설명가능 인공지능 기반 Flexural Rigidity Matrix를 이용한 교량상 의사정적 차량 하중 추정

Quasi-Static Vehicle Load Estimation on Bridge Using Explainable Artificial Intelligence-Based Flexural Rigidity Matrix

본 연구는 안전한 도로 및 교량 인프라의 환경 유지를 위해 교량 구조물의 변위 계측 시스템을 통한 설명가능 인공지능(XAI:Explainable Artificial Intelligence) 기반 Flexural rigidity matrix(FRM)을 이용한 교량상 의사정적 차량 하중 추정 기술을 제안한다. XAI 네트워크는 지배방정식과 경계조건을 기반으로 하는 물리 기반의 Physics-informed Neural Network(PINN) 및 처짐 프로파일링 네트워크로 구성되고, 교량의 특성에 맞추어 학습 데이터를 생성한다. 이후 교량상 공간적으로 분포된 변위 계측 센서의 지점별 (Point-wise) 응답을 융합하여 연속적인 교량 형상 프로파일을 생성할 수 있도록 네트워크를 구성하고 학습한다. 다음으로 교량에서 실제 계측되는 변위 센서 응답을 XAI 네트워크에 입력하여 실시간 교량 처짐 프로파일을 생성하고, 이를 기반으로 교량의 FRM을 교정한다. 교정된 FRM을 기반으로 실시간 계측되는 처짐 프로파일을 통해 하중과 처짐의 선형 관계에 따라 교량 통행 차량의 하중 추정이 가능하다. 제안기술은 강원도 속초에 위치한 설악대교에서 실험적으로 검증하였으며, 실험 결과 4% 내외의 오차를 가지고 하중을 추정하였다.

This study proposes a quasi-static vehicle load estimation technique for bridge using an explainable artificial intelligence (XAI)-based flexural rigidity matrix (FRM), aiming to enhance the safety and sustainability of road and bridge infrastructure. The proposed XAI network consists of a physics-informed neural network (PINN), which incorporates governing equations and boundary conditions, and a deflection profiling network designed to generate training data that reflects bridge-specific characteristics. Point-wise responses obtained from spatially distributed displacement sensors are integrated within the network to reconstruct continuous bridge deflection profiles. Real-time sensor measurements are subsequently input into the XAI framework to generate updated deflection profiles and calibrate the FRM of the bridge. Based on the calibrated FRM, vehicle loads can be estimated by exploiting the linear relationship between load and deflection. The proposed methodology was experimentally validated on the Seorak Bridge, a single span arch bridge located in Sokcho, Gangwon-do, Korea, and the results demonstrated an estimation error of approximately 4%, confirming the reliability and practical applicability of the approach.