기 수행된 1, 2종 교량에 관한 정밀안전진단 등의 많은 사례를 분석해 보면, 실제로 많은 경우 외관상태가 교량의 대표등급 결정에 지배적인 요인이 되는 것을 볼 수 있다. 본 연구는 기 시행된 점검 및 진단 자료를 학습사례집합으로 인공지능 분야의 귀납적 학습법을 활용하여 철근 콘크리트 교량 바닥판의 상태평가를 지배하는 상태속성들의 교량등급에 대한 계층적 영향도와 구조적 연관성을 분석하였다. 이는 세부적으로 목표속성은 평가등급으로, 평가속성은 1방향균열, 2방향균열, 백태, 박락 및 층분리, 재료분리 등 7가지로 구성하고, 엔트로피 분석을 통해 주요 속성의 정보량, 정보기대값 및 정보 이득을 산정하고 범주별 상태 등급 분포를 분석하였다. 이를 위해 본 논문은 먼저 6개 교량에 대한 안전진단보고서를 토대로 상태등급 평가 과정에서 각 속성이 미치는 간접적 영향을 개관하고 정보공학적 분석의 동기를 부여하였다. 아울러 본 연구는 정보 변별력에 대한 순서로 평가를 지배하는 주 속성 및 조건별 하위 속성 연관성을 의사결정트리 형태로 나타내어 계층적 영향 및 속성간의 구조적 연관성을 보임으로써 손상에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다.
기 수행된 1, 2종 교량에 관한 정밀안전진단 등의 많은 사례를 분석해 보면, 실제로 많은 경우 외관상태가 교량의 대표등급 결정에 지배적인 요인이 되는 것을 볼 수 있다. 본 연구는 기 시행된 점검 및 진단 자료를 학습사례집합으로 인공지능 분야의 귀납적 학습법을 활용하여 철근 콘크리트 교량 바닥판의 상태평가를 지배하는 상태속성들의 교량등급에 대한 계층적 영향도와 구조적 연관성을 분석하였다. 이는 세부적으로 목표속성은 평가등급으로, 평가속성은 1방향균열, 2방향균열, 백태, 박락 및 층분리, 재료분리 등 7가지로 구성하고, 엔트로피 분석을 통해 주요 속성의 정보량, 정보기대값 및 정보 이득을 산정하고 범주별 상태 등급 분포를 분석하였다. 이를 위해 본 논문은 먼저 6개 교량에 대한 안전진단보고서를 토대로 상태등급 평가 과정에서 각 속성이 미치는 간접적 영향을 개관하고 정보공학적 분석의 동기를 부여하였다. 아울러 본 연구는 정보 변별력에 대한 순서로 평가를 지배하는 주 속성 및 조건별 하위 속성 연관성을 의사결정트리 형태로 나타내어 계층적 영향 및 속성간의 구조적 연관성을 보임으로써 손상에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다.
The attributes related to the health condition of RC deck slabs are analyzed to help us identify and rate the safety level of the bridges in this study. According to the related reports the state assessment for the outward aspects of bridges is the important and critical part for rating the overall ...
The attributes related to the health condition of RC deck slabs are analyzed to help us identify and rate the safety level of the bridges in this study. According to the related reports the state assessment for the outward aspects of bridges is the important and critical part for rating the overall structural safety. In this respect, the careful identification for the various state attributes make the field inspection and structural diagnosis very effective. This study analyzes the influence of the state attributes on evaluation classes and the relationship of them by the inductive reasoning, which raise the understanding and performance for evaluation work, and support the logical approach for the state assessment. ID3 algorithm applied to the case set which is constructed from the field reports indicates the main attributes and the precedence governing the assessment, and derives the decision hierarchy for the state assessment.
The attributes related to the health condition of RC deck slabs are analyzed to help us identify and rate the safety level of the bridges in this study. According to the related reports the state assessment for the outward aspects of bridges is the important and critical part for rating the overall structural safety. In this respect, the careful identification for the various state attributes make the field inspection and structural diagnosis very effective. This study analyzes the influence of the state attributes on evaluation classes and the relationship of them by the inductive reasoning, which raise the understanding and performance for evaluation work, and support the logical approach for the state assessment. ID3 algorithm applied to the case set which is constructed from the field reports indicates the main attributes and the precedence governing the assessment, and derives the decision hierarchy for the state assessment.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 교량의 주요 부재이면서 손상이 빈번히 발생되는 바닥판의 상태 평가와 관련된 인공지능 기법의 적용을 나타낸다. 구체적으로 본 연구는 기 시행된 점검 및 진단 자료를 사례집합으로 인공지능 분야의 귀납적 학습법을 활용하여 철근 콘크리트 교량 바닥판의 상태평가를 지배하는 상태속성들의 손상도에 대한 계층적 영향도와 구조적 연관성을 분석함으로써 손상도에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다.
본 연구는 교량의 주요 부재이면서 손상이 빈번히 발생되는 바닥판의 상태 평가와 관련된 인공지능 기법의 적용을 나타낸다. 구체적으로 본 연구는 기 시행된 점검 및 진단 자료를 사례집합으로 인공지능 분야의 귀납적 학습법을 활용하여 철근 콘크리트 교량 바닥판의 상태평가를 지배하는 상태속성들의 손상도에 대한 계층적 영향도와 구조적 연관성을 분석함으로써 손상도에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다.
본 연구는 철근콘크리트 교량 바닥판 결함의 종류, 정도 및 범위를 포함한 손상속성들의 상태평가에 대한 영향도와 상호 연관성을 분석함으로써 손상도에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다. 본 연구는 인공지능을 이용한 귀납적 추론 기법을 원용하여기 시행된 점검 및 진단 자료를 학습사례집합으로 교량상판의 상태평가를 지배하는 주요 속성을 분석하였다. 이를 위해 평가항목이 세분화되고 상태등급을 지배하는 속성 순위와 그에 연관된 의사결정구조를 도출하였다.
이런 점에서 결함도와 연관된 여러 상태속성들에 대한 면밀한 분석과 이해를 함으로써 보다 효과적인 점검 및 진단을 수행할 수 있다. 본 연구는 철근콘크리트 교량 바닥판 결함의 종류, 정도 및 범위를 포함한 손상속성들의 상태평가에 대한 영향도와 상호 연관성을 분석함으로써 손상도에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다. 본 연구는 인공지능을 이용한 귀납적 추론 기법을 원용하여기 시행된 점검 및 진단 자료를 학습사례집합으로 교량상판의 상태평가를 지배하는 주요 속성을 분석하였다.
시설물에 대한 안전점검은 육안검사와 간단한 기기를 이용하여 시설물의 현 상태를 파악하고 평가를 실시하는 것을 주목적으로 한다. 안전점검은 조사 시기, 빈도 및 점검수준에 따라 정기점검, 정밀점검(초기점검과 정기적 정밀점검) 및 긴급점검(손상점검과 특별점검)으로 구분한다.
안전점검은 구조적 문제점이나 재료의 성능저하 등 구조물에 내재되어 있는 위험요인을 경험과 기술을 갖춘 기술자가 육안검사 또는 점검장비 등에 의해 조사하고 그에 적절한 조치를 함으로써 구조물의 구조적 안전성 및 사용성을 확보하는데 목적이 있다.
가설 설정
로 사건 X = xi가 일어난다고 가정한다. 이 때 확률 pi의 사건 Xi를 관찰한 후 얻어진 정보의 양은 대수함수
제안 방법
즉 가장 분별력이 큰(평가등급에 가장 영향력이 큰)속성이 트리의 상단부 노드에 위치한다. 본 사례의 경우 정보획득 값이 가장 큰 2방향균열 속성을 루트로 정하였다. 여기서 전체 엔트로피(1.
그러나 콘크리트 구조는 결함, 손상 및 열화로 인하여 다양한 형태로 성능저하가 발생하므로 각각의 결함, 손상 및 열화 유형을 세분함으로써 보다 정밀한 평가를 유도하고 사후 유지관리에도 도움이 될 수 있다. 본 연구에서는 세부지침을 기준으로 손상 유형을 세분하여 가중치를 부여하고, 이를 토대로 각 속성들이 상태 등급에 미치는 영향도를 분석하였다(황진하 등, 2008). 다만 지침의 교량편에서 철근노출에 대한 평가기준은 철근노출 면적율 5%를 기준으로 d등급과 e등급으로만 나뉘어져 있다.
본 연구는 인공지능을 이용한 귀납적 추론 기법을 원용하여기 시행된 점검 및 진단 자료를 학습사례집합으로 교량상판의 상태평가를 지배하는 주요 속성을 분석하였다. 이를 위해 평가항목이 세분화되고 상태등급을 지배하는 속성 순위와 그에 연관된 의사결정구조를 도출하였다.
대상 데이터
분석에 앞서 상태평가 항목이 세분화되고 기 시행된 6개소의 점검 및 진단 자료를 토대로 학습사례집합을 구성하였다. 여기서 학습된 6개 교량은 서울시 00교(총 15경간, 615m, BR1), 경남 마산시 00교(총 11경간, 360m, BR2), 서울시 00교(총 25경간, 1200m, BR3), 전남 화순군 00교(총 6경간, 325m, BR4), 서울시 00교(총 36경간, 1480m, BR5), 대구 00교(총 26경간, 1120m, BR6)이다.
분석에 앞서 상태평가 항목이 세분화되고 기 시행된 6개소의 점검 및 진단 자료를 토대로 학습사례집합을 구성하였다. 여기서 학습된 6개 교량은 서울시 00교(총 15경간, 615m, BR1), 경남 마산시 00교(총 11경간, 360m, BR2), 서울시 00교(총 25경간, 1200m, BR3), 전남 화순군 00교(총 6경간, 325m, BR4), 서울시 00교(총 36경간, 1480m, BR5), 대구 00교(총 26경간, 1120m, BR6)이다.
이론/모형
그러나 이 기준은 상세하지 못하고, 적용 시 지나치게 하향 평가되므로 본 연구에서는 “안전점검 및 정밀안전진단 세부지침(터널)”의 기준을 원용하였다(건설교통부 2003).
본 논문에서 활용하는 ID3 알고리즘은 개념학습시스템(CLS)연구에 기초하여 Quinlan(1986)이 개발한 것으로 학습사례를 통해 객체를 구별한다. 이것은 특정문제에 대한 사례집합으로부터 트리를 구성하여 의사결정을 지원한다.
성능/효과
이 결과를 통해 경간별 상태등급 결정에 영향을 미치는 속성이 평가항목 1에서는 1방향균열이 지배적인 경우가 3개의 경간, 2방향균열이 지배적인 경우가 6개의 경간, 두 항목이동일한 경간이 6개임을 알 수 있다. 또한 평가항목 2에서는 백태가 7개의 경간에서, 누수는 3개의 경간에서 나머지 경간에서는 두 개 이상의 속성이 동일한 경우가 부재별 상태등급에 지배적인 영향을 받는 것으로 나타났다.
그러나 이로부터 7개의 속성중 어느 것이 상태평가에 지배적인 영향을 미치는지를 파악 하는 것은 대단히 어렵다. 본 연구에서 총 119개의 사례를 바탕으로 상태속성들의 상대적 영향도와 구조적 연관성을 분석한 결과, 7개의 평가속성 중 2방향균열이 RC 교량 바닥판의 상태평가를 지배하는 주 속성임을 알 수 있다. 또한 이에 대한 연관속성은 1방향균열, 백태 등이며, 분석 트리는 각각에 대한 차 하위 연관속성들을 계층적으로 보여준다.
유사하게 2방향균열이 2~10%의 속성 값을 가질 경우는 백태나 누수의 속성 값에 의해 바닥판의 평가등급이 결정되는 것을 그림을 통해 알 수 있다. 이상과 같은 결과를 통해 의사결정나무는 2방향균열이 존재하는 경우에는 백태, 누수, 철근노출의 순서로, 2방향균열이 없는 경우에는 1방향 균열, 백태 및 누수, 재료분리의 순으로 바닥판의 손상에 대한 구조적 연관성을 나타낼 수 있고 평가등급 결정에 영향력을 갖는다는 것을 알 수 있다.
만약 이것이 ‘0’의 값을 가진다면 이 집합의 객체들은 단일 클래스를 이루고 있음을 나타낸다. 즉, 값이 작을수록 안정상태 또는 변별력이 큰 것을 나타내고, 클수록 불안정 상태 또는 변별력이 약한 것을 나타낸다. 또한 특성 Ai로 집합 C를 나누어 그것을 루트로 하는 트리의 정보 기대값은 다음과 같다.
후속연구
이상의 분석은 2003년도 지침을 기준으로 진단된 사례집합을 활용하였으나 금년(2009)에 새로운 지침이 공표된 바 있다. 그러나 본 연구의 방법론은 2003지침은 물론, 신 지침을 포함한 각국의 어느 경우에도 똑같이 적용될 수 있어, 차후 이들에 기초한 진단 사례가 축적될 경우 상호 비교의 틀을 제공하게 될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
귀납적 추론이란 어떤 과정인가?
귀납적 추론이란 부분을 보고 전체를 알아내고 특별한 경우의 사례로 일반적인 상황을 알아내는 과정이며, 일반화와 규칙생성은 목적 지향적이다. 이것은 인간이 자주 사용하는 강력한 학습방법으로, 불완전한 형태지만 대부분의 경우 잘 움직인다.
개념학습이란 어떤 과정인가?
개념학습은 커다란 클래스를 추정하고 그 클래스에 속한 객체들의 일부분이 계속 목격되면 그에 근거하여 목표개념을 형성한다. 이것은 기본적으로 일반화과정이며 클래스에 속하는 긍정적 실례에 일관되는 법칙을 형성하는 과정이다(Dan, 1990; Luger 등, 1993).
안전점검은 어떻게 구분할 수 있는가?
시설물에 대한 안전점검은 육안검사와 간단한 기기를 이용 하여 시설물의 현 상태를 파악하고 평가를 실시하는 것을 주목적으로 한다. 안전점검은 조사 시기, 빈도 및 점검수준에 따라 정기점검, 정밀점검(초기점검과 정기적 정밀점검) 및 긴급점검(손상점검과 특별점검)으로 구분한다. 전자의 경우는 외관상태조사, 후자의 경우는 외관상태 및 내구성 조사 시험에 의한 상태평가를 실시하며 필요시 안정성 평가를 추가로 실시한다(건설교통부, 1999; 2003).
참고문헌 (17)
건설교통부 (1997) 교량관리체계개선에 관한 연구보고서, 건설교통부.
건설교통부 (1999) 교량점검 편람, 건설교통부.
건설교통부 (2003) 시설물의 안전점검 및 정밀안전진단 지침, 건설교통부.
건설교통부 (2003) 안전점검 및 정밀안전진단 세부지침(교량편), 한국시설안전(기술)공단, 건설교통부.
건설교통부 (2003) 안전점검 및 정밀안전진단 세부지침(터널편), 한국시설안전(기술)공단, 건설교통부.
건설교통부 (2009) 안전점검 및 정밀안전진단 세부지침(교량편), 한국시설안전(기술)공단, 건설교통부
서울시 (1999) 성수대교 안전점검 편람, 서울시 건설안전관리본부.
안종필, 이증빈, 박주원 (2001) 인공신경망에 의한 터널의 상 태 및 안정성 평가, 한국구조물진단학회 학술발표회 논문집, pp.155-160.
황진하, 박종회, 안승수, 김기현 (2002) RC 교량의 현장 안 전진단을 위한 지식기반시스템의 원형개발, 한국구조물진단 학회지, 6(3), pp.185-192.
Dan, W.P. (1990) Introduction to Artificial Intelligence and Expert Systems, Prentice-Hall, p.448.
Pomorski, D., Perche, P.B. (2001) Inductive Learning of Decision Trees : Application to Fault Isolation of an Induction Motor, Engineering Applications of Artificial Intelligence, 14(2), pp.155-166.
Haykin, S. (1999) Neural Networks, 2nd. ed., Prentice-Hall, p.842.
Kawamura, K., Miyamoto, A. (2003) Condition State Evaluation of Existing Reinforced Concrete Bridges using Neuro-Fuzzy Hybrid System, Computers & Structures, 81(18-19), pp.1931-1940.
Shao, X., Zhang G., Li P., Chen Y. (2001) Application of ID3 Algorithm in Knowledge Acquisition for Tolerance Design, Journal of Materials Processing Technology, 117(1-2) pp.66-74.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.