[공학저널 전찬민 기자] 현재까지도 국내 대부분의 터널은 발파(NATM)로 굴착되고 있지만, 세계적으로 굴진속도 측면의 장점을 가지고 있는 TBM을 이용한 터널공사가 급속도로 증가하고 있다. 이는 발파로 굴착 시 다양한 환경문제가 야기되고 있기 때문이며, 이러한 환경문제 중 큰 비중을 차지하는 것이 발파진동이다.
우리나라의 지형적 특성을 고려해 NATM 공법의 활용은 지속적으로 이뤄질 것으로 예상되고 있다. 이에 따라 NATM 터널설계 시 실제 발파 시 터널 주변 다양한 보안물건별 발파진동 허용기준을 초과하지 않도록 설계하는 가장 중요하며, 이를 위해서는 타당한 공학적 방법으로 발파진동을 추정하는 과정이 필요하다고 볼 수 있다.
현재 터널설계 시에는 대상 터널현장 인근의 다른 현장에서 도출된 기존 발파진동 추정식을 활용하거나, 시추공 시험발파를 실시해 발파진동 추정식을 도출하는 것이 일반이지만, 정확도와 신뢰도가 높지 않다는 단점을 가지고 있다.
또한, 터널발파에서 발생하는 진동은 폭약종류, 그리고 지발당장약량, 심발방법, 천공경, 천공장, 공간격, 저항선, 이격거리 등의 발파조건과 지반특성에 따라 달라지는데, 이러한 모든 상황을 고려해서 발파진동을 정확하게 예측하기는 불가능하다. 현재까지 이러한 조건을 단순화해서 다양한 조건 중 가장 큰 영향을 미치는 지발당장약량과 이격거리만을 변수로 해 발생한 발파진동과 함께 회귀분석을 실시하는 발파진동 추정식 도출방법을 일반적으로 사용해왔다.
이에 따라 최근에 AI 기술이 급속도로 발전하고 보급되면서 건설분야 역시 다양한 AI 기술이 적용되기 시작됐으며, 시추공 시험발파와 회귀분석에 의한 발파진동 추정방법에 관한 단점을 보완하기 위해 AI의 특성을 발파진동 추정에 적용한 기술이 개발돼 기대를 모으고 있다,
이러한 AI를 활용한 발파진동 추정기술은 AI 분석의 정확도를 좌우하는 두 가지 요소인 학습데이터와 알고리즘을 지속적으로 개량됐다. 즉, 기존의 시험발파보고서와 국토교통부 건설사업정보시스템(CALS)에서 수집한 10,000개 이상의 발파진동 계측데이터를 분석해 빅데이터화시켰다.
여기에는 각 발파진동 계측자료에 대한 계측지역, 폭약특성(종류, 폭속, 뇌관종류 등), 발파조건(상동), 지반특성(RMR, RQD, 압축강도, 암종 등)에 대한 세부 사항이 정리돼 있다. 또한, 매우 다양한 머신러닝 알고리즘을 시험해 발파진동 추정에 적합한 머신러닝 모델 ANN, Random forest, Ensemble 등 5개가 구축됐다.
결과적으로 시추공 시험발파 또는 여타 시험발파가 난해한 장소에서 발파진동 추정식을 산출해야 하는 경우, AI 발파진동 추정기술을 이용한다면 시험발파과정을 생략할 수 있기 때문에, 보다 경제적이고 안전하며 신뢰성 있는 발파진동 추정이 가능할 것으로 예상된다.
AI 발파진동 추정기술을 개발한 노르트론은 현재까지 이 기술을 턴키 등 터널설계 용역에 적용해왔으며, 현재 진행 중인 특허 등록이 완료된 후, 이를 토대로 스마트건설기술로 신청할 계획이다.
한편, 국내에서는 지금까지 총 4,500개소 이상의 터널이 설계, 건설됐고, 이를 통해 터널설계관련 다양한 자료, 경험, 지식이 축적돼 왔다. 이러한 상황에서 최근 4차 산업혁명시대가 도래하면서 건설분야에서도 생산성, 경제성, 안전성을 향상시키기 위해 AI를 활용한 다양한 기술개발이 급증하고 있다.
이에 따라 노르트론은 일반적인 도로터널 설계시 그동안 축적된 자료와 경험을 AI 모델로 만들어 터널설계를 자동화하기 위한 목적으로 국토교통부 지원과제를 통해 개발했다. 즉, 다양한 터널설계 항목 중 대체로 단순작업화된 주요 6가지 항목인 지반분류, 굴착단면, 굴착공법, 발파, 지보, 보조공법을 국토교통부와 한국도로공사의 터널설계요령 범위 내에서 AI를 이용해 자동으로 설계할 수 있는 기반기술이 확보된 것이다.
이를 위해 6가지 설계항목을 각각 AI 알고리즘 시험을 통해 최적의 결과를 도출하는 초기 모델이 구축됐으며, 알고리즘 학습에 대해서는 총 74개 터널설계 프로젝트 각각에 대해 터널보고서, 지반조사보고서, 설계도면, 수량산출서를 수집해 총 95가지 세부 설계항목을 데이터베이스화했다. 향후 지속적인 설계자료 축적과 모델의 개량을 통해 신뢰성과 정확도를 제고하면서 보다 많은 설계항목도 자동화할 수 있는 실용화 연구도 진행할 계획이다.
노르트론 김양균 대표이사(사진)는 “AI를 활용한 발파추정 기술과 터널설계 자동화 기술은 관련 전문가 또는 기술자가 아니어도 필요한 데이터만 입력하면 기술자가 작업한 수준으로 터널발파진동을 예측하거나 NATM 터널 설계가 가능하다는 것이 장점”이라며 “이러한 AI 모델에 다양한 관련 자료와 기술자의 경험이 이미 학습돼 있기 때문이며, AI 기술로 계획, 설계, 시공, 유지관리 시 기술자가 경험 또는 기존 자료에 의해서 판단하는 대부분의 작업들을 더 정확하고 빠르게 결과를 도출하고, 관련 작업이 훨씬 효율적이고 안전하게 진행될 수 있다”고 말했다.
이처럼 노르트론은 노르웨이의 선진 터널기술과 AI 기술을 접목해 기술컨설팅과 기술개발을 통해 우리나라 터널기술 발전에 기여하는 것을 목표로 하고 있다. 이를 위해 지난 2016년 창업이후, AI와 로봇이 향후 터널 계획, 설계, 시공, 유지관리 전주기에 걸쳐 관련 기술의 근간을 변화시킬 게임 체인저 역할을 할 것으로 예상하고 터널설계와 작업과 관련된 AI 기반 기술개발에 핵심 역량을 투입하고 있다.
즉, AI관련 기술개발 및 사업화를 위해 그동안 NIPA(정보통신산업진흥원) 주관 AI 교육과 캐나다 HEC Montreal 연수 등 다양한 과정을 수료하는 한편, 다양한 정부연구과제에도 참여와 주관하며 기술력을 향상시켜 개발된 AI 기술을 사업에 적용해오고 있다. 이러한 노력으로 지난 2020년에는 NIPA주관 AI 바우처 지원사업 공급기업 Pool에도 등록돼 관련 용역 참여도 추진하고 있다.
김 대표는 “노르트론은 선진 터널기술과 AI기술을 기반으로 국내 터널 설계, 시공, 유지관리에 필요한 요소 기술을 개발해 국내 터널기술 수준을 향상시키는데 작은 기여를 하고자 노력을 기울이고 있다”며 “그 일환으로 향후에는 지금까지 개발된 기술과 연계해 지반분류 정확도 향상에 대한 자체 연구 외에, 노르웨이 연구기관과 협력해 스마트 그라우팅기술, 해저터널 핵심 설계기술 등과 같이 향후 국내 터널에도 필요한 기술 개발에 매진할 계획”이라고 말했다.
