교통 및 기상 데이터를 활용한 하이브리드 디지털 트윈 기반 교량 모니터링 시스템

Traffic and weather driven hybrid digital twin for bridge monitoring

본 논문에서는 기존 교통 카메라 및 기상 API를 활용하여 교량 상태를 모니터링하는 하이브리드 디지털 트윈 프레임워크를 제시하며, 전용 센서 설치에 대한 의존성을 줄입니다. 본 연구는 높은 교통량과 혹독한 겨울 환경에 노출된 Peace Bridge(99년 사용)를 대상으로 진행되었습니다. 제안하는 프레임워크는 세 가지의 실시간 데이터를 융합합니다. 먼저, 교량 데크 카메라로부터 YOLOv8 컴퓨터 비전 기술을 사용하여 차량 수, 교통 밀도 및 하중 지표를 추정합니다. 둘째, Lighthill--Whitham--Richards (LWR) 모델을 사용하여 밀도 $ρ(x,t)$를 예측하고, 반복적인 하중 및 피로 축적과 관련된 감속으로 인한 충격파를 감지합니다. 셋째, 기상 API를 통해 온도 변화, 동결-해동 활동, 강수에 의한 부식 가능성 및 풍력 효과와 같은 교량의 열화를 유발하는 요인을 제공합니다. 몬테카를로 시뮬레이션을 통해 교통-환경 시나리오에서의 불확실성을 정량화하고, Random Forest 모델을 사용하여 융합된 특징들을 피로 지표 및 유지보수 분류로 매핑합니다. 본 프레임워크는 기존 인프라를 활용하여 혹독한 기후 조건에서 노후화된 고교량의 비용 효율적인 예측 유지보수를 가능하게 합니다.

A hybrid digital twin framework is presented for bridge condition monitoring using existing traffic cameras and weather APIs, reducing reliance on dedicated sensor installations. The approach is demonstrated on the Peace Bridge (99 years in service) under high traffic demand and harsh winter exposure. The framework fuses three near-real-time streams: YOLOv8 computer vision from a bridge-deck camera estimates vehicle counts, traffic density, and load proxies; a Lighthill--Whitham--Richards (LWR) model propagates density $ρ(x,t)$ and detects deceleration-driven shockwaves linked to repetitive loading and fatigue accumulation; and weather APIs provide deterioration drivers including temperature cycling, freeze-thaw activity, precipitation-related corrosion potential, and wind effects. Monte Carlo simulation quantifies uncertainty across traffic-environment scenarios, while Random Forest models map fused features to fatigue indicators and maintenance classification. The framework demonstrates utilizing existing infrastructure for cost-effective predictive maintenance of aging, high-traffic bridges in harsh climates.