KICT 한국건설기술연구원

검색

전체 과제명 책임자 검색

전체 129건 현재 페이지 1/13

• 순환골재 품질관리 담당자 겸직 허용 이후 품질인증 사후관리 결과 고찰 연구자: 전수민 KICT 건설시험인증본부 연구위원 관련 제도현황 2021년 12월 「순환골재 품질인증 및 관리에 관한 규칙」이 개정되고 2022년 11월 「순환골재 품질인증업무 처리요령」이 개정되어 순환골재 품질인증업체의 품질관리 업무 담당자가 환경관리 업무도 겸하여 수행할 수 있게 되었다. 순환골재 품질인증을 유지하기 위하여 해당 업체에서는 총괄책임자, 품질관리 담당자, 환경관리 담당자 및 안전관리 담당자 총 4인의 인력을 확보하여야 하고 이중 품질관리 담당자는 해당 자격 또는 경력을 충족하는 동시에 순환골재품질관리교육을 이수해야 하며 환경관리 담당자는 해당 자격 또는 경력을 충족하여야 한다. 총괄책임자와 안전관리 담당자의 경우 요구되는 자격요건이 없기에 품질관리 담당자와 환경관리 담당자의 자격요건을 충족시키기가 상대적으로 어려웠던 셈이다. 규정 개정 전에는 품질관리와 환경관리 업무를 각 전담인력이 수행하도록 명시되어 있어 결과적으로 한 업체에 최소 4인의 인력이 필요했었는데 겸직이 허용되면서 총괄책임자, 안전관리 담당자, 품질 및 환경관리 담당자 3인으로 인력을 구성하는 사례가 다수 나타나고 있다. 구체적으로는 표 1과 같이 품질관리 담당자의 자격요건이 환경관리 담당자의 자격요건을 포함하고 있기에 기존 품질관리 담당자가 환경관리 담당자를 겸직하는 사례가 나타나고 있다. 순환골재 품질인증 사후관리 결과 한국건설기술연구원은 2023년에 242개 순환골재 인증업체에 대한 품질인증 사후관리를 실시하였고 복수 인증 보유 업체가 있어 품질시험은 311건 수행되었으며 표 2에 이를 구체적으로 나타내었다. 인증 용도는 도로공사용, 콘크리트 및 콘크리트 제품 제조용(굵은골재, 잔골재) 및 순환 아스팔트콘크리트 제조용 총 4가지이며, 「순환골재 품질인증세부운영지침」 별표 3의 표기방법에 따라 도로공사용은 R, 굵은골재는 C, 잔골재는 F, 아스팔트용은 A로 표기한다. 표 2에 대하여 설명하면 한 업체가 보유한 인증 용도를 4개의 행(R, C, F, A)으로 구분하고, 표 하단 마지막 행에 단일 또는 복수 용도인증을 받은 해당 업체 수를 명시하였으며, 우측 끝 Total 열에 용도별 인증 건수의 합을 명시하였다. 이렇게 표현한 것은 복수 인증 보유 업체가 있어 사후관리 공장심사 건수와 품질시험 건수가 일치하지않기 때문이다. 한 업체가 복수 용도의 인증을 보유한 경우에도 사후관리 공장심사는 1회 진행되기에 사후관리 시공장심사 점검표는 인증 1개 보유업체나 인증 4개 보유업체나 동일하게 1건만 작성되는 반면 사후관리 시 시료채취 및 품질시험은 인증용도별로 진행된다. 그 결과 2023년도 사후관리의 경우 242개 업체에 대하여 공장심사가 진행되었고, 품질시험은 R 192건, C 94건, F 13건 및 A 12건 총 311건이 진행되었다. 국토교통부에서 공고한 순환골재 품질기준에 따른 용도별 품질기준 충족여부에 따라 시험 합부를 판정하며 2023년도 사후관리 품질시험결과 전체를 품질관리 담당자 유형(전담 또는 겸직)에 따라 나타내면 표 3과 같다. 표 3에 대하여 설명하면, 전담 담당자가 품질을 관리하는 189건의 인증 중 151건의 품질시험 결과가 기준에 적합하였고 합격률이 79.89%인 것이다. 인증 용도별 사후관리 품질시험결과를 품질관리 담당자 유형에 따라 나타내면 도로공사용은 표 4, 굵은골재는 표 5, 잔골재는 표 6과 같다. 아스팔트용의 경우 총 12건인데 전담관리 7건 및 겸직 관리 5건 모두 시험결과가 적합하여 별도로 나타내지 않았다. 사후관리 시험결과 분석 전담 관리 사례와 겸직 관리 사례의 사후관리 품질시험 결과 사이에 차이가 없다고 귀무가설을 수립하고, 두 경우의 시험결과에 대하여 시험결과 적합은 100점, 부적합은 0점으로 정량화한 후 엑셀 2019 프로그램의 이분산가정 t-검정을 활용해 분석하였다. 전체 인증 용도에 대한 311건의 시험결과를 비교분석하면 표 7과 같은데 양측검정의 P값이 0.152로 유의수준 0.05보다 크므로 가설을 기각하지 않으며 t-통계량 값의 크기가 1.437로 양측검정 t-기각치 1.968보다 작으므로 가설을 기각하지 않는다. 즉 전담 관리 시험 결과와 겸직 관리 시험결과 사이에 통계적으로 유의미한 차이는 나타나지 않았다. 용도별로 살펴보면 도로공사용 192건 시험결과의 비교 분석 결과는 표 8과 같은데 양측검정의 P값이 0.788로 유의수준 0.05보다 크고 t-통계량 값의 크기가 0.269로 양측 검정 t-기각치 1.974보다 작으므로 차이가 존재한다는 가설을 기각하지 않는다. 굵은골재 94건 시험의 분석 결과는 표 9와 같은데 양측검정 P값이 0.228로 유의수준 0.05보다 크고 t-통계량의 크기가 1.215로 양측검정 t-기각치 1.989보다 작으므로 차이가 존재한다는 가설을 기각하지 않는다. 또한, 잔골재 13건 시험의 분석 결과는 표 10과 같은데 양측검정 P값이 0.215로 유의수준 0.05보다 크고 t-통계량의 크기가 1.387로 양측검정 t-기각치 2.447보다 작으므로 차이가 존재한다는 가설을 기각하지 않는다. 마치며 순환골재 품질인증 규칙과 요령이 개정되어 품질인증 업체의 품질관리 업무 담당자가 환경관리 업무도 겸하여 수행할 수 있게 되었고 실제로 다수의 겸직 사례가 나타났는데, 겸직 인력이 관리하는 경우 전담 인력이 관리할 때와 동일한 수준의 품질관리가 유지되는지 여부에 대하여 2023년도 사후관리 품질시험 311건을 전담 관리 189건과 겸직 관리 122건으로 나누어 양자 사이에 차이가 없다는 가설을 전제로 비교하여 보았다. 전체인증용도, 도로공사용, 굵은 골재 및 잔골재의 경우 모두 P값이 유의수준보다 크고 t-통계량의 크기가 t-기각치보다 작아 전담과 겸직 관리 시험결과 사이에 통계적으로 유의미한 차이가 없는 것으로 나타났고, 아스팔트용의 경우는 불합격 사례가 없어 양자 사이에 차이가 발생하지 않았다. 상기 2023년도 사후관리 품질시험 분석결과를 토대로 판단하면 품질담당자 겸직 허용 이후 인증 골재 품질관리에 대하여 통계적으로 유의미한 변화는 나타나지 않았기에 겸직 허용은 적절한 규제완화인 것으로 사료되며, 향후 다른 기간의 사후관리 결과 등에 대하여 후속 연구가 이루어지면 보다 객관적인 결과의 도출이 가능할 것으로 사료된다. 참고자료 전수민(2024) 순환골재 품질관리 담당자 겸직 허용 직후 실시한 연례 품질인증 사후관리 시험결과에 대한 고찰. 한국산학기술학회논문지. vol.25. no.12. Dec 31. pp.404-410. 건설시험인증본부 게시일2025-07-01 조회수 23
• 전기요금, 이렇게 줄일 수 있다! 대기전력을 줄여 전기요금 아껴주는 스마트 분전반 개발 건축에너지연구본부 게시일2025-07-01 조회수 21
• 스마트 드론, 노후 터널 안전 지킨다! 생성형 AI 탑재한 자율 주행 드론으로 손상 및 균열 탐지 가능해 지반연구본부 게시일2025-07-01 조회수 32
• 재생 바이오매스를 활용한 지속가능한 건설환경 인프라 기술 개발 연구자: 안창혁 KICT 환경연구본부 수석연구원 들어가며 인류가 지구의 지배 세력이 된 이후 20세기부터 이루어진 급격한 자원 이용과 인프라 개발은 글로벌 물질 소비량의 드라마틱한 증가를 야기하였다. 20세기 이후 인류 유래 생산품(anthropogenic or human-made product)으로 정의되는 건물, 도로, 기계 등의 인프라 요소(콘크리트, 아스팔트, 금속 등)와 이를 구성하는 시설들의 질량(mass)이 급격히 증가하면서, 이용자의 편의성이 개선되는 한편 건설환경의 지속가능성 측면에서 잠재적 문제가 제기되고 있다. 바이오매스(biomass)는 관점에 따라 그 범위와 의미의 차이를 보이는데, 주로 생태학적으로는 태양 에너지를 받아 유기물을 합성하는 식물과 이들을 먹이로 하는 동물·미생물 등 생물 유기체의 현존량을 총칭하지만, 산업계를 포함한 보다 일반적인 관점에서는 에너지 및 재생자원 활용 측면을 고려하여 생물의 생사(生死)나 형태에 관계없이 보다 넓은 의미를 나타낸다(예: 유기성 폐기물, 하수슬러지, 바이오가스, 숯 등). Nature에 소개된 최신 연구에 따르면(Elhacham et al.,2020), 2013~2020년에 인류 유래 생산품 및 그 폐기물들의 질량이 지구상에 존재하는 생태학적 바이오매스의 건조질량 수준에 이미 도달하였으며, 2031~2037년에는 습윤질량 수준을 돌파할 것으로 예측되었다(그림 1). 이를 세계 기상기구(WMO)에 보고된 연평균 지구 기온(1850~2018, 세계 기상 기구 데이터)을 묘사한 ‘Warming stripes(Ed Hawkins, 2018)’에 대입해 보면 글로벌 물질소비량의 급격한 증가가 지구적 기후변화에 큰 영향을 미칠 수 있을 것으로 추정할 수 있다(그림 2). 국내 건설환경 분야 지속가능 전략 2025년 환경부 업무계획에 따르면 기후위기 대응은 국민 안전과 경제를 좌우하는 최우선 이슈로 보고되었으며, 특히 이상기후, 온실가스 관리, 글로벌 탄소무역에 대한 국제적 경쟁력 확보를 중요한 세부 추진과제로 보고 있음을 알 수 있다. 유럽연합(EU)의 본격적인 탄소무역 규제에 따라 국제 탄소규제의 지속적인 강화가 전망됨과 함께, 글로벌 녹색시장 규모의 증가(2024년 1분기 기준 7.2조 달러)는 ESG 공시 의무, 자원 안보 및 순환 경제 등과 관련 기술 수요의 필연적인 확장이 예상되므로, 이는 결국 국내외 건설환경 분야의 패러다임 전환을 예고하고 있다. 그뿐만 아니라 「순환경제사회법」 시행에 따른 ‘규제샌드박스’는 폐자원의 순환이용 기반을 강화하기 위한 발판 제공 목적에 따라 국내 바이오매스 활용에 대한 규제 특례를 부여할 것으로 예상된다. 이러한 노력은 가시적으로 UN 기후변화협약에 대응하기 위한 2035 국가 온실가스 감축목표(Nationally Determined Contribution, NDC) 달성을 위함이며, 향후 법제화 과정을 통해 지역적 탄소중립 이행을 주도하기 위한 여건 확보를 세부과제로 한다. 이러한 배경에 따라, 건설환경 분야를 포함한 관련 학계에서는 국내뿐만 아니라 글로벌 규모에서 자원 활용과 건설환경 인프라를 포함한 사회경제적 대사의 물질흐름을 정량적으로 평가하고 모니터링함으로써 물질 재고의 질량과 구성, 투입 및 산출 흐름을 예측하고, 바이오매스 총량과 비교하거나 활용함으로써 전체적인 자원 관리에 대한 그림을 정량적으로 예측할 수 있다. 결국, 문제해결 과정에서 과학기술적으로 확립된 재생 바이오매스의 개선이나 신규 활용처 확보에 따라 기존에 해결할 수 없었던 다양한 환경문제에 대한 난해한 질문들을 지속가능한 개발 측면에서 재고할 수 있을 것이다. 건설환경 인프라의 환경적 이슈와 재생 바이오매스 이용 방안 도시화로 인해 잠재적으로 유해한 인위적 오염물질(anthropogenic contaminants)의 증가 및 노출은 건설환경 인프라 개발에 비례하면서 나타나는 중요한 환경적 이슈이며, 이는 혁신적인 솔루션이 필요한 지속적인 글로벌 문제이기도 하다(Akhtar et al., 2021). 일반적으로 도시화 지역에서 다루는 인위적 오염물질에는 중금속(heavymetals), 소수성 유기오염물질(hydrophobic organic contaminants), 염료(dyes), 살충제(pesticides), 미생물 및 바이러스(microorganisms and viruses) 등 다양하게 존재한다. 지난 수십 년 동안 도시 지역에서 유래된 유해 오염물질들을 제거하기 위해 다양한 환경 기술이 개발되었으나, 주로 현장 외(ex-situ) 환경시설에서 오염물질을 포집하고 수송한 후 제거하기 위한 제한된 기술요소로 이루어져 왔다. 그러나 공정 복잡성, 분산 관리, 맞춤형 현장 적용 및 비용 효율성 문제를 포함한 재료와 요소기술의 선형적 관리는 해당 시스템이 직면한 한계점 중 하나로 인식된다. 반면에, 재생 바이오매스를 개량하거나 개질하여 현장내(in-situ) 정화 시스템으로 재구성하는 방안은 지속 가능한 제조 관행을 채택하는 패러다임의 전환을 유도할 수 있는 효과적인 전략일 수 있다. 재생 바이오매스를 환경 관리에 통합하는 전략은 녹색 인프라를 구현하고, 에너지 효율성과 폐기물 처리를 위해 재생 에너지를 활용할 뿐만 아니라, 순환경제 원칙을 촉진함으로써 자원 순환과 환경오염 관리 목표를 동시에 달성할 수 있는 장점이 있다. 예시 중 하나로써 재생 바이오매스와 미생물과의 협력을 통한 재료 표면의 특정 화학구조(ex: humic-like substances)의 개질은 다양한 물리화학적 메커니즘(흡착, 침전, 이온교환 등)을 통한 인위적 오염물질의 제거를 유도할 수 있다. 이러한 가능성을 가시화한다면, 과거에 우리가 활용을 포기했던 재생 바이오매스에 대한 새로운 관점을 가지고 다양한 환경 매체에서 유해한 오염물질을 효과적으로 제거할 수 있을 뿐만 아니라 폐기물 처리를 위한 매립지, 소각, 또는 정화 시스템에 대한 경제적 대안을 제공할 수 있다. 따라서 향후 연구방향은 재생 바이오매스를 적절하게 활용하고 환경정화에 활용할 수 있는 물리화학적 특성을 극대화하여 도시에서 발생할 수 있는 오염물질의 거동을 효과적으로 제한할 수 있는 전략을 고려할 필요가 있다. 재생 바이오매스 활용 기술의 미래 방향 재생 바이오매스 활용 기술 적용 및 확장을 위해서는 기존 분야에 대체가능한 요소기술 개발뿐만 아니라 전체적인 시스템적 접근이 필요하다. 자연과 인간 환경에서 발생하는 오염물질의 거동 특성과 이동경로(pathway) 분석, 오염물질의 타입에 따른 수용처에 대한 위해성과 환경적 영향을 고려할 필요가 있다. 확장 중인 도시화에 대응 가능하기 위해 자연기반해법(nature-based solutions)이나 생태공학적 접근이 고려될 필요가 있으며, 순환경제요소를 도입한 물질순환의 선순환 체계를 고려한 산업생태학적 전 과정평가(lifecycle assessment) 기법이 검토되어야 할 것이다. 또한, 전통적인 과학과 공학의 융합적 접근을 통한 응용공학의 시도는 관련 연구에서 학술적 기반이 되는 접근법으로 고려된다. 앞서 설명한 것처럼 바이오매스의 범위는 매우 넓기 때문에 다양한 유·무기 물질을 재료로 활용하여 하이브리드 형태로 가공 및 개질한 방법론과 생산품들은 건설환경 분야의 지속 가능한 상용화를 기대할 수 있다. 향후 관련 접근법을 적극 활용하여 건설환경 분야에 기여할 수 있는 미래지향적 기술개발 발전을 기대한다. 참고자료 Akhtar, N., Ishak, M.I.S., Bhawani, S.A., Umar, K. (2021) Various natural and anthropogenic factors responsible for water quality degradation: a review. Water, 13, 2660.pp. 1-35. Ed Hawkins (2018) https://en.wikipedia.org/wiki/Warming_stripes. Elhacham, E., Ben-Uri, L., Grozovski, J., Bar-On, Y.M., Milo,R. (2020) Global human-made mass exceeds all living biomass. Nature, 588, pp. 442-454. 환경연구본부 게시일2025-06-16 조회수 80
• 건설 현장 AI 에이전트: AI 서비스 구현 사례와 미래 방향 연구자 : 원지선 KICT 미래스마트건설연구본부 수석연구원 들어가며 2025년, AI 시장에서 주목해야 할 핵심 기술 키워드는 무엇일까? 엔비디아, 마이크로소프트를 비롯한 글로벌 기업들은 공통으로 ‘AI 에이전트(Agent)’를 지목하고 있다. AI 에이전트란, 주변 환경을 인식하고 자율적으로 의사결정을 내려 행동하는 지능형 시스템을 의미한다(허정준, 2024). 쉽게 말해, 인간의 개입 없이도 독립적으로 판단하고 주어진 목표를 달성하는 인공지능 파트너이다. 머지않아 건설 산업에도 AI 에이전트 시대가 도래할 것으로 예상된다. 앞으로 우리는 어떤 능력을 갖춘 ‘AI 감독관 에이전트’와 협력하며 건설 현장을 관리하게 될까? AI 에이전트 발전 단계 자율주행 기술이 완전 자율주행까지 여러 단계로 구분되듯, AI 에이전트 기술 또한 범용 인공지능까지 여러 단계로 구분된다. 학계와 산업계에서는 AI 에이전트의 발전 단계를 다양한 관점에서 정의하고 있다. 한 AI 플랫폼 기업에 따르면, 범용 인공지능은 하나의 큰 모델이 아니라 수백 개의 AI 에이전트가 협력하는 형태로 구현되며, AI 에이전트의 발전 과정은 다음과 같이 4단계로 구분된다(Jaeman An, 2024). 1단계는 특정 태스크를 처리하는 AI 모델을 활용한 AI 서비스 단계이다. 2단계는 여러 AI 모델을 결합해 작업 흐름을 자동화하는 AI 에이전트 역할을 하는 AI 파이프라인 단계이다. 3단계는 특정 도메인 내에서 여러 AI 파이프라인을 결합해 복합적인 문제를 해결하는 특화 AI 시스템 단계이다. 4단계는 여러 도메인에서 작업이 가능한 수백 개의 특화 AI 시스템이 통합된 범용 AI 시스템 단계이다. 각 단계는 이전 단계의 기술을 기반으로 활용하여 점점 더 복잡한 문제를 해결하는 방향으로 발전할 것으로 보인다. 현재 AI 기술은 특정 태스크 모델을 활용한 AI 서비스 구축과 이를 결합하는 초기 파이프라인 단계에 집중되고 있다. 이 글에서는 도로 건설 현장 민원 분석에 특화된 3개의 태스크 모델과 이를 활용한 AI 서비스 프로토타입을 소개하고, 다음 단계로 발전하기 위한 고도화 방안을 제시한다. AI 에이전트 1단계 구현 사례 – 도로 건설 현장 공문 기반 AI 민원 분석 서비스 한국건설기술연구원은 AI 전환 시대에 대비하고, 데이터 기반 건설사업관리 기술을 확보하기 위해 AI 서비스를 발굴하고 있다. 건설 종사자 50인을 대상으로 현장에서 필요한 AI 수요를 조사한 결과, 예측이 어렵고 경험이 부족한 리스크 관리 업무에 AI 도입 요구가 컸으며, 특히 공사현장 민원 대응에 대한 수요가 높았다. 이에 따라, 현장 민원 대응 과정에서 발생하는 정보 활용 문제를 해결하기 위해 개발한 AI 서비스 프로토타입을 소개하고자 한다. 일반국도 건설공사 현장의 민원 데이터는 국토교통부 건설사업관리시스템의 공문을 통해 연간 5천 건 이상 축적되고 있다. 현장 수요 기반의 AI 서비스를 개발하기 위하여 감리단 인터뷰(7인)와 설문조사(30인)를 실시하여 민원 업무수행 시 문제점과 요구사항을 파악하고, 문제 해결에 필요한 기능을 도출하였다. 도출한 기능의 우선순위 평가를 통해 업무 중요도가 높고, 보유한 민원 데이터를 활용하여 빠르게 구현 가능한 기능을 선정하였다(신재영, 원지선, 2024). 전체 기능 중 AI를 도입해 민원 데이터 분석의 효율성을 높일 수 있는 기능을 선별하였다. 민원 데이터의 특성을 분석한 결과, 방대한 공문 데이터에서 20가지 도로 민원 유형을 자동으로 분류하고, 핵심 항목인 민원의 원인, 요구사항, 관련 시설을 신속히 추출하는 태스크에 AI 모델을 적용하는 것이 효과적이라고 판단하였다. 이에 따라 민원 분석 자동화를 위한 ‘민원 유형 분류 모델’, ‘민원 요구/요구 인식 모델’, ‘시설 인식 모델’을 개발하였다. 3가지 태스크를 처리하는 AI 모델을 구축하기 위해 7년간 축적된 감리단 공문과 첨부파일을 수집하고 텍스트 파싱(parsing)과 불용어 제거 등의 전처리를 통해 총 37,926개의 원천 데이터셋을 확보하였다. 태스크별 라벨링 기준과 데이터 증강 기준을 수립하여 훈련 데이터셋을 구축한 후, 사전학습 모델인 ‘KoELECTRA-BASE-v3’을 전이학습 방식으로 파인 튜닝(fine tuning)하여 최적화된 모델을 개발하였다. 민원 분석에 특화된 3개의 태스크 모델은 실시간 추론 방식과 추론 DB 활용 방식으로 기능에 적용되었으며, 감리단은 3가지 민원 업무 상황(현황 파악, 사전 예방, 민원 해결)에 따라 AI 서비스를 다음과 같이 활용할 수 있다. 상황 1. 현황 파악 (1) AI 민원 통계 서비스: 일반국도 현장의 민원 특성과 현황 파악이 필요한 상황에서 ‘통계 대시보드’를 통해 민원 추이와 통계를 파악하고, ‘키워드 분석’에서 키워드(예: 실정보고, 불법, 보상 등)에 대한 관련 민원 유형, 빈도, 원인, 요구 사항을 분석한 결과를 확인한다. 상황 2. 사전 예방 (2) 중점 관리 이슈 분석 서비스: 민원을 예방하고 사전 대응하기 위해 감리단이 중점 관리하고자 하는 3대 시설인급·배수시설, 전력/통신시설, 건조물/축사에 대한 민원 통계, 추이, 키워드 분석 결과 등을 파악하고, 감리단이 사전에 파악하고자 하는 이슈인 제3자 피해, 공사 중지, 공사비 변경에 대한 분석 리포트를 확인한다. 상황 3. 민원 해결 (3) AI 문서 분석: 신규 접수된 민원 공문을 업로드하거나 내용을 입력하면, AI 모델에 의해 민원 유형(예: 침수, 토사유출), 원인(예: 집중호우), 요구사항(예: 태풍 피해 복구용 토사 지원), 관련 시설(예: 교각, 토사)의 추론 결과가 출력되어 민원 핵심 내용을 신속하게 파악한다. (4) AI 유사 민원 검색: 파악한 민원 내용과 유사한 사례를 찾기 위해 검색창에 민원 유형, 시설명, 공문 제목 등의 검색어를 입력하면 유사도가 높은 순으로 10개의 민원 사례가 표시되며, 사례별로 분석된 민원 유형, 원인, 요구사항을 검토하고 필요한 원문을 다운로드하여 민원 해결방안 제시와 민원 검토의견서 작성에 활용한다. AI 에이전트 2단계 고도화 방안 – 랭체인 프레임워크 도입과 RAG 활용 앞서 소개한 AI 민원 분석 서비스는 사용자가 기능을 통해 AI 모델을 호출하거나, 추론 결과가 저장된 DB를 활용하는 방식으로 운영된다. 현재의 서비스가 AI 파이프라인 단계로 발전하기 위해서는 여러 AI 모델과 데이터 처리 태스크를 결합하여 작업 흐름을 자동화하는 AI 워크플로(Workflow) 자동화 프레임워크의 도입이 필요하다. 대표적인 AI 워크플로 자동화 프레임워크로는 ‘랭체인(LangChain)’, ‘AWS SageMaker’, ‘Apache Airflow’ 등이 있으며, 이는 모델 훈련, 데이터 처리, 배포 같은 작업을 자동화하고, 여러 모델 간 데이터 흐름을 연결하며, 워크플로 관리 및 확장성을 제공한다. 이 중 ‘Language’와 ‘Chain’의 합성어인 랭체인은 대규모 언어 모델(Large Language Model, 이하 LLM) 기반 서비스를 쉽게 개발할 수 있도록 돕는 오픈소스 프레임워크이다(박태웅, 2024). 현재 LLM을 활용한 AI 서비스 개발 표준으로 자리 잡고 있다. 랭체인은 다양한 LLM을 유연하게 연동할 수 있도록 지원하며, 실시간 정보 검색 및 문서 기반 응답을 제공하는 검색 증강 생성(Retrieval-Augmented Generation, 이하 RAG) 기능을 통해 자연어 처리 기반의 AI 파이프라인 구축에 강점을 가진다. RAG는 기존 LLM이 사전 학습된 데이터에만 의존하는 방식에서 벗어나, 외부 DB 또는 검색 시스템과 연계하여 최신 정보를 실시간으로 반영하는 기술이다. RAG는 내부 DB, 클라우드, 웹 등 다양한 소스와 연결될 수 있어 AI 에이전트의 응답 품질을 개선하고 활용 가능성을 크게 확장시키는 기술로 평가받고 있다. RAG 모델을 활용하면, 실시간 정보를 기반으로 더욱 정확하고 풍부한 답변을 생성할 수 있으며 지능형 문서 검색, 요약, 대화형 챗봇, 데이터 분석 보고서 생성 등 다양한 LLM 기반 AI 에이전트의 구현이 가능하다. 이와 같이 랭체인과 RAG를 도입하여 파인튜닝한 민원 분석 특화 AI 모델에 LLM 및 RAG 모델을 결합하면, 접수된 민원을 실시간으로 분석하고, 과거 민원 사례 검색 결과를 바탕으로 민원 검토 의견서를 자동 작성해 주는 ‘민원 대응 AI 에이전트’로 고도화할 수 있다. 마치며 AI 에이전트는 앞으로 멀티모달 데이터 학습, 강화 학습 기반 자율학습, 메타버스 연동 등을 통해 더 많은 능력을 갖추게 될 것이다. 건설 현장에 AI 에이전트의 활용 경험이 확산될수록 단일 에이전트뿐만 아니라 다중 에이전트 협업 방식도 활성화될 것으로 예상된다. 단순한 업무 자동화를 넘어, 건설 현장의 복잡한 문제를 해결하는 ‘AI 감독관 에이전트’와 협력하는 날이 오기를 기대해 본다. 참고자료 허정준(2024) “LLM을 활용한 실전 AI 애플리케이션 개발”, 책만. Jaeman An (2024) “Compound AI System : From AI Agents to AGI”, 2024 AI Summit Seoul. 신재영, 원지선(2024) “건설 현장 종사자 수요 기반 AI 민원 분석 서비스 구축 방안”, 한국산학기술학회 논문지, Vol. 25, No. 11, pp. 562-572. 박태웅(2024) “박태웅의 AI 강의 2025”, 한빛비즈. 미래스마트건설연구본부 게시일2025-06-16 조회수 211
• 도시홍수예보 시행을 위한 고속예측기술 개발 연구자: 김형준 수자원하천연구본부 수석연구원 심상보 수자원하천연구본부 박사후연구원 들어가며 최근 기후변화의 영향으로 강우의 지속시간 및 공간적인 집중화가 가속되면서 그동안 겪어보지 못한 규모의 홍수피해가 자주 발생하고 있다. 2020년 장기간의 장마로 인하여 우리나라 전역에서 홍수피해가 발생하였으며, 일부지역에서는 계획홍수량을 초과하는 홍수가 발생하여 대규모 인명 및 재산 피해가 발생하였다. 2022년에는 서울시 남부에 발생한 집중호우로 인하여 도시의 내수배제시설의 능력을 초과하는 홍수가 발생하여 도시지역 곳곳이 침수되었으며, 지하공간에 거주하는 인구가 많은 관악구 일대에서는 인명피해가 발생하기도 하였다. 이와 같이 예상을 초과하는 강우사상이 발생하는 경우는 계속해서 증가할 것으로 예상된다. 특히, 불투수 지역의 비율이 높은 도시지역의 경우 국지적인 집중호우에 의한 침수피해를 겪게 될 위험성이 높아지고 있으며, 앞으로 그 위험성은 더욱 커질 것으로 예상된다. 이에 대한 대책으로 환경부는 최근 발생한 대규모 홍수피해 경험을 바탕으로 홍수예보 영역을 확대하기 위하여 하천의 홍수특보지점을 추가로 지정하고 있으며, 새로운 법을 제정하여 도시지역에 대한 홍수예보를 실시할 제도적 근거를 마련하였다. 한국건설기술연구원에서는 환경부의 도시지역 홍수예보 시행을 지원하기 위한 도시홍수예보 모형을 개발하고 있다. 실시간 도시홍수예측 모형의 개발 1. 도시홍수 예측을 위한 이중배수모형 집중호우로 인한 도시의 침수현상을 해석하기 위해서는 강우가 지표면에 내린 후 거동 현상을 해석하는 2차원 모형과 지하에 설치되어 있는 복잡한 우수관망 내의 흐름을 해석 할 수 있는 1차원 모형이 필요하다. 도심지 침수해석에 활용되는 오래된 방법은 1차원 우수관망 흐름해석을 수행한 후, 관망에서 배제된 유량을 산정하여 도시의 지표면으로 배출된 유량을 2차원 모형에 적용하여 침수범위를 해석하는 방법이었다. 이와 같은 방법은 지표면으로 배제된 유량이 다시 우수관망으로 재유입될 수 있는 현상을 반영하지 못하여 침수면적을 과다하게 산정할 가능성이 있다. 최근에는 우수관망 흐름해석 모형과 지표수 흐름해석 모형을 동적으로 연계함으로써, 우수가 관망으로 유입되고, 우수관망의 능력을 초과하는 유량에 의한 침수과정과 지표면에 잔류한 우수가 다시 관망으로 유입되어 침수가 해소되는 과정을 모의할 수 있는 알고리즘을 적용한 모형 개발이 이루어지고 있다. 한국건설기술연구원 수자원하천연구본부에서는 강우지표수 흐름-우수관망 흐름을 동시에 해석할 수 있는 HCSURF(Hyper Connected Solution for Urban Flood) 모형을 개발하였다. 우수관망 흐름 해석에는 가장 일반적으로 사용되는 미국 환경보호청(EPA)의 SWMM(Storm Water Management Model) 5.2 버전의 소스 코드를 사용하였으며, 지표수 흐름해석에는 2차원 천수방정식을 유한체적법으로 이산화한 자체 개발코드를 이용하였다. SWMM 모형은 C언어로 작성되어 있고, 지표수 흐름은 Fortran 언어로 개발되었으며, Visual Studio 내에서 하나의 프로젝트로 구성하여 서로 정보를 교환할 수 있도록 구성한 후 하나의 실행파일로 제작되었다. HC-SURF 모델은 도심지의 우수 거동을 분석하기 위하여 우수관망과 지표수의 흐름모의를 수행하는 기법의 결과를 서로 공유함으로써 도시홍수를 해석할 수 있도록 설계되어 있다. 우수관망으로 유입되는 유량의 산정은 SWMM 모형의 집체형 강우유출모의 결과를 이용하여 순차적으로 우수관망 흐름모의에서 지표수흐름 흐름모의로 연결되거나, 분포형 강우를 이용하여 지표수 모의를 수행하고 우수관망의 유입유량을 계산한 후 지표수 결과와 비교하여 잉여유량 및 재유입 유량을 산정할 수 있는 방법이 각각 모형에 반영되어 있다. 2. 효과적인 도시 내 건물 형상반영 도시지역에 대하여 강우유출과 지표수 거동에 대한 해석을 기반으로 홍수예측을 수행하기 위해서는 하천과 달리 도심지 내의 건물과 도로 등 다양한 시설이 흐름에 미치는 영향을 반영하는 것이 중요하다. 도시홍수 해석 시 건물의 영향을 수치격자에 반영하는 방법으로는 (a) 계산 영역에서 건물을 제외하는 방법, (b) 수치격자 내에 건물이 차지하는 비율을 산정하여 유효면적을 지배방정식에 반영하는 방법, (c) 건물이 포함되는 영역의 격자에 높은 값의 조도계수를 적용하여 흐름의 유속 및 방향을 제어하는 방법 등이 있다. 도시홍수예보를 위한 효율적인 수치해석 모형을 개발하기 위하여 건축물을 모형에 반영하는 방법에 따른 결과의 차이에 대한 연구를 수행하였다. 2022년 대규모 도시홍수가 발생한 도림천의 신대방역 인근 지역에 대하여 모형을 적용하여 그 결과를 그림 2와 같이 비교하였다. 그림 2(a)는 건축물을 수치격자에서 배제하고 침수범위를 모의한 결과이다. 도로 형상을 매우 정밀하게 반영하고 있음을 확인할 수 있지만, 격자 생성 시 정확하게 반영하지 못한 공간에 대해서는 수치모의 영역에서 배제되어 실제 침수가 발생할 수 있는 공간을 모의에서 배제하게 되는 문제점이 있다. 건물이 수치격자에 차지하는 비율을 반영하여 도시홍수를 모의한 결과를 그림 2(b)에 나타내었다. 수치모의 결과, 계산영역을 표현하는 격자의 형상에 관계없이 도시홍수를 모의하였지만, 도로를 통하여 침수가 발생하는 현상을 합리적으로 모의하고 있음을 확인할 수 있다. 건축물이 많은 지역은 침수심이 산정되지 않았으며, 우수가 유하할 수 있는 공간이 많은 격자를 중심으로 도시홍수를 모의할 수 있다. 수정 조도계수를 이용하여 도시홍수 범람모의를 한 결과를 그림 2(c)에 나타내었다. 건축물이 있는 공간에 조도계수를 증가시켜 우수흐름의 저항을 크게 설정하였지만, 실제 건축물이 있는 공간으로 우수흐름이 발생한다. 그와 같은 결과로 도시홍수 면적이 3가지 모의 조건 중에서 가장 넓게 형성되는 것을 확인할 수 있다. 3. 병렬처리기법 도입을 통한 실시간 예측성능 구현 도시홍수예보 시행을 위해서는 모의수행을 최소한으로 단축하여 업무효율을 향상할 필요가 있다. HC-SURF 모형은 병렬처리기법을 적용하여 계산효율을 향상함으로써 실시간 도시홍수예보가 가능하도록 구축되었다. 표 1은 각 조건에 병렬처리기법을 도입하여 산출한 계산소요시간이다. 건물 형상을 반영하여 수치격자를 생성한 경우에는 병렬처리기법을 적용하였음에도 불구하고, 아주 작은 면적을 갖는 계산격자에 의하여 계산시간 간격이 결정되기 때문에 계산시간을 단축했음에도 다른 기법보다 오랜 계산시간이 요구된다. 균일한 계산격자를 활용하여 건물의 영향을 반영한 수치모의에서는 계산시간의 단축비율도 높을 뿐만 아니라 계산시간도 매우 적게 필요한 것을 확인할 수 있다. 실증시험을 통한 현업화 추진 환경부는 2022년 도림천 유역에 발생한 대규모 도시홍수 이후 ‘도시하천유역 침수방지대책법’을 제정하고, 홍수예보 대상영역을 확대하기 위한 제도적 기반을 마련하였다. 이후, 도림천을 대상으로 시나리오 기반의 도시홍수지도를 유관기관에 제공하는 기술을 구축하였으나, 실시간 수문현황을 반영하여 정확한 도시홍수 정보를 제공하기에는 기술적으로 미흡한 부분이 많이 있다. HC-SURF 모형은 개발 초기단계부터 환경부의 도시홍수 예보 지원을 위하여 기능 및 성능이 설계되었으며, 2022년부터 2024년까지 3년간의 연구개발을 통하여 기본적인 성능을 구현하였다. 2025년부터는 환경부 한강홍수통제소의 「댐-하천 디지털트윈」 운영 서버 내에서 실증실험을 계획하고 있으며, 3월부터는 환경부 수문조사 데이터베이스와 실시간 연계체계를 구축하여 협업의 지원을 위한 모형의 고도화를 추진할 계획이다. 앞으로 2년 남은 연구 개발 기간 동안 수요자인 환경부의 의견을 반영한 HC-SURF 모형의 고도화를 완료하여 향후 우리나라 고유의 기술로 도시홍수예보가 실시될 수 있는 기틀이 마련될 수 있을 것으로 기대된다. 수자원하천연구본부 게시일2025-05-26 조회수 127
• AI 기술을 활용한 지반공학에서의 텍스트 데이터 활용 연구자: 양엄지 KICT 지반연구본부 박사후연구원 들어가며 Web of Science의 문헌 기록에 따르면 2015년 이후 NLP(Natural Language Processing) 및 워드 임베딩(Word embedding) 기술에 관한 연구가 비약적으로 진행되었으며, 지질학 분야에서는 이런 연구 동향이 발견되나(Fuenteset al., 2020; Ghorbanfekr et al., 2024), 지반공학 분야에서는 연구사례를 찾을 수 없었다(그림 1). 이러한 차이는 지질학 분야에서 지층 또는 암석 등에 대해 작성한 서술적 텍스트를 활용해 온 것과 달리, 지반공학 분야에서는 수치 데이터 중심의 연구 환경이 지배적이었기 때문으로 판단된다. 그러나 근래 국내 지반공학 산업현장에서 시공 및 설계 자동화에 대한 수요가 급격히 증가함에 따라 多양식 보고서 내 텍스트 데이터 분석에 관한 필요성이 급부상하였다. 이러한 수요에 비해, 현재 국내 지반조사 보고서 유통자료는 표준화가 미흡하여 다양한 양식의 자료를 일일이 확인하고 표준 양식에 맞춰 데이터베이스에 등록하는 상황으로 시간/인력의 낭비 유발 및 데이터베이스 구축 효율성을 저하하고 있다. 지반조사 보고서의 양식을 강제적으로 통일시키는 방법도 있겠지만, 필자는 현재 LLM(Large Language Model) 등의 발전속도를 고려할 때 유연한 보고서 분석 기술 개발을 통해 현행의 문제를 포용적으로 해결할 수 있을 것으로 판단하여 관련 연구를 진행하고 있다. 이 글에서는 지반공학에서의 텍스트 데이터 활용을 위한, 그중에서도 워드 임베딩 기술에 관해 간략히 소개하고자 한다. 워드 임베딩 기술의 개념 및 연구 결과 워드 임베딩이란, 머신이 이해할 수 있도록 자연어를 단어 간 의미적 관계를 반영한 수치벡터로 변환하는 기술이다. 적절한 워드 임베딩이 선행되면 머신은 벡터 공간에서 단어간 의미적 유사성을 정량적으로 평가할 수 있다. NLP 연구 초기에는 희소표현(Sparse representation)을 통해 단어를 변환했다. 희소표현은 대표적으로 원-핫 인코딩(One-Hot Encoding)을 활용했으며, 이것은 단어집합[말, 강아지, 돼지, 소]의 각 객체를 [1,0,0,0], [0,1,0,0], [0,0,1,0], [0,0,0,1]으로 표현하는 방식이다. 이 방법은 소규모 단어집합 내 객체를 구분하는 데는 용이하나, 집합 내 단어가 늘어날수록 벡터의 차원이 증가하여 연산비용이 커진다는 문제점과 근본적으로 의미적 관계를 반영하지 못하는 한계가 있었다. 이후, 밀집표현(Dense representation) 또는 워드 임베딩이 등장하여 벡터의 각 성분이 이진코드가 아닌 실수로 표현됨에 따라 고정된 길이의 벡터로 방대한 단어를 표현할 수 있게 됐다. 워드 임베딩에는 정적 임베딩(Static embedding)과 문맥 임베딩(Contextual embedding)이 있다. 정적 임베딩은 단어당 하나의 고정된 임베딩 벡터를 사용하며, 문맥 임베딩은 문맥에 따라 단어의 임베딩 벡터가 달라지는 방식으로 최근 LLM 모델에는 기본적으로 문맥 임베딩이 반영되어 있다. 문맥 임베딩이 필요한 이유는 자연어에서 ‘have, get, make’ 등 다의어가 문맥에 따라 다른 뜻을 갖기 때문이다. 그러나 SCI 논문 또는 연구보고서와 같이 전문적이고 공적인 글에서는 이러한 다의어 문제가 대폭 완화되기 때문에 사용자의 문제 설정에 따라 연산비용이 큰 문맥 임베딩을 고수할 필요는 없으며, GloVe나 Word2Vec 등의 정적 임베딩만으로도 충분히 효과적인 결과를 얻을 수 있다. 이러한 결론은 영문 텍스트에 대한 내용으로, 국문 텍스트의 경우에는 상황이 조금 다르다. 한국어의 전문용어가 대부분 한자를 차용했기 때문에 동형이의어(Homograph)가 전문적인 텍스트에서도 다수 발견된다. 예를 들어, ‘기술’이라는 단어는 ‘Technology’가 될 수도 있고, ‘Description’일 수도 있다. 이 때문에, 국문 지반공학 텍스트 분석에 AI 기술을 접목하기 위해서는 문맥 임베딩이 필수적일 것으로 보인다. 다시 본론으로 돌아와, 워드 임베딩이 단어 간 의미적 관계를 반영하는 방법을 GloVe(Global vectors for word representation) 모델을 예시로 설명하고자 한다. 워드 임베딩을 위해 수집한 텍스트에 GloVe를 적용하면 가장 먼저 동시발생빈도 행렬이 계산된다. 동시발생빈도 Xij란 i라는 중심단어가 등장하는 문맥에서 j라는 주변단어가 등장하는 빈도를 의미한다. GloVe는 주어진 텍스트 데이터셋내 각 단어를 표현하는 벡터 Wi및 Wj의 내적값이 문맥 내 동시발생빈도의 로그값에 수렴하도록 최적화한다. 이때 J는 GloVe의 목적함수이며, f(Xij)는 로그와 마찬가지로 값이 큰 동시발생빈도 Xij의 영향을 완화하여 최적화가 특정 단어에 과도하게 치우치는 것을 방지하는 가중치 함수이다. 이에 따라, 문맥에서 자주 동시에 발견되는 단어 조합일수록 임베딩 벡터 간 내적값이 크기 때문에 문맥적 관계성이 있는 또는 유사한 단어를 정량적으로 제시할 수 있게 된다. 표 1은 지반조사 관련 SCI 논문 6천 건을 웹상으로 수집하여 GloVe를 학습시킨 결과, 중심단어 ‘불연속면 (Discontinuity)’, ‘표준관입시험(SPT)’, ‘기초(Foundation)’및 ‘암반분류법(RMR)’에 대한 주변단어를 제시한 결과이다. GloVe를 통해 학습된 단어들의 임베딩 벡터들은 의미적 관계를 반영하고 있기 때문에, 중심단어의 주변단어는 단순히 알파벳순으로 제시되지 않고, 예를 들어 불연속면이란 단어의 경우, 불연속면을 2차원으로 도시하는 Stereonet, 불연속면의 기하학적 상태를 기술하는 면(Plane)과 방향성(Orientation) 등 문맥상 관계어를 유사도에 따라 제시했다. 이때, 유사도는 벡터 간 방향적 유사성을 측정하는 코사인유사도(Cosine similarity)를 통해 평가한다. 한편, 표 1의 주변단어들이 정량적 수치인 유사도에 의해 제시되며, 이들 그룹 간에 중복이 없다는 것은 중심단어-주변단어 그룹 간에 정량적인 군집화가 가능함을 시사한다. 필자는 이러한 배경을 바탕으로 영상처리기술, GPT Python API, 1D 합성 곱신경망(CNN) 및 k-최근접 이웃(KNN) 모델을 활용하여 지반공학 분야에서 가장 기초적으로 활용되는 시추주상도 정보 추출 자동화 기술을 개발하였다(그림 2). 해당 기술은 보고서 내 표로부터 셀 단위 텍스트 정보를 추출한 뒤, 정보가 일반적인 수준의 지반조사용어인지 판별하여, 지반조사용어일 경우 GPT를 활용한 영문번역을 자동화 한다. 번역된 용어들을 미리 지반조사 관련 논문으로 학습시켜 둔 GloVe 모델에 입력하여 워드 임베딩을 진행하고 임베딩 벡터의 의미적 상관성에 기반하여 1D CNN 및 KNN 모델로 분류함으로써 텍스트 정보 추출 및 분류를 지능화하였다. 지반공학에서의 텍스트 데이터 활용 기술의 미래 방향 최근 보고서 분석 및 정보처리 자동화와 관련하여 LLM을 활용하려는 시도가 등장하고 있기 때문에, 상기 접근법에 관해 의아한 시선도 많을 것으로 예상한다. 그러나 LLM은 근본적으로 생성형 모델이기 때문에 대용량 문서처리 자동화에 있어서 일관된 답변만을 기대하기는 어려우며, 이에 따라 LLM 단독 사용 시에는 사용자의 지속적인 감독이 필요하다. 본 연구의 텍스트 분류는 지반공학 텍스트의 문맥적 관계에 기반한 분류이기 때문에 직관적이며 결과 해석이 가능하다. 또한, GPT 기반 번역에서 유의어(Synonyms)의 개입으로 인한 불확실성도 대량의 지반조사 텍스트로부터 학습한 문맥적 관계를 담은 임베딩 벡터를 통해 일정 수준 대응이 가능하다. 한편, 본 연구의 워드 임베딩 모델은 단어의 문맥적 유사도에 기반하기 때문에, 의미적 연산(e.g., ‘king’-‘man’+‘woman’=‘queen’) 또는 논리적 연산(e.g., (x>0.5)⊂(x>0.3)) 반영에 있어서는 한계가 있다. 이에 따라, 향후 지반공학 텍스트 분석을 위해서는 기존의 LLM 및 소개한 워드 임베딩 외에도 ‘Knowledge graph embedding’의 접목이 필수적일 것으로 판단된다. 참고자료 Fuentes, I., Padarian, J., Iwanaga, T., & Vervoort, R. W. (2020) 3D lithological mapping of borehole descriptions using word embeddings. Computers & Geosciences, 141, 104516. Ghorbanfekr, H., Kerstens, P. J., & Dirix, K. (2024) Classification of Geological Borehole Descriptions Using a Domain Adapted Large Language Model. arXiv preprintarXiv:2407.10991. 양엄지, 유병수, 강호덕, 한진태(2024) 다양식 지반조사보고서 정보처리 자동화를 위한 인공지능 플랫폼 개발, 대한토목학회 2024년도 정기학술대회 논문집 – 전문연구 “설계 시공 단계에서의 AI, LLM 활용 기술 연구세션”. 지반연구본부 게시일2025-05-26 조회수 107
• 미래 모빌리티를 위한 스마트 도로 인프라 연구 방향 연구자: 류승기 KICT 도로교통연구본부 선임연구위원 들어가며 현재 도로 인프라는 지역 수요 공급의 불균형으로 교통혼잡, 환경오염, 각종 교통사고로 몸살을 앓고 있다. 여기에 더해 도로는 늙어가고 있으며, 이상기후로 도로의 노화 속도는 더 빨라진다고 볼 수 있다. 이로 인한 사회·경제적 피해액은 증가하고 있으며, 이에 대한 대책으로 도로의 공용수명 연장과 정상성 유지를 위해 스마트 도로로 발전해야 하고, 이를 실현하는 혁신적인 연구 개발을 적극적으로 도입할 필요가 있다. 스마트 도로라는 것은 현재와 과거의 데이터에 기반해 현재의 도로 상태를 파악하고 미래의 상태를 예측하여 도로 비정상성을 선제적이고 빠르게 회복시키는 미래형 도로라고 생각한다. 도로는 공익적이면서도 늘 위험이 공존하는 공간이므로 항상성과 회복성을 위해 많은 예산이 투입되어야 하는 공공재이다. 우리는 최적의 솔루션을 연구 개발하여 스마트 도로 기술을 계속 공급해야 한다. 스마트 도로는 자동차, 철도, 도심항공모빌리티(UAM), 지하철, 버스 등 다양한 교통수단의 이동성을 높이고, 수단 간 연결성을 향상하며, 혁신적 교통 시스템을 도입하면서 실현할 수 있다. 스마트 도로를 실현하는 핵심 기술은 전통적 도로·교통 기술과 더불어 인공지능, IoT, 빅데이터 분석, V2X 등 ICT 융복합 기술, 특히 최근 인공지능 기술의 발달과 광범위한 활용성으로 스마트 도로의 필수적인 전략 기술로 준비해야 한다. 스마트 도로는 계획에서 건설, 유지보수 전 과정에 걸쳐 미래 모빌리티를 위한 핵심기술 개발에 집중해야 한다. 도로계획과 건설 과정에서는 자재, 시간, 비용 등을 계산, 분석 및 예측하여 효율적인 자원 관리와 동시에 비용을 절약할 수 있다. 건설 및 유지관리 과정의 품질관리와 안전관리에 있어서 스마트 도로 기술은 핵심적인 역할을 할 것이다. 미래의 도로인프라 연구 개발 정책은 현재 교통 문제 해결과 다가올 미래 모빌리티 변화에 대응하기 위해 보다 혁신적인 연구 개발 프로그램 도입과 정부 정책을 준비해야 한다. 한국건설기술연구원은 도로교통연구본부를 중심으로 미래교통 스마트인프라 핵심기술 분야를 설정하여 연구 개발을 수행하고 있다. 스마트 도로 인프라 연구 방향과 성과 도로교통연구본부는 2021년부터 2024년까지 도로교통 R&R을 미래 모빌리티, 지속가능한 친환경 도로, 국제 및 지역 협력, 미래도로실증인프라 건설을 중점 연구분야로설정하여 미래 모빌리티를 위한 스마트 도로 인프라 핵심기술 개발에 집중하였다. 특히 미래 모빌리티 분야는 자율주행 협력형 도로 인프라와 서비스 기술 개발을 목표로 도로인프라 중심으로 연구 개발을 수행하였다. 2021년도는 도로교통연구본부 조직의 원년이기에 도로시설안전, 디지털전환서비스, 교통신호시스템, 능동형 도로 결빙사고 저감, 무선충전형 에너지 도로 인프라, 스마트 모빌리티 MaaS(Mobility as a Service), AR 기반 차량위치 인식기술 등 연구과제 기획을 중점적으로 수행했다. 2022년도는 본격적으로 대표과제와 시드과제를 수행했으며, 미래 모빌리티 분야로 안전한 미래도로를 위한 객체인식기술, 자율주행 안전을 위한 도로시설물, 차량영상기록장치 기반 운전주행보조기술을 연구 개발했으며, 동시에 정책적 요구가 있었던 지능형 도로안전시설관리시스템, 대중교통인프라 서비스진단기술에 대한 과제 기획을 추진했었다. 2023년도는 대표과제를 연속으로 지원하였고, 동시에 도로위험관리를 위한 디지털트윈 서비스, 스마트 주차플랫폼, 차량타이어 데이터 기반 도로정보서비스 기술 등 과제기획을 수행하였다. 2024년도는 신규로 차세대 근린환경 구축을 위한 AI Safe Road 기술, 자율주행을 위한 플라스틱 도로인프라 기술을 대표과제로 추진하였고, 동시에 영상 기반 도로위험요소 검지 판단기술, 주차장 디지털전환기술, 도로교통소음 모형설계 등 시드과제를 추진했다. 그동안 고속도로 및 일반국도 같이 고규격 간선도로는 많은 연구 개발을 수행한바 있지만, 생활 도로, 협소한 도로, 보행자 및 차량 혼용 도로 등 생활권 인접 도로 인프라에 대해서는 연구 개발이 많지 않았고, 더구나 자율주행과 같은 미래 모빌리티의 최종 목표는 안전한 라스트마일 자율주행서비스일 것이다. 미래 모빌리티를 위한 스마트 도로 인프라는 다양한 핵심 요소기술을 통해 실현될 수 있으며, 우리는 핵심 요소기술을 선제적으로 연구하여 후속과제로의 연계, 기술실용화, 정책 수요에 대응하고자 노력하고 있다. 특히 인공지능의 활용도를 높이는 것이 중요하며, 이를 위해 기존 도로에 인공지능 기술을 활용하는 다양한 응용 AI 서비스와 핵심 요소 기술을 개발하고 있다. 2021년부터 2024년까지 추진한 본부 목적형 R&R 과제의 성과를 요약하면, 목적형 R&R 과제는 대형 후속 과제를 추진할 수 있었던 마중물 역할을 담당하였고, 우수한 성과를 도출하였다. 3년 동안 수행한 목적형 R&R 과제에서 12개의 세부 과제는 17개의 후속 과제로 연계되어 계속 연구개발을 수행할 수 있었다. 미래 모빌리티를 위한 인공지능 도로 인프라 응용 서비스 기술 개발 성과 목적형 R&R 과제를 수행하면서 확보한 미래 모빌리티를 위한 스마트 도로 인프라 기술로서 인공지능 응용 모빌리티 서비스 기술을 소개하고자 한다. 먼저, 해마다 도로 고위험 객체로 지적받고 있는 도로 포트홀 사고에 대한 솔루션이다. 자율주행차는 도로 포트홀과 같은 고위험 객체를 영상 인식하는 데 여전히 어려움을 겪고 있는 상황으로, 이처럼 難인지 객체 탐지 솔루션은 높은 신뢰성의 객체 탐지 성능이 필요하다. 우리는 국내 최초로 블랙박스 영상 기반 도로 포트홀 AI 탐지 솔루션을 개발했으며, 이후 인지 한계 상황에 대한 객체 탐지 성능을 높이는 연구 개발을 통해 세계 최고 성능의 솔루션을 개발하고자 노력하고 있다. 도로에서의 고위험 객체와 인지 한계 상황에서도 높은 성능으로 탐지 및 인지할 수 있는 AI 응용 솔루션을 확보한다면, 스마트 도로 인프라는 도로의 균열, 침하, 포트홀 등 손상 여부를 자동으로 파악해 효율적인 유지보수와 자율주행차량과 협력하는 미래 모빌리티 인프라가 될 것이다. 다음으로 생활권 도로는 보행자, 차량, 이륜차 등 다양한 동적 객체가 이동하는데, 이런 상황은 완전자율주행 서비스의 한계 상황이 될 것이고, 이를 스마트 도로 인프라 기술을 통해서 다양한 동적 객체를 인지하고, 자율주행차와 협력하는 솔루션이 필요하다. 우리는 선제적으로 협소한 다양한 동적 객체 혼용 도로를 대상으로 스마트 도로 인프라가 스스로 동적 객체의 존재 여부, 이동 궤적, 주정차 객체 등을 탐지하고 객체 분류할 수 있는 다중 객체 분류 솔루션을 확보했다. 좁은 골목길 등 협소한 도로는 불법 주정차 차량, 통행 장해물 등으로 소방차, 응급차량 등 긴급 차량의 통행 방해 또는 통행 불가 상황을 파악하지 못하여 목적지까지 반드시 도달해야 하는 골든타임을 확보하지 못해 피해가 커질 수 있다. 우리는 골든타임 확보를 위한 협소 도로의 통행 유효 폭원 또는 통행 가능 노선을 예측하는 스마트 도로 인프라 솔루션을 확보했다. 이 솔루션은 영상 기반 교통사고 위험 예측과 정보제공 서비스에 활용할 수 있으며, 협소도로 내의 다양한 객체 외곽을 탐지하고, 도로면에서 점유 객체를 제외하여 실제 도로 유효면을 산출하는 과정으로 이미지 프레임 단위로 유효폭원을 산출하여, 긴급차량 행정기관에 정보를 제공할 수 있다. 완전자율주행을 위해서는 자동차 영상 기반 교통신호등 탐지와 유형 분류 기술을 확보해야 한다. 자율주행차는 영상 센서를 통해서 스스로 전방의 신호등을 탐지하고, 신호등의 등화상태를 인지해야 한다. 완전자율자동차는 이미지 센서 데이터를 활용하여 신호등 객체를 정확하게 탐지하고 유형별로 분류함으로써 최고 수준의 자율주행 안전성을 확보해야 한다. 하지만, 신호등 객체가 배경에 비해 작거나, 배경과의 대비가 낮을 경우 신호등을 인지하지 못하는 한계 상황이 여전히 높다. 우리는 이러한 인지 불량 객체 및 인지 한계 상황 즉 難인지 이슈를 해결하기 위한 솔루션을 개발하고 있다. 미국과 중국 AI 연구개발 정책 미국은 인공지능 기술을 국가 안보와 직결된 전략 기술로 인식하고 관련 정책을 추진하고 있으며, 바이든 행정부에서는 부상하는 인공지능의 잠재적 위험성에 대응해 연방 정부 차원에서 신뢰할 수 있는 인공지능 개발과 확산을 위한 행정명령을 발동하고 국제협력을 강화하였다. 트럼프 2.0 시대에서도 국가 AI이니셔티브법(’20)에 근거하여 국가 안보 기술로서 AI 기술의 안전·신뢰성 확보를 위한 정책은 지속될 전망이다. 트럼프 2.0시대에 대응하기 위한 한국의 AI 전략을 마련해야 한다. 트럼프 2.0 시대에는 AI 기술의 안전·신뢰성 확보를 강조하는 동시에, 수출 통제 및 국가 안보와 관련된 기술 관리 강화를 통해 미국의 글로벌 리더십을 유지하는 데 중점을 둘 것이다. 이에 한국은 글로벌 규제 환경에 선제적으로 대응하면서도, AI 기술 개발과 산업 진흥을 선도하는 미국 주도의 경쟁 구도에 발맞추는 정책적 균형이 필요하다. AI 기술의 윤리적 사용과 신뢰성 확보를 목표로 미국과의 기술 동맹을 강화하고, 국제 규제와 조화를 이루는 정책을 마련해야 한다. 또한, ‘AI 기본법’ 등의 국내정책이 글로벌 표준과 연계될 수 있도록 설계해 국내 기업의 해외 진출을 지원하고, 미국의 수출 통제와 기술 관리 강화에 따른 영향을 최소화하는 전략적 접근이 필요하다. 동시에 AI 기술의 독자적 경쟁력을 확보하기 위해 국가 차원의 연구 개발(R&D) 투자를 확대하고, 글로벌 협력 네트워크를 강화하며, 국내 스타트업 및 기업 생태계를 육성하는 포괄적 전략을 추진해야 한다. 중국은 전인대 연례회의에 제출한 2024년 예산보고서 초안에 따르면 물리ㆍ화학 등 기초과학 연구에 980억 위안(약 18조 원)을 투자하는 등 과학기술 R&D 예산으로 3,710억 위안을 배정했다. 중국 정부는 ‘과학기술 혁명’을 강조하며 올해 중국이 가동하기 시작한 72큐비트(qubit) 초전도 양자컴퓨터, 수소에너지, 상업용 항공 우주기술, 로봇 및 인공지능 기술 개발에 집중하고 있다. 미국이 반도체, AI, 양자컴퓨팅 등 핵심기술 분야에서 중국의 접근을 제한해 갈등이 커지는 가운데 과학기술 투자 확대로 패권 경쟁에서 밀리지 않겠다는 의지로 보인다. 아울러 중국이 안정적 성장을 이루려면 ‘고품질 발전’이 전제되어야 하며, 독자적이며 혁신적인 과학기술을 국가의 성장 동력으로 생각하고 있다. 최근 중국 AI 기업 딥시크는 오픈AI의 모델과 견줄 수 있는 성과를 내며 주목받고 있으며, 강대국의 성장 동력으로 과학기술 혁신은 기본 중의 기본이라는 점을 인식하고, 우리의 연구 개발 방향을 점검해야 한다. 마치며 미래 모빌리티를 위한 스마트 도로 인프라 연구개발은 자율주행차와 연결된 스마트 도로, 첨단 도로 안전 서비스, AI 응용 스마트 도로 등 역량 내재화에 집중되어야 한다. 스마트 도로 인프라 핵심기술은 효율성과 안전성을 높이기 위해 데이터 공유와 표준화, 그리고 데이터 응용 산업의 확대 등 정책 보완이 필요하다. 도로교통연구본부는 미래 모빌리티와 협력하는 스마트 도로 인프라 핵심 기술을 개발하는 것에 집중해야 한다. 이를 위해 도로교통 고유의 데이터 기반 분석 역량이 필요하고, 이를 통해 인공지능 활용 및 도로교통인프라 응용 AI 기술 개발의 내적 역량을 확보하여 중장기 발전과 정부 정책 변화에 대응할 필요가 있다. 또한, 글로벌 경쟁력 강화를 위해 국제협력사업, 국제공동연구사업 등에 참여하고, 실규모 스마트 도로 인프라 주행 시험장을 활용해 사회현안 실증형 연구를 확대할 필요가 있다. 향후 스마트 도로인프라는 스마트한 도로와 자율주행차 사이의 협력 작동으로 이동성, 접근성, 편의성, 안전성을 향상시킬 것이며, 미래 모빌리티의 등장에 유기적으로 대응할 수 있도록 스마트 도로 인프라 핵심 기술을 계속 준비해야 한다. 참고자료 류승기 외(2024) 미래교통 스마트 인프라 핵심기술 개발, 한국건설기술연구원. 이해수, 유재홍(2025) 미국의 AI 안전 신뢰성 정책추진 현황과 시사점, 소프트웨어정책연구소. 도로교통연구본부 게시일2025-05-26 조회수 346
• 자율주행의 내일을 설계하다 ▲ 윤덕근 KICT 도로교통연구본부 선임연구위원 (자율협력주행 지원 인프라 연구팀) 앱 하나로 불러 타는 자율주행 셔틀, 골목길을 따라 조용히 배달 중인 무인 차량. 이제 자율주행은 뉴스 속 기술이 아니라, 일상에서 마주치는 새로운 교통 수단이 되고 있다. 자율주행 기술이 일상 속으로 스며드는 이 전환점에서, 한국건설기술연구원 도로교통연구본부는 새로운 해답을 제시하고 있다. 복잡한 도로에 질서를, 자율주행 인프라 가이던스(IG) 자율주행차가 일상 속으로 스며드는 시대, 다양한 차량과 보행자가 혼재된 복잡한 도로환경에서 ‘어떻게’ 안전하고 효율적으로 움직일 수 있을까? 도로교통연구본부 연구진은 이 질문에 해답을 제시한다. 도로 인프라에 설치된 AI가 도로 상황을 실시간 분석해 각 차량에 최적의 주행 경로와 속도, 차로 등을 맞춤형으로 제공하는 IG 기술은, 단순한 정보 제공을 넘어 주행 전략을 ‘권고’하거나 ‘지시’하는 수준까지 나아간다. 이는 자율차 간 기술 격차, 예측불가한 돌발 상황 등 미래도로 환경의 난제를 해결할 열쇠로 주목받는다. 하지만 기술의 발전만큼 법제도와 사회적 수용성 확보도 중요하다. 연구팀은 통신표지 도입을 위한 법 개정, 국내외 표준화 활동, 시민 체감형 IG-Nomad 서비스 개발 등 다방면에서 연구를 확장 중이다. 오랜 실도로 실증과 정책지원, 국제표준화 경험을 바탕으로 팀워크를 발휘하며 기술적 완성도를 높여가고 있는 이들의 도전은, 결국 모두를 위한 ‘똑똑한 도로’를 현실로 만드는 여정이다. 사용자 중심으로 진화한 대중교통, ‘가치타요’의 도전 복잡한 도심 한복판에서도 사용자의 요구에 따라 유연하게 이동하는 자율주행 셔틀 서비스가 등장하고 있다. 도로교통연구본부에서 개발 중인 ‘가치타요’는 미래형 대중교통의 새로운 모델로, 고정된 노선 없이 이용자의 통행 패턴과 실시간 교통 상황을 반영해 최적 경로로 운행하며, 합승 기능까지 가능한 스마트한 시스템을 갖췄다. 레벨 4 수준의 자율주행 기술과 인프라 협력 기반의 제어 시스템이 적용된 이 서비스는, 셔틀 차량 자체 개발은 물론 동적 경로 생성 알고리즘, 통합 관제, 서비스 검증 체계까지 전 과정을 아우른다. 특히 불특정 다수를 대상으로 하는 대중교통 서비스 특성상, 신뢰성과 안전성 확보는 핵심 과제로, 연구진은 새로운 검증 기준과 평가 기법을 마련하고 있다. 가치타요 연구진은 자율주행, 교통안전, 시스템공학 등 다양한 전문성을 지닌 인력으로 구성되어 있으며, 다수의 표준화 활동과 실증 경험을 바탕으로 기술의 완성도를 높여왔다. 차량 개발 과정에서 기관 변경 등 예기치 못한 어려움도 있었지만, 유기적인 협력과 빠른 대안 모색으로 문제를 해결해왔다. 연구진은 기존에 없던 서비스를 개척한다는 사명감으로 소통과 협력을 이어가며, 국내 자율주행 대중교통 기술의 새로운 이정표를 세워가고 있다. 기계와 사람이 함께 달리는 길, 인프라를 바꾼다 자율주행차가 일상이 되는 미래를 앞두고, 도로 인프라 역시 새로운 기준을 요구받고 있다. 도로교통연구본부에서 자율차의 주행 특성과 운영 환경을 반영해, 도로 공간을 새롭게 설계하고 인프라의 안전성을 평가하는 기술을 연구하고 있다. 자율차와 기존 차량이 공존하는 도로 상황에서 발생할 수 있는 다양한 변수에 대응하기 위한 제도와 기준 마련 역시 함께 추진 중이다. 연구진은 기존 도로 인프라가 사람 운전자를 기준으로 설계되어 있다는 점에 주목했다. 자율차는 예기치 못한 상황에 대응하는 방식 자체가 다르기 때문에, 같은 도로를 달리더라도 완전히 다른 조건이 된다. “지금까지의 도로가 사람을 위한 공간이었다면, 앞으로는 기계와 시스템을 함께 고려해야 합니다.” 자율차 도입이 교통 안전성과 이동성, 환경성 전반에 미칠 영향을 정량적으로 분석하고, 이에 적합한 도로 설계와 평가 방식을 연구하고 있는 이들은 기술 개발과 더불어, 개발된 연구 성과가 제도화될 수 있도록 관련 기준 마련에도 적극 나서고 있다. 자율주행 기술이 빠르게 진화하면서 도로교통 환경 역시 새로운 전환점을 맞이하고 있다. 도로교통연구본부 연구진은 각자의 전문 분야에서 이 변화에 선제적으로 대응하며, 기술과 사회가 함께 나아갈 수 있는 길을 설계해 나가고 있다. 이들의 연구가 축적될수록, 우리는 더욱 체계적이고 사람 중심적인 교통 환경에 가까워질 것이다. 앞으로도 한국건설기술연구원이 기술을 넘어서 제도와 사회적 공감대를 아우르는 미래 교통의 해답을 만들어가길 기대한다. 도로교통연구본부 게시일2025-04-24 조회수 180
• 도시의 틈새를 녹색으로 채우다: 탄소저감형 모듈형 정원 ▲ 김효민 KICT 건축연구본부 수석연구원 한국건설기술연구원에서 개발 중인 ‘지속 가능한 도시를 위한 탄소저감형 녹화 솔루션’에 대한 간략한 소개를 부탁드립니다. 본 연구를 시작하게 된 배경이나 사회적 필요성이 있다면 무엇인가요? ‘지속가능한 도시를 위한 탄소저감형 녹화솔루션’은 도시의 기후위기 대응과 탄소중립 사회 실현을 위해 개발되었습니다. 즉, 도시 유휴공간에 설치 가능한 모듈형 녹화 시스템으로, 단순히 식물을 심는 녹화의 개념을 넘어 녹화모듈을 구성하고 있는 자재와 토양 제조시의 탄소배출을 줄이고, 대기 중 탄소 흡수와 격리 기능을 강화한 것이 핵심입니다. 본 연구는 2020년부터 5년간 국토부 R&D ‘온실가스 저감을 위한 국토도시공간 계획 및 관리기술 개발’ 사업 일환으로 수행되었으며, 도시화로 인해 녹지공간이 급감하는 상황에서, 기후변화 대응을 위한 새로운 형태의 도시녹화기술 필요성의 대두에 따라 추진되었습니다. 기존의 도시 녹화 기술과 비교했을 때, 개발 중인 탄소저감형 녹화 솔루션의 차별성이나 강점은 무엇인가요? 최근 조경 공간에 많이 사용되는 초고성능콘크리트(UHPC)는 시멘트 사용량이 많아 제조 시 다량의 이산화탄소를 배출하게 됩니다. 또한 옥상녹화에 주로 사용되는 펄라이트 역시 고온 가열 공정을 통해 생산되기 때문에 전과정 관점에서 탄소배출 부담이 큰 자재입니다. 이러한 재료들은 적용 목적과 성능 요구에 따라 최소한으로 선택·사용 되어야 합니다. 탄소저감형 녹화솔루션은 전과정평가(LCA) 관점에서 제조부터 운영 단계까지의 탄소배출을 최소화하고, 동시에 대기 중 탄소의 흡수 및 저장 기능을 극대화할 수 있도록 설계된 기술입니다. 또한 재활용 자원을 활용하여 원재료 수급 안정성을 확보했으며, 모듈형 구조를 통해 다양한 공간에 유연하게 시공할 수 있다는 점도 큰 장점입니다. 솔루션의 핵심 기술 요소는 무엇이며, 어떤 원리로 작동하는지 설명해주십시오. 탄소저감형 녹화솔루션의 핵심기술은 탄소저감형 녹화자재, 인공토양, 유닛형 녹화모듈 디자인에 있습니다. 첫째, 탄소저감형 녹화자재는 시멘트를 전혀 사용하지 않고 고로슬래그를 주재료로, 바이오차를 혼입하여 제작된 지오폴리머 콘크리트입니다. 제조 시 재활용 자재를 활용해 탄소배출량을 최소화하고, 시멘트를 사용하지 않으면서도 필요한 강도를 확보하였으며, 동시에 대기 중 탄소 흡수 및 저장기능과 단열 성능을 향상시켰습니다. 특히 본 기술에 사용된 바이오차는 목재펠릿을 연료로 하는 화력발전소의 부산물로, 일반 바이오차보다 생성 온도가 높아 탄소격리 효과가 크고 안정성도 우수합니다. 둘째, 탄소저감형 인공토양은 바텀애시를 주재료로 하여 코코피트, 제올라이트, 바이오차 등을 배합해, 제조공정에서의 탄소배출을 최소화한 인공토양입니다. 토양호흡에 의한 이산화탄소 배출은 줄이면서, 수분보유력, 통기성, 유기물함량 등 식물생육에 필요한 물리적 기능을 유지할 수 있도록 설계되었습니다. 인공토양에 사용가능한 11종의 소재와 각 토양재료를 배합한 토양의 탄소플럭스와 식물생장을 정기적으로 모니터링하여 최적의 배합비를 찾아냈습니다. 셋째, 유닛형 녹화모듈은 5가지 모듈 형태로 구성되어 있으며, 레고처럼 조합 가능한 구조적 확장성을 통해 플랜터, 화단 경계석, 옥상·벽면 녹화 등 다양한 도시공간에 유연하게 적용할 수 있습니다. 탄소저감 기능 외에도 시공 편의성, 공간 활용도, 유지관리 효율성까지 고려한 다기능성 녹화 솔루션입니다. 현재 기술 개발은 어느 단계에 와 있으며, 사업화 가능성은 어느 정도로 평가하고 있나요? 또, 상용화될 경우, 주요 타깃 시장(공공, 민간, 해외시장 등)은 어디인가요? 현재 기술은 시제품 제작과 현장 실증을 완료한 상태입니다. 탄소저감형 인공토양은 조경업체와 기술이전 절차를 진행하여 현재 제품이 생산되고 있으며, 제품이 조달청에 등록되어 공공기관 납품도 가능한 상태입니다. 탄소저감형 녹화자재 또한 기술이전 후 현재는 공장생산을 위한 양산화 공정 최적화 및 단가 절감을 위한 기술개선 연구를 수행 중 입니다. 조경 및 환경복원 분야는 아직 탄소저감형 자재 개발이 본격화되지 않은 초기 단계로, 본 기술은 높은 실용성과 기술적 차별성을 바탕으로 관련 시장에서 빠르게 적용·확산될 수 있는 경쟁력을 갖추고 있습니다. 탄소중립 조경사업, 녹색건축 인증이 요구되는 민간건축물, 신도시 및 스마트시티 조성사업 등 다양한 분야에 활용될 수 있어, 향후 사업화 파급력과 시장 확장 가능성 또한 매우 높다고 판단됩니다. 기술이 상용화될 경우, 도시 환경 및 시민들에게 어떤 긍정적인 영향을 미칠 것으로 기대하는지 말씀해 주십시오. 탄소저감형 녹화모듈은 도시 전반의 기후위기 대응력과 회복력을 높이는데 기여할 수 있는 기술입니다. 특히 유닛형 모듈 구조는 옥상, 벽면, 가로녹지 등 도시 내 유휴공간에 유연하게 적용할 수 있어, 공간의 제약 없이 탄소저감형 녹지공간을 빠르게 확산시킬 수 있다는 점에서 큰 강점이 있습니다. 모듈 단위로 적용된 녹화는 열섬 완화, 우수 저류, 미세먼지 저감, 생물서식지 제공 등 다양한 환경 기능을 수행하며, 시민들에게는 자연 접근성 향상과 정서적 안정, 휴식 공간 제공이라는 일상적인 복지효과로 이어질 수 있습니다. 나아가 탄소감축 기능이 극대화된 이 기술은 도시조경이 기후변화 대응의 실질적 수단으로 작동할 수 있다는 가능성을 보여주며, 향후 ‘기능 중심의 녹화솔루션’이 도시 조경의 새로운 패러다임으로 작용할 수 있는 기반이 될 것입니다. 향후 추가적인 연구 개발 계획이나 목표가 있다면 무엇인가요? 최근 탄소저감, 열저감, 홍수저감 기능이 통합된 인공지반 녹화 넥서스(nexus) 모델 구축을 위한 연구를 새롭게 시작했습니다. 단순한 탄소감축을 넘어, 미기후(microclimate) 조절과 빗물 유출 조절 등 녹지의 다기능성을 통합적으로 고려한 기술 고도화를 주요 방향으로 설정하고 있습니다. 이를 위해 토양과 녹화자재의 탄소 저장량 및 배출량, 단열성, 수분함유량 등의 특성을 정량적으로 분석하고 있으며, 이를 바탕으로, 기술 구현을 위한 최적의 설계 임계조건 도출을 목표로 하고 있습니다. 건축연구본부 게시일2025-04-24 조회수 291

첫페이지이전페이지12345678910다음페이지마지막페이지