도로 관리는 교통 시스템과 국가 경제에 중대한 영향을 미치며, 이에 따라 도로 유지관리는 시민들의 삶의 질을 향상시 키는 데 중요한 역할을 한다. 따라서 체계적인 유지관리는 도로 안전성과 경제적 효율성을 높이는 데 필수적이다. 기존 의 도로 관리 방식은 대부분 반응적이며, 종이 문서를 기반으로 이루어져 정보 손실, 데이터 손상, 검색의 어려움 등의 여러 제한점을 가지고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 3D 모델과 관련 데이터를 일대일 매핑하여 자 동으로 입력할 수 있도록 하는 BIM (Building Information Model)을 활용한 접근 방식을 제안한다. 본 연구는 주로 BIM 생성을 위해 널리 사용되는 Autodesk Revit을 활용하여 3D 도로 모델을 생성하고, 도로의 손상 정보 (길이, 폭, 보수 면 적, 보수 부피, 유지보수 이력 등)를 통합 관리하는 방법을 연구한다. 하지만 Revit은 디지털 정보를 3D 모델에 자동으로 가져오는 기능이 없기 때문에, Visual Programming 도구를 이용하여 유지관리 기록 정보를 BIM으로 자동 입력하는 방 법을 개발하였다. 이를 통해, 사용자가 특정 도로 손상 모델을 선택하면 해당 손상의 통합 이력을 표시할 수 있는 새로 운 통합 이력 관리 시스템을 구축하였다. 이러한 접근 방식은 종이 문서 기반의 기록 방식에서 발생하는 데이터 손상, 기록량 증가, 특정 데이터 검색의 어려움 등의 문제를 해결할 수 있으며, 신속하고 정확한 의사 결정을 지원한다. 본 연 구는 BIM을 활용한 도로의 통합 이력 관리 시스템 구축을 통해 새로운 방향성을 제시한다.

본 연구에서는 유한요소해석 D/B를 기반으로 보간식을 산출하여 개활지 폭발현상에 의해 기둥에 작용하는 폭압이력을 예측하는 모델을 개발했다. D/B 구성을 위해 7종류 기둥 너비에 대해 총 70회의 유한요소해석을 수행했다. 제안하는 방법의 성능확인을 위해, 기존에 제시된 경험식 기반의 예측식과의 비교연구를 수행했다. 또한, D/B를 구성하는 point 외의 영역에서의 예측 정확도 확인을 위 해 유한요소해석 결과와의 비교/검증 연구를 추가로 수행했다. 제안하는 방법은 기존의 경험식 기반 예측식에 비해 유한요소해석 결 과와 유사한 결과를 산출함을 확인했다.

PURPOSES : In this study, systematic road snow-removal capabilities were estimated based on previous historical data for road-snowremoval works. The final results can be used to aid decision-making strategies for cost-effective snow-removal works by regional offices. METHODS: First, road snow-removal historical data from the road snow-removal management system (RSMS), operated by the Ministry of Land, Infrastructure and Transport, were employed to determine specific characteristics of the snow-removal capabilities by region. The actual owned amount and actual used amount of infrastructure were analyzed for the past three years. Second, the regional offices were classified using K-means clustering into groups “close”to one another. Actual used snow-removal infrastructure was determined from the number of snow-removal working days. Finally, the correlation between the de-icing materials used and infrastructure was analyzed. Significant differences were found among the amounts of used infrastructure depending on snowfall intensity for each regional office during the past three years. RESULTS: The results showed that the amount of snow-removal infrastructure used for low heavy-snowfall intensity did not appear to depend on the amount of heavy snowfall, and therefore, high variation is observed in each area. CONCLUSIONS: This implies that the final analysis results will be useful when making decisions on snow-removal works.