교량 슬래브는 차량 하중을 직접 지지하는 핵심 구조 구성요소로서 일반적으로 교량 구성요소 중 서비스 수명이 가장 짧기 때문에 유지관리 필요성과 비용이 증가한다. 많은 국가에서 손상 및 보수 이력은 4십 년 이상에 걸쳐 체계적으로 기록되어 왔다. 본 연구에서는 장기 점검 데이터의 통합을 통해 교량 슬래브의 향후 성능을 예측하기 위한 디지털 트윈 프레임워크를 제안하였다. 역사적 2D 손상 도면은 YOLOv7 딥러닝 모델을 사용하여 디지털화함으로써 손상 위치의 공간 좌표를 추출하였다. 이 데이터를 바탕으로 서비스 수명 예측을 지원하기 위해 여덟 가지 대표적인 손상 상태를 정의하였다. 손상 및 보수 이력은 고유한 코딩 체계를 통해 3D 교량 모델에 내장하여 시간적 및 공간적 추적이 가능하도록 하였다. 철근의 부식은 육안 점검으로 직접 관찰할 수 없으므로, 그 발달과 진행은 경험적 모델을 통해 추정하였다. 디지털 트윈 개념은 기존 교량 슬래브에 대한 적용 가능성을 입증하기 위해 과거 점검 기록을 이용해 검증하였다. 누적 열화 데이터의 통합은 성능 예측의 정확도를 유의하게 향상시키며, 데이터 기반 유지관리 및 보수·보강 전략을 용이하게 한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.