Journal of Korean Tunnelling and Underground Space Association ISSN:2233-8292(Print) 2287-4747(Online) 한국터널지하공간학회 논문집

터널 내 온도변화는 지상 구조물과 비교하여 크지 않지만 한냉지역에서는 동결융해, 지하수위가 높은 지역에서는 이음부에서 누수량 변화를 야기한다. 도심지 6개 정거장으로 구분되는 철도터널 내 본선, 환기구, 정거장 온도변화를 블루투스 센서 55개를 이용하여 6개월간 측정하였다. 해당 구간에 대해 준공 후 10년, 15년, 20년 정밀안전진단 결함 물량에 유지관리 영향 인자를 반영하여 분석하였다. 구간별 일별, 월별 온도분포, 본선과 환기구의 온도분포, 다양한 위치별 온도분포에 따른 결함 특성을 파악하고자 하였다. 본 연구는 결함별 물량 변동과 터널 내 온도분포의 상관관계를 분석하여 그 원인을 추정하였다. 터널 내 온도변화 폭이 증가함에 따라 균열은 감소하였으며 누수 및 백태는 증가하는 것으로 나타났다. 이는 온도분포의 변화가 터널 결함 발생 양상에 영향을 미친다는 점을 시사하며, 유지관리 전략 수립 시 온도 환경을 고려한 결함 예측 및 대응이 필요함을 보여준다.

본 연구에서는 터널식 전력구 공사 과정에서 발생할 수 있는 지반 변위를 효과적으로 관측하고, 위험 징후를 조기에 인지할 수 있는 인공위성 기반 지반 모니터링 시스템을 개발하였다. 특히, 주 ‧ 야간 및 기상 조건에 영향을 최소화할 있는 인공위성 레이다 자료를 활용함으로써, 기존 점 기반 변위 계측 방식이 가진 공간적 제약과 장비 유지관리의 한계를 보완하였다. 본 시스템은 Sentinel-1 레이다 영상을 활용한 InSAR 분석 기능과 웹 기반 시각화를 통해 분석 결과를 제공하며, 사용자 접근성과 운용 편의성을 높였다. 실제 청주 전력구 공사 현장에 개발된 시스템을 적용하여 인공위성 InSAR 분석을 수행하였고, 지표침하계 측정값과 유사한 경향을 나타내어 신뢰성과 현장 적용 가능성을 확인하였다. 또한, 자동화된 영상 수집 및 분석, 위험도 평가, GIS 기반 시각화 기능 등을 통해 향후 다양한 전력설비에 대한 사전 위험 예측 및 대응 체계 구축에 활용 가능성을 시사하였다. 향후 본 시스템은 변전소, 송전탑, 배전설비 등 다양한 인프라에 확대 적용할 수 있으며, 다양한 위성 자료와 인공지능 기반 분석 기법을 연계함으로써 실시간성과 분석 정밀도를 더욱 강화할 수 있을 것으로 기대된다.

터널 구조물의 안전성 평가는 콘크리트 라이닝의 균열 검출 정확도에 크게 좌우된다. 최근 딥러닝(deep-learning, DL) 기반 자동화 기술이 활발히 도입되고 있으나, 고속으로 이동하며 촬영하는 이동식 터널 스캐닝 장비(mobile tunnel scanning systems, MTSSs)의 특성상 모션 블러(motion blur, MB)로 인한 이미지 품질 저하는 균열 검출 성능을 저해하는 주요 원인으로 작용한다. 본 연구는 이러한 문제를 해결하기 위해 무참조 이미지 품질 평가(no-reference image quality assessment, NR-IQA) 기법을 활용하여 저품질 이미지를 사전에 필터링함으로써 convolutional neural network (CNN) 기반 균열 검출 모델의 성능을 향상시키는 방안을 제시하였다. 실제 MTSS 이미지에 방향성을 갖는 MB를 단계적으로 적용한 데이터셋을 구축하고, 4종의 NR-IQA 지표(BRISQUE, NIQE, PIQE, CPBD)로 품질 점수를 산출하였다. 이후, Dynamic U-Net 모델의 균열 검출 성능(F1-score)과 NR-IQA 점수 간의 상관관계를 분석하였다. 실험 결과, MB 강도가 증가함에 따라 F1-score는 89.43%에서 4.45%로 급감하여 품질 저하가 성능에 미치는 치명적 영향을 확인하였다. 특히, CPBD, PIQE와 NIQE 지표는 F1-score와 매우 높은 통계적 상관관계 결과를 보여, 모델 성능을 예측하는 신뢰성 있는 지표로 활용될 수 있음을 입증하였다. 본 연구는 NR-IQA가 MTSS의 이미지 품질을 정량적으로 평가하고, 이를 기반으로 입력 데이터를 체계적으로 관리하여 CNN 모델의 안정성과 신뢰도를 향상시킬 수 있는 효과적인 도구임을 실험적으로 검증하였다.

공동구는 전력, 통신, 상수도 등 다양한 공급설비를 수용하는 중요한 도시 지하시설물로 대규모 토지개발 및 신도시 조성에 따라 그 수요가 지속적으로 증가하고 있다. 이에 공동구의 체계적인 유지관리 필요성이 점차 강조되고 있다. 본 연구에서는 공동구의 안전성, 내구성, 사용성을 포함한 종합적인 성능을 정량적으로 평가하고 그 결과를 기반으로 성능등급을 분류할 수 있는 Grey Clustering (GC) 기반 성능평가 모델을 제안하였다. GC 기법은 공동구 성능평가 항목의 가중치와 백색화 가중치 함수를 활용하여 성능등급별 종합 GC 계수를 산정하고 해당 공동구의 성능등급을 정량적인 지표로 분류하는 방법이다. GC 기법 기반의 성능평가 모델을 실제 공동구 3개소에 적용한 결과, 각 공동구의 성능을 5단계 등급으로 정량화할 수 있었다. 향후 공동구의 유지관리 및 성능개선 의사결정을 위한 합리적인 기준으로 활용 가능함을 확인하였다.

터널은 지하 공간의 효율적 활용을 통해 교통 및 물류 흐름을 개선하는 핵심 인프라이다. 그러나 운영 기간이 장기화됨에 따라 주변 지반의 열화로 인해 터널 노반의 수직변위가 발생하고, 이는 구조적 안정성에 영향을 미친다. 본 연구는 터널 구조물의 장기 안정성 확보를 목적으로, 지반 강도저하 모델을 기반으로 터널 공용기간인 30년 동안 노반의 수직변위를 확인하고자 수치해석을 수행하였다. 지반 열화율 10~70%에 따른 물성치 변화는 선행연구를 통해 도출된 모델 계수를 적용하였다. 이를 바탕으로 본 연구에서는 이를 시간 경과에 따라 연속적으로 적용하여 노반의 수직변위 및 터널 주변 지반의 소성변형을 정량적으로 분석하였다. 해석은 상용 유한요소 해석 프로그램인 ABAQUS를 이용하여 터널공용기간인 30년으로 수치해석을 수행하였으며, 30년 후 수직 변위는 인버트 미설치 시 43.13 mm, 설치 시 3.98 mm로 약 90% 이상의 저감 효과가 확인되었다. 이를 통해 열화율이 높은 조건에서도 인버트가 장기 안정성 확보에 유리한 것으로 나타났다.