목적 다가오는 입찰에서의 입찰 참여자(입찰자) 수는 경쟁 입찰 과정에서 의사결정에 있어 발주자(건설 클라이언트)와 시공사 모두에게 중요한 관리적 함의를 갖는다. 그러나 최근 수십 년 동안 소수의 연구만이 수행되었고, 주로 입찰자 수의 통계적 분포에 초점을 맞춘 연구 정체가 존재한다. 본 연구는 기계학습(ML) 알고리즘을 활용하여 입찰자 수를 예측하는 새로운 관점을 제시하고자 한다. 설계/방법론/접근 본 연구는 싱가포르의 공공 부문 건설 프로젝트 입찰 데이터셋을 대상으로 사례 연구(case study) 접근법을 채택하였다. 총 6개의 ML 모델을 개발하였고, ML 모델의 예측 성능을 평가하기 위한 기준(baseline) 모델로 선형회귀를 사용하였다. 결과 ML 모델들은 기준 선형회귀 모델보다 우수한 성능을 보였으며, XGBoost가 R2 기준으로 가장 우수한 모델로서 선형회귀 모델보다 2배 높은 것으로 나타났다. 또한 본 예측 문제에서는 경제 관련 요인이 중요한 역할을 한다. 연구 제한점/함의 개발된 ML 모델의 예측 성능이 상대적으로 낮음에도 불구하고, 인공지능 기법을 사용하더라도 이 예측 문제에는 여전히 도전과 복잡성이 존재함을 시사한다. 독창성/가치 선도적 연구로서, 본 연구는 이 예측 문제에 ML 모델을 활용하기 위한 기초를 마련하고, 건설 클라이언트와 시공사를 위한 의사결정 지원 시스템 개발을 향한 향후 모델링 시도에 대한 통찰을 제공한다.

베트남 민속 건축(Vietnamese vernacular architecture, VVA)은 문화적·역사적 중요성을 바탕으로 풍부한 가치를 지니고 있음에도, 근대화, 전쟁의 결과, 환경 훼손으로 인해 점차 위협받고 있다. 이러한 건축 유산의 보존과 활성화를 위해서는 첨단 디지털 기술의 통합이 요구된다. 디지털 문서화, 데이터 관리, 설계 정확성의 역량으로 잘 알려진 빌딩 정보 모델링(Building Information Modeling, BIM)은 상당한 잠재력을 제공한다. 그러나 VVA의 맥락에서 BIM의 도입은, 현대의 기술적 요구사항에 부합하는 전문화된 도구와 방법의 부재로 인해 특히 충분히 탐구되지 못한 실정이다. 본 연구는 Revit과 Dynamo를 활용하여 VVA에서 영감을 받은 건축물의 개념 설계를 자동화하는 통합 BIM 기반 접근법을 제안한다. 연구는 데이터 수집, 건축 요소 분석, 프로토타입 모델 개발로 구성된 다단계 방법론을 따른다. 결과는 전통적 미적 요소와 현대적 건축 기준을 조화롭게 결합하는 설계 개념을 보다 효율적으로 생성하는 데 건축가와 엔지니어를 지원하는 것을 목표로 한다. 궁극적으로 본 연구는 유산 보존과 현대적 건설의 요구를 연결함으로써 지속가능한 건축 실천에 기여한다.

철도는 교통에 핵심적이지만, 수천 킬로미터에 이르는 방대한 네트워크는 기존의 구조 건전성 검사 및 유지보수에 있어 중대한 어려움을 야기한다. 최근 센서와 인공지능 기술의 발전은 철도 궤도 구조 건전성 모니터링(Railway Track Structural Health Monitoring, RTSHM)을 향상시키기 위한 혁신적 접근을 제안하는 연구의 규모를 크게 성장시켰다. 본 연구는 현재의 RTSHM 연구 지형을 종합하여 주류 및 신흥 방향을 탐색하고, 이 분야에서의 발전, 과제, 그리고 기회를 파악하는 것을 목적으로 한다. 서지계량학(bibliometrics) 분석과 토픽 모델링(topic modeling)을 결합한 혼합형 체계적 문헌고찰을 통해, 핵심 연구 주제들이 도출되었으며, 그 범위는 기초가 되는 센서 및 데이터 수집 기법의 개발에서 출발해 결함 탐지와 예측을 위한 AI 기반 방법과의 결합에 이르기까지 확장된다. 이러한 예측은 열화(degradation) 모델링을 통한 예측 유지보수에 활용되며, 여기에 동적 응답 평가와 성능 최적화 정보가 보강된다. 최종 목표는 RTSHM을 통합하여 운영 안전성 평가 및 위험 기반 의사결정에 기여하는 것이다. 기술적으로 진보적임에도 불구하고, 현재의 연구는 주로 개별(이산적) 결함의 탐지에 치중하는 경향이 있어, 궤도 시스템 전체에 대한 포괄적 관리가 소홀히 되고 있다. 이러한 분절화는 기반시설 관리에 있어 복잡하고 종종 사일로(silo)화된 연구·운영 환경을 초래하며, RTSHM이 여전히 중요한 개발 단계에 있음을 시사한다. 따라서 지능형 데이터 수집 장치, 딥러닝 기술, 그리고 혁신적인 운영 플랫폼과 통합된 스마트 철도의 개발은 향후 연구에서 도전적이면서도 유망한 방향을 대표한다. 이러한 발전은 전 세계의 더 안전하고 효율적이며 지속가능한 철도 시스템을 촉진할 것으로 기대된다.

본 연구는 전문가(공급 측)와 주민(수요 측)의 관점을 모두 반영하여 이러한 주거단지의 재개발을 위한 핵심 계획 요소를 식별하고 우선순위를 도출하는 것을 목적으로 한다. 이를 위해 분석적 계층화 과정(Analytic Hierarchy Process, AHP)과 이상해에 대한 순위선호도(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)를 통합한 하이브리드 다기준 의사결정 프레임워크를 개발하였다. 포커스 그룹 인터뷰를 통해 총 25개의 계획 요소를 도출하고, 이를 법·제도 개혁, 사업 타당성, 주거 여건, 사회적 통합, 단지 설계의 다섯 영역으로 분류하였다. AHP는 30명의 전문가 및 130명의 주민 응답을 바탕으로 각 요소의 상대적 중요도를 평가하는 데 사용되었다. 분석 결과 우선순위에서의 명확한 차이가 확인되었다. 즉, 전문가들은 사업 타당성과 규제 관련 사항을 강조한 반면, 주민들은 주거 적합성(livability)과 공간의 질을 우선순위로 두었다. 이후 TOPSIS 방법을 적용하여 네 가지 실제 재개발 사례를 평가하였다. 공급 측 관점에서는 서울 A구가 최고 점수(0.58)를 받았고, 수요 측 관점에서는 경기 D구가 최고 순위(0.69)를 차지하여 이해관계자의 우선순위가 상이함을 보여주었다. 종합 평가에서는 경기 D구가 가장 유리한 대안으로 도출되었다. 본 연구는 공공주택 재생(regeneration)을 위한 구조화되고 포괄적인 의사결정 프레임워크에 기여한다. 핵심 이해관계자들의 상반된 선호를 명시적으로 비교하고 정량화함으로써, 향후 재개발 추진에서 기술적 타당성과 주민 중심 가치의 균형이 필수적임을 강조한다.