Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Priority Area Prediction Service for Local Road Packaging Maintenance Using Spatial Big Data

공간 빅데이터를 활용한 지방도 포장보수 우선지역 예측 서비스

  • Minyoung Lee (Intelligent Information Business Department, Sundosoft) ;
  • Jiwoo Choi (Intelligent Information Business Department, Sundosoft) ;
  • Inyoung Kim (Intelligent Information Business Department, Sundosoft) ;
  • Sujin Son (Intelligent Information Business Department, Sundosoft) ;
  • Inho Choi (Intelligent Information Business Department, Sundosoft)
  • Received : 2023.05.11
  • Accepted : 2023.08.11
  • Published : 2023.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

The current status of local road pavement management in Jeollabuk-do only relies on the accomplishments of the site construction company's pavement repair and is only managed through Microsoft Excel and word documents. Furthermore, the budget is irregular each year. Accordingly, a systematic maintenance plan for local roads is necessary. In this paper, data related to road damage and road environment were collected and processed to derive possible areas which could suffer from road damage. The effectiveness of the methodology was reviewed through the on-site inspection of the area. According to the Ministry of Land, Infrastructure and Transport, in 2018, the number of damages on general national roads were about 47,000. In 2019, it reached around 38,000. Furthermore, the number of lawsuits regarding the road damages were about 93 in 2018 and it increased to 119 in 2019. In the case of national roads, the number of damages decreased compared to 2018 due to pavement repairs. To measure the priorities in maintenance of local roads at Jeollabuk-do, data on maintenance history, local port hole occurrence site, overlapping business section, and emergency maintenance section were transformed into data. Eventually, it led to improvements in maintenance of local roads. Furthermore, spatial data were constructed using various current status data related to roads, and finally the data was processed into a new form that could be utilized in machine learning and predictions. Using the spatial data, areas requiring maintenance on pavement were predicted and the results were used to establish new budgets and policies on road management.

전라북도의 지방도 포장보수 이력 관리 현황은 현장 건설사의 포장보수 후 성과품에만 의존하여 엑셀, 한글 문서로만 관리되고 있는 실정이며, 덧씌우기 예산 등은 매년 불규칙적인 투입으로 안정적인 도로 관리 불가한 현황이다. 그에 따라 지방도의 체계적인 유지관리 방안 필요하다. 해당 논문에서는 도로 파손과 관련이 있는 데이터 및 도로 환경과 관련이 있는 데이터를 수집 및 가공하여, 도로 파손이 발생할 수 있는 위험지역을 도출하였다. 해당 예측 결과 지역을 현장검수하여 해당 방법론의 유효성을 파악하였다. 국토부에 따르면 일반국도의 도로 파임 발생 건수는 18년도에 약 4만7천건, 19년도에 약 3만8천 건이며 도로 파임 피해 소송건수는 18년도에 93건, 19년도에 119건으로 증가했다. 일반국도의 경우 도로 파임 발생 건수가 18년도에 비해 줄었으나 이는 도로 포장 보수 등을 진행하면서 발생 건수가 줄어든 것이라고 한다. 전라북도의 지방도의 포장보수 우선순위를 분석하기 위해 연구를 진행하기 위해, 엑셀, 한글 문서로만 관리되는 지방도 포트홀 상습발생지, 덧씌우기 사업구간, 긴급 보수구간위치와 같은 보수 이력데이터를 데이터화 하여, 분석하고, 보수 이력 데이터에서 벗어나 지방도의 체계적인 유지관리를 개선한다. 더 나아가, 도로와 관련된 다양한 현황데이터를 활용하여 공간 융합 데이터를 구축하고, 머신러닝 학습 데이터 및 예측에 필요한 데이터 형태로 가공하였다. 해당 공간 빅데이터를 사용하여 지방도 유지관리가 필요한 우선지역을 예측하고 도로포장 유지관리 우선순위 예측하였으며, 해당 결과를 활용하여 도로관리 예산 및 정책 수립에 활용하려 한다.

Keywords

References

  1. 행정안전부.한국정보화진흥원(2018) 공공 빅데이터 표준분석모델 매뉴얼, 행정안전부.한국정보화진흥원
  2. 전라북도(2021), 2021년 전라북도 빅데이터 분석사업
  3. Chen, T., and Guestrin, C. (2016). "XGBoost: A Scalable Tree Boosting System." KDD'16, pp. 785-794.
  4. Lee, S.Y., Kim, D.W., and Mun, S.H. (2017). Development of estimated models of the number of potholes with the statistical optimization method. KSCE Journal of Civil Engineering, Vol. 21, No. 7, pp. 2683-2694. https://doi.org/10.1007/s12205-017-1087-7
  5. Kim, D., Jeon, J., and Kim, D. (2019). "Predictive Modeling of Pavement Damage Using Machine Learning and Big Data Processing" J. Korean Soc. Hazard Mitig. Vol. 19, No. 1 (Feb. 2019), pp.95~107 https://doi.org/10.9798/KOSHAM.2019.19.1.95
  6. Yang, J., Gunaratne, M., Lu, J.J., and Dietrich, B. (2005). "Use of recurrent Markov chains for modeling the crack performance of flexible pavements." Journal of Transportation Engineering, 131(11), pp. 861-872. https://doi.org/10.1061/(ASCE)0733-947X(2005)131:11(861)
  7. You, P., and Lee, D. (2002). "Methodology of a Probabilistic Pavement Performance Prediction Model Based on the Markov Process." International Journal of Highway Engineering, 4(4), pp. 1-12.
  8. Suh, Y., Mun, S., and Yeo, I. (2010). "Fatigue life prediction of asphalt concrete pavement using a harmony search algorithm." KSCE Jounal of Civil Engineering, Vol. 14, No. 5, pp. 725-730 https://doi.org/10.1007/s12205-010-0906-x
  9. Lim, C., Lee, H., Choi, Don., (2021) "A Study on the Inter-Model Comparison of the Predictive Power forIdle Area of Farmland" Journal of the Korea Academia-Industrial cooperation Society, Vol. 22, No. 8 pp. 226-23