1. 서 론
가열아스팔트혼합물(hot-mix asphalt: HMA)은 포설 전 트럭으로 운반･대기 중에 단기노화(short-term aging: STA)되며, 그 노화정도는 포설된 포장의 공용수명에 영향을 미친다. 특히 동절기 HMA는 보다 높은 온도로 생산되어 운반･대기 중 평균온도가 하절기보다 20°C 정도 높은 약 180°C이므로 단기간(1~2시간) 운반･대기 중에 산화(oxidation)되어 노화가 심하게 발생한다. 기존 연구에 의하면 PG64-22 바인더로 제조된 HMA가 180°C에서 약 2시간 단기 노화된 바인더의 절대점도(absolute viscosity: AV)는 같은 바인더를 pressure aging vessel (PAV) 처리한 것과 비슷한 수준이 된다(Kim et al., 2019, 2024). PAV는 아스팔트 혼합물이 도로에 포설되어 약 7년 동안 장기노화 후의 바인더를 모사하기 위한 실험이다(ASCE, 2003).
포설 전 단기노화로 인해 어떤 HMA 바인더의 AV가 같은 바인더를 PAV 처리한 AV와 유사하다는 것은 해당 혼합물이 이미 도로포장에서 약 7년간 장기 노화된 상태와 유사하게 노화되었음을 의미한다. 따라서 이렇게 단기 노화된 혼합물을 시공하는 것은 약 7년 정도 노화된 혼합물을 포설하는 것과 같으므로 해당포장의 공용수명은 그만큼 단축될 것으로 추정할 수 있다 (Kim et al., 2019, 2022). 그러므로 선행연구서는 어느 정도 이상으로 단기 노화된 혼합물은 노화도 관리가 필요하며 지급률(pay factor) 조정 등과 같은 제제 방안 도입을 언급하고 있다(Kim et al., 2022, 2023, 2024).
포설 전 혼합물의 품질관리(quality control: QC) 차원에서 노화 상태를 측정하여 노화가 심한 혼합물의 포설을 제어하면 시공 시부터 포장의 공용수명 관리에 기여할 수 있다(Kim et al., 2024). 아스팔트의 노화도 판단에 가장 널리 사용되는 물리적 특성은 절대점도(AV)이다. 바인더의 AV는 60 °C에서 낮은 경우 2~3시간, 매우 높은 경우 1~2일 걸려 진공 모세관 점도계로 KS M 2247(아스팔트 절대점도 시험방법)에 의하여 측정된다. 그러나 혼합물에서 바인더를 추출･회수하려면 사전에 1~2일이 필요하므로 AV 측정까지는 2~3일이 걸린다. 그러므로 품질관리로 활용을 위해서는 시공현장에서 채취된 샘플의 노화도 판정을 위해 보다 신속한 AV 측정이 필요하다.
이를 위해서는 AV의 측정보다 추정절대점도(estimated absolute viscosity: EAV)를 적용하는 방법이 필요하며, 그 한 가지 방법은 GPC(gel-permeation chromatography) 시험으로 측정된 대형분자(large molecular size: LMS)로부터 EAV를 결정하는 방법이다(Kim and Burati 1993; Kim et al., 1995, 2015; Lee et al., 2009). 다른 한 가지는 아스팔트의 노화를 양적으로 산정하는 계산공식을 온도와 시간의 변수로 개발하여 노화량(aging qantity: AQ)을 구하고 이 AQ를 사용하여 EAV를 구하는 방법이다(Kim et al., 2017, 2018, 2021; An et al., 2022).
상기 인용논문들에서 보듯이 GPC방법은 일찍이 1980년대 제시되어(Jennings and Pribanic, 1985) 국제적으로는 물론 국내에서도 널리 연구되어 왔으며 AQ방법은 최근 개발되기 시작하였다. 하지만 이 기법들이 실용적 기준 등으로 적용되지는 못하고 있는 이유는 GPC 방법의 경우 화학적 실험의 현장적용에 대한 어려움과 AQ방법의 경우 아직 개발단계에 있다는 점이라 할 수 있다. 하지만 보다 많은 실용적 연구와 개발이 진행된다면 향후에는 실용화가 이루어질 것으로 핀단 된다. 따라서 본 연구의 목적은 그 노력의 일환으로 기존의 연구에서 제시된 두 가지 EAV 결정방법을 조사하여 각각의 방법으로 EAV를 구하고 그 결과를 실측 데이터와의 통계적 분석을 통해 상관성분석과 상호간의 통계적 검증을 통하여 신뢰성을 평가하는 것이다.
2. 연구 방법
2.1 연구 재료
본 연구에는 PG64-22의 일반 아스팔트로 제조한 표층용 밀입도 아스팔트 혼합물의 단기노화에 따른 노화도를 평가하였다. 사용된 골재는 편마암과 화강암으로 굵은골재 최대치수는 13 mm이며 입도는 국토교통부기준 WC-1 또는 W-2를 사용하였다. 국토교통부 표층용 밀입도 아스팔트 혼합물의 배합설계 기준은 공극률 4 ± 1%, 포화도 65~80%, 골재간극률 14% 이상 변형강도 3.2 MPa 이상이다.
2.2 연구 방법
아스팔트의 노화특성 시험으로는 절대점도(absolute viscosity: AV) 및 고온 강성지수(high temperature stiffness: G*/sin 𝛿) 시험이 널리 통용된다. 이중에서 G*/sin 𝛿보다는 AV가 일찍부터 널리 통용되어온 물성이므로 본 연구에서는 AV를 노화도 평가 대상 특성으로 사용하였다.
AV는 아스팔트 절대점도 시험방법(KS M 2247)에 의해 60°C에서 직접측정이 가능하나 이는 서론에서 설명한대로 상당한 시간이 걸린다. 특히 노화된 아스팔트 혼합물을 녹인 추출용액으로부터 아스팔트를 회수하는 방법(KS F 2396: 아스팔트 추출용액으로부터 회전식 증류기에 의한 아스팔트 회수방법)으로 AV 시험 샘플을 확보하는데 더 많은 시간이 필요하다. 따라서 다음의 두 가지 AV추정 방법에 대하여 비교 분석하였다.
2.2.1 GPC측정에 의한 노화도 추정 방법
보다 신속하게 AV를 추정하기 위해 GPC(gel-permeation chromatography) 시험장치(Fig. 1(a))를 이용한 크로마토그램(chromatogram) 시험을 수행하였다. GPC 방법은 아스팔트 혼합물 입자를 화학용매인 THF(tetra-hydro-furan: THF)에 0.25% 농도로 녹인 용액을 0.45주사기 필터로 걸러서 (Fig. 1(b)) 한번에 50의 샘플을 주입기(injector)에 넣고 GPC 시험을 수행한다. 주입된 샘플용액은 칼럼(column)을 통과 후 검출기로 측정되며 1회 시험은 30분 소요되고 한 샘플당 3회 실험하므로 2시간 이내에 얻어진 평균을 분석에 사용하는 이점이 있다.
아스팔트가 노화되면 아스팔틴(asphaltene)의 증가로 점도가 높아지며 이를 크로마토그램으로 분석하면 대형분자(Large molecular size: LMS) 부분인 앞부분(Fig. 1(c))곡선 하에서 왼쪽부분)이 넓어지며 이 LMS 비율(%)과 점도는 밀접한 관계가 있다(Kim and Burati, 1993; Kim et al., 1995, 2006, 2015, 2020). 따라서 LMS 비율로부터 해당 아스팔트의 절대점도 추정치(estimated absolute viscosity: EAV)를 구할 수 있다.
Fig. 1(c)에서 보여주듯이 chromatogram은 분자입자의 분포를 보여주는 곡선으로, 아스팔트 샘플은 칼럼을 통과하며 분자크기에 따라 대형분자부터 배출이 시작되어 시간이 지남에 따라 소형분자가 배출되며 검출되는 시간(분)이 x축에 그리고 그때의 검출 량(mV)은 y축에 나타난다. 곡선이 수평기선(x축 base line)과 이루는 면적 전체(100%) 중 앞(왼쪽)부분의 대형분자 면적 비(%)를 구하여 분석에 사용하였다. Chromatogram에서 노화된 (aged) 아스팔트는 original 아스팔트보다 LMS 부분이 넓어 상대적으로 비율이 높게 나타남을 Fig. 1(c)를 통해서 보여준다.
Fig. 1.
Picture of (a) GPC equipment, (b) illustration of GPC sampling from dissolution and (c) illustration of chromatogram for original asphalt and aged asphalt (Kim et al., 2022)
2.2.2 노화량(aging quantity: AQ)에 의한 노화도 추정 방법
AQ에 의한 노화도 추정 방법은 아스팔트 바인더가 혼합물 내에서 온도(T)와 시간(t)의 함수로 단기노화 된다는 가정 하에 노화정도(agedness)를 양적으로(quantitatively) 모델화하여 개발된 것이다. 아스팔트의 산화(oxidative aging)는 복잡한 화학반응이라 한정된 변수로 정의하기는 힘들다. 하지만 같은 종류의 아스팔트 혼합물을 비교한다면 혼합물의 온도와 시간이 주요 변수이다. 특히 같은 온도에서의 같은 혼합물의 경우 시간의 차이가, 또는 같은 시간 동안의 같은 혼합물의 경우 온도의 차이가, 주된 노화도 차이의 원인이 될 것이다. 절대점도와 같은 물리적 특성을 측정치 않고 바인더 노화도를 평가하는 것은 쉽지 않다. 그러나 이 방법에서는 노화량(AQ)을 온도(T)는 °C로 그리고 시간(t)는 분(min)으로 적산하는 방식을 취한 것으로 그 모델은 식 (1)과 같다(Kim et al., 2018; An et al., 2022).
여기서, AQ = aging quantity(min.°C), t = aging time(min), T = aging temperature(°C)이다. 이 모델은 시산법(trail-and-error method)을 통해 최적(best-fit) 모델이 얻어질 때까지 변수를 반복적으로 변경해가며 매번 회귀분석을 수행하여 최종적으로 도출된 것이다.
각각의 온도와 시간으로 단기 노화된 혼합물에서 추출･회수한 바인더로부터 측정된 AV 데이터 세트와 해당 온도와 시간을 식 (1)에 대입하여 결정된 AQ 데이터 세트로 회귀분석을 수행한다. 회귀분석으로 얻어지는 최적모델 식에 AQ를 대입하면 구하고자 하는 AQ에 해당하는 추정절대점도 (EAV)를 구할 수 있다. 다시 말해 이는 모델에서 x = AQ, y = EAV인 식으로 상기 식 (1)에 단기노화 온도와 시간을 넣어 AQ를 구하고 회귀분석으로 결정된 회귀모델 식에 AQ를 넣으면 절대점도 추정치를 얻을 수 있다. 식 (1)로 구하는 AQ는 어떠한 AV의 실측치도 없이 단지 시간과 온도만으로 구해지는 노화 량 값이며 식 (1)은 PG64-22를 사용한 밀입도 혼합물의 단기노화에만 적용된다. 이 AQ의 개발과 EAV 추정에 관한 보다 자세한 사항은 An et al.(2022)에서 보여준다.
3. 결과 및 고찰
3.1 HMA 혼합물의 노화
Table 1은 본 연구에 사용된 기본바인더의 상태에 따른 절대점도(AV)와 LMS를 보여준다. PG64-22 바인더의 AV는 original 상태에서 ASTM 기준인 2,000 ± 400poise(p)에 적합하였으며, rolling thin film oven(RTFO) 처리 후 약 2배 증가되었고, 이를 pressure aging vessel(PAV) 처리 후 약 8배 가까이 증가되었다. 그리고 각 노화 상태에서의 LMS 값도 보여준다.
Table 1.
Absolute viscosity (AV) and large molecular size (LMS) of base binder by condition (Kim et al., 2022)
| Binder | Condition | Temp (°C) |
time (h) | AV |
LMS (%) | |
| Poise | Ratio | |||||
| PG64-22 | Original | - | - | 2,065 | 1.00 | 18.40 |
| RTFO | 163 | 1.42* | 4,415 | 2.01 | 20.59 | |
| PAV | 100 | 20.00 | 15,838 | 7.76 | 24.85 | |
Table 2의 데이터는 편마암(gneiss)과 화강암(granite)으로 실험실에서 제조된 국토부 WC-1 표층용 밀입도 아스팔트혼합물을 사용한 것이다(MOLIT, 2024). 이 혼합물의 단기노화에 따른 노화도를 GPC를 통한 LMS와 절대점도(AV)로 측정하였으며, 적용된 단기노화 온도는 160°C와 180°C이고 노화시간은 1, 2, 4시간이다. 단기노화 온도 160°C는 HMA 혼합물의 평시(동절기 제외) 온도 평균치를 가정한 것이고, 180°C는 동절기 혼합물 온도의 평균치를 가정한 것이다. 그리고 단기노화시간 1시간은 혼합물을 트럭에 싣고 운반･대기하는데 걸리는 최적시간(optimistic time), 2시간은 가장 보편적 시간(most-likely time) 그리고 4시간은 최악조건 하의 비관적 시간(pessimistic time)으로 가정한 것이다. 또한 3가지 도로현장에서 채취한 혼합물은 같은 바인더와 편마암으로 제조된 것이며, 표의 온도는 샘플 채취시 측정된 온도이고 시간은 출하로부터 샘플 채취 시까지 걸린 시간이다.
Table 2.
LMS from all STA mixes and AV of recovered binder from 1/2 STA mixes (Kim et al., 2022)
표에서 보듯이 LMS는 모든 혼합물에 대하여 측정하였다. 그러나 AV는 추출 회수와 실측에 따른 시간과 노력의 절약과 실험실 환경 안전을 위해 전체 혼합물의 1/2만 측정하여 두 골재 혼합물의 평균값으로 이용하였다.
Table 2의 평균 LMS와 AV를 이용한 회귀분석 결과를 Fig. 2에서 보여준다. 그림에서 보듯이 두 변수간의 상관관계는 매우 우수하여 R2 > 0.98 이상으로 매우 높게 나타났으며 LMS의 증가에 따라 AV가 지수함수 적으로 증가함을 알 수 있다. 따라서 이 회귀분석 최적모델()을 이용하여 LMS에 의한 AV 추정 식으로 식 (2)와 같이 이용할 수 있으며 그 결과를 Table 3에서 보여준다.
여기서 EAV = estimated absolute viscosity(p), LMS = large molecular size(%)이다.
Table 3에는 또한 각 혼합물의 노화 온도 T(°C)와 시간 t(min)를 식 (1)에 대입하여 계산한 노화량(aging quantity: AQ) 값을 보여준다. 그리고 Table 3의 AV Mean과 AQ 값을 이용하여 회귀분석을 수행한 결과를 Fig. 3에 보여준다. AV와 AQ 간의 상관관계는 매우 밀접하여 R2 > 0.99 이상으로 매우 높게 나타났다. AQ의 증가에 따라 AV가 역시 지수함수 적으로 증가하며 이는 LMS의 경우와 유사하다. 따라서 이 회귀분석 최적모델()을 이용하여 AQ에 의한 AV 추정 식으로 식 (3)과 같이 사용할 수 있으며 그 결과를 Table 3에서 보여준다.
Table 3.
Data of AV, LMS, AQ, EAV by LMS and EAV by AQ
| Sample from |
T (°C) |
t (min) | AV (p) | LMS (%) |
AQ (min°C) | By LMS | By AQ | |||||||
| Mean | CV(%)1) | Mean | CV(%)1) | EAV (p) | Df2) | EAV (p) | Df2) | |||||||
| Lab | 160 | 60 | 4,045 | 6.7 | 20.43 | 5.2 | 510.9 | 4,181 | 0.03 | 3,879 | -0.04 | |||
| 160 | 120 | 6,254 | 9.3 | 21.34 | 5.8 | 893.5 | 5,538 | -0.11 | 6,886 | 0.10 | ||||
| 160 | 240 | 16,013 | 10.8 | 24.36 | 7.8 | 1,435.1 | 14,072 | -0.12 | 15,517 | -0.03 | ||||
| 180 | 60 | 5,677 | 10.9 | 22.00 | 4.3 | 835.3 | 6,790 | 0.20 | 6,310 | 0.11 | ||||
| 180 | 120 | 18,802 | 5.9 | 25.85 | 5.6 | 1,566.6 | 22,294 | 0.14 | 18,900 | 0.01 | ||||
| 180 | 240 | 97,243 | 6.3 | 30.46 | 5.9 | 2,669.9 | 92,564 | -0.05 | 98,900 | 0.02 | ||||
| Field | 180 | 57 | 6,452 | 10.3 | 21.57 | 6.5 | 793.5 | 5,946 | -0.08 | 5,927 | -0.08 | |||
| 180 | 89.4 | - | - | 24.02 | 9.4 | 1,215.9 | - | - | - | - | ||||
| 179 | 111 | 16,404 | 9.0 | 24.88 | 5.6 | 1,427.4 | 16,524 | 0.01 | 15,338 | -0.06 | ||||
| = 21,361 | = 20,989 | = 0.06 | = 21,457 | = 0.02 | ||||||||||
Table 3에서 LMS에 의한 각 줄의 EAV와 MAV(Mean AV)의 차이(Df)를 보면 LMS에 의한 것은 전체 차이의 합()이 0.06으로 실측치보다 6% 크고, AQ에 의한 것은 = 0.02로 실측치보다 2%커 AQ방법이 좀 더 정교함을 보여준다. 이는 Fig. 3의 R2 = 0.9952가 Fig. 2의 R2 = 0.9859보다 다소 높았던 점에서 예상되었던 것이다. 하지만 그 차이는 미미하며 두 추정치를 비교하기 위한 회귀분석 결과 Fig. 4에서 보듯이 =0.9952로 거의 일치함을 알 수 있다.
또한 각각의 추정치인 EAV가 실측치인 MAV와도 잘 일치하는지를 통계적으로 확인하기 위하여 각각의 두 데이터 세트 간에 t-test를 이용한 유의차 검증(significance test)을 수행하였다(Park, 2007). 검증을 위한 샘플세트는 모두 3가지로 ①: MAV, ②: EAV by LMS, ③: EAV by AQ이다. 따라서 검증 모델은 ① vs. ②, ① vs. ③, ② vs. ③ 세 가지이다.
검정통계량 값 을 계산하고 이 값이 와 비교하여 판정한다. 이들 데이터는 모두 같은 모집단으로부터 추출된 것으로 가정하므로 t-test 검증의 귀무가설(null hypothesis:)은 두 평균(𝜇)은 모두 같음(, )이고, 대립가설(alternative hypothesis:)은 두 평균은 모두 같지 않음(, )이다. 따라서 양쪽 t검정(two-tail t-test)을 적용하고 유의차 수준 (𝛼) 0.05를 적용하여 Excel로 t-test를 수행하였다. 양쪽 검정의 경우 이면 를 기각하고 를 채택한다.
T-test 결과를 Table 4에서 보듯이 3가지 모델 모두 가 0.05보다 크므로 𝛼=0.05수준에서 통계적으로 유의차 없는 것으로(not significant) 나타났다. 이는 실측한 AV나, GPC에 의한 LMS로부터 추정한 EAV나 또는 AQ로부터 추정한 EAV나 모두 통계적으로 유의미한 차이가 없음을 나타내는 결과이다. 이는 비록 한정된 데이터에 근거한 결과이지만 AV시험 치와 유의차가 없어 대체 가능성이 있음을 보여주는 의미 있은 결과이다. 향후 보다 많은 데이터를 이용하여 신뢰도가 보완된다면 밀입도 단기노화 혼합물의 AV를 추정하는 획기적이고 편리한 방법이 될 것으로 판단된다.
4. 결 론
본 연구에서 PG64-22 바인더로 제조된 밀입도 아스팔트 혼합물의 단기노화 후 바인더의 절대점도(absolute viscosity: AV)를 추정하기 위하여 개발된 2가지 기법을 비교 평가하였다. GPC 실험에서 얻어진 LMS(large molecular size)에 의한 추정절대점도(estimated absolute viscosity: EAV)는 약 2시간이 걸린다. 반면에 노화 온도와 시간의 함수식으로 개발된 노화량(aging quantity: AQ)을 구하고 AQ에 의한 EAV는 계산에 의한 것이므로 시간이 더 적게 걸린다. 본 연구에서는 이 두 가지 방법에 의한 AV 추정치(EAV)와 실측치 간에 차이를 통계적으로 비교 분석하여 다음과 같은 결론을 얻었다.
1) 실측된 AV 평균(Mean AV: MAV)와 LMS 데이터를 이용한 회귀분석 결과 두 변수 간에는 R2 > 0.98 이상으로 매우 우수한 관계를 보였으며, 이때 결정된 최적 회귀모델 식을 이용하여 LMS로부터 AV를 추정할 수 있었다.
2) PG64-22 바인더를 사용한 각 혼합물의 노화온도 T(°C)와 시간 t(min)의 함수로 개발된 AQ공식을 이용하여 노화를 양적으로 계산하고, MAV와 AQ 데이터를 이용한 회귀분석 결과 AV와 AQ 간에는 R2 > 0.99 이상으로 매우 밀접한 관계가 나타났으며, 이때의 최적 회귀모델 식을 이용하여 AQ로부터 EAV를 추정할 수가 있었다.
3) AV와 LMS간의 최적모델 식을 이용하여 추정한 EAV 데이터 세트와 AV와 AQ간의 최적모델 식을 이용하여 추정한 EAV 데이터 세트로 회귀분석을 수행한 결과 =0.9952로 매우 높아 두 추정 EAV 데이터가 거의 일치함을 알 수 있다.
4) 각각의 추정치인 두 EAV 세트가 실측치인 MAV와도 일치하는지를 통계적으로 확인하기 위하여 각각의 두 데이터 세트 간에 t-test를 이용한 유의차 검증을 수행한 결과 𝛼=0.05수준에서 통계적으로 모두 유의차 없는 것으로 나타났다. 이는 실측한 AV, LMS로 추정한 EAV 또는 AQ로 추정한 EAV가 모두 통계적으로 유의차가 없음을 보여준 것이다.
5) 이는 비록 한정된 샘플 데이터에 근거한 것이지만 AV시험 대체 가능성을 확인하기 위한 의미 있은 결과이다. 그리고 향후 보다 많은 데이터를 이용한 지속적 연구로 보다 높은 신뢰도를 확보한다면 PG64-22 바인더 밀입도 단기노화 혼합물의 AV 추정 가능성을 한층 높일 것으로 판단된다.
