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

터널 붕괴로 인한 피해를 예방하기 위해 록 볼트와 같은 보강재를 매립하여 터널의 안정성을 향상시킨다. 그러나 록 볼트와 같은 보강재는 내부에 매립되어 있다는 특성으로 인해 현재 상태를 육안으로 확인할 수 없다는 문제가 존재한다. 이에 본 연구는 매립된 록 볼트의 상태를 시각적으로 파악하고, 상태 평가를 가능하게 하는 방안을 제안한다. 이를 위해 건물 정보 모델(building information model, BIM)을 활용하여 터널과 록 볼트의 3D 모델을 생성하였고, 이후 Dynamo를 이용해 록 볼트의 정보와 부착된 센서로부터 측정된 데이터를 BIM에 통합하였다. 이러한 통합은 록 볼트의 상태를 지속적으로 모니터링하고 상태 평가를 통한 잠재적 위험을 조기에 식별할 수 있을 것으로 예상한다.

최근 도심지 등의 지하공간 활용에 대한 관심이 증대되면서, TBM (tunnel boring machine) 터널의 장대화, 대형화가 되어가는 추세이다. 이에 시공현장 작업자의 실시간 위치파악을 통해 안전사고를 예방하고 비상상황에 신속히 대응하는 것이 중요하다. 타 건설산업과 달리 터널의 밀폐된 환경, 굴진에 의한 시공현장의 확장, 중장비 사용 등에 의하여 TBM 공법 작업자의 위치정보는 정밀히 파악되어야 한다. 따라서 본 논문에서는 TBM 공법을 적용한 터널 시공현장을 대상으로 초광대역(ultra-wideband, UWB) 무선통신 기술을 활용해 작업자, 자재, 시공 구조물 등의 위치를 추적하는 시스템을 제안하고, 실제 현장특성을 고려한 시스템 구축 방안을 제시하였다. 작업자의 위치좌표를 산정하기 위한 UWB 기반 세부 위치측위 기술들을 소개하고, 터널 시공현장 특수성을 고려하여 최적 기술을 선정하였다. 또한, 작업자 태그, UWB 앵커노드 등 위치추적 시스템의 구성요소를 선정하고, 각 요소의 주요 고려사항을 분석하여 최적의 시공현장 위치추적 시스템 구성 방안을 제시하였다.

터널 라이닝 배면에 존재하는 공동은 터널 변상의 원인 중 하나로 거론되며, 라이닝 균열, 붕락, 터널 내공변위 증가 등의 변상을 유발할 수 있다. 국내외 라이닝 관련 설계기준 및 시방서에서도 라이닝 배면에 발생한 공동이 터널의 안정성에 부정적인 영향을 미치는 것으로 보고하였다. 본 연구에서는 다양한 NATM (New Austrian Tunnelling Method) 터널 조건에서 배면 공동에 따른 터널과 라이닝의 거동을 분석하였다. 다양한 터널 조건에서 거동을 분석하기 위해 암반등급, 토피고, 지하수의 유무를 달리한 터널 모델들을 구축하였다. 이때, 지하수가 존재하는 모델은 수리-역학 연계 해석을 수행하였다. NATM 터널 시공의 일련 과정을 모델링하기 위해 1차 지보재 평형 이후 공정인 라이닝 타설과 뒤채움 그라우팅 시공까지 모델링 하였다. 라이닝 타설과 뒤채움 그라우팅 시공 이후 배면의 공동을 모델링 하였고, 뒤채움 그라우팅 시공 여부를 달리한 모델을 구축하였다. 구축한 모델에 대해 터널이 시공된 후 장기 거동을 한 것으로 가정하여 1차 지보재 열화가 발생한 시나리오, 그리고 1차 지보재 열화와 소성압이 발생한 시나리오를 설정하였다. 각 시나리오에서 뒤채움 그라우팅 여부에 따른 터널과 라이닝의 거동을 비교 분석하였다.

최근 정부는 도심지 등 극심한 교통 지 ‧ 정체 문제를 해결하기 위해 약 30 km 이상의 지하고속도로 사업을 추진하고 있다. 이와 더불어 정부는 제4차 친환경자동차 기본계획(2021)에 근거하여 전기차(electric vehicle, EV) 보조금 지원사업을 시행하고 있으며, 이로 인해 리튬이온배터리(lithium-ion battery, LIB) 전기차의 비중이 증가되고 있는 추세이다. 하지만 2030년 이후 개통이 예상되는 지하고속도로는 이러한 환경변화에도 불구하고 전기차 화재사고 시, 이에 상응하는 화재대응 기술 및 대책 방안은 상당히 미흡한 실정이다. 따라서, 본 연구는 지하고속도로 내 전기차 화재사고 발생 시, 조기소화 및 확산방지를 위한 일환으로 전기차에 적용중인 LIB 모듈 대상 소화약제에 관한 적응성 실험을 수행하였다. 실험은 총 4종의 소화약제를 대상으로 스테인리스 스틸로 제작된 외함 적용 유무에 따라 총 8수준으로 실험변수를 설정하였다. 또한 LIB셀에 열적 이상 조건으로 열폭주를 유도한 이후 수계형 약제는 약 30 L/min의 속도로 80 L를 분사하였으며, 분말형 약제는 약 34 kg/min의 속도로 20 kg을 분사한 후, 온도 변화를 관찰하였다. 실험결과, LIB 모듈 대상으로 약 237~260°C 도달 시 열폭주 현상이 발생하였으며, 외함 적용 유무에 관계없이 수계형 침윤 소화약제가 온도감소 및 확산방지(열전이) 효과가 우수한 것으로 나타났다. 마지막으로 본 연구결과에서 제시된 기초 데이터는 추후 전기차 화재대응 기술 확보 및 시스템 개발에 널리 활용 될 수 있을 것으로 판단된다.

본 연구에서는 도심지 쉴드 TBM (tunnel boring machine) 터널 시공 중 발생하는 지반침하를 예측하기 위한 XGBoost (eXtreme Gradient Boosting) 머신러닝 모델을 개발하고, 그 성능을 평가하였다. 기존 연구들에서 주로 터널 후방의 침하를 예측하는 연구가 많았던 반면, 본 연구에서는 실시간 쉴드 TBM 시공 데이터를 활용하여 터널의 후방 침하뿐 아니라 전방 침하에 대한 예측도 시도하였다. 이를 위해 이수가압식 쉴드 TBM으로 시공한 터널 현장 데이터를 제공받아 지반 조건, TBM 굴진자료 , 터널 기하 조건 등을 분석하고 17개의 머신러닝 모델 입력변수를 선정하였다. 선정된 17개의 입력변수에 대해 쉴드 TBM 본체를 기준으로 전방 예측 범위(세그먼트 25링 전방, CASE 1), 중앙부(TBM 본체 상부, CASE 2), 후방 예측 범위(세그먼트 25링 후방, CASE 3) 등 세 범위로 구분하고 각 범위에 대하여 입력변수와 침하량 간의 상관관계를 분석하였다. 그리고 각 CASE별로, 즉 터널 전방(CASE 1), 중앙(CASE 2), 후방(CASE 3) 위치에 대해서 XGBoost 머신러닝 알고리즘을 적용한 지반침하 예측 모델을 구축하고 베이지안 최적화와 5겹 교차 검증을 통해 하이퍼파라미터를 최적화하였다. 모델 평가결과, 후방 침하 예측 모델은 결정계수(R²)값이 0.82로 가장 높은 성능을 보인 반면, 전방 침하 예측 모델의 결정계수는 0.52로 상대적으로 낮은 성능을 나타내었다. 이러한 결과는 후방 침하 예측 정확도가 전방 예측보다 우수하고, 전방 예측의 경우 지반의 불확실성과 굴착 변수의 영향을 더 많이 받아 정확도가 낮아질 수 있음을 시사한다. 머신러닝 모델이 TBM 터널 시공 중 발생하는 지반침하, 특히 막장면 후방의 침하를 예측하는 데 효과적인 도구이나 아직 전방 침하의 예측 정확도를 높이기 위해서는 많은 추가 연구가 이루어져야 함을 확인하였다.