알림마당 이슈! 지질자원 Korea Institute of Geoscience and Mineral Resources
교통차량 진동을 이용한 도심 지질탐사
  • 작성자홍보실
  • 작성일시2022/11/17 16:30
  • 조회수108
1


교통차량 진동을 이용한 도심 지질탐사

글 최윤석 센터장(해저지질탐사연구센터)


영화 ‘싱크홀’이 2021년 개봉되어 200만 명이 관람하는 흥행성적을 거두었다. 영화의 흥행 요인은 무엇이었을까?

절대 변하지 않을 것이라 믿으며 딛고 있던, 갑작스러운 땅의 변화에 대한 사람들의 공포심이 한 몫을 차지한 것이 아닐까.

도심에서 지반침하로 인한 싱크홀과 구조물의 변형을 일으키는 연약지반은, 최근 국민 안전을 심각하게 위협하는 요인으로 작용하고 있다.




1

그림1. 교통차량 진동 탐사공정


2

그림2. 광역 최적화 역산 모식도



2

그림3. 교통차량 진동 탐사 개념도




도심 지질재해와 지질탐사

국토부에 따르면 싱크홀 발생 건수는 2016년 – 255건에서 2020년 – 284건으로 증가했다. 폐기물 매립지에서 제반 시설 미비로 인해 발생하는 침출수는 환경오염과 국민건강 위협의 심각한 요인이 되고 있다. 정부는 도심의 싱크홀과 연약지반을 비롯한 침출수 문제 예방을 위해 많은 예산을 투입하고 있지만 뚜렷한 해결책을 찾지 못하고 있는 현실이다. 이로 인한 도심지의 지질재해 및 지하 환경오염 문제 해결을 위한 도심지 지질탐사 및 모니터링 기술의 개발이 요구되고 있다.


교통 차량 진동 이용 지질탐사

호수에 돌멩이를 던지면 파문이 멀리 퍼져가듯이, 지표에 충격을 주면 지하로 파동이 퍼져나간다. 지표의 충격에 의한 파동이 전파할 때 깊이가 얕은 지하 상층부 ( 100m 이내 ) 에서는 대부분 에너지가 실체파 ( body wave ) 대신 표면파 ( surface wave ) 형태로 전달된다. 따라서 지하 상층부의 싱크홀, 연약지반, 침출수 등과 관련된 지하 지질정보 파악을 위해서는 표면파를 이용한 탐사기법이 훨씬 유리하다. 다만, 도심지에서 표면파를 발생시키기 위해 화약이나 해머 등을 이용하면 매우 큰 소음이 발생하게 되며, 이로 인한 시민들의 민원 제기로 인해 사실상 도심지에서 화약이나 해머 등을 이용한 표면파 탐사는 매우 어렵다. 충격파 대신 전자기파를 이용하여 지질탐사를 수행할 수 있으나, 이 탐사 기법 역시 도심지에는 수많은 전기전도체가 매설되어 있어 적절치 않다. 자동차 진동 소음은 도심 속 시민들에게 큰 스트레스로 다가온다. 자동차 제조업체나 정부에서는 자동차 진동 소음을 줄이기 위해 다분한 노력을 기울이고 있다. 그러나 자동차 진동 소음이 무조건 피해를주기만 할까? 생각을 전환하면 자동차 주행 시 발생하는 진동 소음은 표면파를 생성시키는 좋은 음원이 될 수 있다. 본 연구에서는 기존의 인공음원 ( 화약, 해머 등 ) 을 이용하는 대신 교통 차량의 운행 시에 발생하는 진동을 이용하여 도심지에서 싱크홀, 연약지반, 침출수 등과 관련된 지하 천부의 지질정보를 파악하는 탐사기법을 개발하고 있다 ( 그림3 ) . 교통 차량에 의한 진동은 일상적인 생활 소음으로 간주하기에 이를 이용하여 도심지에서 민원 발생 없이 지질탐사를 수행할 수 있다. 또한 교통 차량 진동은 지속적, 반영구적으로 발생하는 진동이기에 해당 지역의 지질 상태를 장시간에 걸쳐 모니터링할 수 있다는 장점이 있다. 한편 도심지에서는 도로, 보도블록, 가로수 등 다양한 구조물이 있어 기존의 선으로 연결된 수진기 ( 지오폰 기록 시스템 ) 를 사용하여 자료를 기록하는 데에는 한계가 있다. 도심지에서 원활한 자료취득을 위해 무선 노드형 수진기 ( cableless nodal geophone ) 를 이용하여 교통 차량 진동 자료를 취득하였다.


교통 차량 진동 자료처리

수진기에 기록된 교통 차량 진동 자료는 일정한 패턴이 보이지 않는 배경 잡음에 가깝다 ( 그림 1 ) . 잡음에 가까운 자료로부터 지하 지질정보를 얻기 위해서는 먼저 잡음 자료를 화약, 해머 자료 등과 유사한 점송신원 ( point - source ) 형태의 자료로 변환해야 한다. 기록된 여러 개의 자료 중에서 도로에서 가장 근접한 지점의 수진기 자료를 다른 모든 수진기에서 기록된 자료들과 상호상관 ( cross - correlation ) 을 구함으로써 점송 신원 형태의 자료로 변환할 수 있다. 다음은 이렇게 점송 신원 형태로 변환된 자료를 푸리에 변환 ( Fourier transform ) 하여 주파수 - 위상속도 영역에서의 분산 스펙트럼을 구한다. 일반적으로 우리가 아는 파동은 모든 주파수 성분이 동일한 위상속도를 가지고 있어 파동이 전파해 나가도 동일한 모양을 유지하고 있다. 그러나 표면파의 경우 파동의 특성상 주파수가 다르면 위상 속도가 달라져서 파동이 거리에 따라 분산이 되는 형태로 전파해 나간다. 주파수에 따라 분산이 되는 정도는 지하 매질의 특성에 따라 결정된다. 따라서 역으로 분산이 되는 정도를 이용하면 지하의 매질 정보를 파악할 수 있게 된다. 푸리에 변환으로 얻어진 분산 스펙트럼에서 진폭 ( 에너지 ) 이 높은 지점을 연결하면 분산 곡선을 얻게 되며, 분산 곡선의 형태는 지하 매질의 특성에 따라 달라진다. 이렇게 얻어진 분산 곡선으로부터 지하 지질정보를 얻기 위해서는 역산 기법이 적용되어야 한다.


역산과 지질정보

역산 기법에는 크게 국소최적화 ( local optimization ) 와 광역최적화 ( global optimization ) 기법이 있다. 분산 곡선을 역산하여 지하 지질정보를 파악하는 데에는 이론적으로 광역최적화 기법이 적용되어야 한다. 광역최적화 기법은 하나의 정답 ( 정확한 지하 매질 모델 ) 을 찾기 위해 수많은 ( 수백~수천 ) 예비후보 정답 ( 지하 매질 모델 ) 을 만들어 내고, 각 예비후보로부터 계산된 분산 곡선을 실제 도출한 분산 곡선과 비교하여, 가장 근접한 분산 곡선을 제공한 예비후보를 우리가 원하는 정답으로 결정하게 된다. 이러한 과정은 한번이 아니라 여러 번 반복하게 되며, 반복될 때마다 예비후보들은 다르게재생산된다. 표면파의 분산 곡선을 역산하여 지하 물성 모델을 얻기 위해 Genetic Algorithm과 Particle Swarm Optimization 기법들을 적용하였다 ( 그림 2 ) . Genetic Algorithm은 이름이 의미하는 바와 같이 예비후보들에 순위 ( ranking ) 를 매겨서, 다음 반복 때 낮은 순위의 예비 후보들은 탈락시키고, 상위 순위의 예비후보들을 이용하여 나머지 비어있는 예비후보들을 만들어 낸다. 이를 반복하여 가장 순위가 높은 예비후보를 원하는 정답으로 간주한다. Particle Swarm Optimization은 새나 물고기 떼가 하나의 군집으로 움직이는 것에 비유될 수 있다. 예비후보들은 전체 군집의 최적 ( best ) 방향, 각 예비후보의 최적 방향, 그리고 각 예비후보의 현재 방향을 종합하여 다음 방향으로 이동 ( 또는 업데이트 ) 하게 된다. 이러한 과정을 계속 반복함으로써 최적의 예비후보를 찾아낼 수 있다. 표면파 분산 곡선을 역산하여 얻은 지하 물성 모델은 ( 그림 1 ) 에 도시되어 있다. 지하 매질 특성 중에서 S파 속도는 지하의 싱크홀, 연약지반, 침출수 여부를 판단하는 기본정보로 활용된다. 또한 S파 속도의 변화를장기간 모니터링하여 지반 지질재해를 예측하는 데 활용될 수 있다. 표면파 분산 곡선으로부터 구한 S파 속도 모델의 타당성을 검증하기 위해 해머를 이용한 굴절파 자료의 S파 속도 모델과 비교하였고, 상층부에서 속도가 거의 비슷하게 나옴을 알 수 있다. 향후 복잡한 도로망에서 교통 차량 진동의 방향성을 고려한 자료의 취득과 처리·역산 기법을 개발하고, 이를 통해 실제 도심지에서 지하 지질정보를 파악할 수 있는 탐사 기술을 개발하고자 한다. 본 탐사기법은 교통 차량 진동에 국한되지 않고 파도, 공사장, 지하철, 풍력발전기 등의 진동에 대해서도 적용할 수 있기에 다양한 지역과 환경에서 지질재해 문제해결에 활용될 수 있을 것으로 기대된다.