Machine Learning-Based Prediction of Time-Dependent Safety Grade of Road Facilities

시간이 경과하여 노후화된 도로시설물은 내구수명이 감소한다. 이 시설물에 적절한 유지관리가 실시되지 않으면 부재 성능이 감소하고 시설물의 효용성을 감소시킬 수 있다. 시설물의 안전성능을 유지하여 재해 및 재난을 예방함에 있어 시설물의 안전등급 예측은 유지관리 계획 수립에 효과적인 방안이다. 본 연구는 국내 도로시설물의 효과적인 유지관리를 위하여 시간 특성을 고려한 대상 시설물의 안전등급 변화를 예측할 수 있는 모델을 제시한다. 도로시설물은 교량, 터널, 옹벽을 대상으로 한다. 각 시설물의 구조형식은 가장 많이 분포하는 일반 교량과 NATM 터널, 콘크리트 옹벽을 선택하였다. 시간특성은 시설물의 사용연수를 사용하였으며 안전등급 예측 모델은 머신러닝을 기반으로 개발하였다. 이 예측 모델의 데이터베이스는 시설물의 성능평가와 정밀안전진단, 정밀안전점검 결과를 수집하여 구축되었다. XGBoost 예측 모델을 통해 시간특성을 반영한 안전등급을 혼동행렬로 검토한 결과 전 도로시설물은 100 %의 정확도로 예측할 수 있었다.