노면 진동 기반 차량 속도 및 축간 거리 추정

차량 속도와 축간 거리는 노면 진동 반응을 결정하는 핵심 요소이며, 축하중 추정 및 숨겨진 공동 감지와 같은 후속 모델에 필수적인 사전 입력값입니다. 비디오와 같은 외부 시스템을 통해 이 정보를 얻는 것은 기상 조건 및 시스템 간 시간 동기화 오류에 취약합니다. 반면, 노면 진동 신호 자체에서 이를 추정하는 방식은 단일 임베디드 시스템 내에서 교통 정보와 구조 상태를 폐쇄 루프 방식으로 해석할 수 있게 합니다. 본 연구에서는 임베디드 MEMS 가속도계로부터 얻은 현장 데이터를 활용하여, CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise) 및 지배 주파수 스크리닝을 통해 신호를 재구성했습니다. 이후 연속 웨이블릿 변환을 통해 순간 총 에너지 곡선을 구축하고, 두 센서에서 나타나는 주요 에너지 피크를 짝지어 속도와 축간 거리를 추정했습니다. 이 방법은 시간 영역 엔벨로프 피크 방법과 동일한 기준으로 비교되었습니다. 4축 트럭(25.00–55.62 t, 40–60 km/h)의 12회 현장 통과 데이터에 대해 두 방법 모두 모든 경우에서 성공적으로 작동했습니다. 총 축거 7750 mm를 기준으로 평가된 10개 사례에서, 웨이블릿 에너지 방법은 엔벨로프 방법과 유사한 중앙값 오차(6.5% 대 6.8%)를 보였으나, 더 낮은 평균 오차(6.2% 대 8.8%), 좁은 사분위 범위(3.3 대 4.8%p), 그리고 훨씬 낮은 최대 오차(10.5% 대 33.8%)를 나타냈습니다. 후방 축간 거리 1350 mm를 기준으로 평가된 2개 사례에서는 각각 2.8%–3.9% 및 3.2%–4.5%의 오차를 보였습니다. 웨이블릿 에너지 방법은 노이즈 스파이크에 대해 더 안정적이었고(동일 사례에서 6.5% 대 33.8%), 주파수 대역 및 웨이블릿 스케일 그리드에 둔감했으며, 사례별 매개변수 튜닝이 필요 없었습니다. 반면 엔벨로프 방법은 최적값이 속도에 따라 변하는 윈도우 길이에 의존했습니다. 재구성된 신호는 파형 및 스펙트럼 정보를 보존하여 후속 모델을 위한 재사용 가능한 시간-주파수 특징을 제공합니다.