A Basic Study on Vehicle Load Analyzing System for Embedded Road

精 報 技 術

第31卷 第1D 號·2011年 1月 pp. 127~132

임베디드 도로를 위한 차량하중 분석시스템 기초연구

A Basic Study on Vehicle Load Analyzing System for Embedded Road

조병완*·윤광원**·박정훈***·김헌****

Jo, Byung-Wan·Yoon, Kwang-won·Park, Jung-Hoon·Kim, Heoun

···

Abstract

Load managing method on road became necessary since overloaded vehicles occur damage on road facilities and existing systems for preventing this damage still show many problems. Accordingly, efficient managing system for preventing over- loaded vehicles could be organized by using the road itself as a scale by applying genetic algorithm to analyze the load and the drive information of vehicles. First of all, accurate analysis of load using the behavior of road itself is needed for solving ille- gal axle manipulation problems of overloaded vehicles and for installing intelligent embedded load analyzing system. Accord- ingly in this study, to use the behavior of road, the transformation was measured by installing underground box type indoor model and indoor experiment was held using genetic algorithm and 10% error were checked.

Keywords : overload vehicle. genetic algorithm, embedded system, wim sensor, overload vehicle regulation

···

요 지

과적차량은 도로 및 교량 구조물과 도로 횡단 시설물 등에 손상요인으로 작용하며 기존의 단속 시스템은 많은 문제점을 내포하고 있어서 이에 대한 대처방안이 요구되고 있다. 이에 유전자 알고리즘 기법을 적용, 도로자체를 저울로 하여 주행중 인 차량의 하중 및 주행정보를 분석한다면 지능형 임베디드 도로 시스템을 통한 효율적인 과적 단속이 이루어 질 수 있다 고 판단된다. 과적차량의 불법 축조작을 통한 단속의 문제점 해결 및 도로의 지능화를 위한 임베디드 차량하중분석 시스템 을 위해서는 우선적으로 도로자체의 거동을 이용한 차량하중 분석의 정확성이 요구되며, 이에 본 연구에서는 일반도로에서의 변형적 특성을 이용할 수 있도록 Box형 도로 매설물 구조의 실내모형을 설치하여 도로의 변형을 측정하고, 차량의 통제가 필요없는 유전자알고리즘 기법의 차량하중 분석 방법을 위한 실내 기초실험을 실시하였으며 10%범위의 오차를 확인하였다.

핵심용어 : 과적차량, 유전자알고리즘, 임베디드 시스템, 윔 센서, 과적단속

···

1. 서 론

도로는 국가의 주요사회 기반 시설로서 국가 경제 및 국 민생활의 동맥역할을 하고 있으나 과적차량의 증가로 인한 다수의 결함현상으로 주행중인 차량의 중량을 계측할 수 있 는 WIM(Weight-In-Motion)시스템에 대한 연구가 활발히 진 행 중에 있다.

주행 중인 차량의 중량을 계측할 수 있는 WIM(Weigh- In-Motion) 시스템에 대한 연구는 1990년대에 유럽을 중심으 로 이루어졌으며(COST 323 Project, 1993~1996; WAVE Project, 1996~1999 등) 도로 포장 층에 WIM센서를 매설 하여 측정하고 그 결과를 분석 하여왔다. 현재는 Bending Plate, Piezo 관련센서 등으로 발전하였으나 위치가 노출되는 단점이 있으며, 과적차량의 축 조작으로 인한 불법운행에 대

하여 제대로 단속할 수 없는 문제점이 발생한다. 이러한 문 제 해결을 위한 차세대 도로는 단순한 차량주행을 위한 공 간에서 벗어나 과적 축하중을 도로 스스로 산정하는 지능형 임베디드 공간으로 구축되어야 한다(조병완 등, 2008). 하지 만 기존 WIM시스템에 적용되었던 하중분석법은 하중이 재 하 하였을 경우 센서에서 발생하는 전류값과의 상관관계를 통하여 하중이 추정되는 방식으로 임베디드 도로시스템에 적 합하지 않다. 이에 유전자 알고리즘 기법을 적용, 도로자체 를 저울로 하여 주행중인 차량의 하중 및 주행정보를 분석 한다면 지능형 임베디드 도로 시스템을 통한 효율적인 과적 단속이 이루어 질 수 있다.

본 시스템은 WIM 시스템과 달리 도로자체의 변형을 측정 하여 주행중인 차량의 축을 감지한 후, 도로 하면에 부착된 변형률센서를 통하여 얻은 신호와 해석방법을 이용하여 차

*정회원·한양대학교 토목공학과 정교수 (E-mail : [email protected])

**정회원·교신저자·한양대학교 토목공학과 박사과정 (E-mail : [email protected])

***한양대학교 토목공학과 박사과정 (E-mail : [email protected])

****한양대학교 토목공학과 박사과정 (E-mail : [email protected])

량의 중량을 계산한다. 과적차량의 불법 축조작을 통한 단속 의 문제점 해결 및 도로의 지능화를 위한 임베디드 차량하 중분석 시스템을 위해서는 우선적으로 도로자체의 거동을 이 용한 차량하중 분석의 정확성이 요구되며, 이에 본 연구에서 는 일반도로에서의 변형적 특성을 이용할 수 있도록 Box형 도로 매설물을 설치하여 도로의 변형을 측정하고, 차량의 통 제가 필요없는 유전자알고리즘 기법의 차량하중 분석 방법 을 위한 실내 기초실험을 실시하였다.

2. 연구 동향 2.1 축중계 현황

현재 과적단속을 위해 사용되고 있는 축중센서는 특성에 따라 대표적으로 벤딩플레이트(Bending plate) 형식, 피에조 세라믹(Piezo ceramic)형식, 피에조퀄츠(Piezo quartz)형식이 있다. 벤딩플레이트 형식은 주로 저속축중계시스템에 사용되 어지고, 피에조형식은 고속축중계시스템에 사용되어진다. 현 재 대분분의 국도 단속시스템에서 설치되어있는 피에조세라 믹의 하중측정오차는 10~15%, 영업소 및 이동식 축중기로 이용되고 있는 벤딩플레이트의 경우 10%미만의 오차 성능 을 보이고 있다(안기용 등, 2003).

2.2 과적차량 단속 현황

현재 시행되고 있는 과적 관리시스템은 차량의 과적관련 정보를 얻기 위하여 저속 하중 측정 후 정적 계측, 즉 차량 을 일정한 장소(계량소)에까지 유도하고 정지시킨 후 각 축 중량을 측정하고 있다. 기존단속의 경우 그림 1과 같이 단 속 초소 안에 매시간 상주인원이 배치되어야 하며, 과적이라 판단된 차량은 인력을 통하여 우회도로로 유도해야 하는 문 제점을 지니고 있다.

현행 과적단속 방법에는 많은 한계점이 있다. 영업소와 과 적검문소 진입 시 축 조작에 의한 단속 회피나 주행 중 축 들기, 1차 검측적발 후 재 검측 시 단시간 내 축조정이 가 능해 일일이 단속하기 쉽지 않은 실정이다. 또한, 단속 인력 의 부족으로 도주차량 등의 단속 어려움, 고속도로의 경우 하이패스를 이용하는 버스와 2.5톤 이하 화물차 등의 과적단 속 불가능이 원활한 단속을 방해하는 요인이다. 이로 인하여 평균 적발률 0.08%에 그치고 있으며, 축조작 적발률 0.002% 에 그치고 있다.

3. 차량하중 분석 3.1 제안방법

교량의 거동을 이용한 차량의 하중분석은 국내에서도 연구 되고 있으나(박민석 등, 2008; 조병완 등, 2008) 도로에서의 하중분석은 WIM센서 매설을 통하여 이루어지고 있다. 본 연구에서는 포장 층 축중센서를 대신하여 도로의 일부 구간 에 매립한 Box형 구조물의 거동을 고려한 변형률 신호를 통하여 차량 하중을 추정하는 시스템을 나타낸 것이다. 본 연구를 위한 실내모형을 제작하여 하중재하실험을 실시하였 으며 실내모형은 차량하중으로 인한 변형률 피크치값을 고 려하기 위한 크기의 Box형 구조물 형태로 제작되었다. 하중 재하를 위한 모형차량의 축간 거리를 통하여 모형구조물의 폭길이를 설계하였으며 축 하중을 통하여 차량의 총중량계 산을 위한 시스템 구축이 이루어졌다.

3.2 차량하중 분석

본 연구에서의 하중분석방법은 동적특성을 고려할 수 있는 유전자알고리즘 기법을 적용하였다. 유한요소프로그램을 통 하여 실제 실내모형과 같은 유한요소 모델링을 실시한 후 실내모형에서 얻어지는 센서데이터 값과의 오차를 최소화하 여 역으로 하중을 추정하는 방식이다(이규철 등, 2007). 유 전자알고리즘을 이용하여 오로지 측정 신호만으로 하중 정 보를 추출하는 이러한 방법은 여러 상황에서 이용이 가능한 데 특히 현 도로나 교량처럼 WIM센서가 없이는 하중정보를 추출하기가 힘든 경우 이를 해결할 수 있는 방법으로 판단 된다. 이러한 방법을 적용하기 위해서는 구조물의 정교한 분 석을 통한 수치해석을 실시한 후 차량의 실험 데이터값을 통한 시뮬레이션을 통하여 차량의 하중을 역 추적하는 구성 망을 가지고 있다. 본 연구에서는 Matlab에서 제공하는 Genetic Algorithm Tool box 를 이용하였으며 전체 시스템의 구성도는 그림 2와 같다.

차량하중분석은 일반 3D유한요소 모델링의 이동하중을 적 용한 수치해석과 실제 모형실험을 통한 데이터값에 유전자 알고리즘을 적용한 역해석 기법을 통하여 수행하였다. 또한 보다 높은 정확성을 확보하기 위하여 실내실험의 Box내 세 개의 변형률 값과 하중의 속도를 동시 적용하였다.

3.3 유전자알고리즘 분석방법

유전자 알고리즘은 개체집단을 유지하면서 적자생존의 원 칙에 따라 보다 적합한 개체를 탐색하며 내재적 병렬성과

그림 1. 기존 과적차량 관리시스템

외적 병렬성으로 인해 해를 다수의 영역에서 효율적으로 탐 색할 수 있다. 또한 본 연구에서는 Goldberg가 도입한 이진 열 표현을 통한 유전자 알고리즘을 이용하였으며 개체집단 의 무작위값으로 초기화가 이루어진다(황희수, 2006;

Goldberg, 1989).

유전자알고리즘을 이용하여 측정 신호만으로 하중 정보를 추출하는 이러한 방법은 여러 상황에서 이용이 가능한데 센 서를 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 모 형위의 주행차량 신호를 통해 얻은 보다 현실성 있는 데이 터를 학습에 사용하였다.

또한 본 연구에서는 Matlab에서 제공하는 Genetic Algorithm Toolbox 를 이용하였다. 유전자 알고리즘을 이용한 차량하중분석은 세 가지위치의 신호를 통하여 수행하였다.

여기서 사용한 변형률 신호는 주행차선에 Box구조물 내 변 형률 센서의 피크 치이다. 샘플링 간격내 모든 신호 데이터 의 합을 이용한 경우와 피크 치만을 이용한 경우, 둘의 학 습성능을 비교한 결과 비슷한 성능을 보여 본 연구에서는 피크 치를 사용하였다. 또한, 속도도 함께 입력변수로 사용 하였다. 표 1은 유전자 알고리즘망 구성시 사용한 Matlab 함수에 대한 설명이다(MathWorks, 2003). 구성된 유전자 알

고리즘망은 차량하중 측정 구성을 위하여 유한요소모델링 및 실내모형을 통한 변형률 데이터와 연동되어 하중을 추정하 게 된다. 실내모형데이터 추출을 위한 총4개의 센서를 실내 모형에 설치하였으며 시스템이 구성되고 나면 실제로 모형 차량을 통해 성능을 검증할 필요가 있다. 따라서, 시험차량 을 통한 검증시험을 실시하여 최종적으로 제안된 시스템에 대한 성능 평가를 수행하게 된다.

4. 데이터 획득을 위한 실내재하시험 4.1 실내모형 및 시스템 구축

4.1.1 실내모형

본 연구의 재하시험은 한양대 첨단융합구조실험실에서 실 그림 2. 차량 하중 분석 시스템

그림 3. 유한요소 모델링

표 1. Matlab Function

Command Option Function

gatool

plot Best fitness Best individual Population initial range[0.5:1.0]

Selection Selection function-Tournament Mutation Gaussian

Stopping criteria Generation 100

Function tolerance 1e-006

Output function History to new window

시하였다. 본 연구의 최종 목표인 도로내 두 개의 Box형 구조물 설치를 통한 차량하중측정을 위하여 실내구조물을 제 작하였으며 각 Box의 진행방향 길이는 차량의 축간 거리를 고려한 500mm이며, 너비 1000mm, 폭은 20mm로 제작되 었다. 실제 도로 내 두 개의 Box설치는 차량주행 시 첫 번 째 Box에 1축 하중 재하 후 다음 축 진입 시 1축 하중이 다음 축에 영향을 미치지 않으므로 각축에 의한 Box 변형 값을 얻을 수 있으므로 본 실내실험의 경우도 각각의 Box 를 분리 제작하였다. 또한 각 Box의 변형값은 차량속도 추 출에 이용된다.

4.1.2 센서설치

실제 차량주행시 원더링 효과 및 내구성문제의 최소화를 위하여 Box하단에 센서설치의 필요성이 있으므로 본 실내실 험에서는 Box1 하단에 3개의 센서, Box2하단 중앙 지점에

1 개의 센서를 설치하였다. Box1에 설치된 센서는 차량의 축 중량에 의한 변형률 값을 측정하며 최소의 오차값을 위하여 센터점, 센터의 진행방향 1/2지점에 각각 설치되었다.

Box2 의 센터지점에 설치된 센서의 경우 축을 감지하여 Box1 의 데이터 값과의 시간차를 이용해 차량의 속도정보 측 정 및 축중량 오차최소화를 목적으로 하고 있다. 본 실험의 센서를 통한 샘플링 빈도는 0.01초로 계측된다.

4.2 실내 재하실험 4.2.1 시험차량 주행시험 4.2.1.1 개요

위와 같이 알고리즘 망이 구성되고 나면 실제로 모형차량 실험을 통하여 유전자 알고리즘을 이용한 차량하중분석을 검 증하여야 한다. 이에 표 2에 나와 있는 것과 같은 시험차량 주행시험을 실시하여 제안된 시스템에 대한 성능 평가를 수

그림 4. 시스템 전경도

그림 5. 실내실험 센서설치도 표 2. 시험차량 제원

총 중량 1 축 2 축

VE-1 2 축

차량

하중(N) 264.6 147 117.6

축거(mm) 930

VE-2 2 축

차량

하중(N) 382.2 186.2 196

축거(mm) 930

VE-3 2 축

차량

하중(N) 470.4 225.4 245

축거(mm) 930

행하였다.

본 실험을 위하여 정확한 차량하중 측정을 위한 정적하중 측정기를 설치하였고 정값은 알고리즘을 통한 하중값과 비 교분석 하였다.

4.2.1.2 측정 데이터

총 4개의 센서를 통하여 측정된 데이터를 추출하여 이를 기반으로 제안된 기법이 적용되었다. 중앙에 위치한 센서들 을 통한 데이터는 하중 추정 및 그에 필요한 속도측정에 함 께 이용되었다.

4.2.2 시험차량 변형률 응답신호

그림 6은 시험차량 진입시 추출된 S12, S22 변형률 센서 응답신호의 한 예이다. 가로축은 시간이력이고 세로축은 Box 1,2 센터 지점에 설치된 S12, S22의 신호값이며 센서간 거 리와 시간이력의 변수를 통하여 차량의 속도를 추정할 수 있다.

S12, S22 중앙센서들의 데이터는 가장 큰 응답 값을 보이 므로 피크치 시간이력을 이용한 속도계산 및 나머지 2개의 센서 S11, S13와 함께 하중측정에 이용되었다.

유전자알고리즘을 이용한 역해석 기법에 사용되는 인식변 수는 계산된 속도와 주행중 각 Box에 위치한 변형률 신호 값의 피크치이며 첫 번째 Box의 1/4 지점에 위치한 두 개의 변형률 센서를 통한 신호값은 차량하중분석과 함께 차량이 도로중앙부에서 치우친 범위를 확인할수 있는 중요 한 데이터이므로 실제 적용시 더 많은 지점의 센서설치가 필요하다.

5. 유전자알고리즘을 이용한 차량하중분석 방법 5.1 시험차량 하중분석

유전자알고리즘 역해석 구성망을 위해서 유한요소 모델링 및 실내실험을 위한 정교한 시스템구성을 실시한 후 각 차 량마다 5번의 반복주행을 실시하였으며 총 15회의 동적응 답데이터가 획득되었다. 본 시스템에서 측정한 데이터를 통 하여 하중 분석을 실시하였다. 제안된 알고리즘망을 이용한 차량하중분석 방법의 성능검증을 위하여 정적차량하중계측 기를 통하여 하중을 측정 한 후 결과 값과의 상대 오차를 구하였다.

그림은 시험차량 변형률값의 유전자알고리즘 망을 통한 축 하중과 총하중의 상대오차를 나타낸 것이다. 오차는 3가지 경우 모두 목표 허용오차인 10%범위인 것을 알 수 있으며

실내모형실험과 유한요소모델링과의 부분적 부적합으로 인한 오차로 판별된다.

6. 결 론

본 연구에서는 포장층에 WIM센서를 매설하지 않고 지능 형 임베디드 도로를 위한 차량하중분석시스템 개발을 위한 실내실험을 실시하였다. 도로내 설치된 변형률 신호만으로 차량의 하중정보를 추출하기 위하여 도로내 Box 구조물과 같은 구조의 실내모형을 제작하였으며 하중분석결과의 정확 도를 향상시키고자 구조물 하부의 거동을 고려할 수 있는 응답신호를 이용하였다. 정적하중계측기를 통하여 얻은값을 기준치로 설정한 후 유전자알고리즘망을 통한 차량 하중값 과 비교하였으며, 역해석 방법을 위해 실제 실내모형을 통한 데이터를 가지고 역해석 하중측정을 수행하였다. WIM센서 매설을 통한 차량하중 측정을 위해서는 많은 양의 학습데이 그림 6. 센서응답신호 샘플링

그림 7. VE-1 상대오차 비교

그림 8. VE-2 상대오차 비교

그림 9. VE-3 상대오차 비교

터수집이 필요한데 유전자 알고리즘의 경우 학습이 필요 없 으며 구조적 접근 및 정밀한 센서설치를 통하여 차량하중 측정이 가능하다. 본 연구를 통해 얻은 결론은 다음과 같다.

(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 만 한 정확도를 나타내었다.

(3) 제안된 기법으로부터 추정된 차량하중은 진화세대 100 세대 후, 인식변수가 10%범위의 오차를 보이며 추정되었다.

또한 기존의 하중정보를 위한 초기정보의 필요성과 국지해 로의 수렴을 피할 수 있었다.

(4) 일반 도로에서 도로자체의 거동을 이용한 과적단속시 스템이 구축될 경우 현재 WIM센서 단속 현장의 노출을 통 하여 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.

본 연구를 바탕으로 앞으로 이루어져야할 연구 분야는 연 행 차량에 대한 간섭 문제 해결부분과 변형을 측정할 구조 물의 정밀한 유한요소 모델링 구축 및 정밀측정을 위한 센 서 설치 부분이다. 또한 미래의 도로는 단순한 차량주행을 위한 공간에서 벗어나 USN(Ubiquitous Sensor Network) 기술을 도로계측과 융합하여 지능형 임베디드 공간으로 구 축되어야 한다. 이에 추후 연구에서는 도로자체의 거동 및

특성을 고려한 여러 센서로부터 측정된 정보들을 USN을 통 하여 하나의 Sink Node에 전송하고 측정된 정보를 휴대폰, PDA, Navigation 과 도로전광표지(VMS: Variable Message System) 등에 통보하는 지능형 도로시스템을 위한 연구가 이 루어져야 할 것이다.

참고문헌

박민석, 조병완, 이정휘, 김성곤(2008) 축감지기가 없는 PSC I거 더교의 주행중 차량하중분석 시스템 개발, 대한토목학회논문 집, 대한토목학회, 제28권 제5A호, pp. 673-683.

박민석, 조병완(2006) 주행중인 차량하중 측정을 위한 BWIM 시스템 개발, 한국구조물진단학회논문집, 한국구조물진단학회, 제10권 제2호, pp. 111-1226.

안기용, 박홍준(2003) 고속WIM시스템 개발, 대한전기학회 학술대 회 논문집, 대한전기학회, 제23권, 제6호, pp. 2729-2732.

이규철, 이상열, 박대효(2007) 시스템 인식기법을 이용한 FRP로 보강된 RC슬래브교의 성능평가, 대한토목학회논문집, 대한토 목학회, 제27권 제6A호, pp. 837-845.

조병완, 윤광원, 박정훈, 김헌(2008) 과적차량 방지를 위한 유비 쿼터스도로에 관한연구, 한국전산구조공학회논문집, 한국전산 구조공학회, 제21권 제3호, pp. 225-232.

황희수(2006) 퍼지-진화컴퓨팅 프로그래밍, 내하출판사.

Goldberg, V A. (1989) Sizing populations for serial and parallel genetic algorithms, 3rd Conf. genetic Algori., Vol. 5, pp. 30-42 COST 323 (2002) WIM-LOAD - Final report of the COST323

action, ed. B. Jacob, E. O'Brien, LCPC, Paris, pp. 538.

The MathWorks (2003) Using MATLAB, version 6.5. Natick, MA:

USA.

( 접수일: 2010.9.1/심사일: 2010.11.2/심사완료일: 2011.1.4)