인공지능을 활용한 도로 노면의 종류 및 상태 분류 기법 연구
Research on the Classification of Road Surface Types and Conditions Using Artificial Intelligence
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
다양한 도로 환경에서 노면의 종류와 상태를 정확히 파악하는 것은 안전한 교통 운용과 도로 유지관리 측면에서 매우 중요하다. 그러나 일반적으로사용되는 카메라, 레이더, 라이다와 같은 전자기파 기반 센서들은 빙판, 눈, 슬러시 등 노면 특성이 급변하는 상황에서 인식 오류가 발생하거나탐지 범위에 한계를 보이는 문제가 있다. 이를 해결하기 위해 비접촉식 초음파 센서를 활용한 도로 상태 감지 기법이 대안으로 부상하고 있다. 본 연구에서는 초음파 연속 송신(continuous wave) 방식으로 획득한 음파 반사 신호를 전처리하고, LightGBM 기반 머신러닝 모델을 통해 노면재질(아스팔트, 시멘트, 흙)과 표면 상태(건조, 습윤, 젖음, 눈, 얼음, 슬러시)를 실시간 분류하는 기법을 제안한다. 제안된 방법은 기존의 단발성초음파 송신(Impulse) 방식이나 인공신경망(예: PatternNet) 기반 접근보다 가볍고 신속하며, 다양한 노면/기상 조건에서 높은 정확도를 달성한다. 정지 상태로 구현된 18가지 도로 시나리오(3종 재질 × 6종 상태)에서 제안 기법을 실험한 결과, 극한 환경에서도 최대 99% 이상의 분류 정확도를얻었다. 이를 통해 AI 기반 도로 노면 인식 기술이 도로 인프라에 대한 이해도 향상과 유지보수 및 안전성 평가에 활용될 수 있는 가능성을 확인하였다.
Abstract
Accurately identifying the type and condition of road surfaces in various road environments is crucial for safe traffic operations androad maintenance. However, electromagnetic wave-based sensors commonly used, such as cameras, radar, and lidar, have problems withrecognition errors or detection range limitations in situations where road surface characteristics rapidly change, such as ice, snow, andslush. As an alternative solution, non-contact ultrasonic sensor-based road condition detection techniques are emerging. This studyproposes a method that preprocesses acoustic reflection signals acquired through continuous ultrasonic transmission (continuous wave)and uses a LightGBM-based machine learning model to classify road material (asphalt, cement, and soil) and surface conditions (dry,damp, wet, snow, ice, and slush) in real-time. The proposed method is lighter and faster than conventional impulse ultrasonic transmissionor artificial neural network (e.g., PatternNet) based approaches, and achieves high accuracy across various road/weather conditions. Experimental results on 18 road scenarios (3 types of materials and 6 types of conditions) implemented in stationary conditions showedclassification accuracy of over 99% even in extreme environments. This confirms the potential for AI-based road surface recognitiontechnology to be utilized in improving understanding of road infrastructure, maintenance, and safety assessment.