1. 서 론

철도 인프라는 국가 교통체계의 핵심 요소로서 그 안전성 확보는 이용객의 생명 및 재산 보호와 직결된다. 특히 철도 노선 주변의 비탈면과 옹벽은 토사 유실, 침하, 사면 붕괴 등 다양한 불안정 요인에 노출되어 있으며, 이러한 손상은 열차 운행 지연은 물론 중대한 사고로 이어질 수 있다. 기후 변화로 인한 집중호우와 동결⋅융해의 반복, 지반 약화와 같은 외부 환경 요인은 이러한 위험을 가속화시키므로, 철도 비탈면⋅옹벽에 대한 체계적이고 정밀한 유지관리의 필요성이 지속적으로 강조되고 있다.

철도 비탈면⋅옹벽은 세 개 법령의 점검 대상에 중첩적으로 놓여 있다. 「시설물의 안전 및 유지관리에 관한 특별법」(이하 시설물안전법)은 지면으로부터 연직높이 30 m 이상을 포함한 절토부로서 단일 수평연장 100 m 이상인 절토사면과, 노출높이 5 m 이상인 부분의 합이 100 m 이상인 옹벽을 제2종 시설물로, 노출높이 5 m 이상인 부분을 포함한 연장 100 m 이상의 옹벽 등을 제3종 시설물로 규정한다. 「급경사지 재해예방에 관한 법률」(이하 급경사지법)은 높이 5 m 이상⋅경사도 34도 이상⋅길이 20 m 이상인 인공 비탈면과 높이 50 m 이상⋅경사도 34도 이상인 자연 비탈면을 급경사지로 정의하며, 관리기관은 이에 대하여 연 2회 이상 안전점검을 실시하도록 하고 있다. 「철도의 건설 및 철도시설 유지관리에 관한 법률」(이하 철도건설법)은 철도시설관리자가 소관 철도시설에 대하여 정기점검을 실시하도록 하고, 대통령령으로 정하는 결함에 절토사면⋅성토사면의 균열⋅이완 및 이에 따른 옹벽의 균열 또는 파손을 포함한다. 즉 철도 비탈면⋅옹벽은 규모와 법령에 따라 제2종⋅제3종⋅제3종 미만 시설물 및 급경사지로 분류되어, 서로 다른 점검표와 주기가 동시에 적용되는 대상이다(MOLIT, 2024).

이러한 점검 대상은 최근 급증하였다. 2018년 3월 철도건설법 개정 이전에는 위 규모 기준을 충족하여 지정⋅관리되는 시설물만 집계되어 그 대상이 비탈면 67개소, 옹벽 83개소에 불과하였으나, 철도 부지 내 모든 비탈면⋅옹벽이 점검 대상에 포함되면서 관리 대상은 비탈면 1,475개소, 옹벽 5,368개소로 확대되었다(MOLIT, 2024). 비탈면은 약 22배, 옹벽은 약 65배 증가한 규모이다. 여기에 시설물의 노후화가 겹치고 있다. 국가철도시설의 성능평가 결과 C등급 이하 시설물의 비중은 전체의 54.7%, 사용 30년 혹은 내구연한이 경과한 시설물은 26.4%에 이른다(MOLIT, 2024). 또한 「시설물안전법」이 관리하는 제1∼3종 시설물 전체를 기준으로 하면, 준공 후 30년이 경과한 노후 시설물의 비율은 2020년 16.9%에서 2030년 43.3%로 급증할 것으로 전망된다 (Park, 2023). 반면 사회간접자본 예산 중 유지관리 예산의 비중은 제한적이어서, 급증한 점검 수요를 기존 인력 중심 방식으로 감당하기 어려운 상황이다. 현행 점검은 계획 수립부터 현장 조사, 사진 촬영, 점검표 작성, 판정⋅보고에 이르는 과정이 대부분 수작업으로 운영되므로, 점검자의 주관에 따른 판정 편차, 반복적인 인력⋅비용 부담, 수집 자료의 정형화 및 이력 관리 미흡과 같은 구조적 한계가 지적되어 왔다.

그럼에도 철도 비탈면⋅옹벽을 대상으로 하는 데이터 기반 관리 체계는 확보되지 못하였다. 도로 분야에서는 도로법에 근거하여 한국건설기술연구원이 교량관리시스템(BMS), 터널유지관리시스템(TMS), 도로비탈면관리시스템(CSMS)을 운영하며 시설물별 관리 인자를 데이터베이스화해 왔으나, 이는 도로 사면에만 적용된다. 국토교통부는 도로시설물 유지관리시스템의 운영 실적을 토대로 옹벽 유지관리시스템 구축을 위한 연구를 추진하여 관리체계 구축의 필요성을 확인하였으나, 시행방식에 대한 이견으로 시행에 이르지 못하였다(MOLIT, 2024). 철도 분야에서는 철도시설의 이력⋅상태⋅속성정보를 통합 관리하는 철도시설 이력관리시스템(RAFIS)이 운영되고 있으며, 철도비탈면 정기점검표 서식에도 RAFIS 분류코드가 포함되어 있다. 다만 RAFIS와 시설물통합정보관리체계(FMS)는 점검 결과와 속성정보의 기록⋅조회를 중심으로 하고 있어, 드론 영상 및 3차원 모델 기반 데이터의 취득⋅저장 및 이를 통한 시기별 변형 비교 기능의 수용 여부는 확인되지 않는다. 즉 철도 비탈면⋅옹벽은 대장과 이력을 기록하는 정보 체계는 갖추었으나, 3차원 모델 기반의 데이터를 취득⋅축적하고 이를 점검에 활용하는 체계는 갖추지 못한 상태이다.

이러한 배경에서 무인항공기(UAV)와 인공지능, 3차원 모델링을 접목한 디지털 트윈(Digital Twin) 기반 유지관리 연구가 활발히 이루어지고 있다. UAV 사진측량과 SfM(Structure from Motion)⋅MVS(Multi-View Stereo) 기법(Schönberger and Frahm, 2016)을 이용하여 암반 사면의 형상과 불연속면을 정량적으로 추출하거나(Kong et al., 2021; Hao et al., 2023), 딥러닝기반 시맨틱세그멘테이션으로 관심 영역을 추출하고 식생 등 불필요 객체를 제거하여 고품질 3차원 모델을 생성하는 연구(Liu, Z. et al., 2024; Yoon et al., 2024; Heo et al., 2022; Wernette, 2024)가 보고되었으며, 시기별 점군비교를 통한 변형 탐지가 사면⋅구조물의 예방적 유지관리에 적용되고 있다(Weidner et al., 2024). 디지털 트윈 측면에서는 토목 인프라를 위한 디지털 트윈 개념(Levenberg and Barisic, 2024)이 제시되었고, IoT 센서⋅시뮬레이션을 기반으로 사면 안정성과 위험을 평가하거나(Piciullo et al., 2025; Xu and Zhang, 2025), 철도 인프라 및 옹벽을 대상으로 한 디지털 트윈 연구(Liu, Y. et al., 2024; Wondolowski et al., 2025)가 수행되었다. 국내에서도 드론 기반 비탈면 3차원 모델의 품질 분석(Kang and Kim, 2020), 딥러닝 기반 콘크리트 벽체 균열 검출(Kang and Ryu, 2023), 교량 디지털 트윈 유지관리 동향분석(Jeon et al., 2024) 등이 이루어졌다. 저자들의 선행 연구에서도 철도 비탈면을 대상으로 정밀 3차원 모델 생성, 관심 영역 외 객체 제거, 측정⋅변형 탐지, 보고서 생성 및 클라우드 기반 이력 관리를 통합한 유지관리 플랫폼(RCMS)을 제안한 바 있다(Yu et al., 2025).

Fig. 1 Conceptual diagram of the proposed data framework

이상을 종합하면, 기존 연구는 3차원 모델의 생성과 측정⋅분석 등 개별 기능의 구현에 초점을 두거나 상시 IoT 센서의 설치⋅운용을 전제하고 있어, 급증한 철도 비탈면⋅옹벽을 전국 규모로 실제 관리하기 위한 데이터 구축 및 점검 체계 — 즉 관리 주체의 계층구조와 접근 권한, 시설물 기본정보 및 점검정보의 표준 항목과 취득 방식, 점검 결과의 보고서화 및 통계 산정 체계 — 는 체계적으로 제시되지 못하였다. 한편 정보통신기획평가원(IITP)이 제시한 디지털 트윈 발전 5단계 모델(Jeong, 2021)은 복제, 관제, 모의, 연합, 자율의 순으로 기술 성숙도를 구분한다. 일반적으로 디지털 트윈은 물리 대상과 디지털 객체 간의 실시간 연계 및 양방향갱신을 전제로 하나, 철도 비탈면⋅옹벽에는 상시 IoT 센서가 설치되어 있지 않아 이러한 실시간 연계가 성립하지 않는다. 따라서 본 연구에서 사용하는 디지털 트윈은 UAV 기반의 주기적 데이터 취득을 통해 대상의 형상과 상태를 디지털 세계에 복제하고 그 변화를 관제하는 관제형(monitoring) 트윈, 즉 5단계 모델의 1단계(복제) 및 2단계(관제)에 해당한다. 3단계 이상의 시뮬레이션 기반 예측과 트윈 간 연합, 자율적 의사결정은 본 연구의 범위에 포함하지 않는다. 이에 비추어 볼 때 철도 비탈면⋅옹벽 분야는 모의 이상의 상위 단계에 앞서, 하위 단계의 데이터 기반을 우선 확보할 필요가 있다.

저자들의 선행 연구(Yu et al., 2025)는 철도 비탈면을 대상으로 3차원 모델 생성, 길이⋅각도 측정, 시기별 모델 비교, 법정 양식의 보고서 자동 생성 및 클라우드 기반 이력 관리를 통합한 플랫폼(RCMS)을 구현하고, 오송 철도종합시험선로에서 측정 정확도를 검증하였다. 이들 기능은 선행 연구의 성과이며, 본 연구가 새롭게 제안하는 것이 아니다.

본 연구는 이러한 플랫폼 기능을 전국 규모의 관리 업무로 운영하기 위한 데이터 구축⋅관리 체계의 설계를 대상으로 한다는 점에서 선행 연구와 구분된다. 구체적으로 첫째, 대상을 철도 비탈면에서 옹벽까지 확장하였다. 둘째, 선행 연구가 정기점검이라는 단일 업무를 지원한 반면, 본 연구는 관리 주체의 계약을 기점으로 신설(시설물 등록)과 정기안전점검의 두 업무로 분기하고 양자를 하나의 데이터 흐름으로 통합하였다. 셋째, 선행 연구에서 정의되지 않았던 시설물 기본정보를 7개 구분 34개 표준항목으로 정의하고 항목별 취득 방식을 명시하였다. 넷째, 프로젝트 단위의 사용자 개념을 국가철도공단 본사⋅지역본부⋅시설사업소⋅조사 수행자의 4계층 관리 주체 구성과 계층별 차등 접근 권한 모델로 구체화하였다. 다섯째, 법정 점검항목 29개에 대하여 영상 및 3차원 모델을 통한 확인 가능성을 항목 단위로 매핑하였다. 여섯째, 이력을 프로젝트 단위가 아닌 시설물⋅연도 단위로 축적하고 보고서⋅등급의 존재 여부에 따라 완료와 미시행 상태를 구분함으로써, 선행 연구에 없던 시설⋅안전⋅유지관리 통계의 산정 근거를 마련하였다.

본 연구의 독창성은 3차원 모델 기반 데이터 구축 체계(신설⋅등록)와 점검 체계를 하나의 흐름으로 통합하여, 신설 시 형상⋅좌표 등 기본정보를 구축하고 점검 시 손상⋅형상 정보를 취득하여 보고서⋅안전등급을 산출하며, 그 결과를 이력관리와 통계로 축적하는 체계를 제안하는 데 있다. 본 연구의 기여는 (1) 신설과 점검을 아우르는 드론 3차원 모델 기반 데이터 구축⋅관리 체계의 제안, (2) 관리 주체 계층⋅권한 모델과 정보 항목 및 취득 방식의 정의로 요약된다. 다만 본 연구는 취득된 UAV 영상 및 3차원 모델을 전제로 한 데이터 구축⋅관리 체계의 설계를 대상으로 한다. 따라서 UAV의 촬영 계획 수립 및 자동 비행경로 설계는 본 연구의 범위에 포함하지 않으며, 제안 체계의 실제 점검 대체 가능성과 효율성 또한 현장 실증을 통해 검증되지 않았다. 본 연구는 실험적 검증이 아니라 항목⋅절차⋅통계 체계의 설계를 제시하는 데이터 구축⋅관리 프레임워크에 해당하며, 그 실무적 효과의 정량적 입증은 후속 현장 적용의 과제이다.

2. 철도 비탈면⋅옹벽 데이터의 관리체계

2.1 데이터 구축 및 흐름

본 연구가 제안하는 체계는 일반적인 3차원 자산관리 시스템(3D asset management system)과 다음의 점에서 구분된다. 첫째, 물리 시설물과 디지털 객체의 연결은 시설물 분류코드를 매개로 1:1 대응된다. 둘째, 디지털 객체의 갱신은 상시 연속이 아니라 신설 등록 시 1회와 법정 점검 주기에 따른 주기적 갱신으로 이루어진다. 셋째, 상태정보의 동기화는 UAV 영상 취득에서 3차원 모델 자동 생성, 형상 제원⋅좌표 산출, 기본정보 갱신으로 이어지는 단방향 파이프라인을 따르며, 실시간 센서 기반의 양방향 동기화는 포함하지 않는다. 넷째, 시계열 변화는 시설물⋅연도 단위의 이력 축적과 시기별 모델 비교를 통해 반영된다. 다섯째, 관리 의사결정으로의 feedback은 점검 결과의 안전등급화, 관리기관 단위 통계 산정, 유지관리 우선순위 설정의 경로로 구성되며, 「시설물안전법 시행령」 제8조제1항에 따라 제3종시설물의 정밀안전점검 실시 여부가 정기안전점검 결과의 안전등급에 의해 결정되는 점에서 점검 결과가 후속 점검 계획을 규정하는 구조를 갖는다.

본 연구에서 제안하는 플랫폼 상에서의 데이터 구축 및 관리 흐름은 Fig. 2와 같이 등록, 점검, 이력관리, 통계의 네 단계로 세분화된다. 등록 단계에서는 대상 시설물에 분류코드를 부여하고 드론 영상 기반 3차원 모델과 영상 데이터를 취득하여 시설물 기본정보를 저장⋅생성한다. 이력관리 단계에서는 동일 시설물에 대하여 법정 주기에 따라 수행된 점검 결과를 시설물⋅연도 단위로 축적하여 장기적인 변화 추적이 가능하도록 한다. 마지막으로 통계 단계에서는 보고서⋅등급의 존재 여부에 따라 완료와 미시행 상태를 구분하고, 전체 시설물을 포함하는 시설 통계, 등급이 부여된 완료 건을 대상으로 하는 안전 통계, 미시행 건을 포함하는 유지관리 통계를 각각 산정한다. 이와 같은 상태 구분을 통해 법정 정기안전점검의 이행 여부를 누락없이 관리할 수 있다.

Fig. 2 Data construction and management flow on the platform

3. 3차원 모델 기반 시설물 기본정보 구축 방안(신설등록)

시설물 기본정보는 유지관리 데이터의 기준이 되는 정적 정보로서, 본 연구에서는 Table 2와 같이 7개 구분의 총 34개 항목으로 표준 항목을 정의하였다. 각 구분은 식별(3항목), 관리 주체(3항목), 노선 위치(8항목), 좌표⋅행정구역(10항목), 형상 제원(4항목), 지반⋅구조(3항목), 설계(3항목)로 이루어진다. 취득 방식은 분류코드 부여, 행정자료, 노선 대장, 3차원 모델 산출, 영상 판독, 현장 확인 등으로 항목별 특성에 맞게 구분하였으며, 각 항목의 취득 방식은 Table 2의 취득 방식 열에 명시하였다.

특히 좌표⋅행정구역 항목과 형상 제원(길이, 높이, 경사, 자연비탈면 경사) 항목은 드론 영상으로 생성한 3차원 모델로부터 취득되며(Table 2에서 굵게 표시), 이는 기존 수작업 측량 대비 취득 효율과 객관성을 향상시킬 것으로 기대된다. 이를 통해 관리자는 현장 접근을 최소화하면서도 일관된 형상 정보를 신속하게 확보할 수 있다.

Fig. 3 Overview of establishment basic information procedure (new registration)

Fig. 3은 시설물 기본정보의 취득 절차를 관리 주체별로 나타낸 것이다. 관리 주체가 등록 계약을 발주하면 조사 수행자가 드론 영상을 취득⋅업로드하고, 플랫폼은 GIS 좌표계를 포함한 3차원 모델을 자동으로 생성한 뒤 형상 제원 및 좌표⋅행정구역 항목을 산출한다. 이후 감독기관 담당자가 3차원 모델의 품질을 확인하고 지반⋅구조 항목과 행정자료 기반 항목을 입력함으로써 34개 항목의 기본정보 등록이 완료된다. 품질 확인 단계에서 부적합 판정 시에는 영상 재취득 단계로 반려된다. 품질 확인 단계에서는 지상표본거리(GSD), 영상 중복도, 생성된 포인트 클라우드의 밀도, 관심 영역 외 객체의 제거 결과, 형상 제원 측정 가능 여부를 검토 요소로 한다. 다만 각 요소의 정량적 합격기준은 본 연구에서 제시하지 않았으며, 이는 후속 연구를 통해 수립되어야 한다.

형상 제원 항목은 3차원 모델을 측정하여 입력된다. Fig. 4와 같이 3차원 모델 상에서 두 점 간 길이, 사면 및 옹벽의 경사각, 계단식 옹벽의 높이 등을 정량적으로 측정할 수 있으며, 이렇게 취득된 형상 제원은 기본정보 항목으로 저장된다. 이러한 측정 기능은 이후 점검 단계에서도 관련 법령이 규정한 기준 경사각⋅치수와의 비교를 통해 위험 여부를 정량적으로 판정하는 근거로 활용된다.

Fig. 4 3D model based measurement

Fig. 5 Example display of establishment basic information on the platform

Fig. 5는 제안 방안을 구현한 관리 플랫폼에서 비탈면을 실제로 등록하는 화면의 예시이다. 관리자는 지도 기반 인터페이스에서 대상 비탈면을 선택하여 우선 기본정보가 미완성인 상태로 등록한 뒤, 3차원 모델로부터 산출된 형상 제원과 행정자료 기반 항목을 입력하여 상세정보를 저장함으로써 등록을 완료한다. 이와 같이 등록 절차를 정보 미완성 등록과 상세정보 입력의 두 단계로 구성함으로써, 드론 영상 취득과 후속 정보 입력이 시차를 두고 이루어지는 실제 업무 흐름을 반영하였다.

4. 3차원 모델 기반 정기안전점검 방안(점검)

4.2 점검절차

Fig. 6은 정기안전점검 정보의 취득 절차를 나타낸 것이다. 점검 주기는 시설물의 법적 분류와 안전등급에 따라 Table 5와 같이 결정되며 본 시스템이 임의로 정의하지 않는다.

관리 주체가 법정 주기(Table 5)에 따른 정기안전점검 계약을 발주하면, 조사 수행자가 드론 영상을 취득⋅업로드하고 플랫폼이 3차원 모델을 자동 생성한 뒤 감독기관 담당자는 3차원 모델의 품질을 확인하고 3차원 모델 기반 점검을 수행하여 손상을 확인한 후 보고서 작성과 안전등급 부여를 진행한다. 점검 결과는 이력관리로 축적되며, 완료⋅미시행 상태에 따라 시설⋅안전⋅유지관리 통계로 집계된다.

Fig. 6 Overview of the 3D-model-based regular safety inspection procedure

Table 5 Establishment inspection interval

Classification	Governing provision	Inspection interval
Class-II / below Class-III	Establishment Safety Act, Art. 11 & Enforcement Decree Appx. 3 (Class-II) Railroad Facilities Act, Art. 29 (below Class-III)	A–C: once per half-year; DㆍE: 3 times/yr Below Class-III: set by the facility manager
Class-III	Establishment Safety Act, Art. 11 & Enforcement Decree Appx. 3	A–C: once per half-year; DㆍE: 3 times/yr
Steep slope	Prevention of Steep Slope Disasters Act, Art. 5(1)	Twice per year

4.3 영상 및 3차원 모델 기반 점검과 보고서 생성

Fig. 7은 2차원 영상과 3차원 모델을 연계한 점검 및 보고서 작성 과정을 보여준다. 점검자가 3차원 모델 상에서 비탈면의 특정 위치를 선택하면 해당 위치의 재구성에 사용된 2차원 영상과 원본 확대 이미지가 자동으로 연계⋅표시되어, 3차원 형상과 2차원 세부 표면을 병행하여 점검할 수 있다. 또한 치수 측정 및 분석 기능을 통해 형상 정보를 정량적으로 확인한 뒤, 점검 결과는 급경사지 안전점검표 등 법정 보고서 양식으로 저장되며 산정된 안전등급이 함께 기록된다. 보고서에는 점검 일시, 시설명, 점검 장소, 길이⋅폭⋅높이 등 형상제원과 점검자⋅확인자 정보가 자동 반영되어 점검 결과의 정형화와 이력 관리의 효율성을 확보할 수 있다.

Fig. 7 3D model based visual inspection and report generation

4.4 3차원 모델 기반 이력관리

Fig. 8은 3차원 모델 기반 이력관리 화면의 예시이다. 동일 시설물에 대하여 법정 주기(Table 5)에 따라 수행된 점검 결과가 시설물⋅연도 단위로 축적되며, 점검이 완료된 시설물은 안전등급과 보고서가 함께 저장되어 시기별 상태 변화를 추적할 수 있다. 관리자는 관리기관⋅감독기관⋅비탈면 구분⋅연도 등의 조건으로 이력을 조회하여, 특정 시설물의 등급 변화 추이와 보고서 이력을 확인할 수 있다.

Fig. 8 Example 3D model based inspection-history management screen

4.5 시설물 통계 및 안전등급 현황

축적된 등록⋅점검 데이터를 기반으로 관리기관 단위의 통계를 산정하여 유지관리 의사결정을 지원할 수 있다. Fig. 9와 Fig. 10은 제안한 통계 기능의 산출 형태를 예시적으로 보이기 위한 것으로, 실제 조사 결과가 아니라 임의로 구성한 가상 데이터를 사용하였다. Fig. 9는 관리기관별 시설물 현황 통계의 예시로서, 국가철도공단 지역본부별 관리 대상 개소 수의 분포를 관리기관 단위로 집계하는 산출 형태를 보여준다.

Fig. 9 Example establishment-status statistics

Fig. 10은 철도 비탈면의 안전등급(A∼E) 현황 통계의 예시로서, 관리기관별 등급 분포를 집계하는 산출 형태를 보여준다. 이와 같은 시설 통계 및 안전등급 통계는 실제 조사 데이터가 축적될 경우, 관리기관별 관리 부담과 자원 배분을 파악하고 유지관리 우선순위 설정 및 예방적 보수 계획 수립을 지원하는 근거로 활용될 수 있다.

Fig. 10 Example railway-slope safety-rating statistics

5. 결 론

본 연구에서는 2018년 법 개정으로 확대된 철도 비탈면⋅옹벽의 정기안전점검 수요에 대응하고, 기존 인력 중심 점검 방식의 한계를 극복하기 위하여 디지털 트윈 기반 유지관리를 위한 데이터 구축 및 관리 방안을 제안하였다. 제안한 방안은 등록–점검–이력관리–통계로 이어지는 데이터 관리 흐름, 네 계층의 관리 주체 구성과 데이터 접근 권한, 34개 항목의 시설물 기본정보와 법령별 점검정보의 표준 항목 및 취득 방식, 그리고 영상⋅3차원 모델 기반 점검과 보고서 생성, 통계 기반 안전등급 현황 관리로 구성된다.

또한 선행연구에서 수행한 관심 영역 제거 기반의 모델 경량화, 길이⋅각도⋅경사 등 형상정보 취득, 시간이력 기반 변형 탐지 등 선행연구에서 검증된 3차원 모델 기능을 제안 방안의 기술적 실현 기반으로 연계하였다. 이를 통해 기존 점검 방식의 주관성과 비효율을 완화하고, 비탈면과 옹벽을 아우르는 정형화된 데이터 기반 유지관리 체계를 구축할 수 있음을 제시하였다.

한편 제안한 방안은 현장 육안 점검의 일부를 드론 촬영과 3차원 모델 기반의 내업(內業)으로 전환하는 것을 지향한다. 다만 점검 소요 시간과 투입 인력의 실제 변화는 대상 규모, 촬영 조건, 판독 범위에 따라 달라지므로, 본 연구에서는 이를 정량적으로 제시하지 않으며 현장 적용을 통한 산정을 후속 과제로 남긴다.

본 연구의 한계는 다음과 같다. 첫째, 제안 방안은 실제 대상에 대한 현장 실증을 통해 검증되지 않았다. 둘째, Table 3에서 확인되듯 점검 항목의 일부(약 24%)는 지하수⋅배수 상태 등 표면 형상만으로 판단하기 어려워 현장 확인이 필요하므로, 제안 방안이 점검 업무를 완전한 내업으로 전환하지는 못한다. 셋째, 본 연구에서 제시한 통계 결과(Fig. 9, Fig. 10)는 통계 기능의 산출 형태를 보이기 위한 가상 데이터에 기반한 것으로, 실제 조사 데이터를 통한 현황 분석과 검증은 수행되지 않았다. 따라서 향후 연구에서는 다음의 과제가 요구된다. 첫째, 대표 비탈면⋅옹벽을 대상으로 3차원 모델 기반 점검과 기존 현장 육안점검을 병행하여 손상 탐지 일치율, 형상 측정 정확도, 점검 소요 시간, 투입 인력 및 누락 항목을 비교하는 시범 적용이 필요하다. 둘째, UAV 영상 및 3차원 모델의 정량적 품질 합격기준과 재촬영 판정 기준의 수립이 필요하다. 셋째, RAFIS 분류코드를 매개로 한 철도시설 이력관리시스템(RAFIS) 및 시설물통합정보관리체계(FMS)와의 데이터 연계 방안을 검토할 필요가 있다. 넷째, 시스템 도입⋅운영 비용을 포함한 전주기(Life-Cycle) 경제성 분석이 요구된다.