AI기반 철도궤도 탈선계수 예측모델 개발

• 영문명: Development of an Artificial Intelligence-Based Predictive Model for the Derailment Coefficient of Railway Tracks
• 발행기관: 한국방재학회
• 저자명: 김민수 최상현
• 간행물 정보: 『2. 한국방재학회 논문집』26권 2호, 1~8쪽, 전체 8쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2026.04.30

국문 초록

탈선은 철도 시스템에서 주행안전성과 직결되는 중대한 사고 유형으로, 이를 정량적으로 평가하기 위한 대표적인 지표로 탈선계수가 활용된다. 탈선계수는 차량-궤도 상호작용에 의해 결정되며, 궤도 조건과 밀접한 관련을 갖는다. 기존 연구에서는 곡선반경, 캔트, 속도 등 운행조건과 궤도 상태가 탈선계수 및 주행안전성에 미치는 영향을 분석해 왔으나, 대부분 특정조건에 대한 해석적 접근 또는 제한된 실측 데이터 기반 분석에 머물러 있다. 본 연구에서는 궤도 현장 검측 데이터를 기반으로 탈선계수를 예측하는 인공지능(AI) 모델을 제안한다. 입력 변수는 궤도검측차를 통해 취득된 선형, 궤간, 수평틀림, 면틀림, 종단고저 등의 파라미터로 구성되며, 이는 실제 궤도 상태를 반영하는 주요 인자로 활용된다. 연구 결과, 제안된 AI 기반모델은 궤도 검측 데이터와 탈선계수 간의 복잡한 비선형 관계를 효과적으로 학습하여 높은 예측 정확도를 확보하였다.

영문 초록

Derailment, one of the most critical accidents in railway systems, is directly associated with running safety. The derailment coefficient, which is widely used as a representative quantitative indicator for derailment evaluation, is determined by the interaction between the vehicle and track and is closely related to track conditions. Previous studies have investigated the effects of operational conditions, such as curve radius, cant, and speed, as well as track conditions, on the derailment coefficient and running safety. However, most of these studies are limited to analytical approaches involving specific conditions or analyses based on limited field-measurement data. This study proposes an artificial intelligence (AI)-based model to predict the derailment coefficient using field-track inspection data. The input variables comprise track geometry parameters, including the alignment, gauge, cross-level, twist, and longitudinal level, all obtained from track inspection vehicles, which effectively reflect actual track conditions. The results demonstrated that the proposed AI-based model effectively captures the complex nonlinear relationships between track inspection data and the derailment coefficient, thereby achieving high prediction accuracy.

목차

1. 서 론

2. 대상구간 선정

3. 차량-궤도 상호작용 해석 수행

4. AI기반 탈선계수 예측

5. 결 론

감사의 글

References

키워드

탈선계수 궤도틀림 주행안전성 인공지능 예측 Derailment Coefficient Track Irregularity Running Safety Artificial Intelligence Prediction

참고문헌

• Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit
• New York: Academic Press
• Transactions of the Korean Society of Mechanical Engineers A
• Vehicle System Dynamics
• Journal of the Korean Society of Hazard Mitigation
• Journal of the Korean Society of Hazard Mitigation