논문 상세보기
노후화된 사회 기반 시설물 증가에 따라 정기적인 구조물 손상 점검의 중요성이 확대되고 있다. 그러나 기존 점검 방식은 고가의 장비와 다수의 인력을 요구하며, 차선 폐쇄를 필수적으로 수반한다. 특히 차선 폐쇄는 교통 체증을 유발해 차량의 반복적인 가속과 감속, 공회전을 증가시키고 결과적으로 연료 소비와 온실가스 배출량을 증가시켜 사회적 비용을 초래한다. 이에 AI 기술을 활용해 차선 폐쇄 없이 손상을 탐지하는 연구가 진행되고 있으나 대부분 도로포장 탐지에 한정되어 있어 교량 기둥이나 방호 울타리 등 입체 구조물에 대한 탐지 기술과 차선 폐쇄에 따른 운영 효율성 및 에너지와 배출량 변화에 대한 정량적 분석은 부족한 실정이다. 본 연구는 차선 폐쇄 없이 사회 기반 시설물의 손상을 탐지할 수 있는 AI 기반 손상 시스템을 구축하고 차선 폐쇄로 인한 변화를 정량적으로 분석한다. 이를 위하여 360° 카메라, 차량 전방 카메라, 라인 스캔 카메라를 통하여 도로 영상을 수집하고, Mask R-CNN과 RF DETR+SAM 알고리즘을 활용하여 도로포장과 입체 구조물의 손상을 탐지하였다. 또한, 교통 시뮬레이션 프로그램 SUMO를 통해 국내 도로 구간을 재현하고 차량 에너지 분석 모듈 FASTSim을 연계하여 차선 폐쇄에 따른 교통 및 에너지 효율 변화를 비교하였다. AI 탐지 결과 RF DETR+SAM 시스템은 정확도 81%, 정밀도 87%, 재현율 61%, F1-score 0.72를 달성해 Mask R-CNN 대비 우수한 성능을 기록했으며, 도로포장뿐만 아니라 입체 구조물에 대한 안정적 탐지 가능성을 확인하였다. 시뮬레이션 결과 차선 폐쇄는 주행 속도 약 25% 감소, 연료 소모 약 18% 증가, CO2 배출량이 약 22% 증가한 것으로 나타났다. 본 연구는 AI 기반의 손상 탐지가 차량흐름을 유지하며 수행될 수 있음을 실증하고, 유지관리 시 교통, 에너지, 환경 영향을 통합적으로 고려할 수 있는 정량적 근거를 제시한다.
