KIPS Transactions on Computer and Communication Systems (정보처리학회논문지:컴퓨터 및 통신 시스템)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Intelligent Bridge Safety Prediction Edge System

지능형 교량 안전성 예측 엣지 시스템

  • Received : 2023.11.01
  • Accepted : 2023.11.27
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Bridges are important transportation infrastructure, but they are subject to damage and cracking due to various environmental factors and constant traffic loads, which accelerate their aging. With many bridges now older than their original construction, there is a need for systems to ensure safety and diagnose deterioration. Bridges are already utilizing structural health monitoring (SHM) technology to monitor the condition of bridges in real time or periodically. Along with this technology, the development of intelligent bridge monitoring technology utilizing artificial intelligence and Internet of Things technology is underway. In this paper, we study an edge system technique for predicting bridge safety using fast Fourier transform and dimensionality reduction algorithm for maintenance of aging bridges. In particular, unlike previous studies, we investigate whether it is possible to form a dataset using sensor data collected from actual bridges and check the safety of bridges.

교량은 중요한 교통 인프라지만 다양한 환경적 요인과 지속적인 교통 부하로 손상 및 균열을 겪게 되며, 이러한 요인들은 교량의 노후화를 가속화시킨다. 현재 건설한 지 오래된 교량이 많아지면서 안전성을 보장하고 노후화를 진단하기 위한 시스템의 필요성이 대두되고 있다. 이미 교량에서는 실시간 또는 주기적으로 교량의 상태를 모니터링하기 위해 구조물 건전도 모니터링(SHM) 기술이 활용되고 있다. 이 기술과 함께 인공지능과 사물인터넷 기술을 활용한 지능형 교량 모니터링 기술 개발이 진행 중이다. 본 논문에서는 노후화된 교량의 유지관리를 위해 고속 푸리에 변환과 차원 축소 알고리즘을 활용한 교량 안전성을 예측 엣지 시스템 기법을 연구한다. 특히, 기존 연구와는 다르게 실제 교량에서 수집된 센서 데이터를 이용하여 데이터셋을 형성하고 교량의 안전성을 확인할 수 있는지 알아본다.

Keywords

Acknowledgement

본 논문은 2023년도 정부(과학기술정보통신부)의 재원으로 정보통신기획 평가원의 지원(No. 2022-0-00591, 디지털트윈 환경에서 센서 음영구역을 해소하기 위한 가상센서 프레임워크 기술 개발, 50%)과 부산광역시 및 (재)부산테크노파크의 BB21plus 사업으로 지원된 연구임.

References

  1. Korea Institute of Civil Engineering and Building Technology, "Yearbook of Road Bridge and Tunnel Statistics," Ministry of Land, Infrastructure and Transport, 2023.
  2. A. S. Azhar, S. A. Kudus, A. Jamadin, N. K. Mustaffa, and K. Sugiura, "Recent vibration-based structural health monitoring on steel bridges: Systematic literature review," Ain Shams Engineering Journal, 102501, 2023, doi: https://doi.org/10.1016/j.asej.2023.102501.
  3. P. Prasanna et al., "Automated crack detection on concrete bridges," in IEEE Transactions on Automation Science and Engineering, Vol.13, No.2, pp.591-599, 2016, doi: https://doi.org/10.1109/TASE.2014.2354314.
  4. J. Park, S. Oh, S. Kwon, and J. Youn, "Edge computing-based bridge safety prediction techniques," Proceedings of the Korea Society for Industrial Systems Conference, pp.58-60, 2023.
  5. H. Sun, L. Song, and Z. Yu, "A deep learning-based bridge damage detection and localization method," Mechanical Systems and Signal Processing, Vol.193, pp.110277, 2023, doi: https://doi.org/10.1016/j.ymssp.2023.110277.
  6. S. Talaei, X. Zhu, J. Li, Y. Yu, and T. H. Chan, "Transfer learning based bridge damage detection: Leveraging timefrequency features," Structures, Vol.57, pp.105052, 2023, doi: https://doi.org/10.1016/j.istruc.2023.105052.
  7. W. S. L. Wah, Y. Chen, G. W. Roberts, and A. Elamin, "Damage detection of structures subject to nonlinear effects of changing environmental conditions," Procedia Engineering, Vol.188, pp.248-255, 2017, doi: https://doi.org/10.1016/j.proeng.2017.04.481.
  8. K. Lee, S. Han, and D. Shin, "Impact assessment of bridge damage detection based on deep learning according to number and location of accelerometer installations," Journal of The Korean Society of Hazard Mitigation, Vol.21, No.5, pp.183-190, 2021, doi: 10.9798/KOSHAM. 2021.21.5.183
  9. M. H. Daneshvar and H. Sarmadi, "Unsupervised learning-based damage assessment of full-scale civil structures under long-term and short-term monitoring," Engineering Structures, Vol.256, pp.114059, 2022, doi: https://doi.org/10.1016/j.engstruct.2022.114059.
  10. S. Park, "Development of bridge damage detection model based on SAE deep learning algorithm using acceleration data," Master's Thesis Inha University Graduate School, Incheon, 2022.
  11. S. Wang, F. Huseynov, M. Casero, E. J. OBrien, P. Fidler, and D. P. McCrum, "A novel bridge damage detection method based on the equivalent influence lines - Theoretical basis and field validation," Mechanical Systems and Signal Processing, Vol.204, pp.110738, 2023, https://doi.org/10.1016/j.ymssp.2023.110738.
  12. A. Pollastro, G. Testa, A. Bilotta, and R. Prevete, "Semisupervised detection of structural damage using variational autoencoder and a one-class support vector machine," in IEEE Access, Vol.11, pp. 67098-67112, 2023, doi: 10.1109/ACCESS.2023.3291674.