스마트 계측기술과 AI 기술을 통해 지하흙막이 시공 중 흙막이 벽체의 안정성을 과학적이고 체계적으로 계측·관리할 수 있는 기술이 선보여 화제다.
특히, 이 기술은 저렴한 유지비용으로 계측 사각지대 없이 흙막이 벽체의 변형을 신속하게 파악할 수 있어 향후 활용성이 매우 클 것으로 기대를 모으고 있다.
저렴한 유지비로 계측 사각지대 없이 신속하게 변형 파악
17개 피처로 구성 ‘인공지능 모델’ 예측 정확도 82% 자랑
최근 도심지 내 지하공간의 활용도를 극대화하기 위해 기존 구조물과 인접한 위치에 대심도, 대규모 지하굴착 작업이 이뤄지고 있다.
하지만, 이 같은 도심지 지하굴착은 흙막이 벽체 변형이 필수적으로 수반된다. 특히, 과다한 변형은 주변지반과 인접구조물에 영향을 미쳐 흙막이 벽체 변형은 물론 굴착배면 지반의 균열, 함몰, 지하매설물 파손 등의 피해를 발생시키고 있는 것으로 알려져 있다.
이 같은 사고는 ‘지하안전관리에 관한 제도’ 강화에도 불구하고 매년 반복해서 발생하고 있다.
실제로 도심지 내 대심도·대규모 입체 네트워크형 지하 대공간 확보를 위한 지반 굴착(개착공법)에 따른 지반 붕괴와 주변구조물 피해가 급증하고 있는 실정이다.
현재 흙막이 벽체 사고 방지를 위해 굴착공사 현장의 정보를 실시간으로 계측·관리하기 위한 자동화 계측기술이 개발되고 있지만, 유지관리 비용 문제로 대표 계측단면과 특정 위험 구간을 결정해 집중 계측이 이뤄지고 있다.
또한, 현장 계측 데이터를 받아 역해석한 후 굴착단계의 안정성 여부를 예측할 수 있는 기술도 선보이고 있지만, 시간과 비용이 많이 소요되고 자동화에는 한계가 있는 것으로 알려져 있다.
따라서 국부적인 계측결과를 수집해 기준치 초과 여부만 단순히 제공하는 방식에서 벗어나 관리자가 실시간으로 위험 여부에 따라 원격 관리가 가능한 저비용의 모니터링시스템 개발에 대한 요구가 증대되고 있다.
특히, 대표 계측단면 계측 시 미계측 구간에 대한 안정성 확보에 어려움 해소를 위해 대심도 굴착 공사 중 지반계측 시 벽체 붕괴와 인접 지반 침하 방지를 위한 합리적이고 경제적인 지반 계측 방법이 필요하다고 전문가들은 입을 모은다.
즉, 미계측 구간에 대한 위험도 예측을 통해 사각지대가 없는 안전관리가 필요하다는 의견이다.
이에 이 연구에서는 저비용, 고효율의 인공지능 기반 굴착 단계별 흙막이 벽체 변위를 예측하고, 실시간으로 변형을 계측할 수 있는 시스템을 개발하고 있다.
연구내용
이 연구는 현재 지점 또는 선형 계측에 국한된 계측방식으로는 미계측 구간이 존재할 수밖에 없는 한계 극복을 위해 ‘흙막이 벽체 스마트 계측 및 인공지능 기반 변위예측 기법’ 개발을 목표로 관련 연구를 진행하고 있다.
‘흙막이 벽체 스마트 계측 시스템 개발’ 분야에서는 흙막이 벽체 및 인접 구조물에 대한 현장 측정 정밀도를 ±0.05°로 계측 가능한 중력식 및 MEMS기반 센서를 활용한다.
중력식 센서는 주변 환경에 따라 측정값의 드리프트가 발생하지 않는 장점이 있어 도심지 내에서 온도, 습도, 전파기파 등 영향을 많이 받는 곳에서 우수한 성능을 보여준다.
MEMS기반 센서는 저전력 운용이 가능해 센서 노드 확장을 통한 구조물의 입체적 관리가 가능하다.
연구팀에서 개발한 스마트 계측 센서 시작품은 실제 굴착현장에서의 시험 적용 및 흙막이 벽체 프로파일 계측을 통해 성능을 검증하고, 이를 통해 기존 지중경사계와 함께 굴착 공사에 따른 흙막이 벽체의 1차 위험 징후를 파악할 수 있음을 확인했다.
현재 스마트 계측 센서는 모니터링 플랫폼 구축을 통해 실시간으로 흙막이 벽체의 안정성을 평가할 수 있도록 사용자 기반 시스템을 준비하고 있다.
‘인공지능 기반 벽체 변위예측 기법 개발’ 분야에서는 굴착 단계별 흙막이 벽체 변위 예측을 위해 국내 45개 굴착현장을 대상으로 흙막이 설계자료를 수집, 인공지능 학습에 활용했다.
특히, 연구팀은 현장 계측 데이터를 바탕으로 총 293개 대표단면에 대해 굴착 심도별 데이터 세트 약 7만 2,000개의 DB를 구축했다.
벽체의 종류, 지보재의 종류, 굴착 깊이, 선단 근입 조건 등 50여개의 굴착현장에 대한 변수들을 피처 엔지니어링을 통해 17개의 피처로 구성된 인공지능 예측 모델을 구축했다.
이 예측 모델은 앙상블 학습 방법 및 1D-CNN과 LSTM을 결합한 구조를 사용하고 있다. 특히, 지반계측 데이터를 기반으로 학습해 굴착 단계별 흙막이 벽체의 변위를 예측할 수 있어 시공 중 벽체의 안정성 파악에 활용될 수 있는 것이 특징이다.
현재 이 예측 모델의 예측 정확도는 약 82%로, 추가 DB 확보와 함께 각 굴착현장의 특성에 맞게 학습할 수 있도록 도메인 적응형 기술을 접목, 예측 모델의 성능을 끌어올리고 있다.
개발된 흙막이 벽체 스마트 계측 시스템과 인공지능 기반 변위예측 기법을 하이브리드로 사용해 기존 흙막이 계측 관리 기술의 한계를 극복할 수 있다.
인 / 터 / 뷰
네트워크 토폴로지 구성에 제약 없고
현장 상황 따라 실시간 원격제어 가능
한국건설기술연구원 서승환 수석연구원은 “이번 연구를 통해 시공 중 흙막이 벽체의 안정성 평가와 유지관리를 위해 벽체 변형을 직접 측정·모니터링하고, 이를 기반으로 흙막이 벽체의 변위를 예측할 수 있는 인공지능 모델을 구축했다”고 말했다.
이어 “이번에 선보인 인공지능 모델은 ‘흙막이 벽체 스마트 계측 시스템’과 함께 ‘인공지능을 활용한 흙막이 벽체의 변위 예측 기술’ 등 핵심기술을 담고 있다”고 밝혔다.
‘흙막이 벽체 스마트 계측 기술’은 중력식 및 MEMS 방식의 센서를 활용해 전원을 비롯한 측정부, 통신모듈, 데이터로거가 일체화된 소형의 무선 계측 시스템이다.
서 박사는 “이 시스템은 네트워크 토폴로지 구성에 제약이 없고, 저전력·저비용으로 계측망 구성이 가능하다”며, “따라서 기존 자동화 계측 방식과 같이 노드 간 연결이 아닌 네트워크 토폴로지를 단순화한 만큼 데이터 손실을 최소화할 수 있고, 현장 상황에 따라 실시간 원격제어도 가능하다”고 설명했다.
이어 “‘흙막이 벽체 변위 예측 기술’은 시공 중 굴착에 의한 위험성을 사전에 파악하기 위한 기술로, 약 50개 국내 굴착현장을 대상으로 굴착심도별로 약 4만 5,000개 데이터를 수집하고, 예측 모델을 구축했다”고 소개했다.
현재 구축 모델을 통한 예측 정확도는 약 82%로, 연구팀은 추가적인 데이터 수집과 예측 성능 개선을 위해 노력을 기울이고 있다.
또한, 스마트 계측 시스템의 시계열 데이터를 통해 인공지능 기반의 이상탐지 기술 개발에도 나서고 있다.
벽체 변형 신속 예측 ··· 붕괴사고 미연 방지
서 박사는 기대효과에 대해 “흙막이 벽체 스마트 계측 기술은 저비용으로 지하흙막이 공사의 미계측 구간과 계측 사각지대를 총괄적으로 모니터링 할 수 있어 흙막이 붕괴 사고 등을 미연에 방지할 수 있을 것”이라고 전망했다.
이어 “또한, 인공지능 기술을 통해 굴착 공사 진행에 따른 흙막이 벽체의 변형을 신속하게 예측할 수 있다”며, “따라서 스마트 계측 기술과 인공지능 기술을 통해 지하흙막이 공사의 안정성을 과학적으로 모니터링 할 수 있을 것”이라고 강조했다.
현재 연구팀은 인공지능 활용 기술의 성능개선에도 구슬땀을 흘리고 있다.
특히, 스마트 계측 시스템 기술을 통해 획득되는 데이터와 기존 흙막이 계측 관리를 통한 데이터를 인공지능을 통해 종합적으로 분석해 흙막이 벽체의 안정성을 종합적으로 판단할 수 있는 시스템 구축에 노력을 기울이고 있다.
끝으로 서 박사는 “개별 지반계측 항목에 대한 종합적인 분석을 통해 가시설을 비롯한 주변지반 및 인접시설물의 안정성을 평가가 가능하다”며, “따라서 이번 연구를 통해 흙막이 벽체 변형이 관리 기준치 내에 있더라도, 현장의 급작스러운 변형에 대한 상시 모니터링과 예측을 통해 재난 위기에 대응할 수 있는 시스템을 구축할 계획”이라고 밝혔다.
이어 “또한, 기술 실용화를 위해 실제 굴착현장에 대한 실증을 통한 기술 검증에도 나설 예정”이라고 덧붙였다.
