RnDCircle Logo
arrow left icon

Konkuk University

건국대학교 사회환경공학부

구태서 교수

Non-invasive Near-surface Geophysical Method

Sustainable Geo-materials

Advanced Geophysical Site Characterization

Konkuk University

사회환경공학부 구태서

건국대학교 GeoMC 연구실은 지반공학 및 지구물리학 분야에서 첨단 연구를 선도하는 연구실로, 지반의 복잡성과 불확실성을 극복하기 위한 통합적 지반특성화(Geocharacterization) 및 위험 평가, 그리고 지속가능한 지반개량 기술 개발에 중점을 두고 있습니다. 본 연구실은 실내 실험, 현장 시험, 그리고 다양한 비파괴 지구물리학적 탐사 기법을 융합하여, 지반의 구조적·역학적 특성을 정밀하게 평가하고, 도시 및 인프라 개발에 필요한 신뢰성 높은 기초 정보를 제공합니다. 특히, 수동 및 능동 표면파 탐사(MASW, MAM), 지진 간섭법(Seismic Interferometry), HVSR(수평-수직 스펙트럼비) 등 첨단 비파괴 지반조사 기법을 적극적으로 도입하여, 도심지와 같은 물리적 제약이 많은 환경에서도 신속하고 효율적인 지반조사가 가능하도록 연구를 진행하고 있습니다. 이러한 방법들은 터널, 지하 공간, 대규모 인프라 건설 등 다양한 토목공학적 프로젝트의 설계 및 시공 단계에서 필수적인 역할을 하며, 지반재해 예방과 안전성 평가에도 중요한 기초 자료를 제공합니다. 또한, 본 연구실은 머신러닝, 베이지안 네트워크 등 데이터 기반 해석 기법을 활용하여, 대규모 현장 데이터와 실험 데이터를 통합 분석함으로써 기존의 경험적·통계적 방법보다 더 높은 신뢰도와 예측력을 확보하고 있습니다. 이를 통해 지반재해(지진, 침하, 붕괴 등) 및 지반위험 평가, 기초 신뢰성 분석, 지반의 응력 이력 평가 등 다양한 연구를 수행하고 있으며, 실제 현장 적용성을 높이는 데 기여하고 있습니다. 지속가능한 지반개량 및 친환경 결합재 개발도 연구실의 핵심 연구 분야 중 하나입니다. 저탄소·친환경 결합재(예: CSA 시멘트, 나노입자 등)를 활용한 지반개량 기술을 개발하고, 다양한 토질에 대한 적용성과 최적 배합비, 시공 방법, 내구성 및 환경성 평가를 통해 실용적이고 친환경적인 지반개량 솔루션을 제시하고 있습니다. 이러한 연구는 탄소중립 사회 실현과 환경오염 저감, 자원순환 등 사회적·환경적 가치 창출에 크게 기여하고 있습니다. 앞으로 GeoMC 연구실은 인공지능, 빅데이터, 사물인터넷(IoT) 등 첨단 정보기술과의 융합을 통해 실시간 지반 모니터링 및 예측 시스템을 구축하고, 지속가능한 도시 개발과 재해 예방, 그리고 미래형 인프라 구축에 기여하는 것을 목표로 하고 있습니다. 이를 통해 국내외 지반공학 및 지구물리학 분야의 학문적·실용적 발전을 선도할 것입니다.

Non-invasive Near-surface Geophysical Method
Sustainable Geo-materials
Advanced Geophysical Site Characterization
지반 특성화 및 첨단 비파괴 지반조사
지반 특성화(Geocharacterization)는 자연 지반의 복잡성과 불균질성을 정확히 파악하기 위해 필수적인 연구 분야입니다. 본 연구실에서는 실내 실험, 현장 시험, 그리고 지구물리학적 탐사 기법을 통합하여 지반의 물리적·역학적 특성을 정밀하게 평가하는 통합적 지반조사 프로그램을 개발하고 있습니다. 특히, 다양한 실내 실험과 현장 시험 데이터를 결합하여 지반의 구조적 특성, 강도, 변형 특성 등을 체계적으로 해석할 수 있는 데이터 기반의 해석 프레임워크를 구축하고 있습니다. 최근에는 비파괴 지반조사 기법의 발전에 힘입어, 기존의 침습적(시추 등) 방법에 비해 시간과 비용을 절감하면서도 높은 정확도를 확보할 수 있는 첨단 지구물리학적 방법을 적극적으로 도입하고 있습니다. 예를 들어, 수동 및 능동 표면파 탐사(MASW, MAM), 지진 간섭법(Seismic Interferometry), HVSR(수평-수직 스펙트럼비) 등 다양한 비파괴 기법을 활용하여 지반의 전단파 속도(Vs) 프로파일, 암반 경계면, 지하 구조물 위치 등을 효과적으로 탐지하고 있습니다. 이러한 방법들은 도심지와 같이 물리적 제약이 많은 환경에서도 신속하고 효율적인 지반조사가 가능하게 합니다. 이와 같은 첨단 지반조사 및 특성화 연구는 터널, 지하 공간, 대규모 인프라 건설 등 다양한 토목공학적 프로젝트의 설계 및 시공 단계에서 필수적인 기초 정보를 제공하며, 지반재해 예방과 안전성 평가에도 중요한 역할을 하고 있습니다. 앞으로는 인공지능 및 머신러닝 기반의 데이터 해석 기법과 결합하여 더욱 정밀하고 예측력 있는 지반 특성화 기술을 개발하는 것이 목표입니다.
지반재해 및 지반위험 평가와 데이터 기반 해석
지반재해(Geohazard) 및 지반위험(Georisk) 평가는 지반공학 분야에서 매우 중요한 연구 주제입니다. 본 연구실은 지진, 침하, 붕괴, 액상화 등 다양한 지반재해의 발생 가능성을 사전에 예측하고, 그 위험도를 정량적으로 평가하는 통합적 분석 방법론을 개발하고 있습니다. 이를 위해 실내·현장 실험 데이터뿐만 아니라, 다양한 지구물리학적 측정 결과와 최신 데이터 분석 기법을 융합하여 지반의 불확실성과 위험요소를 체계적으로 분석합니다. 특히, 머신러닝 및 베이지안 네트워크와 같은 데이터 기반 해석 기법을 활용하여, 대규모 현장 데이터와 실험 데이터를 통합 분석함으로써 기존의 경험적·통계적 방법보다 더 높은 신뢰도와 예측력을 확보하고 있습니다. 예를 들어, 콘관입시험(CPT) 데이터 기반의 지반응력 이력 평가, 변동성 응답 함수(Variability Response Function)를 이용한 기초 신뢰성 평가, 파동 속도와 강도 특성의 상관관계 분석 등 다양한 연구가 진행되고 있습니다. 이러한 데이터 기반 접근법은 지반의 복잡한 거동을 정량적으로 해석하고, 실제 현장 적용성을 높이는 데 큰 기여를 하고 있습니다. 지반재해 및 위험 평가 연구는 도시 인프라의 안전성 확보, 터널 및 지하 공간 개발, 대규모 건설 프로젝트의 리스크 관리 등 실질적인 사회적 요구에 부응하는 중요한 역할을 합니다. 앞으로는 인공지능, 빅데이터, 사물인터넷(IoT) 등 첨단 정보기술과의 융합을 통해 실시간 모니터링 및 예측 시스템을 구축하고, 지속가능한 도시 개발과 재해 예방에 기여하는 것이 연구실의 비전입니다.
지속가능한 지반개량 및 친환경 결합재 개발
지속가능한 지반개량(Sustainable Ground Improvement)은 최근 기후 변화와 환경 문제에 대응하기 위해 지반공학 분야에서 매우 중요한 연구 주제로 부상하고 있습니다. 본 연구실은 전통적으로 사용되어 온 포틀랜드 시멘트(OPC) 대신, 저탄소·친환경 결합재(예: 칼슘 설포알루미네이트(CSA) 시멘트, 친환경 결합재 등)를 활용한 지반개량 기술을 개발하고 있습니다. 이러한 친환경 결합재는 기존 시멘트에 비해 이산화탄소 배출량이 적고, 빠른 강도 발현 및 내구성 향상 등 다양한 장점을 가지고 있습니다. 실험실 및 현장 연구를 통해 다양한 토질(모래, 점토, 유기질 토 등)에 대한 친환경 결합재의 적용성을 평가하고, 최적의 배합비 및 시공 방법을 제시하고 있습니다. 또한, 결합재의 미세구조 분석, 강도 및 내구성 평가, 동결-융해 저항성, 수리전도도 특성 등 다양한 성능 지표를 정량적으로 분석하여, 실제 현장 적용에 필요한 실용적 지침을 마련하고 있습니다. 최근에는 나노입자, 산업 부산물, 재활용 소재 등을 활용한 혁신적 결합재 개발 연구도 활발히 진행 중입니다. 이러한 지속가능한 지반개량 및 친환경 결합재 연구는 토목 인프라의 장기적 안정성 확보와 더불어, 탄소중립 사회 실현, 환경오염 저감, 자원순환 등 사회적·환경적 가치 창출에 크게 기여하고 있습니다. 앞으로는 친환경 결합재의 현장 적용성 확대와 더불어, 지반개량 공법의 경제성·효율성 향상을 위한 융합 연구를 지속적으로 추진할 계획입니다.
1
A framework to investigate the effect of sand on strength of cement-admixed clay
ASCE Journal of Materials in Civil Engineering, 1970
2
Data-driven machine learning approach for stress history evaluation in cohesive soils using cone penetration test data.
Gwak, D., Ku, T.*
Engineering Geology, 2025
3
Unified strength prediction model for cemented soils.
Ku, T.*, Subramanian, S.
Geomechanics and Engineering, 2025
1
최초혁신실험실 추가지원 신규과제 선정
2023년 08월 ~ 1970년
2
Research project funded by NRF
2023년 08월 ~ 1970년
3
최초혁신실험실 추가지원 신규과제 선정
한국연구재단
2023년 07월 ~ 2024년 02월