KR101056056B1 - 하천 호안 시설물의 안전관리를 위한 분석방법 - Google Patents

Abstract

하천 호안의 사면에 설치된 시설물의 상태(대규모 손상 조짐이나 붕괴 조짐)를 실시간으로 정확하게 계측하고 이를 분석하여, 하천 호안에 설치된 시설물의 대규모 손상이나 붕괴가 우려될 경우 미리 그에 대한 대책을 수립하도록 도모해줌으로써, 하천 호안 시설물의 대규모 손상이나 붕괴로 인한 피해를 사전에 방지할 수 있도록 한 하천 호안 시설물의 안전관리를 위한 분석방법이 개시된다.

개시된 하천 호안 시설물의 안전관리를 위한 분석방법은, 하천 호안 시설물의 지표면 또는 지중에 수직방향으로 설치된 변위 감지 센서를 이용하여 타깃의 변위 데이터를 획득하는 단계와; 상기 획득한 타깃의 변위 정보를 그룹화하고, 상기 그룹화한 타깃의 변위 정보를 기반으로 유사성을 분석하여 사면 거동을 판단하는 유사성 분석단계와; 상기 유사성 분석결과 거동가능한 그룹이 존재할 경우, 추후 상황을 예측하기 위해 승법 분해를 수행하는 승법분해 단계를 포함한다.

하천 호안, 사면, 안전관리, 승법분해, 근접성, 상대변위 차, 유사성

Description

하천 호안 시설물의 안전관리를 위한 분석방법{Analysis method for safety management of revetment facilities}

본 발명은 하천 호안의 사면에 설치된 시설물의 상태(대규모 손상 조짐이나 붕괴 조짐)를 실시간으로 정확하게 계측하고 이를 분석하여, 하천 호안에 설치된 시설물의 대규모 손상이나 붕괴가 우려될 경우 미리 그에 대한 대책을 수립하도록 도모해줌으로써, 하천 호안 시설물의 대규모 손상이나 붕괴로 인한 피해를 사전에 방지할 수 있도록 한 하천 호안 시설물의 안전관리를 위한 분석방법에 관한 기술이다.

우리나라는 지난 2002년도부터 2004년도까지 태풍 '루사', '매미' 등 크고 작은 태풍의 내습과 잦은 강우로 인하여 모든 유역의 대·소 하천 모두가 호안(제방) 붕괴, 유실 및 범람으로 많은 수해를 입었다.

이는 하천 호안의 시설물 설계 당시 기존의 호우사상과는 달리 특정 지역에 국지적이며 집중적(게릴라 성)인 강우가 발생하여 예측이 불가능하고, 천문학적 확률의 초과 강우로 인하여 하천의 홍수지속시간이 3일('02년도 설계개념)인 72시간을 넘어섬에 따라 제방의 제체가 포화되어 슬라이딩 등이 발생되고 파이핑 및 제 체, 구조물 부위의 누수 등이 발생한 것으로 추정된다.

하천구조물에서 기존 제방의 누수 등이 발생한 사례를 통해 2002년의 배수통문 관련 홍수피해를 살펴보면 12%(453건 중 54건)에 해당하여 하천시설물(구조물)에 의한 수해의 규모가 점차 커지고 있음을 알 수 있다.

따라서, 효과적인 제방안전관리를 위하여 수자원(수리, 수문학적), 토질, 구조적 측면의 다각적인 내용을 고려할 수 있는 미래지향적 첨단 안전관리기법의 제시가 절실히 필요한 상황이다.

한편, 사면붕괴의 위험성이 있는 다양한 실 계측 데이터들이 토목기술자들에게 주어졌지만, 이를 해석, 가공 후 실시간 사면 거동 양상을 분석하고, 사면안정에 대한 결론을 유도하는 일은 결코 쉬운 일이 아니다.

현재 제방의 누수부위를 탐지하거나 제체구조의 건전성을 평가하기 위한 다양한 방법이 국내외적으로 제안되고 있다.

국내에서는 자연전위탐사나 전기 비저항탐사, 저온탐사와 같은 물리 탐사법이 다양하게 적용되고 있다. 이러한 방법은 분해능을 높이기 위하여 전극 간격을 매우 작게 설정할 경우 가탐심도가 낮아지게 되므로, 일정 규모 이상의 호안에서는 전극 간격을 적정간격 이상으로 유지해야 한다.

국외에서는 계측자료에 의한 위험 예측에 관한 연구 중 수학적 해석기법과 유사한 연구로서 비선형동적모델(NDS)을 이용한 연구가 있으며, 이는 지진을 포함한 구조물에 대한 붕괴시간을 해석하는 방법을 제안한 것이다.

그러나 이러한 모든 기존의 토목구조물 계측관리방법은, 효과적인 과업수행 을 위해 구조물별 관리기준치를 산정하여 계측결과와 설계시 산정한 값과의 비교분석을 수행하는 방식이다.

현재 토목계측분야에서는 계측자료와 비교할 관리기준치가 명확하지 않은 것으로 확인되었으며, 현재 사용되고 있는 관리기준치는 일본과 미국의 자료를 그대로 인용하고 있는데, 이 또한 구조물의 설계시 산정한 값이 아니라 경험적인 값을 일괄적으로 유사 구조물에 사용해야 하는 단점이 있다.

특히, 수리시설물은 타 구조물에서 사용하는 단순 비교 형태의 관리기준방법을 적용하기에는 너무나 많은 변수들이 존재하므로 수리시설물의 특성에 적합한 관리기준치 산정방법이 절실히 요구된다.

본 발명은 상기와 같은 필요에 의해 제안된 것으로서,

본 발명이 해결하고자 하는 과제는, 하천 호안에 설치된 시설물의 상태(대규모 손상 조짐이나 붕괴 조짐)를 실시간으로 정확하게 계측하고, 분석할 수 있도록 한 하천 호안 시설물의 안전관리를 위한 분석방법을 제공하는 데 있다.

본 발명이 해결하고자 하는 다른 과제는, 하천 호안에 설치된 시설물의 대규모 손상이나 붕괴 조짐을 미리 계측하고 분석함으로써, 그에 대한 대책을 수립하도록 도모해주어, 하천 호안 시설물의 대규모 손상이나 붕괴로 인한 피해를 사전에 방지할 수 있도록 한 하천 호안 시설물의 안전관리를 위한 분석방법을 제공하는 데 있다.

상기와 같은 과제들을 해결하기 위한 본 발명에 따른 "하천 호안 시설물의 안전관리를 위한 분석방법"은,

하천 호안 시설물의 지표면 또는 지중에 수직방향으로 설치된 변위 감지 센서를 이용하여 타깃의 변위 데이터를 획득하는 단계와;

상기 획득한 타깃의 변위 정보를 그룹화하고, 상기 그룹화한 타깃의 변위 정보를 기반으로 유사성을 분석하여 사면 거동을 판단하는 유사성 분석단계와;

상기 유사성 분석결과 거동가능한 그룹이 존재할 경우, 추후 상황을 예측하기 위해 승법 분해를 수행하는 승법분해 단계를 포함한다.

상기 타깃의 변위 정보를 그룹화하는 것은 동일 단면에 설치된 수평방향 타깃의 변위 정보들을 하나의 그룹으로 그룹화하는 것을 특징으로 한다.

또한, 상기 유사성 분석단계는,

상기 그룹화한 타깃의 변위 정보를 기반으로 근접성을 분석하는 근접성 분석단계와;

상기 타깃의 변위 정보를 기반으로 상대변위 차를 분석하는 상대변위 차 분석단계; 및

상기 근접성과 상대변위 차를 분석한 결과 정보를 기반으로 유사성 분석을 수행하여 사면 거동을 판단하는 사면 거동 판단단계를 포함한다.

또한, 상기 승법 분해단계는,

과거 데이터를 이용하여 미래 상황을 예측하는 것을 특징으로 한다.

본 발명에 따르면, 하천 호안에 설치된 시설물의 상태(대규모 손상 조짐이나 붕괴 조짐, 사면 거동)를 실시간으로 정확하게 계측하고, 이를 분석할 수 있는 장점이 있다.

또한, 상기와 같은 장점으로 인해 하천 호안에 설치된 시설물의 대규모 손상이나 붕괴 조짐을 미리 예측할 수 있어 그에 대한 대책을 수립하도록 도모해줌으로써, 하천 호안 시설물의 대규모 손상이나 붕괴로 인한 피해를 사전에 방지할 수 있는 장점이 있다.

이하 본 발명의 바람직한 실시 예를 첨부한 도면에 의거 상세히 설명하면 다음과 같다. 본 발명을 설명하기에 앞서 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다.

도 1a는 본 발명에서 복수의 타깃이 필드(현장)의 지표 사면에 설치된 일 예도이고, 도 1b는 복수의 타깃이 필드(현장)의 지중 사면에 설치된 일 예도이며, 도 2는 본 발명에 따른 하천 호안 시설물의 안전관리를 위한 분석시스템의 개략 구성도이고, 도 3은 본 발명에 따른 하천 호안 시설물의 안전관리를 위한 분석방법을 보인 흐름도이다.

도 1a와 도 1b의 차이점은 타깃에 설치된 변위 감지 센서가 다르다. 예를 들어, 도 1a와 같이 지표의 사면에 설치되는 변위 감지 센서는 각 타깃과 타깃을 와이어로 연결하고 해당 와이어의 변위 길이를 측정하는 길이측정센서 또는 GPS를 이용한 위치 측정 센서를 사용하는 것이 바람직하고, 도 1b와 같이 지중의 사면에 설치되는 변위 감지 센서는 각도센서를 이용하는 것이 바람직하다. 길이측정센서, 각도센서 또는 위치측정센서는 변위 측정을 위한 분야에서 이미 공지된 센서를 그대로 채택하게 되므로, 그의 자세한 설명은 생략한다.

지표의 사면에 설치된 타깃을 이용하여 변위 정보를 측정하는 것과 지중의 사면에 설치된 타깃을 이용하여 변위 정보를 측정하는 방법은 설치된 센서에만 그 차이가 있을 뿐, 측정된 변위 정보를 이용하여 사면 거동을 분석하는 방법은 동일하므로, 이하에서는 설명의 편의를 위해 지표 사면에 타깃을 설치한 것에 대해서만 설명한다.

도 1a에 도시한 바와 같이, 본 발명에 적용된 복수의 타깃(101 ~ 104)은 현장(필드)에 설치된 하천 호안 시설물의 지표 사면에 폴(111 ~ 114)을 이용하여 설치된다. 여기서 타깃은 동일 단면을 기준으로 수평적으로 설치되는 것이 바람직하다.

도 1a에는 편의상 사면에 4개의 타깃만을 도시하였으나, 하천 호안 시설물의 상태를 정확히 예측하기 위해서는 가능한 많은 수의 타깃이 설치되는 것이 바람직하나, 타깃의 수가 많으면 많은 수록 정확성은 도모할 수 있지만 타깃의 설치 비용과 정보 처리에 과다하게 비용이 소모되므로, 실험 등에 의해 최적화된 개수의 타깃을 설정하는 것이 바람직하다.

여기서

는 각 단면의 센서위치로서, n은 단면번호이고, m은 센서위치이다.

도 2는 각도센서 또는 GPS를 이용한 하천 호안 시설물의 상태 계측시스템을 도시한 구성도로서, 현장 시스템(100), 하천 호안 시설물의 상태 분석수단(200), 통신망(300), 감시 시스템(400)으로 구성된다.

현장 시스템(100)은 폴(111 ~ 114)에 의해 현장의 하천 호안 시설물(120)의 지표면에 수직방향으로 설치되며 변위 측정 센서를 포함하는 복수의 타깃(101 ~ 104)과, 상기 현장에 설치된 복수의 타깃(101 ~ 104)에 포함된 변위 측정 센서로부터 획득한 타깃 변위 정보를 연결된 통신망에 대응하는 데이터 포맷으로 변환하여, 상기 통신망을 통해 원격에 위치한 하천 호안 시설물의 상태 분석수단(200)으로 전송하는 변위정보 전송수단(130)을 포함한다.

변위정보 전송수단(130)은 각 변위 측정 센서로부터 획득한 변위 정보를 신호 처리하여 접속되는 단말기로 유선 전송하기 위한 신호처리기를 포함할 수 있으며, 신호처리기에서 처리된 변위 정보를 무선 통신망으로 전송하기 위한 무선 데이터 포맷으로 변환하여 무선 전송하는 무선 전송기를 포함할 수도 있다. 유선 단말 기를 이용할 경우 관리자가 신호처리기에 접근하여 직접 단말기를 신호처리기에 접속해야하는 불편함이 있으며, 무선 전송 방식일 경우에는 관리자가 직접 신호처리기의 위치까지 답사하는 불편함을 제거할 수 있는 장점이 있다. 그러나 유선 방식과 무선 방식은 주지한 바와 같이 다양한 장·단점이 존재하므로, 하천 호안 시설물의 설치 위치나 기타 주변 환경을 고려하여 적절한 방식을 취사선택하거나 두 가지 방식을 병행하여 사용하는 것도 가능하다.

하천 호안 시설물의 상태 분석수단(200)은 상기 현장에 설치된 현장 시스템(100)과 마찬가지로 현장에 설치할 수도 있으며, 원격에 설치하고 별도의 통신망(예를 들어, CDMA)을 통해 데이터 통신을 수행하는 방식을 이용할 수도 있다. 관리의 편리성이나 기타 주변 환경 등을 고려할 때 원격에 설치하는 것이 바람직하다.

이러한 하천 호안 시설물의 상태 분석수단(200)은 상기 변위정보 전송수단(130)에서 전송된 상기 복수 타깃의 변위 정보를 그룹화하고, 그 그룹화한 타깃의 변위 정보를 분석하여 하천 호안 시설물의 상태를 계측하는 기능을 수행하는 것으로서, 구체적으로는, 상기 변위정보 전송수단에서 전송된 복수 타깃의 변위 정보를 수신하기 위한 변위정보 수신수단(210)과; 상기 변위정보 수신수단(210)에서 수신한 변위 정보를 데이터베이스(221)에 저장하고 이를 관리하기 위한 데이터베이스 서버(220)와; 상기 데이터베이스(221)에 저장된 복수 타깃의 변위 정보를 그룹화하고, 그 그룹화한 타깃의 변위 정보를 SAM 알고리즘으로 분석하여 사면 거동을 판단하고, 그 판단 결과 거동 가능한 그룹이 존재할 경우 승법 분해를 수행하여 미래 상황을 예측하며, 그 결과를 하천 호안 시설물의 미래 상황 예측 정보로 제공하는 예측수단(230)과; 상기 예측수단(230)에서 예측한 하천 호안 시설물의 상태 정보를 통신망(300)을 통해 일반 사용자 및 정보 참조자의 단말기로 전송해주는 예측정보 전송수단(240)을 포함한다.

여기서 예측수단(230)은 통상의 정보처리용 컴퓨터를 의미하므로, 그에 대한 구체적인 설명은 생략한다.

감시 시스템(400)은 상기 통신망(300)을 통해 변위정보 분석정보를 수신하여 사용하기 위한 일반 사용자(비 전문가) 시스템(410)과, 상기 통신망(300)을 통해 변위정보 분석정보를 수신하여 하천 호안 시설물의 대규모 손상이나 붕괴를 통보해주거나 대규모 손상이나 붕괴로부터 피해를 방지하기 위한 대책을 수립하는 분석 전문가인 정보 참조자 시스템(420)을 포함한다.

이와 같이 구성된 본 발명에 따른 하천 호안 시설물의 안전관리를 위한 예측시스템은, 하천 호안시설물의 지표 사면에 설치된 타깃(101 ~ 104)에 포함되는 변위 측정 센서에서 하천 호안 시설물의 변위량을 측정하게 되고, 변위정보 전송수단(130)의 신호 처리기에서 상기 측정한 변위 정보를 신호 처리하고 데이터 파일로 만들어 단말기가 접속할 경우 해당 단말기로 유선 전송해준다. 만약, 무선 데이터로 원격에 전송할 경우에는 무선 전송기에서 통신망에 대응하는 무선 데이터 포맷으로 변환을 하여 상기 통신망을 통해 변위 정보를 무선 전송하게 된다. 측정된 변위 정보는 각 단면의 센서위치 정보와 단면 번호 정보와 센서 위치 정보를 포함한다. 또한, 측정된 변위 정보는 각 동일 단면에 대해서 수평적으로 설치된 타깃의 변위 정보를 의미한다. 예를 들어, 하천 호안 시설물의 지표 사면에 수직적으로 4개의 타깃이 일정 간격으로 설치되고, 동일 단면에 대해서 수평적으로 타깃이 8개 지표면에 설치되었다고 가정을 하면, 1회의 검출 시점에 대해서 32개의 변위 정보가 발생하게 되며, 동일 단면에 대해서 수평적으로 8개의 변위 정보가 하나의 그룹으로 그룹화되므로, 상기와 같은 경우는 4개의 데이터 그룹을 얻을 수 있게 된다(S101 ~ S103).

이렇게 얻어지는 그룹화 정보는 대표 단면을 설정하여 호안의 파괴라인 추정 즉, 깊은 파괴면 인지 아니면 얕은 파괴면으로 붕괴가 될 것인지 예측하는 데 사용된다. 분석하고자 하는 단면에서 발생 가능한 잠재적인 파괴 라인은 센서 수에 따라 비례하며, 모든 경우의 수를 포함하여 각 단계별로 분석을 수행한다.

여기서 각 단면을 기준으로 설치된 센서의 수량이 5개 미만으로 적다면 단면에 상관없이 전체적으로 그룹화하여 분석하는 방법을 적용할 수도 있다.

상기에서 현장 시스템(100)은 필요에 따라 유선 전송 방식과 무선 전송 방식을 병행하여 구현하는 것도 가능하다.

하천 호안 시설물의 상태 분석수단(200)은 변위정보 수신수단(210)을 통해 상기 변위정보 전송수단(130)에서 전송된 변위 정보를 수신하게 되는 데, 변위정보 수신수단(210)은 변위정보 전송수단(130)에 대응하는 기술적 구성을 갖고 변위 정보를 수신하게 된다. 예를 들어, 전송수단이 유선 방식(RS-485)일 경우 수신수단도 유선 방식의 구성을 갖게 되며, 전송수단이 무선 방식일 경우에는 수신수단도 무선 방식의 구성을 갖게 된다.

변위정보 수신수단(210)에서 하천 호안 시설물의 지표에 수직방향으로 설치된 복수 타깃의 변위 정보를 수신하게 되면, 데이터베이스 서버(220)에서 이를 데이터베이스(221)에 저장하게 되고, 예측수단(230)은 상기 데이터베이스(221)에 저장된 복수 타깃의 변위 정보를 기 설정된 SAM 알고리즘 및 승법 분해 모델(MDM: Multiplicative Decomposition Model)을 적용하여 하천 호안 시설물의 상태를 예측하게 된다.

이를 위해 근접성 분석과 상대변위 차 분석, 그리고 상기 근접성 분석과 상대변위 분석 결과를 이용한 유사성을 분석한다(S105). 먼저 상기 타깃의 변위 정보를 기반으로 근접성(Closeness)을 분석하게 된다. 여기서 근접성은 관측점 사이의 시간 열 데이터의 차이, 즉, 각 관측점의 시간 열 데이터의 상호 관련 정도를 의미한다.

사면에 설치된 각 관측점의 시간 열 데이터의 상호 관련 정도를 측정하기 위하여, 각 관측점의 변위 데이터를 비교하여, 관측점들의 연동성, 즉, 거동양상을 분석하여 거동하는 사면의 크기와 속도 등을 확인하게 된다.

계측대상사면 표면에 관측점 혹은 폴이 N개 있다고 가정을 하고, 각각의 관측점을 P1, P2,...,Pn이라고 한다. 데이터를 측정하는 시간분포를 t1, t2,...,tn이라 하고, 시간에 따른 각 관측점의 위치변화, 즉, 사면 상부의 변위를 D라고 한다. 그러므로 시간에 따른 Pi점의 변위는 Di(t1),Di(t2),...,Di(tn)으로 표현하거나, 간단히 Di(tk), k=1, 2,...,tn으로 표현할 수 있다.

같은 방법으로 Pj점의 경우, 시간 열에 따른 변위는 Dj(t1),Dj(t2),...,Dj(tn)으로 표현된다.

시간이 tk일 때, 두 관측점 Pi와 Pj 사이의 변위차는 아래의 수식1과 같이 정의한다.

두 관측점 Pi와 Pj사이의 시간영역이 [t1, t2]일 때, 변위에 관한 시간 열 데이터, Di,j(tk)이 평균변위차는 아래의 수식 2와 같이 표현할 수 있다.

그러나 변위차 Di(tk)는 영역이 [0 ~ ∞]사이인 거리 차원을 가지고 있다.

도 4에 보듯이, 사면의 파괴가 사면 하단으로 파괴가 일어나는 얕은 파괴 같은 경우, 변위가 +∞방향으로 발생할 것이며, 깊은 파괴와 같이 파괴면이 회전할 경우, 변위는 0방향으로 움직일 것이다. 여기서 ∞의 공학적 의미는 사면파괴에 해당하며, +는 두 관측점 간의 변위의 증가, -는 변위의 감소를 의미한다. 사면에서 발생한 변위차는 추후 전개될 수식 및 그래프 상에서 비교분석되어야 하므로, 변위차를 무차원의 간단한 상수로 바꾸어 계산하는 것이 좋을 것이다. 그러므로 변위차가 [0 ~ ∞]사이에서 움직이고 있으므로, [0° ~ 90°] 사이에서 [0 ~ ∞]로 움직이는 tan함수의 특성을 이용할 경우, 함수를 무차원 상수로 변환할 수 있다. 변환된 무차원 상수는 [0 ~ 1] 구간에서 움직일 것이다. 이 변환방법은 아래의 수식3과 같다.

혹은

이다.

이 식은 다시 아래의 수식 4와 같이 다시 정리할 수 있다.

여기서

의 영역은 0≤

≤90이므로,

는 [0 ~ 1] 구간 내의 상수 값으로 계산된다. 그러므로

는 두 사면 관측점의 계측변위 데이터의 차이를 거리 차원이 아닌 무차원 상수로 나타낼 수 있는 값이다.

그러나 사면이 얼마나 같이 연동하는가 즉, 사면의 두 관측점이 같이 움직이는가를 알면 파괴면의 크기를 알 수 있을 것이다. 다시 말하면, 사면 내 두 관측점 의 같은 시간대 변위차가 크면, 두 지점은 서로 다른 파괴면 위에서 따로 움직이고 있는 것이고, 변위 차가 적거나 거의 없다면 두 관측점은 같은 파괴면 상에서 움직이고 있으므로, 파괴면의 크기와 속도 등을 유추할 수 있다.

그러므로 두 관측점의 변위 데이터의 차이, 즉 관측점의 근접성에 관한 지수를 새로 도입할 필요가 있다. 근접성 지수는 전적으로 두 관측점의 변위 차와 다른 개념이며, 근접성 지수는 상수로 정리된 변위 차에서 최대값을 빼면 된다. 사인함수로 표시된 변위의 최대값의 경우, +변위의 경우 1이며, -변위의 경우 0이다. 따라서 근접성 지수는 무차원 상수로 정의된 변위차, 즉,

를 최대값 1에서 빼주면된다.

시간차 i, j에서 발생한 사면 내 두 관측점 사이의 근접성 지수는,

근접성 지수(

)=발생가능한 최대변위 차(0 ~ ∞) - 실제 변위차(

) = 1(

의 양의 최대변위 값) -

(실제변위 값)

혹은, = 0 - (-

)(음의 실제변위 값)

그러므로 파괴 사면의 회전으로 인한 두 관측점 간의 상대적 변위가 감소하는 깊은 파괴의 경우, 근접성 지수는 음의 값을 가지게 되며, 파괴 사면의 병진으로 상대적 변위가 증가하는 얕은 파괴의 경우, 양의 지수 값을 가지게 된다.

결론적으로 근접성 지수의 절대값이 크면 두 관측점의 시간 열 데이터의 차이가 작다는 것이고, 이는 두 지점의 변위량 차이가 작다는 것을 의미한다. 즉,

근접성 지수의 절대값이 작을수록 두 관측점의 변위차가 작으므로 거동 양상은 비슷하다. 즉, 지수가 1 혹은 0에 근접할수록 사면의 거동 양상은 비슷하며, 이는 같은 파괴면 상에 있다. 변위량이 지속적으로 증가하고 있는 일반적인 사면 거동에 대한 근접성 지수는 아래의 수식 5에 보인 바와 같으며, 만약 현저한 깊은 파괴로 인한 상대변위 감소 구간에서는 아래의 수식 5에 대해 부호만 다르게 정의된다.

다음으로, 타깃의 변위 정보를 기반으로 상대변위 차를 분석하게 된다. 여기서 상대변위 차는 데이터 시리즈의 그래프 형상의 비슷한 정도를 의미한다.

사면의 파괴에 따른 거동양상은 긴 시간에 걸쳐 일어나므로, 두 관측점 사이의 변위 차가 시간에 따라 다른 거동을 보이는 형상을 찾는 것이 유리하다. 그러나 근접성 지수의 경우 각 관측점 사이의 전체 시간 열 데이터를 단순히 하나의 지수로 나타내므로, 각 관측점 사이의 거동차이가 일어나는 과정을 분석하기가 힘들다. 즉, 전체 거동차이를 하나의 값으로 나타내는 근접성 지수보다 과정을 알 수 있는 그래프를 이용하는 것이 유리하다. 그러므로 이러한 요구에 합당하게 유사성이라는 개념을 도입하고자 한다.

다시 말하면, 근접성 지수는 평균치라는 개념을 이용하고 있으므로, 안정적인 데이터와 불안정한 데이터 모두 평균치는 같을 수 있으나, 데이터를 그래프로 그려보면 유사한 형상을 보이는 그래프의 데이터가 같은 사면 거동양상을 보임을 쉽게 알 수 있다.

유사성의 개념을 이용하기 위해 먼저 상대 변위 차(relative displacement)를 정의한다. 상대변위 차는 두 관측점 사이의 최대변위차(

)와 최소변위차(

)와 해당 시점의 변위차를 사용하여 구할 수 있다. 두 관측점의 최대변위 차와 최소변위 차의 차이가 변위차 차이의 최대값이 될 것이며, 이는 두 관측 데이터를 이용한 변위차 그래프의 최대간격(

-

)이 될 것이다. 그리고 최대 변위차값을 해당 시점의 변위차값으로 빼면 이는 변위차 그래프의 해당 시점의 간격이 되며(

-

), 해당 간격을 최대 간격으로 나누면 이는 상대 변위차가 될 것이다. 먼저, 최대 및 최소 상대변위 차는 아래의 수식 6 및 수식 7로 정의되며, 이는 도 5와 같이 나타낼 수 있다.

두 관측점의 관측시간 i, j구간에서 어떤 시간 tk에 해당하는 시간 열 데이터에 관한 상대변위 차는 아래의 수식 8로 정의할 수 있다.

두 시간 열 데이터의 평균값을 구하면, 아래의 수식 9로 정의할 수 있다.

의 범위는 [0 ~ 1]인 무차원수이므로, 당연히 이의 평균값인

역시 범위가 [0 ~ 1] 사이인 무차원수이다.

값이 크거나 혹은 1에 근접할 때 i, j시간 구간의 데이터 시리즈는 유사한 모양을 갖게 될 것이다. 다시 말하면,

값이 작거나 0에 근접하면 i, j시간 구간의 데이터 시리즈는 서로 다른 모양을 갖게 될 것이다.

다음으로, 상기 근접성 분석과 상태변위 차 분석 결과를 이용하여 유사성 분석을 하고, 그 유사성 분석 결과를 기반으로 사면 거동을 판단하게 된다(S107).

두 관측점의 시간 열 데이터의 차이, 즉, 두 지점의 변위량 차이를 수치화하기 위하여 근접성 지수(

)라는 개념을 정의하였고, 데이터 시리즈의 그래프 형상의 비슷한 정도를 나타내기 위하여 상대 변위차(

)라는 개념을 정의하였다. 상기 두 가지 개념을 각각 사용하는 것이 아니라 함께 사용한다면, 두 관측지점의 시간 열 데이터의 변위 차의 정도 및 그래프로 나타난 모양이 비슷한 정도(각 지점의 시간에 따른 데이터의 증감 정도)를 동시에 나타낼 수 있을 것이다. 이 두 개념은 근접성과 상대변위 차를 각각 좌표의 한 축으로 하여 도 6과 같이 그림으로 표현할 수 있으며, 같은 무리에 속하면 같은 거동을 나타내고 있다고 할 수 있을 것이다. 도 6에 도시한 바와 같이 유사성 분석을 통해 모두 3개의 그룹이 형성되었으며, 비교적 협소한 영역에서 3가지 이상의 거동 형태가 있다고 할 수 있으며, 구조물이 불안정하다는 것을 알 수 있다.

두 관측점의 시간 열 i와 j에서 만들어진 근접성 지수와 상대 변위차의 곱을 이용하여 유사성을 정의한다. 이 유사성(

)은 아래의 수식 10과 같이 정의한다. 구간이 [0 ~ 1] 사이인 두 무차원수로 구성되었으므로, 유사성은 당연히 [0 ~ 1]사이의 범위 구간에 존재한다.

주지한 바와 같이, 근접성, 상대변위 차 및 유사성이라는 개념을 이용함으로써, 사면 붕괴의 위험성이 있는 다양한 실 계측 데이터들을 해석, 가공한 후 실시간 사면 거동 양상을 분석하여 사면안정에 대한 결론을 유도할 수 있게 된다.

상기 유사성을 분석한 결과 거동 가능한 그룹이 존재할 경우, 승법 분해 모델(MDM)을 이용하여 향후 데이터를 예측하게 된다(S109).

시계열분석(Time-Series Analysis)은 과거 데이터를 축적하여 이후 상황을 예측하기 위한 가장 훌륭한 방법이다. 이는 과거에 발생했던 사실을 바탕으로 미래에 일어날 가능성을 예측하는 것이다. 만약 구조물의 추후 파괴가능성을 미리 예측하고 싶다면 과거의 주기적인 데이터를 이용하여 능동적으로 예측할 수 있다.

시계열 모델에는 이동평균(Moving Averages), 이동가중평균법(Weighted Moving Averages), 지수평활법(Exponential Smoothing), 선형추세분석(Linear Trend Analysis), 계절변동분석(Seasonality Analysis), 그리고 승법분해(Multiplicative Decomposition) 등의 방법이 있다.

통계적 시계열 분석은 일반적으로 크게 2가지 방법이 있다. 그 중 가장 폭넓게 사용하는 방법으로 승법분해가 있으며, 본 발명에서도 이를 이용하여 미래 데이터를 예측하게 된다. 승법 분해는 4가지 즉, 추세변동(Trend), 계절변동(Seasonality), 순환변동(Cycles), 불규칙 변동(Random)으로 구성되어 있으며, 이는 아래의 수식 11과 같다.

Forecast = Trend × Seasonality × Cycles × Random

승법분해모델(MDM)은 크게 2가지 성분으로 구분할 수 있는 데, 계절적인 영향 요소와 추세 및 주기의 조합으로 구성된다. 불규칙변동 요소는 우연적이며 급격한 변화에 의한 비 반복적인 요인으로서 분별할 수 있는 가능성이 없다. 다시 말하면 승법분해모델은 추세변동과 주기적인 계절변동으로 승법분해되는 분석방법이다.

추세변동분석(Trend Analysis)은 과거 측정된 데이터들로부터 추세변동을 알 수 있는 방정식이라고 할 수 있으며, 추세변동분석 그래프를 통해 중장기적인 미래의 데이터를 예측할 수 있다. 이를 위해 도 7에 도시한 바와 같은 회귀분석법을 사용하였으며, 이는 회귀방정식으로 표현되며 아래의 수식 12에 나타내었다.

예측된 데이터의 정확도는 실제 혹은 계측된 데이터와 예측된 데이터의 비교에 의해 결정할 수 있다. 만약 시간에 따라 예측된 값을 Ft라고 하고 실제 값을 At라 하면 예측에러(Forecast error)는 아래의 수식 13과 같이 정의된다.

다음으로, 데이터 분석을 수행한다. 상기 유사성 분석에서 사용한 특정 현장(예를 들어, 충청북도 D현장) 전체 데이터를 20주기(1P=Quarter)로 나누었으며, 도 8은 입력 값(Input Data)과 계절변동분석(Seasonality Analysis)이며, 도 9는 예측에러분석(Forecast Error Analysis)을 수행한 결과를 나타낸 것이다.

도 10은 과거의 데이터를 이용해 미래를 예측하는 방법을 설명한 예시도이며, 21 ~ 24주기의 미래 예측 데이터를 산정하여 예측한 것이다. 도 11은 현재부터 이전의 20주기까지의 데이터를 이용하여 이후 예측 값(21 ~ 24주기)을 산정하여 향후 현장의 데이터를 예측한 결과이다.

D현장의 경우 예측에러분석에서 MAD=1.585, MSE=4.754로서 실제 값과 예측 값의 차이가 거의 없지만 MAPE=54%로서 우연적이고 비 예측적인 요인(붕괴요인 등)의 영향이 다소 존재할 가능성이 있는 것으로 가정할 수 있고, 실제 D현장은 위험한 사면으로서 계측기간 중 붕괴 이력이 있다.

여기서 승법분해모델(MDM) 분석은 유사성 분석결과 그룹 중 위험 가능성 그룹으로 분류한 센서번호를 우선적으로 분석을 수행한다. MDM분석의 목적은 실제 값과 예측 값의 차이가 거의 없는 상황이라면 추후 계측될 데이터의 값을 추정할 수 있다는 것이다. MDM분석시 구할 수 있는 MAD, MSE, MAPE는 예측에러 정도를 파악할 수 있다.

상기 예측에러 정도를 파악한 결과, 예측에러가 적은 경우에는 추후 데이터를 예측할 가능성이 크다는 것을 의미하고, 그 분석 결과를 감시 시스템으로 전송하게 된다(S111, S115).

그러나 예측에러 정도를 파악한 결과 예측에러가 크다는 것은 두 그래프가 거의 일치하지 않는다는 의미이지만, 예측 에러의 원인규명 노력을 통해 구조물의 거동에 관한 또 다른 정보를 연구할 수 있는 가능성을 줄 수 있다. 다시 말하면 주기적인 요인이 아니라 비 예측적인(붕괴 인자 등) 요인이 지배적이라는 의미가 되므로 현장조사(S113) 등을 통해 데이터의 적합성 유무를 판단한 후 적절한 조치를 취할 수가 있다.

이렇게 판단한 하천 호안 시설물의 안전관리를 위한 분석정보는 인터넷과 같은 통신망을 이용하거나 문자메시지(SMS) 같은 문자 전송 방식을 이용하여 관리자(하천 호안 시설물을 관리하는 전문 관리자) 및 일반 사용자(해당 정보를 이용하는 사용자로서 비 전문가)에게 전송된다.

관리자는 전송된 하천 호안 시설물의 안전관리를 위한 분석 정보를 확인하고, 하천 호안 시설물이 대규모 손상이 발생할 조짐이 있거나 붕괴 우려가 있다고 판단이 되면, 경보를 발령하고, 후속 조치를 신속하게 취함으로써, 추후 하천 호안 시설물의 대규모 손상이나 붕괴로 인해 발생할 수 있는 피해를 최소화한다.

한편, 주지한 본 발명에서 하천 호안 붕괴 예측을 위한 데이터 구성도는 크게 호안 데이터, 관측 정보, 분석 알고리즘(MDM)의 세 가지 그룹으로 구성하였다. 각각의 그룹에 속한 클래스들은 호안 붕괴 예측 과정에서 필요한 정보를 관리하게 된다. 이러한 데이터 구성은 단순한 호안의 관측뿐만 아니라 다양한 실시간 분석 작업을 진행할 수 있는 통합된 구성 체계로써, 정보의 분류와 연계성을 고려한 효율적인 구성체계이다. 또한, 관리해야 할 데이터와 분석 알고리즘을 분리하여 향후 분석 알고리즘을 추가하려 할 경우 기 구축된 정보체계의 변경을 최소화할 수 있도록 분석 알고리즘 단계를 분리하여 설계하였다. 때문에 향후 알고리즘의 추가와 확장시 큰 어려움 없이 변경할 수 있다는 장점이 있다.

본 발명은 상술한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.

도 1a 및 도 1b는 본 발명이 적용되는 현장 시스템의 개략 구성도.

도 2는 본 발명에 따른 하천 호안 시설물의 안전관리를 위한 분석시스템의 구성도.

도 3은 본 발명에 따른 하천 호안 시설물의 안전관리를 위한 분석방법을 보인 흐름도.

도 4는 본 발명에서 사면의 파괴 면을 설명하기 위한 예시도.

도 5는 본 발명에서 사면 거동의 변위 차를 설명하기 위한 도면.

도 6은 본 발명에서 근접성과 상대변위 차를 이용한 유사성 분석결과를 보인 예시도.

도 7은 본 발명에 적용된 회귀분석법의 예시도.

도 8은 입력 데이터와 계절변동분석 결과 예시도.

도 9는 예측에러분석을 수행한 결과 예시도.

도 10은 과거의 데이터를 이용하여 미래를 예측하는 방법을 설명하기 위한 예시도.

도 11은 미래 예측 데이터 결과도.

<도면의 주요 부분에 대한 부호의 설명>

100… 현장 시스템

101 ~ 104… 타깃

111 ~ 114… 폴

130… 변위정보 송신수단

200… 하천 호안 시설물의 상태 분석수단

220… 데이터베이스 서버

230… 예측수단

300… 통신망

Claims (5)

1. 현장시스템과 하천 호안 시설물의 상태 분석수단을 통해 하천 호안 시설물의 안전관리를 위한 분석방법에 있어서,

   상기 현장시스템에서 상기 하천 호안 시설물의 지표면 또는 지중에 수직방향으로 설치된 변위 감지 센서를 이용하여 타깃의 변위 데이터를 획득하는 단계와;

   상기 하천 호안 시설물의 상태 분석수단에서 상기 하천 호안 시설물의 상기 획득한 타깃의 변위 정보를 그룹화하고, 상기 그룹화한 타깃의 변위 정보를 기반으로 근접성과 상대변위 차를 각각 좌표의 한 축으로 하여 그림으로 표현한 후 같은 무리에 속하는지를 판단하기 위한 유사성을 분석하여 사면 거동을 판단하는 유사성 분석단계; 및

   상기 하천 호안 시설물의 상태 분석수단에서 상기 유사성 분석결과 거동가능한 그룹이 존재할 경우, 추세변동과 주기적인 계절변동을 기반으로 과거 데이터를 축적하여 이후 상황을 예측하는 승법 분해를 수행하는 승법분해 단계를 포함하는 것을 특징으로 하는 하천 호안 시설물의 안전관리를 위한 분석방법.
2. 제1항에 있어서, 상기 타깃의 변위 정보를 그룹화하는 것은 동일 단면에 설치된 수평방향 타깃의 변위 정보들을 하나의 그룹으로 그룹화하는 것을 특징으로 하는 하천 호안 시설물의 안전관리를 위한 분석방법.
3. 제1항에 있어서, 상기 유사성 분석단계는,

   상기 하천 호안 시설물의 상태 분석수단 내의 예측수단에서 상기 그룹화한 타깃의 변위 정보를 기반으로 근접성을 분석하는 근접성 분석단계와;

   상기 예측수단에서 상기 타깃의 변위 정보를 기반으로 상대변위 차를 분석하는 상대변위 차 분석단계; 및

   상기 예측수단에서 상기 근접성과 상대변위 차를 분석한 결과 정보를 기반으로 근접성과 상대변위 차를 각각 좌표의 한 축으로 하여 그림으로 표현한 후 같은 무리에 속하는지를 판단하기 위한 유사성 분석을 수행하여 사면 거동을 판단하는 사면 거동 판단단계를 포함하는 것을 특징으로 하는 하천 호안 시설물의 안전관리를 위한 분석방법.
4. 제1항에 있어서, 상기 승법 분해단계는,

   상기 유사성을 분석한 데이터 그룹 중에서 위험 가능성이 존재하는 그룹에 대해서 우선적으로 승법 분해를 수행하는 것을 특징으로 하는 하천 호안 시설물의 안전관리를 위한 분석방법.
5. 제4항에 있어서, 상기 승법 분해단계는,

   과거 데이터를 이용하여 미래 상황을 예측하되, 예측 에러가 적을 경우 승법분해 결과인 예측 데이터를 감시 시스템으로 전송하고, 상기 예측 에러가 클 경우 주기적인 요인이 아니라 비예측적인 요인이 지배적이므로 획득 데이터의 적합성 유무를 판단하도록 현장조사에 대한 안내 정보를 제공해주는 것을 특징으로 하는 하천 호안 시설물의 안전관리를 위한 분석방법.

Images