국토해양부(현재 국토교통부)가 2000년부터 현재까지 지속적으로 추진하고 있는 국토지반정보 DB구축사업은 2015년 12월 31일을 기준으로 약 21만 공의 지반정보 DB를 국토지반정보 통합DB센터(2017)를 통하여 제공하고 있다. 2007년 시작된 지하공간정보전산화 초기 사업은 정보의 수집에 초점이 맞추어졌다면, 2013~2014년은 수집된 정보의 정밀 정확도를 검증하는 연구가 진행되었다. 최근 시작된 3차원 지하공간통합지도 구축 사업과 더불어 지반정보를 3차원으로 가시화하고 이 과정에서의 정밀도를 분석할 필요가 대두되었다. 따라서 본 연구에서는 시추정보 정밀도의 검증 및 향상을 위해 ArcGIS에서 제공하는 지구통계학적 기법인 크리깅 기법과 RMSE의 비교 분석 및 검토를 통해 체계적인 3차원 지반정보 구축을 위한 기초 자료를 제시하고자 하였다. 또한 구축된 시추정보 DB의 표고자료 및 DEM 자료를 비교 분석하여 표고 자료의 오차를 검증하였다.
국토해양부(현재 국토교통부)가 2000년부터 현재까지 지속적으로 추진하고 있는 국토지반정보 DB구축사업은 2015년 12월 31일을 기준으로 약 21만 공의 지반정보 DB를 국토지반정보 통합DB센터(2017)를 통하여 제공하고 있다. 2007년 시작된 지하공간정보전산화 초기 사업은 정보의 수집에 초점이 맞추어졌다면, 2013~2014년은 수집된 정보의 정밀 정확도를 검증하는 연구가 진행되었다. 최근 시작된 3차원 지하공간통합지도 구축 사업과 더불어 지반정보를 3차원으로 가시화하고 이 과정에서의 정밀도를 분석할 필요가 대두되었다. 따라서 본 연구에서는 시추정보 정밀도의 검증 및 향상을 위해 ArcGIS에서 제공하는 지구통계학적 기법인 크리깅 기법과 RMSE의 비교 분석 및 검토를 통해 체계적인 3차원 지반정보 구축을 위한 기초 자료를 제시하고자 하였다. 또한 구축된 시추정보 DB의 표고자료 및 DEM 자료를 비교 분석하여 표고 자료의 오차를 검증하였다.
Since 2000, the national geotechnical information DB has been constructed by Transport and Maritime Affairs (present Ministry of Land) and recently, it provides more than 210 thousands borehole informations through the geotechnical information DB portal systems. The initial project of underground sp...
Since 2000, the national geotechnical information DB has been constructed by Transport and Maritime Affairs (present Ministry of Land) and recently, it provides more than 210 thousands borehole informations through the geotechnical information DB portal systems. The initial project of underground space information computerization was begun in 2007, focusing on collecting the informations after then additional studies had been conducted to verify the precision and accuracy of collected informations in 2013~2014. In accordance with the recent initiation of the 3D integrated underground space mapping project, it is necessary to construct 3D image of the geotechnical information and evaluate the accuracy and precision of the information. Therefore, in this research, the basic information regarding the precision of the geotechnical DB is provided by kriging method and analysis of RMSE for the systematic 3D construction of geotechnical information. In addition, the elevation data errors of boring information are verified by analysis of elevation data such as boring information data and DEM data.
Since 2000, the national geotechnical information DB has been constructed by Transport and Maritime Affairs (present Ministry of Land) and recently, it provides more than 210 thousands borehole informations through the geotechnical information DB portal systems. The initial project of underground space information computerization was begun in 2007, focusing on collecting the informations after then additional studies had been conducted to verify the precision and accuracy of collected informations in 2013~2014. In accordance with the recent initiation of the 3D integrated underground space mapping project, it is necessary to construct 3D image of the geotechnical information and evaluate the accuracy and precision of the information. Therefore, in this research, the basic information regarding the precision of the geotechnical DB is provided by kriging method and analysis of RMSE for the systematic 3D construction of geotechnical information. In addition, the elevation data errors of boring information are verified by analysis of elevation data such as boring information data and DEM data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
앞선 절에서 수행된 RMSE 분석으로 표고가 균일한 지형일수록 매우 높은 정밀도를 나타내는 것을 확인하였다. 그러므로 본 절에서는 3차원 지반정보 모델 구축 시 정밀도의 향상 방안을 제시하고자 송파구의 수치 표고 자료(Digital Elevation Model, DEM)와 시추 정보에 포함된 기존 표고 자료의 크리깅을 통한 공간 분석을 실시하였다.
본 연구에서는 국토지반정보 통합DB센터(2017)로부터 서울특별시 송파구 내에 있는 시추정보들을 제공받아 3차원 지반정보 모델 구축을 위한 정밀도 검증을 실시하였으며 그 결론은 다음과 같다.
본 연구에서는 시추정보의 공간 분석을 실시하기 위하여ArcGIS에서 제공하는 ‘Aggregate Point Tool’을 활용한 시추공의 군집화를 실시하였다.
(2015)에 의해 진행된 바 있다. 이에 나아가 본 연구에서는 지반정보들의 단순한 선형 분석 외에도 2차원적인 공간 상관관계를 분석하여 3차원 지반정보구축을 위한 기초 자료를 제시하고자 한다.
일반적으로 시추공의 위치는 지역적으로 균등하게 분포하지 않으므로 시범지역을 선정함에 있어 시추공이 선형적으로 분포한 지역과 면형적 분포를 고루 보이는 지역을 택하고자 하였다. 이를 근거로 서울특별시 송파구를 3차원 지반정보 모델의 구축을 위한 공간분석 대상지역으로 선정하였으며, 국토지반정보 통합DB센터(2017)로부터 총 시추공 2,107개를 제공받았다.
제안 방법
1에서 시추공들이 밀집한 면형적 분포를 보이는 지역은 주민 거주 지역으로 확인되었으며, 선형적 분포를 보이는 시추공들은 도로 건설을 위해 수행된 것으로 확인되었다. 3차원 지반정보 모델의 구축을 위한 지반정보의 활용방안을 제시하기 위해서 송파구 지역 시추정보 내 지층 중 매립토층에 대한 표고로부터의 종결 심도를 활용하였다. 이는 송파구 내 지층 정보 중 매립토층이 가장 많이 포함되어 있으며, 최상위 지층 대부분이 매립토층이기 때문에 데이터 활용 측면에서 가장 합리적이라 판단하였다.
DEM과 기존 표고 자료의 비교로 100m 이상 표고 비율에서 차이가 발생하는 것을 파악하였으며, 이를 통해 DEM및 기존 표고 자료를 크리깅하여 두 자료에서 나타내는 지형을 비교하였다. Fig.
이를 위해 송파구 지역의 매립토층을 포함하는 인접한 시추공들의 거리는 레벨별로 산정하였으며, 이러한 레벨을 적용하기 위해서 한국건설기술연구원에서 제시하고 있는 표준 지반조사기준의 평균 거리를 참고하였다. Table 1은 한국건설기술연구원에서 제시하고 있는 지반조사기준의 평균 거리를 나타낸 것이며, 이를 바탕으로 군집영역거리는 50m 단위로 10 등분 하여 최소 50m에서 최대 500m의 간격으로 군집화를 진행하였다. Fig.
군집에 대한 공간 분석을 위하여 송파구 지역 시추공 중 매립토층을 포함한 1,602개의 시추공을 사용하였으며, ArcGIS프로그램을 통한 군집화 및 크리깅 기법을 적용하였다. 이를 위해 송파구 지역의 매립토층을 포함하는 인접한 시추공들의 거리는 레벨별로 산정하였으며, 이러한 레벨을 적용하기 위해서 한국건설기술연구원에서 제시하고 있는 표준 지반조사기준의 평균 거리를 참고하였다.
1%로 낮았으며, 이는 천마산 지역에 한정되어 나타남을 확인하였다. 그러나 기존 표고 자료의 경우 100m 이상으로 나타난 자료의 비율이 10.7%로 높게 나타났으며, 이에 따라 DEM과 기존 표고 자료의 공간 분석을 위하여 크리깅을 실시하였다. 그 결과 최대 표고의 경우 DEM 자료가 123.
기존 표고 자료의 정밀도를 분석하기 위하여 DEM자료와의 크리깅 결과를 비교하였다. Table 6은 기존 표고 자료와 DEM 자료의 비교・결과를 정리한 것이다.
이는 같은 레벨을 갖는 군집이라 할지라도 시추공의 밀집 형태와 지형・지반 조건에 따라 정밀도에서 큰 차이가 발생할 수 있다는 것으로 판단된다. 따라서 본 절에서 수행한 레벨별 군집의 공간 분석 이외에도 동일한 지역에서의 군집 레벨에 따른 공간 분석을 수행하였다.
본 연구에서는 이러한 군집화를 위해 공간상에서 시추공들의 가장 가까운 두 점의 거리를 설정하여 거리 내에 3개 이상의 점으로 이루어진 폴리곤을 생성하였으며, 이를 통해 시추정보들의 분포 패턴의 파악을 실시하였다. 또한 3차원 지반정보 구축 시 최적화된 시추공 간 거리를 결정하기 위하여 최대간격 500m를 기준으로 50m씩 10등분하여 레벨을 분할하였으며, 3차원 지반정보 모델을 제공하는 최적의 구축 레벨을 검토하였다.
2에 미치는 영향 거리 또한 큰 차이를 보이는 것으로 판단하였다. 또한 3차원 지반정보 모델 구축에 대하여 군집화에 의해 생성되는 3차원 지반정보들은 시각적으로 규칙적인 형태를 나타내지 않으므로, 사용자의 시각적 편의를 위하여 원형으로 구축된 3차원 지반정보에 대한 활용 방안을 고려하였다. 이로 인해 각 상위 레벨에서 Lv.
RMSE는 표준편차의 정의와동일하나 분산과 표준편차는 미지수 1개의 반복 관측에 의한 개별관측의 정밀도인데 반하여, RMSE는 미지수 2개 이상이 포함된 관측의 정밀도를 나타낼 때 활용하게 된다. 본 연구에서는 3차원 지반정보 모델 구축을 위한 지반정보의 활용방안을 제시하기 위해 각 시추공에서 표고로부터의 매립토층 종결심도를 ArcGIS 프로그램 내 크리깅 기법을 통해 군집화 및 동심원을 활용한 공간분석을 실시하였다. 여기서 크리깅은 지구통계학적 기법으로 수학적 방법과 통계학적 방법이 결합된 형태이며, 기지 자료 간의 상관관계, 기지 자료와 예측될 지점 값의 상관관계, 기지 자료의 경향성 등을 반영할 수 있어서 넓은 영역의 공간적 보간에매우 효과적이다(Chun et al.
여기서 군집화란 일반적으로 지구통계학에서 쓰이는 Clustering의 개념이 아닌 Point자료를 공간상의 밀집도에 따라서 영역을 구분하는 것을 말한다. 본 연구에서는 이러한 군집화를 위해 공간상에서 시추공들의 가장 가까운 두 점의 거리를 설정하여 거리 내에 3개 이상의 점으로 이루어진 폴리곤을 생성하였으며, 이를 통해 시추정보들의 분포 패턴의 파악을 실시하였다. 또한 3차원 지반정보 구축 시 최적화된 시추공 간 거리를 결정하기 위하여 최대간격 500m를 기준으로 50m씩 10등분하여 레벨을 분할하였으며, 3차원 지반정보 모델을 제공하는 최적의 구축 레벨을 검토하였다.
이로 인해 송파구 시추정보로부터 획득한 표고와 DEM에 대한 공간 분석을 실시하였으며, 그 결과 100m 이상 표고를 나타내는 지역이 매우 상이하게 나타났다. 이러한 결과로 100m 이상표고를 이상치로 판단하여, 제거 후 표고로부터의 매립 토층 종결 심도에 대한 공간분석을 실시하였다. 그 결과로 정밀도가 향상됨을 확인하였으며, 이는 시추정보의 표고에 대한 불확실성에 기인하는 것으로 판단된다.
또한 3차원 지반정보 모델 구축에 대하여 군집화에 의해 생성되는 3차원 지반정보들은 시각적으로 규칙적인 형태를 나타내지 않으므로, 사용자의 시각적 편의를 위하여 원형으로 구축된 3차원 지반정보에 대한 활용 방안을 고려하였다. 이로 인해 각 상위 레벨에서 Lv.2에 영향을 미치는 시추정보들을 동심원상에 위치시켜 균일한 영향 거리를 확보한 후 시추정보들의 공간 분석을 실시하였다.
군집에 대한 공간 분석을 위하여 송파구 지역 시추공 중 매립토층을 포함한 1,602개의 시추공을 사용하였으며, ArcGIS프로그램을 통한 군집화 및 크리깅 기법을 적용하였다. 이를 위해 송파구 지역의 매립토층을 포함하는 인접한 시추공들의 거리는 레벨별로 산정하였으며, 이러한 레벨을 적용하기 위해서 한국건설기술연구원에서 제시하고 있는 표준 지반조사기준의 평균 거리를 참고하였다. Table 1은 한국건설기술연구원에서 제시하고 있는 지반조사기준의 평균 거리를 나타낸 것이며, 이를 바탕으로 군집영역거리는 50m 단위로 10 등분 하여 최소 50m에서 최대 500m의 간격으로 군집화를 진행하였다.
그러나 같은 군집 정도라 하여도 시추공의 밀집된 정도나 지형・지반조건에 따라 정밀도에서 큰 차이가 발생할 수 있다고 판단하였다. 이에 따라, 3차원 지반정보 모델의 구축을 위해서는 적절한 군집레벨의 선정은 필수적이라 판단되어 동일한 영역 상에 존재하는 군집을 레벨별로 비교하였다. 이러한 비교를 위하여 Fig.
2군집 A39, A53, A45를 선정하였다. 이후, 선정된 군집들을 포함하는 상위 레벨의 군집들을 크리깅 하였으며 그 결과로부터 획득한 실제 값과 예측 값의 차이인 오차들 중 Lv.2에해당하는 시추정보들의 오차들만을 추출하였다. 추출된 오차들은 Eq.
추출된 송파구 DEM 자료는 공간 분석을 수행하기 위하여 point 형태로 변환하였다. DEM을 통해 변환된 point 자료는 총 338,504개로 나타났으며, 표고가 100m 이상으로나타난 자료는 339개로 전체 지역에서 0.
표고에 따른 시추정보의 공간 분석에 있어, 표고로부터의 매립토층 종결 심도를 사용하였다. 그 결과 표고 자료의 불확실성에 의하여 RMSE의 신뢰성이 매우 낮아지는 양상을 나타내었다.
대상 데이터
본 연구에서는 한국건설기술연구원으로부터 제공받은DEM을 활용하였으며, Fig. 14는 ArcGIS의 ‘Extract to mask’를 이용하여 전국의 DEM 자료 중 송파구 지역의 DEM만을 추출한 것이다.
이에 따라, 3차원 지반정보 모델의 구축을 위해서는 적절한 군집레벨의 선정은 필수적이라 판단되어 동일한 영역 상에 존재하는 군집을 레벨별로 비교하였다. 이러한 비교를 위하여 Fig. 8, Fig. 9, Fig. 10에 나타난 Lv.2군집 A39, A53, A45를 선정하였다. 이후, 선정된 군집들을 포함하는 상위 레벨의 군집들을 크리깅 하였으며 그 결과로부터 획득한 실제 값과 예측 값의 차이인 오차들 중 Lv.
일반적으로 시추공의 위치는 지역적으로 균등하게 분포하지 않으므로 시범지역을 선정함에 있어 시추공이 선형적으로 분포한 지역과 면형적 분포를 고루 보이는 지역을 택하고자 하였다. 이를 근거로 서울특별시 송파구를 3차원 지반정보 모델의 구축을 위한 공간분석 대상지역으로 선정하였으며, 국토지반정보 통합DB센터(2017)로부터 총 시추공 2,107개를 제공받았다.
데이터처리
3차원 지반정보 모델의 구축을 위하여 앞서 수행한 시추 정보들의 군집 공간 분석에서는 Lv.2 군집에 따르는 상위레벨 군집의 크리깅 결과 값으로부터 포함된 Lv.2의 오차들을 추출하였으며, 이를 통해 RMSE를 계산하여 비교하였다. 비교 결과 군집 공간 분석을 통해 생성되는 각 레벨별 군집의 면적, 크기 및 형태는 매우 상이하며 각각의 상위레벨에서 Lv.
여기서 교차검증은 대상영역의 기지점 자료 가운데 하나의 물리량을 미지 값으로 가정하고 나머지 자료로부터 이를 예측함으로써 실측된 물리량과 예측된 물리량의 차이를 분석하여 해당 지점의 물리량이 주변의 측정값이 갖은 경향을 따르는지 판단하여 수행하게 된다. 또한 교차검증을 통해 획득할 수 있는 평균제곱근오차(Root Mean Square Error,RMSE)의 비교를 통해 시추정보들의 공간 분석을 수행하였다. 여기서, RMSE는 잔차 제곱의 평균에 제곱근을 취한 것으로 Eq.
먼저, ArcGIS를 활용하여 표고로부터의 매립토층 종결 심도를 2차원으로 구현한 이후 교차검증을 수행하였다. 여기서 교차검증은 대상영역의 기지점 자료 가운데 하나의 물리량을 미지 값으로 가정하고 나머지 자료로부터 이를 예측함으로써 실측된 물리량과 예측된 물리량의 차이를 분석하여 해당 지점의 물리량이 주변의 측정값이 갖은 경향을 따르는지 판단하여 수행하게 된다.
이론/모형
미지 영역의 자료들을보간하는 크리깅에는 여러 방법들이 있으며, 본 연구에서는 보편적으로 활용되는 ordinary kriging을 적용하여 공간 지층 분포를 구축하였으며 일반적인 ordinary kriging의 식은 다음과 같다(Isaaks & Srivastava, 1989).
성능/효과
(1) 군집 거리별로 공간 분석을 실시하여 정밀도를 비교하였으며, 그 결과 같은 거리 내의 지반정보라 할지라도 시추공의 밀집 형태와 그 지역의 지형・지반조건으로 인하여 군집거리에 따른 정밀도의 뚜렷한 경향은 찾을 수 없었다.
(2) 또한 동심원을 활용하여 공간 분석을 실시한 결과를 통하여 정밀도는 군집 거리에 따른 차이보다는 지형・지반 조건에 따른 차이가 우세한 것으로 판단하였다. 따라서 3차원 지반정보 모델 구축을 위한 영역의 크기를 결정하는 데 있어, 구축 및 활용을 고려하여 사용자의 편의성에 따라 가장 적합한 영역 크기를 결정하여야 할 것으로 판단된다.
(3) 3차원 지반정보 모델 구축을 위한 시추정보 정밀도 평가 결과, 균일한 표고에 따른 지형일수록 보다 정밀한 결과가 나타남을 확인하였다. 이로 인해 송파구 시추정보로부터 획득한 표고와 DEM에 대한 공간 분석을 실시하였으며, 그 결과 100m 이상 표고를 나타내는 지역이 매우 상이하게 나타났다.
17은 기존 표고 자료에 대하여 크리깅을 실시한 결과를 나타낸 것이다. DEM 및 기존 표고 자료를 크리깅한 결과 기존 표고 자료의 RMSE는 13.2451m로 DEM 자료의 0.3019m에 비해 높게 나타났으며, 기존 표고 자료는 DEM 자료와는 다르게 송파구 중앙지역과 동쪽 지역의 표고가 높게 나타나는 경향을 보였다.
5m의 차이를 보였다. DEM 자료를 통한 RMSE는 0.3019m로 나타났으며, 기존 표고 자료의 RMSE는 13.2451m로 비교적 크게 나타났다. 이는 시추 정보로부터 획득한 표고의 불확실성에 기인한 것으로 판단되며, 3차원 지반정보 모델 구축에 있어 표고 자료에 대한 이상치 제거가 선행되어야 할 것으로 판단된다.
추출된 송파구 DEM 자료는 공간 분석을 수행하기 위하여 point 형태로 변환하였다. DEM을 통해 변환된 point 자료는 총 338,504개로 나타났으며, 표고가 100m 이상으로나타난 자료는 339개로 전체 지역에서 0.1%를 차지하는 것으로 확인되었다. 하지만 기존 표고 자료 2,736개 중 100m 이상으로 나타난 지역은 294공으로 그 비율이 10.
각 지역 중 레벨별로 가장 낮은 RMSE는 A 지역이 Lv.2,B 지역은 Lv.10, 그리고 C 지역이 Lv.2로 확인되었지만, 각 지역의 레벨별 RMSE 차이는 크지 않은 것으로 나타났다. Table 5는 A, B, C 지역에서 레벨별로 RMSE를 평균하여나타낸 것이다.
군집화를 통한 시추정보의 공간 분석 결과 평균 RMSE는 Lv.2에서 가장 작은 것으로 나타났다. 그러나 Table 2를 통해서 확인할 수 있듯이 같은 레벨에 해당하는 군집이라도 RMSE 값의 변화가 매우 크고 상이하게 나타났다.
15에서 왼쪽 그림은 ArcGIS를 통해 표고가 100m 이상으로 나타난 지역을 표시한 것이며,오른쪽 그림은 표고가 100m 이상으로 나타난 지역을 지도상에 표시한 것이다. 그 결과 높이 약 141.4m의 천마산이 송파구와 경기도 하남시에 걸쳐 위치하고 있는 것을 확인하였으며, 이를 통해 표고가 100m 이상으로 나타나는 것을 파악하였다.
7%로 높게 나타났으며, 이에 따라 DEM과 기존 표고 자료의 공간 분석을 위하여 크리깅을 실시하였다. 그 결과 최대 표고의 경우 DEM 자료가 123.05m, 기존 표고 자료의 경우 147.58m로 약 25m 정도의 차이를 보였으며, 최소 표고의 경우 DEM 데이터가 0.75m 기존 표고 자료가 -7.75m로 8.5m의 차이를 보였다. DEM 자료를 통한 RMSE는 0.
표고에 따른 시추정보의 공간 분석에 있어, 표고로부터의 매립토층 종결 심도를 사용하였다. 그 결과 표고 자료의 불확실성에 의하여 RMSE의 신뢰성이 매우 낮아지는 양상을 나타내었다. 이에 따라 신뢰도 있는 지반정보 3차원 모델링을 위하여 100m 이상의 표고 자료의 제거 후 RMSE를 산정하였으며, 그 결과 기존의 표고 자료를 이용하여 산정한 RMSE와 100m 이상의 표고 자료를 제거한 후 산정한 RMSE가 큰 차이를 나타내었다.
이러한 결과로 100m 이상표고를 이상치로 판단하여, 제거 후 표고로부터의 매립 토층 종결 심도에 대한 공간분석을 실시하였다. 그 결과로 정밀도가 향상됨을 확인하였으며, 이는 시추정보의 표고에 대한 불확실성에 기인하는 것으로 판단된다.
2는 시추공간의 간격이 좁고, 면적의 크기가 작아 3차원 구축의 효율성이 떨어질 것으로 판단된다. 따라서 비교적 Lv.2의 RMSE와 차이가 적은 Lv.6 정도의 군집 거리가 시추정보를 포함하는 면적이나 정밀도 면에서 가장 합리적인 것으로 판단된다. 하지만 앞서 언급한 바와 마찬가지로 군집레벨에 따른 정밀도로부터 레벨을 결정하는 것 보다는 사용자의 구축 및 활용의 편의성을 고려하여 가장 적합한 레벨을 결정하여야 할 것으로 판단된다.
2가 가장 작게 나타났다. 또한 보다 정밀한 RMSE의 결과를 보이는 지역은 군집을 활용한 RMSE 분석과 마찬가지로 균일한 표고데이터를 갖는 지형임을 확인하였다. 이는 앞서 언급한 바와 마찬가지로 레벨에 따른 차이보다는 지형・지반조건에 따른 차이가 우세한 것으로 판단된다.
2 지역의 시추공 정보의 오차들을 추출하여 계산한 RMSE들과는 약 10m 정도의 큰 차이를 나타내었다. 레벨별로 RMSE의 평균을 비교하여 보면 Lv.4에서 RMSE의 평균이 가장 낮게 나타나는 것으로 확인되었다. 하지만 A39, A53, A45 각각의 레벨별 RMSE는 Lv.
2의 오차들을 추출하였으며, 이를 통해 RMSE를 계산하여 비교하였다. 비교 결과 군집 공간 분석을 통해 생성되는 각 레벨별 군집의 면적, 크기 및 형태는 매우 상이하며 각각의 상위레벨에서 Lv.2에 미치는 영향 거리 또한 큰 차이를 보이는 것으로 판단하였다. 또한 3차원 지반정보 모델 구축에 대하여 군집화에 의해 생성되는 3차원 지반정보들은 시각적으로 규칙적인 형태를 나타내지 않으므로, 사용자의 시각적 편의를 위하여 원형으로 구축된 3차원 지반정보에 대한 활용 방안을 고려하였다.
앞선 절에서 수행된 RMSE 분석으로 표고가 균일한 지형일수록 매우 높은 정밀도를 나타내는 것을 확인하였다. 그러므로 본 절에서는 3차원 지반정보 모델 구축 시 정밀도의 향상 방안을 제시하고자 송파구의 수치 표고 자료(Digital Elevation Model, DEM)와 시추 정보에 포함된 기존 표고 자료의 크리깅을 통한 공간 분석을 실시하였다.
(3) 3차원 지반정보 모델 구축을 위한 시추정보 정밀도 평가 결과, 균일한 표고에 따른 지형일수록 보다 정밀한 결과가 나타남을 확인하였다. 이로 인해 송파구 시추정보로부터 획득한 표고와 DEM에 대한 공간 분석을 실시하였으며, 그 결과 100m 이상 표고를 나타내는 지역이 매우 상이하게 나타났다. 이러한 결과로 100m 이상표고를 이상치로 판단하여, 제거 후 표고로부터의 매립 토층 종결 심도에 대한 공간분석을 실시하였다.
그 결과 표고 자료의 불확실성에 의하여 RMSE의 신뢰성이 매우 낮아지는 양상을 나타내었다. 이에 따라 신뢰도 있는 지반정보 3차원 모델링을 위하여 100m 이상의 표고 자료의 제거 후 RMSE를 산정하였으며, 그 결과 기존의 표고 자료를 이용하여 산정한 RMSE와 100m 이상의 표고 자료를 제거한 후 산정한 RMSE가 큰 차이를 나타내었다. Fig.
후속연구
이는 A53이 매우 균일한 표고의 지형을 갖는 지역이므로 표고로부터의 매립토층 종결심도에 대한 RMSE가 정밀하게 나타난 것으로 판단된다. 이러한 결과를 바탕으로 시추정보의 정밀도는 군집레벨보다는 지형 및 지반 공학적 특성에 크게 좌우되며, 군집레벨에 따른 정밀도로부터 레벨을 결정하는 것 보다는 사용자의 구축 및 활용의 편의성을 고려하여 가장 적합한 레벨을 결정하여야 할 것으로 판단된다.
그러나 전산화 작업 후 유통 자료로 제공되는 21만공 이상의 시추공에 대한 방대한 데이터를 구축하고 있음에도 불구하고 그 활용성이 부족하다는 지적이 지속적으로 제기되고 있다. 이러한 시점에서 각 기관별로 개별 구축・관리되고 있는 지반정보의 사용성을 높이기 위한 정밀도의 검증 및 향상방안을 제시함으로써 지반정보의 활용성을 높일 수 있을 것으로 기대된다.
6 정도의 군집 거리가 시추정보를 포함하는 면적이나 정밀도 면에서 가장 합리적인 것으로 판단된다. 하지만 앞서 언급한 바와 마찬가지로 군집레벨에 따른 정밀도로부터 레벨을 결정하는 것 보다는 사용자의 구축 및 활용의 편의성을 고려하여 가장 적합한 레벨을 결정하여야 할 것으로 판단된다.
향후 보다 정밀한 3차원 지반정보 모델 구축을 위해서는 사용자의 구축 및 활용에 대한 편의성을 고려하여 구축 영역의 크기를 결정하며, 시추정보 표고의 이상치 제거 및 보정을 위한 연구가 진행되어야 할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
서울 주요 도시에서 많은 사회적 문제와 비용이 발생하게 된 이유는 무엇인가?
, 2013). 최근 서울 주요 도시에서 잇따라 발생하고 있는 동공 및 도로 함몰과 같은 지반재해로 인하여 많은 사회적 문제와 비용이 발생되고 있으며, 그로 인해 현재 시행되고 있는 국내 지하공간정보 통합 인프라 구축을 위한 표준화 방안 및 활용성에 관한 연구가 수행된바 있다(Seok etal., 2012).
국가 지하정보인 시추정보는 어디에 사용되는가?
국가 지하정보인 시추정보는 터널, 지하구조물 등의 국토개발, 석탄, 석유, 금・은・동의 자원개발, 지진과 같은 지질재해, 지하수, 토양에 대한 환경오염 방지, 지질공원, 지질박물관 같은 관광・레저 그리고 지반에 대한 지질학적, 화학적, 물리학적 교육연구 등에 지대한 기여를 하고 있다(Janget al., 2013).
구축된 시추주상도 및 각종 시험 결과 DB 등에서 나타나는 문제점은 무엇인가?
이렇게 구축된 시추주상도 및 각종 시험 결과 DB 등은 국토지반정보 통합DB센터(2017)에서 확인할 수 있다. 그러나 전산화 작업 후 유통 자료로 제공되는 21만공 이상의 시추공에 대한 방대한 데이터를 구축하고 있음에도 불구하고 그 활용성이 부족하다는 지적이 지속적으로 제기되고 있다. 이러한 시점에서 각 기관별로 개별 구축・관리되고 있는 지반정보의 사용성을 높이기 위한 정밀도의 검증 및 향상방안을 제시함으로써 지반정보의 활용성을 높일 수 있을 것으로 기대된다.
참고문헌 (7)
Integrated DB Center of National Geotechnical Information, (2017), http://www.geoinfo.or.kr.
Chun, S. H., Sun, C. G. and Chung, C. K. (2005), Application of geostatistical method for geo-layer information, Journal of The Korean Society of Civil Engineers, Vol. 2, No. 2 C, pp. 103-115 (in Korean).
Isaaks, E. H. and Srivastava, R. M. (1989), An introductions to applied geostatistics, Oxford University Press, Oxford, pp. 225-235.
Jang, Y. G., Jeon, H. S., Chae, D. H. and Cho, W. J. (2013), A state-of-the-practice review on the management of the domestic geotechnical and geological information data, Journal of the Korean Geo-Environmental Society, Vol. 14, No. 8, pp. 39-46 (in Korean).
Jang, Y. G., Jeon, H. S., Chae, D. H. and Cho, W. J. (2014), Evaluation of precision of the domestic geotechnical information data, Journal of the Korean Geo-Environmental Society, Vol. 15, No. 4, pp. 53-56 (in Korean).
Jang, Y. G., Kim, Y. S., Chae, D. H. and Cho, W. J. (2015), Time-series analysis of precision the domestic boring investigation data, Journal of the Korean Geo-Environmental Society, Vol. 16, No. 3, pp. 15-21 (in Korean).
Seok, C. H., Kang, Y. R., Jang, Y. G. and Kang, I. J. (2012), A study of standardization for establishing integrated infrastructure of underground space information and its availability, Journal of The Korean Society for Geo-Spatial Information System, Vol. 21, No. 4, pp. 105-115 (in Korean).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.