negatively correlated with infection management behavior (r=.28, p<.001). The hierarchical regression model with general characteristics (first step) and perceived importance of infection management, work environment, and role conflict (second step) against infection management behavior was statistically significant (F=31.93, p<.001). This model could explain 62.8% of infection management behavior ($R^2=.62$, ${\Delta}R^2=.39$). Particularly, perceived importance of infection management was identified as factors influencing infection management behavior(${\beta}=.70$, p<.001). Conclusion: The findings of this study imply that systemic education about infection control and monitoring should be considered, so as to encourage proper infection management behaviors among health workers in long-term care facilities.
In the design and condition assessment of bridges, it is usually necessary to take into consideration the extreme conditions which are not expected to occur within a short time period and thus require an extrapolation from observations of limited duration. Long-term structural health monitoring (SHM) provides a rich database to evaluate the extreme conditions. This paper focuses on the extrapolation of extreme traffic load effects on bridges using long-term monitoring data of structural strain. The suspension Tsing Ma Bridge (TMB), which carries both highway and railway traffic and is instrumented with a long-term SHM system, is taken as a testbed for the present study. Two popular extreme value extrapolation methods: the block maxima approach and the peaks-over-threshold approach, are employed to extrapolate the extreme stresses induced by highway traffic and railway traffic, respectively. Characteristic values of the extreme stresses with a return period of 120 years (the design life of the bridge) obtained by the two methods are compared. It is found that the extrapolated extreme stresses are robust to the extrapolation technique. It may owe to the richness and good quality of the long-term strain data acquired. These characteristic extremes are also compared with the design values and found to be much smaller than the design values, indicating conservative design values of traffic loading and a safe traffic-loading condition of the bridge. The results of this study can be used as a reference for the design and condition assessment of similar bridges carrying heavy traffic, analogous to the TMB.
A number of sensing techniques have been implemented for detecting defects in civil infrastructures instead of onsite human inspections in structural health monitoring. However, the issue of faults in sensors has not received much attention. This issue may lead to incorrect interpretation of data and false alarms. To overcome these challenges, this article presents a deep learning-based method with a new architecture of Stateful Long Short Term Memory Neural Networks (S-LSTM NN) for detecting sensor fault without going into details of the fault features. As LSTMs are capable of learning data features automatically, and the proposed method works without an accurate mathematical model. The detection of four types of sensor faults are studied in this paper. Non-stationary acceleration responses of a three-span continuous bridge when under operational conditions are studied. A deep network model is applied to the measured bridge data with estimation to detect the sensor fault. Another set of sensor output data is used to supervise the network parameters and backpropagation algorithm to fine tune the parameters to establish a deep self-coding network model. The response residuals between the true value and the predicted value of the deep S-LSTM network was statistically analyzed to determine the fault threshold of sensor. Experimental study with a cable-stayed bridge further indicated that the proposed method is robust in the detection of the sensor fault.
A smart home system improves the elderly's quality of life by monitoring and analyzing their movements and health conditions with better health-care and social support services. Therefore, there has been an effort to adopt a smart home system for the independently living elderly. However, to the best of our knowledge, no study has investigated the usability of a smart home system on actual independently living elderly housing in long-term settings. Thus, this study aims to demonstrate the usability of a smart home system on independently living elders in living lab conditions. The BLE smart band and the BLE receiver were chosen for the smart home system to monitor the movement of the participants in their homes as well as to monitor the heart rates, step counts, sleep index. Nine independent living elderly from the senior welfare center in Kimjae participated in this living lab demonstration experiment for ten months. This demonstration experiment confirmed the effectiveness of low-cost and easily adoptable IoT-based BLE sensor sets on independent living elders and discussed the troubles and limitations of the experiment. By grasping the pros and cons of IoT-based BLE sensor sets, this study seeks to improve the accessibility and usability of smart home systems for the elderly population in independent living arrangements.
The purpose of our study is to analyze the determinants of the benefits of the long-term care insurance in Korea using 2008 and 2009 cross-sectional data. Per capita long-term care insurance benefits can be divided into home care services utilization rate, institutional care services utilization rate, per capita home care services benefits, and per capita institutional care services benefits, which are used as the dependent variables in our regression analysis. Admission rate and the ratio of the admitted to the applicant also used as the dependent variables. The results of our analysis show that the explanatory variables such as income level, needs for care, family type, access to the services, and regional characteristics are statistically significant to explain the dependent variables, the long-term care insurance benefits. The higher is the regional income and the more of the female residents, the more are the long-term care insurance benefits. The easier is the access to the services, the more are the insurance benefits. In the rural area, the level of the insurance benefits is relatively high. We propose that copayment rates of the long-term care insurance should be examined and monitoring on the over-use of the services should be done. Also preventive services and care by the family member should be expanded.
A subway or an underground railway is one of the representative public transportations which lots of people take everyday. Then, subway station, which is also one of the very important public civil infrastructures, generally services for a long period of time. During the service time of stations, they are easily damaged from environmental corrosion, material aging, fatigue, and the coupling effects with long-term loads and extreme loads. Recently, civil construction work on the places near station often creates lots of damages to the station. As these damages accumulate, the performance of station degenerates due to the above factors. They would inevitably reduce the resisting capacity of station against the disaster; even they bring into the collapse of stations with the structural failure under long-term loads and extreme loads. And, if disaster such as earthquake, fire, etc. happens, it causes huge property damage and threatens the human lives. Because of these above reasons, the structural health monitoring system need to be developed for ensuring the safety of station. In this paper, the development directions of the structural health monitoring system with fiber optic sensor and USN for subway station are briefly described.
Structural Health Monitoring System (SHMS) works as an efficient platform for monitoring the health status and performance deterioration of engineering structures during long-term service periods. The objective of its installation is to provide reasonable suggestions for structural maintenance and management, and therefore ensure the structural safety based on the information extracted from the real-time measured data. In this paper, the SHMS implemented on a world-famous kilometer-level cable-stayed bridge, named as Sutong Cable-stayed Bridge (SCB), is introduced in detail. The composition and core functions of the SHMS on SCB are elaborately presented. The system consists of four main subsystems including sensory subsystem, data acquisition and transmission subsystem, data management and control subsystem and structural health evaluation subsystem. All of the four parts are decomposed to separately describe their own constitutions and connected to illustrate the systematic functions. Accordingly, the main techniques and strategies adopted in the SHMS establishment are presented and some extension researches based on structural health monitoring are discussed. The introduction of the SHMS on SCB is expected to provide references for the establishment of SHMSs on long-span bridges with similar features as well as the implementation of potential researches based on structural health monitoring.
Sensors and systems in Civionics technology play an important role for continuously facilitating real-time structure monitoring systems by detecting and locating damage to or degradation of structures. An advanced materials, design processes, long-term sensing ability of sensors, electromagnetic interference, sensor placement techniques, data acquisition and computation, temperature, harsh environments, and energy consumption are important issues related to sensors for structural health monitoring (SHM). This paper provides a comprehensive survey of various sensor technologies, sensor classes and sensor networks in Civionics research for existing SHM systems. The detailed classification of sensor categories, applications, networking features, ranges, sizes and energy consumptions are investigated, summarized, and tabulated along with corresponding key references. The current challenges facing typical sensors in Civionics research are illustrated with a brief discussion on the progress of SHM in future applications. The purpose of this review is to discuss all the types of sensors and systems used in SHM research to provide a sufficient background on the challenges and problems in optimizing design techniques and understanding infrastructure performance, behavior and current condition. It is observed that the most important factors determining the quality of sensors and systems and their reliability are the long-term sensing ability, data rate, types of processors, size, power consumption, operation frequency, etc. This review will hopefully lead to increased efforts toward the development of low-powered, highly efficient, high data rate, reliable sensors and systems for SHM.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.