강성우 부교수

교통 취약지역의 대중교통 접근성 문제를 해결하기 위해 노선 설계 연구를 수행했습니다. 유전 알고리즘(Genetic Algorithm) 기반 네트워크 최적화 모델링을 통해 수요와 자원 제약 조건 내에서 최적 경로를 탐색하는 방법론을 구축했으며, 기존 고정 노선 체계의 비효율을 데이터 기반으로 재설계하는 데 집중했습니다. 이 기술은 시내버스 노선 효율 개선과 스마트시티 교통망 설계에 적용되었고, 수요응답형 시내버스 노선 개선을 위한 AI 라우팅 시스템 개발로 이어졌습니다. 실제 적용 사례로 인천 시내버스 노선운영체계 개편에 해당 최적화 모델을 반영했습니다. 이와 관련하여 시내버스 교통취약지역 노선 효율 개선을 위한 유전 알고리즘 활용 노선 최적화 방법 및 시스템, 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템 등 등록 특허 2건을 보유하고 있습니다. 해당 기술은 TRL 5-6 수준으로 실증 단계에 있습니다.

제조·발전·설비 현장에서 고장 예측과 품질관리를 위한 데이터 기반 진단 기술 필요성에서 출발한 연구입니다. 적외선 열화상 데이터와 고장 이력 데이터를 XAI(설명가능한 인공지능)와 결합하여 이상 탐지 및 제어 변수 최적화를 수행하는 방법론을 개발했습니다. 이 기술은 지능형 사출성형 시스템의 AI 알고리즘 개발을 통한 사출성형 공정 최적화, 발전설비 고장 진단, 현대엘리베이터와 협력한 승강기 예지보전, 탄약 신뢰성 빅데이터 알고리즘 개발, 보행 및 스켈레톤 데이터 기반 파킨슨 증후군 중증도 판별 AI 등 다양한 산업 현장에 적용되었습니다. 사출성형 공정에서는 LightGBM 적용을 통해 결함률을 1.00%에서 최대 0.13%까지 낮추는 성과를 확인했습니다. 파킨슨 증후군 중증도 판별과 관련해서는 등록 특허 3건을 보유하고 있으며, 보행데이터 기반 파킨슨 증후군 중증도 판별 시스템 및 방법 기술을 인하대학교에서 (주)팁스인스티튜트로 기술이전한 실적이 있습니다. 해당 기술은 TRL 6-7 수준입니다.

다층 OLED 소자 설계 과정에서 반복적인 시뮬레이션에 따른 시간과 비용 소모 문제를 해결하기 위한 연구입니다. OLED 소자의 두께, 굴절률 등 구조 파라미터를 디지털화하고 기계학습 알고리즘을 통해 방출 특성을 예측하는 방법론을 구축했습니다. 이를 기반으로 OLED 소자구조 디지털화 AI 기반 전광시뮬레이터를 개발하여 설계 자동화를 추진하고 있으며, 반복 시뮬레이션 없이 소자 구조 변경에 따른 광학적 방출 특성을 신속하게 예측할 수 있는 프레임워크를 마련했습니다. 현재 해당 기술은 TRL 3-4 수준으로 초기 검증 단계에 있으며, 구체적인 정량 성과는 아직 확인되지 않았습니다.