DOI QR코드

DOI QR Code

도심지 굴착 현장 인접 지반함몰 모니터링을 위한 UGV 탑재 멀티 센서의 적응형 에너지 관리 기법

Adaptive Energy Management Technique for UGV-Mounted Multi-Sensors in Monitoring Ground Subsidence Adjacent to Urban Excavation Sites

  • 김정우 (홍익대학교 토목공학과) ;
  • 정진만 (인하대학교 컴퓨터공학과) ;
  • 김서연 (인하대학교 인간중심컴퓨팅연구소) ;
  • 정영훈 (경희대학교 사회기반시스템공학과) ;
  • 민홍 (가천대학교 AI소프트웨어학부) ;
  • 김태식 (홍익대학교 토목공학과)
  • Jung Woo Kim ;
  • Jinman Jung ;
  • Seoyoen Kim ;
  • Young-Hoon Jung ;
  • Hong Min ;
  • Taesik Kim
  • 투고 : 2024.08.16
  • 심사 : 2024.11.06
  • 발행 : 2024.12.30

초록

본 연구에서 도심지 굴착 현장 인접 구역에서 발생할 수 있는 지반함몰 문제를 해결하기 위해 UGV를 활용한 모니터링 시스템을 제안하였다. 무인 비행체(UAV)의 비행이 제한되는 도심지 환경에서는 무인 지상 차량(UGV)이 효과적인 대안이 될 수 있다. 본 연구의 주요 목적은 UGV에 다양한 센서를 탑재하고, 도심지 지반함몰 모니터링에 적합한 적응형 탐지 주기를 설정하고, 이를 평가하는 것이다. 본 연구에서는 도심지에서 지반함몰의 가능성이 큰 구역을 설정하여 위험도 지도를 작성하고, 지반함몰의 위험도가 높아 모니터링을 자주 하는 M 구역과 위험도가 낮아 에너지를 절약하는 S 구역으로 구분하였다. UGV에는 UGV의 위치를 탐지하는 센서(NS)와 지반함몰 관련 항목들을 모니터링 하는 센서(MS)의 탐지 주기를 M 구역과 S 구역에 따라 조절하는 전략을 제안하였다. 전형적인 도심지 깊은 굴착상황을 가정하여 시험한 결과, MS 및 NS의 탐지 주기 조정이 에너지 소비 감소에 크게 기여하는 것을 확인하였다. UGV의 모니터링 경로에 따른 에너지 소비 최적화의 중요성을 확인하였으며, 이러한 접근이 지반 함몰 모니터링을 통해 도심지 안전성을 높일 수 있을 것으로 기대한다.

This research proposes a monitoring system using Unmanned Ground Vehicles (UGVs) to address the issue of ground subsidence in urban areas. In environments where Unmanned Aerial Vehicles (UAVs) face limitations due to urban obstacles, UGVs offer an effective alternative. This research aims to equip UGVs with various sensors, establish adaptive sensing management suitable for urban ground subsidence monitoring, and evaluate their effectiveness. The study involves creating a risk map by identifying areas with a high likelihood of subsidence and categorizing them into monitoring zones (M zones) that require frequent monitoring and saving zones (S zones) that allow for energy saving. A strategy is proposed to adjust the sensing intervals of the navigation sensor (NS), which detects the UGV's location, and the monitoring sensor (MS), which monitors subsidence-related factors, according to these zones. Tests simulating typical urban deep excavation scenarios confirmed that adjusting the sensing intervals of MS and NS reduces energy consumption substantially. The study highlights the importance of optimizing energy consumption based on the UGV's monitoring path, suggesting that this approach can enhance urban safety by effectively monitoring ground subsidence.

키워드

과제정보

본 연구는 한국연구재단의 지원(NRF-2021R1F1A1060223)을 받아 수행된 연구임.

참고문헌

  1. 권영주.문성호(2023), "드론 촬영 데이터를 기반으로 한 도로 균열 탐지 딥러닝 모델 개발", 「LHI Journal」, 14(2): 125~135.
  2. Byun, W. Y. (2019.12.23), "The Ministry of Land, Infrastructure and Transport Conducts High-Intensity Special Inspections on Construction Sites for Ground Subsidence", Maeil Construction News.
  3. 조영석.장연수(2017), "도심지 지반함몰의 초기발생 현상에 대한 흐름해석적 접근", 「LHI Journal」, 8(1): 13~22.
  4. Bradley, J. and E. Atkins (2015), "Optimization and Control of Cyber-Physical Vehicle Systems", Sensors, 15(9): 23020~23049.
  5. Elmakis, O., T. Shaked, B. Fishbain and A. Degani (2022), "BREEZE-Boundary Red Emission Zone Estimation Using Unmanned Aerial Vehicles", Sensors, 22(14): 5460.
  6. Gokhale, V., G. M. Barrera and R. Venkatesha Prasad (2021), "FEEL: Fast, Energy-Efficient Localization for Autonomous Indoor Vehicles", ICC 2021 : IEEE International Conference on Communication, Montreal, QC, 1~6.
  7. Guglieri, G., A. Lombardi and G. Ristorto (2015), "Operation Oriented Path Planning Strategies for RPAS", Am. J. Sci. Technol., 2(6): 1~8.
  8. Kilic, S. and O. Omer (2019), "A Self-Adaptive UAV Routing for Forest Fire Risk Mitigation: A Conceptual Model", Proceedings of the 2019 Summer Simulation Conference, Berlin, 1~12.
  9. Kim, S., Y.-H. Jung, H. Min, T. Kim, and J. Jung (2024), "Adaptive Sensor Management for UGV Monitoring Based on Risk Maps", Robotics and Autonomous Systems, 172: 104605.
  10. Kim, T., H. Min and J. Jung (2017), "A Mobility-Aware Adaptive Duty Cycling Mechanism for Tracking Obejcts During Tunnel Excavations", Sensors, 17(3): 435
  11. Liu, D., S. Wang, Z. Wen, L. Cheng, M. Wen, and Y.-C. Wu (2021), "Edge Learning with Unmanned Ground Vehicle: Joint Path, Energy, and Sample Size Planning", IEEE Internet Things J., 8(4): 2959~2975.
  12. Primatesta, S., G. Guglieri and A. Rizzon (2018), "A Risk-Aware Path Planning Method for Unmanned Aerial Vehicles", International Conference on Unmanned Aircraft Systems (ICUAS), Dallas, TX, 905~913.
  13. Sadrpour, A., J. Jin and A. G. Ulsoy (2012), "Mission Energy Prediction for Unmanned Ground Vehicles", 2012 IEEE International Conference on Robotics and Automation, Saint Paul, MN, 2229~2234.
  14. Valjaots, E. and R. Sell (2019), "Energy Efficiency Profiles for Unmanned Ground Vehicles", Proc. Est. Acad. Sci., 68(1): 55~65.