KICT 한국건설기술연구원 KICT가 선도하는 세계속의 K-건설

검색

전체 과제명 책임자 검색

전체 18건 현재 페이지 1/2

• 디지털 이미지 기반 토색 평가기술 개발 디지털 이미지 기반 토색 평가기술 개발 ▲ 곽태영 KICT 지반연구본부 수석연구원 들어가며 일반적으로 흙의 색(이하 토색)은 구성 광물, 유기물 함량, 함수비, 이온 농도 등의 영향을 받는 것으로 알려져 있기에, 흙을 분류하고 특성을 예측하기 위한 기초 지표로 널리 활용돼왔다. 특히 농업 분야에서는 토색에 따라 적합한 영농 형태 및 작물 종류가 달라지는 것에 주목하여, 토색을 대표적인 흙의 분류 지표로 활용한다. 또한 인접한 지역에서 유사한 색을 가지는 흙은 서로 유사한 특성을 가질 가능성이 높아, 토목 분야에서는 지반조사 시 채취된 시료의 색을 시추주상도에 기록한다. 일반적으로 토색은 육안으로 관찰해 결정한다. 그림 1의 먼셀토색첩은 육안으로 관찰된 토색을 객관적으로 구별하기 위해 개발된 것으로, 색을 색상(hue), 명도(value), 채도(chroma)의 조합으로 나타낸다. 그러나 먼셀토색첩을 활용한 토색 결정방법은 ① 관찰자의 주관이 개입될 가능성이 높고, ② 흙 시료 및 표준색편의 색은 광조건과 같은 환경 조건에 따라 달라지고, ③ 표준색편이 불연속적인 조각으로 나뉘어져 있어 수치적 혹은 통계적인 분석이 어렵다는 한계가 있다. 이러한 한계를 극복하기 위한 방법으로 디지털 이미지 기반의 토색 평가기술이 주목받고 있다. 디지털 이미지 프로세싱은 디지털 이미지를 분석해 원하는 정보를 얻는 일련의 과정으로 컴퓨터를 통해 진행되므로 관찰자의 개입 없이 빠르고 객관적인 토색 결정이 가능하다. 또한 토색이 연속적인 값으로 표시되므로 수치적 혹은 통계적인 분석이 가능하다는 장점이 있다. 디지털 이미지 기반 토색 평가기술 개발 현황 여러 연구자는 디지털 이미지 프로세싱을 기반으로 토색을 획득하고, 토색과 흙의 속성정보의 상관관계를 분석하는 연구를 수행하고 있다(Gomez-Robledo 등 2013: Kim, 2020: Moonrungsee 등 2015: Park, 2017: Persson, 2005: Santos 등 2016: Zanetti 등 2015: Zhu 등 2010). 그러나 기존 연구들은 RGB 혹은 Gray 색 강도를 기반으로 토색을 빠르게 판별하고 이를 통해 흙의 속성을 예측하는 성과를 보였지만, 광조건이 일정한 실내 스튜디오에서 촬영된 이미지를 바탕으로 수행되었다는 한계가 있었다. 색 발현 원리에 따라 입사광이 달라지면 토색도 달라지기 때문에, 상기 연구들과 다른 광조건에서 촬영된 이미지 혹은 광조건의 통제가 불가능한 실제 현장에서는 연구 결과를 적용하기 어려웠다. 즉, 기존 연구는 디지털 이미지 기반 토색 평가의 가능성을 확인했다는 의의는 있지만 현장 적용성이 떨어지는 실험실 수준에 머물러 있다는 점에서 명확하게 한계점이 존재하는 실정이다. 광조건의 변화에 따른 토색의 변화 그림 2는 자연광을 모사한 광조건 하에서 촬영된 안성 지역의 풍화토의 디지털 이미지를 나타낸다. 일정하게 조성된 흙 시료를 동일한 카메라 설정값을 적용해 촬영했음에도 조명의 색온도(Color temperature) 및 조도(Illuminance)에 따라 이미지상으로 표출되는 토색은 완전히 달랐다. 색온도는 광원의 색을 절대온도(K)를 이용해 표시한 것으로 붉은색 계열의 광원일수록 색온도가 낮고 푸른색 계열의 광원일수록 색온도가 높다. 광원의 조도는 특정한 면이 받는 빛의 세기를 나타내는 값으로 조도가 높아질수록 광원이 밝아진다. 토색도 색온도 및 조도에 따른 광원의 변화와 동일한 경향을 보였다. 조명에 따라 토색이 변화하는 현상은 앞서 언급했던 현장 적용이 불가능한 기존 연구들의 한계를 확실하게 보여준다. 불규칙한 광조건을 고려할 수 있는 디지털 이미지 기반 토색 분석 방법이 개발된다면, 연구 결과의 범용성 및 현장 적용성을 한층 더 강화할 수 있을 것으로 판단된다. 디지털 이미지 프로세싱 기반 토색 분석 기술 개발 색 표시계(color system)란 색을 수치적으로 표시하는 방법으로, 특정한 색을 색 공간(color space) 상의 한 점으로 나타낸다. 색 공간을 정의하는 방식은 색 표시계에 따라 매우 다양한데 대표적으로 RGB, HSV, CIEXYZ, CIExyY, CIELAB, CIELUV 등이 있다(Billmeyer and Saltzman, 1981). 다양한 색 표시계 중, 본 연구에서는 토색 분석을 위해 두 가지 색 표시계(RGB, CIELAB)를 활용하였다. RGB 색 표시계는 디지털 카메라와 같은 전자장비에서 가장 널리 사용되는 방식으로 빛의 삼원색인 빨강(R), 초록(G), 파랑(B)을 이용해 색을 표현하는 방식이다. RGB 색 표시계는 간편한 방식(RGB 세 가지 색상의 조합)으로 대부분의 색을 재현할 수 있다는 장점이 있지만, 인간이 인식할 수 있는 모든 색상을 표현할 수 있는 것은 아니다. 이와 같은 문제점을 극복하기 위해 CIE는 CIEXYZ 색 표시계를 기반으로 CIELAB 색 표시계를 제안했다(CIE, 1978). CIELAB 색 표시계에서는 색을 L*, a*, b*의 조합으로 표현하는데, L*는 0(어두움)에서 100(밝음)까지로 표시되는 색의 밝기를 나타낸다. 또한 a*와 b*는 색상값으로, a*는 빨강(양수)과 초록(음수) 중 어느쪽에 가까운지를, b*는 노랑(양수)과 파랑(음수) 중 어느 쪽에 가까운지를 나타낸다. 디지털 이미지 기반의 토색 분석을 위한 색 표시계 기존 연구들의 문제점을 극복하기 위해서, 한국건설기술연구원에서는 현장의 불규칙한 광조건을 고려할 수 있는 디지털 이미지 프로세싱 기반 토색 분석 기술을 개발하였다. 그림 3과 같이 자연광의 특성을 모사할 수 있는 디지털 이미지 촬영 스튜디오를 구축하고, 다양한 흙 시료(하나의 실리카 계열 모래 및 네 가지 지역에서 채취한 풍화토)를 대상으로 광조건을 바꿔가며 디지털 이미지를 촬영했다. 촬영된 시료 이미지를 바탕으로 디지털 이미지 프로세싱을 수행해 토색을 다양한 색 표시계(RGB, CIELAB)에 대해 추출 및 분석하였다. RGB 색 표시계 기반의 토색 분석 결과, 조명의 조도가 증가할수록 토색(R, G, B)이 증가했다. RGB 중 밝기와 가장 상관성이 높다고 알려진 초록(G)의 경우 조도와 상관성이 매우 높았으나, 빨강(R) 및 파랑(B)은 색온도의 영향으로 비교적 낮은 상관관계를 보였다. RGB 색 표시계로 표시되는 토색은 조명의 조도 및 색온도 모두에게 일정 부분 영향을 받으므로, 이를 통해 광조건의 영향을 배제(혹은 보정)하기는 어려울 것으로 판단되었다. CIELAB 색 표시계 기반의 토색 분석 결과, L*는 조도에만 a*와 b*는 색온도에만 영향을 받으며 상관성도 높았다. 이는 L*는 색의 밝기를 나타내고 a*와 b*는 색상을 나타내는 지표이기 때문으로 판단된다. CIELAB 색 표시계를 기반으로 L*와 조도, a*, b*와 색온도의 관계를 분석한 결과를 토대로 다음과 같은 광조건 변화에 따른 토색 보정 식을 제안하였다. 여기서, I와 T는 각각 흙이 받는 빛의 조도와 색온도를 의미한다. aL과 fL은 각각 토색의 L* 값과 조도 간 선형회귀식의 기울기와 절편을, aa과 fa는 각각 토색의 a* 값과 색온도 간 선형회귀식의 기울기와 절편을, ab과 fb는 각각 토색의 b* 값과 색온도 간 선형회귀식의 기울기와 절편을 의미한다. 건조된 흙의 경우, 시료의 종류에 관계없이 식 (1)～(3)의 기울기(i.e., aL, aa, ab)가 유사함을 확인하였으며, 최종적으로 다음과 같은 보정식을 제안하였다. 제안된 방법을 통해, 임의의 광조건에서 촬영된 흙 시료의 토색을 원하는 광조건에서의 토색으로 보정할 수 있다. 보다 상세한 보정 과정은 Baek 등(2023)에 기술되어 있다. 맺음말 한국건설기술연구원에서는 현장의 불규칙한 광조건을 고려할 수 있는 디지털 이미지 기반 토색 분석기술을 개발 중이다. 촬영된 이미지 분석 결과가 보여주듯이, CIELAB 색 표시계를 기반으로 불규칙한 광조건이 토색에 미치는 영향을 배제(혹은 보정)할 수 있을 것으로 보인다. 건조된 흙 시료에 대한 분석 결과를 토대로 광조건 보정식을 제안하였으며, 현재는 물이 포함된 흙 시료에 대한 분석이 진행되고 있다. 물이 포함된불포화토에 대한 분석까지 완료된다면, 현장에서 촬영된 흙의 디지털 이미지를 바탕으로 함수비 여부와 관계없이 토색을 손쉽고 빠르게 획득하여 통계적 분석이 가능해질 것이다. 지반연구본부 게시일2023-08-25 조회수 137
• 지반 붕괴의 감시자 반딧불 센서 개발 지반 붕괴의 감시자반딧불 센서 개발 ▲ 지반연구본부 - 지반 및 구조물 붕괴 징후를 감지할 수 있는 스마트 센서와 시스템 개발 - 현장·신속·정확한 보급형 기술로 국민 안전에 기여 한국건설기술연구원(이하 KICT)은 지반과 구조물의 붕괴 징후를 감지하는 스마트 감지 센서(이하 반딧불 센서) 및 원격으로 실시간 모니터링이 가능한 시스템을 개발했다. 개발된 기술은 KICT 연구소 1호 기업인 ㈜재난안전기술과 국내 벤처기업인 ㈜엠테이크와 공동으로 개발했다. 개발된 반딧불 센서는 붕괴가 우려되는 다양한 위험 구역에 1 m ~ 2 m 간격으로 손쉽게 부착할 수 있다. 또한, 산림청의 사면 붕괴 지중경사계 일변위 기준인 0.05˚보다 더 정밀한 0.03˚ 변이도 실시간으로 감지할 수 있다. 만약 붕괴 징후가 감지되면, 즉각적으로 LED 점등을 통해 경보 알람이 발생한다. 이때 LED 경보는 주간 시간대에 100 m 거리에서도 눈으로 직접 확인할 수 있는 고효율의 광전송 렌즈 기술을 통해 현장 관리자와 작업자들이 쉽게 알아볼 수 있다. 현장 경보 알람과 동시에 상황실에서도 원격으로 실시간 현장 상황을 파악할 수 있어, 관계 기관에 위험 상황을 공유하는 등의 추가 조치를 취할 수 있다. 또한, 설치가 간편해 기존 계측 센서의 설치비 및 운영비와 비교하면, 50% 이상의 비용을 절감할 수 있다. 유지관리 측면에서도 초 저소비전력 설계로 센서의 건전지 교체 없이 1년 동안 운영할 수 있다는 장점이 있다. 더불어 영하 30℃와 영상 80℃의 환경에서도 센서가 정상적으로작동할 수 있도록 하여, 특히 계절 변화가 뚜렷한 지역에서 활용도가 높을 것으로 기대된다. 반딧불 센서에는 오작동 방지를 위해 설치 장소에 따라 위험을 분석하고 판단하는 알고리즘 기술이 탑재되어 있다. 따라서 건설 및 토목 공사 현장을 비롯하여 노후 건물, 문화재 성곽 구조물, 급경사지, 산사태 우려 지역, 터널 공사, 광산 및 지하 구조물, 교각, 댐, 사방 등 다양한 장소에서 활용될 수 있다. 현재 반딧불 센서는 제주도 용암 동굴, 인천시 정수장과 하수처리장, 일반국도변 절토 사면과 산지 비탈면, GTX-A 노선 중 KINTEX 역사 구간, 대전시 및 전남 담양군 아파트 건설 현장, LG 화학공장 등에 시범 설치되어 운영 중이다. 또한, 2023년 신분당선 지하철의 연장 공사 설계에도 반영되었다. 추후 건축물 해체 공사를 비롯한 국가 주요 시설물 건설 공사에 적용되는 사례가 늘어날 것으로 기대된다. 본 성과는 과학기술정보통신부의 지원으로 KICT 주요 사업(지역협력사업)인 「도로안전운영을 위한 제주형 지반함몰 대응체계 개발(2020 ~ 2022)」 과제를 통해 도출되었다. 지반연구본부 게시일2023-05-26 조회수 738
• 텍스트마이닝을 이용한 지반정보 디지털 DB화 기술 개발 텍스트마이닝을 이용한 지반정보 디지털 DB화 기술 개발 ▲ 박가현 KICT 지반연구본부 수석연구원 들어가며 최근에는 4차 산업혁명 시대의 핵심기술인 인공지능과 빅데이터를 활용하여 새로운 부가가치를 창출하고자 하는 수요가 다양한 분야에서 폭발적으로 증가하고 있다. 그러나, 원본 데이터 확보의 어려움과 신뢰성 문제 등의 이유로 기대에 못 미치는 성과를 도출하는 경우도 심심치 않게 나타난다. 한편, 국토교통부에서는 지반정보를 체계적으로 관리하고 공유할 목적으로 2007년부터 국토지반정보 포털시스템을 운영·관리하고 있다. 이렇게 디지털화되어 관리되는 지반정보는 중복굴착 방지, 예산 절감, 지반정보의 활용성 향상 등 긍정적인 효과가 있다. 지반조사 결과의 활용은 설계, 시공, 지하 안전관리, 재해재난 분야 등으로 점차 확대되고 있다. 특히 최근 지반침하, 지반함몰 등 지하 안전사고 및 지진 발생 증가로 인해 지반정보 활용이 급증하고 있다. 그러나 현재 지반정보를 데이터베이스(DB)화하는 과정에 있어 사람이 직접 PDF 파일 등을 보고 일일이 타이핑하여 진행되기 때문에 시간적·인적 자원 소모가 매우 크며, 정확도 문제가 빈번히 발생하고 있다. 또한, 원칙상으로는 국토지반정보 포털시스템에 지반조사보고서 내 모든 내용을 입력하게 되어 있으나, 실제 데이터가 비숙련자/비전공자에 의해 입력되는 과정에서 중요 시험정보가 대부분 누락되고 시추주상도 정도만 간신히 입력되고 있다. 사람이 일일이 타이핑하는 기존의 데이터 구축 방식은 원본 데이터 및 활용 후 데이터의 정확도와 신뢰도에 영향을 미친다. 이러한 이유로 현재 국토지반정보 포털시스템에는 전국적으로 약 33만 공의 지반정보가 구축되어 있으나 실제 활용할 수 있는 데이터 수는 현저히 적다. 사람의 입력 오류를 최소화하고 지반정보의 정확도를 높이면서 시간적·인적 자원 소모를 획기적으로 절약할 수 있는 지반정보 자동 디지털 DB화 기술 개발이 필요하다. 종이 문서(스캔된 문서)에서 텍스트를 추출하여 디지털 DB화 하려는 움직임은 비단 건설 분야뿐만 아니라 정부의 데이터댐 구축사업에서도 확인할 수 있듯 각 분야에서 동시다발적으로 일어나고 있다. 대기업, 금융권 등에서도 디지털 전환을 통해 업무를 효율화하기 위해 RPA(로봇 프로세스 자동화)와 OCR(광학문자인식) 등의 기술 도입단계에 있으나 한글에 대해서는 보편적이고 상용화된 솔루션이 거의 없는 것이 현실이다. 이 글에서는 종이 문서 형태의 지반정보를 디지털 DB화하기위하여 개발한 기술과 앞으로의 연구 방향에 대해 간략히 소개하고자 한다. 지반조사 보고서(종이 문서)에 대한 이해 종이 문서를 디지털 DB화하려는 방안을 모색하기 위해 먼저 검토해야 할 항목들이 있다. 우선 종이 문서에 대한 검토가 필요한데 종이 문서의 양식, 특징에 대한 검토가 필요하며이 중에서도 어떤 내용을 추출할 것인지에 대한 고려가 필요하다. 또한, 어떤 파일 형태로 기존문서가 보관되어 있는지를 검토해야 한다. 일반적으로 지반조사 보고서는 본문과 부록으로 구성되어 있다. 본문에는 다양한 시험 결과를 요약해서 테이블 형태로 수록된다. 부록에는 실내 시험의 원본 데이터가 수록된다. 이 글에서는 특히 원본 데이터인 부록의 데이터를 추출하는 방법을 소개한다. 기술 개발을 위하여 국내 34개 현장의 지반조사 보고서를 수집하여 분석한 결과, 동일 시험에 대해서도 시험 양식의 종류가 매우 다양하게 나타났다. 지반조사 보고서의 부록 파일은대부분 PDF 형태로 보관되고 있음을 확인하였다. 마지막으로 텍스트 추출 방법을 결정해야 하는데, 텍스트를 추출하는 방식으로는 광학문자인식(Optical Caharacter Recognition, OCR) 기법과 PDF 파일 읽기가 가능한 모듈을 이용하여 텍스트를 추출하는 방식에 대하여 검토했다. 검토 결과 OCR 오픈 소스의 경우 특히 한글에 대해 성능이 매우 떨어져서 커스터마이징이 추가적으로 필요했다. PDF 파일 읽기가 가능한 모듈을 사용하는 경우, 높은 인식률과 정확도를 확인하였으며, 적용 가능성이 높았다. 지반정보 디지털 DB화 기술 개발 지반조사 보고서의 부록에 수록된 실내 시험 원본 데이터의 경우 보고서 상세 분석 결과 입도분포 시험, 일축압축시험, 압밀시험, 삼축압축시험 순으로 빈도가 높은 것으로 나타났다. 지반조사 보고서와 마찬가지로, 부록도 작성 양식의 표준화가 되어 있지 않은 것을 확인하였다. 동일한 시험이라 할지라도 수행한 업체 등에 따라 그 양식이 다른것으로 나타났다.따라서, 지반조사보고서 부록 내 데이터를 추출하기 위해서는 먼저 각 양식을 구별한 후에 양식별로 적절한 추출 알고리즘을 적용하여야 한다. 지반조사 보고서 부록에 대하여 이미지 인식 분야에서 특히 높은 성능을 보이는 ResNet34를 이용하여 각 시험을 잘 인식하는지 확인하였다. 이미지 증대를 위해 상하좌우 반전, 회전, 이동, 이미지크기 변화, 밝기 및 명암 변화, 표준화 등을 이용하였다. 그 결과, 정확도 100%로 각 시험 양식을 구별하는 것을 확인하였다. 이후, 입도분포시험에 다시 한번 ResNet34 알고리즘을 적용하여 개별 양식을 구별하는 것을 확인하였다. 그 결과 정확도 100%로 입도분포시험 양식을 성공적으로 분류해냈다. 이후, PDF 리딩 라이브러리를 이용하여 PDF 파일을 인식한 후에, 텍스트로 변환하고 원하는 값을 쌍을 이루어 엑셀 파일로 추출하는 알고리즘을 구현하였다. 대표 양식에 대하여 데이터를 추출하였으며, 초당 200페이지의 속도, 정확도 100%로 데이터를 추출하는 것을 확인하였다. 즉, 부록에 있는 실내시험 데이터에 대해서 딥러닝을 두 번 적용하고, 이후 RPA 기법을 이용함으로써 성공적으로 디지털 DB화가 가능한 것을 확인하였다. 미국 등과 같은 해외에서도 지반조사 결과 보관 및 처리는 지반조사를 수행한 업체에서 관리하며, 정부 차원에서는 따로 관리하지 않는다. 지반조사를 수행하고 있는 업체들의 경우, 조사 결과를 기재하는 포맷이 서로 다르다는 문제가 있다. 다른 회사가 지반조사를 수행한 지역의 자료를 조회하는 경우 발주처를 통해 PDF 양식으로 지반조사 및 시추조사 자료를 전달받으며, 디지털화된 양식의 정보는 절대 제공되지 않는다는 현실을 고려할 때, 본 기술 개발은 해외시장에서도 효용가치가 높을 것으로 판단된다. 관련 기술을 선점할 경우 국가 건설기술 경쟁력을 높일 수 있을 것으로 기대된다. 지반정보 자동화 DB구축 관련 연구 방향 이 글에서 제시한 방법은 종이 문서로 보관되고 있는 지반정보를 디지털 DB로 변환하는 다양한 솔루션 중 하나일 것으로 생각된다. 한편, 양질의 데이터 디지털 전환을 위해 앞으로는 투-트랙의 접근이 필요할 것으로 판단된다. 과거에 누적된 데이터에 대해서는 딥러닝과 RPA를 이용하여 데이터를 차근차근 확보하는 동시에 앞으로 쌓일 데이터에 대해서는 다양한 발주처와 협의하여 하루빨리 표준화된 시험 양식과 디지털화를 위한 보고서 작성 요령 등을 마련하여 보급하여야 할 것이다. 디지털 데이터에 대한 수요가 기하급수적으로 증가하는 만큼 어떻게 하면 빠르고 쉽게 양질의 데이터를 확보할 수 있을지 그 방법에 대한 고민이 필요한 시점이다. 지반연구본부 게시일2023-03-27 조회수 363
• TBM 자동 운전을 위한 운용 시스템 개발 TBM 자동 운전을 위한 운용 시스템 개발 ▲ 최순욱 KICT 지반연구본부 수석연구원 들어가며 인구 구조의 변화 (고령화)로 인해 생산 가능 인구가 감소하고 건설업의 열악한 근로환경에 기인하여 건설 현장에 청년층의 유입과 숙련 노동자는 감소하는 추세이다. 건설 분야 근로자 중 청년층 (15~29세)의 유입은 지속적으로 감소하고 장년층 (55세 이상)의 비율은 보다 빠르게 증가하여 건설업은 전 산업 평균에 비해 빠른 속도로 고령화가 진행되고 있다(그림 1). 또한, 2000년 초반을 지나면서 전 산업의 재해율은 점차 감소하는 데 반해, 건설업의 재해율은 고령화가 급속하게 이루어지는 시점을 기준으로 다시 증가하는 추세를 보인다 (그림 2). 고령화와 숙련 노동자의 감소는 건설공사 목적물의 품질 저하뿐만 아니라 사고위험 증가에 영향을 주고 있다. 즉, 결과적으로 생산성 감소와 재해율 증가의 원인이 되고 있다는 의미이다. 건설 산업의 생산성 증가율은 전체 산업 분야 중에서 최하위 수준이며, 우리나라를 비롯하여 전 세계적으로 건설 산업의 생산성을 향상시키기 위해 다양한 정책을 추진하고 있다. 각 국에서는 건설 산업에 신기술 적용을 통한 생산성 향상을 추진하고 있으며, 일례로 영국의 ‘Construction 2025’, 일본의 ‘i-Construction’이 진행되고 있다. 국내에서는 국토교통부가 ‘제6차 건설기술진흥기본계획 (2018~2022)’을 통해 ‘스마트 건설을 통한 생산성 향상’을 추진하고 있으며, ‘제4차 과학기술기본계획 (2018~2022)’의 건설·교통 분야의 중점과학기술에 ‘지속가능한 인프라 구조물 건설기술’이 포함되었다 (과학기술전략연구소, 2019). 이 글에서는 국토교통부 산하 국토교통과학기술진흥원에서 기획·관리하고 한국도로공사 (사업단)에서 추진하고 있는 스마트건설기술연구사업의 2중점분야 5세부과제 ‘도로구조물 원격·자동화 시공 기술 개발’ 중 TBM (Tunnel Boring Machine) 자동운전을 위한 운용시스템 개발에 대하여 소개하였다 (그림 3). 머신러닝 기반 터널 기계화 시공 (TBM) 자동화 기술 개발 스마트건설기술연구사업의 5세부 과제는 도로구조물 건설 공기 25% 이상 단축을 목표로 시공 과정을 혁신시키기 위한 연구과제이다. 특이한 점은 도로구조물에 대한 시공을 주제로 하다 보니 주요 구조물인 교량과 터널에 대한 시공기술이 함께 포함되었다는 점이다. 이 과제에서는 VR·로봇·머신러닝 등을 활용하여 건설공사에 포함된 위험한 작업·인력에 의한 의사결정 등 생산성 저해 요인을 해소하고 건설 공기를 25% 이상 단축시킬 수 있는 교량·터널 원격·자동화 시공 기술을 개발하는 것을 목표로 한다. 이 글에서는 데이터 (TBM 지반/굴진데이터)와 머신러닝 기술을 활용하여 TBM 장비 운전을 자동화하는 터널 분야 자동화 시공 기술에 대해서 설명하였다. 해당 기술은 5세부 과제의 세부기술 3으로서, ‘머신러닝 기반 TBM 스마트 운용 기술’이라는 주제로 TBM 시공에서 얻는 지반정보와 굴진정보를 기반으로 지반에 따른 TBM 운전 경험 데이터를 사전 처리하여 머신러닝 기법으로 학습시키고 있다. 그 결과는 추후 자동운전으로 가기 위해 운전 작업 일부를 자동화함으로써 운전자 (operator)의 작업부담을 경감시켜주는 것을 목표로 하고 있다 (그림 4). 머신러닝을 위한 TBM DB 및 시스템 구축 데이터 기반 학습을 통해 예측을 수행할 수 있는 머신러닝은 산업 전반에 걸쳐 사용되고 있으며, 건설 분야에서도 그 활용이 증대되고 있다. 특히 시공 전반이 장비 기반으로 진행되는 TBM 분야는 자동화에 대한 관심이 높으며, 해외에서는 일정한 지반조건에서 AI 알고리즘을 이용한 부분적인 TBM 운전 자동화가 이루어진 바 있다. TBM 작업에 영향을 주는 장비성능, 운전자, 현장상황, 지반 조건과 같은 요소 중 지반조건은 굴진성능에 큰 영향을 주는 요소이다. 이러한 이유로 다수의 TBM관련 논문에서 지반조건에 따른 굴진성능의 예측을 다루었으며, 지속적으로 연구되고 있다. 머신러닝 기법을 적용한 TBM 운전 자동화 관점에서 살펴보면, 지반데이터는 굴진데이터와 유기적인 관계가 있기 때문에 지반데이터와 굴진데이터가 결합된 데이터 세트 (data set)가 필요하다. 따라서 TBM 운전 자동화에 머신러닝을 적용하기 위해서는 항상 두 가지 데이터를 같이 수집해야 한다. TBM의 굴진데이터는 수백~수천 개의 항목으로 구성되어 있기 때문에 머신러닝을 위한 목표 (target)와 특징 (features)의 선택이 중요하다. 예를 들어 목표는 운전자에 의해 조작되는 TBM 굴진속도, 스크류 컨베이어 속도가 될 수 있고, 특징은 추력 (thrust), 토크 (torque), 회전속도 (RPM), 전방압 (face pressure) 등을 선택할 수 있다. 학습 데이터 세트 구성 시 일반적으로 데이터 테이블의 칼럼 (column) 제목이 되는 특징은 굴진데이터뿐만 아니라 지반데이터를 같이 구성하여 지반과 굴진데이터가 결합된 학습이 이루어지도록 해야 한다. 이때 특징의 선택은 그림 5와 같이 상관도 분석과 같은 데이터 분석 또는 전문가의 기술적 판단에 근거하여 수행될 수있다. 위 과제에서는 TBM 현장의 지반데이터와 굴진데이터를 수집하여 DB화하고, 데이터 세트를 구성할 수 있는 TBM DB 관리시스템 (TBM DB Management System, TDMS)의 설계 및 플랫폼 구축과 TBM 자동 운전을 위한 TBM 자동운전시스템 (TBM Auto Operation System, TAOS)에 대한 설계 및 플랫폼 제작이 같이 진행되고 있다 (그림 6). TBM 자동운전시스템은 DB 관리시스템에서 작성된 데이터 세트를 학습하여 설정된 목표에 대한 최적의 머신러닝 알고리즘과 하이퍼파라미터 (hyperparameters)를 도출한 다음, TBM 제어부와의 연결을 통해 운전의 일부를 자동화하는 시스템이다. 아직 TBM의 자동 운전은 세계적으로도 연구단계에 있기 때문에 현장 적용에 있어서도 조심스러운 접근이 필요하다. 본 과제에서는 현장 적용 시 TBM 운전자가 직접 조작하는 수동방법과 시스템에 의한 자동방법을 운전자 판단에 근거하여 변환하여 사용할 수 있도록 시스템을 구성하고 있다. 머신러닝 기법을 이용한 토압식 쉴드 TBM의 굴진성능 예측 다음은 위 과제에서 하천 하부의 토사지반을 통과하는 토압식 실드 TBM 터널 구간의 지반데이터 및 굴진데이터와 몇 가지 머신러닝 기법을 사용하여 실드 TBM의 굴진율을 예측한 결과 예이다. 데이터 전처리 (pre-processing) 과정으로 굴진데이터의 다양한 전압 측정값, 계측 온도, 위치 및 자세 정보와 같은 특징을 삭제하여 주요 지반과 굴진데이터 항목 15개를 선정하고 데이터 값과 평균의 차이를 표준편차로 나누어 표준화 (standardization)를 적용하였다. 그리고 결측치 처리는 결측 값이 존재하는 데이터 전체를 제거하는 방식을 사용하였다. 특징들 간의 유의성 검증 (0.05이하)과 다중공선성 만족여부 (VIF 10이하)를 판단하였고 하이퍼파라미터는 그리드서치 (GridSearchCV) 기법을 사용하여 결정한 다음, 학습데이터와 테스트데이터의 비율을 8:2로 적용하였다. 결과에 대한 예측성능은 RMSE (Root Mean Square Error)와 결정계수 (coefficient of determination)를 사용하였다. 학습결과는 표 1, 그림 7과 같다. 7가지 예측 모델의 성능을 비교한 결과, 앙상블 (ensembles) 모델인 그랜드 부스팅 (GradientBoosting)과 서포트 벡터 머신 (Support Vector Machine)이 분석한 데이터 세트에 대해서 토압식 실드 TBM 굴진성능 예측에 적합한 것으로 나타났다. 그러나 이 결과는 단일 현장의 데이터를 기반으로 도출된 것으로 다양한 현장의 데이터를 이용한 결과를 확인할 필요가 있다. 맺음말 머신러닝을 이용한 TBM의 운전 자동화를 위해서는 현장의 지반정보와 굴진정보를 수집하고 이를 이용하여 학습에 적합한 데이터 세트의 구성과 분석이 필요하다. TBM의 굴진정보는 수백~수천 개의 항목으로 구성되어 있기 때문에 머신러닝을 위한 목표 (target)와 특징 (features)의 선택에서부터 난관을 맞이하게 되며, 그 전에 장비로부터의 온전한 굴진정보 수집에서 어려움이 발생한다. 또한, 수백 미터 간격으로 수행되는 지반정보의 부족 역시 머신러닝을 적용하는 데 문제로 다가온다. 머신러닝에서 좋은 결과를 내기 위해서는 양질의 데이터를 확보하는 것이 중요하다. 이제 국내에서도 TBM 데이터 수집의 중요성을 인식하고 있지만, 아직까지 파편적인 데이터 세트 구성만이 가능하다. 데이터 기반으로 높은 학습 성능을 보여주기 위해서는 모두의 관심이 필요한 상황이다. 굴삭기를 비롯하여 많은 건설중장비가 자동화에 속도를 내고 있으며, TBM 자동화 분야에서도 일부 성과가 나타나고 있다. 인력 부족과 생산성 증가를 위해서 장비의 자동화는 건설 분야를 비롯하여 산업 전반의 대세이다. 따라서 TBM 자동화 분야에서도 지속적인 연구가 필요하다. 지반연구본부 게시일2022-10-25 조회수 584
• 건설장비 자동화 및 장비연동 품질관리 디지털화를 통한 스마트 건설기술 개발 건설장비 자동화 및 장비연동 품질관리디지털화를 통한 스마트 건설기술 개발 ▲ 조진우 KICT 지반연구본부 수석연구원 ▲ 최창호 KICT 지반연구본부 연구위원 들어가며 건설 산업은 낮은 생산성과 시공품질 저하 문제 등으로 위기 상황에 직면해, 국가 차원의 건설 자동화 기술 사업을 추진하고 있다. 정부는 제 6차 건설기술진흥기본계획을 통해 ‘SmartConstruction 2025’를 비전으로 설정하고 스마트 건설 자동화 기술 도입을 위한 스마트 건설 전략 로드맵을 수립하였다. 또한, 2018년 4월에 발표된 ‘국토교통과학기술 연구개발 종합계획’에서는 융합기술을 통한 건설 지능화 실현을 위하여 건설 자동화 분야를 전략목표로 제시하고 있다. 도로 건설공사는 선형적이고 반복적인 공사 특성으로 인한 건설장비 의존도가 높아 타 건설공정에 비해 자동화 적용을 통한 공정 개선이 상대적으로 양호한 분야이나 현실은 그렇지 못하다. 자동화 공정 적용이 어려운 사유는 아래와 같이 분석될 수 있다. (1) 불도저·그레이더·롤러 등 도로 공사에 사용되는 장비 작업 시 운전자 숙련도에 따른 시공 품질 편차에 의한 재시공 증가 (2) 노동 집약적이고 반복적인 작업으로 인한 열악한 근로 환경 및 작업자 위험 노출 (3) 시공 중에 도로 품질을 확인할 방법이 없어 시공 지연으로 인한 장비 대기시간이 길어지고, 검측에 소요되는 시간 역시 공사 원가에 상당한 영향을 미침 이러한 문제를 해결하고자 현재 글로벌 건설장비 제조회사·건설 자동화 솔루션 회사 등을 중심으로 도로 공사 자동화 기술을 개발하고 있으며, 건설장비 자동화 기술 확보가 늦은 국내 건설장비 산업과 종합 건설사의 시공 경쟁력 확보를 위하여 정부 주도의 대규모 투자를 통한 유관 기술의 도약을 유도하고 있다. 또한, 향후 건설시장이 자동화 장비와 이를 통한 자동화 시공 위주로 재편될 경우, 국내 건설기업이 해외 글로벌 건설장비 기업의 자동화 시공 및 관리 서비스를 제공받는 형태로 사업 참여 범위가 축소될 수 있다. 따라서 자동화·디지털 시공 관리 기술 개발을 통한 시공 경쟁력 확보 방안 마련이 시급한 상황이다. 이 글에서는 스마트 건설장비를 활용한 도로 건설현장의 자동화 및 디지털화 현황과 앞으로 추진해야 할 과제에 대하여 논의하고자 한다. 도로 건설장비 자동화 및 현장관리 디지털화 기술의 국내외 현황 최근 들어 스마트 건설에 대한 관심이 높아지면서 도로 건설 현장에서도 건설 자동화 기술을 적용하고자 하는 노력이 증가되고 있다. 도로 건설현장의 자동화 기술 발전 흐름은 가장기초적인 기술로서 운전자에게 장비의 위치정보를 알려주는 머신 가이던스 (MG, Machine Guidance) 기술로부터 시작하여, 장비의 위치정보뿐만 아니라 장비제어가 가능한 머신 컨트롤 (MC, Machine Control) 기술, 운전자 없이 MC 기술이 적용된 건설장비를 원격 제어하는 기술, 최종적으로는 인공지능을 이용하여 자율주행과 자율시공이 가능한 완전 무인화를 목표로 기술개발이 진행되고 있다. Caterpillar, Komatsu 등의 해외 주요 건설장비 제작사의 경우 범용 장비인 굴삭기를 중심으로 다양한 장비에 대한 머신 가이던스와 더불어 작업 자동화가 가능한 장비 상용화를 진행하고 있고, Trimble, Leica와 같은 센서 솔루션 공급업체는 MG와 MC 기술을 위주로 한 애프터마켓용 제품을 중심으로 상용화를 진행하고 있다 (그림 1). 국내의 경우 건설장비는 굴삭기와 지게차 위주로 생산되기 때문에 굴삭기 중심의 MG 및 작업 자동화 기술 개발이 이루어지고 있으나, 해외 선진 장비보다 MG 및 MC 장비의 상용화가 늦어지고 있다. 현대두산인프라코어·현대건설기계 등의 건설장비 제조업체들은 자사 굴착기에 외산 MG 기술을사용자가 옵션으로 장착할 수 있도록 하는 서비스를 출시하였으며, 빠르게 자체 MC 기술 상용화에 노력하고 있다. 자율 주행과 인공지능, 관제 분야는 국가 주도의 R&D 사업으로 활발하게 진행 중이며, 종합 건설시공사 중심으로 지능화 기술을 작업장 안전 관점에서 시범적으로 적용하고 있다. 시공 현장의 각종 데이터에 대한 수집·모니터링·분석·예측·공유를 위한 건설 특화 플랫폼 서비스 또는 솔루션에 대한 수요가 증대되고 있다. 특히 건설현장의 각종 환경·사람·중장비 등에서 생성되는 데이터를 IoT 기술을 활용하여 실시간으로 수집하고, 이를 클라우드 기반의 빅데이터 기술로 정제 후, 사무실과 시공현장의 각종 디지털 기기를 통한 공유를 목적으로 하는 지능형 IoT 플랫폼에 대한 관심이 증대되고 있다 (그림 2). 인프라킷 (Infrakit)은 도로포장이나 철도건설 같은 건설현장 특화 IoT 서비스 플랫폼 제공기업으로서 도로·철도 등 인프라 건설에 특화된 서비스를 SaaS (Software as a Service) 형태로 제공한다. 오피스 데스크톱 버전과 모바일 버전 등 N-Screen에 특화된 인프라 건설 관련 제반 관리 서비스를 2D MAP과 3D 모델링 공간 맵핑 기술을 활용하여 제공한다. 미국의 건설 특화 플랫폼 회사인 Tenna의 경우 각종 건설 중장비의 Fleet Management를 시작으로, 각 건설 장비·도구의 현황을 파악하고 이에 대한 효율적인 제어·관리를 목적으로 하는 ONE Platform이라는 솔루션을 제공하고 있다. 독일의 대표적인 도로 건설분야 중장비 전문 기업인 Wirtgen Group의 경우 특히 도로포장 다짐 관련 중장비에 IoT 기술을 접목한 도로 품질의 실시간 현황 확인 및 리포트를 위한 Witos Paving 솔루션을 출시하여 독일뿐만 아니라 북미 시장에 진출하고 있다. WITOS Paving은 도로포장의 품질데이터를 IoT를 통해서 실시간으로 수집하고, 해당 데이터의 품질 요소를 판별하여 현장 시공 관리자에게 모바일 어플리케이션으로 리포트를 해주는 서비스이다. 국내의 경우 최근 IoT 및 네트워크 기술을 바탕으로 건설 플랫폼 기술이 개발되고, 관련 연구가 진행되고 있으나, 관련 기술의 급격한 발전에도 불구하고 현장 적용성을 확보한 플랫폼은 부족한 실정이다. 디지털 기반 도로건설현장 자동화 도로 건설현장 자동화의 가장 근본적인 전제조건은 공사의 자동화 및 품질관리의 디지털화로 요약할 수 있다. 이를 위해서는 ICT 기술과 로봇 기술을 적용한 건설장비를 활용하여 도로공사를 자동화하고, 장비와 연동하여 시공품질을 실시간으로 디지털화하여 평가·관리할 수 있는 시스템이 개발되어야 한다. 시공 자동화와 품질관리 디지털화 기술의 정의는 아래와 같다. (1) 시공 자동화: 인구 고령화와 숙련자 확보의 어려움을 극복하고 작업측량 공정 제거를 통한 생산성 향상을 위한 건설장비 작업 자동화, 자율주행 및 원격제어 기술 (2) 품질관리 디지털화: 도로 시공의 작업 연속성을 확보하고 품질관리 데이터의 획득 및 분석작업의 효율화를 통한 생산성 향상을 위한 국내 건설 환경을 고려한 품질관리 업무의 자동화·최적화 기술 이러한 건설장비 자동화 추세에 따라 건설장비에 요구되는 기능적 요구사항도 변화하고 있다. 과거에는 전통적으로 기계산업 분야인 소재·부품·제어시스템 분야의 중요성이 높았다. 현재와 미래의스마트건설 시대에는 기계산업 분야인 자동제어시스템을 기본으로 하여 건설산업 분야인 자동화된 건설장비를 활용하기 위한 작업공간 인식기술, 작업모드 및 시나리오 생성 기술의 중요도가 높아지고 있다. 따라서 시공 현장의각종 데이터에 대한 수집·모니터링·분석·예측·공유를 위한 건설 특화 플랫폼 서비스 또는 솔루션 개발에 집중할 시기라고 판단된다. 특히 건설현장의 환경·사람·중장비 등에서 생성되는 디지털 데이터를 IoT 기술을활용하여 실시간으로 수집하고 이를 클라우드 기반의 빅데이터 기술로 정제·분석 후 현장에 즉시 활용하여 건설현장의 생산성을 향상시키는 지능형 IoT 플랫폼의 중요도가 높아질 것으로 예상된다. 그림 3은 디지털 기반 도로 건설현장 자동화의 4단계를 개념적으로 보여주고 있다. ① 장비 관제, ② 자동화된 장비를 활용한 현장시공, ③ 현장 데이터 수집·정제, ④ 데이터 분석·예측으로 구성되며 도로건설 전 단계의 디지털 데이터는 플랫폼에 저장되어 분석된다. 건설 자동화 실현을 위한 최우선 과제는 기준화 자동화 장비 도입에 따른 건설 생산성 향상은 단일 자동화 기술의 적용에 의한 장비 자동화를 포함하여 전체 건설 시공 프로세스의 자동화 개선을 도모하는 것을 목적으로 해야 한다. 즉, 자동화 장비를 사용하여 작업을 하는 경우에 작업속도는 기존 장비와 비슷하거나 오히려 늦을 수도 있으며, 향후 자동화 수준이 증가할수록 작업속도는 더 늦어질 수 있다. 결론적으로 자동화 장비 사용에 따른 생산성 향상 효과는 자동화 장비를 통한 실시간 디지털 데이터를 통하여 측량·검측·품질검사 등의 전후 공정을 생략할 수 있는 데서 나오는 것이다 (그림 4). 따라서 자동화 장비 도입에 따른 건설 자동화 표준공정 및 기준 제시가 최우선으로 뒷받침되어야 한다. 표 1은 국외 자동화 장비 기반 토공사 품질관리 기준을 나타내고 있다. 오스트리아 (RVS 8S.02.6,1990)를 시작으로 독일 (Research Society for Road and Traffic, 1994), 스웨덴 (Vagverket, 1994), 국제지반공학회 (ISSMGE, 2005), 미국 (FHWA, 2014; AASHTO, 2020), 일본 (국토교통성, 2020)에서 지능형 다짐 기반 토공사 품질관리 기준을 제시하고 있다. 대부분의 국외 기준에서는 지능형 다짐값과 일점시험 (평판재하시험 등)의 상관관계 분석을 통해 목표 지능형 다짐값 (Intelligent Compaction Measurement Value, ICMV)을 결정하고 (시험시공), 이 값을 바탕으로 토공사 품질을 관리 하도록 하고 있다 (본 시공). 일본 (국토교통성, 2020)은 지능형 다짐값을 활용하지 않고, 스웨덴 (Vagverket, 1994)에서는 지능형 다짐값을 현장 토질시험 위치를 찾기 위한 제한적인 목적으로 활용하는 수준이다. 각 기준의 품질관리 절차는 전반적으로 유사하지만, 목표 지능형 다짐값의 결정방법 및 이를 활용한 품질관리 상세기준은 상이하다. 스마트건설사업단 3세부 과제인 ‘디지털 기반 도로 건설장비 자동화 기술 개발’에서는 국외 토공 자동화 품질관리 기준 분석 결과 및 자체 테스트베드 적용 결과를 종합하여 목표 지능형 다짐값 (ICMV)의 결정방법과 이를 활용한 품질관리 상세기준을 결정하였다 (지능형 다짐공 표준시방서: KCS 10 7070 (2021), 그림 5). 자동화 장비 기반 토공사 품질관리 절차를 살펴보면 시험 표 1 국외 품질관리 자동화 기술 관련 기준 사례 (한국건설기술연구원, 2021) 시공을 통해 품질관리 목표 지능형 다짐값 (Intelligent Compaction Measurement Value, ICMV)를 결정한 뒤, 이를 기준으로 토공사 품질관리를 수행하게 된다. 시험시공 단계에서는 지능형 다짐값 (ICMV)과 현장 토질시험 (평판재하 시험 혹은 들밀도 시험) 결과를 회귀분석하고, 현장 토질시험 결과가 다짐판정 기준에 부합할 때의 ICMV를 목표 지능형 다짐값으로 결정하게 된다. 본 시공 단계에서는 현장을 2,000~4,000 ㎡ 단위로 분할하여 단계적으로 시공하며, 시공 중 ICMV를 측정하여 ① 측정된 ICMV의 평균값이 목표 지능형 다짐값의 105% 이상이어야 하고, ② 목표 ICMV 값의 70% 이하의 영역이 전체 영역의 10% 이하가 되도록 규정하고 있다 (그림 6). 맺음말 이 글에서는 스마트 건설장비를 활용한 건설 현장의 자동화 및 디지털화 현황과 앞으로 추진해야 할 2개의 핵심 기술을 제안하였다. 첫 번째로 인구 고령화와 숙련자 확보의 어려움 이 글에서는 스마트 건설장비를 활용한 건설 현장의 자동화 및 디지털화 현황과 앞으로 추진해야 할 2개의 핵심 기술을 제안하였다. 첫 번째로 인구 고령화와 숙련자 확보의 어려움 지반연구본부 게시일2022-10-25 조회수 910
• Tech-lead형 액상화 위험지도 구축기술 고도화 연구 Tech-lead형 액상화 위험지도 구축기술 고도화 연구 ▲ 한진태 KICT 지반연구본부 연구위원 ▲김종관 KICT 지반연구본부 수석연구원 ▲박가현 KICT 지반연구본부 수석연구원 들어가며 2017년 포항지진 시 국내 계기지진이래 최초로 지반 액상화 현상이 공식적으로 보고되었고 이에 따라 국민적 불안감이 증대되었다(그림 1). 액상화 현상은 일반적으로 건축물 및 인프라의 피해를 유발한다. 2011년 발생한 뉴질랜드 Christchurch Earthquake와 일본 The off the Pacific Coast of Tohoku Earthquake의 사례를 보면 건축물의 침하 및 부등침하, 지하 맨홀 및 하수관거의 부상에 따른 피해, 도로 침하, 모래 분사에 따른 시설물 피해 등 큰 경제적 피해를 초래한다. 따라서 지진 시 액상화 발생 가능성이 높은 지역의 사전 예측을 위한 국내 액상화 위험지도 개발이 필요하다. 본 연구팀은 1단계 연구인 ‘Tech-lead형 액상화 피해 예측 가시화 시스템 및 고효율·저비용 액상화 보강공법 개발(2018~2020)’을 통해 한국건설기술연구원에서 위탁 운영하고 있는 국토지반정보 포털시스템의 지반시추 자료 데이터베이스를 기반으로 국내 액상화 위험지도 개발 및 결과 표출 시스템을 시범 구축하였다. 이를 통해 데이터베이스 변화에 따라 효율적 갱신 및 관리가 가능해졌다. 개발된 액상화 위험지도 작성 시스템을 바탕으로 각 지자체별 액상화 위험도 구축을 통해 액상화 위험지역의 파악 및 사전대응이 가능하다. 한편, 액상화 위험지도를 지자체 GIS 시스템에 적용하여 활용하기에 앞서 각 지자체별로 자체 개발한 GIS 시스템을 개발운영하고 있기 때문에 프로토콜 매칭 및 데이터표준화에 관한 연구가 필요하다. 또한, 향후 지자체에서 액상화 위험지도를 재난재해 대응, 도시계획 등에 활용할 수 있도록 도시모형연계 방안에 관한 연구가 필요하다. 이와 더불어 1단계에서 개발한 액상화평가 프로그램 및 데이터 품질관리 등 액상화위험지도 구축기술 고도화를 통해 액상화 위험지도의 신뢰도를 제고할 필요가 있다. 본 연구의 1단계에서는 국토지반정보 포털시스템과의 연계를 통한 액상화위험도 평가 및 액상화위험지도 작성에 중점을 두었다면, 2단계(그림 2)에서는 액상화 위험지도의 신뢰도를 향상시키기 위한 고도화 연구를 수행하였다. 액상화 위험지도를 지자체에 적용하기 위해 액상화 위험지도 프로토콜매칭 및 데이터 표준화 연구를 진행하였고, 3D 도시모형 연계 액상화 시뮬레이션 프로토타입을 구현하였다. 최종적으로 2단계 1차년도(2021년)에는 서울특별시 공간정보 플랫폼(Virtual Seoul) 내 2D 액상화 위험지도를 탑재하는 데 성공하였으며, 2차년도(2022년)에는 서울특별시 공간정보 플랫폼내 3차원 액상화 위험지도 탑재를 추진할 예정이다(한국건설기술연구원 2021). 액상화 위험지도 구축기술 고도화 액상화 위험도 자동평가 프로그램의 기본 개념은 1단계 연구사업 ‘Tech-lead형 액상화 피해 예측 가시화 시스템 및 고효율·저비용 액상화 보강 공법 개발(2018-2020)’에서 정립하였다. 기존의 프로그램은 액상화 평가 자동화 및 국토지반정보 포털시스템과의 연계에 주안점을 두었다면 본 연구에서는데이터 품질관리, 광역단위 평가, 다수 지진파에 대한 액상화평가 수행을 추가하여 액상화 위험도 자동 평가 프로그램을 고도화하였다. 데이터 품질관리는 지반정보 데이터(심도, 지층종료, SPT 타격횟수, SPT 관입깊이 등)가 액상화 평가에 적절한지 검토하는 절차이다. 먼저 지층정보 데이터 중 심도데이터 불일치 유무, 지층종류 불일치 유무를 1차적으로 판단하여 필터링을 수행하며, 2차로 SPT실험 데이터 중 타격 횟수가 50회 이상이거나 관입깊이가 30cm 이상인 경우 이상치로 간주하고 제외한다. 실제 현장에서 SPT 실험 수행 시 관입깊이가 30cm를 넘거나 타격횟수가 50회를 넘는 경우가 실무상 존재하긴 하나 데이터베이스상의 데이터에서 이를 판단하기 어려운 점과관입깊이와 타격횟수가 반대로 입력된 것으로 의심되는 데이터가 존재하여 판단에 어려움이 있으므로 결과의 신뢰성을 확보하기 위해서 액상화 평가 시 제외하는 알고리즘으로 구성하였다. 다음으로 다수 지진파에 대한 액상화 평가를 수행하기 위해 7개의 지진파에 대하여 순차적으로 지반응답해석을 수행하고 각각의 응답해석결과를 바탕으로 액상화 평가를수행한 후 평균값을 결과로 도출하도록 구성하였다. 이를 통해 지진파 선정으로 인한 편차를 줄일 수 있다. 또한, 액상화 위험지도의 신뢰도를 향상시키기 위한 방법으로 앞서 설명한 품질관리 절차 이외에도 인공지능을 이용하여 지반정보를 자동으로 품질관리 하는 방안에 대하여 검토하였다. 그 결과, 본 연구에서 개발한 오토인코더 모델이 지반정보의 품질관리에 적절하게 사용될 수 있음을 확인하였다. 차년도에는 개발한 모델의 정확도 검증, 이상 여부를 판단할 수 있는 임계점 설정, 다양한 지역 데이터에 적용하여 본 모델의 적용성 확장, 알고리즘 개선 등 다양한 시도를 통해 인공지능을 이용하여 지반정보의 이상치를 탐지하는 데 있어서 보다 향상된 결과를 얻을 수 있을 것으로 기대된다. 데이터 프로토콜 매칭 및 표준화 액상화 위험지도 서비스는 현재 표준모델에 따라 관계자에게 인쇄물 또는 전자문서 형태의 정적 지도로 제작·배포되고 있다. 정적 지도는 외부 환경과 관계없이 누구나 쉽게 열람 할 수 있다는 장점이 있으나, 제한된 용지 면적 내에 모든 항목을 표현해야 하는 제약으로 인해 세부적인 정보 취득이 매우 제한적인 단점이 있다. 현시점에서 액상화 위험지도의 최종 사용자는 행정안전부 또는 지방자치단체의 재난대응 부서가 해당한다. 이 경우, 전자문서 형식을 액상화 위험지도 서비스 방식으로 한정한다면 정보의 재편집 및 유관 행정업무에서의 활용(분석 등)이 매우 제한적이다. 따라서 향후 액상화 위험지도 서비스는 파일 시스템(File System) 중심의 서비스 제공 방식과 웹 서비스(Web Service) 중심의 서비스 제공 방식을 병행하여 제공할 필요가 있다. 본 연구에서는 액상화 위험지도의 파일 시스템 중심 서비스 제공 방식과 웹 서비스 중심 방식의 서비스 제공 방식에 대하여 검토하였고, 향후 지자체나 관련 부처의 상황에 따라 유연하게 액상화 위험지도를 활용할 수 있는 방안을 선제적으로 마련하였다. 액상화 시뮬레이션 프로토타입 구현 본 연구에서는 액상화 위험지도를 지자체에서 도심지 재난재해 위험도 관리 및 대응, 도시계획 등에 활용할 수 있도록 지형, 건물을 함께 3D로 시각화하고 연계하는 3차원 도시 시뮬레이션 활용 방안에 대해 검토하였다. 이를 위하여 지역별 상세자료 취득의 제약으로 인해 지질도 보간 및 시각화 테스트는 ‘경상북도 포항시’의 시추성과를 이용하여 구현하였으며, 3D 도시 모형 연계 시뮬레이션 테스트는 서울지역 액상화 위험도 모의 평가 결과를 토대로 ‘서울특별시 영등포구’로 설정하여 그림 3∼5와 같이 단계별로 구현하였다. 먼저, 서울특별시 일부 지역의 건물 높이 정보를 취득하여 ‘건물지반높이’와 ‘건물 높이’ 속성정보를 이용하여 LOD1 수준의 3D 건물을 시각화하였다. 이후 액상화 위험도 평가결과를 연계하여 건축물이 정착한 지반의 액상화 위험도와 함께 시각화가 가능하며, 경우에 따라 특정 위험수준에 위치한 건축물만을 선택적으로 시각화하는 것이 가능하다. 본 연구에서는 초고층 건물에 대한 선택적 시각화를 시도하여 시범적으로 액상화 위험지도의 3차원 도시 시뮬레이션 활용 가능성을 확인해보았다. 서울시 Virtual Seoul 시스템 내 2차원 액상화 위험지도 탑재 본 연구에서는 서울시를 대상으로 지반액상화 평가를 수행한 후 서울시 공간정보 플랫폼인 Virtual Seoul 내에 2차원 액상화 위험지도를 탑재하였다. 국토지반정보 포털시스템에서 제공받은 서울특별시 지반정보 DB자료는 총 24,327공이다. 여기서 1차 필터링(좌표데이터 검증) 및 2차 필터링(지층정보, 시험정보 존재확인)을 통해 전체 중 약 85%인 20,857공이 사용가능한 것으로 나타났다. 다음으로 데이터의 품질관리를 진행하였다. 지층정보 및 시험정보 품질관리 후 데이터 일치성 여부를 재검토한 결과 최종적으로 사용가능한 데이터는 총 13,236공으로 확인되었다. 이후, 7개의 지진파를 이용하여 액상화 평가에 사용하였으며 활용한 자세한 물성 정보 및 방법론에 관해서는 2020년도 연구보고서에 명시되어 있다(KICT, 2020). 본 연구팀은 액상화 위험지도 현장적용과 관련하여 2021년 2월부터 서울시와 지속적인 미팅을 통해 Virtual Seoul 내에 액상화 위험지도 적용방안에 관한 논의를 진행하였다. 그 결과 그림 6~8과 같이 서울시 공간정보플랫폼 Virtual Seoul 내에 2차원 액상화 위험지도를 현장적용하였고, 차년도에는 3차원 액상화 위험지도를 Virtual Seoul 내에 탑재할 예정이다. 맺음말 본 연구에서는 지진 시 액상화 발생 및 피해예측을 위해 1단계 연구인 ‘Tech-lead형 액상화 피해 예측 가시화 시스템 및 고효율·저비용 액상화 보강공법 개발(2018~2020)’에서 개발한 국토지반정보 포털시스템과 연계된 2차원 및 3차원 액상화 위험지도 작성기술 및 시스템을 바탕으로 지자체에 액상화 위험지도를 보급하고 상부 및 지중 구조물의 피해를 예측 가능하도록 하였다. 액상화 위험지도의 신뢰도를 향상시키기 위하여 데이터 품질관리, 광역단위 액상화 평가, 7개의 지진파를 통한 액상화 자동 평가 개선 등 액상화 위험도 평가기법 고도화 연구를 수행하였다. 지자체에 액상화 위험지도를 보급 및 적용하기 위하여 액상화 위험지도 프로토콜 매칭 및 데이터 표준화 연구를 진행하였고, 3D 도시모형 연계 액상화 시뮬레이션 프로토타입을 구현하였다. 2단계 1차년도에는 서울시 공간정보 플랫폼 Virtual Seoul 내에 2차원 액상화 위험지도를 탑재함으로써 본 연구 성과의 현장 적용성을 확인하였으며, 차년도에는 서울시 공간정보 플랫폼 Virtual Seoul 내에 3차원 액상화 위험지도까지 탑재하여 도심지 재난재해 대응 및 관리에 폭넓게 활용될 예정이다. 지반연구본부 게시일2022-05-26 조회수 682
• 로봇 기술로 지하 공간을 점검하다 로봇 기술로 지하 공간을 점검하다 ▲ 이성원 선임연구위원, 심승보 전임연구원(지반연구본부) 복잡하고 다양한 지하 공간 도시에서 지하 공간은 익숙한 장소이다. 거대한 쇼핑몰이 들어서 있고, 교통수단이 오가는 통로이며, 일터가 되기도 한다. 지하 공간을 본격적으로 활용하게 되면서 인간의 활동반경은 확장되었지만 그만큼 위험도 뒤따르고 있다. 지하 공간은 붕괴와 침수 등 다양한 위험 요소가 자리 잡고 있다. 한국건설기술연구원 지반연구본부는 터널·지하공간을 비롯해 구조물 기초, 사면, 연약지반, 지진 등 토목 기술에 필수적으로 포함되는 지반 관련 기술을 연구하고 있다. “현재 연구내용을 기준으로 하여 구분해 본다면, 크게 4가지의 연구주제에 중점을 두고 본부를 운영하고 있습니다. 세부적으로는 토공 및 기초 구조물 시공 시 ‘품질관리 자동화 기술 개발’, ‘입체적 기반 시설첨단관리 기술 개발’, ‘지진 대응 시설물 안전확보 기술 개발’, ‘지하 대공간 활용 기술 개발’이 되겠습니다. 저희 본부의 구성원들은 해당 분야와 관련된 전문성을 바탕으로 연구에 매진하고 있으며, 첨단 연구성과로 우리나라 지하 공간의 기술 발전을 견인하고 있습니다.” 본격적인 산업화가 이뤄지면서 우리나라의 지하 공간 역시 점점 복잡해지고 있다. 고속도로가 놓이면서 곳곳에 산을 관통하는 터널이 생겨났고, 최근에는 세계에서 다섯 번째로 긴 보령 해저터널이 개통하기도 했다. 심승보 전임연구원은 우리나라의 지하 공간을 형태, 규모, 용도 등의 특성을 기준으로 크게 철도터널, 도로터널,해저터널, 공동구 터널로 분류할 수 있다고 설명해준다. “우리나라에서 가장 긴 고속철도 터널은 율현 터널로 50.25km이며, 수서역에서 평택지제역을 연결합니다. 도로 터널로는 인제양양 터널이 가장 길고, 그 길이는 10.96km입니다. 해저 터널로는 최근에 완공된 보령해저터널을 꼽을 수 있는데, 그 길이는 6.93km가 됩니다. 끝으로 가장 중요한 터널로 공동구 터널이 있습니다. 이 터널은 도심지 생활에 필요한 전력, 통신, 난방, 상하도관을 수용시설로 포함하고 있습니다. 이 터널은 신체에 에너지를 공급하는 혈관과 같은 역할을 수행하기 때문에 ‘라이프 라인’이라고 부르며, 국가 보안 시설로 분류되어 일반에는 비공개로 관리되고 있습니다.” 대형 재난으로 이어지는 공동구 사고 2018년 11월 24일 KT 아현지사 건물 지하의 통신구 연결통로에서 발생한 화재는 공동구 터널의 중요성을 극명하게 보여준 사고였다. 이 사고로 지하 1층 통신구 약 79m가 소실되면서 서울 한강 이북서부 지역에서 KT 인터넷, 휴대폰, 무선통신 등을 이용할 수 없게 되었다. “공동구 터널은 다른 터널과 달리 내부 수용시설까지 공간을 차지하기 때문에 사람이 움직일 수 있는 공간은 매우 협소합니다. 따라서 진화에 많은 시간이 소요되었고, 곧 대형 사고로 연결되었습니다. 당시 집계된 금액만을 놓고 본다면 80억 원의 재산피해, 300억 원가량의 보상액이 발생했습니다. 사고 발생 당일 사고 내용을 알리는 문자가 발송되었지만 KT망이 끊어진 상황이었기에 누구도 왜 전화가 불통인지에 관해 알지 못했습니다.” 당시 초고속 인터넷이 단절되면서 금융거래, 결제 시스템 등이 먹통이 되었고, 통신 차단으로 119에 신고하지 못한 70대 노인이 사망하는 사고까지 발생하는 디지털 재난 상황이었다고 한다. 결과적으로 공동구에서 발생하는 사고가 우리 일상과 사회에 미치는 직간접적인 피해 규모와 영향은 예상보다 더 크고 심각한 재난을 일으킨다는 경각심을 일깨워 주었으며, 공동구를 비롯한 지하 공간의 철저한 점검과 관리가 더욱 중요해졌다. “우리나라는 경제개발 성장기 때 준공된 인프라 구조물이 점차 기대수명에 다다르고 있어 노후화에 의한 안전사고가 종종 발생하는 실정입니다. 이 같은 사고는 노후화가 진행될수록 필연적으로 발생 확률이 더 높아질 것으로 충분히 예상할 수 있습니다. 따라서 안전사고로부터 시민의 안전을 보호하기 위한 실질적인 방법에 관해 더욱 면밀하게 살펴보게 되었습니다.” 자유롭게 주행하고 점검하는 로봇 기술 지하 공간 시설물을 안전하게 관리하기 위해서는 주기적인 점검이 가장 중요하다. 특히 정밀 점검의 상시화를 통한 관리가 요구된다. 기존의 점검 방식은 인력 중심으로 이루어졌다고 한다. 점검자가 손상 지점을 육안으로 확인한 후 균열자 또는 균열 현미경을 통해 특정 지점에 대한 크기를 측정하고 기록하는 방식이다. 이때 점검자의 주관적 판단이 어쩔 수 없이 개입되기도 하므로 객관적 상태 진단이 쉽지 않고, 점검의 빈도를 높여 유지관리의 안전성을 향상 시키기 위해서는 계속해서 비용이 필요한 단점이 있다고 한다. 연구팀은 작업자를 대신하여 터널 내부를 주행하며 콘크리트 구조물의 손상 지점을 점검하는 자동화 점검 로봇 기술을 개발했다. “자동화 점검 로봇의 기술 개발은 크게 3가지 단계로 나눠서 진행됩니다. 각 구성 기술별 핵심 기술 개발 단계, 구성 기술간 통합 단계, 현장 테스트 단계입니다. 첫 번째 단계에서는 딥러닝을 활용한 손상 탐지 기술과 스테레오 비전을 통한 손상 측정 기술을 개발합니다. 두 번째 단계에서는 무인 이동체와 로봇 팔을 연계하여 측정 결과에 따른 점검 시나리오를 구현합니다. 마지막으로 터널 환경에서 정밀 점검을 수행할 수 있도록 현장 테스트를 통해 자동화 점검로봇 기술을 완성합니다.” 자동화 점검 로봇기술의 가장 큰 특징은 여러 핵심 기술의 융합을 기반으로 하여 지하 공간 유지에 유연하게 활용된다는 점이다. 로봇에는 터널 내부를 자율적으로 주행할 수 있는 무인 이동체 기술, 복잡한 내부 수용시설물을 회피할 수 있는 로봇팔 기술, 그리고 손상지점을 탐지하고 측정할 수 있는 인공지능 센서 기술이 적용되어 있다. 뿐만 아니라 본 점검 기술은 무선 네트워크를 통해서 원격 제어가 가능하도록 개발하여 관리자의 편리한 사용이 가능하도록 했다. “공동구는 지하 공간 라이프 라인으로 통신선, 전력선, 난방, 가스관등을 공동으로 수용하는 터널입니다. 기존에는 통신구, 전력구, 가스관 등과 같이 각각의 용도에 따라 터널, 관로가 도시 지하에 제각기 복잡하게 배치하고 있었으나 최근에는 이를 통합하여 공동으로 수용하고 지하 공간을 관리하는 추세입니다. 공동 수용을 활성화하기 위해서는 공동구의 운영 및 유지관리비용을 낮추어야 합니다. 자동화 점검 로봇 기술 활용을 통해 운영 및 유지관리 비용절감 효과를 볼 수 있으며, 공동구 터널 내부의 여러 수용시설물을 안전하고 효율적으로 관리할 수 있을 것으로 기대하고 있습니다.” 지속 가능하고 안전한 인프라 제공 연구팀은 우리 사회에 지속 가능하고 안전한 인프라가 제공될 수 있도록 연구를 이어나갈 계획이라고 한다. 이번 연구를 다양한 형태로 지속 발전시켜 궁극적으로는 지하 시설물 유지관리의 무인화와 자동화 기술을 완성하는 데 총력을 기울이겠다고 한다. “미래 사회에는 평균 수명의 연장으로 고령화가 더욱 가속화될 것입니다. 이에 따라 경제활동 인구도 감소하게 될 것입니다. 이러한 상황에서 인력 기반의 인프라 구조물 유지관리는 더욱 어려워질 것으로 전망됩니다. 따라서 이러한 점을 보완하고자 유리 관리의 자동화와 무인화를 위해 필요한 기술을 개발하고, 더 나아가 손상에 대한 보수를 자동화할 수 있는 기술을 개발하고자 합니다.” 지반연구본부 게시일2021-12-30 조회수 1328
• 산업시설물 PSA(Probabilistic Safety Analysis)의 필요성 산업시설물 PSA(Probabilistic Safety Analysis)의 필요성 ▲ 이세혁 KICT 구조연구본부 수석연구원 들어가며 산업시설이란 기업의 생산 활동을 위해 필요한 사회 기반 시설로 과거에는 공업단지로 불렸으나 근래에는 산업시설로 바뀌어 불리고 있다. 우리나라는 1962년 대규모 부지를 요하는 중화학공업 등으로 구성된 울산공업단지를 시초로, 1990년대 이후 소수 전문 인력을 갖춘 첨단·정보산업의 발달로 전국적으로 산업단지가 조성되었다. 다양한 산업시설물 중 중화학공업과 같이 큰 규모를 갖춘 대표적인 곳은 울산과 여수가 있다. 울산미포국가산업단지, 온산공업산업단지에는 아시아 최대 규모의 정유·화학산업단지가 구성되어 있다. 울산산업단지와 나란히 큰 규모를 자랑하는 여수국가산업단지는 석유화학단지 단일 규모로는 세계 1위 규모이며, 산업단지로서도 동양 최대 규모이다. 두 산업단지는 1970년대에 개발이 시작되었고, 최근에는 40년이 넘는 노후 설비 문제가 부각되고 있다. 실제로 200여 건의 크고 작은 폭발 및 화재 사고와 이로 인한 사망사고가 발생하였으며, 여수산업단지의 2021년 산재 신고는 최소 72건으로 파악되고 있다. 산업시설에서 발생하는 재난·재해 사고는 대부분 폭발과 화재이지만, 대규모 두 산업단지 인근인 2016년과 2017년에 발생한 경주·포항지역 지진으로 인해 경각심과 더불어, 특정 업체에서는 자발적으로 시설물 내진 성능 평가를 수행하고 있다. 하지만 이는 일부 움직임이다. 지진 위험도에 관한 많은 연구가 수행되어 온 원자력 발전소와 달리, 산업시설은 지진에 관한 연구가 상대적으로 부족한 실정이다. 지진은 매우 큰 파급력을 가진 자연재해이며, 특히 산업시설에 지진으로 피해가 발생하면 폭발과 화재로 이어지는 연쇄 재해(Na-Tech, Natural Hazard Triggering Technological Disaster) 발생 가능성이 있다. 이는 큰 사회적 재난을 초래할 수 있다. 실제로 1999년 터키에서 발생한 지진으로 산업 시설물에서 탱크 화재가 발생하였으며, 2011년 일본에서도 지진으로 인한 석유화학 탱크 폭발이 발생한 사례가 있다. 이 글에서는 원전 분야의 지진에 대한 확률론적 안정성 평가(PSA, Probabilistic Safety Analysis) 방법을 소개하고, 산업시설물 지진 PSA 기법 개발 현황 및 추후 지진 유발 폭발 및 화재와 같은 연쇄 재해 PSA 평가를 위한 향후 연구 방향성을 간단히 소개하고자 한다. PSA(Probabilistic Safety Analysis) PSA는 미국 EPRI(Electric Power Research Institute)를 중심으로 개발되었으며, 원자력 분야에서는 설계초과지진에 대한 원전 안정성 입증을 위해 필수적으로 수행된다. 원전의 Seismic PSA(SPSA)는 크게 Level 1, 2, 3으로 나누어져 있다. Level 2와 3은 원전 부지 밖의 평가를 수행하는 것이며, Level 1은 노심 파괴 확률 산정이라는 명확한 목적이 있다. 원전의 노심이 파괴될 경우 방사선 유출이라는 심각한 사고를 초래하기 때문에, 이를 대비하기 위해 많은 노력이 이루어지고 있다. 노심파괴 확률을 평가하는 SPSA를 수행하기 위해서는 원전이 위치한 부지에 대한 지진 재해도를 산정하고, 원전 부지 내 모든 시설 및 설비들에 대한 지진 취약도를 필요로 한다. 원전 시스템을 표현하기 위해서는 ETA(Event Tree Analysis, 사건수목 해석)와 FTA(Fault Tree Analysis, 고장수목 해석)가 사용된다. FTA는 하위 시스템의 모든 설비들의 관계도를 표현하며, ETA는 지진 유발의 하위 시스템 파괴확률을 이용하여 지진 사고 경위 시나리오를 표현한다. 최종적으로, 시스템에 대한 분석과 지진 재해도의 합성곱(Convolution)을 통해 노심의 연 파괴 빈도 확률이 산정되게 되며, 이를 이용하여 원전의 안전성 평가가 이루어진다(그림 1). 산업시설물 PSA 적용 가능성 검토 원전과 달리 산업시설은 그 종류가 다양하며, 가장 큰 차이점은 핵심 설비의 부재이다. 원전의 경우 노심의 안전이라는 최우선 목표가 있지만, 산업시설의 경우 공정에 따라 특성도 다를 뿐만 아니라 핵심 설비 개념이 존재하지 않는다. 즉, 공정 과정의 여러 설비가 동일하게 중요하며, 이러한 이유로 원전 PSA를 바로 적용할 수 없다. 또한, 국가시설인 원전과 달리 산업시설은 민간에서 운영되는 경우가 많으며 내부 사건·사고 또한 폐쇄적인 특성으로 알려져 있지 않기 때문에 사건 수목과 같은 사고 경위 분석이 필요한 경우 적용이 쉽지 않다. 산업시설물을 위한 PSA 기술 개발 산업시설 시스템 리스크 평가를 위해서는 정점 사건의 파괴확률 산정을 목표로 한다. 그 관계를 표현하는 고장수목이 적용하기 쉽고, 정점 사건으로는 다양한 산업시설의 일반적 적용성을 위해 특정 설비의 파괴가 아닌 운영과 관련된 사건(예: 운영 정지)이 적합하다. 정의된 정점 사건에 대한 고장수목 구축을 위해서는 공정 파악이 필수적이며, 이때 PFD(Process Flow Diagram), P&ID(Piping and Instrumentation Diagram) 등을 참고하여 단위·부공정의 기초 설비와 전체 공정의 관계를 파악할 수 있다. 구축된 고장수목은 기초사건에 입력된 설비들의 지진 취약도 정보를 기반으로 파괴확률을 산정할 수 있다. 그러나, 중간 사건에 해당하는 하위시스템의 파괴확률을 산정하거나 특정 하위시스템이 파괴되었을 때의 정점 사건 확률 혹은 관련 기초 설비들의 파괴확률 등을 역으로 산정하기에는 용이하지 않다. 이러한 유연한 의사결정을 수행하기 위해 구축된 고장수목을 베이지안 네트워크(Bayesian Network, BN)로 변환하여 사용한다(Zwirglmaier, 2016). 확률론적 시각 도구인 BN은 2000년대에 들어서 널리 사용되기 시작한 의사결정 방법론으로서, 확률변수 간의 관계를 CPT(Conditional Probability Table)로 정량화하고 이를 통해 모든 변수의 확률을 산정한다. 또한, 특정 변수에 대응하는 사건 정보가 주어졌을 때 주어진 정보에 기반한 다른 변수들의 확률이 재산정되어 그변화를 시각적으로 파악할 수 있는 장점이 있다(그림 2). 그림 3은 설명한 일련의 과정을 나타낸다. 산업시설물 PSA의 미래 방향 앞선 방법론은 대상 산업시설의 공정 프로세스 기반 고장수목 연계 BN 구축 과정을 소개하였다. 이 기법은 운영 정지 시 하위시스템 혹은 설비들의 원인 순위 결정이 가능하며, 이를 통해, 지진 재해 대응안 수립 혹은 보수·보강 우선순위를 결정할 수 있다. 이러한 방법론은 베이지안 네트워크 특성상 기존 원전 PSA보다 유연하며, 향후 지진 유발폭발·화재와 같은 연쇄 재해와 쉽게 연계될 가능성이 있다. 하지만, 원전 설비들의 지진 취약도가 구축되어 온 것과 달리, 다양한 산업시설과 그에 해당하는 많은 설비들의 지진 취약도는 구축되어있지 않은 실정이다. 많은 설비들의 지진 취약도 구축 및 맵핑 기술 개발과 더불어 연쇄 재해연구가 지속된다면 복합 재난재해에 대한 산업시설물의 안전한 미래를 확보할 수 있을 것이다 구조연구본부 게시일2023-09-26 조회수 31
• 구조물 모니터링 내 Dataset Shift에 대한 이해 구조물 모니터링 내 Dataset Shift에 대한 이해 ▲ 진승섭 KICT 구조연구본부 수석연구원 들어가며 사회 기반 시설물은 국민의 편의를 도모하고 편익을 증진하는 공공 시설물로 우리나라 경제 발전을 견인하는 기반을 제공한다. 우리나라는 1970년대 급격한 경제성장과 함께 사회 기반 시설물이 집중적으로 건설되었으며, 향후 해당 시설물들의 노후화는 중요한 문제이다. 게다가 인구 노령화로 인한 관리인력 부족 등 사회 변화가 복합적으로 영향을 미칠 것으로 예상된다. 이러한 흐름 속에서 제한된 유지관리 예산을 토대로 사회 기반 시설물의 노후화 문제를 효과적으로 해결할 수 있는 많은 방법이 연구되고 있다. 건설뿐만 아니라 기계, 제조 등 다양한 분야에서도 대상 시스템의 결함, 손상 및 성능저하 등 유사한 문제가 발생하여 이를 해결하기 위한 연구 개발이 지속적으로 이루어지고 있다. 다양한 학제에서 공통적으로 지향하는 유지관리 패러다임은 ‘선제적 관리체계’로의 전환(shift)이다. 유지관리 패러다임은 그림 1과 같이 세 가지 접근법으로 구분할 수 있다. 가장 원시적인 패러다임은 사후 유지관리(reactive maintenance)로 문제가 발생할 경우 이를 사후에 처리하는 접근법이다. 문제가 발생하고 이를 인지하여 조치하기 때문에 사후조치 비용(repair cost)이 과도하게 발생할 수 있고, 직·간접적인 사회적 혼잡 비용도 유발한다. 이와 반대로 주기적인 점검과 유지보수를 수행하는 예방적 유지관리(preventive maintenance)가 있다. 사후 유지관리와 달리 구조물 시공 및 철거 전(생애주기)까지 과도한 점검 비용과 유지관리 비용(prevention cost)이 발생할 수 있다. 선제적 유지관리(proactive maintenance)는 구조물의 상태(성능)를 기반으로 유지관리 계획과 보수·보강 시점을 예측하고 필요할 경우 조치를 수행하는 방식이다. 이러한 접근법을 통해 유지관리 비용과 사후 조치 비용을 합친 총비용(total cost)이 가장 최적화되는 균형점을 지향하는 방법이다. 선제적 유지관리에서는 다양한 유지관리 의사결정(점검 계획 및 보수·보강)에 필요한 데이터를 상시계측 시스템을 통해 획득한다(구조물 모니터링). 인천대교와 같은 중요도가 높은 사회 기반 시설물에는 상시 계측 시스템이 구축·운영되고 있으며, 이를 통해 구조물 응답과 주변 환경인자(온도, 풍속 등)를 연속적 혹은 주기적으로 계측한다. 따라서 기존의 인력 점검체계에서와 달리 방대한 양의 데이터가 지속해서 생성되기 때문에 이를 처리하여 최종 사용자(관리주체)의 의사결정에 필요한 정보를 신속히 제공하는 ‘자율 모니터링 시스템(autonomous monitoring system)’이 요구된다. 자율 모니터링 시스템의 핵심 조건 중 하나는 사용자의 개입을 최소화하며 양질의 학습 데이터로부터 자율적으로 신뢰성 높은 분석을 수행하고 그 결과를 제공하는 것이다. 지속적으로 구조물 모니터링을 수행함에 있어, 공용 중에 발생하는 외부 변동(운영·환경조건 변화)으로 인한 응답 패턴의 변동성인 Dataset shift가 발생할 수 있다. 이러한 현상을 효과적으로 고려하는 것이 신뢰성 높은 자율 모니터링 시스템을 구현하는 데 매우 중요하다. 이 글에서는 구조물 건전성 모니터링 기술의 개념을 간략히 소개하고, 이를 토대로 실제 구조물에서 발생한 dataset shift의 사례와 이를 해결하기 위한 방법 중 하나인 온라인 학습 방법을 간단히 소개하고자 한다. 구조물의 내/외적 특수성(uniqueness)과 구조물 모니터링의 역할 건설 분야의 사회 기반 시설물은 기계 시스템 등과 달리 내/외적 고유한 특수성을 가진다. 동일한 구조 형식으로 설계할지라도 구조재료, 시공 방법·조건 등에 따라 발현되는 강성 및 거동 특성이 달라진다. 공용 중 노출되는 외력(차량 하중 등)과 노출 환경(온도, 습도 및 염분 등) 등 외부 환경이 공간(위치)과 시간(계절)에 따라 상이하다. 즉, 구조물마다 서로 다른 고유의 강성, 거동, 열화, 손상 특성을 가지기 때문에 구조물 상태의 단순 예측이 어려운 구조체이다. 구조물 모니터링을 통해 측정된 데이터는 공용 중에 발생하는 문제를 파악하고 해결할 수 있는 기초자료로 활용할 수 있다. 대표적인 예시로, 실시간 구조물 모니터링 중 이상 상태(손상)가 감지되면 그 결과를 관리자에게 신속하게 통보해줌으로써 시기적절한 의사결정(이용 제한 후 정밀 점검)을 할 수 있게 하며, 나아가 시간 이력 DB 구축과 이를 토대로 성능 예측 모형 개발에 활용될 수 있다. 진동 응답 기반 구조물 건전성 모니터링 구조물 건전성 모니터링(SHM; Structural Health Monitoring)은 ‘구조물에 설치한 다양한 센서로부터 구조물의 응답 및 외부 환경인자(온도, 습도 등)를 측정하여 구조물의 상태(건전성)를 실시간으로 진단하고 그 결과를 관리 주체에게 제공하는 기술’이다. SHM은 크게 공용 중인 구조물의 ①하중에 따른 응답의 입/출력 관계를 통해 상태를 평가하는 방법, ②응답만을 계측하여 상태를 평가하는 응답 기반 방법으로 구분할 수 있다(진승섭, 2017a). 입/출력 관계를 활용하는 평가 방법은 알려진 하중을 재하하기 때문에 구조물의 통제(blocking)가 수반된다(실무 적용의 어려움 존재). 반면 응답 기반(output-only) 평가 방법은 그림 2와 같이 별도의 구조물 통제 없이 상시 진동 응답(ambient vibration from acceleration)만을 계측하고, 이를 모달 해석(modal identification)을 통해 고유진동수(natural frequency)와 모드형상(mode-shape)과 같은 동특성(modal properties)을 추정하는 방법이다(진승섭, 2017b). 동특성은 구조물 고유의 물리적 특성으로, 구조 시스템(질량, 강성 및 경계조건 등)에 의해 결정된다. 구조물의 전역적인 거동 변화를 유발하는 심각한 손상 혹은 성능저하는 구조 시스템의 변화(강성 저하 혹은 경계조건 변화)를 유발하고, 이는 동특성의 변화로 연결된다. 진동 응답 기반 구조물 건전성 모니터링 기술은 실무에서 활용이 용이하다는 측면(사용통제 없이 상시 진동 응답 활용)에서 다양한 연구가 진행되고 있다. 진동 응답 기반 구조물 건전성 모니터링을 통해 ‘실시간 이상 상태 감지’, ‘역 해석을 통한 수치모델 개선’, ‘기계학습 혹은 시계열 모델링을 통한 예측모형 구축’ 등 유지관리에 활용할 수 있는 기초자료를 구성할 수 있다. 구조물 모니터링 내 Dataset shift 현상 동특성과 같은 구조물의 응답은 시간에 따른 외부 환경(온도, 파랑 등)의 변화에 의해 동특성의 특징이 달라질 수 있다(Peeters et al. 2001: Moser et al. 2011). 일례로 단순히 동특성의 변화만으로 이상 탐지를 수행할 경우 오보(false alarm)가 발생할 가능성이 높다. 이에 공용 중에 발생하는 다양한 외부 환경 변화로 인한 변동성을 고려하여 상태를 평가하는 것이 신뢰성 확보 측면에서 매우 중요하다(Deraemaeker et al. 2008). 그림 3은 3경간 프리스트레스트 콘크리트 교량(Z-24)에서 철거 전까지 1년간 측정한 고유진동수(저차 모드 4개)와 아스팔트 포장부의 온도 이력이다(Peeters et al. 2001). 철거 전까지 다양한 손상(교각 침하, 텐던 제거 등)을 점진적으로 유발하면서 손상에 따른 응답(고유진동수) 변화를 분석한 장기 계측 데이터이다. 교각의 침하 시스템(settlement system) 설치로 인해 불가피한 교각 부재의 단면손실이 1998년 8월 9일에 발생하였다. 하지만 손상에 의한 고유진동수 변화량(강성 저하로 인한 고유진동수 감소)은 온도에 의한 변화량(온도 영향으로 인한 고유진동수 증가)에 가려져 고유진동수의 저하 유/무를 쉽게 확인할 수 없음을 알 수 있다. 그림 4는 최초 손상이 발생하기 전(1997년 11월 11일~1998년 8월 8일)까지 Z-24 교량의 아스팔트 온도와 고유진동수 간의 패턴을 보여준다. 그림 4(a)에서 보듯이 아스팔트 온도에 따라 총 3가지 선형 패턴이 발생함을 알 수 있다. 그림 4(b)는 온도 변화(마커의 색상)에 따른 1차와 2차 고유진동수의 패턴 변화가 그림 4(a)에서 확인한 패턴에 따라 발생하는 것을 보여준다. 이는 계절별 온도 발생 범위에 따라 총 3가지 고유진동수(응답) 패턴이 생성되는 것을 의미한다. 즉 구조물의 내/외적 특수성에 따라 시간-종속적인 다양한 패턴(time-dependent pattern)이 발생할 수 있음을 의미한다. 기계학습 분야에서는 이러한 패턴 변화 현상을 Dataset shift라고 정의한다(Quinonero-Candela, J. et al., 2008). Dataset shift 해결을 위한 온라인 학습방법 앞서 살펴본 시간 종속적인 패턴 변화인 Dataset shift는 사전에 확인이 어려우며 장기 데이터 구축과 분석을 통해 파악할 수 있다(Peeters et al. 2001). 그동안 다양한 기법들을 이상상태 탐지 등의 유지관리 서비스를 위한 연구에 많이 적용되었으나, 앞서 언급한 Dataset shift에 대한 연구는 상대적으로 많이 수행되지 않았다(Jin et al., 2015). Dataset shift는 외부 변동(온도)에 의한 응답(고유진동수) 패턴이 시간(계절)에 따라 변화하면서 발생하는 문제이다. 이에 대한 근본적인 해결 방법은 변화하는 패턴을 가장 잘 모사할 수 있는 학습 데이터들을 선택적으로 추출(sampling)하고, 추출된 학습데이터를 활용하여 이상상태 탐지 등 유지관리에 필요한 평가모델을 생성하는 것이다(그림 5). 즉 지금까지 측정된 학습 데이터 전부를 사용하기보다 새로 측정된 데이터와 유사한 학습데이터만을 선별하여 현재 패턴을 가장 잘 모사하도록 학습모델(그림 5의 Model)을 적응적(adaptive)으로 생성하는 것이다. 이는 그림 6과 같이 복잡한 비선형적인 관계를 가지는 학습데이터 분포를 국부적인 선형 형태 영역으로 분할하여 표현하는 것과 동일하다. 즉 전체 영역에서 보면 비선형성을 가지는 곡선(그림 6의 왼쪽)이 작은 영역으로 세분화하면 선형인 직선의 결합(그림 6의 가운데)으로 표현할 수 있는 개념과 유사하다. 새로 측정된 데이터가 속하는 선형 구간의 학습데이터들을 선택적으로 추출하고, 이를 이용하여 학습모델을 생성한다(그림 6의 오른쪽). 이러한 선형 분할 과정은 학습 데이터 간 선형관계를 유지해주는 부수적인 효과가 있다. 이에 따라 복잡한 학습모델(비선형 모델)이 아닌 간단한 학습모델(선형 모델)을 사용하여 학습의 일반화 성능을 향상시킬 수 있다. 또한 전체 학습데이터가 아닌 일부 데이터만을 사용하기 때문에 연산 복잡도 역시 크게 감소시킬 수 있어 실시간 연산 및 낮은 컴퓨팅 자원을 가지는 연산장치에도 쉽게 적용이 가능하다. Dataset shift가 발생하는 Z-24 교량의 실시간 이상상태 탐지에 상기 학습 방식을 적용하였으며, 그 결과 다양한 초기조건에서 적은 오보(false alarm) 및 정확한 손상 발생 시점을 포착하였다(Jin et al., 2018: 진승섭 등, 2022). 향후 구조물 모니터링에 관한 연구 제언 구조물 모니터링 시스템의 핵심은 오보(잘못된 분석)를 최소화하여 분석 결과(상태 평가/예측)에 대한 신뢰도를 확보하는 것이다. 이로써 안정적인 모니터링과 의사결정이 지속될 수 있게 하는 것이다. 지속적인 구조물 모니터링을 수행함에 있어 공용 중 발생할 수 있는 Dataset shift는 신뢰성 확보의 가장 큰 걸림돌로 작용할 수 있다. 이러한 Dataset shift는 구조물의 내/외적 특수성으로 인해 사전에 파악하는 것은 매우 어렵다. 이 글에서 간략히 소개한 온라인 학습 방법은 이러한 문제를 해결할 수 있는 여러 방법 중 하나이다. 따라서 실제 현장에서 발생할 수 있는 다양한 Dataset shift에 적용 가능한 다른 대안들을 적용하고 서로 비교하는 과정을 통해 강건한 방법론을 개발하는 것이 중요하다. 개발된 방법론은 단순히 건설 분야의 모니터링 기술 개선을 넘어 다양한 학제에 적용 가능할 것이며, 나아가 미래 유지관리 분야의 혁신을 이끌어갈 수 있는 핵심기술 중 하나로 자리매김할 수 있을 것이라 생각된다. 구조연구본부 게시일2023-03-27 조회수 409
• 건설 분야에서의 탄소섬유 강화 복합재료 활용 기술 건설 분야에서의 탄소섬유 강화 복합재료 활용 기술 ▲ 윤진영 KICT 구조연구본부 수석연구원 들어가며 탄소섬유는 철에 비해 무게가 5배 가볍고 강도는 10배 정도 강하다. 또한 탄소섬유는 내충격성, 내열성, 내부식성 등이 뛰어나 항공·우주·방위 산업 등의 고부가가치 복합재료의 핵심소재로 널리 활용되고 있다. 하지만 탄소섬유는 머리카락보다 얇은 5~10 μm 수준의 직경을 가진 수천 개의 실 가닥으로 구성되어 있어, 탄소섬유만으로는 원하는 재료 특성을 얻기 어렵다. 따라서 대부분 경우 탄소섬유와 수지를 이용한 탄소섬유 강화 복합재료(carbon fiber reinforced polymer, CFRP) 형태로 제작되어 활용된다. 일반적으로 CFRP는 접착력과 물성, 내화학성이 뛰어난 에폭시(epoxy)가 사용된다. CFRP는 가볍고, 강도와 탄성이 우수하며, 내부식성이 뛰어나 보수, 보강, 철근 대체, 콘크리트 보강 등 다양한 목적으로 건설 분야에 활용되어 왔다. CFRP는 판, 시트, 격자, 케이블 등 다양한 형태로 제작되어 활용될 수 있다. CFRP 판과 시트는 손상된 콘크리트 구조물 표면을 정리한 후 에폭시 등을 도포하여 부착하는 형태로 구조물 손상 부위 보수 및 인장력 보강 등의 목적으로 활용할 수 있다(그림 1). 한국건설기술연구원에서 개발한 프리캐스트 TRM 패널은 CFRP를 격자 보강재 형태로 제작한 후 활용하는 기술이다. 얇게 제작한 TRM 패널을 노후 시설물에 부착하여 콘크리트 구조물 보강 목적으로 활용할 수 있다(그림 2). 이외에도 CFRP는 원형봉, 여러 가닥을 꼬은 연선형 등의 케이블로 제작되어 PSC 텐던 목적으로 사용할 수 있다(그림 3). 국내에서는 프리프래그 방식으로 원형봉 형태의 CFRP 제작이 일반적이다(그림 4). 이러한 CFRP 케이블을 PSC 텐던으로 활용할 경우 긴장력 도입이 필요하며, 이를 위한 CFRP 케이블 정착장치 개발이 필요하다. 하지만 CFRP의 취성적인 거동, 복잡한 파괴모드, 섬유방향 외에 열악한 역학적 특성으로 현재 상용화 되어 있는 PS 강재 정착구를 활용할 경우 극히 낮은 하중상태에서 갑작스러운 균열 진전 및 파단이 발생할 수 있다. 이 글에서는 이러한 CFRP 케이블의 재료 특성을 고려하여 PSC 긴장재로 활용하기 위한 연구를 소개하고자 하며, 건설 분야에서의 복합신소재 활용 확대를 유도하고자 한다. CFRP 케이블 정착장치 개발 및 인장 성능 평가 CFRP 케이블을 PSC에 활용하기 위해서는 긴장력 도입을 위한 정착장치 개발이 필수적이다. 따라서 원형봉 형태의 CFRP 케이블에 적합한 정착장치를 개발하기 위해 ACI440.4R의 슬리브 압착 방식을 활용하였다(그림 5). 이때 정착구의 외경, 내경 및 CFRP 케이블의 지름 변화를 분석하기 위해 X-ray CT를 활용하였다(그림 6). X-ray CT는 육안검사가 불가능한 정착구 내 CFRP 케이블을 3차원 이미지로 분석할 수 있는 장점이 있어, CT 결과를 정착구 및 CFRP 케이블 외경 변화와 내부 손상 탐지 목적으로 활용하였다. 압착으로 인한 정착구의 외경 변화는 약 26 mm에서 24 mm 수준이며, 탄소섬유 케이블의 경우 지름이 약 10 mm에서 9.5 mm 수준으로 감소하였다. CT 분석 결과 압착 중 CFRP 케이블에 균열 및 손상이 발생하지 않은 것을 확인하였다. CFRP 케이블과 정착구의 성능을 평가하기 위해 인장 시험을 진행하였다. 그림 7과 같이 양단의 정착구를 지그로 고정하여 인장 시험을 진행하였으며, 인장강도와 탄성계수는 약 3,000 MPa과 180 GPa 수준으로 확인되었다. CFRP 케이블의 낮은 밀도(1.62 g/cm3)를 고려하였을 때 높은 비강도를 확인할 수 있다. 인장 시험 중 CFRP 케이블의 파단은 중심 부위에서 발생하였으며 정착구의 슬립을 발생하지 않았다. 이러한 성능 평가 결과는 KCL(한국건설생활환경시험연구원) 시험성적서를 통해 인증받았으며, 일본 Tokyo rope사의 CFCC 및 Mitsubishi사의 Leadline 제품보다 우수한 성능을 보유하고 있는 것으로 확인되었다. CFRP 케이블을 활용한 PSC 시험체 제작 CFRP 케이블의 최대 인장강도 대비 40% 수준으로 긴장하여 PSC를 제작하였다(그림 9). 이때 매끄러운 표면의 CFRP 케이블에 옥사이드 코팅 표면처리를 진행하여 콘크리트와 CFRP 케이블 간 부착강도를 확보하였다. CFRP 케이블의 긴장력은 정착구에 유압너트를 고정하여 확보하였다. 긴장력 도입 후 50 MPa급 고강도 콘크리트를 타설하여 PSC 시험체를 제작하였다. PSC 시험체의 구조 성능 시험은 한국건설기술연구원에서 진행하였다(그림 10). 맺음말 첨단 복합재료인 CFRP를 건설분야에 활용함으로써 건설기술의 새로운 도약의 밑거름이 될 수 있다. 하지만 CFRP는 취성적인 특성, 상대적으로 높은 가격, 복잡한 파괴모드 등의 이유로 제한적으로 활용되고 있다. 따라서 본 글에서 소개한 CFRP 케이블 활용 연구 외에도 다양한 연구를 통해 CFRP의 활용 범위를 확대하기 위한 노력이 필요하다. 구조연구본부 게시일2023-08-25 조회수 210

첫페이지이전페이지12다음페이지마지막페이지