XGBoost를 활용한 시설물의 부재 상태 예측 (Condition Estimation of Facility Elements Using XGBoost)

서지정보

· 발행기관 : 한국건설관리학회
· 수록지 정보 : 한국건설관리학회 논문집 / 24권 / 1호 / 31 ~ 39페이지
· 저자명 : 장태연, 윤시후, 지석호, 임석빈

초록

시설물의 고령화로 인한 유지관리 비용을 줄이고 안전성을 확보하기 위해서는 시설물 유지관리 데이터를 활용하여 향후 시설물의 상태를 예측하고 이를 유지관리 의사결정에 활용하는 것이 중요하다. 이를 위해 본 연구는 XGBoost를 활용하여 다양한 유지관리 정보로부터 향후 시설물의 부재 상태를 추정하는 방법론을 제안함을 목표로 한다. 방법론의 유효성을 검증하기 위해 교량시설물을 대상으로 샘플 데이터를 구축하고, 차기 정밀안전점검 및 정밀안전진단 시 부재 상태등급 예측모델을 개발 및 평가했다. 예측모델의 성능 평가 결과, 주요 부재(바닥판, 주형, 교대/교각) 상태등급을 예측하는 데 준수한 성능을 보였다(평균 F1 score 0.869). 또한 개발된 예측모델의 실무적 활용 가능성을 실증하기 위해 FMS 유지관리 데이터 관리 기능과 주요부재 상태등급 예측 기능을 제공하는 테스트베드를 구축했다. 이를 통해 본 연구에서 구축한 샘플 데이터와 예측모델을 활용하여 시설물 관리자에게 유지관리 의사결정에 필요한 시설물 정보 및 시설물 상태 예측정보를 제공할 수 있음을 확인할 수 있었다. 향후에는 추가적으로 데이터를 수집하고 다량의 데이터가 축적된 경우 좋은 성능을 보인다고 알려진 딥러닝 알고리즘을 활용함으로써 예측 성능을 높일 수 있다. 또한 제안된 방법론을 터널, 항만 등 다양한 시설물에 적용하여 상태등급 예측모델을 개발할 수 있다.

영어초록

To reduce facility management costs and safety concerns due to aging of facilities, it is important to estimate the future facilities’ condition based on facility management data and utilize predictive information for management decision making. To this end, this study proposed a methodology to estimate facility elements’ condition using XGBoost. To validate the proposed methodology, this study constructed sample data for road bridges and developed a model to estimate condition grades of major elements expected in the next inspection. As a result, the developed model showed satisfactory performance in estimating the condition grades of deck, girder, and abutment/pier (average F1 score 0.869). In addition, a testbed was established that provides data management function and element condition estimation function to demonstrate the practical applicability of the proposed methodology. It was confirmed that the facility management data and predictive information in this study could help managers in making facility management decisions.

참고자료

· 없음