주메뉴 바로가기 본문바로가기
전체메뉴닫기
과제현황 목록

과제기본정보

빅데이터와 인공지능 기반의 발파굴착터널 자동설계기술 개발을 위한 기초연구1년차

사업개요
사업개요에 대한 사업명, 분류코드(기술분류), 과제명, 주관연구기관, 총괄연구 책임자(성명, 소속, 전화번호), 총 연구기간, 당해연도 연구기간 정보제공
사업명 국토교통기술촉진연구사업 과제번호 21CTAP-C163775-01
국가과학표준분류 1순위 원자력 | None | None 적용분야 건설업
2순위 농림·수산 | None | None 실용화대상여부 실용화
3순위 원자력 | None | None 과제유형 응용
과제명 빅데이터와 인공지능 기반의 발파굴착터널 자동설계기술 개발을 위한 기초연구
주관연구기관 한양대학교산학협력단
총괄연구 책임자 성명 김양균
소속 한양대학교 직위 연구교수
전화번호 02-2220-0114 FAX -
총 연구기간 2021-04-01 ~ 2022-12-31
당해연도 연구기간 2021-04-01 ~ 2021-12-31

(단위:원)

년도별 정부출연금, 기업부담금, 계 정보제공
년도 정부출연금 기업부담금 계
현금 현물 소계
1차년도 160,000,000 5,340,000 48,000,000 53,340,000 213,340,000
과제기본정보의 연구개발개요, 최종목표, 연구내용 및 범위 정보제공
연구개발개요 ○ 국토의 70%이상이 산지로 이루어진 우리나라에서는 도로나 철도를 계획할 때 반드시 터널시공이 필요한 실정이다. 1982년 서울 지하철 4호선 건설부터 시작된 국내의 터널은 2018년까지 국내에서 건설된 전체 터널은 총 3,399개소(지하철터널 제외), 2,818km이며, 국내에서 건설되는 전체 터널은 매년 평균 141개소, 192km, 해당기간동안 CAGR은 7.9%로 나타났다.

○ 이렇게 수많은 터널을 건설 및 설계하면서 다양한 경험과 지식이 축적되어 왔고, 현재는 일반적인 터널설계작업은 특정업체에서만 가능한 고난도의 공학적 기술을 요구되는 과정이 아니라고 할 수 있다. 한국엔지니어링협회의 엔지니어링종합정보시스템 홈페이지에 나타난 현재 국내 건설분야 엔지니어링사업자수는 3,784개이고, 이중 토질 및 지질분야를 전문분야로 하는 회사의 수는 2,026개로 나타났는데, 이중 터널설계가 가능한 회사의 비율을 5%정도라고 가정한다면 국내에서 터널설계가 가능한 회사는 약 100개 정도로 추정된다.

○ 한편, 2016년 1월 ‘세계경제포럼’에서 4차 산업혁명이라는 개념이 언급된 이후 전 세계적으로 4차 산업혁명 관련 기술에 대한 관심이 높아지고 있으며, 기술선진국을 중심으로 이에 대응하기 위한 노력이 활발히 진행되고 있다.(Lee, 2016). 독일은 사물인터넷(IoT)을 토대로 기존 제조업을 스마트화한 ‘Industry 4.0’을 추진하고 있으며, 우리나라에서도 제조업 혁신 3.0 등을 통해 4차 산업혁명에 대응하고자 노력하고 있다(CERIK, 2017).

○ 설계과정이 노동집약적이고 일반화되어 가는 터널설계과정은 기본적으로 일정한 형식과 형상에 근거하여 설계가 이루어진다는 점을 감안했을 때, 4차산업혁명에서 가장 핵심적인 기술인 인공지능을 여타 건설분야에 비해 비교적 용이하게 적용할 수 있고 그로 인한 경제적, 시간적 효과도 큰 분야라고 할 수 있다.

○ 터널설계보고서 및 도면은 주어진 지반조건, 현장여건, 필요한 터널제원 등을 종합적으로 고려하여 도출된 결과물이며, 각종 설계기준, 기존 유사터널에서의 설계내용, 신기술, 설계자들의 경험 등이 녹아있는 중요한 자료들이다. 또한 최근 그러한 설계자료들이 디지털화되고 공공데이터로 제공(CALS)되면서 인공지능을 활용한 다양한 분석이 가능해졌다. 이에 따라 인공지능을 활용한 건설관리 및 서비스를 제공하는 회사가 증가하고 있고, 터널분야에서도 설계의 정확도와 편이성을 향상시키기 위해, 그리고 시공의 경제성과 안전성을 제고하기 위해 인공지능을 활용한 연구가 국내외적으로 활발히 진행되고 있다.

○ 일반적으로 터널설계는 지반조사 결과를 토대로 이루어지며 지반분류, 선형 및 종단, 굴착단면, 굴착공법, 발파방법, 지보패턴, 콘크리트라이닝, 보조공법, 방재 및 환기, 조명, 배수 및 방수, 계측, 갱구부, 단면확폭부와 접속부 설계와 같은 세부 항목으로 구성된다.

○ 이와 같은 배경에서 본 연구의 중장기적 목적은 4차산업혁명시대의 도래에 따라, 빅데이터, 인공지능, BIM을 이용하여 터널설계의 전과정을 90%이상 자동화하는 것이다. 나머지 10%는 터널안정성 분석 및 구조설계와 같이 불가피하게 전문인력에 의한 작업이 필요한 부분이며, 이 역시 인공지능 기술의 발전에 따라 향후에 연구결과와 연계하거나 자체적으로 해결될 수 있다고 사료된다.

○ 이를 위해 본 기초연구단계에서는 터널설계의 주요 6가지 요소인 암반분류, 터널단면, 굴착방법, 발파, 지보, 보조공법의 설계를 국토교통부의 터널설계기준 범위내에서 자동으로 설계하도록 도와주는 인공지능기술을 개발하는 것이 목표이다. 여기에 적용되는 인공지능 알고리즘은 다양한 기계학습 알고리즘(ANN, SVM, PCA, Random Forest, Ensemble)과 딥러닝 알고리즘(CNN) 분석을 통해 최적의 결과를 도출하는 알고리즘 조합으로 최종 결정되며, 이를 이용하여 새로운 터널설계 프로젝트에 대한 지반조사 결과 및 터널의 필요제원 등이 데이터로 주어지면 이에 적합한 6가지 설계항목에 대한 최적 설계결과를 도출하게 된다.

○ 모든 인공지능기술 개발에 있어서 무엇보다 중요한 것이 데이터의 수와 품질이다. 이를 위해 본 연구에서는 국토교통부 건설사업정보(CALS)에 수록된 자료와 설계사에서 협조받은 자료로부터 지반조사 등 터널설계와 관련된 47가지 세부항목에 대한 데이터를 조사할 계획이며, 이렇게 수집된 데이터는 본 연구를 통해 데이터베이스형태로 정리될 예정이다. 또한 연구 이후에도 지속적인 데이터 수집 및 정리를 통해 빅데이터화하여 향후 다양한 연구 및 분석을 위해 새로운 기술개발에도 활용될 수 있으리라 사료된다.

○ 본 기초연구는 스마트 설계방식으로의 변화추세에 능동적으로 대처하고 더 나아가 그러한 기술개발을 선도하기 위한 하나의 촉매제가 될 수 있다고 판단된다.
최종목표 ○ 본 기초연구의 목표는 발파굴착(NATM)터널 주요 6가지 항목을 자동으로 설계할 수 있는 인공지능 모델을 개발하는 것이며, 이를 통해 향후 실용화 연구시 터널설계 전과정의 90%이상 자동화할 수 있는 빅데이터 및 인공지능 기반의 자동설계시스템을 개발할 계획이다.


< 연구내용 및 과정의 개념도 >

○ 일반적으로 터널설계는 지반조사 결과를 토대로 이루어지며 지반분류, 선형 및 종단, 굴착단면, 굴착공법, 발파방법, 지보패턴, 콘크리트라이닝, 보조공법, 방재 및 환기, 조명, 배수 및 방수, 계측, 갱구부, 단면확폭부와 접속부 설계와 같은 세부 항목으로 구성된다.

○ 본 기초연구단계에서는 터널설계의 주요 6가지 요소인 암반분류, 터널단면, 굴착방법, 발파, 지보, 보조공법의 설계를 국토교통부의 터널설계기준 범위내에서 자동으로 설계하도록 도와주는 인공지능기술을 개발하게 된다. 여기에 적용되는 인공지능 알고리즘은 다양한 기계학습 알고리즘(ANN, SVM, PCA, Random Forest, Ensemble)과 딥러닝 알고리즘(CNN) 분석을 통해 최적의 결과를 도출하는 알고리즘 조합으로 최종 결정되며, 이를 이용하여 새로운 터널설계 프로젝트에 대한 지반조사 결과 및 터널의 필요제원 등이 데이터로 주어지면 이에 적합한 6가지 설계항목에 대한 최적 설계결과를 도출하게 된다. 또한 각 항목별 인공지능 설계모델의 통합 연동시험 및 시각화를 위해 도출된 설계결과는 GUI(Graphic User Interface)형태로 표현된다.

○ 한편, 모든 인공지능기술 개발에 있어서 무엇보다 중요한 것이 데이터의 수와 품질이다. 이를 위해 본 연구에서는 국토교통부 건설사업정보(CALS)에 수록된 자료와 설계사에서 협조받은 자료로부터 지반조사 등 터널설계와 관련된 47가지 세부항목에 대한 데이터를 조사할 계획이며, 이렇게 수집된 데이터는 본 연구를 통해 데이터베이스형태로 정리될 예정이다. 또한 연구 이후에도 지속적인 데이터 수집 및 정리를 통해 빅데이터화하여 향후 다양한 연구 및 분석을 위해 새로운 기술개발에도 활용될 수 있으리라 사료된다.

○ 1차년도에는 2차년도에 자동설계 모델을 개발하기 위하여, 20개 이상의 터널설계프로젝트에서 47가지의 세부 데이터항목을 수집하고 정리하는 한편, 6가지 인공지능 알고리즘의 적합성을 시험하여 각 설계항목별 적정 알고리즘을 선정한다.

○ 2차년도에는 추가적인 설계데이터 수집 및 정리와 함께, 1차년도에서 선정된 각 알고리즘을 이용하여 설계항목별 인공지능모델을 만들고 이를 서로 연동할 수 있도록 통합된 인공지능모델 및 간단한 GUI를 제작한다.
연구내용 및 범위 ○ 1982년 서울 지하철 4호선 건설부터 시작된 국내의 터널은 2018년까지 국내에서 건설된 전체 터널은, 앞에서 제시한 바와 같이 총 3,399개소(지하철터널 제외), 2,818km이며, 국내에서 건설되는 전체 터널은 매년 평균 141개소, 192km, 해당기간동안 CAGR은 7.9%로 나타났다. 이렇게 수 많은 터널을 건설 및 설계하면서 다양한 경험과 지식이 축적되어 왔기에 현재는 일반적인 터널설계작업이 특정업체에서만 가능한 고난도의 공학적 기술을 요구되는 과정이 아니라고 할 수 있다. 또한 현재 국내의 터널설계는 세계의 다른 나라에서 일반적으로 수행하는 과정 및 방법과 유사하게 수행되고 있고, 국내업체가 세계 각국에 진출하여 터널을 건설하고 있다는 점을 감안하면 세계 터널기술선진국과의 기술격차도 크지 않다고 할 수 있다.

○ 그러나 4차산업혁명시대를 맞이하여 전세계의 모든 분야에서는 다양한 디지털 기술들은 각 산업의 서비스, 제품, 일자리 등의 분야에서 기존 생산 체계와 업무수행 방식의 혁신적인 변화를 유인하고 있으며, 이러한 변화의 흐름에서 건설산업도 예외일 수 없다. BCG(Boston Consulting Group), 2016)는 건설산업 내 적용성이 높은 스마트 기술로 빅데이터 및 분석, 시뮬레이션과 가상현실, 모바일 인터페이스 및 증강현실, BIM과 클라우드, 유비쿼터스 연결성 및 추적, 적층제조, 3D 스캐닝, 지능형 건설장비 및 로보틱스, 무인항공기, 내장형 센서를 제시하였다.

○ 국토교통부가 발표한 활성화 방안과 로드맵은 스마트 건설기술의 건설산업 내 도입 및 적용을 지원하기 위한 정부 차원의 각종 지원 정책을 포함하고 있지만, 건설산업 내 스마트 기술의 활용 범위와 수준은 여전히 낮은 것으로 파악되고 있으며, 스마트 건설기술 기반의 솔루션을 건설사업에 적용한 사례는 매우 제한적이다. 이러한 스마트 건설기술의 산업 내 도입 및 적용의 한계성에는 건설산업이 지니는 전통적인 설계 및 생산 체계의 경직성, 새로운 기술 적용에 따른 기업의 비용적 리스크, 기술 도입 과정에서 발생하는 기존 제도와의 상충 등이 여전히 기술을 적극적으로 수용하는 과정에서 장애물로 작용하고 있는 것으로 이해할 수 있다(한국건설산업연구원, 2019).

○ 결론적으로 인공지능, BIM 및 빅데이터를 기반으로 하는 스마트설계방식으로 빠르게 변화해 나가는 세계 건설시장에 적극대응하고 주도하기 위하여, 그리고 이에 따른 정부의 스마트 건설기술 개발 및 활용방침에 적극 동참하기 위하여 인공지능을 활용한 다양한 건설기술 개발이 필요하다. 건설분야는 생산성이 낮은 상황에서 고령화 및 숙련인력 감소가 빠르게 진행되고 있어 디지털화 및 자동화 필요성 증대되고 있으며, 특히 그 설계과정이 노동집약적이고 일반화되어 가는 터널분야는 기본적으로 일정한 형식과 형상에 근거하여 설계가 이루어진다는 점을 감안했을 때 여타 건설분야에 비해 비교적 용이하게 인공지능을 활용한 자동설계기술이 확립될 수 있으리라 사료되며, 본 기초연구는 그러한 설계방식혁신 추세에 능동적으로 대처하고 더 나아가 그러한 기술개발을 선도하기 위한 하나의 촉매제가 될 수 있다고 판단된다.

○ 본 연구의 핵심성과는 터널설계 및 시공자료 데이터베이스와 주요 항목별 인공지능 설계모델 및 통합모델로 구분된다.
○ 터널설계 및 시공자료 데이터베이스는 터널설계 자료의 인공지능 분석을 위해 매우 중요한 기본 자료이며, 연구개발 2년간 총 40개 이상의 터널설계 보고서 및 20개 이상 현장의 시공자료(막장관찰도)를 수집하고 정리하는 것을 목표로 한다.
○ 인공지능 모델은 터널 주요 6개 설계항목 각각에 대해 적합한 인공지능 알고리즘을 선정후 학습을 거쳐 모델이 완성되며, 각각의 모델을 연동하는 시험을 거쳐 통합모델이 개발된다. 최종적으로는 통합모델의 시각화를 위해 간단한 GUI가 제작된다.
건설기술연구개발사업 주요내용
건설기술연구개발사업 주요내용의 구분, 연구개발목표, 연구개발 내용 및 방법 정보제공
구분 연구개발목표 연구개발 내용 및 방법
1차년도 ○ 본 기초연구의 목표는 인공지능을 이용하여 발파굴착(NATM)터널 주요 6가지 항목의 자동설계를 실현하는 것이며, 이를 위해 1차년도에는 2차년도에 자동설계 모델을 개발하기 위한 터널설계 데이터 수집 및 기본 알고리즘 시험이 필요하다. 데이터 수집측면에서는 국토교통부 건설사업정보(CALS)에 수록된 자료와 설계사에서 협조받은 자료로부터 터널설계의 주요 6가지 요소인 암반분류, 터널단면, 굴착방법, 발파, 지보, 보조공법과 관련된 세부항목에 대한 데이터 47가지를 조사하고 이를 엑셀시트에 데이터베이스화 하게 된다. 이런식으로 정리된 데이터베이스는 아직 문헌상에 보고된 바가 없으며, CALS에 나타난 터널설계보고서와 국내 설계사 자료를 대상으로 하고 있지만, 설계사 협조의 어려움과 필요한 세부 데이터항목의 누락 등의 사유로 현재로서는 20개 정도의 터널설계자료를 확보할 예정이지만 가능한대로 그 이상의 많은 데이터를 확보할 계획이다.

○ 또한 터널설계 주요 6가지 항목 각각에 대하여, 수집된 데이터 일부를 활용하여 다양한 기계학습 및 딥러닝 알고리즘중 다양한 논문분석을 통해 예측정확도가 높고 본 연구의 데이터타입에 적합하다고 판단되는 알고리즘 6가지, 즉 ANN, SVM, PCA, Random forest, Ensemble과 같은 기계학습과 딥러닝인 CNN을 시험하게 되는데 이것은 각각의 알고리즘의 특성이 다르기에 데이터의 종류 및 형식에 따라 예측 정확도가 다르게 나타나기 때문이다. 현재에도 터널 설계 및 시공과 관련된 다양한 연구에 주로 ANN(인공신경망)이 활용되고 있지만 이는 대부분 세부 작업 또는 기술분석을 위한 연구차원의 활용이며, 본 연구에서처럼 여러개의 알고리즘을 터널의 다양한 세부 항목 분석을 위해 동시에 활용한 사례는 문헌상 보고된 바 없다. 		○ 주관연구개발기관(한양대학교 산학협력단) :
- 다양한 인공지능 알고리즘 및 모델에 대한 문헌분석
- 인공지능분석의 정확도와 현실성을 향상시키기 위한 터널시공자료(막장관찰일지, 발파패턴 등) 수집 및 분석
- 공동연구기관에서 수집한 데이터 일부를 이용하여 다양한 머신러닝 및 딥러닝 알고리즘중 각 설계항목별 최적 알고리즘 시험 및 선정
- 시험평가 대상 알고리즘 : ANN, SVM, PCA, Ensemble, Random forest, CNN

○ 공동연구개발기관(㈜지윤이앤씨) :
- 현재의 터널설계방식, 과정, 내용 등에 대한 세부 분석
- 터널설계보고서, 지반조사보고서에서 지반분류, 굴착단면, 굴착방법, 발파방법, 지보패턴, 보조공법 등 6가지 항목에 대한 데이터 수집 및 정리
- 수집 세부 항목 :
* 기본사항 : 각 설계된 터널에 대한 기본적인 사항이며, 향후 정리된 데이터의 객관성을 유지하기 위해 설계보고서명도 명기(터널명, 위치, 기반암종, 터널연장, 종단구배)
* 지반조사 : 터널의 노선선정, 공사비, 공사기간 추정 등 터널설계에서 가장 중요한 자료이며, 시추조사자료, 각종 지구물리탐사자료, 암석시험자료, 토질시험자료 등을 포함 (구간별 지반고, 암종, TCR/RQD, 암질, 비중, 탄성파속도, 일축압축강도, 탄성계수, 투수계수, 전기비저항, RMR, 특이지층(단층대, 파쇄대, 연약대)
* 단면설계 : 터널의 단면 형상과 크기를 결정(RMR별 굴착단면적, 단면길이, 터널내공 작도를 위한 3심점(R1, R2, R3))
* 굴착공법 및 방법 : 터널굴착을 위한 방법을 결정(적용공법, 벤치거리, 벤치높이)
* 발파설계 : 발파패턴 및 장약방법에 대한 사항(심발공법, 발파공수, 천공장, 총장약량, 비장약량, 진동추정식의 k와 n, 여굴)
* 지보설계 : 터널의 주지보재인 록볼트와 숏크리트, 2차지보인 콘크리트라이닝에 대한 사항(록볼트 길이/간격/갯수, 숏크리트 두께/단위수량, 강지보 두께/간격, 콘크리트라이닝 두께/배근여부)
* 보조공법 : 단층대, 파쇄대, 절리대 등의 통과시 적용공법 (종류, 간격, 수량)
연구성과 기술적 기대성과 ○ 전세계적으로 4차산업혁명시대를 맞이하여, 전산업분야에서 인공지능을 활용하여 생산성, 정확성, 신속성이 향상된 작업으로의 전환 또는 기술개발이 이어지고 있다. 이와 같은 흐름에 따라 향후 건설기술도 인공지능을 활용하거나 접목한 기술개발이 필수적이며, 본 연구에서 개발된 기술도 현재의 노동집약적 설계방식에서 스마트설계방식으로의 전환을 촉발하는 촉매역할을 할 수 있다고 사료된다.

○ 본 연구를 통해 개발되는 인공지능을 이용한 스마트설계기술이 향후에 일반화된다면 건설 전분야에 걸쳐 설계뿐 아니라 시공에서도 정부에서 주도하고 있는 스마트 건설기술의 정착에도 일조를 할 수 있다.

○ 본 연구를 통해 제시될 국내터널 설계자료의 데이터베이스는 향후 국내 터널기술개발을 위한 다양한 연구에 활용될 수 있고, 국내 터널설계의 표준화에도 기여할 수 있다.
사회 경제적 파급효과 ○ 경제적ㆍ산업적 측면
- 본 연구에서 개발되는 인공지능을 이용한 터널설계기술은 효율성, 정확성, 신속성 측면에서 현재의 인력에 의한 설계방식보다 설계항목에 따라 최소한 30%-50%이상의 우수한 설계결과를 도출하게 될 수 있다. 따라서 설계작업시간의 단축으로 인한 설계관리비 절감효과 및 이러한 설계를 하는 설계인력의 인건비 절감효과는 현재의 터널설계 비용대비 약 30%이상이 될 것으로 추정된다.

- 또한 본 연구는 기초연구수준이므로, 본 연구이후 추가적인 실용화연구가 완료되고 또 본 기술과 유사한 기술이 지속적으로 개발된다면 정부에서 주도하고 있는 스마트 건설기술시대가 조기 정착되면서 이로 인해 전체적인 건설비용의 공종별 최적화가 달성될 수 있다.

○ 사회적 측면
- 1982년 서울 지하철 4호선 건설부터 시작된 국내의 터널은 2018년 현재 총 3,399개소(지하철터널 제외)에 이르고 있다. 이렇게 수많은 터널을 건설 및 설계하면서 다양한 경험과 지식이 축적되어 왔고, 현재는 일반적인 터널설계작업은 특정업체에서만 가능한 고난도의 공학적 기술을 요구되는 과정이 아니다. 따라서 일반 터널설계의 주요공종을 본 연구에서 개발되는 인공지능을 이용한 스마트설계기술로 처리하고, 기존의 설계고급인력은 이러한 과정을 관리하거나 또 다른 고난도 설계기술 개발에 활용한다면 향후 인공지능시대 일자리감축 추세에 대한 대안이 될 수 있다.

- 본 연구에서 개발되는 인공지능을 이용한 터널설계기술의 적용을 위해서는 설계데이터의 정리 및 사전처리 작업이 필수적이고, 인공지능 설계능력의 지속적인 향상을 위해서 다양한 알고리즘에 대한 보완 및 개발이 뒷받침되어야 한다. 이러한 작업은 단순 프로그래머가 아닌 설계과정을 이해하고 응용할 수 있는 건설분야를 전공한 인력들이 수행하는 것이 효과적이므로, 기존의 건설인력 및 신규 인력들의 고용창출에도 기여할수 있다.
활용방안 ○ 터널 주요공종에 대한 스마트한 터널설계
- 터널설계시 가장 중요한 6가지 공종인 지반분류, 굴착단면, 굴착방법, 발파방법, 지보패턴, 보조공법 결정시 현재의 설계자들의 경험과 판단이 아닌, 인공지능에 의해 신속하고 정확하게 결정할 수 있으며, 본 연구 결과를 확장하여 차후에 지반조사 결과를 입력시 최적 설계도면까지 자동으로 산출하는 터널설계 전과정 자동화설계를 위한 연구에 활용할 수 있다.
- 전세계적으로 4차산업혁명시대를 맞이하여, 전산업분야에서 인공지능을 활용하여 생산성, 정확성, 신속성이 향상된 작업으로의 전환 또는 기술개발이 이어지고 있다. 이와 같은 흐름에 따라 향후 건설기술도 인공지능을 활용하거나 접목한 기술개발이 필수적이며, 본 연구에서 개발된 기술도 현재의 노동집약적 설계방식에서 스마트설계방식으로의 전환을 촉발하는 촉매역할을 할 수 있다고 사료된다.
- 1982년부터 2018년까지 총 3,399개소(지하철터널 제외)의 수많은 터널을 건설 및 설계하면서 다양한 경험과 지식이 축적되어 왔고, 현재는 일반적인 터널설계작업은 특정업체에서만 가능한 고난도의 공학적 기술을 요구되는 과정이 아님. 따라서 일반 터널설계의 주요공종을 본 연구 및 향후 실용화연구에서 개발되는 인공지능을 이용한 설계방식으로 처리하고, 기존의 설계인력은 이러한 과정을 관리하거나 또 다른 고난도 설계기술 개발에 활용한다면 향후 인공지능시대 건설분야 일자리감축 추세에 대한 대안이 될 수 있다.

○ 발주처에서의 터널설계 적정성 확인 도구
- 국토교통부, 도로공사, 철도시설공단, 지자체 등에서 일반터널 설계를 발주 후, 설계사에서 작성한 설계도서의 기술적 타당성 평가를 하고자 할 때, 본 연구결과에서 도출된 인공지능 기반의 터널설계자동화시스템에서의 결과를 가이드라인으로 활용가능하다고 판단된다.

○ 터널설계 세부항목별 구축된 데이터를 이용한 추가적인 터널기술 연구
- 현재 국토교통부 CALS에 올려져 있는 각종 보고서 및 도면은 원자료(raw data)상태이기에, 차후에 타 기관 또는 타 연구에서 이를 활용한 다양한 기술개발을 위해서는 세부 항목별로 구분되어 있고 정리되어 있어야 한다.
- 따라서 본 연구를 통해 제시되는 정리된 설계데이터를 지속적으로 축적하여 빅데이터화한다면 향후 다양한 기술개발을 위한 연구에 적용할 수 있고, 국내 터널설계의 표준화에도 기여할 수 있다.

○ 도로 및 철도와 같은 여타 토목구조물의 스마트설계를 위한 기초연구
- 본 연구에서 개발된 기술을 확장하여 도로 및 철도와 같은 토목구조물의 스마트 및 자동화 설계를 위한 기반 구축에 응용될 수 있다.
- 본 연구는 기초연구수준이므로, 본 연구이후 추가적인 실용화연구가 완료되고 또 본 기술과 유사한 기술이 지속적으로 개발된다면 정부에서 주도하고 있는 스마트 건설기술시대가 조기 정착되면서 이로 인해 전체적인 건설비용의 공종별 최적화가 달성될 수 있다.
핵심어
핵심어의 구분, 핵심어, 핵심어1~핵심어5 정보제공
핵심어 핵심어1 핵심어2 핵심어3 핵심어4 핵심어5
국문 터널설계 인공지능 기계학습 암반분류 스마트설계
영문 Tunnel design Artificial Intelligence Machine learning Rock mass classification Smart design
최종보고서
최종보고서 파일 다운로드 제공
최종보고서

목록

  • 담당부서해당 사업실
  • 담당자과제 담당자
  • 연락처 사업별 담당부서 보기