▲ 현대차-고용노동부-산업안전상생재단, ‘상생형 산업안전 생태계’ 구축 맞손[출처=현대자동차]현대자동차(회장 정의선)에 따르면 2025년 4월15일(화) 서울 양재 본사에서 고용노동부, 산업안전상생재단, 주요 대학과 함께 ‘지속가능한 안전 생태계 조성을 위한 산업안전 분야 민·관·학 업무협약(MOU)’을 체결했다.또한 현대차는 상생형 산업안전 일경험 프로젝트를 본격 추진한다. 이날 협약식에는 고용노동부 김종윤 본부장, 현대차 정상익 안전기획사업부장, 산업안전상생재단 안경덕 이사장을 비롯한 관계자 20여 명이 참석했다.이번 협약은 정부, 기업, 공익재단, 교육기관이 협력해 산업안전 교육 프로그램을 마련하고 이를 통해 청년의 실무 역량을 높이며 중소기업의 안전관리 체계를 강화하는 상생 모델을 구축하는 데 목적이 있다.현대차는 실무 중심의 교육 환경을 제공하고 자체 안전관리 노하우를 공유해 중소기업의 산업안전 역량 제고에 실질적으로 기여할 계획이다.산업안전상생재단은 전문 인력 매칭, 멘토링, 맞춤형 프로그램 개발을 주도하며 프로젝트 운영을 지원한다. 고용노동부는 제도 개선과 재정 지원을 통해 지역 중소기업이 현장에서 산업안전 역량을 높일 수 있도록 뒷받침할 방침이다.참여 대학인 유한대, 한국교통대, 원광대, 동의대 등은 수도권, 중부권, 전라권, 경상권 등 권역별 산학협력 네트워크를 통해 청년 산업안전 인재 양성을 지속적으로 추진한다.전체 참여자의 75퍼센트(%) 이상은 비수도권 청년으로 구성돼 지역 간 교육 격차 해소와 산업안전 인재의 균형 배치를 도모한다.상생형 산업안전 일경험 프로젝트는 2025년 4월부터 12월까지 약 9개월간 운영된다. 위험성 평가, 재해 예방, 안전관리체계 수립 등 실무 중심 교육 과정과 VR 기반 체험 콘텐츠를 포함해 몰입도를 높인다.참여자에게는 월 100만 원 상당의 수당과 수료증, 우수자 포상 등 다양한 인센티브도 제공된다.현대차그룹은 중소기업의 안전한 작업 환경 조성과 안전 역량 강화를 지원하기 위해 2022년 국내 최초의 비영리 재단 형태 산업안전 전문 공익법인인 산업안전상생재단을 설립했다.이번 프로젝트는 고용노동부의 ‘미래내일 일경험 사업’의 일환으로 산업안전 분야에서는 최초로 ESG(환경·사회·거버넌스) 지원형 유형으로 선정됐다.현대차는 "이번 프로젝트는 실무 역량을 갖춘 산업안전 인재를 키우고 기업 간 안전 격차를 줄이기 위한 출발점이다. 민·관·학이 함께하는 상생형 안전 생태계를 구축하는 데 책임 있는 역할을 하겠다"고 강조했다.

▲ 서울대학교 컴퓨터공학부 강유 교수[출처=서울대학교 컴퓨터공학부]서울대학교(총장 유홍림) 공과대학(학장 김영오)에 따르면 컴퓨터공학부 강유 교수팀이 개인정보 보호나 보안 등의 이유로 학습 데이터 사용이 어려운 상황에서도 딥러닝 모델의 성능 저하를 최소화하며 경량화할 수 있는 혁신적인 인공지능(AI) 기술을 개발했다.이번 연구 논문은 2025년 4월24일부터 닷새간 싱가포르에서 열리는 세계적 AI 학술대회 ‘ICLR 2025’에 채택된 바 있다.올해로 13회를 맞는 ‘ICLR (International Conference on Learning Representations)’은 기계 학습 및 딥러닝 분야에서 세계 최고 권위를 자랑하는 학회다.프라이버시 보호나 보안 문제로 학습 데이터 접근이 어려운 상황은 현실에서 딥러닝 모델을 훈련시킬 때 겪는 큰 어려움 중 하나다.이를 해결하기 위해 개발된 ‘제로샷 양자화(Zero-shot Quantization, 이하 ZSQ)’는 훈련 데이터 없이 모델을 양자화할 수 있는 기술이다.그러나 기존의 ZSQ 기술은 합성 데이터의 노이즈, 부정확한 특징에 기반한 예측, 어려운 데이터의 잘못된 하드 레이블(Hard Lavel, 1가지 정답만 있는 레이블)이 야기하는 오차 발생 등으로 모델 성능 저하를 불러오는 치명적 한계를 보였다.이에 강 교수팀은 훈련 데이터를 사용하지 않고도 딥러닝 모델의 성능을 유지하며 효과적으로 경량화시킬 수 있는 ZSQ 기술인 ‘SynQ (Synthesis-aware Fine-tuning for Zero-shot Quantization)’ 기법을 제안했다.이는 실제 학습 데이터셋이 없는 환경에서도 종전의 ZSQ 기술에 쉽게 적용할 수 있는 중요한 기법으로 평가받고 있다.연구진은 SynQ의 3가지 핵심 기술로 딥러닝 모델의 성능을 향상시켜 기존 ZSQ의 약점을 극복하는 성과를 거뒀다.먼저 저역 통과 필터(low-pass filter)를 적용해 데이터의 고주파 노이즈를 제거했다. 그리고 사전 학습된 모델과 양자화된 모델 사이의 클래스 활성화 맵(Class Activation Map, 이하 CAM)을 정렬해 딥러닝 모델의 예측 정확도를 높였다.아울러 사전 학습된 모델이 어려운 샘플에 대해 오류를 일으킬 수 있는 점을 고려해 이러한 샘플에는 하드 레이블 대신 소프트 레이블(Soft Rabel, 확률로 표현된 정답)만을 사용함으로써 잘못된 학습을 방지했다.즉 SynQ는 사전 학습된 모델이 생성한 합성 데이터를 저역 통과 필터로 정제한 뒤 CAM 정렬과 난이도 기반 손실 함수 적용을 통해 양자화된 모델을 미세 조정함으로써 실제 데이터 없이도 모델 성능을 유지하며 경량화를 달성하는 원리를 지닌다.향후 SynQ 기법은 고성능의 경량 딥러닝 모델을 구현할 수 있는 AI 산업의 핵심 기술로 자리 잡을 전망이다. 특히 학습 데이터 없이도 모델의 정확도를 유지한 채 압축할 수 있는 SynQ를 활용하면 스마트폰, IoT(사물인터넷) 기기, 자율주행 센서 등 자원이 제한된 엣지 디바이스 환경에서도 고성능 AI를 안정적으로 운용할 수 있을 것으로 예상된다.연구 책임자인 강유 교수는 “SynQ 기술은 개인 데이터 유출 없이 모델을 경량화할 수 있는 강점 덕분에 보안 및 프라이버시 침해 문제를 줄이는 데 기여할 수 있다”고 강조하며 “나아가 이 기법을 적용하면 그간 대량의 학습 데이터에 접근하기 어려웠던 소규모 기업 및 기관도 고성능 AI를 손쉽게 활용할 수 있기 때문에 다양한 분야에서 AI 기술 확산 및 대중화가 가속할 것으로 기대된다”고 밝혔다.

최근 폭염 등 이상기후의 빈도가 높아지고, 재난으로 이어져 인간의 생명과 건강에 현실적인 위협요소가 되고 있다. 도시의 노후 저층주거지는 밀집환경으로 취약성이 높아 이를 신속하게 개선하는 정비의 필요성이 높다.모아타운은 재개발이 어려운 주택 소유자들의 개별 필지를 모아 블록 단위로 개발하는 방식으로, 특히, 노후 저층 주거지를 모아 단지화한 소규모주택정비 관리지역을 의미한다.모아타운 사업은 서울시가 주관하는 사업으로 주차장, 공원 등 지역단위의 정비기반시설 및 공동이용시설도 함께 조성된다.하지만 폭염 등 도시 열환경 취약성이 높아지는 현실에서 주민 건강을 고려한 종합적인 주거환경개선을 고려하여 노후 주거지의 정비사업에서도 열환경 및 열쾌적성 개선 여부에 대한 구체적인 연구가 필요한 시점이다.이번 회에서는 '모아타운 사업 전·후의 폭염기 열쾌적성 변화 시뮬레이션 연구 - 서울특별시 강북구 번동 411일대 사업대상지를 중심으로'라는 주제의 논문을 소개하고자 한다.2025년 2월 대한건축학회, 제41권 제2호(No. 436)에 게재됐다. 중앙대학교 도시공학전공 이준이 완성했다.◇ 연구의 목적... 모아타운 사업 전·후의 열환경 및 열쾌적성을 분석 및 평가하고 시사점 도출서울시 저층주거지 정비사업인 모아타운 대상지를 대상으로 CFD 시뮬레이션을 통해 사업지역인 관리구역, 그 주변 지역을 대상으로 사업 전·후의 열환경 및 열쾌적성을 분석해 그 영향을 정량적으로 평가하고 시사점을 도출하고자 한다.▲ 분석의 틀◇ 연구의 방법... CFD시뮬레이션을 통해 관리구역 열환경 및 열쾌적성 변화를 종합 분석연구에서 대상지 선정 및 대상지 현황 기초분석, 모아타운 사업 전·후 구역별 열환경 및 열쾌적성 완화 효과 분석, 관리 구역 열환경 및 열쾌적성 변화 분석, 결과 종합 분석 및 시사점을 도출한다.첫째, 문헌 검토를 통해 저층주거지 및 모아타운 사업 개념 및 특징, 열환경 및 열쾌적성 평가방법을 정리한다.둘째, 현장조사 및 문헌 조사를 통해 대상지의 물리적· 비물리적 현황을 파악하고 대상지와 인접한 위치의 자동기상관측장비(AWS)를 활용해 대기환경 기초 자료를 수집한다.셋째, ENVI-met 5.6.1과 ArcGis pro 3.0.0을 활용하여 모아타운 사업 전· 후 구역별 열환경 및 열쾌적성을 비교분석하고 SPSS Statistics 28을 활용해 통계적 유의함을 확인한다. 또한 정비계획에 따라 모아타운 사업에 의한 열쾌적성 완화 효과를 집중적으로 분석한다.마지막으로 특정 시간대의 이미지와 데이터 비교분석을 통해 정비 전·후 열환경 및 열쾌적성의 변화를 분석한다.◇ 주요 연구결과... 적절한 저·중·고층 혼합 배치를 통해 PET 개선영역 확대 가능먼저 M1은 대상지 현황, M2는 2023년 7월18일 정비지역 계획안, M3는 존치구역을 추가로 도입하는 2024년 4월30일 정비지역 계획안을 바탕으로 시뮬레이션을 진행했다.첫째, 정비가 이뤄지는 관리구역과 슈퍼블록의 시간별 평균 열쾌적성 완화 효과를 분석한 결과, 관리구역은 M1에 비해 M2는 –12.27퍼센트(%), M3는 –33.44%의 완화 효과를 확인했다. 슈퍼블록은 M1보다 M2는 –2.66%, M3는 –12.19%의 완화 효과를 확인했다.둘째, 관리구역 경계로부터 버퍼 분석을 시행한 결과, 08시부터 10시 사이에 0~40미터(m) 버퍼 구간의 생리학적 등가온도(PET)가 감소하고 그 외의 시간과 구간에서는 오히려 상승하는 역효과가 있음을 확인했다.이는 모아타운 사업이 관리구역의 열쾌적성에는 긍정적일 수 있지만 정비지역 외곽 PET에 부정적으로 작용할 가능성이 있어 관리구역 외곽에 대해서도 구체적인 검토가 필요하다는 점을 확인했다.셋째, PET 값이 가장 낮은 시간대인 10시와 PET 값이 가장 높은 시간대인 13시의 지표면온도(LST) 분석한 결과, 정비 후 LST는 M1<M2<M3로 분포빈도의 격차는 M2<M3<M1로 크게 나타나 정비로 지표면 온도 값이 상승 하지만 분포빈도의 양단 격차가 줄어 취약한 곳이 개선된 것으로 분석된다.정비 사업으로 밀집 환경이 개선되지만 정비전보다 LST가 높아지므로 녹지 조성, 건물 음영을 고려한 배치 등의 추가적인 개선 노력이 필요하다.넷째, PET가 변화가 주목된 10시와 13시 풍속변화를 분석한 결과, 정비 전·후 풍속은 M2마지막으로, 정비로 인한 PET 변화가 가장 큰 시간대인 10시에 존치구역 도입된 구역을 집중분석한 결과, 대기 온도는 M2 모아타운 사업 특성상 존치구역이 발생하므로 적절한 저·중·고층 혼합 배치를 통해 PET 개선영역 확대가 가능함을 확인했다. 공기흐름 유도에 용이한 가로대응 배치가 필요함을 시사한다.◇ 연구성과의 한계... 중심 모델과 녹지배치 등으로 환경을 단순화해 모델링강북구 번동은 현재 주민협의를 통해 계획안을 수립중으로 단지계획의 완성도가 높지 않았다는 점과 CFD 시뮬레이션 프로그램 구동 과정에서 부득이 주동 중심 모델과 녹지배치 등으로 환경을 단순화한 한계가 있다.또한 주거환경의 열환경에 대한 분석을 PET에 한정하여, 보다 폭넓게 접근하지 못한 한계가 존재한다.◇ 향후 연구 과제... 향후 정비사업의 완성도가 높은 곳을 대상으로 열환경 실증 연구 수행 필요모아타운 정비사업에 따른 전·후의 정비계획안별 열환경 및 열쾌적성 변화를 정량적으로 확인했으며 열환경 측면에서 보다 개선된 모아타운 관리계획을 위한 설계 방향을 제시하고 기존 연구와 달리 실제 계획안을 분석하여 실증적인 제언을 했다는 점에서 의의가 있다.연구의 성과와 한계를 고려해 향후 정비사업의 완성도가 높은 곳을 대상으로 열환경 실증 연구를 수행하고 실제 열환경 개선에도 도움이 되는 관련계획 및 사업계획 수립 방안에 대한 연구가 요구된다.▲ 배웅규 전문위원(중앙대학교 교수)

최근 경상북도와 경상남도에서 대규모 산불이 발생해 엄청난 피해가 발생했다. 험준한 산악 지형과 건조한 날씨는 화재 진압 자체를 불가능하게 만들었다.군인을 포함한 대규모 인력을 동원하고 군용 헬기까지 투입하고서야 진화가 가능해졌다. 화재를 사전에 예방하고 초기에 발견하는 것이 중요하다는 사실을 새삼 일깨워준 사건이었다.중앙대 ICT융합안전 전공자인 이정록, 이대웅, 정서현 등이 쓴 '화재 탐지 영역의 이미지와 동영상 인식 사이 인공지능 모델 성능 비교 연구(A Comparative Study on Artificial in Intelligence Model Performance between Image and Video Recognition in the Fire Detection Area)라는 논문을 소개한다. ◇ 오탐지율을 낮추기 위해 화재 상황 분류 모델과 학습데이터셋 제안최근 기후재난 이슈와 더불어 캐나다 산불, 하와이 산불과 같은 화재로 인해 엄청난 재산과 인명피해가 발생하고 있다. 화재를 예방하기 위한 노력과 함께 피해를 최대한 줄일 수 있게 화재를 조기에 탐지하기 위한 연구가 진행되고 있다.현재 소방 분야에서는 화재를 탐지하기 위한 불꽃, 연기, 가스 등을 감지하는 센서를 설치해 관리하고 있다. 센서를 활용한 방식은 가격이 저렴하고 작동이 편리해 건물 및 공장 등에 많이 설치돼 있다.하지만 정확도가 낮아 오탐이 많다. 이를 보완하기 위해 딥러닝 인공지능 기술인 CNN, Transformer 등의 신경망을 이용한 화재 탐지 모델에 대한 연구가 활발하다.불꽃 및 연기 객체를 탐지하는 화재 탐지 모델은 입력 영상에서 클래스 정의한 객체의 특징을 추출해 인식하는 기술로 실시간성을 확보하기 위해 모델을 경량화하는 쪽으로 연구가 계속되고 있다.여러 폐쇄회로TV(CCTV) 영상을 동시에 분석할 수 있게 경량화된 모델은 CCTV 기반 화재 탐지 시스템에 적용되고 적은 비용으로 많은 공간을 넓게 모니터링할 수 있다. 그러나 경량화로 인해 오탐지율이 높아 이를 개선하기 위한 연구가 활발하다.오탐지율을 낮추기 위해 화재 상황 분류 모델과 학습데이터셋을 제안한다. 기존 탐지 모델과 학습방법에 대해 실험을 통해 비교, 평가해 제안방법의 우수성을 증명한다.◇ 동영상 기반의 딥러닝 모델이 정확한 화재탐지에 더 적절하다는 것을 실험으로 증명딥러닝 기술을 기반으로 한 객체 탐지 기술은, 연산 속도를 비약적으로 단축한 YOLO 모델이 2015년 처음 발표되면서부터 실시간 탐지 프로그램에 적용되기 시작했다.초창기에는 연산 시간을 단축하는 것에 치중한 나머지 예측 성능이 떨어진다는 평가를 받기도 했지만 2023년을 기준으로 8번째 버전까지 고도화를 거치면서 정확도와 실용성을 모두 갖춘 기술로 평가받고 있다. 하지만 불꽃과 연기를 탐지하도록 훈련된 모델은 실제 화재를 감지할 때 사용하기 어려운 성능 수준을 보인다.이는 객체 탐지 모델은 탐지하고자 하는 객체의 형태가 명확할수록 성능이 올라가지만 화재에서 발생하는 불꽃과 연기는 시각적인 경계가 모호하고,객체의 크기와 형태 또한 다양한 양상을 보이기 때문이다.이러한 특징은 학습데이터를 구축할 때도 일관된 레이블링 작업을 어렵게 만들기 때문에 모델의 성능이 더욱 떨어지는 원인이 된다.예를 들면 길쭉하게 뻗어 퍼지고 있는 연기의 경우, 직사각형 모양으로 해당 객체를 표시했을 때 연기를 포함하는 영역보다 포함하지 않는 영역이 더욱 커질 수 있어 모델의 성능을 저하하는 원인이 된다.이러한 객체 탐지 모델의 한계점을 극복하기 위해 기존 YOLO 모델에 optical flow 같은 광학적 특성들을 전처리 과정을 통해 모델에 입력하거나 다양한 크기의 불꽃을 학습하기 위해 모델 구조에 변화를 주는 방식을 시도하고 있다.하지만 복잡한 전처리가 필요하거나 연산 속도가 느려지는 등의 한계가 존재한다. 따라서 기존 이미지 데이터를 사용한 방식보다는 여러 프레임을 한번에 고려하는 동영상 기반의 딥러닝 모델이 정확한 화재탐지에 더 적절하다는 것을 실험으로 증명하려 한다.◇ Kinetics-400 데이터를 사전 훈련한 모델에 NIA 화재 데이터셋 추가 학습이미지 기반 모델은 실시간 탐지 프로그램에 적용할 수 있으며, 2023년을 기준으로 8번째 버전까지 고도화를 거쳐 정확도와 실용성을 모두 갖춘 YOLOv8 모델을 선정했다.COCO(Microsoft Common Objects in Context) 데이터를 사전 훈련한 모델에 대해 NIA 화재 데이터셋을 추가 학습했다. 아래 그림은 YOLO 모델 구조를 보여준다.동영상 기반 모델은 공간과 시간 축의 프레임 수를 달리해 빠르게 변화하는 모션을 인지하는 네트워크와 느리게 변화하는 모션을 인지하는 네트워크로 구분하는 SlowFast 모델을 선정했다. Kinetics-400 데이터를 사전 훈련한 모델에 NIA 화재 데이터셋을 추가 학습했다.▲ YOLOv8 frame(locher, 2023)◇ 한국정보화진흥원(NIA)에서 제공하는 데이터셋 사용데이터는 한국정보화진흥원(NIA)에서 제공하는 데이터셋을 사용했으며 데이터는 1920x1080과 1280x720 크기로 12초 길이의 30FPS 클립으로 구성돼 있다.클래스는 “정상(NONE)”, “연기(SMOKE)”, “불꽃(FLAME)” 3개로 구분했다. 영상에는 불꽃과 연기 등이 다양하게 분포돼 있다. 이미지 기반 모델 동영상 데이터를 이미지로 변환해 학습을 진행한다.이 때 정상은 학습할 수 없기 때문에 연기와 불꽃 탐지만 할 수 있도록 학습을 진행하며 이후 후처리를 통해 정상 클래스를 분류한다.각 불꽃, 연기, 정상은 300개 클립으로 Table 1과 같이 구성했고 Table 2는 학습, 검증, 테스트가 8:1:1 비율로 구성됨을 보여준다.▲ Data for each class, 1:1:1 composition of proportions◇ 성능 평가... 이미지와 동영상 기반 모델을 동일한 조건으로 평가평가는 동영상 데이터에 대해 정상, 연기, 불꽃 클래스를 올바르게 분류했는지를 P(Precision), R(Recall), F(F1-Score)로 평가한다.이미지와 동영상 기반 모델을 동일한 조건으로 평가하기 위해 YOLO는 후처리를 통해 분류 형식에 맞도록 반환값을 조정한다.1개의 클립은 360장의 이미지로 이뤄진 데이터를 사용하고 있기 때문에 YOLO는 1개의 클립에 대해 총 360장 이미지를 읽어 각 이미지 별로 클래스를 탐지한다. 탐지된 우선순위는 불꽃 >= 연기 > 정상으로 판단한다.불꽃이 발생하는 경우엔 필연적으로 연기가 같이 발생하기 때문에 하나의 이미지에서 연기와 불꽃을 모두 탐지한 경우는 불꽃에 더 높은 우선 순위를 부여한다.360장 이미지에 대해 각 클래스를 탐지한 후 후처리를 위해 S_TH(Score_Threshold)를 0.1, 0.2, ..., 1.0으로 0.1 STEP씩 S_TH를 증가하며 360장 이미지에서 탐지된 불꽃, 연기 비율을 카운팅한다.이때 카운팅 수량이 S_TH를 넘어서면 해당 클래스로 분류했다고 판단하고 S_TH를 넘기지 못하면 정상 클래스로 분류했다고 판단한다.▲ YOLO Post-processing methods◇ 성능 비교... YOLO를 사용한 경우가 동영상 기반의 SlowFast 모델보다 정확도가 높게 나타나테스트셋은 불꽃, 연기, 정상 클래스별 각 30개의 클립을 사용한다. 제한된 테스트셋 기준에선 전반적으로 이미지 기반의 탐지모델인 YOLO를 사용한 경우가 동영상 기반의 SlowFast 모델보다 정확도가 높게 나타났다.하지만 YOLO는 화재가 발생했는데 불꽃이 작아 연기 위주인 경우에는 불꽃을 제대로 탐지하지 못했다. 불꽃의 밝기로 그 주변까지 밝아져 불꽃 형상이 명확하게 보이지 않는 경우에도 1개의 불꽃을 여러 개로 탐지하는 등의 오탐이 존재했다.SlowFast는 YOLO와 다르게 불꽃이 작고 연기 위주인 경우에도 불꽃을 잘 탐지했다. 불꽃의 빛 번짐으로 불꽃 형상이 명확하지 않더라도 올바르게 탐지함을 확인했다.다만 정상 recall과 연기 precision을 보면 두 클래스 사이 오탐이 성능을 저하시킴을 볼 수 있고 이는 정상에 대한 특징이 명확하지 않아 정상 영상에 존재하는 희미한 구름 등이 연기로 오탐을 일으키는 것으로 유추된다. 정상 데이터를 불꽃, 연기보다 배로 확보해 정상,연기,불꽃 별 성능 추이를 확인해볼 필요가 있다.마지막으로 두 모델 모두 화재를 올바르게 탐지하지만 현재 테스트 케이스는 명확한 정상, 연기, 불꽃으로 나누어졌기에 YOLO가 보다 우수한 성능을 가짐을 확인할 수 있다.하지만 노이즈가 많은 데이터를 입력으로 넣은 경우에는 YOLO의 오탐지가 더 높음을 확인할 수 있다. 이는 너무 소량의 테스트 데이터를 사용했으믈 현재 성능을 그대로 받아들이기 어려운 점을 시사한다.▲ If the shape of the flame is not clearly visible due to the strong flame (YOLO / SlowFast)◇ YOLO는 배경의 영향을 많이 받아 주변이 너무 밝거나 흐리면 탐지 성능이 급감화재탐지 분야에서 이미지 기반의 모델 YOLO와 동영상 기반의 모델 SlowFast 성능을 비교해 둘 중 어느 접근법이 화재탐지 분야에 더 유효한지 실험했다.YOLO는 배경의 영향을 많이 받아 주변이 너무 밝거나 흐리면 탐지 성능이 급감하며 화재의 규모가 너무 크거나 작을 때에도 화재를 제대로 감지하지 못했다.이는 객체 탐지를 위해 레이블링 할 때 주변이 밝거나 흐린 경우 불꽃이나 연기의 형상을 일관되게 잡을 수 없기 때문으로 보이며 이는 모델 학습 시 성능 저하가 더 가중된 것으로 판단된다.동영상 기반 모델 SlowFast는 FastPath와 SlowPath를 이용해 빠르게 변화하는 모션과 느리게 변화하는 모션을 인지하는 네트워크를 구분해 학습한다.동영상의 시간 축을 같이 학습하기 때문에 비정형 객체에 대해 주변이 흐리거나 밝아 형상을 명확하게 유추할 수 없는 상황에서도 우수하게 화재를 탐지하는 것을 확인했다.다만 SlowFast는 불꽃을 잘 예측하지만 정상과 연기 사이 오탐하는 경우가 빈번하다. 이를 개선하기 위해 정상 데이터 분포를 연기, 불꽃 대비 2~5배 가량 증가시키며 연기, 불꽃 성능은 유지하되 정상인 경우의 오탐을 줄이는 등 모델 성능 고도화를 위한 연구가 필요하다.▲ 정상 전문위원(중앙대학교 교수)

▲ 병원 정보보호 협회 춘계 세미나(4.3)[출처=국가정보원]국정원(원장 조태용)에 따르면 국민 생명과 직결된 병원 전산시스템과 의료정보 등을 사이버공격으로부터 보호하기 위해 ｢병원정보시스템 보안 가이드라인｣을 마련했다.국정원은 지난 수년간 북한 등 사이버위협 세력들은 병원 의료정보시스템을 노린 사이버위협에 집중해왔다.2024년 미국·오스트레일리아 등에서 의료보험 처리 기관·대학 병원 등이 해킹돼 환자 개인정보가 유출되고 병원 업무가 마비되는 등 심각한 피해를 입은 사건들이 발생했다. 최근 북한은 2025년을 ‘보건혁명의 원년’으로 선포한 이후 해킹조직을 동원해 국내 바이오·의료업체 전산망 침투를 노리는가 하면 의료기관 관계자에게 해킹 메일을 대량 살포하는 등 의료정보·기술 절취에 몰두하고 있는 것으로 알려졌다.국정원은 이와 같은 위협에 대응하기 위해 그간 교육부·보건복지부, 병원 현장관계자 등과 함께 진행해 온 ‘병원보안 모델 연구’를 최근 완료하고 ‘병원정보시스템 보안 가이드라인’을 공개하게 됐다고 밝혔다.同 가이드라인은 의료·외부연계 시스템·환자포털 등 병원정보시스템 6개 영역에 대한 보안모델의 표준을 제시하고 있다. 정보보안 정책·시스템 운영·환자 개인정보 보호 등 분야별 보안대책을 담고 있다.특히 국립대병원 뿐만 아니라 민간 종합병원 정보보안 담당자들이 실무에 쉽게 활용하도록 제작하는 데 주안점을 뒀다. 자세한 가이드라인의 내용은 국가사이버안보센터 홈페이지(www.ncsc.go.kr)에서 확인할 수 있다.이와 더불어 실무자들이 보안 가이드라인을 현장에서 실효성 있게 활용하도록 하기 위해 현장 설명회도 개최했다.우선 3월14일 국립대학병원 정보보안 담당자들로 구성된 ｢국립대학병원 사이버보안 협의회｣를 통해 가이드라인을 처음 소개했다.이어 4월3일에는 전국의 민간상급병원 정보보안 담당자 등이 참석한 ‘병원 정보보호 협회 춘계 세미나’에서도 가이드라인의 주요 내용과 활용법 등을 설명했다. ‘국립대학병원 사이버보안 협의회’는 2022년 6월 국정원·교육부·국립대학병원 등이 의료분야 사이버 위협에 선제 대응하기 위해 발족했다.국정원 관계자는 “북한 등 불순한 해킹세력들이 환자의 생명과 직결되는 의료정보시스템을 노린 사이버공격을 노골화하고 있어 의료분야 사이버보안 강화가 중요한 상황이다”며 “국민이 안전하게 의료시설을 이용할 수 있도록 병원 및 유관기관과 지속적으로 협력하여 안전하게 의료서비스를 받도록 지원하겠다”고 밝혔다.

▲ HD현대, 서울 모빌리티쇼에서 차세대 신모델 굴착기를 비롯해 인프라건설 혁신 기술을 전시[출처=HD현대]HD현대(대표이사 회장 권오갑, 대표이사 수석부회장 정기선)에 따르면 2025년 4월3일(목)부터 경기도 고양시 킨텍스 제1전시장에서 열흘간 개최되는 ‘2025 서울 모빌리티쇼’에서 차세대 신모델 굴착기를 글로벌 최초 공개했다.이번에 공개한 차세대 신모델은 건설기계 부문 계열사 HD현대건설기계의 40톤(t)급 ‘HYUNDAI’ 굴착기와 HD현대인프라코어의 ‘DEVELON’ 24t급 굴착기 2종으로 HD현대 건설기계 부문이 글로벌 톱-티어 브랜드들과 경쟁하기 위해 개발한 첫 제품이다.차세대 신모델은 전자제어유압시스템(Full Electro-Hydraulic system, FEH) 등의 첨단 기술이 탑재된 스마트 굴착기로 △작업 효율을 높이는 스마트 어시스트 △작업장 내 안전을 확보하는 스마트 세이프티 △장비 가능 시간을 극대화하는 스마트 모니터링 등 다양한 기능이 적용돼 생산 효율성, 장비 내구성, 사용자 편의성 측면에서 뛰어난 성능을 자랑한다.HD현대는 이번 모빌리티쇼에 1215㎡(367평) 크기의 전시관을 마련해 육상 모빌리티의 지속 가능한 발전을 가능케 하는 인프라 건설의 혁신 테마 ‘No Infrastructure, No Mobility’를 주제로 관람객들을 맞이한다.HD현대관은 △건설혁신 리더십(Forward Spirit) △건설혁신 기술(Forward Technology) △건설혁신의 미래(Forward Future) 등 3가지 키워드를 중심으로 구성됐다.신모델 전시를 비롯해 관람객들이 직접 4D 라이드, RC 건설기계, 가상현실(VR) 시뮬레이터 등을 통해 건설기계 신기술을 체험할 수 있다.HD현대 전시관에는 HD현대건설기계의 40톤급 굴착기(HX400)와 HD현대인프라코어 24t급 굴착기(DX240)가 좌·우측에 자리하고 있다. 굴착기 앞의 마일스톤 테이블에서 터치패널을 조작해 차세대 신모델의 핵심기술을 살펴볼 수 있다.또 전시관 중앙에 위치한 길이 12미터(m) 규모의 메인 대형 LED 화면과 좌·우측의 루버(Louver, 살 형태) 스크린을 통해 신제품 소개, 브랜딩, 무인·자율화 육상 비전 등의 다양한 영상 콘텐츠를 규모감 있게 소개한다.HD현대는 차세대 신모델의 출시를 통해 육상 비전 ‘Xite Transformation’을 실현하는 시작을 알리고 미래 기술을 구현하고자 하는 의지를 알린다는 계획이다.HD현대는 일반 관람객 공개 하루 전인 4월3일(목) 진행된 미디어데이에서 차세대 신모델 언베일링 행사를 유튜브로 글로벌 생중계한다.K-건설기계의 수출산업 비전과 신제품의 핵심 신기술 및 디자인 콘셉트 등을 소개하며 5월부터 출시하는 차세대 신모델에 대한 기대감을 높였다.HD현대 부스는 차세대 신모델을 배경으로 한 디지털 그래피티 그리기, 유아용 건설기계 장난감 ‘데구르르(Dgrr)’ 체험, 굿즈샵 운영 등 가족단위 관람객을 사로잡을 다양한 콘텐츠와 이벤트를 마련했다.HD현대사이트솔루션(HD현대 건설기계 부문 중간지주사) 조영철 사장은 “차세대 신모델은 HD현대 건설기계 부문의 기술력과 노하우를 한데 모아 완성한 주력장비다. 차세대 신모델을 필두로 국가대표 건설기계 브랜드 ‘현대’(HYUNDAI)와 ‘디벨론’(DEVELON)을 글로벌 톱-메이커로도 성장시킬 것이다”고 강조했다.

▲ KG 모빌리티 무쏘 EV[출처=KG 모빌리티]KG 모빌리티(회장 곽재선, 대표이사 황기영, 박장호, 이하 KGM)에 따르면 2025년 3월 내수 3208대, 수출 6275대를 포함해 총 9483대를 판매했다.이러한 실적은 수출 물량 증가와 함께 신모델 출시에 힘입어 9000대 판매를 넘어서며 전월 대비 12.1% 증가한 것이다.내수 판매는 3월 중순 이후 고객 인도를 시작한 무쏘 EV와 토레스 하이브리드 등 신모델 출시에 힘입어 전월 대비 19.9% 증가하며 회복세를 보였다.특히 무쏘 EV는 3월 526대가 판매됐으며 본계약 2주 만에 누적 계약 3200대를 돌파하는 등 시장에서 호평받고 있다.무쏘 EV는 전기 SUV에 픽업 스타일링을 더한 신개념 차량으로 전기차의 경제성과 픽업의 다용도성, SUV의 편안함을 갖춰 레저 활동뿐만 아니라 도심 주행 등 일상에서도 편리하게 활용할 수 있다.또한 성장세를 보이고 있는 하이브리드 시장에서 순조로운 출발을 이어가고 있는 토레스 하이브리드 판매 물량 증가에 힘입어 토레스 역시 1058대가 판매되는 등 전월 대비 82.7% 증가했다.토레스 하이브리드는 동급 최대 130킬로와트(kw) 대용량 모터와 1.84kw 배터리를 적용해 뛰어난 주행 성능과 함께 도심 주행 시 EV 모드로 94%까지 주행 가능해 1리터당 16.6킬로미터(km, 도심 연비, 18인치휠 기준)의 최고 연비를 자랑한다.KGM은 무쏘 EV와 토레스 하이브리드 등 신모델의 본격적인 고객 출고가 시작되면 판매 물량은 더욱 늘어날 것으로 기대하고 있다.수출은 독일과 헝가리 등으로의 판매 증가와 함께 6000대를 넘어서며 전월 및 전년 동월 대비 각각 8.6%, 4.6% 증가했다. 누계 기준으로도 전년 대비 4.2% 증가하는 등 올해 전망을 밝게 했다.KGM은 상승세가 이어지고 있는 글로벌 시장 대응을 위해 1월 튀르키예 액티언 론칭을 시작으로 2월에는 독일에서 대규모 딜러 콘퍼런스를 가졌다. 3월에는 페루 관용차 공급 확대를 위한 MOU를 체결하는 등 해외 시장 판매 물량 확대에 나서고 있다.KGM은 "수출 물량 증가와 함께 회복세를 보이고 있는 내수 역시 무쏘 EV와 토레스 하이브리드의 본격적인 출고가 시작되면 판매가 더욱 늘어날 것이다"며 "상승세가 이어지고 있는 수출은 물론 내수 시장 대응에도 총력을 기울여 판매 물량을 늘려 나갈 것이다"고 강조했다.

▲ 한국전력공사 로고[출처=한국전력공사]한국전력(사장 김동철, 이하 한전)에 따르면 2025년 3월26일(수) 16시30분 서울 동대문 노보텔에서 교육부(사회부총리 겸 교육부장관 이주호)와 고졸 인재의 일자리 확대와 경력개발 지원을 위한 업무협약을 체결했다.이번 협약식에는 이주호 사회부총리 겸 교육부장관, 안중은 한전 경영관리부사장, 배병일 한국장학재단 이사장과 직업계 고등학교 재학생 200여 명이 참석했다.한전과 교육부는 △고졸 채용 대폭 확대 △직업계고 취업 교육을 통한 입사 우대 △입사 후 고졸 사원 학사학위 취득을 포함한 경력개발 프로그램 공동 기획·운영 등 고졸 인재의 채용부터 경력개발 과정 전반에 대해 상호 협력하기로 했다.이번 협약은 단순한 고졸 채용인원의 확대를 넘어 기업과 정부가 협력해 뿌리 깊은 학력 중심 사회문제를 해결하고 능력 중심의 청년 자립 선순환 모델 구축의 기초를 마련한다는 데에 의미가 있다.한전은 학력 차별 없는 채용 선도기업으로서 올해부터 3개년간 총 300개(제한채용 170명, 인턴 130명)의 양질의 고졸 일자리를 창출하는 등 고졸 인재 채용을 획기적으로 늘릴 예정이다.올해부터 한전은 전년도의 2배가 넘는 고졸 인재 87명을 채용하는 등 2022년~2023년 연간 10명 안팎이던 고졸 채용인원을 향후 3개년 간 연평균 100명 수준으로 10배 가까이 확대할 계획이다.이는 최근 구인배수(구직자 1인당 일자리 수)가 26년만에 최저치인 0.28로 떨어지고, ‘쉬었음 청년’ 중 고졸 이하가 57퍼센트(%)에 이르는 고졸 청년들의 취업 문제가 더욱 심각해지는 취업빙하기 상황을 해결하는데 일조할 것으로 기대한다.또한 우수한 고졸 인재가 지원할 수 있도록 한전은 이날 교육부와 협약식과 더불어 공동 채용설명회를 개최했으며 향후 교육부 ‘고졸만잡’ 시스템을 활용한 채용 홍보를 병행할 것이다.또한 교육부에서 추천한 직업계고 학생을 대상으로 ‘고졸 에너지인재 취업교육’을 시행하고 우수 수료자를 채용 시 우대할 계획이다.고졸 에너지인재 취업교육은 약 1달 간 한전 인재개발원에서 에너지 관련 전문 교육을 시행하고 우수 수료자에게 고졸 공채시 필기전형 가점(3∼5%)을 부여하는 제도다.더 나아가 한전은 단순한 고졸 채용 확대를 넘어 입사한 고졸 사원의 역량 강화와 경력개발을 위해 서울과학기술대학교에 ‘에너지 신기술 융합학과’를 올해 신규 개설했다. 학사과정의 안정적인 운영 및 개선을 위해 교육부와 지속적으로 협력할 예정이다.이날 협약식에 참석한 안중은 한전 경영관리부사장은 “이와 같은 한전의 노력은 조기 취업을 통해 경제적 자립을 앞당겨 부모 세대의 교육비 부담을 줄이고 더 나아가 사회 조기 진출에 따른 안정적인 경제 기반으로 결혼 및 출산율 증가에도 기여할 것이다”며 “앞으로도 한전은 학력 중심 사회에서 선취업 · 후진학의 교육 패러다임 전환을 위해 눈 덮인 길에 내딛는 첫걸음의 마음으로 마중물 역할을 수행하겠다”고 강조했다.

▲ KB국민은행 신관[출처=KB국민은행]KB국민은행(은행장 이환주)에 따르면 2025년 4월1일(화) 스타벅스 제휴 통장을 출시하고 스타벅스 앱 내 KB국민은행 계좌 간편결제 서비스를 시작한다.통장 상품명은 KB국민은행을 상징하는 STAR(별)와 스타벅스를 상징하는 STAR(별)의 만남을 상징해 ‘KB 별별통장’으로 결정했다.‘KB 별별통장’은 입출금이 자유로운 예금으로 통장개설일로부터 1년 간 최고 연 2.0%(퍼센트)의 이율을 제공한다. 조건은 300만 원 이하, 기본이율 0.1%, 우대금리 최대 연 1.9%p, 2025.3.24. 기준, 세금공제 전 등이다.조건을 충족한 고객은 추가 제휴 혜택도 받을 수 있다. 기존 급여이체 이력이 없는 고객에게는 KB 별별통장으로 매월 합산 50만 원 이상 입금 시 스타벅스 아메리카노 쿠폰을 월 1매, 연 최대 12매 제공한다.KB 별별통장을 스타벅스 계좌 간편결제 수단으로 연결하고 사이렌오더로 음료를 주문하면 스타벅스 별 리워드도 추가 지급(일 1개, 월 최대 5개)한다.또한 스타벅스 앱 내에 최초 도입되는 계좌 간편결제의 경우 KB국민은행 계좌는 별도 계좌번호 입력 없이 편리하게 결제수단으로 등록할 수 있다.상품에 대한 상세 내용은 2025년 4월1일부터 KB국민은행 홈페이지 및 KB스타뱅킹 상품 가입 안내 페이지에서 확인할 수 있다.KB국민은행은 상품 출시에 앞서 3월21일부터 새로운 광고 모델 ‘배우 추영우’와 함께한 ‘KB 별별통장’ 광고 티저 영상을 순차적으로 공개했다.티저 영상에서는 ‘별 부족함이 없어보여, 내 통장’, ‘부자되세요, 별부자’ 등의 짧은 카피로 새로운 상품에 대한 기대감을 높였다.새로운 광고모델 추영우는 스타벅스 제휴 상품 ‘KB 별별통장’과 스타벅스 앱 내 ‘KB국민은행 계좌 간편결제 서비스’를 홍보할 예정이다.광고 본편은 3월28일 공개될 예정이며 지상파 및 케이블TV 채널, KB국민은행 유튜브, 인스타그램 등에서 만날 수 있다.KB국민은행이 발탁한 ‘배우 추영우’는 최근 다양한 드라마에서 폭넓은 캐릭터를 완벽하게 소화하며 차세대 스타로 주목받고 있다.2021년 데뷔 이후 꾸준히 필모그래피를 쌓아왔으며 드라마 ‘옥씨부인전’과 ‘중증외상센터’가 흥행에 성공하면서 배우로서의 입지를 공고히 했다.한편 KB국민은행은 K-POP 대표 그룹 ‘에스파’와 ‘배우 박은빈’을 장기 모델로 기용하고 있다. KB국민은행만의 ‘모델과 함께 성장하는 스토리텔링 전략’을 지속적으로 이어오고 있다.

▲ 베트남 빈패스트(VinFast) 로고[출처=빈패스트 홈페이지]2025년 3월21일 동남아시아 경제는 필리핀과 베트남을 포함한다. 필리핀 MPower는 메가랜드와의 전력 공급 계약을 통해 Go 계열사와의 파트너십을 돈독히 한다.베트남 GSM JSC에 따르면 빈패스트 그린 모델 4종에 대해 2025년 3월17일부터 3월24일 사이 주문한 고객들에게 할인혜택을 제공한다.◇ 필리핀 MPower, 메가 랜드 프라임 이스테이트(Mega Land Prime Estate Corp.)와 전력 공급 계약 맺어 Go 계열사와 파트너십 강화필리핀 메랄코(Meralco) 산하 전력 소매업체 MPower가 퀘존 시에 위치한 메가랜드 프라임 이스테이트(Mega Land Prime Estate Corp.)의 시설과 전력 공급 계약을 새로이 맺으며 Go 계열사와 파트너십을 강화한다고 밝혔다.메가랜드는 2006년 설립돼 불라칸(Bulacan), 세부(Cebu), 미사미스 오리엔탈(Misamis Oriental) 지역에서 부동산 및 물류창고 서비스를 제공하는 기업이다.MPower는 위생용품 제조업체 메가소프트 하이제닉 프로덕츠(Megasoft Hygienic Products Inc.)의 칼로오칸 시 시설에 전기를 공급해왔다.참고로 메가소프트는 시스터즈(Sisters), 트윈즈(Twins), 트윈즈 램피엔(Twins Lampen) 브랜드를 통해 기저귀, 냅킨, 생리대를 판매한다.◇ 베트남 GSM JSC, 사전예약 접수 3일만에 빈패스트 그린 모델 4만6000대 주문돼2025년 3월20일 베트남 승차공유업체 GSM JSC에 따르면 4만6000대 가량의 빈패스트 그린 모델(VinFast Green model)이 주문됐다. 사전 예약을 받은 지 3일만이다.미니오그린(Minio Green), 헤리오그린(Herio Green), 네리오그린(Nerio Green), 리모그린(Limo Green) 총 4가지 모델은 승차공유 서비스에 특화된 디자인이다.2025년 3월17일부터 3월24일 사이 차량을 주문한 고객은 미니오그린 500만 동(US$ 200달러), 헤리오그린과 네리오 그린 1000만 동(400달러), 리모그린 1500만 동(600달러)을 할인받는다.