철도는 교통에 핵심적이지만, 수천 킬로미터에 이르는 방대한 네트워크는 기존의 구조 건전성 검사 및 유지보수에 있어 중대한 어려움을 야기한다. 최근 센서와 인공지능 기술의 발전은 철도 궤도 구조 건전성 모니터링(Railway Track Structural Health Monitoring, RTSHM)을 향상시키기 위한 혁신적 접근을 제안하는 연구의 규모를 크게 성장시켰다. 본 연구는 현재의 RTSHM 연구 지형을 종합하여 주류 및 신흥 방향을 탐색하고, 이 분야에서의 발전, 과제, 그리고 기회를 파악하는 것을 목적으로 한다. 서지계량학(bibliometrics) 분석과 토픽 모델링(topic modeling)을 결합한 혼합형 체계적 문헌고찰을 통해, 핵심 연구 주제들이 도출되었으며, 그 범위는 기초가 되는 센서 및 데이터 수집 기법의 개발에서 출발해 결함 탐지와 예측을 위한 AI 기반 방법과의 결합에 이르기까지 확장된다. 이러한 예측은 열화(degradation) 모델링을 통한 예측 유지보수에 활용되며, 여기에 동적 응답 평가와 성능 최적화 정보가 보강된다. 최종 목표는 RTSHM을 통합하여 운영 안전성 평가 및 위험 기반 의사결정에 기여하는 것이다. 기술적으로 진보적임에도 불구하고, 현재의 연구는 주로 개별(이산적) 결함의 탐지에 치중하는 경향이 있어, 궤도 시스템 전체에 대한 포괄적 관리가 소홀히 되고 있다. 이러한 분절화는 기반시설 관리에 있어 복잡하고 종종 사일로(silo)화된 연구·운영 환경을 초래하며, RTSHM이 여전히 중요한 개발 단계에 있음을 시사한다. 따라서 지능형 데이터 수집 장치, 딥러닝 기술, 그리고 혁신적인 운영 플랫폼과 통합된 스마트 철도의 개발은 향후 연구에서 도전적이면서도 유망한 방향을 대표한다. 이러한 발전은 전 세계의 더 안전하고 효율적이며 지속가능한 철도 시스템을 촉진할 것으로 기대된다.

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