머신러닝 분류 기법을 이용한 교량의 안전등급 예측 모델
Prediction Model for Safety Grade of Bridges Using Classification Method of Machine Learning
- 주제(키워드) 교량 안전등급 , 유지관리 , 머신러닝 , 결정나무 , LightGBM , Safety Grade of Bridges , Maintenance , Machine Learning , Decision Tree
- 주제(DDC) 690
- 발행기관 아주대학교
- 지도교수 전세진
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 석사
- 학과 및 전공 일반대학원 건설시스템공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000032616
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
공용기간이 30년 이상인 노후 교량의 수가 급증하고 있으며, 이러한 교량들은 안전성 및 내구성이 저하될 가능성이 크기 때문에 선제적 유지관리가 필요한 상황이다. 그러나 점검 인력 및 비용 부족과 유지관리 체계의 미흡으로 점검 미실시 및 시기 미준수 교량이 존재한다. 따라서, 이 연구에서는 점검 미실시 교량의 조속한 안전등급 파악과 특정 시기의 안전등급 예측을 통한 경제적이고 선제적인 유지관리 계획 수립을 위해, 머신러닝의 분류 기법을 통한 교량의 안전등급 예측 모델을 개발하였다. 결정나무 기반의 분류 알고리즘인 의사결정나무, 랜덤포레스트(Random Forest), XGBoost(Extreme Gradient Boosting), LightGBM(Light Gradient Boosting Machine)을 사용하여 교량의 안전등급 예측 모델을 개발하였으며 가장 성능이 준수한 모델을 선정하고자 하였다. 분류 기법 기반 모델에 적합한 여러 평가 지표로 모델의 성능을 종합적으로 판단하여 성능이 우수한 모델을 선정하였다. 성능이 가장 준수한 모델은 언더샘플링을 사용한 LightGBM 모델이었으며, 노후도가 커 유지관리 시 중점이 되는 실제 C, D등급 교량을 올바로 예측하는 성능이 83 %로 뛰어났다. 또한, 분류 성능을 보여주는 AUC(Area Under the Curve)도 0.829로 모델이 전체적으로 준수한 성능을 보유하여 실제 교량 유지관리에 활용 가능할 것으로 보인다. 이 논문에서는 안전 점검 및 진단 결과와 교량 기본 정보를 활용하여 교량의 안전등급을 예측하는 모델을 구현하였으며, 이를 활용하여 점검 미실시 교량의 조속한 안전 등급 파악 및 특정 시기의 안전등급을 예측하여 유지관리 계획 수립에 유용하게 활용될 수 있을 것으로 기대된다.
more초록/요약
The number of deteriorated bridges with more than 30 years of service periods is rapidly increasing. These bridges are likely to degrade safety and durability, so preemptive maintenance must be needed. However, some bridges have not been inspected and have not complied with the inspection cycle because of the lack of inspection personnel and costs, and the inefficient maintenance system. Therefore, a safety grade prediction model of a bridge was developed through the classification method of machine learning to identify the safety grade of the bridge without inspection as soon as possible and to establish an economical and preemptive maintenance plan through safety grade prediction at a specific time. The safety grade prediction models of the bridge were developed using tree-based classification algorithms such as Random Forest, XGBoost(Extreme Gradient Boosting), and LightGBM(Light Gradient Boosting Machine), and the best performance model was selected. A model with excellent performance was selected by comprehensively judging the performance of the model with various evaluation indexes suitable for the classification technique-based model. The model with the best performance was the LightGBM model using under-sampling. The recall of C, D grade which are the main points of maintenance was 82.5 %, which is excellent prediction performance. Also, the AUC(Area Under the Curve) which shows classification performance is 0.829, and the model has overall compliance performance, which is expected to be used for actual bridge maintenance.
more목차
제1장 서 론 1
1.1 연구 배경 및 필요성 1
1.2 연구 목표 4
1.3 연구 범위 및 내용 5
제2장 기존 연구 6
2.1 교량의 안전 및 유지관리 체계 6
2.2 교량의 안전 및 유지관리에 관한 연구 11
2.3 소 결 13
제3장 교량의 안전등급 예측모델 구축 14
3.1 개 요 14
3.2 데이터 전처리 17
3.3 교량의 안전등급 예측모델 구축 25
3.4 소 결 41
제4장 교량의 안전등급 예측모델 결과 42
4.1 분류 모델의 평가 지표 42
4.2 변수 중요도 49
4.3 결 과 50
제5장 결과 분석 74
5.1 예측 성능 우수 모델 선정 74
5.2 교량의 안전등급 영향 요인 77
5.3 활용 방안 83
5.4 소 결 85
제6장 결 론 87
참고문헌 90
