광섬유 네트워크 기반의 철도 안전 감시 기술 도입
기존 광섬유 케이블을 활용한 분산 음향 센싱 기술이 철도 안전 감시의 새로운 대안으로 떠오르고 있습니다. 인공지능 모델을 결합해 열차 결함과 외부 위험 요인을 높은 정확도로 식별합니다.
주장방대한 철도 네트워크를 기존 영상 감시나 레이더 방식으로 연속 모니터링하는 데는 한계가 있습니다. 연구진은 철로 주변에 매설된 기존 광섬유 케이블을 활용한 분산 음향 센싱(Distributed Acoustic Sensing) 기술이 효율적인 대안이 된다고 분석합니다.
팩트분산 음향 센싱은 케이블에 펄스 형태의 빛을 보내고 산란되는 빛의 전파를 분석하여 진동을 측정합니다. 이 방식은 별도의 전력 공급이나 새로운 네트워크 구축 없이 기존 통신용 광섬유를 센싱 매체로 활용합니다.
팩트중국 동남대학교 연구팀은 2024년 3월 5일 광통신 및 네트워킹 저널(Journal of Optical Communications and Networking)에 관련 연구 결과를 발표했습니다. 연구진은 인공지능 모델을 통해 수집된 진동 신호에서 소음을 제거하고 위험 상황과 관련된 특정 진동만을 식별하도록 설계했습니다.
팩트열차 궤적 추적 모델은 1만 3000개 이상의 샘플 데이터를 학습하여 98.75퍼센트의 정확도를 달성했습니다. 철도 바퀴 결함 감지 실험에서는 정상 바퀴가 60헤르츠 이하의 진동을 보인 반면, 결함이 있는 바퀴는 100헤르츠까지 진동 주파수가 상승함을 확인했습니다.
팩트철로 주변 방음벽 결함 감지 모델은 99.6퍼센트의 정확도를 기록했습니다. 연구진은 고무 망치로 방음벽을 타격하여 데이터를 수집하고 이를 학습시켜 소음이 외부로 새어 나가는 결함 구간을 찾아냈습니다.
팩트사람의 보행, 낙석, 불법 공사 등 철로 주변의 비정상적인 사건을 감지하는 모델의 정확도는 97.03퍼센트까지 향상되었습니다. 연구진은 방대한 데이터를 학습시키며 초기 사건 구분 오류를 개선했습니다.
교차검증사샤 동 교수는 이번 연구가 통제된 환경에서 수행되었음을 인정하며 실제 고속철도 운행 환경에서의 추가 데이터 확보가 필요하다고 언급했습니다. 실제 현장의 복잡한 환경에서도 동일한 성능이 유지될지는 추가적인 검증이 필요합니다.
주장기존에 설치된 단일 광섬유를 활용하여 다목적 모니터링을 동시에 수행하는 점은 공학적으로 큰 가치를 지닙니다. 이는 철도 유지보수 비용을 줄이고 안전성을 높이는 실용적인 해결책이 됩니다.
팩트기존 영상 감시나 초음파 센싱 방식은 기상 조건, 환경적 요인, 전력 공급 제약에 취약합니다. 반면 분산 음향 센싱은 지하에 매설된 케이블을 이용하므로 외부 환경의 영향을 덜 받습니다.
출처IEEE Spectrum, "Distributed Acoustic Sensing Spots Railway Threats", 2024년 3월 5일 Journal of Optical Communications and Networking 게재 논문을 교차 검증했습니다.
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.