Study on Track Quality Diagnosis Using High-Speed Railway Vehicle Vibration Data

철도 선로의 상태는 열차 운행의 안정성과 승차감에 중요한 영향을 미치며, 이를 정량적으로 평가하기 위한 지표로 궤도품질지수가 사용된다. 기존의 궤도품질지수를 평가하는 방식은 검측을 위해 별도의 계측 차량을 필수적으로 이용해야 한다. 그러나 이러한 방식은 주기적인 계측이 이루어지기 전까지 실시간으로 선로 상태의 악화 진행을 파악하기 어렵다. 이에 본 논문은 실제 운행 중인 철도 차량에서 수집된 진동 데이터로 머신러닝 모델을 학습하여 궤도의 상태를 진단하였다. 기존에 범용적으로 사용되는 다른 알고리즘과 비교한 결과, XGBoost 모델에 주성분 분석을 적용한 방식이 결정계수가 0.99로 가장 높았다. 그래서 검측 차량의 계측을 기다릴 필요 없이, 운행 중인 차량에서 수집한 데이터를 통해 효율적인 선로 유지보수가 가능하고 철도 안전성을 더욱 향상시킬 수 있다.