딥러닝 기반의 도로자산 모니터링 시스템을 활용한 아스팔트 도로포장 균열률 파손모델 개발
Development of Deterioration Model for Cracks in Asphalt Pavement Using Deep Learning-Based Road Asset Monitoring System
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구에서는 세종시의 도로포장 구간을 대상으로 도로포장의 균열률 파손모델을 개발하였다. 파손모델개발에 필요한 모니터링 데이터는 딥러닝 기반의 도로자산 모니터링 시스템을활용하여 취득하였다. 모니터링 조사는 동일 구간을 대상으로 2021년도와 2022년도에 수행하였다. 도로포장 파손모델은 연평균 파손량을 추정하기 위한 방법론과 계층적 베이지안 마르코프 혼합 해저드 (Bayesian Markov Mixture Hazard) 모델을 활용한 방법론으로 구분하여 분석을수행하였다. 분석결과, 기존 전문조사장비에서 취득된 데이터를 기반으로 개발된 균열률 파손모델과 유사한 분석 값을 도출할 수 있었다. 본 연구의 결과는 향후 지자체의 도로관리계획수립을 위한 기초자료로 활용될 것으로 기대된다.
Abstract
In this study, a road pavement crack deterioration model was developed for a pavement road sections of the Sejong-city. Data required for model development were acquired using a deep learning-based road asset monitoring system. Road pavement monitoring was conducted on the same sections in 2021 and 2022. The developed model was analyzed by dividing it into a method for estimating the annual average amount of deterioration and a method based on Bayesian Markov Mixture Hazard model. As a result of the analysis, it was found that an analysis results similar to the crack deterioration model developed based on the data acquired from the Automatic pavement investigation equipmen was derived. The results of this study are expected to be used as basic data by local governments to establish road management plans.
참고문헌 (17)
- Andri, R., "Pavement Distress Detection with Deep Learning Using the Orthoframes Acquired by a Mobile Mapping System", Applied Sciences, 9(22), pp.4829~4850 (2019)
- 최승현, "베이지안 마르코프 혼합 해저드 모델을 활용한 도로포장의 기대수명추정", 한국도로학회논문집, 21(6), pp.57~67 (2019), 한국도로학회
- 최승현, "딥러닝을 이용한 영상기반 아스팔트도로 균열상태 판정", 한국도로학회논문집, 20(5), pp.75~83 (2018), 한국도로학회
- 최승현, "도로 자산관리를 위한 상태 모니터링 및 경제성 분석 : 세종시를 중심으로", 한국ITS학회 논문지, 20(4), pp.71~82 (2021), 한국ITS학회[DOI]
- 도명식, "국도 포장관리를 위한 의사결정시스템 개발", 대한토목학회논문집(국문), 34(2), pp.645~654 (2014), 대한토목학회[DOI]
- Fengdi, G., "Incroporating Cost Uncertainty and Path Dependence into Treatment Selection for Pavement Networks", Transportation Research Part C: Emerging Technologies, 110, pp.40~55 (2020)
- Geweke, J., "Bayesian Statistics 4", pp.169~193 (1992), Clarendon Press
- Daeseok Han, "Application of Bayesian Estimation Method with Markov Hazard Model to Improve Deterioration Forecasts for Infrastructure Asset Management", KSCE Journal of Civil Engineering, 18(7), pp.2107~2119 (2014), 대한토목학회[DOI]
- 한대석, "Performance Evaluation of Advanced Pavement Materials by Bayesian Markov Mixture Hazard Model", KSCE Journal of Civil Engineering, 20(2), pp.729~737 (2016), 대한토목학회[DOI]
- 현세권, "드론과 Mobile Mapping System을 활용한 인공지능 기반 도로 균열 검출", 대한교통학회지, 39(4), pp.555~564 (2021), 대한교통학회
- Kobayashi, K., "A bayesian estimation method to improve deterioration prediction for infrastructure system with Markov chain model", International Journal of Architecture, Engineering and Construction, 1(1), pp.1~13 (2012)
- 2017 National Highway Pavement Management System Final Report, "Ministry of Land, Infrastructure, and Transport", 1~292 (2016)
- Radhika, R., "Pavement Distress and Debris Detection using a Mobile System with 2D Profiler LiDAR", The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2675(9), pp.428~438 (2021)
- Shi, Y., "Joint Optimization of Budget Allocation and Maintenance Planning of Multi-Facility Transportation Infrastructure Systems", European Journal of Operational Research, 288(2), pp.382~393 (2021)
- 송현엽, "아스팔트 도로포장의 균열률에 대한 지역별 기대수명 추정", 대한토목학회논문집(국문), 41(4), pp.417~428 (2021), 대한토목학회[DOI]
- Terzi, S., "Modeling the pavement serviceability ratio of flexible highway pavements by artificial neural networks", Construction and Building Materials, 21(3), pp.590~593 (2007)
- Tsuda, Y., "Estimating Markovian transition probabilities for bridge deterioration forecasting", Korean Society of Civil Engineers Journal of Structural Engineering and Earthquake Engineering, 23(2), pp.241~256 (2006)