| 연구내용 및 범위 |
<세부목표 1의 연구내용> ○ 포장 하부 취약구간 광역 모니터링 기술 개발을 위하여 아래와 같은 연구를 진행하고자 함. - 전자기파를 이용하여 대상 지반을 광역으로 스캔할 수 있는 시스템 구축 - 스캔 지역에 대해 지반 침하에 취약한 구간 또는 침하가 의심되는 구간을 선정 - 지반의 물성이 탐사에 미치는 영향 연구 ○ 딥러닝 (Deep learning)은 기계학습의 한 분야로 코딩을 통해 데이터의 규칙 및 연속성을 파악 후 추가 데이터의 분류 및 예측을 수행하는 방법. 해당 방법은 4차 산업 혁명 이후 급속도로 발전하고 있으며, 최근에는 세계 IT시장에서 예측을 도모하는데 필수적인 10대 주요 기술로 인정받고 있음. 이에 따라 딥러닝 알고리즘은 다수의 연구자에 의해 지속해서 개발되고 있으며, 가장 많이 활용되고 있는 주요 알고리즘은 다음과 같이 Deep Neural Network(DNN)과 Convolution Neural Network (CNN)으로 구분됨. ○ 해당 연구에서는 전자기파 반사 이미지를 활용하여 앞서 설명한 deep learning 알고리즘으로 신속하고 정확한 해석을 도모하고자 함. 해석 결과의 신뢰성을 향상시키기 위하여 DNN, CNN뿐만 아니라 decision tree 기반의 Random Forest(RF), 시계열 데이터 특성 분석에 탁월한 Long Short Term Model (LSTM) 그리고 LSTM 알고리즘을 간편하게 수정한 Gated Recurrent Unit (GRU)도 함께 활용하고자 함. ○ 본 연구에서는 도로, 활주로 및 철도궤도 하부구조물 등 교통인프라의 포장층의 취성파괴 및 국부침하를 야기하는 포장 하부 공동부, 이완구간과 같은 이상구간을 조사함으로써 교통인프라에 사고로부터 이용자를 보호할 수 있는 포장 하부 탐사 시스템을 개발하고자 함. 교통인프라 포장 하부에 존재하는 공동부 및 이완구간의 분포를 효과적으로 평가하기 위하여 전자기파를 이용한 비파괴 탐사 및 전자기파의 반사를 유발하는 다수의 반사체 중 이상구간을 특정하기 위한 전자기파 반사파 분석기법 개발을 개발하며 해당 이상구간의 정량적 규모를 예측하기 위한 관입형 모듈 개발 및 실험실 규모의 적용실험을 통한 적용성 검증을 최종 연구목표로 함. <세부목표 2의 연구내용> ○ 본 연구에서는 국부적인 포장 하부 공동부, 이완구간과 같은 이상구간을 정밀 조사 및 효과적으로 평가하기 위하여 전자기파를 이용한 비파괴 탐사를 수행함과 동시에 전자기파의 반사를 유발하는 다수의 반사체 중 이상구간을 특정하기 위한 전자기파 반사파 분석기법 개발을 개발하고자 하며 해당 이상구간의 정량적 규모를 예측하기 위한 관입형 모듈 개발 및 실험실 규모의 적용실험을 통한 적용성 검증을 수행하고자 함. 상기 세부목표를 달성하기 위하여 그림 1과 같은 구성기술이 설정되었으며 각각의 구성기술에 대한 연구 범위는 아래와 같음. - 구성기술 1: 포장 하부 이상구간 결정을 위한 전자기파 분석기법 개발a. 전자기파의 전파매질 및 반사매질의 물리적 성질에 따른 반사 메커니즘 정립b. 전자기파의 반사특성에 의한 공동부 및 이완구간의 결정c. 포장 하부 모사구간에 대한 전자기파 획득 및 실험적 검증 - 구성기술 2: 이상구간 분포 및 규모의 정량적 평가를 위한 관입형모듈 개발a. 포장 하부의 시각적 평가,물리 상수 도출을 위한 센서 조사 및 설계b. 교통인프라포장 하부 적용을 위한 모듈형 관입시스템개발c. 모사구간에 대한 적용 및 이상구간의 분포, 규모의 정량적 평가체계 제시
|
