고속철도 차량 진동 데이터를 활용한 궤도 품질 진단에 관한 연구

Q: 이 논문에서 정의한 궤도품질지수란 무엇인가?

궤도품질지수(TQI)는 철도 선로의 상태를 정량적으로 평가하기 위한 지표이다. 궤도틀림으로부터 발생하는 탈선사고를 방지하기 위해 사용되며, 궤도틀림의 주요 형태인 면틀림, 궤간틀림, 뒤틀림, 줄틀림, 수평틀림 등을 기반으로 산출되어 선로의 상태를 직접적으로 반영한다.

Q: 운행 중인 철도 차량 진동 데이터로 궤도 품질을 진단하는 최적의 모델은 무엇인가?

연구 결과, 실제 운행 중인 철도 차량에서 수집된 진동 데이터로 궤도 품질을 진단할 때, 주성분 분석(PCA)을 추가한 XGBoost 모델이 가장 높은 성능을 보였다. 이 모델은 다른 알고리즘(RF, SVM)보다 결정계수가 대부분 0.99로 높아 궤도 품질 진단의 정확도를 크게 향상시킨다.

배성한; 이민재; 김철수; 김준원

doi:10.7782/JKSR.2025.28.6.604

학술저널

저자정보: 배성한 (Korail Railway Research Institute) 이민재 (Chungnam National University) 김철수 (Korea National University of Transportation) 김준원 (Korea National University of Transportation)

저널정보: 한국철도학회 한국철도학회 논문집 한국철도학회 논문집 제28권 제6호(통권 제192호)

오류 신고하기

피인용 0

검색

초록·키워드

철도 선로의 상태는 열차 운행의 안정성과 승차감에 중요한 영향을 미치며, 이를 정량적으로 평가하기 위한 지표로 궤도품질지수가 사용된다. 기존의 궤도품질지수를 평가하는 방식은 검측을 위해 별도의 계측 차량을 필수적으로 이용해야 한다. 그러나 이러한 방식은 주기적인 계측이 이루어지기 전까지 실시간으로 선로 상태의 악화 진행을 파악하기 어렵다. 이에 본 논문은 실제 운행 중인 철도 차량에서 수집된 진동 데이터로 머신러닝 모델을 학습하여 궤도의 상태를 진단하였다. 기존에 범용적으로 사용되는 다른 알고리즘과 비교한 결과, XGBoost 모델에 주성분 분석을 적용한 방식이 결정계수가 0.99로 가장 높았다. 그래서 검측 차량의 계측을 기다릴 필요 없이, 운행 중인 차량에서 수집한 데이터를 통해 효율적인 선로 유지보수가 가능하고 철도 안전성을 더욱 향상시킬 수 있다.

#Track quality index(TQI) #Track irregularity #Principal component analysis (PCA) #Machine learning #궤도품질지수 #궤도틀림 #주성분 분석 #머신러닝

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-25-02-093123720

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료