AI 기법에 의한 도로사면의 안정성 분석 = Stability assessment of road cut slope, using AI scheme

다국어 초록 (Multilingual Abstract)

Stability assessment of road cut slope, using AI scheme

Seck-Youl Jeong

Department of Civil, Environmental and Railroad Engineering,
Graduate School of Paichai University
Daejeon, Korea
(Surpervised by Professor Sang-Gi Hwang)


Analysis on regional data suitable for slope stability studies was undertaken. For this purpose, the CSMS database of over 29,000 road cut slopes was employed to derive a relationship model between carefully selected twenty-four parameters and three failure conditions in terms of using a decision tree of J48. Accuracy of the present analysis was evaluated by comparing the model prediction with the database.

A stereonet analysis method was proposed to assess the possibility of slope failure. The method carried out stereonet analyses of plane, wedge, and topple failure using structural geological data sourced from published geological maps. For such analyses, an algorithm was developed to search for geological structures within a 2 km radius from a slope location. Subsequently, a database comprising 37,131 geological structures was established from 233 published geological maps with a scale of 1:50,000. Regarding the dipping direction, the CSMS database does not provide the dipping direction of slopes. Thus, the dipping direction of each slope was determined by integrating the slope locations with the digital topographic map. Utilizing the determined dipping direction together with a slope angle in the database, possibility of plane, wedge and toppling failure was predicted for a total of 29,000 slopes.

Based on visual comparison, a noticeable degree of similarity was observed between drawn failure intensity in the database and predicted intensity map. In addition, it was confirmed that higher failure intensity area coincided with highly elevated topographic area. A simplified J48 failure analysis considering both topographic elevation and failure type showed that most of collapses occurred at altitudes exceeding 791 m. For altitudes between 263 m and 791 m, failures occurred in areas where planar failure was expected.

As for weathering intensity analysis, no significant difference in accuracy was observed when comparing the accuracy of decision tree analyses including twenty-nine elements and seven major rock forming elements, such as Al2O3, SiO2, Fe2O3, CaO, Na2O, K2O, MgO. It is noteworthy that the seven elements have conventionally been employed to compute various weathering indexes. Whereas the weathering indexes calculate intensity differences at a specific site, the current study estimates regional scale changes in weathering intensity. Nonetheless, it was obvious that the seven major elements played an important role in both cases.
Consequently, four slope analysis cases were conducted.

A. For a maintenance period
A total of 25,720 slope data available in CMIS database and twenty-four types of data fields, such as rock fall, floating stones, side shape, rock mass, soil depth, slope dip, slope type, lithology, upper slope dip, DEM, weathering intensity, height, terrain, groundwater, topological dip, slope shape, plane failure, wedge failure, number of benches, number of selected structures, number of intersections of geological structures, number of valleys, strike difference, difference between topographic strike and that of the slope, topographic strike, were employed, and three target classes(failed, rock fall, not failed) were assigned.

B. For a design stage including rock, solid and mixed slopes
Eighteen data types(excluding fields which cannot be identified at design stage, such as, rock fall, floating stones, rock mass, and ground water, and overlapping items such as number of selected structures and number of intersections of geological structures) and two target classes(failed, not failed) were employed from 17,773 slope data.

C. For a design stage including rock slopes only
Seventeen data type excluding vally item and two target classes(failed, not failed) were employed from 13,512 slope data.

D. Regional scale data only
Eight data types including lithology, DEM, weathering intensity, terrain, topological dip, plane failure, wedge failure, topographic strike, and two target classes(failed, not failed) were employed from 17,773 slope data.

The results analyzed with the J48 algorithm exhibited comparable accuracy of 72.78, 71.04, 70.6 and 73.7 for the above cases of A, B, C and D, respectively. The kappa values ranged from 0.35 to 0.57. The average F1 scores varied from 0.7 to 0.72 indicating acceptable level of reliability of the present analysis. The current study employed J48 algorithm only to explore various analysis possibilities. It is however worth noting that partial attempts of adopting random forest and ensemble algorithms demonstrated an improvement in accuracy by approximately 5 to 15%.

When comparing the difference between predicted maps derived from decision tree rules for the above four cases and the interpolated map of the original database data, the distribution of discrepancy in pixel values exhibited a standard deviation ranging from 2.5 to 5.45 and average value of 2.69. Taking into account that intervals between the two failure targets were assigned to 50 numeric values, such standard deviation was deemed to be negligible. Beyond the double standard deviation interval, over 95% of the distribution values were plotted as a map. Areas with higher values seemed to be located in gneiss and schist region, while the lower value areas tended to overlap with granite areas.
The ranking test of database item(fields) indicated that side shape and slope dip remained in high rank, while lithology, DEM and weathering intensity were positioned within the mid-rank range. Topological dip, plane and wedge failure tended to fall within the lower rank range. The strike of topography was positioned in the lowest rank for all analyses.

국문 초록 (Abstract)

AI 기법에 의한 도로사면의
안정성 분석

정 석 열

지도교수 황 상 기
배재대학교 대학원 건설환경철도공학과

사면의 안정성 분석에 활용될 수 있는 광역적 자료들의 분석이 시험되었다. 국도주변 사면 29,000여개가 데이터베이스로 구축되어 있는 CSMS(Cut-Slope Management System, 이하 CSMS로 칭함) 자료를 기반으로 투영망분석과 풍화등급에 관한 분석자료 및 지형자료를 첨가하여 총 24개 항목(낙석, 뜬돌, 측면형상, 암괴형태, 토층심도, 경사, 사면종류, 암상, 상부경사, DEM(Digital Elevation Model, 이하 DEM으로 칭함), 풍화값, 높이, 주변지형, 지하수, 지형경사, 사면형상, 평면파괴, 쐐기파괴, 소단, 선택구조개수, 교선개수, 계곡수, 주향차이, 지형주향)과 붕괴, 낙석, 미붕괴의 관계를 의사결정나무(J48)로 모델하고, 모델을 이용한 예측결과와 원 데이테베이스의 결과를 비교하는 방법으로 분석의 정확성이 평가되었다.


투영망 분석은 해당사면의 위치와 배열을 기반으로 하여 반경 2km 영역에서 기 조사된 지질자료를 대상으로 투영망 분석을 수행하여 평면, 쐐기, 전도파괴 영역에 속하는 지질자료의 개수를 평가하여 해당 사면의 파괴 가능성을 분석하는 기법이다. 이를 위하여 50,000 : 1 축적 지질도 233개에 수록된 37,131개의 지질구조를 데이터베이스로 제작하여 반경 2Km 이내의 지질구조를 탐색할 수 있는 알고리즘이 구현되었다. CSMS에서는 수록된 사면들의 경사 방향이 제공되지 않으므로 수치 지형도와 병합하여 CSMS에 수록된 사면의 위치를 근거로 사면의 경사방향을 읽어 사면 데이터베이스를 보강하였다. 이들을 기반으로 29,000여개의 사면에 해당되는 평면, 쐐기, 전도파괴 예상 강도가 CSMS 데이터베이스에 추가되었다.

데이터베이스 자체에 기록된 붕괴등급을 도면화하여 투영망으로 분석된 붕괴등급들의 도면과 육안으로 비교한 결과는 어느 정도의 유사성이 관찰되며, 주로 지형이 높은 지역에 높은 붕괴등급이 분포하는 것으로 확인되었다. 단순 J48 분석결과는 고도가 791m 이상에서는 대부분 붕괴가 일어났으며 263m∼791m의 고도에서는 투영망 분석결과 평면파괴가 예상되는 곳에서 주로 파괴가 일어났다.

풍화등급의 분석결과 지질자원 연구원에서 발간된 29개의 원소들 중 주된 원소인 7가지(Al2O3, SiO2, Fe2O3, CaO, Na2O, K2O, MgO)로 축약하여 의사결정나무로 분석한 결과가 전체 29가지 원소로 분석한 결과와 큰 차이가 없다. 이들 7종의 원소들은 기존 풍화등급 지수를 계산하는데 적용되었던 원소들과 동일한 종류라는 점에서 국부적 원소의 재배열에 의한 풍화의 등급 계산에 고려되었던 화학 원소들이 광역적 풍화 등급의 구분에도 동일하게 중요한 역할을 하고 있음이 확인되었다. 전술한 7종의 지화학 자료와 데이터베이스의 풍화도를 대상으로 분석된 의사결정나무는 73.25%의 정확성을 보이며, 전국을 1km 간격으로 분할하여 작성한 7종의 지화학분포값을 제작된 의사결정나무에 입력하여 예측한 풍화등급의 분포도면은 데이터베이스를 대상으로 작성된 풍화등급도와 차이값의 분포에 대한 표준편차가 5.05로서, 도면을 제작할 때 HW-MW-SW의 등급수치를 100-75-50으로 설정하였음을 고려할 때 크지 않은 차이로 평가된다.

사면 데이터베이스에 대한 분석은 광역적 자료분석에 활용될 수 있는 24가지(낙석, 뜬돌, 측면형상, 암괴형태, 토층심도, 경사, 사면의 종류, 암상, 상부경사, 풍화값, 높이, 주변지형, 지하수, 사면형상, 소단, 계곡수, DEM, 지형경사, 주향차이, 지형주향, 평면파괴, 쐐기파괴, 선택구조개수, 교선의 개수) 항목을 아래의 4가지 상황으로 분류하여 분석을 수행하였다.

A: 모든항목과 모든사면을 대상으로 한 분석
25,720개의 사면, 24개 항목, 붕괴-낙석-미붕괴 타깃
(낙석, 뜬돌, 측면형상, 암괴형태, 토층심도, 경사, 사면의 종류,
암상, 상부경사, 풍화값, 높이, 주변지형, 지하수, 사면형상, 소단,
계곡수, DEM, 지형경사, 주향차이, 지형주향, 평면파괴, 쐐기파괴,
선택구조개수, 교선의 개수)

B: 설계시점의 암반-토사-혼합사면을 대상으로 한 분석
17,773개 사면, 18개 항목, 붕괴-미붕괴 타깃
(암괴형태, 지하수와 같이 설계 시점에서 확인될 수 없는
항목과 쐐기파괴 분석을 위한 교선의 개수 및 선택된 면구조의
개수와 같이 평면과 쐐기파괴 분석에 중복되는 항목을 제외)

C: 설계시점의 암반사면만을 대상으로 한 분석
13,512개의 사면, 17개 항목, 붕괴-미붕괴 타깃
(계곡수 제외)

D: 광역적으로 분포하는 일반자료를 대상으로 한 분석
낙석을 제외한 17,773개 사면 대상, 8개 항목, 붕괴-미붕괴 타깃
(암상(지질도), DEM, 풍화값, 지형(구릉, 산악, 준산악, 평지),
지형경사, 평면파괴, 쐐기파괴, 지형주향)

J48 알고리즘으로 분석된 결과는 위 A~D의 정확도가 72.78, 71.04, 70.6, 73.6으로 유사한 값을 보이며 카파값 코헨의 카파 상관계수
역시 0.35~0.57로 낮지 않은 분석값을 보인다. 평균 F1 점수들 역시 0.7~0.72로 분석의 신뢰도 수준에서 낮은 값은 아닌 것으로 분석되었다. 본 연구는 분석의 가능성을 다양하게 확인하기 위하여 J48 알고리즘만을 사용하였으나, 부분적으로 시도하여 본 랜덤 포리스트나 앙상블 알고리즘들은 정확도를 5∼15% 가량 높여줄 수 있음도 확인되었다.

전술한 4가지 상황을 전제로 분석된 의사결정나무를 이용하여 예측한 붕괴등급의 도면과 원 데이터베이스의 자료로 작성된 도면과 차이를 비교한 결과, 두 도면의 화소값의 차이 분포가 표준편차 2.5∼5.45 분포를 보이며 평균으로는 2.69의 표준 편차값을 보인다. 표준편차는 자료의 68%가 속하는 구간임을 고려하면 두 도면은 큰 차이를 보이지 않는 것으로 평가된다. 분포값의 95%가 분포하는 두 배의 표준편차 구간을 넘어서는 영역을 도면화하여 그 분포를 확인한 결과는 예측값이 원래의 값보다 높은 영역은 편마암과 편암이 분포하는 영역과, 그 값이 낮은 영역은 화강암의 분포영역과 중첩이 높은 것으로 보여진다. 또한 높은 영역들이 지형고도가 높은 지역에 많이 분포함이 확인된다.

분석항목들의 기여도를 분석한 결과는 측면형상(돌출형, 요철형, 직선형, 탈락형)과 사면의 경사는 전반적으로 높은 기여도를 보이고, 암상, DEM(지형고도), 풍화값은 중간의 기여도를 보이며, 지형경사, 평면파괴, 쐐기파괴의 경우는 하위의 기여도를 보인다. 한편 지형의 주향은 모든 분석에서 최하위에 분포하여 가장 영향력이 적은 자료로 해석된다.

목차 (Table of Contents)

• 목 차
• 국문초록 I
• 목 차 VI
• 그림목차 IX
• 표 목차 XII
• 제 1 장 서 론 1
• 1.1 연구배경 1
• 1.2 선행연구 2
• 1.3 연구목적 12
• 제 2 장 연구방법 13
• 2.1 투영망을 이용한 안정성 평가 13
• 2.1.1 데이터베이스의 경사방향 추출 14
• 2.1.2 투영망 분석 19
• 2.2 지화학 자료를 이용한 풍화등급 계산 24
• 2.3 붕괴등급 계산 30
• 2.3.1 붕괴등급 도면 제작 30
• 2.3.2 분석에 활용될 도면 제작 33
• 2.3.3 의사결정나무 분석 33
• 2.4 보간법 34
• 2.4.1 역거리 가중법(IDW: Inverse Distance Weight) 34
• 2.4.2 크리깅(Kriging) 37
• 2.5 데이터 마이닝 40
• 2.5.1 의사결정나무(Decision Tree) 43
• 2.5.2 가지의 분류 45
• 2.5.3 랜덤 포리스트 기법 50
• 2.5.4 분석의 정확도 검증 52
• 제 3 장 연구결과 55
• 3.1 투영망을 이용한 안정성 평가 55
• 3.1.1 개요 55
• 3.1.2 투영망 분석방법 57
• 3.1.3 투영망 분석결과 60
• 3.2 CSMS 자료분석 74
• 3.3 풍화등급 분석 88
• 3.3.1 29개 원소를 대상으로 한 분석 92
• 3.3.2 선택 원소를 대상으로 한 분석 102
• 3.4 사면의 붕괴등급 분석 110
• 3.4.1 모든 항목을 대상으로 한 분석 115
• 3.4.2 설계 시점에 확인할 수 있는 항목을 대상으로 한 분석 127
• 3.4.2.1 설계 시점에서 붕괴, 낙석, 미붕괴로 분류 128
• 3.4.2.2 설계 시점에서 붕괴, 낙석, 미붕괴로 분류 131
• 3.4.2.3 암반 사면만을 대상으로 한 분석 136
• 3.4.3 광역적으로 분포하는 일반자료만으로의 분석 142
• 제 4 장 토의 147
• 4.1 투영망을 이용한 안정성 평가 147
• 4.2 풍화등급 평가 157
• 4.3 사면 데이터베이스 166
• 제 5 장 결론 및 제언 187
• 5.1 투영망 분석 187
• 5.2 풍화등급 190
• 5.3 사면 데이터베이스 195
• 5.4 제언 209
• 참고문헌 214
• 영문 초록 243