연구자: 이대영 KICT 지반연구본부 연구위원

들어가며

최근 서울 등 도심지에서 대규모 지반침하 사고가 잇달아 발생하고 있다. 강동구 명일동 땅꺼짐 사고, 광명 신안산선 공사장 지하 붕괴 사고 등 대형 굴착공사장 인근에서 지반침하 발생으로, 서울시는 굴착공사장과 주변에 대해 지표투과레이더(Ground Penetrating Radar, GPR) 탐사를 집중 실시해 지반침하 안전관리 강화를 추진한다고 하였다(서울시, 2025).

GPR 탐사는 전자기파를 이용하여 지반 내 하수관로를 비롯한 매설관, 공동 등의 지하 구조를 확인하는 탐사기법으로 2014년 석촌지하차도 대규모 공동 발생 이후 도심지 도로 하부 공동 및 지반침하 조사에 활발히 적용되고 있다. GPR 탐사는 비파괴적 탐사 방법으로 지하 매설물이나 공동, 지반 구조를 탐사하는 데 유용한 방법이지만, 주파수에 따른 탐사 깊이 제한, 토양 환경의 영향, 데이터 해석의 어려움 등의 어려움이 있다. 또한 데이터 분석 시 전문가에 대한 의존도가 높고, 고해상도 또는 3D 탐사의 경우 데이터 처리와 해석에 많은 시간이 소요되며, 해석 결과의 신뢰도에 차이가 존재하는 문제가 있다. 이러한 문제를 해결하기 위해 최근 AI 기반 GPR 데이터 자동 분석 기술에 대한 연구가 진행되고 있다.

이 글에서는 GPR 탐사의 원리와 함께, GPR 탐사 데이터 해석의 정확도를 높이고 분석시간을 단축하며 실시간 해석이 가능한 AI 활용 GPR 데이터 분석 방법에 대해 소개 하고자 한다.

GPR 탐사 원리

GPR 탐사는 전자기파를 투과해 전기적 물성(전기전도도, 유전율)이 다른 경계에서 반사되어 돌아온 전자기파를 수신하여 땅속의 매설관 등 지하구조물의 위치 및 형태를 확인하는 탐사기법을 말한다. GPR 탐사는 수십 MHz 이상의 주파수를 가지는 전파 현상을 이용하여 주로 1~3 m 내외의 깊이가 얕은 대상을 탐사하는 비파괴 검사로 지하 매설관, 공동(cavity), 터널 배면 공동 탐사, 지층구조 등의 확인에 사용된다. 최근에는 노후 하수관으로 인해 지반침하 우려가 있는 지역에 GPR 조사를 집중적으로 수행함으로써 지반 함몰을 예방할 수 있는 평가방법으로 사용되고 있다(그림 1).

GPR 탐사를 통한 데이터 분석 시 매설관은 강한 진폭을 가지며, 그림 2에서 보이는 바와 같이 쌍곡선의 형태로 나타난다. GPR 탐사는 한 쌍의 송신기와 수신기를 이용하는 단일 채널 GPR 시스템이 주로 사용되었으나 최근에는 고해상도 3차원 다채널 GPR 시스템이 활용되고 있다. GPR 탐사는 대부분의 매설관이 묻혀있는 3m 이내 깊이의 탐사에 효과적이며 터널공사, 또는 대규모 굴착공사장 같은 깊은 심도의 조사에는 한계가 있다.

AI 기법 이용 GPR 탐사 데이터

최근 4차 산업혁명과 관련하여 인공지능(Artificial Intelligence, AI) 기술의 뛰어난 성능 및 대중화로 인해 그 사용성이 더욱 확대되고 있다. AI를 이용한 GPR 분석 적용은 지하구조물 탐사의 정확성, 효율성 및 해석 오류를 개선하는 유망한 방법을 제시한다. 최근 들어 GPR 영상판독시 발생하는 오류 및 기술적인 문제를 해결하기 위해서 영상 처리 분야에 많이 활용되는 머신러닝 기술 중 딥러닝을 이용한 연구가 활발히 진행되고 있다. AI 기법을 활용한 GPR 데이터 분석 방법은 B-scan, C-scan 형태로 수집된 GPR 데이터를 노이즈 제거, 보정을 통해 데이터 라벨링 작업을 수행한다. 라벨링이 보정된 학습용 데이터셋 생성후 객체 탐지를 위해 합성곱 신경망(Convolution Neural Network, CNN) 기반의 인공지능 알고리즘을 이용한다(Girshick, 2014). 딥러닝 학습을 통해 매설관 탐지 신뢰도를 향상시킬 수 있다.

한국건설기술연구원에서는 지반 함몰 예방을 위한 지반 내 공동 탐사 및 도로 하부의 지장물 탐사 시 GPR 탐사 정확도 향상을 위한 AI 활용 연구를 수행하였다. 지하 매설관 및 공동을 탐지하기 위해 GPR 탐사데이터를 사용하였으며, GPR 데이터에서 영상으로 변환 클러터 등의 노이즈를 제거를 통해 고품질의 라벨링 데이터셋을 작성하였다. 또한 지하 매설물 및 공동 탐지를 위해 Faster R-CNN을 사용하였으며, 다양한 학습 기법을 이용하여 매설관 및 공동탐지에 최적 성능을 도출할 수 있었다. 이를 통해 지반 내 공동 및 매설관로를 탐지하는 AI 알고리즘 및 GPR 데이터 분석기술을 개발하였다(한국건설기술연구원, 2024).

맺음말

도심지 개발의 가속화로 인한 대규모 굴착공사 증가, 시설물 노후화로 인한 도심지 땅꺼짐 발생으로 공동 및 지반침하 탐지를 위한 GPR 탐사 활용도가 증가하고 있다. 최근에는 GPR 탐사 데이터 분석 기술의 고도화를 위한 AI 기술 활용연구가 진행되고 있다. AI 기술을 GPR 탐사에 적용함으로써 데이터 처리에 소요되는 시간을 줄일 수 있고, 분석 결과의 일관성과 정확도를 향상시킴으로써 기존 GPR 분석의 한계를 극복할 수 있다. AI 기반 자동 분석기술은 GPR 탐사 데이터 실시간 처리와 해석 오류를 감소시켜 의사결정 과정을 신속히 진행함으로써 지반침하 사고를 예방하고 지하매설물의 안전성 향상에 중요한 역할을 할 수 있을 것이다.