[공학저널 전찬민 기자] 최근 급격한 도시화로 인해 지상공간의 활용은 한계에 이르렀으며, 그 대안으로 지하공간 활용이 대두됨에 따라 도심지 터널 시공 현장이 증가하고 있다. 특히, 소음 진동 등의 민원 최소화, 지반 침하로 인한 도심지 기능 마비 등에 대응할 수 있는 기계화 시공이 현재 각광을 받고 있다.
하지만, 국내 기계화 터널 시공 현장에서 도입되는 기계화 터널 시공 장비는 대부분 해외 수입에 의존하고 있으며, 기계화 터널 시공 장비의 국산화에 대한 지속적인 요구가 이어지고 있지만 현실적으로는 많은 어려움이 뒤따르고 있는 실정이다. 또한, 국내에서는 기계화 터널 장비 운영 경험 부족과 국내 복합지반의 대응 기술 부족으로 인해 다양한 문제점이 현재까지도 반복되고 있는 상황이다.
이처럼 지속적으로 수요가 증대되고 있는 기계화 시공 즉, TBM 관련 시장에서 시공 품질 향상, 탄소중립과 친환경 건설재료의 활용, 첨단 기술과의 융합 등을 통한 기술적 우위를 확보하기 위해 대학과 국책 연구소를 중심으로 기계화 터널과 관련한 다양한 연구 개발이 진행되고 있다.
한편, 도시의 과밀현상이 갈수록 심해짐에 따라 공사현장은 더 깊게, 더 높이 확대되고 있는 추세로 터널 굴착공사현장에서는 안전관리가 가장 큰 주안점이 되고 있다. 이를 위해 터널, 수직구 등 기계 굴착 시 모니터링을 통해 안전 관리를 실시하고 있지만, 대부분 건설현장에서는 시공자의 경험에 의존하거나 수동계측을 통해 안전관리가 이뤄지고 있다는 것이 문제다.
사회 다방면으로 4차 산업혁명을 통해 인공지능과 통신기술을 접목해 많은 발전을 이룩했지만, 국내 대부분 건설현장에서는 추가 비용 발생과 제도적 장치의 미비로 적극적으로 반영할 명분이 부족한 실정이다. 또한, 산업재해 중 사망사고를 예로 들어볼 때 건설업에 종사하는 노무자의 사망사고 발생율이 1등으로 압도적으로 높다.
이를 해결하기 위해 기술과 시스템의 첨단화를 통해 공사 중 건설 노무자의 안전을 확보할 수 있는 기술과 완공된 구조물의 안전관리를 진행하는 것은 필수불가결한 선택이다. 이에 따라 인공지능 등 4차 산업혁명 기술을 활용한 첨단화에 대한 연구도 활발히 진행되고 있다.
특히, 인하대학교 지오메카닉스 연구실에서는 지반조사 자료와 쉴드 TBM의 굴진자료를 바탕으로 잔여구간에 대한 굴진 최적화를 위한 머신러닝 기반 운전조건 제시하고 굴진율 예측 시스템을 개발해 기대를 모으고 있다. 또한, 스마트건설기술개발사업의 일환으로 심층인공신경망(DNN)을 사용해 굴착 중 벽체의 안정성을 분석하고 이를 시공자에게 실시간으로 알려줄 수 있는 시스템도 개발하고 있다.
이 시스템 개발이 완료되면, 급격한 지하수위 상승과 구조물의 안정성 변화 시 시공자가 사고발생 전 실시간으로 이를 대처할 수 있는 방안을 모색하고 선제적으로 대응할 수 있을 것으로 예상된다. 또한, 합성곱신경망(CNN)을 활용해 지중 관로를 탐사하고 굴착 시 미리 파악할 수 있으며, 공동을 미리 발견해 싱크홀을 방지할 수 있다.
더불어, 세그먼트 라이닝 배면의 공동을 탐사할 수 있는 비파괴 시험 시스템도 개발해 현재 현장에 적용 중이다.
인하대학교 송기일 교수(사진 뒷줄·좌)은 “국내에서 개발되는 첨단 기술은 운영 중인 장비 관련 데이터의 접근을 요하는 경우가 많지만, 기계화 터널 시공 장비는 대부분 국외 장비 제작사의 배타적인 운영과 폐쇄성으로 인해 접근이 어려운 경우가 많다”며 “따라서, 해외 장비 제작사는 기계화 장비 운영 시스템에 대한 접근을 허용할 필요가 있으며, 이를 위한 계약 시 제도적 장치가 마련될 필요가 있다”고 말했다.
그는 이어 “또한, 인공지능을 이용한 운전조건 도출, 굴진율 예측, 다운타임 최소화 등을 통한 공사기간 단축, 공사비용 절감 등을 비롯해 드론, AIoT, AR/VR, 블록체인 기술 등 첨단 융합기술을 적극 도입해 터널 구조물의 품질을 높이고자 하는 시공사의 적극적인 의지도 필요하다”고 덧붙였다.
현재 인하대학교 지오메카닉스 연구실은 터널공학과 에너지-지반공학 분야를 선도하는 연구실로 수치해석(Numerical analysis), 탄성파와 전자기파를 활용한 비파괴 시험(Non-destructive test) 등을 통해 지반 인프라 시스템의 거동을 분석하고 예측하는 연구를 수행하고 있다.
이러한 연구 성과로 기계식 터널의 효율적인 운영을 위한 머신러닝을 이용한 굴진율 예측 시스템, 흙막이 벽체의 안정성을 실시간으로 예측할 수 있는 빔-스프링-AI 기반의 관리 시스템, 드론을 활용한 세그먼트 라이닝의 구조 안정성 검토, 세그먼트 배면 공동 탐사 기술 등 기계화 터널 시공 기술 관련 다양한 연구를 선도하고 있다. 또한, 지반공학 분야에서 머신러닝 기술을 이용해 설계의 효율성을 높이고 시공 단계에서 안정성을 높이기 위한 기술 개발에 노력하고 있다.
한편, 이번 연구는 국토교통부/국토교통과학 기술진흥원이 시행하고 한국도로공사가 총괄하는 ‘스마트건설 기술개발국가 R&D사업(과제번호 RS-2020-KA156488)’의 지원으로 수행됐다.
