최근 도심지를 중심으로 도로함몰이 증가하고 있어 시민들의 안전을 위협하고 있다. 도로 하부에는 상하수도관로, 전기통신시설 등 각종 도로시설물이 매설되어 있는데 이 시설물의 노후화가 도로 함몰의 원인으로 작용하고 있다. 특히, 도로함몰의 주된 원인으로 주목받고 있는 노후 하수관의 경우 단순히 매설연도에 의존하여 하수관 교체 및 보수보강 등의 관리가 이뤄지고 있으며, 하수관 상태에 의한 도로함몰의 위험성은 고려되지 않는 실정이다. 따라서, 본 연구에서는 다양한 하수관 제원 및 주변 환경 정보 및 CCTV 탐사 결과 및 GPR 탐사 결과를 고려한 신뢰성 있는 도로함몰 위험도 평가 방안을 제시하고자 하였다.
최근 도심지를 중심으로 도로함몰이 증가하고 있어 시민들의 안전을 위협하고 있다. 도로 하부에는 상하수도관로, 전기통신시설 등 각종 도로시설물이 매설되어 있는데 이 시설물의 노후화가 도로 함몰의 원인으로 작용하고 있다. 특히, 도로함몰의 주된 원인으로 주목받고 있는 노후 하수관의 경우 단순히 매설연도에 의존하여 하수관 교체 및 보수보강 등의 관리가 이뤄지고 있으며, 하수관 상태에 의한 도로함몰의 위험성은 고려되지 않는 실정이다. 따라서, 본 연구에서는 다양한 하수관 제원 및 주변 환경 정보 및 CCTV 탐사 결과 및 GPR 탐사 결과를 고려한 신뢰성 있는 도로함몰 위험도 평가 방안을 제시하고자 하였다.
Recently, road subsidence has been increasing in urban areas, threatening the safety of citizens. In the lower part of the road, various road facilities such as water supply and drainage pipelines and telecommunication facilities are buried, and the deterioration of the facilities causes the road su...
Recently, road subsidence has been increasing in urban areas, threatening the safety of citizens. In the lower part of the road, various road facilities such as water supply and drainage pipelines and telecommunication facilities are buried, and the deterioration of the facilities causes the road subsidence. In particular, in the case of old sewer pipes which are attracting attention as a main cause of road subsidence, the management of sewer pipe replacement, repair and reinforcement is being performed depending on the burial year. Therefore, in this study, we tried to suggest a reliable road subsidence risk assessment method considering various sewer specifications and surrounding environment information and CCTV exploration result and GPR exploration result.
Recently, road subsidence has been increasing in urban areas, threatening the safety of citizens. In the lower part of the road, various road facilities such as water supply and drainage pipelines and telecommunication facilities are buried, and the deterioration of the facilities causes the road subsidence. In particular, in the case of old sewer pipes which are attracting attention as a main cause of road subsidence, the management of sewer pipe replacement, repair and reinforcement is being performed depending on the burial year. Therefore, in this study, we tried to suggest a reliable road subsidence risk assessment method considering various sewer specifications and surrounding environment information and CCTV exploration result and GPR exploration result.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
위와 같은 다양한 정보 들을 분석하여 도로함몰 위험 예측 모델을 구성해 위험지역을 사전에 예측하고, 복구 방안을 마련한다면 도로함몰로 인한 피해를 줄일 수 있을 것이다. 따라서 본 연구에서는 국토부에서 통합관리하고 있는 하수관로 제원 및 하수관로 주변 환경 분석, 하수관로 탐사결과를 바탕으로 도로함몰 위험도를 평가하기 위한 최적 기법 연구를 수행하였다.
일반적으로 관내에서 정확한 조사가 필요한 경우 조사 전에 고압 살수기 등을 이용하여 관로 세장작업을 수행해야한다. 이와 같이 관로 상태가 불량하고, 퇴적물이 쌓인 관에서는 관내 GPR 탐사가 어렵기 때문에 본 연구에서는 해당 지역의 관로 건전도가 양호하며, 도로함몰 위험 등급이 낮은 하수관을 대상으로 GPR 탐사를 실시하였다. 해당 하수관로는 GPR 탐사 결과 Fig.
제안 방법
Legacy Data를 이용한 하수관로 주변 도로함몰 위험도 분석 지역과 같은 지역을 대상으로 1단계 분석 결과 중 위험지역이 많이 포함되어 있는 지역을 대상으로 하수관로 정밀조사 매뉴얼을 준수하여 조사를 실시하고 보고서를 작성하였다. 대상 조사 구간은 총 9,837m이며 큰 대로변 등 조사위험지역에서는 조사를 실시하지 않았다.
Table 2에 나타난 하수관로 구축 데이터 중 도로 함몰과 높은 상관관계를 보이는 인자를 추출하고 도로함몰 관련 추가 인자를 선정하여 도로함몰 위험도를 간접적으로 평가하고자 했다. 평가방법은 Eq.
첫 번째 방법으로는 지하공간 통합 지도의 GIS 정보를 토대로 관리되는 하수관로 Legacy Data 대상으로 영향 인자들에 대한 가중치를 분석하여 평가하는 간접 상태평가를 1차 도로 함몰 위험도로 산정한다. 다음은 1차 평가 결과를 기반으로 지반침하 발생이 높은 곳을 우선적으로 관내 CCTV 촬영을 통해서 보다 직접적인 방법으로 하수관로 건전도 분석을 실시한다. 마지막 단계로는 CCTV탐사 결과에 따른 도로함몰 위험도 분석 결과를 분석하여 위험지역을 우선으로 관내 GPR 탐사를 실시하는 3차 진단으로 제시하였다(Fig.
위와 같은 항목을 대상으로 쌍대비교 설문지를 만들어 전문가들 총 25명에게 배포하였다. 설문의 내용은 선정된 지수들의 상대적 중요도를 판단하는 내용으로 구성되어 있으며, 평가항목들의 쌍대비교를 묻는 형식으로 작성하였다. 설문 분석을 위하여 각 평가항목 간의 상대적 분석도(가중치)와 일관성 지수(CI : Consistency Index)를 검토하였다.
위에 제시한 가중치를 바탕으로 서울시 OO 지역의 하수관로 GIS Data 및 주변 환경 인자 등 Legacy Data를 분석하여 도로함몰 위험도를 산정하였다. 대상 지역의 하수관로 연장은 총 24,227m로 총 910개의 관로로 구성되어 있다.
하수관로 주변 도로함몰 위험도를 평가하기 위해서는 크게 3단계로 정의하였다. 첫 번째 방법으로는 지하공간 통합 지도의 GIS 정보를 토대로 관리되는 하수관로 Legacy Data 대상으로 영향 인자들에 대한 가중치를 분석하여 평가하는 간접 상태평가를 1차 도로 함몰 위험도로 산정한다. 다음은 1차 평가 결과를 기반으로 지반침하 발생이 높은 곳을 우선적으로 관내 CCTV 촬영을 통해서 보다 직접적인 방법으로 하수관로 건전도 분석을 실시한다.
하수관로에 의한 도로함몰 위험도를 판단하기 위해 하수관로의 지하공간 통합지도 상의 데이터를 이용한 위험도 평가와 탐사 장치를 이용한 단계별 위험도 평가 방법을 제시하였다. 본 연구에서 얻을 수 있는 결론은 정리하면 다음과 같다.
대상 데이터
Legacy Data를 이용한 하수관로 주변 도로함몰 위험도 분석 지역과 같은 지역을 대상으로 1단계 분석 결과 중 위험지역이 많이 포함되어 있는 지역을 대상으로 하수관로 정밀조사 매뉴얼을 준수하여 조사를 실시하고 보고서를 작성하였다. 대상 조사 구간은 총 9,837m이며 큰 대로변 등 조사위험지역에서는 조사를 실시하지 않았다. 하수관로 정밀조사 결과는 구조적 내부결함, 운영적 내부 결함 결과를 이용해서 분석하였으며 두 개의 결과 값 중 낮은 값을 결과 값으로 이용했다.
위에 제시한 가중치를 바탕으로 서울시 OO 지역의 하수관로 GIS Data 및 주변 환경 인자 등 Legacy Data를 분석하여 도로함몰 위험도를 산정하였다. 대상 지역의 하수관로 연장은 총 24,227m로 총 910개의 관로로 구성되어 있다. 해당지역의 하수관로는 30년 이상 된 관이 13,114m로 전체의 54%를 차지하는 것으로 나타나 하수관로 정밀조사가 필요한 하수관이 많은 것으로 나타났다.
위와 같은 항목을 대상으로 쌍대비교 설문지를 만들어 전문가들 총 25명에게 배포하였다. 설문의 내용은 선정된 지수들의 상대적 중요도를 판단하는 내용으로 구성되어 있으며, 평가항목들의 쌍대비교를 묻는 형식으로 작성하였다.
설문 분석을 위하여 각 평가항목 간의 상대적 분석도(가중치)와 일관성 지수(CI : Consistency Index)를 검토하였다. 일관성 지수가 낮은 CI 0.1 이상인 2건을 제외하고 23건의 전문가 설문결과를 분석하였다. 분석 결과 도로함몰에 영향을 미치는 Factor 들의 중요도는 매설년수→관종→유지관리이력→주변도로→배수형태→관경 순으로 나타났다.
하수관로 건설 후 20년이 경과된 관로, 공사 지역 주변에 매설된 관로, 2개 이상 중첩되는 관로가 정밀조사 대상 하수관로이다. 하수관로 CCTV 조사는 장치를 관로 내부로 투입하여 관로의 전반적인 파손상태를 조사하고, 영상으로 기록하여 촬영 후 분석, 활용하는 방법으로 인력 진입이 불가능한 작은 관이나, 진입 시 위험한 관로를 대상으로 수행한다.
데이터처리
설문의 내용은 선정된 지수들의 상대적 중요도를 판단하는 내용으로 구성되어 있으며, 평가항목들의 쌍대비교를 묻는 형식으로 작성하였다. 설문 분석을 위하여 각 평가항목 간의 상대적 분석도(가중치)와 일관성 지수(CI : Consistency Index)를 검토하였다. 일관성 지수가 낮은 CI 0.
대상 조사 구간은 총 9,837m이며 큰 대로변 등 조사위험지역에서는 조사를 실시하지 않았다. 하수관로 정밀조사 결과는 구조적 내부결함, 운영적 내부 결함 결과를 이용해서 분석하였으며 두 개의 결과 값 중 낮은 값을 결과 값으로 이용했다.
성능/효과
(1) 하수관로 주변 도로함몰 위험도 산정을 위해 하수관망도를 이용한 하수관로의 제원을 분석한 결과 매설연도,직경, 관경, 관종, 매설깊이, 배제방식 중 매설 깊이를 제외하고 나머지 항목들을 도로함몰과 관련이 있는 항목으로 추출하였다.
(2) 항목별 가중치를 산정하기 위해 AHP 분석을 실시했으며, 추출한 항목 이외로 도로함몰과 관련이 있는 항목으로 하수관로 주변 도로, 유지관리이력을 추가하여 분석을 한 결과, 매설년수→관종→유지관리이력→주변지반→배수형태→관경 순으로 나타났다.
(3) 하수관로 간접상태평가 결과를 통해 도로함몰 위험도가 높은 지역을 우선으로 CCTV 탐사 한 결과 간접상태평가 결과와 CCTV 탐사 결과와 연관성이 있는 것으로 나타났다. 이는 매설년도에만 의존하지 않고 관로 간접 상태 평가 결과를 활용해 CCTV 탐사 우선순위를 설정할 수 있을 것으로 판단된다.
분석 결과 A 등급은 7%, B 등급은 8%, C 등급은 85%로 대부분 위험 지역으로 나타나 간접평가인 1단계 분석에서 위험지역인 하수관로는 CCTV 탐사 결과를 이용한 위험도 분석 역시 대부분 위험지역으로 나타났다.
1 이상인 2건을 제외하고 23건의 전문가 설문결과를 분석하였다. 분석 결과 도로함몰에 영향을 미치는 Factor 들의 중요도는 매설년수→관종→유지관리이력→주변도로→배수형태→관경 순으로 나타났다. 각 항목별 가중치는 Table 3과 같다.
앞에서 제시한 인자들의 가중치를 이용해 해당 지역의 도로함몰 위험도를 분석한 결과 가장 위험한 등급인 C등급이 약 80% 정도로 높게 나왔으며, B등급 약 19%, A등급 약 1%로 대부분 도로함몰 위험지역으로 나타났다.
후속연구
이는 매설년도에만 의존하지 않고 관로 간접 상태 평가 결과를 활용해 CCTV 탐사 우선순위를 설정할 수 있을 것으로 판단된다. 또한 CCTV 탐사 결과 중 위험지역을 우선적으로 선정해 관내 GPR 탐사를 시행하면 보다 경제적이고 효율적인 방법으로 위험지구를 파악해 유지 보수를 할 수 있을 것으로 기대된다.
위와 같은 다양한 정보 들을 분석하여 도로함몰 위험 예측 모델을 구성해 위험지역을 사전에 예측하고, 복구 방안을 마련한다면 도로함몰로 인한 피해를 줄일 수 있을 것이다. 따라서 본 연구에서는 국토부에서 통합관리하고 있는 하수관로 제원 및 하수관로 주변 환경 분석, 하수관로 탐사결과를 바탕으로 도로함몰 위험도를 평가하기 위한 최적 기법 연구를 수행하였다.
이와 같은 분석을 통해 하수관로의 노후도뿐만 아니라 도로함몰에 영향을 미치는 인자를 분석하여 도로함몰 위험도 산정 및 하수관로 유지보수 우선순위의 정확도를 높일 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
도로함몰의 원인은?
최근 들어 도심지를 중심으로 도로함몰이 빈번하게 일어나고 있다. 도로함몰에 대한 원인으로 상하수도관로의 손상, 인접 지역 굴착 공사 등 여러 가지 원인이 제시되고 있지만 노후 상하수도 관로에 의한 도로함몰이 가장 많이 일어나는 것으로 나타나고 있다. 하지만 매년 반복적으로 발생하는 도로함몰에 대한 대책은 발생 이후의 피해 복구에만 급급한 실정이다.
도로함몰로 인해 발생하는 인적 물적 피해를 줄이기 위해 위험지역 사전 예측 모델이 필요한 이유는?
도로함몰에 대한 원인으로 상하수도관로의 손상, 인접 지역 굴착 공사 등 여러 가지 원인이 제시되고 있지만 노후 상하수도 관로에 의한 도로함몰이 가장 많이 일어나는 것으로 나타나고 있다. 하지만 매년 반복적으로 발생하는 도로함몰에 대한 대책은 발생 이후의 피해 복구에만 급급한 실정이다. 따라서 도로함몰로 인해 발생하는 인적 물적 피해를 줄이기 위해 위험지역 사전 예측 모델이 필요하다.
지표투과레이더(Ground Penetration Radar, GPR) 장비란?
GPR 탐사는 기존 고주파수 전자기파를 지표에 투과시켜 지층 경계(매설물과 지반, 공동과 지반, 각종 지장물과의 경계 등)에서 반사되어 돌아오는 반사파를 측정하는 방식으로 비전문가도 결과 영상으로 이상체의 여부 판단 가능하다는 장점이 있으며, 암거 1m 주변의 이상체를 파악하기 위해서는 고주파수(약 1~2GHz)를 사용하며 암거 2~3m 주변을 파악하기 위해서는 약 100MHz~1GHz 안테나를 사용하여야한다. 지표투과레이더(Ground Penetration Radar, GPR) 장비는 전자기파를 지표면이나 구조물의 표면으로 입사시킨 후 반사되어 돌아오는 파를 수신하는 장치이다. GPR 탐사는 1) 천부 공동 탐지에 효과적(주 대상 깊이 3m 이내)이며, 2) 반사된 전자파의 진폭을 이용하여 공동 또는 기타 반사이벤트 구별이 가능하며, 3) 반사 이벤트 자체가 지하 구조로 해석될 만큼 높은 해상도를 보이며, 특별한 처리 없이도 바로 결과 제공할 수 있는 장점이 있어 공동을 정확도 높게 감지하여 도로함몰을 예방할 수 있다.
참고문헌 (3)
Kim, Y. R. (2014), Subsidence occurrence and countermeasure by sewer, Water Journal, Vol. 11.
Ministry of Environment. (2015), Sewer pipe inspection manual.
Seoul. (2016), 2016 Road management technology white paper: Road management by smart system.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.