포트홀은 도로 안전과 밀접한 관련이 있으며 차량 손상 및 사고를 유발할 수 있어 신속한 발견과 보수가 필요하다. 그러나 기존의 포트홀 유지보수 방법은 인력 부족으로 인해 효율적이지 못하다. 관리를 간소화하기 위해 인공지능을 활용한 포트홀 객체 인식이 시 도되었지만, 데이터 수집의 어려움과 부족한 일반화 성능으로 이러한 접근법에도 한계가 있다. 이를 해결하기 위해, 본 연구에서는 객체 검출 모델 YOLOv8, 객체 분할 모델 SAM2, 그리고 대형 언어 모델 LLM을 결합한 PotholeSAM 프레임워크를 제안한다. 이 프레 임워크는 세 단계로 구성된다; 첫째, YOLOv8을 사용하여 이미지 내 포트홀의 위치를 검출한다; 둘째, SAM2를 활용하여 검출된 포 트홀 영역을 정밀하게 분할한다; 셋째, LLM이 분할된 영역의 밝기 정보를 분석하여 포트홀의 깊이를 추정한다. 제안된 방법은 포트 홀의 위치, 면적, 깊이에 대한 정보를 자동으로 분석하여 도로 관리에 필요한 데이터를 효율적으로 획득할 수 있다. 이를 통해 지방 정 부의 인력 부족을 완화하고 운전자에게 위험한 포트홀을 조기에 발견하여 선제적으로 대응할 수 있다.

본 연구는 인공지능 연구개발과정에 많은 인적자원이 필요함을 인지하고 현 개발방식 고려할 사항에 대해 논의한다. 결론적으로 인공지능 개발의 효율성 향상을 위해서는 소수의 관리자와 많은 일반작업자들의 분업화가 이루어져야 가능하며, 이는 마치 일종의 경공업의 형태와 유사하다고 생각된다. 따라서 본 연구진은 컴퓨터라는 기계장치로 데이터라는 디지털 자원을 다루어 생산의 효율성 을 높이는 인공지능 개발과정을 4차산업시대의 디지털 경공업이라고 명명한다. 이전 산업혁명시대에서 경험한 것과 마찬가지로 인 적자원을 효율적으로 배분화하고 활용한다면 디지털 경공업은 2차산업혁명 못 지 않는 발전을 기대할 수 있을 것이며, 이를 위한 인 력양성이 시급하다고 판단된다.

초고층 및 장경간 등 대형 구조물에 대한 시공시 부재의 품질이 저하될 정도로 과다한 철근이 배근되고 있다는 문제점이 제기되고 있으며, 최근 건축되고 있는 초고층 건축물에서는 건물의 안정성과 내구성 등을 감안하여 사용 재료의 강도도 점차 증가하고 있다. 초고층 및 장경간 구조물의 시공에서 고강도 철근을 사용할 경우 기존의 일반 강도 철근에 비해 배근량 감소로 인하여 부재에서 배근 간격에도 여유를 줄 수 있어 시공성 향상, 공기단축, 접합부 상세가 간소화 되는 장점이 있다. 이 연구에서는 SD500, SD600 철근을 국내에서 설계되었거나 시공되 어진 라멘 구조 형식의 지하주차장 건축물에 적용하여 각 부재별로 철근의 강도에 따른 순수 철근량에 대한 정착 및 이음 철근량 증감을 비교 분석한 결과 다음과 같은 결론을 얻었다. 계산된 철근의 정착 및 이음 물량은 사용철근의 강도가 증가함에 따른 정착 및 이음길이의 증가량과 순수 물량의 감소비율, 사용철근의 직경이 줄였을 때의 단면적 감소 등의 요인들에 의해 정착 및 이음 물량이 결정되었으며, 전체적으로 순수 물량에 대한 정착 및 이음 물량의 비율이 SD400대비 SD500의 경우는 증가하였지만 SD500대비 SD600의 경우는 감소하였다. 이는 보의 정착 및 이음 물량이 전체 정착 및 이음 물량에 미치는 영향이 크기 때문으로 판단된다. 한편 순수 물량에 대한 정착 및 이음 물량의 비율에서 SD400 과 SD500의 차이와 SD400과 SD600의 차이가 미미하여 철근의 정착 및 이음 물량이 강도 증가에 따른 전체 철근 물량의 증감에는 큰 영향을 주지 않는 것으로 파악되었다.