본 연구에서는 BWIM(Bridge Weigh-in-Motion) 시스템을 기반으로 주행차량의 총중량 및 축중량 추정을 수행하였다. BWIM 시스템의 개발을 위해 차량 주행시험은 필수적이지만 그 비용과 시간이 많이 소요되고, 다양한 차량 주행 조건의 적용이 어렵다. 따라서 차량 주행시험의 비용 및 시간적 문제점을 보완하고, 주행 조건에 따른 다양한 교량응답의 확보할 수 있는 수치 시뮬레이션이 현장실험과 병행되어야한다. 본 연구에서는 교량의 동적특성을 반영하는 수치 시뮬레이션을 수행하여 교량의 응답을 획득하고, 통행 차량의 중량을 산출하는 BWIM 시스템에 적용하여 총중량 및 축중량 추정을 수행하고 정밀해석모델기반 과적단속기술에 대하여 제안하였다.

본 논문에서는 교량 모니터링 시스템의 일부분으로 서해대교에 설치된 교량 하중측정 시스템(BWIM system)으로부터 획득한 신호를 분석하여 통행차량의 정보를 추출하기 위한 알고리즘의 개발과정과 이를 위해 수행한 현장 차량주행시험에 대하여 기술하였다. 개발된 BWIM 시스템은 포장층에 매설하는 축감지기가 없는 형태로, 바닥판과 가로보에 설치된 변형률계로부터 측정한 시간이력 변형률신호만을 이용하였다. 이들 측정신호로부터 추출하고자 하는 차량의 정보는 통과차로, 통과속도, 차 축수 및 총 중량이며, 이들 정보의 추출을 위해 패턴인식기법의 일종인 인공신경망(Aritificial Neural Network, ANN) 기법을 사용하였다. 현장 차량주행시험을 통하여 기지차량 및 미지차량 통행시의 BWIM 응답 데이터를 측정하였으며, 이들 실측데이터를 사용하여 인공신경망의 학습 및 성능검증을 수행하였다. 개발된 기법을 사용하여 추출되는 차량의 정보들은 현재의 교량상태 및 피로수명 평가시 활용될 수 있을 것이며, 향후 설계트럭 하중모델의 개정시 기초자료로도 활용될 수 있을 것으로 기대된다.

The trend of heaviness causes the increase in the number of overloaded vehicles on a bridge, which is a difficulty in the decision of design live load. However, there is no established system to control the overloaded vehicles. In this paper, a management system to control the total number of heavy vehicles on a bridge using BWIM. The traffic management system uses the control methods based on approaching time intervals.

본 논문은 변형률 계측데이터를 사용하는 신뢰성 및 정확성을 증진된 BWIM(Bridge Weigh-In-Motion) 알고리즘을 개발하고, 이를 교량에 대한 다양한 실험을 통해 검증하고자 하는 것이다. 본 논문에서는 밀도추정함수와 평균보정계수를 이용한 BWIM 알고리즘을 제시한다. 밀도추정함수는 다축하중을 추정할 때 신뢰할 수 있게 적용할 수 있음을 입증하였으며, 평균보정계수는 이론 계산된 모멘트와 계측된 변형률에서 계산한 모멘트 사이의 전반적인 오차를 최소화하기 위해 적용된다. 개발된 알고리즘은 수치예제, 실내모형실험 그리고 다주형 합성교량에 대한 현장실험을 통해 성공적으로 검증하였다.

교량의 설계에 있어서 정확한 하중의 산정은 교량의 안전성 확보에 가장 핵심적인 사항이며 향후 유지관리 측면에서도 매우 중요하다. 교량구조물에서 차량에 의한 하중효과는 주로 활하중(충격하중 포함) 및 피로하중으로 나타난다. 이들 하중의 정형화를 위해서는 실제 교량상을 주행하는 중차량의 중량 및 통행특성을 정확히 파악하는 것이 중요하다. 이를 위해서 주행중인 차량을 정지시키지 않고 중량을 계측할 수 있는 시스템(Bridge Weigh-In-Motion, BWIM)의 개발이 필요하다. 본 연구에서는 다양한 기능을 갖는 BWIM시스템을 국내실정에 맞게 개발하고 이를 고속도로상의 교량에서 검증하였다.