Journal of Korean Tunnelling and Underground Space Association ISSN:2233-8292(Print) 2287-4747(Online) 한국터널지하공간학회 논문집

전력구 터널은 송전선로 지중화 사업의 일환으로 대부분의 경우 쉴드 TBM을 활용하여 건설된다. TBM 챔버는 터널 내부 중 유일하게 암반과 흙을 마주하는 공간이며, 붕락과 부딪힘 사고 등 사고노출 빈도가 가장 높은 곳이다. 현재 챔버 외부에서 디스크커터 마모정도를 측정할 수 있는 방법이 부재하기 때문에 근로자의 수시점검이 필수적이다. 이에 본 연구에서는 TBM 챔버 내부 안전사고를 예방하고, 챔버 오픈회수 절감을 통해 공사기간 단축의 효과를 기대하기 위하여 디스크커터 마모측정 기술 개념을 정립하고, 시작품을 제작하였다. 선행기술을 고찰하여 자기센서가 굴착환경에서 가장 적합하다고 판단하여, 자기센서, 무선통신 모듈, 전원공급, 외부 케이싱, 그리고 모니터링 시스템을 종합한 마모측정 센서 패키지를 개발하였다. 실제 굴착환경에서 시작품 성능검증을 수행하기 위해 3.6 m 토압식 쉴드 TBM을 활용한 실대형 굴진시험을 수행하였다. 실대형 굴진시험 결과 8개의 시작품 중 5개가 정상적으로 작동하였다. 최대 3,000 kN의 추력과 1.5 RPM의 회전속도 안에서 센서측정값이 무선통신을 통해 시스템에 원활하게 표출되는지 확인하였고, 센서 케이싱이 파손되지 않아 내구성을 확보하는 것으로 분석되었다.

향상된 MMS (Mobile Mapping System)를 이용하여 도로터널 정밀안전진단 항목을 검토하고 분석하였다. MMS에 의한 적용 가능한 항목은 외관조사, 조사 및 비파괴시험, 구조안전성, 유지관리방안일 것이다. MMS의 차량속도가 너무 빠르면 점군데이터의 해상도가 낮아지고 너무 느리면 보정값 오차가 증가하는 경향을 보인다. 본 연구에 적용된 장비에서는 50 km/h 속도에서 측정이 효과적이다. MMS의 점군 자료에 근거한 균열폭을 판단하기에는 한계가 있으나 터널내 설비 현황과 방재관리기준과 부합되는지를 검토할 수 있다. MMS의 3차원 점군은 횡단면 측량의 검토 및 종단면 측량의 변화에 적용될 수 있는데 이는 터널 전체에 대해 차량한계를 직관적으로 검토할 수 있을 것이다. 시험 개수와 조사 위치를 무작위로 선정하는 현재 정밀안전진단의 측정과 비교하여 MMS의 연속된 환경조건 측정은 정밀도 높은 분석에서 효과적이며 의미가 있을 것이다.

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.

최근 도심지에 개발이 이루어지면서 지반침하가 증가하고 있으며, 그에 대한 원인 중 하나는 지하수위의 변화이다. 본 연구에서는 굴착깊이가 깊은 수직구 굴착공사의 한 예로 ｢○○○○ 복선전철 민간투자사업｣의 작업구를 대상으로 지하수위 저하량에 대한 현장계측 결과와 수치해석 결과를 비교 분석하였다. 이를 통하여 지하수위 저하에 대한 검토를 실시할 경우, 현장조건들이 충분히 반영될 수 있도록 지반조건을 분석하여 적용하여야 하며, 지하수위는 측정시기를 확인하여 적절한 수위를 적용하여야 시공 시 지하수위의 저하량과 유사한 예측 값을 도출해 낼 수 있음을 확인하였다.