| 초록 |
□ 연구개발 목표 및 내용 ◼ 최종 목표 인공지능기반의 발파굴착터널 주요 6개 요소 자동설계기술 개발 ◼ 전체 내용 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. ○ 일반적으로 터널설계는 지반조사 결과를 토대로 이루어지며 지반분류, 선형 및 종단, 굴착단면, 굴착공법, 발파패턴, 지보패턴, 콘크리트라이닝, 보조공법, 방재 및 환기, 조명, 배수 및 방수, 계측, 갱구부, 단면확폭부와 접속부 설계와 같은 세부 항목으로 구성된다. ○ 본 기초연구단계에서는 일반적인 터널설계시 주요 6가지 항목인 지반(암반)분류, 굴착단면, 굴착공법, 발파패턴, 지보패턴, 보조공법의 설계를 국토교통부 및 한국도로공사의 터널설계기준 범위내에서 자동으로 설계하도록 도와주는 인공지능 모델을 개발하였다. 이를 위해 총 74개의 터널설계자료로부터 인공지능 분석에 필요한 데이터베이스를 구축하였고, 이 데이터를 이용하여 6개 설계항목 각각에 대해 DNN, SVM, PCA_ANN, Random Forest, DT, XGBoost 등 6가지 머신러닝 알고리즘을 시험하여 최적의 결과를 도출하는 모델을 결정하였다. 이렇게 결정된 개별 모델의 실용적 활용을 위해 하나의 통합모델을 구축하여 상호 연동되도록 하였고, 통합모델의 용이한 활용 및 설계의 시각화를 위해 간단한 GUI(Graphic User Interface)를 제작하였다. 결과적으로 이 GUI에 새로운 터널설계 프로젝트에 대한 지반조사 결과 및 터널의 필요제원 등이 데이터로 주어지면 6가지 터널 설계항목에 적합한 설계결과를 도출하게 된다. ○ 터널은 용도에 따라 도로터널, 철도터널, 지하철터널, 전력구터널 등으로 구분될 수 있으며, 본 연구에서는 단면형태가 비교적 단순하고 설계자료 획득이 상대적으로 용이한 도로터널을 대상으로 연구가 수행되었다. ○ 한편, 모든 인공지능기술 개발에 있어서 무엇보다 중요한 것이 데이터의 수와 품질이다. 이를 위해 본 연구에서는 국토교통부 건설사업정보(CALS)에 수록된 자료와 설계사에서 수집한 설계자료로부터 터널설계와 관련된 95가지 세부항목에 대한 데이터를 수집하여 데이터베이스 형태로 정리하였다. 향후에도 지속적인 데이터 수집 및 정리를 통해 빅데이터화하여 다양한 관련 연구 및 새로운 기술개발을 위해 활용할 계획이다. ◼ 1년차 ❏ 목표 설계항목별 데이터수집 및 적정 인공지능 알고리즘 평가 ❏ 내용 ○ 본 기초연구의 목표는 인공지능을 이용하여 발파굴착(NATM)터널 주요 6가지 항목 자동설계를 위한 초기모델을 구축하는 것이며, 이를 위해 1차년도에는 데이터 수집 및 다양한 머신러닝 알고리즘의 기본적인 성능시험을 수행하는 것이 주된 내용이다. ○ 데이터 수집측면에서는 국토교통부 건설사업정보(CALS)에 수록된 자료와 설계사에서 협조받은 자료로부터 핵심적인 세부항목이 누락된 자료를 제외하고 총 25개 터널설계 프로젝트에 대한 설계자료(터널설계보고서, 지반조사보고서, 설계도면, 수량산출서 등 4가지)를 수집하고 정리하였다. 이외에도 향후 실용화연구시 막장 암반분류 자동화 연구에 활용하기 위하여 현장 막장사진 및 Face mapping자료도 수집하였다. ○ 상기 터널설계자료로부터 터널설계의 주요 6가지 요소인 지반(암반)분류, 굴착단면, 굴착공법, 발파패턴, 지보패턴, 보조공법과 관련된 세부항목 총 95가지를 조사하여 엑셀시트에 데이터베이스화 하였고, 이중 64개를 머신러닝 분석에 활용하였다. ○ 머신러닝에 활용되는 알고리즘은 매우 다양하며, 데이터의 종류 및 형식에 따라 예측 성능 및 정확도가 다르게 나타난다. 따라서 수집된 데이터를 활용하여, 다양한 기계 학습 알고리즘중 논문분석을 통해 예측정확도가 높고 본 연구의 데이터타입에 적합하다고 판단되는 알고리즘 6가지, 즉, DNN, SVM, PCA_ANN, Random forest, Decision Tree, XGBoost와 같은 기계학습 알고리즘을 시험하였다. ◼ 2년차 ❏ 목표 설계항목별 인공지능모델의 통합 연동 시험 및 GUI 개발 ❏ 내용 ○ 2차년도 연구의 목표는 6가지 터널 설계항목에 대한 개별 인공지능 설계모델을 개발한후 하나의 통합모델을 구축하여 결과의 시각화를 위한 GUI를 제작하는 것이다. 이를 위해 국토교통부 등 발주처 설계기준에 기반하여 1차년도에서 시험 및 선정된 인공지능 알고리즘을 개량하였고, 추가적으로 수집된 설계데이터를 사용하여 6가지 설계항목별 최종 모델을 개발하였다. 이후 각각의 모델을 통합하여 상호 연동되는 하나의 통합 인공지능 모델을 구축하였고, 모델의 용이한 활용 및 설계의 시각화를 위해 간단한 GUI를 제작하였다. ○ 일반적으로 인공지능 분석시 정상적 범위내에 있는 양호한 품질의 데이터가 많을수록 분석결과의 성능 및 정확도는 향상된다. 따라서 2차년도에도 1차년도와 동일한 방법으로 49개의 터널설계자료를 추가적으로 수집하여 최종적으로 총 74개 설계자료로부터 터널설계 세부항목에 대한 데이터베이스를 구축하였다. □ 연구개발성과 ○ 총 74개 터널설계프로젝트에서 터널설계자료 (터널설계보고서, 터널설계도면, 지반조사보고서)를 수집하여 분석한 후, 데이터베이스화 하였음. - 이와는 별개로 향후 RMR평가의 객관성을 확보하기 위한 연구수행을 위해 시공이 완료되거나 시공중인 17개 터널현장에서 막장관찰 자료(암질평가표 또는 막장사진)도 수집함 ○ 수집된 터널설계자료 각각에 대해 총 95개의 세부설계항목을 조사하여 그중 머신러닝 분석에 필요한 실제 데이터 64개를 정리하였음. ○ 터널설계 6개 항목에 대한 6가지 머신러닝 알고리즘 시험 및 적정 알고리즘(모델) 선정 - 시험한 머신러닝 알고리즘 : SVM(Support Vector Machine), PCA(Principal Component Analysis)+ANN(Artificial Neural Network), DNN(Deep Neural Network), DT(Decision Tree), RF(Random Forest), XGBoost - 터널설계 주요 6개 항목에 적합한 인공지능 알고리즘을 선정하기 위하여 수집 및 정리된 터널설계 데이터를 이용하여 분석한 결과, 지반분류는 SVM, 굴착공법은 RF, 굴착단면은 DNN, 발파패턴은 RF, XGBoost, DT, 지보패턴은 PCA+ANN, 보조공법은 DT가 최적의 성능을 나타내는 모델로 선정됨. ○ 6가지 설계항목에 대한 인공지능 모델을 통합하고, 이를 간단한 GUI 프로그램으로 제작함. ○ 저널논문 4편 게재 완료(비SCIE 3편, SCIE 1편) - 비SCIE논문 : 머신러닝 기법을 활용한 터널 설계 시 시추공 내 암반분류에 관한 연구(터널지하공간학회) 등 3편 - SCIE논문 : A Study of the Effects of Geological Conditions on Korean Tunnel Construction Time Using the Updated NTNU Drill and Blast Prediction Model(Applied Sciences) 1편 ○ 제작된 프로그램을 저작권 등록(소프트웨어) 완료 □ 연구개발성과 활용계획 및 기대 효과 ○ 성과활용계획 - 제작된 인공지능 기반 소프트웨어 초기 모델의 지속적인 개선을 통해 발파굴착터널 설계 자동화에 활용할 수 있음. - 본 연구를 통해 수집된 터널설계에 필요한 세부 항목이 동일한 형식으로 정리된 데이터 베이스를 이용하여 터널 설계의 표준화 및 보다 선진화된 터널설계에 활용가능. - 도로 및 철도와 같은 토목구조물의 스마트한 설계로의 유도를 위한 모델에 활용가능. ○ 기대효과 - 기술적 측면 • 전세계적으로 4차산업혁명시대를 맞이하여, 전산업분야에서 인공지능을 활용하여 생산성, 정확성, 신속성이 향상된 작업으로의 전환 또는 기술개발이 이어지고 있음. 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 사료됨. • 본 연구를 통해 개발되는 인공지능 |
