도심지 싱크홀 탐지를 위한 기계학습 기반 GPR 자료 해석 연구
Machine learning-based GPR data interpretation for detection of urban sinkhole
Abstract
최근 도심지에서 지하공동으로 인한 싱크홀이 빈번하게 발생하여 사회적인 불안을 야기하고 있다. 싱크홀로 인한 피해를 예방하기 위해서는 도심지에 위치한 지하공동에 대한 정보를 파악하는 것이 중요하며, 이를 위한 기술로 GPR 탐사 기법이 주로 사용되고 있다. GPR 자료의 해석은 전문가의 주관적인 판단에 의하여 달라지며, 정확한 해석을 위해 숙련된 전문가가 필요하다. 하지만 도심에서 취득한 방대한 탐사 자료를 모두 전문가가 해석한다면, 지나치게 큰 비용과 시간이 소모되는 문제가 발생한다. 이러한 문제를 해결하기 위해 기계학습 기반의 GPR 자료 해석 기법들이 개발되고 있다. 기계학습 기반의 기법들은 해석결과의 정량적인 평가가 가능하며, 많은 양의 GPR 자료를 적은 비용으로 해석할 수 있다는 장점이 있다. 이 연구에서는 훈련된 기계학습 모델을 사용하여 GPR 합성자료 해석을 수행하였다. 오픈 소스 소프트웨어인 gprMax를 사용하여 지하공동이 존재하는 3차원 모델을 설계하고 합성자료를 생성하였다. 자료 취득 구조는 도심지 도로의 환경을 가정하여 도로와 평행한 방향으로 다수의 2차원 단면들을 얻도록 설계하였다. GPR 자료에서 쌍곡 함수 형태로 나타나는 이상신호를 강조하기 위해 간단한 자료처리 과정을 수행하였으며, 훈련된 ImageNet 네트워크를 사용하여 이상 신호를 검출하였다. 추출된 이상 신호들을 종합하여 최종적으로 지하공동 유무를 판단할 수 있었다.
