최근의 국제사회는 경제성장에 따른 기상이변의 방지를 위한 국가 간 기후변화협력 체결(1992년)을 시작으로 환경 오염물질 배출 저감을 요구하고 있다(Moon et al, 2014). 따라서 최근에는 전 세계적으로 지구온난화와 기후변화의 원인이 되는 온실가스의 발생을 줄 이고자 노력하고 있으며, 건설 산업은 이러한 온실가스 배출량의 주요 원인으로 인식되고 있다(Kong et al., 2016) 교량 건설사업이 환 경에 미치는 정도를 전과정평가(Life Cycle Assessment, LCA)방법을 활용하여 재료 및 공법의 지속가능성에 대한 객관적, 정량적 평가 체계를 구축하고자한다. 본 연구에서는 선행적으로 국내외 환경성적표지제도(Environment Product Declaration, EPD), 탄소발자국(Carbon footprint) 등을 분석함으로써, LCA 관련 제도에 대한 전반적인 동향을 파악하였다. 그다음, 국제적으로 통용되고 있는 제품 범주 규칙 (PCR)과 환경제품선언(EPD) 사례를 분석하여 LCA 관련 분석 범위를 확인했으며, 전과정영향평가(LCIA) 방법론과 국내외 LCI DB(Ecoinvent, Athena Pavement LCA, LCA PAVE 등)을 분석함으로써 국내외 환경 영향인자 관련 기술자료를 확보하였다. 또한, 건설 자재, 시공, 유지 관리 관련 설계 명세서, 표준품셈, 단가 산출표를 분석함으로써, 자재 투입량, 장비 연료 소모량에 대한 기초 DB를 도출하였다. 기존 프로그램을 토대로 고속도로 온실가스 산정 프로그램을 개발하여 건설자재, 수송, 시공, 유지 관리 단계에서의 탄소 배출량 산정 사례 분석을 수행했다. 교량 분야는 STEEL BOX교를 선정했다. 이에대하여 건설자재. 시공, 수송, 유지관리에 탄소배출량 을 산정하였다. 산정된 결과를 바탕으로 LCA분석의 기틀을 마련하였으며, 이를 통하여 추후 추가적인 기초 DB를 추가하여 교량 분야 전과정평가 LCA를 분석하기 위한 플랫폼을 제작할 예정이다.

PURPOSES :This study aims to improve complex modeling of multivariable, nonlinear, and overdispersion data with an artificial neural network that has been a problem in the civil and transport sectors.METHODS :Deep learning, which is a technique employing artificial neural networks, was applied for developing a large bus fuel consumption model as a case study. Estimation characteristics and accuracy were compared with the results of conventional multiple regression modeling.RESULTS :The deep learning model remarkably improved estimation accuracy of regression modeling, from R-sq. 18.76% to 72.22%. In addition, it was very flexible in reflecting large variance and complex relationships between dependent and independent variables.CONCLUSIONS :Deep learning could be a new alternative that solves general problems inherent in conventional statistical methods and it is highly promising in planning and optimizing issues in the civil and transport sectors. Extended applications to other fields, such as pavement management, structure safety, operation of intelligent transport systems, and traffic noise estimation are highly recommended.

최근 국제 원유가의 폭등으로 선박의 연료비 부담이 상대적으로 가중되고 있으며, 또한 연료의 연소과정에서 발생하는 온실가스에 대한 국제적 규제 움직임도 가속되고 있다. 이와 같은 상황에서, 온실가스의 배출을 최소화하면서 연료소모량을 줄이기 위해 많은 선사들이 감속운항을 취하고 있으며, 선박용 엔진 개발 분야에서는 엔진의 연료 효율성 개선 문제와 대체에너지 사용 분야에 주력하고 있다. 따라서, 본 연구에서는 실제 해상에서의 선속대비 연료소모량을 계측하고, 건조과정에서 실시된 육상 엔진실험 자료와 2007~2009년까지의 AB-LOG를 분석하여, 특정 외력조건에서의 대상선박에 대한 연료소모량을 고려한 최적의 속력을 14~15노트, 주기관의 RPM을 140~150 RPM으로 제안하였다.

가변축은 대형화물자동차에 주로 장착되는 보조차축으로써, 물류비용 절감과 도로포장면 파손방지, 유류비 등의 차량운행비용 절감을 목적으로 도입되었다. 그러나 유류비절감 측면에 대한 가변축의 사용효과가 실증적 실험을 통해 입증되지 않았을 뿐만 아니라, 일부 운전자들의 막연한 기대심리로 인한 잘못된 가변축 활용사례가 발생되고 있다. 본 연구에서는 가변축 사용 여부에 따른 연료소모량 변화를 확인하고자 실제 도로주행 실험을 수행하였으며, 실험결과를 바탕으로 연료소모원단위 모형을 개발 및 적용하여 가변축 사용여부별 연료소모량을 비교하였다. 그 결과, 가변축을 사용하지 않을 시에 연료소모량 감소가 예상되었으며, 수치상으로 공차주행 시 -0.83%, 만차주행 시 -2.15%를 나타내었다. 공차주행 시 절감율은 제도의 효과를 정량적으로 나타내는 수치로써, 금액으로 환산 시 약 300억 원에 달한다.

일반적인 선박 운항 직접경비는 대상 선박의 크기 및 종류, 항해 속력 및 항행 구역에 따라 다소 차이는 있지만 연료비의 비율이 50-60% 정도로 전체 직접경비 중에서 차지 비중이 가장 높다. 본 연구는 이러한 관점에서 실질적인 경제 운항 방안으로 실제 해역에서 다양 한 해상상태별 선속 대비 연료소모량을 실선에서 계측하여 선박 운항에 차질이 없는 범위 내에서 연료소모량을 최소화 할 수 있는 최적의 경 제 운항 속력을 제시하고자 한다.

높은 차량운행비용(VOC : Vehicle Operating Cost)은 포장도로 복구작업의 주요한 원인이고, 차량운행비용(VOC)은 연료소모량, 오일소모량, 부품교체비용 등으로 구성된다. 이중 연료소모량이 VOC에서 차지하는 비중이 높고, 다른 도로조건에 비해 도로 표면 거칠기가 도로의 노화 정도를 대표적으로 지시하는 값이기 때문에, 본 연구에서는 포장도로의 표면 거칠기(IRI : International Roughness Index) 변화에 따른 차량의 연료소모량 변화를 측정하였다. 차량의 연료분사 인젝터의 전압변화를 측정하여 연료소모량을 계산하였고, 속도는 GPS센서를 사용하여 측정하였다. 본 실험 결과를 이용하여 IRI 변화에 대한 연료소모량의 변화율을 계산할 수 있었다. 계산 결과, 40~100km/h 속도영역에서 중형 및 대형 승용차의 연료소모량(L/100km)은 3.5m/km 정도의 IRI 수준에서 IRI(m/lm) 증가율의 7배 정도로 증가하였고, 60km/h의 속도에서 가장 연비가 우수하였다.