[논문]성토 구간 지반 응답을 고려한 열차 내 지진 감지 기술 개발 연구

유민택; 문재상; 박병선; 유병수

doi:10.7843/kgs.2020.36.10.41

성토 구간 지반 응답을 고려한 열차 내 지진 감지 기술 개발 연구
A Study on a Seismic Detection Technology for High-speed Railway Considering Site Response Characteristics 원문보기

韓國地盤工學會論文集 = Journal of the Korean geotechnical society, v.36 no.10, 2020년, pp.41 - 56

유민택 (한국철도기술연구원 철도구조연구팀) , 문재상 ((주)유신 구조부) , 박병선 ((재)한국건설생활환경시험연구원 건설기술연구센터) , 유병수 (서울대학교)

초록
AI-Helper

지진 경보 시스템이 빠르고 정확하게 가동하기 위해서는 충분한 수량의 계측 시스템 확보와 더불어서 적절한 계측 데이터 해석기술 개발이 요구된다. 신규 지진계를 설치시 많은 비용이 소모되기 때문에, 열차 내 가속도계 등을 대체재로 지진 경보 시스템에 활용하는 것이 효율적이다. 그러나 열차에 설치된 가속도계의 경우, 지진계와는 달리 열차 주행시 진동 데이터가 포함되어 있다. 또한, 지진 발생시 성토구간에 의해서 변화된 지진응답을 계측하게 된다. 본 연구에서는 위의 특성들이 포함된 열차 가속도계 데이터에 기반한 지진감지 기술을 제안하고자 한다. 우선, 성토구간의 지진응답 해석기법을 활용하여 열차가 성토구간을 지날 때 지진이 발생하는 것을 구현한 가상의 열차 가속도 데이터를 구축하였다. 구축한 가속도 데이터를 Short time Fourier Transform(STFT)와 Wavelet Transform(WT)을 활용하여 시간-주파수 분석을 수행하였다. 분석 결과, STFT가 장주기 지진 감지에 적합한 반면, WT의 경우 단주기 지진 감지에 유용함을 확인하였다.

Abstract ▼ AI-Helper

For the rapid and accurate warning, the system requires not only the sufficient number of seismometers but also the appropriate detection technique of sensor data. Instead of installing new seismometers, on-board accelerometers of the train could be utilized as alternatives. However, the data from on-board accelerometers includes train vibrations and the response of embankment site by earthquake, which are different from earthquakes measured from the seismometer. This study suggests signal analysis technique to detect earthquake from the on-board accelerometer data. The virtual on-board accelerometer data including the response of embankment site, obtained from site response analysis method, has been constructed. The constructed data has been analyzed using short time Fourier transform (STFT) and wavelet transform (WT). STFT method provides better performance to detect long-period earthquake whereas WT method is more available to detect short-period earthquake.

주제어

표/그림 (17)

그림 Fig. 1. Vibration data measured route (KTX Iksan – KTX Jeoungyeup)
그림 Fig. 2. KTX train velocity and vibration acceleration
그림 Fig. 3. Gyoung-ju earthquake
그림 Fig. 4. Hachinohe earthquake
그림 Fig. 5. Boring log of site response analysis
표 Table 1. Input properties for site response analysis(a) KP 109.25k input properties
그림 Fig. 6. Acceleration profile of site response analysis
그림 Fig. 7. KP 109.25k Embankment site Acceleration Time History
그림 Fig. 8. KP 110.0k Embankment site Acceleration Time History
그림 Fig. 9. Short Time Fourier Transform (STFT) method
그림 Fig. 10. Wavelet Transform (WT) mother wavelet type
그림 Fig. 11. Resolution of STFT and WT method in time-frequency domain
그림 Fig. 12. KTX train vibration acceleration spectrogram
그림 Fig. 13. Earthquake acceleration spectrogram
그림 Fig. 14. Data Synthesis Flow Chart
그림 Fig. 15. Results of STFT method
그림 Fig. 16. Results of WT method

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구에서는 성토 구간에서 증폭된 지진파와 열차 하중에 의한 진동을 구분하기 위한 연구를 수행하였다. 열차 운행 중 발생할 수 있는 가상의 지진 가속도 시간이력을 열차 내부에서 발생하는 진동가속도와 중첩하고 이를 구분해내기 위한 연구를 수행하였다.
본 연구에서는 고속열차의 지진 조기 감지 기술 개발을 위해 열차 진동가속도를 계측하고 이를 실제 철도 성토노반의 지반응답해석을 수행한 지진가속도와 비교함으로써 지진 가속도를 판별하는 연구를 수행하였다.
지진 발생시 열차 내에서 계측될 수 있는 지진 데이터를 생성하는 방법은 열차 계측 데이터와 지진계측 데이터를 중첩(Superposition) 하는 것이다. 본 연구에서는 열차의 진동 가속도 시간이력과 지진 가속도의 지반응답 해석 가속도 시간이력 결과를 중첩하여 해당 데이터를 생성하고, 열차의 진동 가속도 시간이력만 있는 평상시 데이터와 비교하여 스펙토그램 내에서 지진 감지 여부를 판별하였다. 지진 가속도는 열차의 속도 증가에 따른 지진 판별 가능여부를 파악하기 위해 열차의 속도 별로 총 6개 구간에서 중첩시켰다.
따라서 본 연구에서는 성토 구간에서 증폭된 지진파와 열차 하중에 의한 진동을 구분하기 위한 연구를 수행하였다. 열차 운행 중 발생할 수 있는 가상의 지진 가속도 시간이력을 열차 내부에서 발생하는 진동가속도와 중첩하고 이를 구분해내기 위한 연구를 수행하였다. 열차의 진동 가속도 시간 이력은 KTX의 On-board용 센서에서 계측한 진동 계측 데이터를 이용하였으며, 지진 데이터는 포항지진, 경주지진, Hachinohe 지진기록 가속도 시간이력을 활용하였다.
최근 철도 시설물에 설치하는 지진 가속도 센서를 대체하기 위한 목적으로 열차 내에서 지진을 계측할 수 있는 열차 탑재용 가속도 센서를 이용한 지진 경보 시스템을 개발하기 위한 연구가 수행되고 있다. 해당 연구는 저비용 센서를 활용하여 On-board 형태의 가속도센서를 열차내에 직접 설치하고 지진을 감지하는 즉시 즉각적인 열차의 정지 및 서행 여부를 알려주어 열차의 탈선을 방지하는데 그 목적이 있다. On-board 형태의 가속도 센서는 열차마다 설치될 수 있어야 하며 이에 일반적인 지진계에 비해 저비용으로 제작되는 특징이 있다.

제안 방법

(1) 열차 진동가속도 계측은 라즈베리파이와 IMU 센서를 결합한 저비용 센서를 활용하였으며, 계측 주파수는 약 500hz 수준이다. 진동 가속도 시간이력은 스펙토그램으로 변환하여 분석하였으며 분석을 위해 사용한 기법은 Short Time Fourier Transform(STFT)방법과 Wavelet Transform(WT) 방법이다.
(3) 열차에서 계측되는 지진하중을 최대한 모사하기 위해 단주기 지진파인 경주지진파와 장주기 지진파인 Hachinohe 지진기록에 대해 실제 철도 성토구간을 모델링하고 지반응답 해석을 수행하였다. 지반응답해석 결과를 스펙토그램으로 변환한 결과, 지반응답을 통해 10Hz 이상의 고주파수 영역 에너지가 상당 부분 소산되며 저주파수 영역의 에너지는 증가하는 것을 확인하였다.
(4) 열차 진동가속도와 지반응답해석을 수행한 지진 가속도를 중첩하고 열차 진동가속도와 스펙토그램을 비교하는 방법으로 열차 내 가속도계를 활용한 지진 감지 기술을 분석하였다. 분석결과, 단주기 지진파인 경주지진의 경우 1,000년 재현주기 지진을 기준으로 STFT 방법으로는 150km/h 속도까지, WT 방법으로는 220km/h 속도까지 이상치를 획득하여 감지할 수 있는 것으로 분석되었다.
그러나 계측 데이터를 바로 upsampling 할 경우, 데이터의 고 주파수 영역 요소들이 정확하게 추정이 이루어지지 못할 수 있다. 그리하여, 본 연구에서는 우선 original data에 finite impulse response filter에 기반한 interpolation algorithm을 적용하여, 지진데이터의 sampling rate를 100Hz에서 500Hz로 바꾸었다.
연속성을 지닌 사인파와 코사인파를 사용하는 푸리에 변환과는 달리, WT는 제한된 길이의 기저신호를 사용함으로써, 신호의 급격한 변화를 잘 잡아낼 수 있다. 본 연구에서는 Morlet wavelet을 사용하여 WT을 수행하였다.
연속성을 지닌 사인파와 코사인파를 사용하는 푸리에 변환과는 달리, WT는 제한된 길이의 기저신호를 사용함으로써, 신호의 급격한 변화를 잘 잡아낼 수 있다. 본 연구에서는 Morlet wavelet을 사용하여 WT을 수행하였다.
본 연구에서는 오송역으로부터 각각 109.25km, 110km 떨어진 KP 109.25k 구간과 KP 110.0k 구간 에서의 성토 구간에 대해 지반응답해석을 수행하였다. 지반 응답 해석을 위한 지반 정보는 시추주상도를 활용하였다(Figure 5).
14와 같은 절차로 수행되었다. 우선, 두 데이터를 중첩하기 위해 지진 데이터를 열차 데이터의 sampling rate에 맞춰서 upsampling을 수행하였다. 만약 upsampling이 적절하게 이루어진다면, original 데이터의 특성이 그대로 반영되어야 한다.
0 프로그램을 사용하여 1차원 등가선형지반응답해석을 수행하였으며, 시추주상도를 바탕으로 결정한 입력 물성치는 Table 1과 같다. 입력 지반 운동은 재현주기에 따라 최대지반가속도를 0.154, 0.22g로 보정한 포항, 경주, Hachinohe 지진기록을 암반층 최상단에 적용하였다. 해석에 필요한 지반 물성인 전단파 속도와 습윤단위중량은 표준관입저항과의 상관식을 이용하여 결정하였다.
지진 가속도의 크기는 재현 주기 1,000년과 2,400년 지진을 적용하였으며, 지반응답 해석을 통해 성토 구간에서 열차에 발생할 수 있는 지진 응답을 산출하였다. 중첨된 가속도 시간이력 결과를 Short Time Fourier Transform(STFT) 및 Wavelet Transform(WT) 방법을 통해 변환하여 열차 진동 계측 데이터와 비교하였으며, 이를 토대로 지진 가속도와 열차 진동가속도를 구분해내는 연구를 수행하였다.
본 연구에서는 열차의 진동 가속도 시간이력과 지진 가속도의 지반응답 해석 가속도 시간이력 결과를 중첩하여 해당 데이터를 생성하고, 열차의 진동 가속도 시간이력만 있는 평상시 데이터와 비교하여 스펙토그램 내에서 지진 감지 여부를 판별하였다. 지진 가속도는 열차의 속도 증가에 따른 지진 판별 가능여부를 파악하기 위해 열차의 속도 별로 총 6개 구간에서 중첩시켰다. 다만, 실제 운행중인 열차내에서 계측되는 지진의 가속도는 차륜, 열차 차량 내에서 발생할 수 있는 진동 중첩 등으로 다른 경향이 나타날 수 있으며 이에 관한 연구는 다음 연구에서 진행할 예정이다.
열차의 진동 가속도 시간 이력은 KTX의 On-board용 센서에서 계측한 진동 계측 데이터를 이용하였으며, 지진 데이터는 포항지진, 경주지진, Hachinohe 지진기록 가속도 시간이력을 활용하였다. 지진 가속도의 크기는 재현 주기 1,000년과 2,400년 지진을 적용하였으며, 지반응답 해석을 통해 성토 구간에서 열차에 발생할 수 있는 지진 응답을 산출하였다. 중첨된 가속도 시간이력 결과를 Short Time Fourier Transform(STFT) 및 Wavelet Transform(WT) 방법을 통해 변환하여 열차 진동 계측 데이터와 비교하였으며, 이를 토대로 지진 가속도와 열차 진동가속도를 구분해내는 연구를 수행하였다.

대상 데이터

지진 데이터는 단주기 지진파인 2016년 경주지진과 장주기 지진파인 1968년 Hachinohe 지진기록 가속도 시간 이력을 사용하였다. 경주지진은 진앙으로부터 22km 떨어진 덕정리(DKJ) 관측소에서 관측된 결과를 이용하였으며, Hachinohe 지진기록은 1968년 Tokachi-oki 지진의 hachinohe 관측소 자료를 이용하였다. Fig.
열차 진동 가속도 계측은 KTX 익산역에서 KTX 정읍역까지 구간에서 수행되었으며(Fig. 1), 사용된 계측기는 라즈베리파이와 IMU 센서를 결합한 자체 개발 센서를 활용하였다. 라즈베리 파이 센서와 IMU 센서의 sampling frequency는 장비의 최대 성능으로 계측할 수 있는 500Hz로 하였다.
열차 운행 중 발생할 수 있는 가상의 지진 가속도 시간이력을 열차 내부에서 발생하는 진동가속도와 중첩하고 이를 구분해내기 위한 연구를 수행하였다. 열차의 진동 가속도 시간 이력은 KTX의 On-board용 센서에서 계측한 진동 계측 데이터를 이용하였으며, 지진 데이터는 포항지진, 경주지진, Hachinohe 지진기록 가속도 시간이력을 활용하였다. 지진 가속도의 크기는 재현 주기 1,000년과 2,400년 지진을 적용하였으며, 지반응답 해석을 통해 성토 구간에서 열차에 발생할 수 있는 지진 응답을 산출하였다.
지진 데이터는 단주기 지진파인 2016년 경주지진과 장주기 지진파인 1968년 Hachinohe 지진기록 가속도 시간 이력을 사용하였다. 경주지진은 진앙으로부터 22km 떨어진 덕정리(DKJ) 관측소에서 관측된 결과를 이용하였으며, Hachinohe 지진기록은 1968년 Tokachi-oki 지진의 hachinohe 관측소 자료를 이용하였다.

데이터처리

Proshake 2.0 프로그램을 사용하여 1차원 등가선형지반응답해석을 수행하였으며, 시추주상도를 바탕으로 결정한 입력 물성치는 Table 1과 같다. 입력 지반 운동은 재현주기에 따라 최대지반가속도를 0.

이론/모형

등가선형 해석을 위한 지반 비선형 곡선은 Proshake 내장 모델인 모래 지반의 Seed and Idriss(1970)모델과 암반의 Schnabel et al.(1972)의 모델을 적용하였다. 해석 종료를 위한 수렴 기준은 최대 전단탄성계수의 변동률이 1% 이내가 되도록 설정하였으며, 해석 결과 최종 반복 계산 횟수는 최소 5회, 최대 16회로 나타났다.
전단파 속도는 국내 풍화토 지반에 대해 Sun et al.(2013)에 의해 제안된 상관식을 이용하여 결정하였으며, 단위 중량은 Bowles(1977)이 제안한 사질토의 상대 밀도에 따른 습윤단위중량의 평균값을 적용하였다. 등가선형 해석을 위한 지반 비선형 곡선은 Proshake 내장 모델인 모래 지반의 Seed and Idriss(1970)모델과 암반의 Schnabel et al.
본 연구에서는 가속도 시간이력의 분석을 위해 Short Time Fourier Transform(STFT) 방법과 Wavelet Transform(WT) 방법을 사용하였다. STFT 방법은 시간이력 데이터의 시간에 따른 특성의 변화를 나타내는 방법으로 다양한 분야에서 시간이력 데이터의 시간대별 특성 변화를 감지하는 데 사용되었다(Griffin et al.
만약 시간이력 Data가 시간대에 따라서 특성이 변화할 경우, 위의 식은 Data 전체의 주파수 영역 특성은 보여줄 수 있지만, 시간대에 따른 주파수영역 특성의 경향성은 표현하기 어렵다. 시간에 따라 특성이 변화하는 시간이력 Data의 특성을 분석하기 위해서 본 연구에서는 STFT를 사용하였다. STFT는 아래 식 과 같이 정의된다.
(1) 열차 진동가속도 계측은 라즈베리파이와 IMU 센서를 결합한 저비용 센서를 활용하였으며, 계측 주파수는 약 500hz 수준이다. 진동 가속도 시간이력은 스펙토그램으로 변환하여 분석하였으며 분석을 위해 사용한 기법은 Short Time Fourier Transform(STFT)방법과 Wavelet Transform(WT) 방법이다.
22g로 보정한 포항, 경주, Hachinohe 지진기록을 암반층 최상단에 적용하였다. 해석에 필요한 지반 물성인 전단파 속도와 습윤단위중량은 표준관입저항과의 상관식을 이용하여 결정하였다. 전단파 속도는 국내 풍화토 지반에 대해 Sun et al.

성능/효과

(2) 계측한 열차 진동가속도를 스펙토그램으로 변환한 결과 100hz 대역과 10Hz∼30Hz 대역에서 큰 에너지는 가지는 것을 확인할 수 있다.
Fig. 13(a) 경주지진의 경우 10Hz 이상의 높은 주파수 대역에서 에너지가 크게 분포하는 것을 확인할 수 있다. 이러한 주파수 특성은 지반응답을 거치면서 변형되며, 상대적으로 낮은 주파수 대역의 에너지는 증가하고 10Hz 이상의 높은 주파수 대역의 에너지는 작아지는 것을 확인할 수 있다.
Fig. 13(b)포항지진의 경우 경주 지진과 비교하여 높은 에너지를 가지는 주파수 영역이 상대적으로 낮은 지진임을 확인 할 수 있으며, 지반 증폭에 의한 경향은 유사하게 나타났다. 분석 방법에 따른 차이를 살펴보면, WT방법의 경우 3hz 이상의 고주파수 영역에서의 에너지는 STFT보다 명확하게 나타나는 것을 확인할 수 있다.
16은 앞 장에서 나타낸 것과 동일한 방식으로 WT 분석결과를 도시한 그래프이다. 1,000년 재현주기 경주지진의 결과를 살펴보면 STFT 결과에서 보다 지진 가속도가 보다 명확하게 나타나 이미지 분석을 통해 지진을 판별해낼 수 있는 것을 확인할 수 있다. 특히 250초 가량의 지진의 경우 열차 속도 약 220km/h 수준에서의 지진 가속도인데, STFT 결과보다 뚜렷한 이상치가 나타나는 것을 볼 수 있다.
10Hz∼30Hz 대역 에너지의 경우 열차 속도가 증가함에 따라 고에너지를 가지는 주파수 값이 증가하는 경향을 보였다.
이는 경주 지진과 같은 단주기 지진파의 경우 지반 응답을 통해 고주파수 성분이 감쇠되며 지진 가속도의 에너지가 크게 감소되기 때문이다. 2,400년 재현주기 지진의 경우 역시 지반응답을 거치면서 지진 가속도의 에너지가 크게 감소되어 1,000년 재현주기 지진과 유사한 결과를 나타냈으며 약 150km/h 이하의 수준에서만 지진에 대한 판별이 가능할 것으로 판단된다. Hachinohe 지진기록의 경우 지진의 지속시간이 길고 장주기 영역의 지진 가속도 에너지가 크게 남아있어 비교적 명확하게 열차 진동가속와의 판별이 가능하다.
4는 Hachinohe 지진기록 발생 시 계측된 가속도 시간이력 및 스펙트럼 가속도 결과이다. Hachinohe 지진기록은 최대 가속도가 발생한 이후로 약 1m/sec²의 가속도가 100초 정도 지속되었으며, 1Hz 이하의 영역에서 높은 에너지가 발생한 것을 확인할 수 있다.
이는 단주기 지진파인 경주지진의 경우 고주파수 영역이 지반응답 해석을 통해 에너지를 잃었기 때문으로 판단된다. 경주 지진은 2,400년 재현주기 지진의 지표면 가속도가 1,000년 재현주기 지진보다 크게 나타났으나, Hachinohe 지진기록은 재현주기와 관계 없이 유사한 값을 보였다. 경주지진은 성토 구간에서 표면 지진파 대비 약 51%(1,000년), 48%(2,400년) 감폭되었으며, 이는 Hachinohe 지진기록의 8%(1,000년), 7%(2,400년)에 비해 높았다.
3은 경주 지진 발생 시 계측된 가속도 시간이력을 재현주기에 맞춰 스케일링한 결과와 주파수별 스펙트럼 가속도 값을 나타낸 그래프이다. 경주지진은 최대 가속도가 발생한 이후 급격하게 가속도가 감소하였으며, 2Hz 이상의 영역에서 높은 에너지가 나타났다. Fig.
분석결과, 단주기 지진파인 경주지진의 경우 1,000년 재현주기 지진을 기준으로 STFT 방법으로는 150km/h 속도까지, WT 방법으로는 220km/h 속도까지 이상치를 획득하여 감지할 수 있는 것으로 분석되었다. 또한, STFT는 장주기 지진 감지에 적합한 반면, WT의 경우 단주기 지진 감지에 유용함을 확인하였다. 일련의 결과를 바탕으로 볼 때, 상대적으로 열차의 속도가 낮은 일반열차의 경우 더 낮은 재현주기의 지진도 판별해 낼 수 있을 것이라 판단된다.
도시한 순서는 지진이 발생하지 않은 평상시 열차 진동가속도 시간이력, 암반 지진 가속도를 중첩한 결과, 성토구간 1번의 지진 응답 가속도를 중첩한 결과, 성토구간 2번의 지진응답 가속도를 중첩한 결과 순서이다. 먼저 1,000년 재현주기 경주지진의 결과를 살펴보면 암반지진 가속도를 중첩한 결과에서 가장 명확하게 지진 가속도를 판별해 낼 수 있다. 이에 비해 지반 응답결과의경우 속도가 300km 수준으로 증가하는 400초 ~ 500초 영역에서 기존 열차 진동 가속도와의 판별이 어려운 한계가 있다.
13(b)포항지진의 경우 경주 지진과 비교하여 높은 에너지를 가지는 주파수 영역이 상대적으로 낮은 지진임을 확인 할 수 있으며, 지반 증폭에 의한 경향은 유사하게 나타났다. 분석 방법에 따른 차이를 살펴보면, WT방법의 경우 3hz 이상의 고주파수 영역에서의 에너지는 STFT보다 명확하게 나타나는 것을 확인할 수 있다. 이에 비해, 0.
(4) 열차 진동가속도와 지반응답해석을 수행한 지진 가속도를 중첩하고 열차 진동가속도와 스펙토그램을 비교하는 방법으로 열차 내 가속도계를 활용한 지진 감지 기술을 분석하였다. 분석결과, 단주기 지진파인 경주지진의 경우 1,000년 재현주기 지진을 기준으로 STFT 방법으로는 150km/h 속도까지, WT 방법으로는 220km/h 속도까지 이상치를 획득하여 감지할 수 있는 것으로 분석되었다. 또한, STFT는 장주기 지진 감지에 적합한 반면, WT의 경우 단주기 지진 감지에 유용함을 확인하였다.
열차 진동 가속도의 경우 열차의 속도가 증가함에 따라 크기가 증가하는 것을 확인할 수 있다. 스펙토그램의 결과를 보면 열차 진동가속도의 경우 100hz 이상의 대역에서 가장 많은 에너지를 가지고 있으며, 약 10hz 및 30hz 대역에서 속도가 증가와 함께 더 높은 주파수 성분의 에너지가 증가하는 것을 확인할 수 있다. 100hz 이상의 대역은 열차 자체의 기계진동 등에 의한 영향으로 파악되며, 속도 증가와 함께 고에너지 대역의 주파수가 증가하는 영역은 열차의 주행에 의한 진동 가속도로 분석된다.
13(a) 경주지진의 경우 10Hz 이상의 높은 주파수 대역에서 에너지가 크게 분포하는 것을 확인할 수 있다. 이러한 주파수 특성은 지반응답을 거치면서 변형되며, 상대적으로 낮은 주파수 대역의 에너지는 증가하고 10Hz 이상의 높은 주파수 대역의 에너지는 작아지는 것을 확인할 수 있다. 이는 지반의 고유주기가 상대적으로 낮은 주파수 대역에 위치하기 때문에 발생하는 현상으로, 더 연약한 지반인 2번 현장의 경우 이러한 현상이 더 크게 발생하였다.
(3) 열차에서 계측되는 지진하중을 최대한 모사하기 위해 단주기 지진파인 경주지진파와 장주기 지진파인 Hachinohe 지진기록에 대해 실제 철도 성토구간을 모델링하고 지반응답 해석을 수행하였다. 지반응답해석 결과를 스펙토그램으로 변환한 결과, 지반응답을 통해 10Hz 이상의 고주파수 영역 에너지가 상당 부분 소산되며 저주파수 영역의 에너지는 증가하는 것을 확인하였다.
(1972)의 모델을 적용하였다. 해석 종료를 위한 수렴 기준은 최대 전단탄성계수의 변동률이 1% 이내가 되도록 설정하였으며, 해석 결과 최종 반복 계산 횟수는 최소 5회, 최대 16회로 나타났다.

후속연구

(5) 다만, 실제 운행중인 열차내에서 계측되는 지진의 가속도는 차륜, 열차 차량내에서 발생할 수 있는 진동 중첩 등으로 다른 경향이 나타날 수 있으며 이에 관한 추가적인 연구가 필요하다.
지진 가속도는 열차의 속도 증가에 따른 지진 판별 가능여부를 파악하기 위해 열차의 속도 별로 총 6개 구간에서 중첩시켰다. 다만, 실제 운행중인 열차내에서 계측되는 지진의 가속도는 차륜, 열차 차량 내에서 발생할 수 있는 진동 중첩 등으로 다른 경향이 나타날 수 있으며 이에 관한 연구는 다음 연구에서 진행할 예정이다.
라즈베리 파이 센서와 IMU 센서의 sampling frequency는 장비의 최대 성능으로 계측할 수 있는 500Hz로 하였다. 실시간 신호처리 시간 등을 고려한 지진 감지를 위한 최적 sampling frequency 결정은 추후 연구에서 진행할 예정이다. Fig.
또한, STFT는 장주기 지진 감지에 적합한 반면, WT의 경우 단주기 지진 감지에 유용함을 확인하였다. 일련의 결과를 바탕으로 볼 때, 상대적으로 열차의 속도가 낮은 일반열차의 경우 더 낮은 재현주기의 지진도 판별해 낼 수 있을 것이라 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Urgent Earthquake Detection and Alarm System은 무엇인가?	, 2016). 일본은 1992년부터 신칸센 운영을 위한 지진조기경보 시스템으로 Urgent Earthquake Detection and Alarm System을 운영하고 있는데, 철도 인근에 설치된 지진관측소에서 철도 방향으로 진행하는 P-wave를 감지하고 경보를 내리는 시스템이다. JR EEW system East Japan Railway Company에서 운영하는 지진조기경보 시스템인 JR EEW system은 해안가 및 철도를 따라 설치된 지진 관측소를 활용하여 지진을 감지하고 경보를 내린다.
	KTX의 지진 경보 시스템은 어떤 방식인가?	현재 국내에서 운영 중인 KTX의 지진 경보 시스템은 철도 시설물에 설치한 지진 가속도 센서를 통해 지진을 감지하고, 유선으로 기관사에게 통보하여 열차의 서행 및 정지를 결정하는 방식이다(Sheen et al., 2017).
	KTX의 지진 경보 시스템의 단점은?	, 2017). 이러한 지진 경보 시스템은 지진 발생 이후 열차의 정지까지 상당한 시간이 소요되며, 지진 가속도 센서가 설치되지 않는 지역에 열차가 통과하는 경우 지진 발생 여부를 파악하기 어렵다는 문제가 있다. 또한, 철도 시설물의 전체 구간에 지진 가속도 센서를 설치하고 유지 관리하는 것은 높은 비용과 인력 문제로 인해 새로운 지진 경보 시스템의 개발이 요구된다.

참고문헌 (22)

Akin, M. (2002), Comparison of Wavelet Transform and FFT Methods in the Analysis of EEG Signals, J. of medical systems, Vol.26, pp.241-247.
Al-Qazzaz, N.K., Ali, S.H.B.M., Ahmad, S.A., Islam, M.S., and Escudero, J. (2015), Selection of Mother Wavelet Functions for Multi-Channel EEG Signal Analysis during a Working Memory Task, Sensors, Vol.15, pp.29015-29035.

상세보기
Bowles, E.B. (1977), Foundation analysis and design. 2nd ed. McGraw-Hill Book Company, New York.
Clayton, R.W., Heaton, T., Kohler, M., Chandy, M., Guy, R., and Bunn, J. (2015), Community Seismic Network: A dense array to sense earthquake strong motions, Seismol. Res. Lett. Vol.86, pp. 1354-1363.
Griffin, D. and Lim, J. (1984), Signal Estimation from Modified Short-time Fourier Transform. IEEE Transactions on Acoustics, Speech and Signal Processing, Vol.32, No.2, pp.236-243.

상세보기
Karim, S.A.A., Kamarudin, M.H., Karim, B.A., Hasan, M.K., and Sulaiman, J. (2011), "Wavelet Transform and Fast Fourier Transform for Signal Compression: A Comparative Study", International Conference on Electronic Devices, Systems and Applications (ICEDSA), Kuala Lumpur, pp.280-285.
Khan, A., Ko, D.K., Lim, S.C., and Kim, H.S. (2019), Structural Vibration-based Classification and Prediction of Delamination in Smart Composite Laminates Using Deep Learning Neural Network, Composites Part B: Engineering, Vol.161, pp.586-594.
Kong, Q., Allen, R.M., and Schreier, L. (2016), MyShake: Initial Observations from a Global Smartphone Seismic Network, Geophys. Res. Lett., Vol.106, pp.9588-9594.
Korea Meteorological Administration. Annual Report 2016; Korea Meteorological Administration: Seoul, Korea, 2016.
Korea Meteorological Administration. Annual Report 2017; Korea Meteorological Administration: Seoul, Korea, 2017.
Lapins, S., Roman, D.C., Rougier, J., Angelis, S.D., Cashman, K.V., and Kendall, J.-M. (2020), An examination of the Continuous Wavelet Transform for Volcano-seismic Spectral Analysis, Journal of Volcanology and Geothermal Research, Vol.389, pp.106728.

상세보기
Lei, J., Liu, C., and Jiang, D. (2019), Fault diagnosis of wind turbine based on Long Short-term memory networks, Renewable energy, Vol.133, pp.422-432.

상세보기
Moon, J.S. and Yoo, M.T. (2020), Development of a Seismic Detection Technology for High-Speed Trains Using Signal Analysis Techniques, Sensors, Vol.20 No.13 pp.3708.

상세보기
Neighbors, C., Cochran, E.S., Ryan, K.J., and Kaiser, A.E. (2017), Solving for Source Parameters Using Nested Array Data: A Case Study from the Canterbury, New Zealand Earthquake Sequence. Pure Appl. Geophys., Vo.174, pp.875-893.

상세보기
Rodrigues, A.P., D'Mello, G., and Pai S.P. (2016), Selection of Mother Wavelet for Wavelet Analysis of Vibration Signals in Machining, Journal of Mechanical Engineering and Automation, Vol.6 No.5A, pp.81-85.
Schnabel, P.B., Lysmer, J., and Seed, H.B. (1972), "SHAKE: A computer program for earthquake response analysis of horizontally layered sites", Report No. EERC 72-12, Earthquake Engineering Research Center, University of California, Berkeley, California.
Seed, H. B. and Idriss, I. M. (1970), Soil moduli and damping factors for dynamic response analysis. Rep. No. EERC 70-10. Earthquake Engineering Research Centre, Berkeley, CA.
Sheen, D.H., Park, J.H., Chi, H.C., Hwang, E.H., Lim, I.S., Seong, Y.J., and Pak, J. (2017), The First Stage of an Earthquake Early Warning System in South Korea, Seismol. Res. Lett., Vol.88, pp. 1491-1498.

상세보기
Strombergsson, D., Marklund, P., Berglund, K., Saari, J., and Thomson, A. (2019), Mother Wavelet Selection in the Discrete Wavelet Transform for Condition Monitoring of Wind Turbine Drivetrain Bearings, Wind Energy, Vo.22, pp.1581-1592.

상세보기
Sun, C.G., Cho, C.S., Son, M., and Shin, J.S. (2013),Correlations between Shear Wave Velocity and In-situ Penetration Test Results for Korean Soil Deposits, Pure and Applied Geophysics, Vol.170, No.3, pp.271-281.

상세보기
Pan, X., Cheng, Z., Zheng, Z., and Zhang, Y. (2019), Sparse Bayesian Learning Beamforming Combined with Short-time Fourier Transform for Fault Detection of Wind Turbine Blades, The Journal of the Acoustical Society of America, Vol.145, No.3, pp.1802-1802.

상세보기
Wongsaroj, W., Hamdani, A., Thong-Un, N., Takahashi, H., and Kikura, H. (2019), Extended Short-Time Fourier Transform for Ultrasonic Velocity Profiler on Two-Phase Bubbly Flow Using a Single Resonant Frequency, Applied Sciences, Vol.9, No.1, pp.50.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증