1) 지진파 수집 및 처리
- 기상청 및 한국지질자원연구원의 데이터베이스를 활용하여 2016년 경주지진, 2017년 포항지진, 2020년 해남지진 등을 포함한 국내 지진파 데이터를 수집 및 정리할 계획이다.
- 국내 지형과 지반 특성이 유사한 해외 지역(미국, 일본 등)을 선정하고 KiK-net, PEER 등에서 지진파를 수집하여 활용할 계획이다.
- 필터링 및 기준선 보정을 적용하여 지진파를 처리하고 가속도응답스펙트럼으로 변환하여, 주파수별 지진파 성분을 분석할 계획이다.
2) 지반 및 지형 정보 수집
- 지반 정보 수집: 국토지반정보 통합DB에서 제공하는 자료와 현장 탐사를 통해 지반 정보 수집할 계획이며, 국내 지진 관측소에서 수집한 지진파에 P-wave seismogram method 또는 proxy method를 적용하여 지반 정보를 예측할 계획이다.
- 지형정보 수집: 해상도 높은 수치표고모델(Digital elevation model; DEM)자료를 수집하여 국내 지형의 고도, 상대고도, 사면각, 사면방향 등 지형인자들을 정리할 계획이다.
3) 국내 지형을 고려한 지진파 증폭 모델 개발
- 수집된 지진파와 지형 및 지반 특성 사이의 상관관계를 분석하고 지형 인자들 중 지진파 증폭에 영향을 주는 대표 매개변수(지형 및 지반 특성)를 선정할 계획이다.
- 규모(M), 이격거리(Repi)에 대하여 회귀분석을 진행하여 진원과 지진 전파 경로가 지진에 미치는 영향을 확인한 후 천부 30m 평균 전단파속도(VS30)와 지형 인자에 대한 회귀분석을 진행하여 지반과 지형이 지진파에 미치는 영향을 확인하고자 한다. 최종적으로 지형효과를 고려한 지진파 증폭 예측 모델을 개발하고 지진파의 특성(주파수, 진도, 지속시간), 지형 및 지반 특성에 따른 지진파 증폭계수를 산정할 계획이다.
- 머신러닝 기반 지진파 증폭 모델 개발하고 회귀분석 기반의 증폭 모델과 비교하여 최종 모델을 제안할 계획이다.
2021년 BP 프로젝트2021 (2021H1D3A2A02044785)의 일환으로, 포장도로 모니터링을 위하여 UAV 기반 연구를 수행하였습니다. 울산지역 포장도로에 대한 연구를 실시하여 기반시설에 대한 각종 피해들을 파악하였습니다. 대부분의 상용 UAV는 30분 정도 가동합니다. 이는 지역단위 조사에서는 충분하나, 여러 지역 조사에 있어서는 대체할 기술이 필요합니다. 연구자들은 현재 여러 개의 배터리를 사용하고 있습니다. 비디오 분석을 수행한다면 더욱 큰 범위에 대하여 연구수행이 가능하므로, 이에 대한 문제를 완화시킬 수 있습니다. 또한, 효율적인 수행을 위해서는 UAV 속도 및 높이 등의 최적 비행 매개 변수 설정에 대한 추가 연구가 필요합니다. 포장도로 손상에 대한 자동감지를 수행하기 위하여, 합성곱 신경망 (CNN) 기반의 머신러닝을 활용하여 비디오 분석을 수행할 것입니다. 비디오 분석을 통하여 거대한 손상 지역을 식별하면, UAV를 활용하여 국소 지역에 대하여 연구를 수행할 수 있습니다. 이러한 방법은 UAV 기술을 더욱 실용적으로 활용할 수 있을 것이고, 포장도로 모니터링의 효율성을 향상시킬 수 있을 것입니다. 비디오 및 이미지를 통합시켜 구축한 자동화 감지 모델은 교통기관이 실시간으로 포장도로의 변화를 탐지할 수 있는 좋은 수단이 됩니다. 이러한 정보는 추후에 포장도로 보수에 대하여 도움이 될 것입니다.
아래의 내용에 대하여, 연구를 수행할 것입니다.
1. 특정 지역의 교통, 지리적, 물리적 특성을 기반으로 한 UAV 비행 프로토콜을 개발하기 위한 지침
2. 대규모 UAV로 수집한 개별 이미지에서 손상도를 측정하기 위한 기계학습 모델 개발
3. 3D 모델에 대하여 기계학습 기반 손상도 측정 자동화 모델 개발
4. UAV의 포장도로 모니터링을 위한 최적 비행 파라미터 개발
5. UAV의 비디오에 대하여 기계학습 기반 손상도 측정 자동화 모델 개발
6. 결합된 UAV 비디오와 이미지를 사용하여 포장 모니터링 프로토콜 개발
포장도로 모니터링을 위한 기존의 방법 및 반자동 방법들은 산악지대에 설치된 도로 등에서는 기능이 제한되며, 따라서 효율적인 대안이 필요합니다. 이와 관련하여, 기계학습을 이용한 자동화 모니터링 기술을 이용하면 기존 방법 대비 인적, 경제적 및 시간적 소모를 줄일 수 있습니다. 이를 위하여, 무인항공기(UAV) 및 딥러닝 기술을 적용하여 연구를 수행할 것입니다. 구체적인 수행계획은 아래와 같습니다.
1. 포장도로 선택 및 물리탐사
2. 포장도로 설계기준 등의 자료 파악
3. 드론을 이용한 초기 탐사
4. 딥러닝 알고리즘을 이용한 이미지 데이터 학습
5. 드론탐사 및 포장도로 데이터 수집
6. 손상 감지 프레임워크 개발 및 검증
7. FLAC 3D 소프트웨어를 이용한 실제 포장도로 모델링
8. 소프트웨어를 이용하여 포장도로 손상에 따른 변형률 계산
9. 현재의 포장도로 상태 평가
10. 교통량 예측에 기반한 도로 재생 프로그램 예시 설계
11. 가이드라인 작성
포장도로 모니터링을 위한 기존의 방법 및 반자동 방법들은 산악지대에 설치된 도로 등에서는 기능이 제한되며, 따라서 효율적인 대안이 필요합니다. 이와 관련하여, 기계학습을 이용한 자동화 모니터링 기술을 이용하면 기존 방법 대비 인적, 경제적 및 시간적 소모를 줄일 수 있습니다. 이를 위하여, 무인항공기(UAV) 및 딥러닝 기술을 적용하여 연구를 수행할 것입니다. 구체적인 수행계획은 아래와 같습니다.
1. 포장도로 선택 및 물리탐사
2. 포장도로 설계기준 등의 자료 파악
3. 드론을 이용한 초기 탐사
4. 딥러닝 알고리즘을 이용한 이미지 데이터 학습
5. 드론탐사 및 포장도로 데이터 수집
6. 손상 감지 프레임워크 개발 및 검증
7. FLAC 3D 소프트웨어를 이용한 실제 포장도로 모델링
8. 소프트웨어를 이용하여 포장도로 손상에 따른 변형률 계산
9. 현재의 포장도로 상태 평가
10. 교통량 예측에 기반한 도로 재생 프로그램 예시 설계
11. 가이드라인 작성
본 과제는 한반도 분지와 급경사지처럼 지형이 복잡한 지역에서 지진이 어떻게 더 세게 흔들리는지(지반증폭)를 수치로 예측하는 기반을 만드는 연구임.
연구목표는 특이지형 및 지반특성을 반영한 수치 모델을 개발하고 실제 지진파 기반 수치해석으로 증폭계수를 계산한 뒤 상관관계 높은 매개변수를 추출하는 데 있음. 연구내용은 FLAC 프로그램으로 특이지형 2차원·3차원 모델링, 증폭계수 산정 및 대표 매개변수 추출, 일반 회귀분석 및 머신러닝을 통한 증폭예측모델 개발과 지역별 보정함수 적용으로 증폭계수 레이어 생성임. 기대효과는 과거 지진시나리오와 증폭계수 레이어로 보정된 지반운동예측모델 개발을 통해 국내 지역별 진도 예측 정확도 향상임.
