• 터널과지하공간
• /
• 제33권4호
• /
• pp.209-227
• /
• 2023

정부는 건설산업의 생산성 혁신을 위해 BIM 기반 스마트 건설기술 활성화방안을 지속적으로 발표하고 있다. 설계단계에서는 BIM 데이터와 다른 첨단기술을 융합하여 설계 자동화와 최적화 수행을 목표로 한다. 국내 해저터널 사업인 남해 서면-여수 신덕 국도 건설공사 기본설계에서는 터널설계 프로세스에 따라 3D 공간정보를 이용한 터널설계 자동화 기술을 개발하여 BIM 기반의 설계를 수행하였다. 터널의 선형설계에 제너레이티브 디자인 기법을 사용하여 만 여건 이상의 케이스를 36시간 내에 도출하고, 설계자가 정의한 목적함수의 정량적 평가를 수행하여 설계자가 요구하는 조건의 최적 선형을 도출했다. AI 기반의 지반분류와 3D Geo Model을 구축하여 최적 선형의 경제성 및 안정성을 평가하였다. AI 기반의 지반분류는 시추 코어 1공당 약 30종의 지반분류를 수행하여 그 정밀도를 향상시켰고, 3D Geo Model의 경우 시공 중 추가되는 지반 데이터를 누적할 수 있다는 점에서 그 활용도를 기대할 수 있다. 3D 발파설계의 경우 Dynamo 상에서 노선상의 모든 보안물건을 검토하여 최적 장약량을 5분 만에 도출하고, 직관적이고 편리한 시공관리를 위해 3D 공간상에 설계 결과를 시각화함으로서 시공 중에 직접 활용할 수 있도록 했다.

• 한국터널지하공간학회 논문집
• /
• 제15권5호
• /
• pp.505-522
• /
• 2013

기존 연구를 통하여 주어진 지반조건과 대응한 시공 상황에 대해 터널 굴진에 따른 매 막장의 붕괴 위험도를 정량적으로 지수화 할 수 있는 수단이 개발된 바 있다(Shin et al, 2009a). 본 논문에서는 기 제안된 터널 붕괴 위험도 지수(KTH-index)를 산정하는데 있어서 각 영향인자에 부여되는 가중치가 고정된 '선형' 모델과 주어진 영향인자의 입력값에 따라 가중치가 변화하는 '비선형' 모델을 소개하고, 100여개의 붕괴현장자료를 이용해 '비선형' 모델의 타당성을 검토하였다. 이를 통해 신개념의 '비선형' 가중치 모델은 위험도를 평가코자 하는 터널현장의 특성을 감안하여 가중치가 합리적으로 조정되어 위험도 평가를 수행할 수 있음을 보였다. 또한, 기 개발된 터널 시공 위험도 관리 시스템의 이해와 효과적인 활용을 돕기 위해 일련의 터널 시공 위험도 평가 체계를 수립하여 제시하였다. 본 시스템은 수립된 평가체계에 따라 개발 취약한 지반조건상에 있는 실제 도로터널 현장의 전 구간에 적용되어 그 현장 적용성을 검토하였다. 이를 통해 터널 막장의 지반조건과 함께 터널 붕괴 가능성에 영향을 미칠 설계 및 시공현황 정보와도 잘 연계 고려되어 붕괴 위험도가 평가됨을 보였으며, 산정된 위험도 지수 변화추이는 기존 전기 비저항 분포 특성과 설계자료 및 지보/보강 현황 등 현장 시공조건들의 변화추이와 잘 부합됨을 보였다. 또한, 본 시스템은 실시간으로 수집되는 막장관찰자료의 활용도를 극대화 시키고, 사전에 위험수준과 민감한 영향인자를 파악하여 적절한 현장대응을 유도할 수 있음을 보였다.

• Geomechanics and Engineering
• /
• 제31권6호
• /
• pp.545-556
• /
• 2022

Evaluation and optimization of tunnel wall convergence (TWC) plays a vital role in preventing potential problems during tunnel construction and utilization stage. When convergence occurs at a high rate, it can lead to significant problems such as reducing the advance rate and safety, which in turn increases operating costs. In order to design an effective solution, it is important to accurately predict the degree of TWC; this can reduce the level of concern and have a positive effect on the design. With the development of soft computing methods, the use of deep learning algorithms and neural networks in tunnel construction has expanded in recent years. The current study aims to employ the long-short-term memory (LSTM) deep neural network predictor model to predict the TWC, based on 550 data points of observed parameters developed by collecting required data from different tunnelling projects. Among the data collected during the pre-construction and construction phases of the project, 80% is randomly used to train the model and the rest is used to test the model. Several loss functions including root mean square error (RMSE) and coefficient of determination (R²) were used to assess the performance and precision of the applied method. The results of the proposed models indicate an acceptable and reliable accuracy. In fact, the results show that the predicted values are in good agreement with the observed actual data. The proposed model can be considered for use in similar ground and tunneling conditions. It is important to note that this work has the potential to reduce the tunneling uncertainties significantly and make deep learning a valuable tool for planning tunnels.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2000년도 가을 학술발표회 논문집
• /
• pp.479-484
• /
• 2000

The reliable estimation of the system parameters and the accurate prediction of the system behavior are important to design tunnel safely and economically. Therefore, the back analysis using the field measurements data is useful to evaluate the geotechnical parameter for tunnel. In the back analysis method, the selection of initial value and uncertainty of field measurements influence significantly on the analysis result. In this paper, to overcome uncertainty of field measurements, we performed the back analysis using the displacement data gained at each step of excavation and support.

• Geomechanics and Engineering
• /
• 제28권1호
• /
• pp.65-75
• /
• 2022

Time and cost of construction are key factors in decision-making during a tunnel project's planning and design phase. Estimations of time and cost of tunnel construction projects are subject to significant uncertainties caused by uncertain geotechnical and geological conditions. The Gaussian Process Regression (GPR) technique for predicting ground condition and construction time and cost of mountain tunnel projects is used in this work. The GPR model is trained with data from past mountain tunnel projects. The model is applied to a case study in which the predicted time and cost of tunnel construction using the GPR model are compared with the actual construction time and cost for model validation and reducing the uncertainty for the future projects. In addition, the results obtained from the GPR have been compared with to other models of artificial neural network (ANN) and support vector regression (SVR) that the GPR model provides more accurate results.

• 한국BIM학회 논문집
• /
• 제11권4호
• /
• pp.31-41
• /
• 2021

Digital twins between "BIM Digital Model-Physical Prototype Model" will be built for Noise Barrier tunnel(NBT) that meet the definition of N.G smart city facilities derived from previous studies to build a data flow that connects data at each stage of design, construction, and operation. In this process, BIM design automation tools are created and utilized, and consistent transmission of member and attribute data is performed by converting them into IFC format. Through this, the purpose is to improve the labor-intensive environment required from the design stage of the NBT and to consistently maintain the information required for subsequent production and construction. This includes achieving changes in the construction industry based on digital transformation by unifying various data formats used differently for each industry from design to operation. In addition, it demonstrates that information exchange in the maintenance and management stages is possible based on the data exchange of the established digital twin and aims to improve the existing labor-intensive environment and expand operability between digital and physical information. As suggested in previous studies, the implementation of digital twins in these N.G smart city facilities includes the possibility of building an environment that adds to the possibility of high value-added product platforms as well as the function of big data platforms targeting existing smart cities.

• 지질공학
• /
• 제25권3호
• /
• pp.395-401
• /
• 2015

터널 시공 중 획득되는 굴진면 조사와 계측자료 등은 암판정의 기초자료로 터널 안정성 및 경제성과 밀접한 관련이 있다. 하지만 국내에서는 이러한 자료에 대한 체계적 관리가 부족한 실정이며 자료의 효율적 활용 및 관련 전문가의 수도 부족하다. 따라서 자료의 체계적 관리 및 효율적 활용, 한정된 전문가를 효과적으로 활용할 수 있는 방안 마련이 필요한 실정이다. 이에 본 연구에서는 BIM기반 데이터 시각화를 통해 터널 설계 및 시공관련 정보를 온라인 상에서 효율적으로 제공하기 위한 연구를 수행하였으며 그 결과로 통합 3D 터널모델 생성 모듈과 웹뷰어 모듈을 개발하였다. 개발 기술은 국내 ○○터널 설계 및 시공 자료를 통해 구현성능을 검증하였으며 향후 연구방향 및 시스템 개선방안을 도출하였다.

• 한국지반환경공학회 논문집
• /
• 제3권3호
• /
• pp.5-13
• /
• 2002

본 연구에서는 수도권 근처의 터널설계시 대심도 탄성파 토모그래피 탐사에 의한 탄성파 속도와 Q 값과의 상관관계를 도출하고 이를 통한 정확한 암반분류로 공사비 절감효과에 대하여 고찰하였다. 터널전구간 지표면에서 탐사를 수행하여 대심도 구간의 자료를 얻어 암반분류를 수행하였으며, 이상대 구간에서는 VSP를 통한 자료를 추가하여 보다 상세한 자료를 얻어 신뢰성 향상을 얻을 수 있었다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2010년도 추계 학술발표회 2차
• /
• pp.21-31
• /
• 2010

Although it is important to reflect the accurate information of the ground condition in the tunnel design, the analysis and design are conducted by limited information because it is very difficult to get it practically on considering various geography and geotechnical condition. So construction management of information concept is required to manage immediately on the field condition because it is very time-consuming to establish the countermeasure of underground reinforcement and the pattern change of Bo. Therefore, when construction is on tunnel area, examination of accurate safety and prediction of behavior is performed to overcomes the limit of predicting behavior by using Artificial Neural Network(ANN) in this study. Firstly, the field data was secured. Secondly, suitable structure was made on multi-layer perceptrons among the ANN. Thirdly, learning algorithm-propagated applies to ANN. The data for the learn of field application using ANN was used by considering impact factors, which influenced the behavior of tunnel, and performing credibility analysis. crown displacement, spring displacement, subsurfacement, and rock bolt axial force are predicted at the tunnel construction and on-site application was confirmed by using ANN from analyzing and comparing with measurement value of on-site. In this study, the data from Seoul Highway $\bigcirc\bigcirc$ tunnel section was applied to the ANN Theory, and the analysis on the investigate value and the reasoning for the value associated with field application was performed.

• 한국터널지하공간학회 논문집
• /
• 제2권3호
• /
• pp.25-36
• /
• 2000

본 연구에서는 합리적이고 공학적인 터널 해석 방법을 제시하기 위해, 시공 중 막장에서 관찰된 신뢰성 높은 암석 및 암반 평점분류 방식과 실내시험을 근거로 하는 일반화된 Hoek-Brown의 현장 암반 모델을 현재 시공이 완료된 지하철 터널 공사 현장의 계측자료와 비교 분석하였다. 그 결과로서 실무적인 측면에서의 터널해석을 위한 일반화된 Hoek-Brown 현장 암반모델의 국내 적용성을 제시하고 적용으로 인한 지반 입력물성치에 대한 타당성을 Trueman과 Trunk의 경험적인 추정식으로 검증하고자 한다. 그러나 불량한 암반의 RMR 값은 정확도가 떨어지기 때문에 일반화된 Hoek-Brown의 현장 암반모델의 적용성에 문제가 있으나, 시공 중 계측자료로 보완함으로서 위험도가 높은 불량암반의 적용성을 평가하였다. 본 연구를 통해서 암석의 경험적인 파괴규준인 일반화된 Hoek-Brown 현장 암반모델을 적용하여 변형과 강도에 과한 암반 입력물성치를 결정하는 과정에서 GSI하한치 = RMR-5를 사용함으로서 현장에서 안정해석의 정확도를 높일 수 있음을 알 수 있다. 단, 여기서는 편마암의 mi=33, 풍화암의 최저치 ${\sigma}ci=100t/m^2$ 이고 GSI는 RMR Chart의 해당연도와 상관없이 동일하다는 조건에서 이루어졌다.