선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 시스템은 WIM 시스템과 달리 도로자체의 변형을 측정하여 주행중인 차량의 축을 감지한 후, 도로 하면에 부착된 변형률센서를 통하여 얻은 신호와 해석방법을 이용하여 차량의 중량을 계산한다. 과적차량의 불법 축조작을 통한 단속의 문제점 해결 및 도로의 지능화를 위한 임베디드 차량하중분석 시스템을 위해서는 우선적으로 도로자체의 거동을 이용한 차량하중 분석의 정확성이 요구되며, 이에 본 연구에서는 일반도로에서의 변형적 특성을 이용할 수 있도록 Box형 도로 매설물을 설치하여 도로의 변형을 측정하고, 차량의 통제가 필요없는 유전자알고리즘 기법의 차량하중 분석 방법을 위한 실내 기초실험을 실시하였다.
- 교량의 거동을 이용한 차량의 하중분석은 국내에서도 연구되고 있으나(박민석 등, 2008; 조병완 등, 2008) 도로에서의 하중분석은 WIM센서 매설을 통하여 이루어지고 있다. 본 연구에서는 포장 층 축중센서를 대신하여 도로의 일부 구간에 매립한 Box형 구조물의 거동을 고려한 변형률 신호를 통하여 차량 하중을 추정하는 시스템을 나타낸 것이다. 본 연구를 위한 실내모형을 제작하여 하중재하실험을 실시하였으며 실내모형은 차량하중으로 인한 변형률 피크치값을 고려하기 위한 크기의 Box형 구조물 형태로 제작되었다.
- 본 연구에서는 포장층에 WIM센서를 매설하지 않고 지능형 임베디드 도로를 위한 차량하중분석시스템 개발을 위한 실내실험을 실시하였다. 도로내 설치된 변형률 신호만으로 차량의 하중정보를 추출하기 위하여 도로내 Box 구조물과 같은 구조의 실내모형을 제작하였으며 하중분석결과의 정확도를 향상시키고자 구조물 하부의 거동을 고려할 수 있는 응답신호를 이용하였다.
제안 방법
- 유전자알고리즘을 이용하여 측정 신호만으로 하중 정보를 추출하는 이러한 방법은 여러 상황에서 이용이 가능한데 센서를 통하여 노출없이 하중정보를 추출하기가 어려운 경우 이를 해결할 수 있는 방법중 하나로 판단된다. 단지 이러한 방법을 적용하기 위해서는 실제구조물과 거의 유사한 유한 요소 모델링을 그림 3과 같이 실시 하였으며 모델링의 input 파일을 통한 알고리즘 분석이 필요한데 본 연구에서는 수치 시뮬레이션을 통하여 생성된 학습데이터가 아닌 실 모형위의 주행차량 신호를 통해 얻은 보다 현실성 있는 데이터를 학습에 사용하였다.
- 본 연구에서는 포장층에 WIM센서를 매설하지 않고 지능형 임베디드 도로를 위한 차량하중분석시스템 개발을 위한 실내실험을 실시하였다. 도로내 설치된 변형률 신호만으로 차량의 하중정보를 추출하기 위하여 도로내 Box 구조물과 같은 구조의 실내모형을 제작하였으며 하중분석결과의 정확도를 향상시키고자 구조물 하부의 거동을 고려할 수 있는 응답신호를 이용하였다. 정적하중계측기를 통하여 얻은값을 기준치로 설정한 후 유전자알고리즘망을 통한 차량 하중값과 비교하였으며, 역해석 방법을 위해 실제 실내모형을 통한 데이터를 가지고 역해석 하중측정을 수행하였다.
- 실내모형데이터 추출을 위한 총4개의 센서를 실내모형에 설치하였으며 시스템이 구성되고 나면 실제로 모형차량을 통해 성능을 검증할 필요가 있다. 따라서, 시험차량을 통한 검증시험을 실시하여 최종적으로 제안된 시스템에 대한 성능 평가를 수행하게 된다.
- 차량하중분석은 일반 3D유한요소 모델링의 이동하중을 적용한 수치해석과 실제 모형실험을 통한 데이터값에 유전자 알고리즘을 적용한 역해석 기법을 통하여 수행하였다. 또한 보다 높은 정확성을 확보하기 위하여 실내실험의 Box내 세개의 변형률 값과 하중의 속도를 동시 적용하였다.
- 샘플링 간격내 모든 신호 데이터의 합을 이용한 경우와 피크 치만을 이용한 경우, 둘의 학습성능을 비교한 결과 비슷한 성능을 보여 본 연구에서는 피크 치를 사용하였다. 또한, 속도도 함께 입력변수로 사용하였다. 표 1은 유전자 알고리즘망 구성시 사용한 Matlab 함수에 대한 설명이다(MathWorks, 2003).
- 본 시스템은 WIM 시스템과 달리 도로자체의 변형을 측정하여 주행중인 차량의 축을 감지한 후, 도로 하면에 부착된 변형률센서를 통하여 얻은 신호와 해석방법을 이용하여 차량의 중량을 계산한다. 과적차량의 불법 축조작을 통한 단속의 문제점 해결 및 도로의 지능화를 위한 임베디드 차량하중분석 시스템을 위해서는 우선적으로 도로자체의 거동을 이용한 차량하중 분석의 정확성이 요구되며, 이에 본 연구에서는 일반도로에서의 변형적 특성을 이용할 수 있도록 Box형 도로 매설물을 설치하여 도로의 변형을 측정하고, 차량의 통제가 필요없는 유전자알고리즘 기법의 차량하중 분석 방법을 위한 실내 기초실험을 실시하였다.
- 본 연구에서는 포장 층 축중센서를 대신하여 도로의 일부 구간에 매립한 Box형 구조물의 거동을 고려한 변형률 신호를 통하여 차량 하중을 추정하는 시스템을 나타낸 것이다. 본 연구를 위한 실내모형을 제작하여 하중재하실험을 실시하였으며 실내모형은 차량하중으로 인한 변형률 피크치값을 고려하기 위한 크기의 Box형 구조물 형태로 제작되었다. 하중 재하를 위한 모형차량의 축간 거리를 통하여 모형구조물의 폭길이를 설계하였으며 축 하중을 통하여 차량의 총중량계산을 위한 시스템 구축이 이루어졌다.
- 본 연구의 재하시험은 한양대 첨단융합구조실험실에서 실시하였다. 본 연구의 최종 목표인 도로내 두 개의 Box형 구조물 설치를 통한 차량하중측정을 위하여 실내구조물을 제작하였으며 각 Box의 진행방향 길이는 차량의 축간 거리를 고려한 500mm이며, 너비 1000mm, 폭은 20mm로 제작되었다.
- 여기서 사용한 변형률 신호는 주행차선에 Box구조물 내 변형률 센서의 피크 치이다. 샘플링 간격내 모든 신호 데이터의 합을 이용한 경우와 피크 치만을 이용한 경우, 둘의 학습성능을 비교한 결과 비슷한 성능을 보여 본 연구에서는 피크 치를 사용하였다. 또한, 속도도 함께 입력변수로 사용하였다.
- 본 연구의 최종 목표인 도로내 두 개의 Box형 구조물 설치를 통한 차량하중측정을 위하여 실내구조물을 제작하였으며 각 Box의 진행방향 길이는 차량의 축간 거리를 고려한 500mm이며, 너비 1000mm, 폭은 20mm로 제작되었다. 실제 도로 내 두 개의 Box설치는 차량주행 시 첫 번째 Box에 1축 하중 재하 후 다음 축 진입 시 1축 하중이 다음 축에 영향을 미치지 않으므로 각축에 의한 Box 변형값을 얻을 수 있으므로 본 실내실험의 경우도 각각의 Box를 분리 제작하였다. 또한 각 Box의 변형값은 차량속도 추출에 이용된다.
- 실제 차량주행시 원더링 효과 및 내구성문제의 최소화를 위하여 Box하단에 센서설치의 필요성이 있으므로 본 실내실험에서는 Box1 하단에 3개의 센서, Box2하단 중앙 지점에 1개의 센서를 설치하였다. Box1에 설치된 센서는 차량의 축 중량에 의한 변형률 값을 측정하며 최소의 오차값을 위하여 센터점, 센터의 진행방향 1/2지점에 각각 설치되었다.
- 또한 본 연구에서는 Matlab에서 제공하는 Genetic Algorithm Toolbox를 이용하였다. 유전자 알고리즘을 이용한 차량하중분석은 세 가지위치의 신호를 통하여 수행하였다. 여기서 사용한 변형률 신호는 주행차선에 Box구조물 내 변형률 센서의 피크 치이다.
- 위와 같이 알고리즘 망이 구성되고 나면 실제로 모형차량 실험을 통하여 유전자 알고리즘을 이용한 차량하중분석을 검증하여야 한다. 이에 표 2에 나와 있는 것과 같은 시험차량 주행시험을 실시하여 제안된 시스템에 대한 성능 평가를 수행하였다.
- 도로내 설치된 변형률 신호만으로 차량의 하중정보를 추출하기 위하여 도로내 Box 구조물과 같은 구조의 실내모형을 제작하였으며 하중분석결과의 정확도를 향상시키고자 구조물 하부의 거동을 고려할 수 있는 응답신호를 이용하였다. 정적하중계측기를 통하여 얻은값을 기준치로 설정한 후 유전자알고리즘망을 통한 차량 하중값과 비교하였으며, 역해석 방법을 위해 실제 실내모형을 통한 데이터를 가지고 역해석 하중측정을 수행하였다. WIM센서 매설을 통한 차량하중 측정을 위해서는 많은 양의 학습데이터수집이 필요한데 유전자 알고리즘의 경우 학습이 필요 없으며 구조적 접근 및 정밀한 센서설치를 통하여 차량하중 측정이 가능하다.
- 차량하중분석은 일반 3D유한요소 모델링의 이동하중을 적용한 수치해석과 실제 모형실험을 통한 데이터값에 유전자 알고리즘을 적용한 역해석 기법을 통하여 수행하였다. 또한 보다 높은 정확성을 확보하기 위하여 실내실험의 Box내 세개의 변형률 값과 하중의 속도를 동시 적용하였다.
- 총 4개의 센서를 통하여 측정된 데이터를 추출하여 이를 기반으로 제안된 기법이 적용되었다. 중앙에 위치한 센서들을 통한 데이터는 하중 추정 및 그에 필요한 속도측정에 함께 이용되었다.
- 본 연구를 위한 실내모형을 제작하여 하중재하실험을 실시하였으며 실내모형은 차량하중으로 인한 변형률 피크치값을 고려하기 위한 크기의 Box형 구조물 형태로 제작되었다. 하중 재하를 위한 모형차량의 축간 거리를 통하여 모형구조물의 폭길이를 설계하였으며 축 하중을 통하여 차량의 총중량계산을 위한 시스템 구축이 이루어졌다.
대상 데이터
- S12, S22 중앙센서들의 데이터는 가장 큰 응답 값을 보이므로 피크치 시간이력을 이용한 속도계산 및 나머지 2개의 센서 S11, S13와 함께 하중측정에 이용되었다.
- 본 연구의 재하시험은 한양대 첨단융합구조실험실에서 실시하였다. 본 연구의 최종 목표인 도로내 두 개의 Box형 구조물 설치를 통한 차량하중측정을 위하여 실내구조물을 제작하였으며 각 Box의 진행방향 길이는 차량의 축간 거리를 고려한 500mm이며, 너비 1000mm, 폭은 20mm로 제작되었다. 실제 도로 내 두 개의 Box설치는 차량주행 시 첫 번째 Box에 1축 하중 재하 후 다음 축 진입 시 1축 하중이 다음 축에 영향을 미치지 않으므로 각축에 의한 Box 변형값을 얻을 수 있으므로 본 실내실험의 경우도 각각의 Box를 분리 제작하였다.
- 유전자알고리즘 역해석 구성망을 위해서 유한요소 모델링 및 실내실험을 위한 정교한 시스템구성을 실시한 후 각 차량마다 5번의 반복주행을 실시하였으며 총 15회의 동적응답데이터가 획득되었다. 본 시스템에서 측정한 데이터를 통하여 하중 분석을 실시하였다.
데이터처리
- 유전자알고리즘 역해석 구성망을 위해서 유한요소 모델링 및 실내실험을 위한 정교한 시스템구성을 실시한 후 각 차량마다 5번의 반복주행을 실시하였으며 총 15회의 동적응답데이터가 획득되었다. 본 시스템에서 측정한 데이터를 통하여 하중 분석을 실시하였다. 제안된 알고리즘망을 이용한 차량하중분석 방법의 성능검증을 위하여 정적차량하중계측기를 통하여 하중을 측정 한 후 결과 값과의 상대 오차를 구하였다.
- 본 실험을 위하여 정확한 차량하중 측정을 위한 정적하중 측정기를 설치하였고 정값은 알고리즘을 통한 하중값과 비교분석 하였다.
- 본 시스템에서 측정한 데이터를 통하여 하중 분석을 실시하였다. 제안된 알고리즘망을 이용한 차량하중분석 방법의 성능검증을 위하여 정적차량하중계측기를 통하여 하중을 측정 한 후 결과 값과의 상대 오차를 구하였다.
이론/모형
- 유전자 알고리즘은 개체집단을 유지하면서 적자생존의 원칙에 따라 보다 적합한 개체를 탐색하며 내재적 병렬성과 외적 병렬성으로 인해 해를 다수의 영역에서 효율적으로 탐색할 수 있다. 또한 본 연구에서는 Goldberg가 도입한 이진열 표현을 통한 유전자 알고리즘을 이용하였으며 개체집단의 무작위값으로 초기화가 이루어진다(황희수, 2006; Goldberg, 1989).
- 또한 본 연구에서는 Matlab에서 제공하는 Genetic Algorithm Toolbox를 이용하였다. 유전자 알고리즘을 이용한 차량하중분석은 세 가지위치의 신호를 통하여 수행하였다.
- 이러한 방법을 적용하기 위해서는 구조물의 정교한 분석을 통한 수치해석을 실시한 후 차량의 실험 데이터값을 통한 시뮬레이션을 통하여 차량의 하중을 역 추적하는 구성망을 가지고 있다. 본 연구에서는 Matlab에서 제공하는 Genetic Algorithm Tool box를 이용하였으며 전체 시스템의 구성도는 그림 2와 같다.
- 본 연구에서의 하중분석방법은 동적특성을 고려할 수 있는 유전자알고리즘 기법을 적용하였다. 유한요소프로그램을 통하여 실제 실내모형과 같은 유한요소 모델링을 실시한 후 실내모형에서 얻어지는 센서데이터 값과의 오차를 최소화하여 역으로 하중을 추정하는 방식이다(이규철 등, 2007).
성능/효과
- (1) 두 개의 Box형 구조물에 설치된 센서간 거리와 시간 이력의 변수를 통하여 차량의 속도를 측정할 수 있었으며 보다 정확한 차량하중측정을 위한 변수로 이용할 수 있었다.
- (2) 포장층에 매설한 WIM센서 대신 도로자체의 변형률 센서만을 이용한 실내실험의 차량 하중 분석 시 만족할 만한 정확도를 나타내었다.
- (3) 제안된 기법으로부터 추정된 차량하중은 진화세대 100세대 후, 인식변수가 10%범위의 오차를 보이며 추정되었다. 또한 기존의 하중정보를 위한 초기정보의 필요성과 국지해로의 수렴을 피할 수 있었다.
후속연구
- 또한 미래의 도로는 단순한 차량주행을 위한 공간에서 벗어나 USN(Ubiquitous Sensor Network) 기술을 도로계측과 융합하여 지능형 임베디드 공간으로 구축되어야 한다. 이에 추후 연구에서는 도로자체의 거동 및 특성을 고려한 여러 센서로부터 측정된 정보들을 USN을 통하여 하나의 Sink Node에 전송하고 측정된 정보를 휴대폰, PDA, Navigation과 도로전광표지(VMS: Variable Message System)등에 통보하는 지능형 도로시스템을 위한 연구가 이루어져야 할 것이다.
- (4) 일반 도로에서 도로자체의 거동을 이용한 과적단속시스템이 구축될 경우 현재 WIM센서 단속 현장의 노출을 통하여 나타나는 과적차량의 축조작 문제를 해결할 수 있다. 즉, 도로 설계시 일부 구간에 Box형 구조를 정착하여 본 연구시스템이 도입될 경우 효과적인 단속 결과를 보여 줄 수 있으리라 판별된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.