• 터널과지하공간
• /
• 제18권6호
• /
• pp.408-417
• /
• 2008

RMR, Q 등의 암반분류법들은 평가 요소 및 적용에 있어 특징적인 차이를 가지고 있어서 이들 암반분류법의 상관성 및 호환성 분석에 있어서는 평가 요소들의 특성별 그룹화 및 평가 요소간의 상관관계 즉, 친숙도 관계가 정확히 규정되어야 한다. 본 연구에서는 현장지반조사를 통해 획득한 RMR 및 Q 자료를 이용하여 암반분류법의 평가 요소 및 두 분류법 상호간의 상관관계를 분석하였다. 이로부터 평가 요소간 상관관계 매트릭스 및 평가 요소간 상관계수를 등급화 한 친숙도 관계 매트릭스를 도출하였다. 이 친숙도 관계 매트릭스는 보다 다양한 지반 물성 요소를 포함하여 종합적 친숙도 관계 네트워크로 확장할 수가 있으며, RMR 및 Q 암반분류법의 평가 요소 상호간 밀접성이나 호환성을 파악하고 주어진 평가 요소 정보로부터 미 획득된 다른 요소의 추정 또는 변환 및 그 신뢰 정도를 파악하는데 이용될 수 있다.

• 터널과지하공간
• /
• 제15권2호
• /
• pp.119-128
• /
• 2005

절리 암반의 역학적 물성 및 거동 평가가 터널 및 지하구조물의 설계에 매우 중요하다 할지라도, 그것은 항상 매우 어려운 문제로 간주되어 왔다. 암반 거동을 모사하는데 있어서 어려움중의 하나는 적절한 구성 모델을 선정하는 것이다. 이러한 한계점은 PFC와 같이 사용자로 하여금 암반의 구성 모델을 요구하지 않는 개별요소 프로그램의 개발과 함께 극복되어질 것이다. 본 연구에서는 도로터널 현장의 30\;m\;\times\;30\;m\;\times\;30\;m 절리 암반블록을 대상으로, 시추 및 지표 지질조사를 통해 얻어진 절리의 기하학적 형태자료를 근거로 개별균열망이 작성되었다. 개별균열망 모델의 절리 형상을 근거로 절리가 없는 상태에서 점차적으로 절리군을 추가해가면서 2차원 PFC모델이 만들어졌다. 또한 각각의 PFC모델에 대한 수치모사를 통하여 각 모델의 응력-변형율 곡선이 얻어졌다. 응력-변형율 곡선으로부터 절리 암반의 역학적 물성이 결정되었다. 절리의 존재는 암반의 역학적 물성에 상당한 영향을 미쳤으며, 더욱 중요한 것은 PFC모델의 역학적 거동은 기존의 수치모델에서 요구되는 구성 모델에 의하여 결정되지 않는다는 것이다.

• 터널과지하공간
• /
• 제23권5호
• /
• pp.353-361
• /
• 2013

최근까지 노천광산을 대상으로 덤프트럭의 최적 운반경로 분석을 수행한 연구들은 주로 래스터 자료를 사용하였다. 그러나 래스터 자료는 격자 해상도에 따라 운반경로가 zigzag 형태로 심하게 왜곡될 수 있으며, 경로의 위상관계를 고려할 수 없는 한계가 있다. 벡터 네트워크 자료를 사용할 경우에는 이러한 문제점들을 해결할 수 있으나, 지형경사에 따른 덤프트럭의 성능 변화 특성이 최적 운반경로 분석시 반영될 수 있도록 할 필요가 있다. 본 연구에서는 노천광산 덤프트럭의 최적 운반경로 분석을 위해 지형경사에 따른 덤프트럭의 이동속도 변화를 반영할 수 있는 벡터 네트워크 자료의 생성 방법을 제시하였다. 수치지형모델 제작, 운반도로 디지타이징, 지형 경사도 계산, 경사도를 반영한 트럭의 이동속도 및 이동시간 계산 순으로 자료의 생성 작업이 진행된다. 제시한 벡터 네트워크 자료 생성 방법의 적용성과 효과를 알아보기 위하여 인도네시아 파시르 석탄노천광산의 로또 남부 채광장을 대상으로 간단한 사례연구를 수행한 결과, 제시한 방법이 ArcGIS Network Analyst 소프트웨어와 쉽게 호환이 가능하며, 최적 운반경로 분석시 지형경사에 따른 덤프트럭의 이동속도 변화를 효과적으로 반영할 수 있음을 확인할 수 있었다.

• 한국터널공학회:학술대회논문집
• /
• 한국터널공학회 2005년도 학술발표회 논문집
• /
• pp.348-358
• /
• 2005

Although the evaluation of the mechanical properties and behavior of discontinuous rock masses is very important for the design of underground openings, it has always been considered the most difficult problem. One of the difficulties in describing the rock mass behavior is assigning the appropriate constitutive model. This limitation may be overcome with the progress in discrete element software such as PFC, which does not need the user to prescribe a constitutive model for rock mass. Instead, the micro-scale properties of the intact rock and joints are defined and the macro-scale response results from those properties and the geometry of the problem. In this paper, a $30m{\times}30m{\times}30m$ jointed rock mass of road tunnel site was analyzed. A discrete fracture network was developed from the joint geometry obtained from core logging and surface survey. Using the discontinuities geometry from the DFN model, PFC simulations were carried out, starting with the intact rock and systematically adding the joints and the stress-strain response was recorded for each case. With the stress-strain response curves, the mechanical properties of discontinuous rock masses were determined and compared to the results of empirical methods such as RMR, Q and GSI. The values of Young's modulus, Poisson's ratio and peak strength are almost similar from PFC model and Empirical methods. As expected, the presence of joints had a pronounced effect on mechanical properties of the rock mass. More importantly, the mechanical response of the PFC model was not determined by a user specified constitutive model.

• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.