"2조"의 두 판 사이의 차이

2025년 12월 1일 (월) 06:29 판

프로젝트 개요

기술개발 과제

국문 : 라즈베리파이를 활용한 저전력 IoT 통합 센서 개발

영문 : Integrated IoT Sensor System using Raspberry Pi for Early Warning of Structural Collapse

과제 팀명

2조

지도교수

박도원 교수님

개발기간

2025년 9월 ~ 2025년 12월 (총 4개월)

구성원 소개

서울시립대학교 토목공학과 20218600** 정**(팀장)

서울시립대학교 토목공학과 20218600** 김**

서울시립대학교 토목공학과 20228600** 설**

서론

개발 과제의 개요

개발 과제 요약

◇ 라즈베리파이와 가속도+카메라+라이다 센서를 연결하여 철탑 등의 사각지대에 있는 다수의 중소형 구조물을 효율적으로 모니터링함.

◇ 무선 네트워크 모듈로 실시간 데이터 송수신과 관리가 가능하도록 함.

◇ 라즈베리파이의 sleep-mode를 이용하여 소비 전력을 절감하고 태양광 배터리를 연결함으로써 장기간 운용이 가능하도록 함.

개발 과제의 배경

◇ 최근 지반 침하와 노후화 건축물 급증으로 인해 붕괴 재난 사고가 빈번하게 발생해 인명 및 재산 피해가 이어지고 있음. 게다가 노후된 시설 점검은 거의 붕괴 등 여러 재난안전 모니터링 시스템이 구축되어 있는 신축 건물이나 공장 및 상업 시설을 대상으로 하는 게 대부분이며, 사고가 일어난 이후에도 실제 소규모 노후 건물 현황 파악이 어려워 안전관리 사각지대에 놓여있는 시민들은 예측 불가한 붕괴 위험에 위협을 받는 상황임. 시간이 지날수록 노후화된 건물은 점차 증가하여 실시간 변위 모니터링 감지가 필요한 건물의 수가 많아지는 추세로, 적은 비용과 전력만으로 간편하게 변위를 감지해낼 수 있는 통합 센서 개발이 필요함.

◇ 교량, 댐, 초고층 건물 등 여러 구조물 역시 지반 침하 또는 노후화, 추가적으로 사면 등 붕괴 위험 지역에 위치하는 지리적 특성으로 인해 피해가 발생하게 되면 이를 실시간으로 파악하여 구조물의 붕괴를 예방할 기술이 필요함. 대표적인 예시로, 철탑이 많이 설치되는 산악 지형은 산사태, 토사 유출, 지반 약화 등 위험 요인이 많아 구조물이 흔들리거나 기울어질 가능성이 높음. 이로 인해 철탑구조물에 이상이 발생하면 송전 중단, 통신 장애, 주변 시설 피해 등 큰 사회적·경제적 손실로 이어질 수 있음. 무엇보다 산 속은 접근성이 낮고 점검 주기 또한 길기 때문에 실시간 상태를 파악하기가 어려움. 따라서 철탑의 움직임을 주기적으로 모니터링하여 초기 예방하는 시스템이 필요함. 그러나 현재 시중에 있는 모니터링 시스템은 매우 정밀하나 고비용으로 운영되는 추세이므로 다수의 구조물을 장기적으로 모니터링하기에는 어려운 상태임.

개발 과제의 목표 및 내용

◇ 구조물의 움직임을 장기간 모니터링할 수 있는 IoT 기반 측정 모듈을 개발하기 위해 센서와 네트워크, 배터리 시스템을 하나의 모듈로 통합하여, 저비용·저전력으로 자립 운용이 가능한 시스템을 구현하고자 함. 해당 모듈은 태양광을 주 전원으로 사용하며, 외부 전력 공급 없이도 장기간 지속적인 계측이 가능하도록 설계함. 또한 측정된 데이터를 실시간으로 클라우드 서버에 전송하거나 직접 외부 컴퓨터에서 원격접속하여 데이터를 다운로드할 예정이므로 관리자가 현장을 방문하지 않아도 원격으로 구조물의 상태를 상시 확인할 수 있음. 이를 통해 지반 및 구조물의 이상 징후를 원거리에서 조기에 파악하여 구조물 붕괴 등 재해 예방에 기여할 수 있으며, 더 나아가 구조물의 수명 연장과 유지·보수 효율 향상이라는 실질적 효과를 기대할 수 있음.

관련 기술의 현황

관련 기술의 현황 및 분석

State of art

◇ S-Cube(ssc-500) - 동적 데이터 획득용 스마트 IoT 디바이스
S-Cube는 다목적, 지능형 IoT 디바이스로 시설물로부터 다양한 정보를 획득하고, 자체 컴퓨팅 기능으로 가공할 수 있도록 개발한 제품. 구성은 크게 브릿지 회로 센서로부터 데이터를 획득할 수 있는 DAQ회로와 데이터 처리와 디바이스 플랫폼 기능, 컴퓨팅 기능을 수행하는 소형 SoC 보드, 기타 통신모듈과 전원모듈로 되어있음.                            - 적용분야: 교량 및 터널 모니터링, 건물 및 경기장 모니터링, 철도 및 플랫폼, 건설 가시설 및 붕괴 위험 감지.                                                                                  - SSC-500 특징: 다양한 센서 사용가능, 최대 200Hz 데이터 샘플링 속도, 데이터 분석 기능(MAX,MIN,AVG,RMS…), 디바이스 제어 및 설정 기능, 다양한 통신 네트워크 구성가능(유/무선), 3축 가속도 센서 기본 내장, 고성능 MEMS센서 내장, 다양한 데이터 획득 방법 제공(주기적인 분석값 저장, 트리거 설정에 의한 raw 데이터 획득, 실시간 raw 데이터 획득), 카메라 연동 가능

◇ LoRaWAN Precision Tilt Angle Sensor for Structural Health Monitoring
WSLRW-SHMAG는 교량, 고층 건물, 댐, 터널, 기초 및 중요한 인프라와 같은 장기 구조 건강 모니터링(SHM) 애플리케이션을 위해 특별히 설계된 고정밀 이중 축 틸트 각도 센서. 초저전력 전자 장치 및 견고한 기계 설계와 결합된 고급 산업용 MEMS 감지 기술을 활용하여 SHMAG는 수년간의 실외 작동 동안 신뢰할 수 있고 반복 가능한 기울기 측정을 제공함. LoRaWAN을 통해 무선 SHM 네트워크에 원활하게 통합되어 단일 LS33600 기본 리튬 배터리로 구동되는 10년 이상 유지 보수가 필요 없음. 교량 구조 모니터링, 고층 건물 흔들림 감지, 댐 및 제방 변형 모니터링, 기초 정착 추적, 터널 및 지하 구조 모니터링, 산업 플랜트 인프라 모니터링에 적용할 수 있음.

◇ MEMS 센서기반의 구조물의 안전 모니터링 시스템
IoT(Internet of Things)기반 구조물의 상태를 실시간으로 파악하고 모니터링을 통해 구조물에서 발생할 수 있는 사고를 사전 예방할 수 있는 시스템. MEMS 센서는 저렴하면서 실시간 모니터링이 가능하고 센서와 데이터로 동작 상태에 있으면 편리한 계측이 가능함. 이를 통해 구조물의 붕괴 및 기울어짐 발생 시 사용자의 안전 및 재산 보호에 기여할 수 있음. 다양한 센서 데이터를 서버로 전송, 실시간으로 축척된 데이터를 분석하여 구조물에 대한 이상 유무를 판단하며, 이벤트 발생 시 현상에 대한 정보를 제공함.

기존 시장 조사

◇ 라즈베리 파이를 활용한 구조물 모니터링 시스템 연구

- 라즈베리파이+PZT 압전 센서+멀티플렉서 등 구성, 구조물 건전성 모니터링(EWSHM, 2022)

- 라즈베리파이+보급형 가속도계+기울기 센서+GPS RTK 모듈+LoRa 모듈 구성, 동특성 활용 구조물 진단 모니터링(CSEIK, 2021)

- 라즈베리파이+MEMS 가속도계 등을 사용한 모형 구조물 가속도 계측 유효성 검증(WEIK, 2022)

- 라즈베리파이+비전 센서 등 구성, GNSS 동기화 구조물 건전성 모니터링(CSHM, 2025)

◇ 분석 결과

- 라즈베리파이 기반의 카메라 포함 각종 센서+자급 전원+저전력을 위한 상업적 구조물 건전성 모니터링 제품은 극히 드묾. - 고성능의 여러 센서를 사용하는 제품의 경우 그 완결성은 뛰어나지만 설치와 운영 비용이 막대하여 소규모 구조물을 모니터링하거나 매우 방대한 수의 구조물을 모니터링해야 하는 경우에는 설치가 어려움. - 리튬 배터리를 사용하여 10년 이상의 유지 보수가 필요하지 않지만 제품에 연결된 센서가 오직 기울기 센서로 구조물의 기울기 변화만을 탐지하기 때문에 마찬가지로 구조물 모니터링 시스템의 완결성이 떨어짐. 또한 LoRaWAN 같이 LoRa 주파수 대역을 사용하여 통신하는 시스템은 장거리 저전력 데이터 송수신이 가능하지만 1회당 최대 전송 가능 용량이 매우 제한적임. 따라서 기울기 값 같은 간단한 데이터만 실시간 전송 가능하며, 이미지는 실시간 전송이 사실상 불가능함. - IoT 모니터링 시스템의 소비 전력에 대한 구체적인 수치가 대부분 나와있지 않음.

시장성 및 사회성 분석

◇ 구조적 접근성 / 설치 여건
벽 내부, 기둥, 슬라브 등에 접근이 어렵고, 전원/통신선 설치가 번거로움. 이미 마무리된 건물은 외관 손상 우려나, 설치를 위한 해체 또는 추가 공사가 필요할 수 있음.

◇ 전력 및 통신 인프라 제약
전원 확보가 쉽지 않을 수 있고, 통신 커버리지가 부족할 수 있음(지하, 두꺼운 콘크리트 벽, 방해물 등). 배터리 교체 또는 유지보수 비용도 고려해야 함.

◇ 비용 대비 ROI (Return On Investment) 불확실
설치와 유지비용이 적지 않기 때문에, 비용 대비 이득(붕괴 예방 / 보수비 절감 등)이 금전적으로 명확하지 않거나, 위험을 부담하며 투자하기 어려움.

◇ 기존 구조물의 기준/도면/재료 정보 부족
구조 설계 도면, 재료 정보(콘크리트 강도, 철근 배치 등), 보수 및 손상 이력 등이 명확하지 않을 수 있고, 시간이 흐르면서 실제 상태와 달라졌을 수도 있음. 이 경우 센서 배치 및 데이터 해석이 어렵고 오류 가능성은 증가함.

◇ 규제 / 안전 책임 문제
건물 소유자(관리자)가 센서 시스템을 설치하면 경보/오류 시 책임 문제로 변할 수 있음. 또한 기존 건물은 하중/변형 허용범위에 대한 규제가 명확하지 않거나, 허가가 필요할 수도 있음.

개발과제의 기대효과

기술적 기대효과

◇ 가속도(기울기) 센서, 카메라 센서, LiDAR 센서 총 3개를 라즈베리파이에 연결하여 현장 운용이 가능한지 알 수 있음. 기존 상용화된 제품이나 연구 등은 세부적인 소비전력을 잘 공개하지 않는 데다, 대부분의 연구가 정량적인 소비 전력을 측정하기보다는 시스템 구성에 대한 운용 가능성에만 초점을 두는 실태임. 또한 제품 소개란에 기재된 수치와 실제 구현하였을 때의 소비 전력 수치가 차이날 가능성도 큼. 따라서 본 연구에서 시스템의 소비 전력을 직접 측정하고 비교하여 장기적 운용이 가능한지에 대해 실험하는 것이 큰 의의가 있음. 본 실험에서 배터리 용량이 전력으로 수치화된 태양광 배터리 제품을 라즈베리파이 모듈에 연결하여 사용함으로써 라즈베리파이와 센서들의 전력 소비량과 태양광 충전량을 구하고, 그 값을 비교함으로써 모듈이 지속 가능한 시스템인지 검증할 수 있음.

◇ 기존 사용된 LoRa 주파수 대역 외에 LTE를 이용하여 라즈베리파이로부터 멀리 떨어진 곳에서 다양한 방법으로 데이터 송수신이 가능하며, LoRa에서는 불가능했던 고용량의 데이터(이미지, LiDAR) 또한 수신 가능함.

◇ 라즈베리파이의 전력 소모를 줄여 더 장기적인 시스템을 구현하기 위해서 라즈베리파이 고유의 기능인 sleep-mode를 사용하여 데이터를 수신하지 않을 때는 라즈베리파이의 전력을 차단하고, 데이터를 수신할 때 라즈베리파이와 호환되는 PiSugar라는 제품을 이용하여 라즈베리파이를 wake-up시킴(자체적 전원 on).

경제적, 사회적 기대 및 파급효과

◇ 라즈베리파이는 약 5-10만원 수준으로, 기존 산업용 구조물 모니터링 장비보다 매우 저렴하며 운영 체제와 라이브러리 또한 무료로 제공함. 또한 이와 호환되는 라즈베리파이 전용 카메라 모듈이나 각종 센서들의 비용 또한 저렴하여 기존의 IoT 모니터링 시스템에 비해 비용을 절감할 수 있으므로 주어진 예산 내에서도 제품 개발이 가능함.

기술개발 일정 및 추진체계

개발 일정

구성원 및 추진체계

<정**> - IoT 모니터링 시스템 원격 조정 기술 개발

- 라즈베리파이와 서버 간 통신 프로토콜 설계

- 원격 제어 기능 구현 및 안정성 검증

<김**> - 실시간 구조물 변위 모니터링 및 고도화

- IoT 기반 변위 모니터링 시스템 개발 및 실험 적용

- 활용성 증대 방안 도출 및 시스템 고도화 연구

<설**> - 라즈베리파이 및 센서 분석, 발굴

- 각종 센서 데이터 수집 환경 구축

- 데이터 전처리 및 기본 알고리즘 설계

설계

설계사양

제품의 요구사항

개념설계안

(1) 사면 변위 추정을 위한 IoT 센서 발굴 및 검증

라즈베리파이에 연결할 수 있는 센서의 종류는 매우 다양함. 그 중 데이터를 가장 쉽게 활용할 수 있으며 가격도 저렴한 센서는 가속도(기울기) 센서임. 기울기 센서는 z축 기준으로 이동한 각도를 수치 형태로 수집하여 순간적인 진동, 충격과 기울기를 감지함. 그러나 산악 지형의 사면에 변위가 발생할 때는 사면 기울기 변화 외에도 지반 침하와 수평 변위 등이 점진적으로 발생하는데, 기울기 센서만으로는 이러한 변위를 측정할 수 없음. 따라서 기울기 센서로 수집한 데이터만을 활용하는 것은 매우 제한적임. 또한 기울기 변위가 구조물 붕괴 징후인지 바람 등의 영향인지 직접 구분하기 어려움. 따라서 변위가 발생했을 때 지반 양상을 직접 관찰하기 위해서는 카메라 센서가 필요하며 이로 인한 변위를 최종적으로 계산하기 위해서는 LiDAR 센서와 그에 따른 알고리즘이 필수적임. 따라서 가속도+카메라+LiDAR 센서를 복합적으로 이용하여 구조물의 변위를 감지하고 모니터링할 계획임.

(가) IoT 센서 발굴

시중에 나와있는 여러 초소형 cpu를 조사함.

다양한 비용의 여러 초소형 cpu가 존재하였으며, 비용에 따른 각 cpu의 성능 또한 다양했음.

우선 ESP32 계열 등 2-3만원 대의 cpu는 비용이 매우 낮으며 초저전력이라는 장점이 있음. 그러나 RAM과 연산 성능이 제한적이며, 해상도가 최대2MP 정도로 카메라 센서로 얻은 이미지의 화질이 매우 낮음. 또한 여러 센서의 데이터 수집이 동시에 이루어지면 느려지거나 안정성이 떨어진다는 단점이 있음.

ARM Cortex-M7는 고성능 cpu이지만 리눅스 기반 체제가 아니어서 라이브러리/펌웨어 수준에서 직접 구현해야 하므로 복잡한 개발이 필요하다는 단점이 있음. 따라서 전용 센서로 호환성이 뛰어나며, 해상도가 8MP로 고해상도 이미지를 얻을 수 있고 리눅스 기반 체제로 작동하는 Raspberry Pi 모델을 선택했음.

Raspberry Pi Zero 모델은 초저전력이나 메모리가 512MB로 매우 낮으며, USB 포트가 1개뿐이어서 여러 센서와 모듈을 사용할 경우 포트가 부족하다는 단점이 있음. 또한 발열관리가 약해서 장시간 사용할 경우 안정성이 떨어질 수 있음. 따라서 최종적으로 메모리가 2GB-8GB이며 여러 센서와 모듈을 동시에 사용 가능하고, 장시간 안정적인 운영이 가능한 Raspberry Pi 4 모델을 선택함.

다음으로는 가속도 센서를 조사했으며, ADXL345 센서가 비용이 제일 저렴하며 소비 전력이나 해상도는 타 가속도 센서들과 비슷하였기에 가속도 센서는 ADXL345를 선정함.

마지막으로 카메라 센서를 조사했고, 비용에 따라 매우 다양한 성능을 가진 카메라 센서들이 존재했음. 카메라 모듈의 경우 Raspberry Pi 전용 카메라 모듈이 존재하였기 때문에 호환성을 고려하여 라즈베리파이 카메라 모듈을 선택함. 또한 고해상도의 이미지가 필요하다고 판단하였기에 최종적으로 라즈베리파이 카메라 모듈 V3를 선정함.

또한, LiDAR 센서는 학교 연구실에 있는 Hypersen HPS-3D160 Pro를 사용함.

이론적 계산 및 시뮬레이션

내용

상세설계 내용

내용

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

내용

포스터

내용

완료작품의 평가

내용

향후계획

내용

특허 출원 내용

내용

@@ 138번째 줄: / 138번째 줄: @@
 ===개념설계안===
-내용
+(1) 사면 변위 추정을 위한 IoT 센서 발굴 및 검증
+라즈베리파이에 연결할 수 있는 센서의 종류는 매우 다양함. 그 중 데이터를 가장 쉽게 활용할 수 있으며 가격도 저렴한 센서는 가속도(기울기) 센서임. 기울기 센서는 z축 기준으로 이동한 각도를 수치 형태로 수집하여 순간적인 진동, 충격과 기울기를 감지함. 그러나 산악 지형의 사면에 변위가 발생할 때는 사면 기울기 변화 외에도 지반 침하와 수평 변위 등이 점진적으로 발생하는데, 기울기 센서만으로는 이러한 변위를 측정할 수 없음. 따라서 기울기 센서로 수집한 데이터만을 활용하는 것은 매우 제한적임. 또한 기울기 변위가 구조물 붕괴 징후인지 바람 등의 영향인지 직접 구분하기 어려움. 따라서 변위가 발생했을 때 지반 양상을 직접 관찰하기 위해서는 카메라 센서가 필요하며 이로 인한 변위를 최종적으로 계산하기 위해서는 LiDAR 센서와 그에 따른 알고리즘이 필수적임. 따라서 가속도+카메라+LiDAR 센서를 복합적으로 이용하여 구조물의 변위를 감지하고 모니터링할 계획임.
+(가) IoT 센서 발굴
+시중에 나와있는 여러 초소형 cpu를 조사함.
+다양한 비용의 여러 초소형 cpu가 존재하였으며, 비용에 따른 각 cpu의 성능 또한 다양했음.
+우선 ESP32 계열 등 2-3만원 대의 cpu는 비용이 매우 낮으며 초저전력이라는 장점이 있음. 그러나 RAM과 연산 성능이 제한적이며, 해상도가 최대2MP 정도로 카메라 센서로 얻은 이미지의 화질이 매우 낮음. 또한 여러 센서의 데이터 수집이 동시에 이루어지면 느려지거나 안정성이 떨어진다는 단점이 있음.
+ARM Cortex-M7는 고성능 cpu이지만 리눅스 기반 체제가 아니어서 라이브러리/펌웨어 수준에서 직접 구현해야 하므로 복잡한 개발이 필요하다는 단점이 있음. 따라서 전용 센서로 호환성이 뛰어나며, 해상도가 8MP로 고해상도 이미지를 얻을 수 있고 리눅스 기반 체제로 작동하는 Raspberry Pi 모델을 선택했음.
+Raspberry Pi Zero 모델은 초저전력이나 메모리가 512MB로 매우 낮으며, USB 포트가 1개뿐이어서 여러 센서와 모듈을 사용할 경우 포트가 부족하다는 단점이 있음. 또한 발열관리가 약해서 장시간 사용할 경우 안정성이 떨어질 수 있음. 따라서 최종적으로 메모리가 2GB-8GB이며 여러 센서와 모듈을 동시에 사용 가능하고, 장시간 안정적인 운영이 가능한 Raspberry Pi 4 모델을 선택함.
+다음으로는 가속도 센서를 조사했으며, ADXL345 센서가 비용이 제일 저렴하며 소비 전력이나 해상도는 타 가속도 센서들과 비슷하였기에 가속도 센서는 ADXL345를 선정함.
+마지막으로 카메라 센서를 조사했고, 비용에 따라 매우 다양한 성능을 가진 카메라 센서들이 존재했음. 카메라 모듈의 경우 Raspberry Pi 전용 카메라 모듈이 존재하였기 때문에 호환성을 고려하여 라즈베리파이 카메라 모듈을 선택함. 또한 고해상도의 이미지가 필요하다고 판단하였기에 최종적으로 라즈베리파이 카메라 모듈 V3를 선정함.
+또한, LiDAR 센서는 학교 연구실에 있는 Hypersen HPS-3D160 Pro를 사용함.
 ===이론적 계산 및 시뮬레이션===