1. 서 론
2. 열차 가속도 및 지진 가속도 데이터
2.1 열차 하중 데이터
2.2 지진 가속도 데이터
3. 데이터 분석
3.1 데이터 분석 기법
3.2 열차 가속도에 대한 스펙토그램 특성
3.3 지진 가속도에 대한 스펙토그램 특성
4. 지진 가속도 판별 기법 개발
4.1 데이터 중첩
4.2 SFTF 방법
4.3 Wavelet 방법
5. 결 론
1. 서 론
우리나라는 과거 지진의 안전지대로 알려져 왔지만, 2016년 경주지진(경주 9.12지진)(Korea Meteorological Administration, 2016), 2017년 포항지진(Korea Meteorological Administration, 2017)이 발생함에 따라 지진에 대한 경각심이 높아지고 있다. 지진은 구조물의 손상 및 붕괴로 인해 사회적 비용을 초래할 뿐 아니라, 교량, 터널과 같은 사회기반시설물의 경우 이동 중인 차량의 전복 등으로 인한 2차 피해가 발생한다. 따라서 구조물의 내진 성능 확보와 더불어 지진 발생 시 위험을 조기에 알릴 수 있는 경보 시스템을 구축하는 것은 매우 중요하다. 특히, 대규모 사회기반시설물인 철도 시설물은 지진에 의한 철도 교량의 붕괴, 노반침하, 산사태 등에 의해 철도에 손상이 발생하는 경우 운행 중인 열차의 탈선과 충돌이 발생할 수 있다. 열차가 탈선하는 경우 대규모 인명 및 재산 피해를 초래할 수 있어 지진 발생 시 신속하게 열차를 서행 또는 정지시킬 수 있는 지진 감지 및 경보시스템이 필요하다.
현재 국내에서 운영 중인 KTX의 지진 경보 시스템은 철도 시설물에 설치한 지진 가속도 센서를 통해 지진을 감지하고, 유선으로 기관사에게 통보하여 열차의 서행 및 정지를 결정하는 방식이다(Sheen et al., 2017). 이러한 지진 경보 시스템은 지진 발생 이후 열차의 정지까지 상당한 시간이 소요되며, 지진 가속도 센서가 설치되지 않는 지역에 열차가 통과하는 경우 지진 발생 여부를 파악하기 어렵다는 문제가 있다. 또한, 철도 시설물의 전체 구간에 지진 가속도 센서를 설치하고 유지 관리하는 것은 높은 비용과 인력 문제로 인해 새로운 지진 경보 시스템의 개발이 요구된다.
이에 따라 스마트 기기와 인터넷을 이용한 지진 경보 네트워크 기술이 개발되고 있다. 미국의 Southern California Earthquake Center와 Incorporated Research Institutions for Seismology는 데스크탑, 노트북, USB에 설치된 Micro-Electro-Mechanical Systems의 센서를 이용하여 전 세계 지진을 관측할 수 있는 Quake Catcher Network(QCN: http://quakecatcher.net)를 구축하였다(Neighbors et al., 2017). 미국 caltech에서는 USB Seismometer를 이용한 지진 관측 네트웨크인 Community Seismic Network(CSN: http://csn.caltech.edu)를 구축 및 운영하고 있다(Clayton et al., 2015). 최근에는 스마트폰의 센서를 활용한 지진 관측 네트워크 애플리케이션인 MyShake(http://myshake.berkeley.edu)가 개발되어 20만명 이상의 이용자가 사용하고 있다. MyShake는 미국의 지진 경보 시스템인 ShakeAlert(https://www.shakealert.org) 보다 신속하고 정확한 지진 감지 및 경보가 가능한 것으로 평가된다(Kong et al., 2016). 일본은 1992년부터 신칸센 운영을 위한 지진조기경보 시스템으로 Urgent Earthquake Detection and Alarm System을 운영하고 있는데, 철도 인근에 설치된 지진관측소에서 철도 방향으로 진행하는 P-wave를 감지하고 경보를 내리는 시스템이다. JR EEW system East Japan Railway Company에서 운영하는 지진조기경보 시스템인 JR EEW system은 해안가 및 철도를 따라 설치된 지진 관측소를 활용하여 지진을 감지하고 경보를 내린다.
최근 철도 시설물에 설치하는 지진 가속도 센서를 대체하기 위한 목적으로 열차 내에서 지진을 계측할 수 있는 열차 탑재 용 가속도 센서를 이용한 지진 경보 시스템을 개발하기 위한 연구가 수행되고 있다. 해당 연구는 저비용 센서를 활용하여 On-board 형태의 가속도센서를 열차내에 직접 설치하고 지진을 감지하는 즉시 즉각적인 열차의 정지 및 서행 여부를 알려주어 열차의 탈선을 방지하는데 그 목적이 있다. On-board 형태의 가속도 센서는 열차마다 설치될 수 있어야 하며 이에 일반적인 지진계에 비해 저비용으로 제작되는 특징이 있다. 이에, JR EEW 시스템과 같이 작은 규모의 수직 진동인 p-wave를 계측하는 것에는 무리가 있어 열차의 수평진동을 감지하고 즉각적으로 대응할 수 있는 신호 처리 기법 연구가 필수적이다. 특히, On-board용 가속도 센서는 지진에 의한 진동 외에도 열차 자체의 진동하중을 계측하기 때문에 지진에 의한 진동과 구분해내는 기술이 필요하다. Moon 등은 열차 운영 시 On-board용 가속도 센서를 통해 측정된 열차의 진동데이터와 지진의 진동데이터를 분석하여 On-board용 가속도 센서의 지진 감지 여부를 조사하였으나(Moon et al., 2020), 노두암에서의 지진 가속도 결과를 적용하여 지반 및 성토층에서 발생하는 지반응답을 고려하지 못하는 한계가 있다.
따라서 본 연구에서는 성토 구간에서 증폭된 지진파와 열차 하중에 의한 진동을 구분하기 위한 연구를 수행하였다. 열차 운행 중 발생할 수 있는 가상의 지진 가속도 시간이력을 열차 내부에서 발생하는 진동가속도와 중첩하고 이를 구분해내기 위한 연구를 수행하였다. 열차의 진동 가속도 시간 이력은 KTX의 On-board용 센서에서 계측한 진동 계측 데이터를 이용하였으며, 지진 데이터는 포항지진, 경주지진, Hachinohe 지진기록 가속도 시간이력을 활용하였다. 지진 가속도의 크기는 재현주기 1,000년과 2,400년 지진을 적용하였으며, 지반응답 해석을 통해 성토 구간에서 열차에 발생할 수 있는 지진 응답을 산출하였다. 중첨된 가속도 시간이력 결과를 Short Time Fourier Transform(STFT) 및 Wavelet Transform(WT) 방법을 통해 변환하여 열차 진동 계측 데이터와 비교하였으며, 이를 토대로 지진 가속도와 열차 진동가속도를 구분해내는 연구를 수행하였다.
2. 열차 가속도 및 지진 가속도 데이터
2.1 열차 하중 데이터
열차 진동 가속도 계측은 KTX 익산역에서 KTX 정읍역까지 구간에서 수행되었으며(Fig. 1), 사용된 계측기는 라즈베리파이와 IMU 센서를 결합한 자체 개발 센서를 활용하였다. 라즈베리 파이 센서와 IMU 센서의 sampling frequency는 장비의 최대 성능으로 계측할 수 있는 500Hz로 하였다. 실시간 신호처리 시간 등을 고려한 지진 감지를 위한 최적 sampling frequency 결정은 추후 연구에서 진행할 예정이다. Fig. 2는 라즈베리 파이 센서와 IMU 센서를 이용하여 측정한 KTX 열차의 진동에 의한 횡방향의 가속도 시간 이력이다.
2.2 지진 가속도 데이터
2.2.1 지진 가속도 선정
지진 데이터는 단주기 지진파인 2016년 경주지진과 장주기 지진파인 1968년 Hachinohe 지진기록 가속도 시간 이력을 사용하였다. 경주지진은 진앙으로부터 22km 떨어진 덕정리(DKJ) 관측소에서 관측된 결과를 이용하였으며, Hachinohe 지진기록은 1968년 Tokachi-oki 지진의 hachinohe 관측소 자료를 이용하였다. Fig. 3은 경주 지진 발생 시 계측된 가속도 시간이력을 재현주기에 맞춰 스케일링한 결과와 주파수별 스펙트럼 가속도 값을 나타낸 그래프이다. 경주지진은 최대 가속도가 발생한 이후 급격하게 가속도가 감소하였으며, 2Hz 이상의 영역에서 높은 에너지가 나타났다. Fig. 4는 Hachinohe 지진기록 발생 시 계측된 가속도 시간이력 및 스펙트럼 가속도 결과이다. Hachinohe 지진기록은 최대 가속도가 발생한 이후로 약 1m/sec2의 가속도가 100초 정도 지속되었으며, 1Hz 이하의 영역에서 높은 에너지가 발생한 것을 확인할 수 있다.
2.2.2 지반응답 해석
본 연구에서는 오송역으로부터 각각 109.25km, 110km 떨어진 KP 109.25k 구간과 KP 110.0k 구간 에서의 성토 구간에 대해 지반응답해석을 수행하였다. 지반 응답 해석을 위한 지반 정보는 시추주상도를 활용하였다(Figure 5). 시추주상도는 원지반에 대한 지반 조사 결과를 나타낸다. 각 성토 구간의 성토지반은 다짐도 95% 이상인 단단한 쌓기 지반으로 높이는 각각 9.2m, 3.97m이다.
Proshake 2.0 프로그램을 사용하여 1차원 등가선형 지반응답해석을 수행하였으며, 시추주상도를 바탕으로 결정한 입력 물성치는 Table 1과 같다. 입력 지반 운동은 재현주기에 따라 최대지반가속도를 0.154, 0.22g로 보정한 포항, 경주, Hachinohe 지진기록을 암반층 최상단에 적용하였다. 해석에 필요한 지반 물성인 전단파 속도와 습윤단위중량은 표준관입저항과의 상관식을 이용하여 결정하였다. 전단파 속도는 국내 풍화토 지반에 대해 Sun et al.(2013)에 의해 제안된 상관식을 이용하여 결정하였으며, 단위 중량은 Bowles(1977)이 제안한 사질토의 상대 밀도에 따른 습윤단위중량의 평균값을 적용하였다. 등가선형 해석을 위한 지반 비선형 곡선은 Proshake 내장 모델인 모래 지반의 Seed and Idriss(1970) 모델과 암반의 Schnabel et al.(1972)의 모델을 적용하였다. 해석 종료를 위한 수렴 기준은 최대 전단탄성계수의 변동률이 1% 이내가 되도록 설정하였으며, 해석 결과 최종 반복 계산 횟수는 최소 5회, 최대 16회로 나타났다.
Table 1.
Input properties for site response analysis
Fig. 6은 지반 응답 해석 단면의 acceleration profile을 나타낸다. KP 109.25k 구간에서 지표면 지진 응답 가속도는 Hachinohe 지진기록이 경주지진에 비해 크게 나타났다. 이는 단주기 지진파인 경주지진의 경우 고주파수 영역이 지반응답 해석을 통해 에너지를 잃었기 때문으로 판단된다. 경주 지진은 2,400년 재현주기 지진의 지표면 가속도가 1,000년 재현주기 지진보다 크게 나타났으나, Hachinohe 지진기록은 재현주기와 관계 없이 유사한 값을 보였다. 경주지진은 성토 구간에서 표면 지진파 대비 약 51%(1,000년), 48%(2,400년) 감폭되었으며, 이는 Hachinohe 지진기록의 8%(1,000년), 7%(2,400년)에 비해 높았다. KP 110.0k 구간에서 경주지진은 표면 지진파 대비 12%(1,000년), 10%(2,400년)가 감폭되었으며, Hachinohe 지진기록은 재현주기에 관계없이 약 2%가 감폭되었다.
Fig. 7과 Fig. 8은 각각 KP 109.25k 구간 성토단면과 KP 110.0k 구간 성토 단면의 지표 지진응답 가속도 시간이력을 나타낸다. KP 109.25k 구간 성토단면의 경우 경주지진에 의한 지반응답 해석 결과 최대 가속도가 0.102g(1,000년), 0.122g(2,400년)으로 나타났으며, Hachinohe 지진기록은 0.131g(1,000년), 0.134g(2,400년)으로 나타났다. Hachinohe 지진기록이 경주지진에 비해 최대 지진 가속도가 22%(1,000년), 9%(2,400년) 높았다. KP 110.0k 구간 성토단면의 경우 경주지진에 의한 지반응답 해석 결과 최대 가속도가 0.0727g(1,000년), 0.0862g(2,400년)으로 나타났으며, Hachinohe 지진기록은 0.126g(1,000년), 0.135g(2,400년)으로 나타났다. KP 110.0k 구간 성토단면의 경우 KP 109.25k에 비해 경주지진에 의한 지진 가속도가 30% 정도 감소한 반면, Hachinohe 지진기록은 유사하였다. KP 110.0k 구간 성토단면에서 Hachinohe 지진기록은 경주지진에 비해 지진 가속도가 42%(1,000년), 36%(2,400년) 높았다.
3. 데이터 분석
3.1 데이터 분석 기법
본 연구에서는 가속도 시간이력의 분석을 위해 Short Time Fourier Transform(STFT) 방법과 Wavelet Transform(WT) 방법을 사용하였다. STFT 방법은 시간이력 데이터의 시간에 따른 특성의 변화를 나타내는 방법으로 다양한 분야에서 시간이력 데이터의 시간대별 특성 변화를 감지하는 데 사용되었다(Griffin et al., 1984; Wongsaroj et al., 2019; Khan et al., 2019; Pan et al., 2019; Lei et al., 2019).
STFT는 주어진 시간이력 Data가 시간대에 따라서 특성이 변화할 경우, 특성의 변화를 파악하기 위해서 사용하는 Method이다. Duration인 시간이력의 일반적인 Power Spectral Density(PSD) function은 아래와 같다.
| $$PSD_A(f)=\left|\widehat A(f)\right|^2$$ | (1) |
t는 시간으로 0≤t≤T이며 는 시간이력 A(t)의 Fourier transform이다. 위의 식은 A(t)가 주어진 시간대 0≤t≤T에서 Stationary process 일 경우 유효하다. 만약 시간이력 Data가 시간대에 따라서 특성이 변화할 경우, 위의 식은 Data 전체의 주파수 영역 특성은 보여줄 수 있지만, 시간대에 따른 주파수영역 특성의 경향성은 표현하기 어렵다. 시간에 따라 특성이 변화하는 시간이력 Data의 특성을 분석하기 위해서 본 연구에서는 STFT를 사용하였다. STFT는 아래 식 과 같이 정의된다.
| $$PSD_{A,j}(f)=\left|{\widehat A}_i(f)\right|^2$$ | (3) |
| $${\widehat A}_j(f)=FFT(A(t))\;\;\;\;\;\;\;\;\;\;T_{j-1}\leq t\leq T_j$$ | (4) |
식 (2)에서 STFT를 통해 얻은 PSDA(f)는 특정 시간대 Tj-1≤t≤Tj에서의 PSD 인 PSDA,i(f)의 모음임을 의미한다. PSDA,i(f)는 식 (3)과 같이 의 절대값의 제곱이며, 식 (4)는 는 시간이력 A(t) 중 위의 주어진 시간대에 대응하는 구간만을 Fourier Transform하는 것을 의미한다.
Fig. 9는 시간에 따라서 진폭 및 주파수가 변하는 signal의 STFT 결과이다. 일반적인 PSD와 달리 시간에 따라서 달라지는 특성을 확인할 수 있다. 이와 같이 STFT에 기반하여, 시간에 따른 PSD의 변화를 나타내는 것을 스펙토그램(Spectrogram)이라고 한다.
WT 방법은 주어진 신호를 특정 신호의 집합으로 재구성하는 방법이다. 일반적인 Fourier Transform의 경우, 신호를 사인파와 코사인파의 조합으로 재구성하는 반면, WT는 wavelet이라는 기저신호(mother wavelet)를 활용하여 주어진 신호를 재구성한다. Fig. 10은 Wavelet transform에서 활용가능한 대표적인 기저신호들을 나타내었다. Mother wavelet은 사인파 및 코사인파와는 다르게 신호의 길이가 정해져 있으며, 비대칭성을 지니고 있다. 또한, 사인파와 코사인파는 주파수영역에서 특정주기에서만 에너지가 나타나며 나머지 주기에서는 에너지가 0 이다. 반면, Mother wavelet은 주기에 따라 0이 아닌 다양한 에너지 패턴이 나타난다. 연속성을 지닌 사인파와 코사인파를 사용하는 푸리에 변환과는 달리, WT는 제한된 길이의 기저신호를 사용함으로써, 신호의 급격한 변화를 잘 잡아낼 수 있다. 본 연구에서는 Morlet wavelet을 사용하여 WT을 수행하였다.
STFT와 WT 방법은 모두 시간에 따른 주파수영역 특성의 변화를 도식화하는 방법이나 아래와 같은 차이점을 보인다. 우선, STFT은 연속성을 지닌 사인파와 코사인파를 사용하는 반면, WT는 제한적인 기저신호를 사용함으로써, 신호의 다양한 변화를 상대적으로 잘 잡아낸다고 알려져 있다(Akin, 2002; Karim et al., 2011; Lapins et al., 2020). 다만, 기저신호의 형상에 따라서 감지 결과가 상이할 수 있기 때문에 주어진 신호를 분석시, 기저신호의 적절한 선택이 필요하다(Al-Qazzaz et al., 2015; Strömbergsson et al., 2019; Rodrigues et al., 2016). 또한, 특정 시간 간격에서의 Fourier transform을 나열하는 STFT의 경우, 시간-주파수 해상도가 전 영역에 걸쳐서 동일한 반면, wavelet transform의 경우, 시간-주파수 해상도가 주파수에 따라서 다르게 나타난다. 본 연구에서는 Morlet wavelet을 사용하여 WT 을 수행하였다. 이와 같은 STFT 및 Wavelet Transform의 시간-주파수 영역내에서의 해상도 변화를 Fig. 11에 도식화 하였다.
3.2 열차 가속도에 대한 스펙토그램 특성
Fig. 12는 익산-정읍 구간의 열차 진동 가속도에 대한 시간이력 및 스펙토그램 변환 결과이다. 열차 진동 가속도의 경우 열차의 속도가 증가함에 따라 크기가 증가하는 것을 확인할 수 있다. 스펙토그램의 결과를 보면 열차 진동가속도의 경우 100hz 이상의 대역에서 가장 많은 에너지를 가지고 있으며, 약 10hz 및 30hz 대역에서 속도가 증가와 함께 더 높은 주파수 성분의 에너지가 증가하는 것을 확인할 수 있다. 100hz 이상의 대역은 열차 자체의 기계진동 등에 의한 영향으로 파악되며, 속도 증가와 함께 고에너지 대역의 주파수가 증가하는 영역은 열차의 주행에 의한 진동 가속도로 분석된다. WT의 경우 상대적으로 고주파수에서 더 큰 에너지를 가지고 있는 것으로 분석되는데 이는 앞서 설명한 시간-주파수 영역의 해상도 차이에서 기인하며, 고주파수일수록 고해상도록 해석이 되어 더 많은 에너지를 가진 것으로 나타나게 된다.
3.3 지진 가속도에 대한 스펙토그램 특성
지진 가속도 시간이력에 대한 스펙토그램 분석 결과를 Fig. 13에 도시하였다. Fig. 13(a) 경주지진의 경우 10Hz 이상의 높은 주파수 대역에서 에너지가 크게 분포하는 것을 확인할 수 있다. 이러한 주파수 특성은 지반 응답을 거치면서 변형되며, 상대적으로 낮은 주파수 대역의 에너지는 증가하고 10Hz 이상의 높은 주파수 대역의 에너지는 작아지는 것을 확인할 수 있다. 이는 지반의 고유주기가 상대적으로 낮은 주파수 대역에 위치하기 때문에 발생하는 현상으로, 더 연약한 지반인 2번 현장의 경우 이러한 현상이 더 크게 발생하였다. Fig. 13(b) 포항지진의 경우 경주 지진과 비교하여 높은 에너지를 가지는 주파수 영역이 상대적으로 낮은 지진임을 확인할 수 있으며, 지반 증폭에 의한 경향은 유사하게 나타났다. 분석 방법에 따른 차이를 살펴보면, WT방법의 경우 3hz 이상의 고주파수 영역에서의 에너지는 STFT보다 명확하게 나타나는 것을 확인할 수 있다. 이에 비해, 0.5hz 이하의 저주파수 영역에서는 STFT 방법에서 지진 가속도의 에너지를 보다 명확하게 확인할 수 있다.
4. 지진 가속도 판별 기법 개발
4.1 데이터 중첩
지진 발생시 열차 내에서 계측될 수 있는 지진 데이터를 생성하는 방법은 열차 계측 데이터와 지진계측 데이터를 중첩(Superposition) 하는 것이다. 본 연구에서는 열차의 진동 가속도 시간이력과 지진 가속도의 지반응답 해석 가속도 시간이력 결과를 중첩하여 해당 데이터를 생성하고, 열차의 진동 가속도 시간이력만 있는 평상시 데이터와 비교하여 스펙토그램 내에서 지진 감지 여부를 판별하였다. 지진 가속도는 열차의 속도 증가에 따른 지진 판별 가능여부를 파악하기 위해 열차의 속도 별로 총 6개 구간에서 중첩시켰다. 다만, 실제 운행중인 열차내에서 계측되는 지진의 가속도는 차륜, 열차 차량내에서 발생할 수 있는 진동 중첩 등으로 다른 경향이 나타날 수 있으며 이에 관한 연구는 다음 연구에서 진행할 예정이다.
데이터의 중첩은 Fig. 14와 같은 절차로 수행되었다. 우선, 두 데이터를 중첩하기 위해 지진 데이터를 열차 데이터의 sampling rate에 맞춰서 upsampling을 수행하였다. 만약 upsampling이 적절하게 이루어진다면, original 데이터의 특성이 그대로 반영되어야 한다. 그러나 계측 데이터를 바로 upsampling 할 경우, 데이터의 고 주파수 영역 요소들이 정확하게 추정이 이루어지지 못할 수 있다. 그리하여, 본 연구에서는 우선 original data에 finite impulse response filter에 기반한 interpolation algorithm을 적용하여, 지진데이터의 sampling rate를 100Hz에서 500Hz로 바꾸었다.
4.2 SFTF 방법
앞 장에서 기술한 방법으로 산출한 시간이력 결과에 대해 STFT 분석을 수행하고 Figure 15에 도시하였다. 도시한 순서는 지진이 발생하지 않은 평상시 열차 진동 가속도 시간이력, 암반 지진 가속도를 중첩한 결과, 성토구간 1번의 지진 응답 가속도를 중첩한 결과, 성토구간 2번의 지진응답 가속도를 중첩한 결과 순서이다. 먼저 1,000년 재현주기 경주지진의 결과를 살펴보면 암반 지진 가속도를 중첩한 결과에서 가장 명확하게 지진 가속도를 판별해 낼 수 있다. 이에 비해 지반 응답결과의 경우 속도가 300km 수준으로 증가하는 400초 ~ 500초 영역에서 기존 열차 진동 가속도와의 판별이 어려운 한계가 있다. 이는 경주 지진과 같은 단주기 지진파의 경우 지반 응답을 통해 고주파수 성분이 감쇠되며 지진 가속도의 에너지가 크게 감소되기 때문이다. 2,400년 재현주기 지진의 경우 역시 지반응답을 거치면서 지진 가속도의 에너지가 크게 감소되어 1,000년 재현주기 지진과 유사한 결과를 나타냈으며 약 150km/h 이하의 수준에서만 지진에 대한 판별이 가능할 것으로 판단된다. Hachinohe 지진기록의 경우 지진의 지속시간이 길고 장주기 영역의 지진 가속도 에너지가 크게 남아있어 비교적 명확하게 열차 진동가속와의 판별이 가능하다.
4.3 Wavelet 방법
본 장에서는 산출한 시간이력 결과에 대해 WT 분석을 수행한 결과를 기술하고자 한다. Fig. 16은 앞 장에서 나타낸 것과 동일한 방식으로 WT 분석결과를 도시한 그래프이다. 1,000년 재현주기 경주지진의 결과를 살펴보면 STFT 결과에서 보다 지진 가속도가 보다 명확하게 나타나 이미지 분석을 통해 지진을 판별해낼 수 있는 것을 확인할 수 있다. 특히 250초 가량의 지진의 경우 열차 속도 약 220km/h 수준에서의 지진 가속도인데, STFT 결과보다 뚜렷한 이상치가 나타나는 것을 볼 수 있다. 이는 WT 방법이 높은 주파수 영역에서의 해상도가 높기 때문이며 단주기 지진파의 감지에는 WT 방법이 STFT 방법보다 유리할 것으로 판단된다. 그러나 해당 방법에서도 300km/h 속도 대역에서는 지진에너지에 대한 뚜렷한 이상치를 판별하기는 어려운 것으로 보이며, ktx의 최고 속도로 주행시 지진 감지 기술에 대해서는 다른 신호 해석 기법의 적용이 필요하다. 장주기 지진파인 Hachinohe 지진기록의 경우 지진 에너지가 크고 저주파수 영역의 에너지가 많아 1,000년 재현주기 지진도 충분히 판별이 가능한 것으로 판단된다. 단, 이러한 장주기 지진파의 경우 STFT가 보다 명확한 판별이 가능한데 이는 앞서 언급했던 해상도 차이에서 기인한다. STFT 방법은 낮은 주파수 대역에서도 동일한 해상도를 유지하므로 낮은 주파수에서 보다 명확한 이상치 판별이 가능하다.
5. 결 론
본 연구에서는 고속열차의 지진 조기 감지 기술 개발을 위해 열차 진동가속도를 계측하고 이를 실제 철도 성토노반의 지반응답해석을 수행한 지진가속도와 비교함으로써 지진 가속도를 판별하는 연구를 수행하였다.
(1) 열차 진동가속도 계측은 라즈베리파이와 IMU 센서를 결합한 저비용 센서를 활용하였으며, 계측 주파수는 약 500hz 수준이다. 진동 가속도 시간이력은 스펙토그램으로 변환하여 분석하였으며 분석을 위해 사용한 기법은 Short Time Fourier Transform(STFT) 방법과 Wavelet Transform(WT) 방법이다.
(2) 계측한 열차 진동가속도를 스펙토그램으로 변환한 결과 100hz 대역과 10Hz∼30Hz 대역에서 큰 에너지는 가지는 것을 확인할 수 있다. 10Hz∼30Hz 대역 에너지의 경우 열차 속도가 증가함에 따라 고에너지를 가지는 주파수 값이 증가하는 경향을 보였다.
(3) 열차에서 계측되는 지진하중을 최대한 모사하기 위해 단주기 지진파인 경주지진파와 장주기 지진파인 Hachinohe 지진기록에 대해 실제 철도 성토구간을 모델링하고 지반응답 해석을 수행하였다. 지반응답 해석 결과를 스펙토그램으로 변환한 결과, 지반응답을 통해 10Hz 이상의 고주파수 영역 에너지가 상당부분 소산되며 저주파수 영역의 에너지는 증가하는 것을 확인하였다.
(4) 열차 진동가속도와 지반응답해석을 수행한 지진 가속도를 중첩하고 열차 진동가속도와 스펙토그램을 비교하는 방법으로 열차 내 가속도계를 활용한 지진 감지 기술을 분석하였다. 분석결과, 단주기 지진파인 경주지진의 경우 1,000년 재현주기 지진을 기준으로 STFT 방법으로는 150km/h 속도까지, WT 방법으로는 220km/h 속도까지 이상치를 획득하여 감지할 수 있는 것으로 분석되었다. 또한, STFT는 장주기 지진 감지에 적합한 반면, WT의 경우 단주기 지진 감지에 유용함을 확인하였다. 일련의 결과를 바탕으로 볼 때, 상대적으로 열차의 속도가 낮은 일반열차의 경우 더 낮은 재현주기의 지진도 판별해 낼 수 있을 것이라 판단된다.
(5) 다만, 실제 운행중인 열차내에서 계측되는 지진의 가속도는 차륜, 열차 차량내에서 발생할 수 있는 진동 중첩 등으로 다른 경향이 나타날 수 있으며 이에 관한 추가적인 연구가 필요하다.
