토목공학 프로젝트의 성공은 현장 특이적인 지하(지반) 조건의 특성을 철저히 이해하는 데 근본적으로 달려 있다. 건설 및 설계의 초기 단계에서 중요한 과정인 현장조사는 구조물 개발의 안전성과 효율성을 보장하고 잠재적 재난을 방지하는 토대를 제공한다. 그러나 재정 및 시간 제약으로 인해 현장조사의 횟수는 종종 제한되며, 이로 인해 공간적 불확실성은 지반공학에서 가장 중요한 과제 중 하나가 된다. 지오통계학 기반 공간 보간(spatial interpolation) 기법은 지반공학에서의 공간적 변동성과 정보 부족의 한계를 극복하기 위해 널리 사용된다. 신뢰할 수 있는 지오공간 분석은 현장 특이적인 지하 층서(stratification) 정보를 파악하는 데 필수적이다. 본 연구에서는 터널 굴착 중 침하가 발생한 지하철 건설 현장에서 현장조사 데이터를 수집하였다. 시추공(borehole) 데이터는 이상치(outlier) 제거를 통해 최적화하여 신뢰성을 최대화하였고, 지구물리(geophysical) 데이터를 디지털화하여 시추공 데이터를 포함하는 3D 통합 데이터베이스를 구축하였다. 지하 조건의 특성을 고려하여, 지진파(seismic wave) 속도 값으로 최적의 층상 경계(elevation) 고도를 산정함으로써 최적화된 층서 경계가 명확해졌다. 크리깅(kriging)과 시뮬레이션 기반 통합 분석 기법을 사용하여 3차원에서 지하 층서 정보를 예측하였으며, 단면 및 종방향 지반공학 프로파일은 예측 잔차의 최소화를 산출하는 최적의 방법과 매개변수를 찾는 학습 과정을 통해, 편차가 가장 적은 층이 실제 층을 효과적으로 반영한다는 점을 확인하였다. 이러한 접근은 지하 평가의 정확성과 신뢰성을 향상시키기 위해, 고도화된 지오통계-학습 기반 통합과 지반공학 실무를 연계하는 것의 중요성을 보여주며, 결과적으로 더 안전하고 효율적인 건설을 가능하게 한다.

지반 운동의 강도, 액상화, 산사태와 같은 지진 위험은 지진에 취약하고 느슨하며 포화된 모래질 토양 위에 건설된 구조물에 중대한 위협이 된다. 따라서 현장에 특화된 지진 응답을 반영하는 구조물의 붕괴(구조적) 실패 평가 방법은 효과적이고 적절한 지진 재해 저감 전략을 수립하는 데 필수적이다. 본 연구에서는 구조물의 지진 취약성에 대한 실시간 평가 프레임워크를 개발하였다. 지진에 대한 구조물의 취약성을 평가하기 위해, 구조물의 실패에 대한 임계값으로서 지진 취약도(취약성) 함수(seismic fragility functions)를 사용하고, 지진 하중 결정을 위한 상관 방정식을 포함하는 지반공학적 공간 격자(geotechnical spatial grid)와 이를 연계하였다. 실시간 평가는 다음 절차로 구성된다. 첫째, 지반공학적 공간 격자는 지구통계학적(geostatistical) 방법에 기반하여 구축함으로써 지진 재해 잠재력과 연계(correlated)될 현장별 부지응답(site response)을 추정한다. 둘째, 지진 하중 상관으로부터 최대 지반가속도(peak ground accelerations)를 결정하고 이를 지반공학적 공간 격자에 할당한다. 셋째, 정의된 손상 수준(damage levels)의 실패 확률을 산정하고, 목표 구조물에 대해 지반공학적 공간 격자를 실시간으로 통합하여 구조물의 손상 등급(damage grade)을 결정한다. 제안된 평가는 실제 지진 사건(2017 포항 지진)과 가상의 지진 시나리오를 모두 사용하여 대한민국 인천항에서 시뮬레이션하였다.

2017년 11월 15일 대한민국 포항에서 규모 5.4의 지진이 발생하였다. 이 지진은 대한민국에서 기록된 지진 중 두 번째로 큰 규모였으며 지반과 기반시설에 치명적인 영향을 미쳤다. 모든 지반 변형 가운데서도 진앙 부근에서 관찰된 수백 건의 액상화로 인한 모래 분출(sand boils)과 지반 붕괴가 주요 쟁점이었다. 그러나 지하 특성과 액상화 취약도 지수가 지역 단위의 액상화 발현을 유발하는지, 그리고 그 결과로서 국소 액상화가 어떻게 발생하는지 여부는 여전히 불명확하다. 본 연구에서는 주요 액상화 취약도 지수의 공간적 불확실성을 고려하는 부지 특이적 액상화 유발(site-specific liquefaction triggering) 분석을 위한 새로운 데이터 기반 모델을 제시한다. 이를 위해 최적화 지향의 지도학습 및 비지도학습 기계학습 모델을 결합하는 고도 인공지능 기술을 구축함으로써 달성하였다. 단계적 의사결정 과정은 클러스터링 앙상블(clustering ensemble) 방법론에 기반한 통합 액상화 위험 구역 설정(hazard zonation)을 개발할 수 있으며, 액상화 인벤토리(liquefaction inventory)와의 성능 평가를 최적화한 분류를 통해 실현 가능한 액상화 영향(impact) 지도 작성 절차를 파악하는 데 도움이 될 수 있다. 지오데이터(geo-data)와 지리공간 모델링의 가능성에 따라 달라지는 대안적 3단계 접근은 3차원 격자 네트워크(3D grid network)를 기반으로 한 세 가지 구역 설정 방법(매크로-, 마이크로-, 나노-구역 설정)으로 구성되며, 각 단계에서 최적 적합(best-fitting) 기계학습 모델을 배정한다. 그 결과로 도출된 액상화 영향 지도는 고해상도를 가지며 나노-구역 설정 기반의 군집화된 액상화 지수로 할당되어, 액상화로 인한 지반 변위의 구역화를 위한 부지 특이적 의사결정을 지원할 수 있다.

지반 운동의 강도, 액상화, 산사태와 같은 지진 위험은 지진에 취약하고 느슨하며 포화된 모래질 토양 위에 건설된 구조물에 중대한 위협이 된다. 따라서 현장에 특화된 지진 응답을 반영하는 구조물의 붕괴(구조적) 실패 평가 방법은 효과적이고 적절한 지진 재해 저감 전략을 수립하는 데 필수적이다. 본 연구에서는 구조물의 지진 취약성에 대한 실시간 평가 프레임워크를 개발하였다. 지진에 대한 구조물의 취약성을 평가하기 위해, 구조물의 실패에 대한 임계값으로서 지진 취약도(취약성) 함수(seismic fragility functions)를 사용하고, 지진 하중 결정을 위한 상관 방정식을 포함하는 지반공학적 공간 격자(geotechnical spatial grid)와 이를 연계하였다. 실시간 평가는 다음 절차로 구성된다. 첫째, 지반공학적 공간 격자는 지구통계학적(geostatistical) 방법에 기반하여 구축함으로써 지진 재해 잠재력과 연계(correlated)될 현장별 부지응답(site response)을 추정한다. 둘째, 지진 하중 상관으로부터 최대 지반가속도(peak ground accelerations)를 결정하고 이를 지반공학적 공간 격자에 할당한다. 셋째, 정의된 손상 수준(damage levels)의 실패 확률을 산정하고, 목표 구조물에 대해 지반공학적 공간 격자를 실시간으로 통합하여 구조물의 손상 등급(damage grade)을 결정한다. 제안된 평가는 실제 지진 사건(2017 포항 지진)과 가상의 지진 시나리오를 모두 사용하여 대한민국 인천항에서 시뮬레이션하였다.

토목공학 프로젝트의 성공은 현장 특이적인 지하(지반) 조건의 특성을 철저히 이해하는 데 근본적으로 달려 있다. 건설 및 설계의 초기 단계에서 중요한 과정인 현장조사는 구조물 개발의 안전성과 효율성을 보장하고 잠재적 재난을 방지하는 토대를 제공한다. 그러나 재정 및 시간 제약으로 인해 현장조사의 횟수는 종종 제한되며, 이로 인해 공간적 불확실성은 지반공학에서 가장 중요한 과제 중 하나가 된다. 지오통계학 기반 공간 보간(spatial interpolation) 기법은 지반공학에서의 공간적 변동성과 정보 부족의 한계를 극복하기 위해 널리 사용된다. 신뢰할 수 있는 지오공간 분석은 현장 특이적인 지하 층서(stratification) 정보를 파악하는 데 필수적이다. 본 연구에서는 터널 굴착 중 침하가 발생한 지하철 건설 현장에서 현장조사 데이터를 수집하였다. 시추공(borehole) 데이터는 이상치(outlier) 제거를 통해 최적화하여 신뢰성을 최대화하였고, 지구물리(geophysical) 데이터를 디지털화하여 시추공 데이터를 포함하는 3D 통합 데이터베이스를 구축하였다. 지하 조건의 특성을 고려하여, 지진파(seismic wave) 속도 값으로 최적의 층상 경계(elevation) 고도를 산정함으로써 최적화된 층서 경계가 명확해졌다. 크리깅(kriging)과 시뮬레이션 기반 통합 분석 기법을 사용하여 3차원에서 지하 층서 정보를 예측하였으며, 단면 및 종방향 지반공학 프로파일은 예측 잔차의 최소화를 산출하는 최적의 방법과 매개변수를 찾는 학습 과정을 통해, 편차가 가장 적은 층이 실제 층을 효과적으로 반영한다는 점을 확인하였다. 이러한 접근은 지하 평가의 정확성과 신뢰성을 향상시키기 위해, 고도화된 지오통계-학습 기반 통합과 지반공학 실무를 연계하는 것의 중요성을 보여주며, 결과적으로 더 안전하고 효율적인 건설을 가능하게 한다.

2017년 11월 15일 대한민국 포항에서 규모 5.4의 지진이 발생하였다. 이 지진은 대한민국에서 기록된 지진 중 두 번째로 큰 규모였으며 지반과 기반시설에 치명적인 영향을 미쳤다. 모든 지반 변형 가운데서도 진앙 부근에서 관찰된 수백 건의 액상화로 인한 모래 분출(sand boils)과 지반 붕괴가 주요 쟁점이었다. 그러나 지하 특성과 액상화 취약도 지수가 지역 단위의 액상화 발현을 유발하는지, 그리고 그 결과로서 국소 액상화가 어떻게 발생하는지 여부는 여전히 불명확하다. 본 연구에서는 주요 액상화 취약도 지수의 공간적 불확실성을 고려하는 부지 특이적 액상화 유발(site-specific liquefaction triggering) 분석을 위한 새로운 데이터 기반 모델을 제시한다. 이를 위해 최적화 지향의 지도학습 및 비지도학습 기계학습 모델을 결합하는 고도 인공지능 기술을 구축함으로써 달성하였다. 단계적 의사결정 과정은 클러스터링 앙상블(clustering ensemble) 방법론에 기반한 통합 액상화 위험 구역 설정(hazard zonation)을 개발할 수 있으며, 액상화 인벤토리(liquefaction inventory)와의 성능 평가를 최적화한 분류를 통해 실현 가능한 액상화 영향(impact) 지도 작성 절차를 파악하는 데 도움이 될 수 있다. 지오데이터(geo-data)와 지리공간 모델링의 가능성에 따라 달라지는 대안적 3단계 접근은 3차원 격자 네트워크(3D grid network)를 기반으로 한 세 가지 구역 설정 방법(매크로-, 마이크로-, 나노-구역 설정)으로 구성되며, 각 단계에서 최적 적합(best-fitting) 기계학습 모델을 배정한다. 그 결과로 도출된 액상화 영향 지도는 고해상도를 가지며 나노-구역 설정 기반의 군집화된 액상화 지수로 할당되어, 액상화로 인한 지반 변위의 구역화를 위한 부지 특이적 의사결정을 지원할 수 있다.

수소 급속충전소(Hydrogen refueling stations, HRSs)는 연료전지 전기자동차(Fuel Cell Electric Vehicles, FCEVs)를 위한 핵심 기반 인프라이다. 그러나 인구 밀집 대도시에서의 HRS 보급은 흔히 두 가지 문제에 직면한다. 즉, 사용자 관점의 제한된 이동 시간 접근성과, 안전 위험에 대한 인식에 기인한 낮은 공공 수용성이다. 본 연구는 대한민국 서울을 대상으로 HRS 접근성과 주민 수용성을 정량화하고 확장 우선순위를 도출하기 위한 도시 규모의 통합적 프레임워크를 개발한다. 이를 위해 (i) 환경 인식, 인지된 안전성, 입지 선호, 이동 의사거리(willingness-to-travel distance)를 포착하는 1000명의 성인 주민 온라인 인식 설문조사(2024년 10월)를 수행하고, (ii) 행정동(administrative dong) 단위 FCEV 등록 데이터에 기반한 공간 수요 자료(n = 2443대, 2022년)를 결합하며, (iii) 서울 도로 네트워크와 현재의 HRS 공급(n = 10, 2024년)을 활용한 네트워크 기반 이동시간 분석을 수행한다. 접근성 평가는 10, 15, 20분의 세 가지 이동시간 기준으로 평가하며, 서비스 권역(service-area) 구획과 수요 가중 미충족 영역(demand-weighted underserved-area) 진단을 수행한다. 후보 확장 입지는 부지 면적 및 보호시설과의 근접성 등 운영 및 규제 제약을 사용해 생성·선별한 후, 수요 가중 이동 저항을 최소화하는 p-median 입지-배분(location-allocation) 최적화를 통해 5개 추가 입지를 선정한다. 결과는 20분 기준(평균 운행 속도 23.1 km/h에서 7.7 km)에서 기초 서비스 커버리지 밖에 있는 425개 행정동(dongs) 중 50개(11.8%)와 2443대 FCEV 중 244대(10.0%)가 존재함을 보여준다. 5개 입지를 추가하여 총 n = 15개가 되었을 때, 20분 기준에서 미충족 행정동은 5개(1.2%), 미충족 FCEV는 26대(1.1%)로 감소하며, 더 짧은 기준들에서도 일관된 개선이 나타난다. 설문 응답은 HRS를 안전하다고 인식하는 비율이 12.5%에 불과한 반면, 이동 의사거리의 최대치가 최대 5 km까지라고 응답한 비율은 46.5%로 나타나 접근성 향상과 위험 인식 기반의 커뮤니케이션 모두의 필요성을 강조한다. 제안된 워크플로우는 네트워크 접근성, 수요 분포, 사회적 수용성을 함께 고려함으로써 형평성과 위험을 반영한 HRS 계획을 지원하는 투명하고 재현 가능한 접근법을 제공하며, 지속가능한 도시 이동성, 저탄소 교통 전환, 그리고 사회적으로 수용 가능한 수소 인프라 보급에 기여한다. 또한 본 연구는 지역적 접근성 개선을 넘어, 형평적이고 사회적으로 수용 가능한 수소 급속충전 인프라가 저탄소 도시 교통 전환을 뒷받침하고 더 회복력 있는 대도시 에너지-모빌리티 시스템을 가능하게 할 수 있다는 더 넓은 지속가능성의 맥락에서 논의된다.

본 연구는 29,000개가 넘는 시추공 데이터베이스를 활용하여 서울에 대한 고급 지리공간 프레임워크를 제시하고, 고해상도 의사-3D 전단파 속도( shear-wave velocity )장을 개발한다. 부지별 SPT-N 상관관계를 적용함으로써, 층서 평균화 과정에서 흔히 가려지는 층 내 이질성(intra-stratal heterogeneity)과 수직 강성도 구배( vertical stiffness gradients )를 포착한다. 밀도 적응형 모자이크 기반 보간(density-adaptive mosaic-based interpolation) 기법을 사용하여 기반암 심도( H ), 시간평균 전단파 속도( V S30 ) 및 고유주기(fundamental period)( T G )를 추정하였으며, 일반 크리깅(ordinary kriging)에 내재된 “평활화 효과(smoothing effect)”를 효과적으로 완화하였다. 본 모델은 모든 주요 매개변수에 대해 교차검증 RMSE를 평균 36.56% 감소시켰고, 9,999개의 독립 다운홀 기록에 대해 V S30 RMSE를 50% 감소시켰다. T G 는 국소 공진(resonance) 위험의 핵심 요인으로 확인되었다. 그 결과 5 m 해상도의 구역화(zonation) 지도는 거시적 규모의 평가에서 이전에 가려져 있던 지진 핫스팟(seismic hotspots)과 충적층 미소 구역(alluvial micro-zones)을 구분해 주며, 디지털 건설(digital construction) 패러다임 내에서 부지 단위(lot-level) 위험 저감 및 내진 설계 코드 개선을 위한 견고한 지리공간 템플릿을 제공한다. • 29,019개 시추공의 대규모 데이터베이스를 활용하여, 부지 특이적 의사-3D 전단파 속도( V S )장을 포착하는 고충실도 “지반공학 디지털 트윈(Geotechnical digital twin)”을 구축하였다. • 5 m 해상도의 부지 단위 격자(lot-level 5-meter resolution grid)는 층 평균 모델을 능가하며, 층 내 이질성과 수직 강성도 구배를 포착하였다. • 밀도 적응형 모자이크 기반 보간 프레임워크는 일반 크리깅의 “평활화 효과”를 최소화하여 교차검증 RMSE를 36.56% 감소시키는 성과를 보였다. • 고해상도 지진 미세구역화(seismic microzonation) 지도( H , V S30 , T G )는 국소 공진 위험 및 “지진 핫스팟”을 식별하여 위험 기반 구조 설계(risk-informed structural design)를 지원한다. • 제안된 워크플로는 고충실도의 지반공학 자산을 디지털 건설 패러다임에 통합함으로써, 회복탄력성(DfR)을 위한 부지 특이적 설계를 지원하는 견고한 도구를 제공한다.

본 연구는 해안 스마트시티에서 Geo-BIM 기반 설계를 지원하기 위한, 대상 부지 특화 3D 지반공학적 특성규명을 위한 의사결정 프레임워크를 제안한다. 고밀도 지반조사 데이터와 지구통계학적 모델링을 통합하여 침하, 액상화, 지진 증폭을 포함한 부지 특화 지오해저드를 평가한다. 이 워크플로에는 취약 구역에 맞춘 예비 및 상세 조사, 원격탐사, 모니터링 전략이 포함된다. 나노존화(nanozonation)와 지역 최적 공간 모델링을 사용하여 5 m × 5 m × 1 m 격자를 갖는 고해상도 3D 지반 모델을 구축한다. 제안된 프레임워크는 지역 단위의 부지 특성규명, 연직 압밀로 인한 침하 예측, 부지 반응 해석을 가능하게 하며, 조기 설계를 지원하기 위한 2D/3D 해저드 구역화 지도를 산출한다. 이러한 산출물은 제방 설계, 지반개량 계획, 위험 저감에 대한 의사결정을 안내하기 위해 Geo-BIM 응용에 내장된다. 매립 해안 지역에서의 사례 연구는 심부 지반 조건을 시각화하고 공학적 의사결정을 도출하는 데 있어 모델의 유용성을 보여준다. 제안된 프레임워크는 지반공학의 디지털화를 촉진하고 스마트시티 개발 및 디지털 건설에서 데이터 기반 의사결정을 가능하게 한다.