KR101966666B1 - 교량의 내하력 평가 장치 및 방법 - Google Patents

Abstract

교량의 내하력 평가 장치 및 방법이 개시된다. 교량의 내하력 평가 장치는 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별하는 식별부와, 상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가하는 프로세서를 포함할 수 있다.

Description

교량의 내하력 평가 장치 및 방법{APPARATUS AND METHOD FOR EVALUATING LOAD CARRY CAPACITY OF BRIDGE}

본 발명은 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하여 상기 교량의 내하력을 평가하는 기술에 관한 것이다.

교량은 사회간접시설물의 핵심이 되는 도로의 주요 시설물로 공용기간 동안 안정성이 확보되도록 건설된다. 교량은 시공품질이 양호하고, 구성 재료의 성질과 외적으로 작용하는 환경이 크게 변하지 않는다면, 설계 당시에 설정한 설계 수명 동안 안전하게 교량의 기능을 수행할 수 있다.

그러나, 시간이 경과 함에 따라, 교량은 교통 환경의 변화 및 재료의 열화 등과 같은 여러 원인에 의해 손상되므로, 적절한 유지관리를 통해 수명을 연장하고 안전성을 확보하는 것이 필요하다.

교량의 안전성은 교량의 내하력 평가를 통해 확인할 수 있으며, 이러한 교량의 내하력 평가는 교량에서 측정되는 횡분배율에 기초하여 수행될 수 있다.

기존에 교량에서 횡분배율을 측정하기 위해서는, 교량 내 차량을 통제하고, 설정된 무게 이상을 갖는 차량을 정지 또는 주행시킨 상태에서, 교량의 변위응답을 획득한 후, 획득한 변위응답으로부터 횡분배율을 추출 함으로써, 횡분배율을 측정할 수 있다.

그러나, 이러한 교량의 횡분배율 측정 방법은 교량 내 차량을 통제해야 하므로, 교량 내 차량이 주행되는 평상시에는 교량의 횡분배율을 측정하기가 어렵고, 차량 통제를 위한 시간 및 비용이 발생하게 된다.

따라서, 차량 통제 없이도, 평상시에 교량의 횡분배율을 측정하여, 상시적으로 교량의 내하력을 평가할 수 있는 기술이 필요하다.

본 발명은 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 교량을 촬영한 영상 또는 교량에 설치된 센서를 통해, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답로부터 추출한 횡분배율에 기초하여 상기 교량의 내하력을 평가 함으로써, 차량 통제가 필요하지 않음에 따라, 상시적으로 교량의 내하력을 평가할 수 있게 하는 것을 목적으로 한다.

또한, 본 발명은 교량을 촬영한 영상으로부터의 변위응답 획득시, 교량 내 받침대에서의 변위응답을 이용하여, 교량 내 타겟에서의 변위응답을 보정하고, 상기 보정된 교량 내 타겟에서의 변위응답을, 상기 교량의 변위응답으로서 획득함에 따라, 상기 영상을 촬영한 카메라의 흔들림 성분을 제거 함으로써, 정확한 교량의 변위응답 획득을 통해, 교량의 내하력 평가에 대한 신뢰성을 높일 수 있게 하는 것을 목적으로 한다.

상기의 목적을 이루기 위한, 교량의 내하력 평가 장치는 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별하는 식별부와, 상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가하는 프로세서를 포함할 수 있다.

상기의 목적을 이루기 위한, 교량의 내하력 평가 방법은 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별하는 단계와, 상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가하는 단계를 포함할 수 있다.

본 발명에 따르면, 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 교량을 촬영한 영상 또는 교량에 설치된 센서를 통해, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답로부터 추출한 횡분배율에 기초하여 상기 교량의 내하력을 평가 함으로써, 차량 통제가 필요하지 않음에 따라, 상시적으로 교량의 내하력을 평가할 수 있게 한다.

따라서, 차량 통제를 위한 시간 및 비용에 대한 발생을 억제할 수 있다.

또한, 본 발명에 의해서는, 교량을 촬영한 영상으로부터의 변위응답 획득시, 교량 내 받침대에서의 변위응답을 이용하여, 교량 내 타겟에서의 변위응답을 보정하고, 상기 보정된 교량 내 타겟에서의 변위응답을, 상기 교량의 변위응답으로서 획득함에 따라, 상기 영상을 촬영한 카메라의 흔들림 성분을 제거 함으로써, 정확한 교량의 변위응답 획득을 통해, 교량의 내하력 평가에 대한 신뢰성을 높일 수 있다.

도 1은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치를 포함하는 네트워크의 일례를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치의 구성을 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 타겟에서의 변위응답을 획득하는 일례를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 타겟에서의 변위응답 획득시, 영상에 적용하는 마스크의 일례를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 영상 내 라인을 이용하여, 교량 내 타겟에서의 변위응답을 획득하는 일례를 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 받침대에서의 변위응답을 획득하는 일례를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 받침대에서의 변위응답 획득시, 영상에 적용하는 필터의 일례를 도시한 도면이다.
도 8은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 받침대에서의 변위응답을 획득시, 이용하는 이미지 상관법을 설명하기 위한 도면이다.
도 9는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 타겟에서의 변위응답을, 교량 내 받침대에서의 변위응답을 이용하여 보정하는 일례를 설명하기 위한 도면이다.
도 10은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 모드분해기법을 이용하여, 횡분배율을 측정하는 일례를 설명하기 위한 도면이다.
도 11은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 저역통과필터를 이용하여, 횡분배율을 측정하는 일례를 설명하기 위한 도면이다.
도 12는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량의 내하력 평가시, 평가 기준으로서 사용되는 교량의 횡분배율을 측정하는 일례를 설명하기 위한 도면이다.
도 13은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 평가 기준으로서 사용되는 교량의 횡분배율 측정시, 활용된 차량의 크기를 도시한 도면이다.
도 14는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 평가 기준으로서 사용되는 교량의 횡분배율 측정시, 활용된 차량의 하중을 도시한 도면이다.
도 15는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 평가 기준으로서 사용되는 교량의 횡분배율 측정시, 차선 및 속도를 상이하게 측정하는 케이스의 일례를 도시한 도면이다.
도 16은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 평가 기준으로서 사용되는 교량의 횡분배율 측정시, 정적재하시험 및 동적재하시험의 일례를 도시한 도면이다.
도 17은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 평가 기준으로서 사용되는 교량의 횡분배율 측정 과정에서 획득되는 변위응답의 일례를 도시한 도면이고, 도 18은 도 17의 변위응답으로부터 추출한 정적성분의 변위응답에 대한 일례를 도시한 도면이다.
도 19는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서, 정적재하시험 및 동적재하시험을 통해 측정한 변위응답의 일례를 도시한 도면이다.
도 20은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서, 특정 속도의 주행시 정적재하시험 및 동적재하시험을 통해 측정한 변위응답 간의 하중분배계수 오차 일례를 도시한 도면이다.
도 21은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서, 특정 속도의 주행시 정적재하시험 및 동적재하시험을 통해 획득한 횡분배율의 일례를 도시한 도면이다.
도 22는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 상시진동시험 수행시, 사용한 차량 수의 일례를 도시한 도면이다.
도 23은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 상시진동시험 수행시, 획득한 정적성분의 변위응답에 대한 평균을 도시한 도면이다.
도 24는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 상시진동시험 수행시, 차량의 종류 및 주행 차로 별로 각각 획득한 횡분배율의 평균 일례를 도시한 도면이다.
도 25는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 상시진동시험에 의해 측정된 횡분배율의 정확성을 검증하기 위하여 정적재하시험을 기준으로, 횡분배율의 오차분석을 수행한 결과를 도시한 도면이다.
도 26 및 도 27은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 차량이 주행하는 차선을 식별하는 일례를 설명하기 위한 도면이다.
도 28은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 상에 주행하는 차량의 종류를 식별하는 일례를 설명하기 위한 도면이다.
도 29는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 상에 주행하는 차량의 종류를 식별시, 영상에 적용하는 필터의 일례를 도시한 도면이다.
도 30은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 상에 주행하는 차량의 종류 식별시, 이용하는 신경망 알고리즘의 일례를 설명하기 위한 도면이다.
도 31은 도 30의 신경망 알고리즘 형성시, 학습 과정에 사용된 교량 내 차량을 촬영한 영상의 일례를 도시한 도면이다.
도 32는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치의 적용 일례를 도시한 도면이다.
도 33은 본 발명의 일실시예에 따른 교량의 내하력 평가 방법을 나타내는 흐름도이다.

이하, 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 다양한 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다.

도 1은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치를 포함하는 네트워크의 일례를 도시한 도면이다.

도 1을 참조하면, 네트워크(100)는 제1 카메라(101), 제2 카메라(103), 센서(105) 및 교량의 내하력 평가 장치(107)를 포함할 수 있다.

제1 카메라(101)는 교량 또는 교량 주변에 설치될 수 있으며, 설정된 주기 마다, 교량의 상부(예컨대, 교량에서 차량이 주행하는 부분)를 촬영하여, 교량의 내하력 평가 장치(107)에 전송할 수 있다.

제2 카메라(103)는 교량 또는 교량 주변에 설치될 수 있으며, 교량의 내하력 평가 장치(107)로부터의 영상 요청에 연동하여, 상기 교량의 하부(예컨대, 교량의 받침대 및 타겟이 포함된 부분)를 촬영하고, 상기 촬영된 영상을 교량의 내하력 평가 장치(107)에 전송할 수 있다.

센서(105)는 예컨대, LVDT(Linear Variable Differential Transformer, 선형가변차등변압기)일 수 있으며, 교량 내 일정 간격을 유지하는 각 거더의 중심에 설치될 수 있다.

센서(105)는 교량의 내하력 평가 장치(107)로부터의 센싱값 요청에 연동하여, 교량의 변위응답을 센싱하고, 상기 센싱된 센싱값을 교량의 변위응답으로서, 교량의 내하력 평가 장치(107)에 전송할 수 있다.

교량의 내하력 평가 장치(107)는 교량 상에 주행하는 차량을 인식하여, 차량의 종류를 식별할 수 있다. 이때, 교량의 내하력 평가 장치(107)는 설정된 주기 마다, 교량의 상부가 촬영된 영상을 제1 카메라(101)로부터 수신하고, 상기 수신된 영상으로부터 차량 패턴이 추출 됨에 따라, 교량 상에 주행하는 차량을 인식할 수 있다. 교량의 내하력 평가 장치(107)는 상기 추출된 차량 패턴이, 상기 설정된 차량의 종류에 대응하는 차량 패턴과 일치하는 경우, 상기 인식된 차량의 종류를 상기 설정된 차량의 종류로 식별할 수 있다.

이후, 교량의 내하력 평가 장치(107)는 상기 인식된 차량의 종류가, 설정된 차량의 종류(예컨대, 덤프트럭)로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가 함으로써, 교량의 차량을 통제하지 않고, 차량이 주행되는 상태에서, 상시적으로 교량의 안전성을 체크할 수 있게 한다.

여기서, 교량의 내하력 평가 장치(107)는 제2 카메라(103)에 요청하여, 상기 교량의 하부가 촬영된 영상을 제2 카메라(103)로부터 수신하고, 상기 영상으로부터 상기 교량의 변위응답을 획득하거나, 또는 센서(105)에 요청하여, 센서(105)로부터 교량의 변위응답을 센싱한 센싱값을 수신 함으로써, 상기 교량의 변위응답을 획득할 수 있다.

상기 교량의 변위응답 획득시, 교량의 내하력 평가 장치(107)는 설정된 방식(즉, 영상을 이용한 변위응답 획득 또는 센서로부터의 변위응답 획득)에 따라, 상기 교량의 변위응답을 획득하거나, 또는 환경에 기초하여 선택된 방식에 따라, 상기 교량의 변위응답을 획득할 수 있다. 여기서, 교량의 내하력 평가 장치(107)는 예컨대, 풍속이 설정치 이상이면, 센서(105)를 이용하여 교량의 변위응답을 획득하고, 풍속이 설정치 미만이면, 제2 카메라(103)로부터 수신된 영상을 이용하여 교량의 변위응답을 획득할 수 있다.

도 2는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치의 구성을 나타내는 도면이다.

도 2를 참조하면, 본 발명의 일실시예에 따른 교량의 내하력 평가 장치(200)는 인터페이스부(201), 식별부(203), 프로세서(205) 및 데이터베이스(207)를 포함할 수 있다.

인터페이스부(201)는 설정된 주기 마다, 교량의 상부(예컨대, 교량에서 차량이 주행하는 부분)를 촬영하는 제1 카메라로부터 영상을 수신할 수 있다.

또한, 인터페이스부(201)는 상기 교량의 하부(예컨대, 교량의 받침대(슈) 및 교량에 설치된 타겟이 포함된 부분)가 촬영된 영상을 제2 카메라로부터 수신할 수 있다. 이때, 인터페이스부(201)는 식별부(203)에 의해, 교량 상에 주행하는 차량이 설정된 차량의 종류로 식별되는 경우, 제2 카메라에 영상을 요청하여, 제2 카메라로부터 영상을 수신할 수 있다. 즉, 인터페이스부(201)는 교량 상에, 설정된 종류의 차량이 주행하는 시점에서, 상기 교량의 하부가 촬영된 영상을 제2 카메라로부터 수신할 수 있다.

식별부(203)는 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별할 수 있다. 이때, 식별부(203)는 인터페이스부(201)에 의해, 제1 카메라로부터 수신되는 영상으로부터 차량 패턴이 추출 됨에 따라, 교량 상에 주행하는 차량을 인식하고, 상기 추출된 차량 패턴이, 상기 설정된 차량의 종류에 대응하는 차량 패턴과 일치하는 경우, 상기 인식된 차량의 종류를 상기 설정된 차량의 종류로 식별할 수 있다. 여기서, 설정된 차량의 종류는 설정된 무게 이상을 갖는 차량일 수 있으며, 예컨대, 덤프트럭일 수 있다.

또한, 식별부(203)는 상기 교량의 상부를 촬영한 영상으로부터 상기 차량의 종류와 함께, 상기 차량이 주행하는 상기 교량 내 차선을 더 식별할 수 있다.

한편, 식별부(203)는 복수의 차선에서 차량이 각각 인식되는 경우, 상기 차량의 인식을 무시하여, 차량이 복수의 차선에서 주행할 때에는 프로세서(205)에서, 교량의 차선별 변위응답 획득 및 교량의 내하력 평가를 생략하도록 함으로써, 상기 교량의 내하력 평가의 정확도를 높일 수 있게 한다.

프로세서(205)는 상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가할 수 있다. 이때, 프로세서(205)는 상기 교량의 변위응답이 획득된 일자와 함께, 상기 교량의 변위응답 및 내하력을 데이터베이스(207)에 저장할 수 있다.

상기 교량의 변위응답 획득시, 프로세서(205)는 인터페이스부(201)에 의해, 제2 카메라로부터 수신된 영상을 이용하여 교량의 변위응답을 획득하거나, 또는 상기 교량에 설치된 센서로부터 교량의 변위응답을 센싱한 센싱값을, 상기 교량의 변위응답으로서 획득할 수 있다.

또한, 다른 일례로서, 프로세서(205)는 영상을 이용한 교량의 변위응답 및 센서를 이용한 교량의 변위응답을 모두 획득하고, 하나의 변위응답에 대해 다른 하나의 변위응답을 조정 함으로써, 변위응답에 대한 정확도를 향상시킬 수 있다.

ⅰ) 영상으로부터의 교량의 변위응답 획득

프로세서(205)는 상기 제2 카메라로부터 수신된 영상으로부터 상기 타겟에 관련하여 설정된 위치의 타겟 관심영역을 추출하고, 상기 추출된 타겟 관심영역으로부터 상기 타겟에 관한 다각형 라인을 검출하며, 상기 검출된 다각형 라인 내 중점에 관한 좌표값에 기초하여, 상기 교량의 변위응답으로서, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다. 예컨대, 프로세서(205)는 상기 중점에 관한 좌표값과 설정된 좌표값 간의 차이를 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

이때, 프로세서(205)는 상기 다각형 라인이 복수일 경우, 상기 복수의 다각형 라인 각각에서 중점을 검출하고, 상기 검출된 각각의 중점에 대한 평균 좌표값(즉, 각 중점에 관한 좌표값을 평균화한 값)에 기초하여, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

이후, 프로세서(205)는 상기 영상으로부터 상기 교량의 받침대에 관련하여 설정된 위치의 받침대 관심영역을 추출하고, 설정된 기준 영상에서, 상기 추출된 받침대 관심영역에 매칭되는 매칭영역을 추출할 수 있다. 프로세서(205)는 상기 매칭영역 내 중점에 관한 좌표값에 기초하여, 상기 교량 내 받침대에서의 변위응답을 획득할 수 있다. 예컨대, 프로세서(205)는 상기 중점에 관한 좌표값과 설정된 좌표값 간의 차이를 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

프로세서(205)는 상기 획득한 교량 내 받침대에서의 변위응답을 이용하여, 상기 교량 내 타겟에서의 변위응답을 보정(예컨대, 타겟에서의 변위응답에서, 받침대에서의 변위응답을 차감) 함에 따라, 상기 제2 카메라의 흔들림 성분을 제거할 수 있다.

다른 일례로서, 프로세서(205)는 상기 영상 내 받침대 관심영역과 기준 영상 내 매칭영역에 대해, ZNSSD(zero-normalized sum of squared differences)를 적용할 수 있으며, 상기 ZNSSD를 적용한 결과값이, 최소값이 될 때의 좌표에 관한 좌표값을, 상기 교량 내 받침대에서의 변위응답으로 획득할 수 있다. 여기서, ZNSSD를 적용하는 일례는 설명의 편의상 이후, 도 8을 참조하여 설명하도록 한다.

한편, 상기 타겟은 일정 간격을 유지하도록 교량에 설치될 수 있으며, 예컨대, 교량 내 일정 간격을 유지하는 각 거더에 설치될 수 있다.

프로세서(205)는 식별부(203)에 의해, 차량이 주행하는 상기 교량 내 차선이 더 식별되면, 상기 교량 내 각 타겟과 연관된 복수의 영상을 이용하여, 상기 식별된 차선에 대응하는 교량의 변위응답을 획득할 수 있다. 예컨대, 프로세서(205)는 차량이 주행하는 차선이 1차선이고, 4개의 타겟이 교량에 이격되어 설치된 경우, 4개의 타겟과 연관된 각 영상을 이용하여, 1차선에 대응하는 교량의 변위응답(제1 내지 제4 변위응답)을 획득할 수 있다.

ⅱ) 센서로부터의 교량의 변위응답 획득

프로세서(205)는 식별부(203)에 의해, 교량 상에 주행하는 차량의 종류가 설정된 차량의 종류로 식별되는 경우, 센서(예컨대, 예컨대, LVDT)에 변위응답을 요청하여, 센서로부터 변위응답에 관한 센싱값을 수신 함으로써, 교량의 변위응답을 획득할 수 있다. 이때, 프로세서(205)는 식별부(203)에 의해, 차량이 주행하는 상기 교량 내 차선이 더 식별되면, 상기 교량 내 각 거더에 설치된 복수의 센서로부터 상기 식별된 차선에 대응하는 교량의 변위응답으로서, 센싱값을 각각 획득할 수 있다.

상기 교량의 내하력을 평가시, 프로세서(205)는 EMD(Empirical Mode Decomposition)를 이용하여, 상기 교량의 변위응답으로부터 정적성분의 변위응답을 추출하고, 상기 추출된 정적성분의 변위응답으로부터 횡분배율(여기서, 횡분배율은 교량에 가해지는 하중이 횡분배되는 정도를 의미할 수 있음)을 측정하며, 상기 측정된 횡분배율에 기초하여 상기 교량의 내하력을 평가할 수 있다. 여기서, 프로세서(205)는 정적성분의 변위응답으로부터 최대값(정적 최대 변위)을 확인하고, 상기 최대값을 이용하여 상기 횡분배율을 추출할 수 있다. 예컨대, 프로세서(205)는 상기 교량의 변위응답으로서, 제1 내지 제4 변위응답을 획득하면, 제1 내지 제4 변위응답으로부터 정적성분의 변위응답을 각각 추출하고, 상기 추출된 정적성분의 변위응답으로부터 각각 제1 내지 제4 최대값을 확인한 후, 확인된 제1 내지 제4 최대값 간의 비율로부터 횡분배율을 추출할 수 있다.

상기 교량의 내하력 평가시, 프로세서(205)는 상기 측정된 횡분배율과 기설정된 횡분배율 간에 차이가 설정된 범위에 포함되지 않은 경우, 상기 교량의 내하력을 '비정상'으로 평가할 수 있으며, 상기 차이가 설정된 범위에 포함된 경우, 상기 교량의 내하력을 '정상'으로 평가할 수 있다.

교량의 변위응답이 복수 개 획득되는 경우, 횡분배율 또한 복수 개 측정될 수 있다. 이때, 프로세서(205)는 측정된 복수의 횡분배율에 대해, 기설정된 복수의 횡분배율을 교량의 변위응답이 획득된 위치(타켓이 포함된 위치, 센서가 설치된 위치)를 고려하여 각각 비교하고, 비교 결과(차이)가 각각 설정된 범위에 포함된 경우, 상기 교량의 내하력을 '정상'으로 평가할 수 있다. 이때, 다른 일례로서, 프로세서(205)는 측정된 복수의 횡분배율에 대한 평균을 산출하고, 산출된 평균과 기설정된 횡분배율 간에 차이에 기초하여, 상기 교량의 내하력을 평가할 수 있다.

한편, 상기 교량의 내하력 평가시, 프로세서(205)는 상기 교량의 변위응답이, 임의의 차선에 대응 함에 따라, 상기 측정된 횡분배율이 상기 임의의 차선에 대응하는 경우, 상기 임의의 차선에 대응하여 측정된 횡분배율(즉, 임의의 차선에 차량이 주행할 때 측정된 교량의 횡분배율)과, 상기 임의의 차선에 관련하여 기설정된 횡분배율 간의 차이에 기초하여, 상기 교량의 내하력을 평가할 수 있다. 즉, 프로세서(205)는 교량 내 차량이 주행하는 차선에 따라, 상이하게 설정된 횡분배율을 이용하여, 교량의 내하력을 평가할 수 있다.

또한, 프로세서(205)는 교량의 상태요청을 수신하면, 데이터베이스(207)에 저장된 일자별 교량의 변위응답 및 내하력을 출력 함으로써, 교량 상태의 이력을 확인할 수 있게 한다.

데이터베이스(207)는 일자별 교량의 변위응답 및 내하력을 저장하여 관리할 수 있다.

도 3은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 타겟에서의 변위응답을 획득하는 일례를 설명하기 위한 도면이다.

도 3을 참조하면, 교량의 내하력 평가 장치는 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 하부(예컨대, 교량의 받침대 및 교량에 설치된 타겟이 포함된 부분)를 촬영하는 카메라로부터 영상을 수신하고, 상기 수신된 영상을 이용하여 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

구체적으로, 교량의 내하력 평가 장치는 카메라로부터 수신된 영상(원본 이미지)(301)를 그레이 레벨(gray level) 영상으로 변환하고(303), 상기 변환된 영상에서 타겟 관심영역을 추출할 수 있다(305). 이후, 교량의 내하력 평가 장치는 상기 추출된 타겟 관심영역에, 예컨대, 도 4에 도시된, 프레위트(Prewitt)의 마스크를 적용하여 타겟의 라인으로서, 사각형 라인을 추출할 수 있다(307).

교량의 내하력 평가 장치는 전처리 과정을 통해 추출된 타겟의 사각형 라인에 대해 허프(Hough) 변환을 통하여 각 시간에 따라 변화하는 타겟의 사각형 라인을 인식하고, 상기 인식된 타겟의 사각형 라인에 기초하여, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다. 여기서, 허프 변환은 영상(이미지)에서 직선, 원 등의 특정 모양을 찾는 과정이며, 영상 내 특정한 점들 사이의 연관성을 찾아 특징을 추출하는 방법이다.

허프 변환은 공간영역의

좌표의 모든 특징점을 [수학식 1]을 이용하여, 변환영역의

와

좌표의 허프 배열의 값을 누적시킨다.

허프 변환을 실행한 후, 허프 배열에서 지역 최대값의 θ와 s의 좌표를 이용하여 공간영역의 x, y 좌표에서 직선을 검출한다. 어떤 점을 지나는 직선은 [수학식 1]으로 나타낼 수 있으며, 공간좌표상의 x, y의 픽셀 정보를 이용하여 극좌표상의 θ, s를 구할 수 있게 된다. 극좌표상의 동일한 좌표를 가리키고 있는 픽셀은 공간좌표상의 라인이 된다.

여기서, s는 원점에서 직선까지의 법선의 길이이고, θ는 법선과 x축이 이루는 각도이며, (x, y)는 공간영역에서의 특징점 좌표이다.

상기 교량의 변위응답을 획득시, 교량의 내하력 평가 장치는 허프 변환을 이용하여 인식된, 타겟의 사각형 라인의 꼭지점(라인의 경계선의 각 지점)에 기초하여, 사각형 라인 내 중점(도심)을 산출하고, 상기 산출된 중점에 관한 좌표값에 기초하여, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

이때, 도 5에 도시된 바와 같이, 상기 다각형 라인이 복수일 경우, 교량의 내하력 평가 장치는 허프 변환을 이용하여 인식된, 타겟에 관한 복수의 사각형 라인 각각의 꼭지점을 [수학식 2]에 적용하여, 복수의 사각형 라인 각각의 중점에 관한 좌표값을 평균화하고, 상기 평균화한 값(평균 좌표값)에 기초하여, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

이때, 교량의 내하력 평가 장치는 복수의 사각형 라인 각각의 중점에 대한 평균 좌표값을 이용하여, 상기 교량 내 타겟에서의 변위응답을 획득 함으로써, 교량에 설치된 타겟이, 외부 환경(예컨대, 바람)에 의해 움직임(뒤틀림, 흔들림)이 발생하는 경우에도, 움직임 성분을 최소화하여, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

도 6은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 받침대에서의 변위응답을 획득하는 일례를 설명하기 위한 도면이다.

도 6을 참조하면, 교량의 내하력 평가 장치는 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 하부(예컨대, 교량의 받침대 및 교량에 설치된 타겟이 포함된 부분)를 촬영하는 카메라로부터 영상을 수신하고, 상기 수신된 영상을 이용하여 상기 교량 내 받침대에서의 변위응답을 획득 함으로써, 상기 카메라의 흔들림 성분을 추출할 수 있다.

구체적으로, 교량의 내하력 평가 장치는 카메라로부터 수신된 영상(원본 이미지)(601)를 그레이 레벨(gray level) 영상으로 변환하고(603), 상기 변환된 영상에서 받침대 관심영역을 추출할 수 있다(605). 이후, 교량의 내하력 평가 장치는 상기 추출된 받침대 관심영역에 예컨대, 도 7에 도시된, 샤프닝(Sharpening) 필터를 적용할 수 있다(607). 이후, 교량의 내하력 평가 장치는 샤프닝 필터가 적용된 받침대 관심영역을 포함하는 영상에 대해, 이미지 상관법을 이용하여, 상기 교량 내 받침대에서의 변위응답을 획득할 수 있다. 이때, 교량의 내하력 평가 장치는 이미지 상관법을 이용하여, 설정된 기준 영상에서 상기 Sharpening 필터가 적용된 받침대 관심영역에 대응하는 매칭영역을 추출하고, 상기 매칭영역 내 중점에 관한 좌표값에 기초하여, 상기 교량 내 받침대에서의 변위응답을 획득할 수 있다.

이미지 상관법은 두 이미지(영상) 간의 변형을 측정하는, 패턴 분석 기술로서, 이후 도 8을 이용하여 설명한다.

도 8은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 받침대에서의 변위응답을 획득시, 이용하는 이미지 상관법을 설명하기 위한 도면이다.

도 8을 참조하면, 교량의 내하력 평가 장치는 기준 영상(reference image)에서 임의의 템플릿인 제1 타겟 윈도우(target window)를 등록하고, 변형 영상(deformed image)에서 시간에 따라 변화하는 ROI(Region Of Interest) window 중, 상기 타겟 윈도우와 가장 유사한 제2 타겟 윈도우를 추출할 수 있다. 상기 제1 타겟 윈도우는 도 7에서의 기준 영상 내 매칭영역일 수 있으며, 상기 제2 타겟 윈도우는 도 7에서의 카메라로부터 수신된 영상(원본 이미지) 내 관심영역일 수 있다.

제1 타겟 윈도우에서의

는 기준 영상에서 분리한 정사각형의 그레이 레벨(gray level)의 패턴을 나타내고, 제2 타겟 윈도우에서의

는 외력에 의한 물체의 변형 영상에서 분리한 정사각형의 그레이 레벨을 나타낸다.

ROI window의 크기는

의 정사각형 사이즈의 부분 영상의 크기를 나타낸다.

교량의 내하력 평가 장치는 [수학식 3]의 ZNSSD을 이용하여, 기준 영상 및 변형 영상 간의 상관관계를 비교할 수 있다. 이때,

가 최소값이 될 때의 좌표에 관한 좌표값, 외력에 의한 물체의 변위를 나타낸다.

여기서,

또한,

외력에 의한 물체의 변형은 연속적으로 발생하기 때문에, 그 주변의 지점에 대한 변위값의 추측이 가능하며, 주변의 값을 도출하기 위하여 형상함수(Shape Function)를 이용할 수 있다.

교량의 내하력 평가 장치는 예컨대, [수학식 4]에 나타낸, 이미지 상관법을 이용한 2차 형상함수를 이용할 수 있다.

여기서,

는 x좌표의 형상함수이고,

는 y좌표의 형상 함수이다. 또한, u와 v는 이미지 상관법을 이용하여 측정된 각 지점의 변위이고, 는 i, j는 변형 전 영상에서 변위를 측정하고자 하는 타겟 윈도우(target window)의 크기(size)를 나타낸다.

또한,

이고,

는 reference window 중심에 대한

방향의 변위 성분을 나타낸다.

는 기준 윈도우(reference window)의 제1차 변위 기울기(first order displacement gradient)를 나타내고,

는 2차 변위 기울기(second order displacement gradient)를 나타낸다.

교량의 내하력 평가 장치는 외력에 의한 물체의 굽힘 및 비선형적인 거동의 영향을 고려하여, 상기 [수학식 4]의 2차 형상함수를 이용하여 단위픽셀 이하를 계산할 수 있다. 교량의 내하력 평가 장치는 ZNSSD를 이용하여 최적으로 매칭되는 지점의 픽셀과 계산된 단위픽셀이하의 정보를 이용하여 픽셀기반의 변위 응답을 해석할 수 있다.

도 9는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 타겟에서의 변위응답을, 교량 내 받침대에서의 변위응답을 이용하여 보정하는 일례를 설명하기 위한 도면이다.

도 9를 참조하면, 교량의 내하력 평가 장치는 교량의 하부(예컨대, 교량의 받침대 및 타겟이 포함된 부분)를 촬영한 카메라로부터 수신된 영상에서, 교량 내 타겟에서의 변위응답(901) 및 교량 내 받침대(예컨대, 슈)에서의 변위응답(903)을 획득하고, 획득한 교량 내 받침대에서의 변위응답(903)을 이용하여, 교량 내 타겟에서의 변위응답(901)을 보정할 수 있다(905). 여기서, 교량에 설치된 타겟은 외부 환경에 의해 움직임이 발생하는 반면, 교량 내 받침대는 외부 환경에 영향을 받지 않으므로, 움직임이 발생하지 않는다.

따라서, 교량의 내하력 평가 장치는 교량 내 받침대에서의 변위응답(903)을 이용하여, 상기 카메라의 흔들림 성분을 추출할 수 있으며, 교량 내 타겟에서의 변위응답(901)에서 교량 내 받침대에서의 변위응답(903)을 차감하여, 교량 내 타겟에서의 변위응답(903)을 보정 함에 따라, 상기 카메라의 흔들림 성분을 제거할 수 있다.

도 10은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 모드분해기법을 이용하여, 횡분배율을 측정하는 일례를 설명하기 위한 도면이다.

도 10을 참조하면, 교량의 내하력 평가 장치는 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 교량의 변위응답(1001)을 획득할 수 있다. 교량의 내하력 평가 장치는 교량의 변위응답(1001)로부터 정적성분의 변위응답(1003)을 추출하고, 추출된 정적성분의 변위응답(1003)에 기초하여, 상기 교량의 내하력을 평가할 수 있다.

상기 정적성분의 변위응답 추출시, 교량의 내하력 평가 장치는 EMD(Empirical Mode Decomposition)를 이용하여, 교량의 변위응답(1001)으로부터 정적성분의 변위응답(1003) 및 동적성분의 변위응답(1005)을 분류하고, 동적성분의 변위응답(1005)을 제거 함으로써, 정적성분의 변위응답(1003)을 추출할 수 있다. 여기서, 동적성분의 변위응답(1005)은 교량의 고유진동수, 차량의 고유진동수, 교량과 차량의 상호작용에 의한 변위응답을 포함할 수 있다.

구체적으로, 교량의 내하력 평가 장치는 동적 데이터의 모드 분해 알고리즘인, EMD를 통해, 고주파수 성분부터 점차적으로 분해할 수 있다. 교량의 내하력 평가 장치는 교량의 변위응답에 관한 최대값과 최소값을 이용하여 포락곡선(envelope curve)을 생성하고, 상기 포락곡선으로부터 [수학식 5]과 같은 평균곡선을 생성할 수 있다.

교량의 내하력 평가 장치는 상기 획득한 교량의 변위응답(계측된 변위응답)에서, 상기 생성된 평균곡선을 제거하여, [수학식 6]와 같이, 저주파수 성분이 제거된 고주파수 성분의 변위응답을 추출할 수 있다.

여기서,

는 계측위치(예컨대, 교량의 변위응답을 획득한 센서의 위치)

와 시간

에 대한 계측변위응답을 나타내고,

는 모드 분해한 변위응답의 번호이고,

는 반복수행 횟수이다.

교량의 내하력 평가 장치는 상기 획득한 교량의 변위응답에 대해, [수학식 1] 및 [수학식 2]를 반복수행하여, 저주파수 성분을 제거 함으로써, 고주파수 성분들만 추출할 수 있다. 이때, 교량의 내하력 평가 장치는 EDTM(Energy Difference Tracking Method)을 이용하여, [수학식 1] 및 [수학식 2]를 반복수행할 수 있다. 여기서, EDTM은 분해한 변위응답의 에너지와 나머지 에너지의 합은 전체에너지(

)와 동일하다는 이론에 기초한다.

이에 따라, 교량의 내하력 평가 장치는 [수학식 7]과 전체 에너지의 차이가 최소값에 수렴할 때 까지, [수학식 5] 및 [수학식 6]를 반복수행 함으로써, 변위응답을 분해할 수 있다.

교량의 내하력 평가 장치는 [수학식 5], [수학식 6] 및 [수학식 7]을 수행하여 획득한 데이터를 IMF(Intrinsic Mode Function)라고 정의하고, IMF를 [수학식 8]와 같이 나타낼 수 있다.

교량의 내하력 평가 장치는 상기 획득한 교량의 변위응답으로부터 IMF를 제거하고, [수학식 5], [수학식 6] 및 [수학식 7]을 반복 수행하여, 두 번째 IMF를 구하고, 이와 같은 과정을 반복수행하여, [수학식 9]를 획득할 수 있다.

여기서,

는 분해한 신호의

번째 IMF이고,

은 IMF를 제거한 잔류 응답에 해당한다.

결과적으로, 교량의 내하력 평가 장치는 획득된 교량 내 각 거더별(G1 - G4) 변위응답에서 EDTM을 이용하여 분해하고, 분해된 변위응답으로부터 정적성분의 변위응답을 추출할 수 있다. 여기서, IMF 중 1차 모드의 주파수를 포함하는 IMF를 중첩하면, 정적성분의 변위응답과 같다.

도 11은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 저역통과필터를 이용하여, 횡분배율을 측정하는 일례를 설명하기 위한 도면이다.

도 11을 참조하면, 교량의 내하력 평가 장치는 교량 상에 주행하는 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 교량의 변위응답(1101)을 획득할 수 있다. 교량의 내하력 평가 장치는 교량의 변위응답(1101)으로부터 정적성분의 변위응답(1103)을 추출하고, 추출된 정적성분의 변위응답에 기초하여, 상기 교량의 내하력을 평가할 수 있다.

교량의 내하력 평가 장치는 예컨대, 주파수 성분 1Hz를 기준으로 미만의 성분을 필터링하는 저역통과필터(low pass filtering)를 이용하여, 교량의 변위응답(계측된 변위응답)(1101)에서 동적성분의 변위응답을 제거하여, 정적성분의 변위응답(1103)을 추출할 수 있다.

또한, 교량의 내하력 평가 장치는 정적성분의 변위응답을 이용하여 정적 최대 변위를 구하고, 정적 최대 변위의 비율로부터 횡분배율을 추출할 수도 있다.

도 12는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량의 내하력 평가시, 평가 기준으로서 사용되는 교량의 횡분배율을 측정하는 일례를 설명하기 위한 도면이다.

도 12를 참조하면, 교량의 내하력 평가 장치는 차량 재하시험을 통해, 교량의 변위응답을 측정하고, 교량의 변위응답으로부터 정적성분의 변위응답을 추출한 후, 상기 추출된 정적성분의 변위응답으로부터 횡분배율을 측정할 수 있다. 교량의 내하력 평가 장치는 상기 측정된 횡분배율을, 추후 교량의 내하력 평가시, 평가 기준으로서 설정할 수 있다.

예컨대, 4개의 거더를 포함하는 교량(1201) 상에, 도 13에 도시된 바와 같은 크기를 갖고, 도 14에 도시된 바와 같은 하중을 갖는, 차량이 주행할 때, 교량의 내하력 평가 장치는 교량(1201) 내 거더 각각에 설치된 4개의 LVDT(1203)에서 센싱한 센싱값을 이용하여, 변위응답을 획득할 수 있다. 여기서, 교량(1201)은 30m의 경간, 12.6m의 교폭, 15°의 스큐(skew)로 형성되고, 4개의 PSC 거더를 포함할 수 있다. LVDT(1203)의 데이터 취득속도는 예컨대, 100㎐일 수 있다.

여기서, 차량은 도 15에 도시된 바와 같이, 차선 마다 케이스별로 속도를 상이하게 하여, 주행할 수 있다. 이때, 도 15에서의 Load Case 1, 5 및 9는 정적재하시험이며, 나머지 Load Case는 동적재하시험이다. 여기서, 도 16에 도시된 바와 같이, 정적재하시험에서의 차량은 각 차선에서 정지된 상태로 위치하고, 동적재하시험에서의 차량은 각 차선에서 주행될 수 있다.

교량의 내하력 평가 장치는 차량 재하시험에서 측정된 횡분배율의 오차를 줄이기 위하여, 각 Load Case에 대하여 3회의 시험 수행시, 교량 내 LVDT로부터 변위응답을 각각 획득할 수 있으며, 3회의 시험 수행시 획득한, 각각의 변위응답에 대한 평균값을 산출하고, 상시 산출된 평균값을 상기 기설정된 횡분배율을 측정하기 위한 변위응답으로서 활용할 수 있도록 데이터베이스에 저장할 수 있다.

이때, 동적재하시험으로부터 LVDT를 이용하여 계측한 Load Case7의 변위응답은 도 17에 도시된 바와 같다.

여기서, 교량의 내하력 평가 장치는 Load Case7의 변위응답으로부터 EMD를 제거하여, 정적성분의 변위응답을 도 18에 도시된 바와 같이, 추출할 수 있다.

도 19는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서, 정적재하시험 및 동적재하시험을 통해 측정한 변위응답의 일례를 도시한 도면이다.

도 19를 참조하면, 교량의 내하력 평가 장치는 교량 내 차량이 정차할 때의 정적재하시험에서 변위응답 및 교량 내 차량의 주행속도가 60㎞/h일 때의 동적제하시험에서 변위응답을 각각 획득할 수 있다. 교량의 내하력 평가 장치는 각 변위응답으로부터 EMD를 이용하여 정적성분의 변위응답을 추출한 후, 상기 정적성분의 변위응답으로부터 수직변위의 최대값에 대한 평균을 산출할 수 있다.

이때, 교량의 내하력 평가 장치는 정적재하시험에서 측정된 횡분배율을 기준으로 동적재하시험에서 측정된 횡분배율에 대하여 오차분석을 수행하여, 도 20에 도시된 바와 같이 하중분배계수 오차를 산출할 수 있다.

여기서, 하중분배계수 오차가 설정치(예컨대, 3%) 미만이므로, 정적재하시험에서 측정된 횡분배율 및 동적재하시험에서 측정된 횡분배율은, 모두 추후 교량의 내하력 평가시, 교량에서 측정된 횡분배율에 대한 기준으로서 사용되는 횡분배율로 활용될 수 있다.

또한, 교량 내 차량이 정차할 때의 정적재하시험에서 획득된 횡분배율 및 교량 내 차량의 주행속도가 60㎞/h일 때의 동적재하시험에서 획득된 횡분배율은 도 21에 도시된 바와 같다.

도 22는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 상시진동시험 수행시, 사용한 차량 수의 일례를 도시한 도면이다.

도 22를 참조하면, 교량의 내하력 평가 장치는 교량 내에 차량 주행시, 교량 내 거더 각각에 설치된 LVDT에서 센싱한 센싱값을 이용하여, 교량의 변위응답을 획득하는 상시진동시험 수행할 수 있다.

이때, 교량의 내하력 평가 장치는 예컨대, 4종류(덤프트럭, 버스, 트럭, 특장차)의 차량을 이용하여, 상시진동시험을 수행할 수 있다. 교량의 내하력 평가 장치는 상시진동시험을 통해, 차량의 종류와 주행 차로에 대응하여 획득한 변위응답으로부터, EMD를 이용하여 정적성분의 변위응답을 추출하고, 정적성분의 변위응답의 평균을 산출할 수 있다. 여기서, 정적성분의 변위응답에 대한 평균은 예컨대, 도 23에 도시된 바와 같다.

또한, 교량의 내하력 평가 장치는 차량의 종류와 주행 차로에 대응하는 횡분배율의 평균을 산출할 수 있다. 여기서, 횡분배율의 평균은 예컨대, 도 24에 도시된 바와 같다.

또한, 교량의 내하력 평가 장치는 상시진동시험에서 측정된 횡분배율의 정확성을 검증하기 위하여 정적재하시험을 기준으로, 횡분배율의 오차분석을 수행하였으며, 그 결과는 도 25에 도시된 바와 같다. 여기서, 재하시험과 동일한 차량인 덤프트럭이 교량을 통과할 경우, 평균 오차가 1차로에서는 3% 미만, 2차로에서는 7%미만인 것을 확인 할 수 있다. 즉, 중량이 상대적으로 큰 차량(덤프트럭)의 경우, 정적재하시험 및 상시진동시험에서 측정된 각각의 횡분배율은 유사함을 확인할 수 있음에 따라, 상시진동시험에서 측정되는 변위응답(또는, 횡분배율)에 대한 신뢰성을 인정할 수 있다.

따라서, 공용중인 교량에 카메라를 설치하여, 주행하는 차량을 인식하고, 차량의 종류가 설정된 차량의 종류(예컨대, 덤프트럭)일 경우, 교량의 변위응답을 획득하여, 교량의 내하력을 평가할 수 있는 본 발명의 교량의 내하력 평가 장치는 상시진동시험으로 변위응답을 획득하고, 변위응답으로부터 횡분배율을 측정하여, 교량의 내하력을 평가 함으로써, 차량을 통제지 않고도 교량의 내하력을 정확하게 파악할 수 있게 한다.

도 26은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 내 차량이 주행하는 차선을 식별하는 일례를 설명하기 위한 도면이다.

도 26을 참조하면, 교량의 내하력 평가 장치는 교량의 상부(예컨대, 교량에서 차량이 주행하는 부분)를 촬영하는 카메라로부터 영상을 수신하고, 수신된 영상에 대해 허프(Hough) 변환을 통하여, 영상 내 여러 차선 중에 예컨대, 차량이 주행하는 차선으로서, 2차선을 식별할 수 있다.

교량의 내하력 평가 장치는 차량을 인식하고, 라인 인식을 통해, 상기 인식된 차량에 관한 차선을 인식할 수 있다. 이후, 교량의 내하력 평가 장치는 차선의 라인이라 판단할 수 있는 라인의 내각을 지정하고, 상기 영상에서 추출된 라인의 내각에서, 상기 지정된 라인의 내각 외의 라인을 [수학식 10]을 이용하여 제거할 수 있다.

예컨대, 추출된 라인의 좌표는 도 27에서,

,

이고, 라인의 내각은

(angle)이다.

이때, 카메라의 설치 위치에 따라 각도는 달라질 수 있다.

도 28은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 상에 주행하는 차량의 종류를 식별하는 일례를 설명하기 위한 도면이다.

도 28을 참조하면, 교량의 내하력 평가 장치는 교량의 상부(예컨대, 교량에서 차량이 주행하는 부분)를 촬영하는 카메라로부터 영상을 수신하고, 상기 수신된 영상에 대해 영상필터처리하는 과정을 통해, 차량의 종류를 분류할 수 있다. 영상필터처리시, 교량의 내하력 평가 장치는 예컨대, 카메라로부터 수신된 영상(2801)을 그레이 레벨로 변환하고(2803), 상기 변환된 영상에 예컨대, 메디안(Median) 필터를 적용하거나(2805), 또는 샤프닝(Sharpening) 필터를 적용하여(2807), 필터처리할 수 있다.

여기서, 메디안 필터는 예컨대, 도 29에 도시된 바와 같다.

도 30은 본 발명의 일실시예에 따른 교량의 내하력 평가 장치에서 교량 상에 주행하는 차량의 종류 식별시, 이용하는 신경망 알고리즘의 일례를 설명하기 위한 도면이다.

도 30을 참조하면, 교량의 내하력 평가 장치는 예컨대, 도 31에 도시된 바와 같은, 기존에 교량 내 차량을 촬영한 영상을 이용하여, 학습 과정을 통해, 5 종류의 차량(승용차, 덤프트럭, 버스, 트럭, 특장차)에 관한, 신경망 알고리즘을 형성할 수 있다.

이후, 교량의 내하력 평가 장치는 평상시, 교량 상에 주행하는 차량을 촬영한 영상을 수신하고, 상기 수신된 영상에, 신경망 알고리즘을 적용한 결과로서 출력되는 형상에 따라, 차량의 종류를 식별할 수 있다.

구체적으로, 교량의 내하력 평가 장치는 교량 내 차량을 촬영한 영상에 기초하여, 각 형상들의 정규화된 기호들을 계산하고, 각 기호들의 표본을 n개(n은 자연수)의 균일한 간격으로 나누어 구함으로써, n차원의 벡터를 생성할 수 있다.

교량의 내하력 평가 장치는 n차원의 벡터를 신경망(예컨대, 다층 피드포워드 신경망)에 입력할 수 있다. 여기서, 첫번째 출력층의 뉴런 노드수는 입력 형태 백터의 차수이고, 세번째 출력층의 5개 뉴런들은 형태모임의 수와 같다. 또한, 중간층의 뉴런들 수는 발견적 학습법에 의하여 입력층과 출력층 뉴런들 수의 평균으로 지정될 수 있다.

모든 활성 함수는 출력층에 관련하여, [수학식 11]의 형태로 나타내고, 내부층에 관련하여, [수학식 12]의 형태로 나타낼 수 있다.

여기서,

이다.

여기서,

이다.

교량의 내하력 평가 장치는 다층 피드포워드 신경망 학습을 위한 일반화된 델타 규칙을 구성할 수 있다. 이때, 교량의 내하력 평가 장치는 네트워크 전체에 대하여 임의의 가중치 집단으로 시작한다. 이후, 교량의 내하력 평가 장치는 각 반복 단계에 일반화된 델타규칙을 두 단계로 적용할 수 있다. 첫번째 단계에서, 교량의 내하력 평가 장치는 각 노드에 대한 출력(

)을 계산하기 위하여 학습 벡터를 네트워크에 주고, 층들에 전달하도록 한다. 그 다음, 교량의 내하력 평가 장치는 오차 항(

)을 만들기 위하여 출력층 노드들에 대한 출력(

)을 이들의 원하는 응답(

)와 비교한다. 두번째 단계에서, 교량의 내하력 평가 장치는 네트워크를 역 방향으로 진행시켜 그 동안 이에 해당하는 오차 신호가 각 노드로 전달되어 이에 대응하는 가중치의 변화가 이루어지도록 한다.

또한, 교량의 내하력 평가 장치는 두 부분으로 나누어, 학습과정을 수행할 수 있다. 첫번째 부분에서, 교량의 내하력 평가 장치는 가중치들을 평균값 0을 가지는 작은 임의의 수들로 초기화하고, 두번째 부분에서, 교량의 내하력 평가 장치는 네트워크 내 기준이 되는 형태들과 같이 노이즈가 없는 모임(

)으로부터 모든 학습 형태에 대해서 출력층의 소자들이

에 대하여

,

를 나타낼 때, 모든 형태에 대한 학습을 수행한다. 여기서,

의 어떤 형태에 대해서도, 그 모임에 해당하는 출력은 0.8이상 이어야 하는 반면, 동시에 다른 노드들의 출력은 0.2이하 이어야 한다.

도 32는 본 발명의 일실시예에 따른 교량의 내하력 평가 장치의 적용 일례를 도시한 도면이다.

도 32를 참조하면, 교량의 내하력 평가 장치는 교량에 주행하는 여러 차량의 종류를 식별한 결과 주행하는 차량의 종류가 덤프트럭일 경우, 변위응답 측정 시스템을 통해, 교량의 변위응답을 측정하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가할 수 있다.

이때, 교량의 내하력 평가 장치는 교량에서 차량이 주행하는 부분을 촬영한 영상을 이용하여, 차량의 종류를 식별하고, 교량의 받침대(슈) 및 타겟(target)이 포함된 부분을 촬영한 영상 또는 교량에 설치된 센서(예컨대, LVDT, 링 게이지, GPS 등)을 이용하여 교량의 변위응답을 측정할 수 있다.

도 33은 본 발명의 일실시예에 따른 교량의 내하력 평가 방법을 나타내는 흐름도이다.

도 33을 참조하면, 단계(3301)에서, 교량의 내하력 평가 장치는 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별할 수 있다. 이때, 교량의 내하력 평가 장치는 설정된 주기 마다, 상기 교량의 상부(예컨대, 교량에서 차량이 주행하는 부분)를 촬영하는 제1 카메라로부터 영상을 수신할 수 있다. 이후, 교량의 내하력 평가 장치는 상기 수신된 영상으로부터 차량 패턴을 추출하고, 상기 추출된 차량 패턴이, 상기 설정된 차량의 종류에 대응하는 차량 패턴과 일치하는 경우, 상기 인식된 차량의 종류를 상기 설정된 차량의 종류로 식별할 수 있다.

설정된 차량의 종류는 설정된 무게 이상을 갖는 차량일 수 있으며, 예컨대, 덤프트럭일 수 있다.

또한, 교량의 내하력 평가 장치는 상기 교량의 상부를 촬영한 영상으로부터 상기 차량의 종류와 함께, 상기 차량이 주행하는 상기 교량 내 차선을 더 식별할 수 있다. 이때, 교량의 내하력 평가 장치는 복수의 차선에서 차량이 각각 인식되는 경우, 상기 차량의 인식을 무시하여, 차량이 복수의 차선에서 주행할 때에는 교량의 차선별 변위응답 획득 및 교량의 내하력 평가를 생략하도록 함으로써, 상기 교량의 내하력 평가의 정확도를 높일 수 있게 한다.

단계(3303)에서, 교량의 내하력 평가 장치는 상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득할 수 있다.

교량의 내하력 평가 장치는 상기 차량이 주행하는 상기 교량 내 차선이 더 식별되면, 상기 교량 내 각 거더에 설치된 복수의 센서로부터 상기 식별된 차선에 대응하는 교량의 변위응답으로서, 센싱값을 각각 획득할 수 있다.

다른 일례로서, 교량의 내하력 평가 장치는 상기 교량의 하부(예컨대, 교량의 받침대(슈) 및 교량에 설치된 타겟이 포함된 부분)가 촬영된 영상을 제2 카메라로부터 수신하고, 상기 수신한 영상으로부터 교량의 변위응답을 획득할 수 있다. 구체적으로, 교량의 내하력 평가 장치는 상기 제2 카메라로부터 수신된 영상으로부터 상기 타겟에 관련하여 설정된 위치의 타겟 관심영역을 추출하고, 상기 추출된 타겟 관심영역으로부터 상기 타겟에 관한 다각형 라인을 검출하며, 상기 검출된 다각형 라인 내 중점에 관한 좌표값에 기초하여, 상기 교량의 변위응답으로서, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다. 이때, 교량의 내하력 평가 장치는 상기 다각형 라인이 복수일 경우, 상기 복수의 다각형 라인 각각에서 중점을 검출하고, 상기 검출된 각각의 중점에 대한 평균 좌표값(즉, 각 중점에 관한 좌표값을 평균화한 값)에 기초하여, 상기 교량 내 타겟에서의 변위응답을 획득할 수 있다.

이후, 교량의 내하력 평가 장치는 상기 영상으로부터 상기 교량의 받침대에 관련하여 설정된 위치의 받침대 관심영역을 추출하고, 설정된 기준 영상에서, 상기 추출된 받침대 관심영역에 매칭되는 매칭영역을 추출할 수 있다. 교량의 내하력 평가 장치는 상기 매칭영역 내 중점에 관한 좌표값에 기초하여, 상기 교량 내 받침대에서의 변위응답을 획득한 후, 상기 획득한 교량 내 받침대에서의 변위응답을 이용하여, 상기 교량 내 타겟에서의 변위응답을 보정(예컨대, 타겟에서의 변위응답에서, 받침대에서의 변위응답을 차감) 함에 따라, 상기 제2 카메라의 흔들림 성분을 제거할 수 있다.

단계(3305)에서, 교량의 내하력 평가 장치는 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가할 수 있다.

교량의 내하력 평가 장치는 EMD를 이용하여, 상기 교량의 변위응답으로부터 정적성분의 변위응답을 추출하고, 상기 추출된 정적성분의 변위응답으로부터 횡분배율을 측정하며, 상기 측정된 횡분배율에 기초하여 상기 교량의 내하력을 평가할 수 있다. 이때, 교량의 내하력 평가 장치는 상기 측정된 횡분배율과 기설정된 횡분배율 간에 차이가 설정된 범위에 포함되지 않은 경우, 상기 교량의 내하력을 '비정상'으로 평가할 수 있으며, 상기 차이가 설정된 범위에 포함된 경우, 상기 교량의 내하력을 '정상'으로 평가할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 저장 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 저장될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 저장되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 저장 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광저장 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

200: 교량의 내하력 평가 장치
201: 인터페이스부
203: 식별부
205: 프로세서
207: 데이터베이스

Claims (16)

1. 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별하는 식별부;
   상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가하는 프로세서; 및
   상기 교량의 하부를 촬영하는 제2 카메라로부터 영상을 수신하는 인터페이스부
   를 포함하고,
   상기 교량에 설치된 타겟(target) 및 상기 교량의 받침대가 촬영된 상기 영상이 수신되면,
   상기 프로세서는,
   상기 영상으로부터 상기 타겟에 관련하여 설정된 위치의 타겟 관심영역을 추출하고, 상기 추출된 타겟 관심영역으로부터 상기 타겟에 관한 다각형 라인을 검출하며, 상기 검출된 다각형 라인 내 중점에 관한 좌표값에 기초하여, 상기 교량의 변위응답으로서, 상기 교량 내 타겟에서의 변위응답을 획득하는
   교량의 내하력 평가 장치.
2. 제1항에 있어서,
   상기 인터페이스부는,
   설정된 주기 마다, 상기 교량의 상부를 촬영하는 제1 카메라로부터 영상을 수신하고,
   상기 식별부는,
   상기 수신된 영상으로부터 차량 패턴을 추출하고, 상기 추출된 차량 패턴이, 상기 설정된 차량의 종류에 대응하는 차량 패턴과 일치하는 경우, 상기 인식된 차량의 종류를 상기 설정된 차량의 종류로 식별하는
   교량의 내하력 평가 장치.
3. 제1항에 있어서,
   상기 식별부는,
   상기 교량의 상부를 촬영한 영상으로부터 상기 차량의 종류와 함께, 상기 차량이 주행하는 상기 교량 내 차선을 더 식별하고,
   상기 프로세서는,
   상기 교량 내 각 거더에 설치된 복수의 센서로부터 상기 식별된 차선에 대응하는 교량의 변위응답으로서, 센싱값을 각각 획득하는
   교량의 내하력 평가 장치.
4. 삭제
5. 삭제
6. 제1항에 있어서,
   상기 프로세서는,
   상기 영상으로부터 상기 교량의 받침대에 관련하여 설정된 위치의 받침대 관심영역을 추출하고,
   설정된 기준 영상에서, 상기 추출된 받침대 관심영역에 매칭되는 매칭영역을 추출하며, 상기 매칭영역 내 중점에 관한 좌표값에 기초하여, 상기 교량 내 받침대에서의 변위응답을 획득한 후, 상기 획득한 교량 내 받침대에서의 변위응답을 이용하여, 상기 교량 내 타겟에서의 변위응답을 보정 함으로써, 상기 제2 카메라의 흔들림 성분을 제거하는
   교량의 내하력 평가 장치.
7. 제1항에 있어서,
   상기 다각형 라인이 복수일 경우,
   상기 프로세서는,
   상기 복수의 다각형 라인 각각에서 중점을 검출하고, 상기 검출된 각각의 중점에 대한 평균 좌표값에 기초하여, 상기 교량 내 타겟에서의 변위응답을 획득하는
   교량의 내하력 평가 장치.
8. 제1항에 있어서,
   상기 설정된 차량의 종류는,
   설정된 무게 이상을 갖는 차량인 것을 특징으로 하는
   교량의 내하력 평가 장치.
9. 제1항에 있어서,
   상기 프로세서는,
   EMD(Empirical Mode Decomposition)를 이용하여, 상기 교량의 변위응답으로부터 정적성분의 변위응답을 추출하고, 상기 추출된 정적성분의 변위응답으로부터 횡분배율을 측정하며, 상기 측정된 횡분배율에 기초하여 상기 교량의 내하력을 평가하는
   교량의 내하력 평가 장치.
10. 제1항에 있어서,
    상기 식별부는,
    상기 차량이 주행하는 상기 교량 내 차선을 더 식별하고,
    복수의 차선에서 차량이 각각 인식되는 경우, 상기 차량의 인식을 무시하는
    교량의 내하력 평가 장치.
11. 교량 상에 주행하는 차량을 인식하고, 상기 인식된 차량의 종류를 식별하는 단계;
    상기 인식된 차량의 종류가, 설정된 차량의 종류로 식별되는 경우, 상기 교량의 변위응답을 획득하고, 상기 교량의 변위응답에 기초하여 상기 교량의 내하력을 평가하는 단계;
    상기 교량의 하부를 촬영하는 제2 카메라로부터 영상을 수신하는 단계; 및
    상기 영상으로부터 상기 교량의 변위응답을 획득하는 단계
    를 포함하고,
    상기 교량에 설치된 타겟 및 상기 교량의 받침대가 촬영된 상기 영상이 수신되면,
    상기 교량의 변위응답을 획득하는 단계는,
    상기 영상으로부터 상기 타겟에 관련하여 설정된 위치의 타겟 관심영역을 추출하고, 상기 추출된 타겟 관심영역으로부터 상기 타겟에 관한 다각형 라인을 검출하는 단계; 및
    상기 검출된 다각형 라인 내 중점에 관한 좌표값에 기초하여, 상기 교량의 변위응답으로서, 상기 교량 내 타겟에서의 변위응답을 획득하는 단계
    를 포함하는 교량의 내하력 평가 방법.
12. 제11항에 있어서,
    상기 교량의 내하력 평가 방법은,
    설정된 주기 마다, 상기 교량의 상부를 촬영하는 제1 카메라로부터 영상을 수신하는 단계; 및
    상기 수신된 영상으로부터 차량 패턴을 추출하고, 상기 추출된 차량 패턴이, 상기 설정된 차량의 종류에 대응하는 차량 패턴과 일치하는 경우, 상기 인식된 차량의 종류를 상기 설정된 차량의 종류로 식별하는 단계
    를 더 포함하는 교량의 내하력 평가 방법.
13. 제11항에 있어서,
    상기 교량의 내하력 평가 방법은,
    상기 교량의 상부를 촬영한 영상으로부터 상기 차량의 종류와 함께, 상기 차량이 주행하는 상기 교량 내 차선을 더 식별하는 단계; 및
    상기 교량 내 각 거더에 설치된 복수의 센서로부터 상기 식별된 차선에 대응하는 교량의 변위응답으로서, 센싱값을 각각 획득하는 단계
    를 더 포함하는 교량의 내하력 평가 방법.
14. 삭제
15. 삭제
16. 제11항에 있어서,
    상기 교량의 변위응답을 획득하는 단계는,
    상기 영상으로부터 상기 교량의 받침대에 관련하여 설정된 위치의 받침대 관심영역을 추출하는 단계;
    설정된 기준 영상에서, 상기 추출된 받침대 관심영역에 매칭되는 매칭영역을 추출하고, 상기 매칭영역 내 중점에 관한 좌표값에 기초하여, 상기 교량 내 받침대에서의 변위응답을 획득하는 단계; 및
    상기 획득한 교량 내 받침대에서의 변위응답을 이용하여, 상기 교량 내 타겟에서의 변위응답을 보정 함에 따라, 상기 제2 카메라의 흔들림 성분을 제거하는 단계
    를 더 포함하는 교량의 내하력 평가 방법.

Images