2.1 과중차량 관리정보

과중차량 모니터링 시스템은 교량을 통행하는 차량의 하중 및 운행 특성을 계측하고, 이를 기반으로 과중차량을 식별하여 관련 정보를 저장 및 관리하는 통합 시스템이다. 본 시스템은 단순히 차량 하중을 계측하는 데에 그치지 않고, 과중차량의 정보를 장기적으로 축적함으로써 교량 과중차량의 체계적인 관리를 위해서는 차량의 단일 시점 하중 정보뿐만 아니라, 차량의 운행 특성과 하중 분포를 종합적으로 나타낼 수 있는 관리정보가 필요하다. 특히 교량 유지관리 및 피로손상 평가 관점에서는, 과중차량이 언제, 어떤 형태로, 어떤 하중 특성을 가지고 교량을 통과하였는지를 장기적으로 축적·분석할 수 있는 정보 구조가 요구된다. 본 연구에서는 과중차량 관리정보를 과중차량을 관리하기 위해 차량 단위로 산출·저장 가능한 기본 운행 정보 집합으로 정의하였다. 해당 관리정보는 차량의 축 수, 주행 속도, 개별 축하중, 총하중, 그리고 축간거리로 구성되며, 이는 과중차량의 하중 특성과 운행 특성을 동시에 반영할 수 있는 최소 필수 정보로 판단된다. 이러한 관리정보는 단일 정보로서 독립적인 의미를 갖는 동시에, 상호 간의 물리적 관계를 통해 정합성을 갖도록 구성된다. 예를 들어, 축수는 축하중 및 축간거리 해석의 기준 정보가 되며, 속도 정보는 축간거리 산정 및 동적 하중 특성 분석에 활용될 수 있다. 따라서 본 연구에서 정의한 관리정보는 향후 과중차량 관리 데이터베이스 구축을 위한 기초 정보 구조로 활용될 수 있다.

2.2 과중차량 모니터링 시스템 구성

본 연구에서 활용한 과중차량 모니터링 시스템은 공용 중인 교량을 통과하는 차량으로부터 변형률 기반 계측 데이터를 수집하고, 이를 바탕으로 과중차량의 관리정보를 산출하기 위한 시스템이다. 본 시스템은 차량 하중을 정밀하게 계측하는 데 목적을 두기보다는, 연속적으로 통행하는 차량들로부터 관리 대상 과중차량의 운행 정보를 안정적으로 확보하는 데 초점을 둔다. 과중차량 모니터링 시스템은 교량 하부에 설치된 변형률 센서, 데이터 수집 장치, 그리고 정보 산출 알고리즘으로 구성된다. 변형률 센서는 차량 통과 시 발생하는 교량의 구조 응답을 계측하며, 계측된 신호는 시간 이력 데이터 형태로 저장된다. 이러한 계측 데이터는 이후 차량의 축 수, 속도, 하중 및 축간거리 정보를 산출하기 위한 입력 데이터로 활용된다.

Fig. 1. Installation Locations of an Overloaded Vehicle Monitoring System

Fig. 1은 본 연구에서 과중차량의 관리정보를 산출하기 위한 시스템으로 그림에서 보이는 바와 같이 교량의 진동 및 거동에 영향을 최소화하기 위하여 센서의 설치위치를 주탑부에 설치하였으며, 교량의 주탑 하부를 차량 진입부(Entering Station)와 차량 출차부(Leaving Station)로 구분하여 변형률 센서를 배치하였다. 특히 진입부에는 차량의 폭에 맞추어 4개의 센서를 교축 방향으로 설치하였으며, 출차부에는 교축방향으로 4개와 교축 직각방향으로 4개를 설치하였다. 두 계측 구간은 일정 거리(12.375 m)로 이격되어 있으며, 이를 통해 차량 통과 시간 차이를 이용한 속도 산출이 가능하도록 구성하였다. 이와 같은 센서 배치는 단일 계측 지점에서 산출하기 어려운 차량의 운행 특성을 보다 효과적으로 산출할 수 있는 장점을 가진다. 또한, Datalogger에서 직접 Digital Low pass filter를 이용함으로써 계측 신호에서 발생할 수 있는 노이즈를 제거하였다.

2.3 관리정보 산출 과정

과중차량 관리정보는 연속적으로 계측되는 변형률 데이터로부터 단계적인 정보 산출 과정을 통해 도출된다. Fig. 2는 본 연구에서 적용한 과중차량 관리정보 산출 과정을 개략적으로 나타낸 것이다. Fig. 2에서 과중차량의 관리정보 산출과정은 먼저 교량을 통과하는 모든 차량에 대해 변형률 센서로부터 시간 이력 신호가 연속적으로 계측된다. 이때, 계측된 신호에는 일반 승용차, 중·소형 화물차, 그리고 과중차량에 의한 응답이 혼재되어 포함된다. 이 중 관리 대상 과중차량의 정보를 산출하기 위해, 차축 개수에 따른 하중 분포 특성을 이용한 과중차량 검지 기준을 적용하여 과중차량을 1차적으로 검지한다. 검지된 차량에 대해서는 차량 통과 시 발생한 변형률 신호를 분석하여 차량의 축 수 정보를 산출한다. 이후 차량 진입부와 출차부에서 계측된 신호의 시간 차이를 이용하여 차량의 주행 속도를 계산하며, 산출된 속도 정보는 축간거리 계산에 활용된다. 또한, 변형률 신호와 교량의 구조 특성을 기반으로 차량의 개별 축하중과 총하중을 산출한다. 이와 같이 본 연구의 정보 산출 흐름은 단일 계측 데이터로부터 과중차량의 핵심 관리정보를 단계적으로 도출하는 구조를 가지며, 각 단계에서 산출된 정보는 다음 단계의 정보 산출에 연계되어 활용된다. 이러한 정보 산출 흐름은 관리정보 간의 물리적 정합성을 확보하는 동시에, 과중차량 관리 데이터베이스 구축을 위한 일관된 정보 생성 체계를 제공한다.

Fig. 2. Process of Extracting Overloaded Vehicle Management Information

3.1 과중차량 정의

본 절에서는 과중차량 모니터링 시스템이 연속적으로 계측되는 차량들로부터 과중차량을 구분하기 위하여 과중차량에 대하여 정의하였다. 본 연구에서는 과중차량 모니터링 시스템이 과중차량을 구분할 수 있도록 도로 및 교량 설계에서 적용되는 하중 모델은 구조물의 안전성과 내구성을 확보하기 위한 필수 요소이며, Fig. 3과 같이 국내 설계기준에서는 DB-24와 KL-510을 대표 설계활하중으로 규정하고 있다.

Fig. 3. Design Live Load. (a) DB-24, (b) KL-510

Fig. 3(a)는 2016년 이전까지 국내에서 사용한 교량 설계활하중으로 총하중이 43.2 tf인 3축차량을 기준으로 하고 있으며, Fig. 3(b)는 2016년 이후에 사용하게 된 교량 설계활하중으로 약 51 tf의 하중을 갖는 차량이다. 본 연구에서는 설계활하중의 특징을 반영할 수 있는 3축, 4축의 대형 화물차량을 과중차량 연구 범위로 한정하였다. 또한, 그림에서 보이는 바와 같이 과중 차량의 하중은 차량의 축 수에 의해서 분배가 된다. 이러한 하중의 분배는 과중차량의 검지를 위해 매우 중요한 역할을 한다. 교량에 설치된 변형률 센서로부터 과중차량을 검지하기 위해서는 단순 총중량 측정이 아닌, 차량의 축 구성 및 하중 분포를 포함한 정밀한 운행정보 분석이 필요하다. 본 연구에서는 교량에 설치된 변형률 센서로부터 과중차량을 검지하기 위하여 하중분배에 의한 검지 기준을 산정하고자 하였다.

3.2 과중 차량 검지를 위한 기준

본 연구에서는 과중차량의 관리정보 산출을 위한 1차 필터링 기준을 설정하였다. 해당 기준은 연속적으로 통행하는 차량 중 하중 수준이 상대적으로 크고 관리 대상 가능성이 높은 차량을 우선적으로 선별하기 위한 목적으로 도입되었으며, 3축 및 4축 대형 화물차량을 대상으로 적용하였다. 본 연구에서 제시한 과중차량 검지 기준은 제한된 수의 3축 및 4축 차량 실험 결과를 기반으로 설정된 경험적 기준으로, 반복 실험에 따른 통계적 신뢰도나 분산 분석을 포함한 일반화된 판별 기준을 제시하는 데 목적이 있다기보다는, 실제 공용 교량에서 장기적인 과중차량 관리 데이터베이스를 구축하기 위한 초기 단계의 실용적 필터링 기준으로 설정되었다. 따라서 본 기준은 모든 과중차량을 포괄적으로 판별하기 위한 절대적 기준이라기보다는, 본 연구에서 고려한 교량 형식과 계측 환경에서 관리 대상 가능성이 높은 차량을 1차적으로 선별하기 위한 기준으로 해석되는 것이 타당하다.

본 절에서는 교량을 통행하는 이동차량 중 과중차량을 구분하고, 차량의 관리정보를 산출하는 방법을 제시하였다. 먼저, 두 종류의 과중차량을 이용한 실험을 수행하여 기준치를 산정하였다. 기준치 산정을 위한 실험에는 26 tf 3축 덤프트럭과 38 tf 4축 덤프트럭을 사용하였다. 각 차량은 속도를 30 km/h에서 60 km/h까지 10 km/h 간격으로 증가시켰으며, 속도별로 2회 반복하여 각 조건별로 발생하는 변형률의 최대값을 측정하였다. 주행 중에 발생한 변형에너지 데이터를 계측하고, 각 속도 조건에서의 최대 Peak 값을 추출하여 Fig. 4에 나타내었다. Fig. 4(a)는 26 tf 덤프트럭이 속도 조건에 따라 최대 변형에너지를 나타내며, 평균 값이 33.4 με이 계산되었다. 그리고 Fig. 4(b)는 38 tf 덤프트럭이 속도 조건에 따른 계측된 최대 변형에너지을 나타낸 그래프이며, 29.1 με이 측정되었다. 이러한 원인은 차량의 축 수로 인하여 차량의 하중이 분배가 발생하기 때문이다. 이러한 문제로 인하여 4축의 38 tf보다 큰 하중을 갖는 차량이 통행하더라도 5개 이상의 축 수를 갖는다면 검지를 못할 가능성이 있다.

Fig. 4. Maximum Peak Values of Overloaded Vehicles according to Vehicle Speed. (a) Maximum Peak Values by Speed (3 Axle), (b) Maximum Peak Values by Speed (4 Axle)

따라서 본 연구에서는 과중차량의 검지 기준을 산정하기 위하여 50 tf의 하중을 갖는 5축 차량이 존재한다고 가정하고 해당 차량 통과 시 교량 응답으로 발생할 것으로 예상되는 변형에너지량을 기준으로 과중차량 검지를 위한 변형에너지 기반 임계값을 추정하였다. 다만, 5축을 갖는 차량의 관리정보를 추출하기 위해서가 아닌 보다 안정적으로 과중차량을 검지할 수 있도록 기준강도를 보강하기 위한 참조 하중으로 활용하였다.

Fig. 5. Determining the Detection Threshold of Overloaded Vehicles

Fig. 5는 26 tf과 38 tf 차량을 이용하여 실험한 데이터를 이용하여 과중차량 검지를 위한 기준치를 측정한 결과를 나타낸 그래프이다 각 실험의 평균값을 이용하여 하중이 50 tf인 차량이 통행할 때 발생하는 최대 변형에너지는 24.8 με이 발생하였으며, 이 결과 값을 과중차량의 검지 기준을 위한 기준으로 정의하였다.

4.1 과중차량의 축 수 산출

하중이 큰 차량이라 하더라도 축 수에 따라 교량에 전달되는 하중 분포와 변형률 응답 특성이 달라진다. 따라서 계측 데이터를 기반으로 차량의 정확한 축 수를 파악하는 기술은 과중차량 관리정보 산출 과정에서 매우 중요한 요소이다. 본 연구에서는 공용 중인 교량에서 실시간으로 계측되는 변형률 신호로부터 차량의 축 수를 산출하기 위해 Peak 검출 알고리즘을 적용하였다. Peak 검출 알고리즘이란, 계측된 신호로부터 특정 기준값(Threshold)을 초과하는 Peak를 검출하는 방법이다. 이러한 방법을 통하여 Noise로 인한 Peak와 일반 승용차로 인하여 발생하는 Peak들을 제외하고 과중차량의 축하중에 의해서 발생하는 Peak 값 만을 측정하였다.

Fig. 7. Axle-based Measurement Data of Overloaded Vehicles (Three-Axle)

Fig. 7은 3개의 축을 갖는 과중차량이 센서 위를 통과했을 때, 계측된 데이터를 나타낸 그림이다. Fig. 7에서 보이는 바와 같이 과중차량의 각 축(Axle)이 센서 위를 통과하는 순간에 최대 변형에너지가 발생한다. 각 축하중에 의해서 발생한 Peak 값은 19.28 με, 30.48 με, 22.15 με으로 측정되었다. 세 Peak 모두 기준값(Threshold)를 초과하는 값으로, 과중차량의 축 수 측정 결과로 3을 나타내며, Peak 검출 알고리즘을 이용하여 과중차량의 축 수를 산출하였다.

4.2 과중차량의 속도 산출

과중차량의 속도(Speed)는 과중차량 관리에 있어서 과적 단속으로 활용될 수 있는 매우 중요한 요소이다. 본 절에서는 실험 차량이 속도 변화에 따라 교량을 통행하였을 때, Entering Station과 Leaving Station에 위치한 센서에서 감지한 과중차량의 통행시간을 이용하여 차량의 속도를 측정 실험을 진행하였다. 차량의 주행 속도는 교량 응답의 동적 특성에 영향을 미칠 수 있는 주요 요인이다. 실험 차량의 주행 속도를 30-60 km/h 범위로 설정하여 실험을 수행하였으며, 제안된 과중차량 검지 기준은 해당 속도 범위 내에서 안정적인 검지 성능을 보였다. 다만, 본 연구에서는 속도–응답 관계에 대한 별도의 정량적 보정 모델을 제시하지 않았으므로, 제안된 검지 기준 및 관리정보 산출 결과의 적용 범위는 속도 조건 내로 한정하여 해석하였다. 차량의 이동속도를 계산하기 위해서는 차량이 이동한 거리와 이동시간을 이용한 아래 식을 이용하였다.

이때, $S_{V}$는 차량의 속도(Speed of Vehicle)이고, $D_{S}$는 차량이 이동한 거리 또는 센서 사이의 거리(Distance between Sensors)를 의미한다. 마지막으로 $\Delta T_{M}$은 계측 시간의 차이(Time difference in Measurement)를 의미한다. $\Delta T_{M}$은 차량 진입부 센서와 차량 출차부 센서에서 측정된 시간을 의미하며, $D_{s}$는 차량 진입 구간과 차량 출차 구간의 거리로 12.375 m이다. 과중차량이 Entering Station과 Leaving Station을 통과하였을 때, 각 구간에 위치한 센서로부터 측정된 차량 속도 결과를 Table 1에 나타내었다.

Table 1에서 보이는 바와 같이 교량을 통행한 실험차량의 속도 측정 결과 최저 속도인 30km/h일 때 평균 측정값이 29.79 km/h로 0.92%의 오차가 발생하였으며, 최고 속도인 60 km/h에서 평균오차율이 1.4%로 가장 높은 수치를 보였다. 모든 속도 조건에 따른 오차율이 3% 미만의 오차율이 측정된 것으로 확인되었으며, 실제 과속카메라의 정확도인 10%의 오차율에 비교한다면, 3% 이내의 오차는 매우 우수한 것으로 판단된다.

4.3 과중차량의 축하중 산출

본 절에서는 센서로부터 계측된 변형률 데이터를 이용하여 과중차량의 하중을 측정하였다. 과중차량 한 대로 인하여 발생한 범위 $(ad)$ 구간에서의 변형에너지는 다음과 같이 표현된다.

여기서 ${L_{k}}$는 $k$번째 축하중을 의미하고 $I_{L}(x)$은 교량 단면에 대한 영향선, $s(k)$는 축별 시간 차이 그리고 $E_{STN}$은 측정된 변형에너지이다. 이 식을 통하여 센서로부터 측정된 변형에너지가 각 축하중의 영향선에 의해 계산될 수 있다는 사실을 나타내며, 이를 통해 전체 신호를 축별 성분으로 분해할 수 있다. 축하중 산출은 선형 역산식을 적용하여 다음과 같이 계산될 수 있다.

Eq. (3)에 따르면, 영향선을 기반으로 측정된 변형에너지에서 각 축이 교량에 미친 하중량을 분리하여 개별 축하중을 계산할 수 있다. 이와 같이 과중차량 한 대로 인하여 발생한 계측 데이터를 이용하여 차량의 개별 축 하중을 산정할 수 있다. 그리고 과중 차량의 총 하중은 Eq. (4)와 같이 개별 축하중의 합으로 계산할 수 있다.

Eq. (4)를 이용하여 실험차량의 총하중을 측정한 결과를 아래 Table 2에 나타내었다. 차량의 실제 하중인 26 tf를 기준으로 각 속도별 총하중을 비교해본 결과, 모든 속도조건에서 발생한 오차율이 2.6%로 동일하게 하중을 측정하는 것을 확인할 수 있었다. 즉, 변형에너지를 이용한 과중차량의 실시간 하중 측정성능은 평균 2.6%로 향후, 과중차량 관리를 위한 데이터베이스 구축에 필요한 정보로 활용될 수 있을 것으로 판단된다.

4.4 과중차량의 축간거리 산출

축간거리(Wheel Base, WB)는 차량의 종류를 구분하고 차량을 식별하는데 기준이 되는 중요한 요소이다. 본 연구에서는 변형률 센서로부터 획득한 시간 이력 신호를 이용하여 축간거리를 산출하였다. 교량 하부에 설치된 센서는 차량의 각 축이 교량 상판을 통과할 때 발생하는 피크(Peak)를 연속적으로 기록하며, 이러한 신호의 시간적 간격을 기반으로 두 축 사이의 상대 거리(축간거리)를 계산할 수 있다.

Fig. 8. Measurement Data for Estimating Axle Spacing of Overweight Vehicles

Fig. 8은 과중차량이 센서 위를 통과했을 때, 계측된 데이터이며 과중차량의 각 축에 의한 Peak의 검지 시간과 그 크기를 알 수 있다. 각각의 축은 센서 위를 통행한 순간이 3.83 sec, 4.26 sec 그리고 4.43 sec로 기록되었다. 이와 같이 3축 차량이 통과할 경우, 신호에는 세 개의 Peak Time이 나타나며, peak간 시간의 차($\Delta Peak Time$)가 축간거리 산정의 핵심 값이 된다. 또한, 축간거리 계산에는 차량 속도 정보가 필요하다. 차량의 속도를 산출하기 위해서는 Entering Station에서의 변형률 신호와 Leaving Station에서 측정된 변형률 신호 데이터가 필요하다. 본 시스템에서는 데이터의 시작과 종료 시점을 사용하여 속도를 계산한다. 속도(V)와 피크 시간 차이($\Delta t$)를 이용하면 두 축 사이의 물리적 거리인 축간거리(Wheel Base)는 다음과 같은 단순한 물리식으로 계산된다.

이 식은 일정한 속도로 주행하는 차량에서 두 축이 동일한 센서를 연속적으로 통과할 때 세 Peak 간 시간 간격이 곧 세 축 사이의 실제 거리를 결정한다는 원리를 기반으로 한다. 데이터에서도 세 축에의한 Peak 간 시간차와 차량 속도로부터 축간거리가 계산된다. 위 계산 식을 통하여 실제 차량을 속도 조건에 따라 축간거리를 측정한 실험 결과를 Table 3에 나타내었다.

Table 3에서 보이는바와 같이 교량을 통행한 실험차량의 축간 거리를 측정한 결과 최저 속도인 30 km/h일 때 전체 길이의 1.22% 오차가 발생하였으나, 60km/h에서 2.84%의 최대 오차가 발생하였다. 차량의 전체 길이와 축간거리의 평균 오차가 5% 미만인 것으로 과중차량 관리를 위한 정보로 활용될 수 있을 것으로 판단된다.

4.5 관리정보의 저장과 활용방안

본 논문에서 정의한 과중차량 관리정보는 차량의 축 수, 주행 속도, 개별 축하중, 총하중 및 축간거리로 구성되며, 차량 1대의 교량 통과 이벤트를 기준으로 하나의 관리 단위로 저장된다. 각 관리정보는 차량이 센서를 통과한 시각을 기준으로 기록되어, 과중차량의 통과 이력을 시간 순으로 체계적으로 관리할 수 있도록 구성된다. 관리정보의 저장 구조는 관계형 데이터베이스 환경을 기준으로 설계할 수 있다. 차량 통과 이벤트를 기준으로 구성된 기본 테이블에는 축 수, 주행 속도, 총하중과 같은 핵심 정보를 저장하고, 개별 축하중과 축간거리는 하위 테이블로 분리하여 관리함으로써 데이터 구조의 확장성과 관리 효율성을 동시에 확보할 수 있다. 이러한 구조는 향후 관리 항목의 추가나 데이터 규모 확장에도 유연하게 대응할 수 있는 장점을 가진다. 산출된 관리정보는 과중차량의 통행 특성에 대한 통계 분석, 과적 및 과속 단속을 위한 기초 자료, 차량 유형별 운행 특성 분석, 반복 통과 차량의 식별 등 다양한 관리 목적에 활용될 수 있다. 더 나아가, 장기간 축적된 관리정보는 교량의 유지관리 의사결정 지원 및 피로손상 평가를 위한 기초 데이터로 활용될 수 있으며, 과중차량 모니터링을 위한 데이터베이스 구축의 기반 자료로서 기능할 수 있다. 따라서 본 논문에서 제안한 관리정보 구조는 실제 공용 교량 환경에서 과중차량 관리 체계를 단계적으로 구축하기 위한 기초적인 정보 체계를 제공한다.