• 한국섬유공학회:학술대회논문집
• /
• 한국섬유공학회 2003년도 봄 학술발표회 논문집
• /
• pp.315-316
• /
• 2003

차량의 통행이 빈번한 기존 아스팔트 도로는 연속적인 차량의 하중에 의한 스트레스로 하중을 받을 때마다 아스팔트도로 층의 강도와 안정성이 떨어지면서 균열이 발생하고 이 균열이 아스팔트 도로 상층부까지 전달되는 반사균열이 발생한고, 열팽창과 수축의 반복에 기인하는 상부의 아스팔트 층의 피로에 의한 균열이 발생한다. 따라서 아스팔트 도로의 반사균열을 억제하고, 아스팔트의 소성변형에 의한 rutting현상을 억제하여 아스팔트의 도로보수 주기를 연장하여 도로상에서의 잦은 보수에 의한 자동차의 정체현상을 줄이고 도로유지에 소요되는 비용을 절감하기 위해서 아스팔트 도로를 설치할 때 아스팔트를 보강시켜주는 geogrid의 사용이 보편화 되고 있다. (중략)

• 한국전자거래학회지
• /
• 제26권1호
• /
• pp.93-106
• /
• 2021

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다.

• 한국도로학회지:도로
• /
• 제16권3호
• /
• pp.54-63
• /
• 2014

최근 터널에서 균열, 누수 등과 같은 현상이 많이 발생하고 있어 터널의 안정성 및 균열보수, 미관, 고객의 공용 중 심리적 불안감을 조성한다는 것을 쉽게 찾을 수 있다. 고속국도 제30호선 상주~안동간은 16개소/12km의 터널이 설계되어 있어 터널의 비중이 크다. 그러므로 본 연구에서는 터널 라이닝 균열발생 원인분석 및 기존사례 조사를 통하여 균열발생 최소화 방안을 검토 및 터널 라이닝의 유해한 균열방지를 위하여 공사관계자(발주처, 감리사, 시공사, 하도급사 등) 의견수렴을 통한 여러 가지 대책공법을 제안하였으며 제안공법의 효율성을 판단하기 위해 고속국도 제30호선 상주~안동간 제 8공구의 단촌 2터널, 단촌 3터널에 시험시공을 실시하여 각 공법별 균열율 및 시공성, 경제성을 고려하여 결과를 분석하고 최적의 공법을 파악, 전파하는데 그 목적이 있다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제23권6호
• /
• pp.38-44
• /
• 2019

본 연구에서는 아스팔트 콘크리트 도로포장의 표면균열 검출을 위해 합성곱 신경망을 이용하였다. 합성곱 신경망의 학습에 사용되는 표면균열 이미지 데이터의 양에 따른 합성곱 신경망의 성능향상 정도를 평가하였다. 사용된 합성곱 신경망의 구조는 5개의 층으로 구성되어있으며, 3×3 크기의 convolution filter와 2×2 크기의 pooling kernel을 사용하였다. 합성곱 신경망의 학습을 위해서 도로노면 조사 장비를 통해 구축된 국내 도로포장 표면균열 이미지를 활용하였다. 표면균열 이미지 데이터를 학습한 합성곱 신경망 모델의 표면균열 검출 정확도, 정밀도, 재현율, 미검출율, 과검출율을 평가하였다. 가장 많은 양의 데이터를 학습한 합성곱 신경망 모델의 표면균열 검출 정확도, 정밀도, 재현율은 96.6% 이상, 미검출율, 과검출율은 3.4% 이하의 성능을 나타내었다.

• 한국측량학회지
• /
• 제35권6호
• /
• pp.599-608
• /
• 2017

아스팔트 도로표면의 균열은 자동차 속도, 연료 소비량, 도로주행 시 승차감, 도로표면의 내구성 등에 영향을 미친다. 이러한 도로의 균열은 장시간 방치 시 상당히 위험한 결과를 초래할 수 있다. 사람이 직접 균열을 찾아 내어 적절한 조치를 취하기에는 너무 많은 시간과 비용이 소모된다. 또한 고가의 레이저 장비 차량들을 활용하기에는 초기 비용과 장비 운용에 어려움을 가진다. 이에 본 연구에서는 UAV 영상을 이용해 컴퓨터 비전 기반의 관심영역(ROI: Region of Interest) 설정과 에지 검출 알고리즘을 적용하여 도로표면의 균열탐지 방안을 제시하였다. 본 연구 결과는 무인항공기를 활용한 효율적인 도로표면 결함탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물빌딩의 외벽, 대규모 저장 탱크 등 다양한 건축, 토목 구조물에 발생된 균열 탐지에 활용이 가능하며 비용저감 효과를 기대할 수 있을 것이다.

• 한국ITS학회 논문지
• /
• 제18권6호
• /
• pp.155-163
• /
• 2019

본 연구에서는 대전광역시 주요 간선도로인 유성대로를 대상으로 드론을 통해 취득한 노면 영상데이터를 기반으로 물체탐지알고리즘(Object Detection algorithm) 가운데 Tiny-YOLO-V2와 Faster-RCNN을 활용하여 아스팔트 도로노면의 균열을 인식, 균열유형을 구분하고 실험 결과차이를 비교하였다. 분석결과, Faster-RCNN의 mAP는 71%이고 Tiny-YOLO-V2의 mAP는 33%로 측정되었으며, 이는 1stage Detection인 YOLO계열 알고리즘보다 2Stage Detection인 Faster-RCNN 계열의 알고리즘이 도로노면의 균열을 확인하고 분리하는데 더 좋은 성능을 보인다는 것을 확인하였다. 향후, 드론과 인공지능형 균열검지시스템을 이용한 도로자산관리체계(Infrastructure Asset Management) 구축방안 마련을 통해 효율적이고 경제적인 도로 유지관리 의사결정 지원 시스템 구축 및 운영 환경을 조성할 수 있을 것이라 판단된다.

• 한국지반공학회논문집
• /
• 제17권4호
• /
• pp.191-198
• /
• 2001

국내 도로포장의 주요 파손형태는 주변환경 및 반복 교통하중 조건에 의한 소성변형(rutting), 피로균열, 반사균열, 온도균열 등이 있는데, 포장이 설계수명에 도달하기 이전에 주로 발생하며 이로 인한 도로포장의 유지관리에 막대한 국가예산이 낭비되고 있는 실정이다. 본 연구에서는 토목섬유 아스팔트 포장 시스템을 체계적으로 정립하기 위해 휠트래킹 시험과 균열저항성 시험을 수행하여 토목섬유 아스팔트 포장의 소성변형 및 균열 저항성을 분석하였다. 이러한 실험결과를 통해 아스팔트 포장에서의 토목섬유 보강 효과가 평가되었다.

• 대한공간정보학회지
• /
• 제10권4호
• /
• pp.77-84
• /
• 2002

최근 자동차보유대수 천만대를 상향하는 교동수요의 증가와 중량화로 인해 균열로 대표되는 도로포장의 파손이 심화되고 있으며 도로노면의 유지보수비용이 증가함에 라라 효율적인 도로포장의 관리에 대한 관심의 목소리가 점차 높아지고 있는 실정이다. 이에 본 연구에서는 수치 사진측량기법과 수치영상처리기법을 적용하여 도로노면에 발생하는 균열에 대한 정밀측정을 실시하여 균열정보획득을 위한 본 연구의 적용가능성을 검토하고 이를 기반으로 객관적이며 효율적인 도로노면측정을 꾀하고자 하였다. 균열폭의 산정결과 비교적 높은 정확도의 성과를 획득 할 수 있었으므로 포장도로의 노후화 평가 및 보수 보강공사를 위한 계획입안자료로서 활용 가능하리라 사료된다.

• 한국지반환경공학회 논문집
• /
• 제22권10호
• /
• pp.13-19
• /
• 2021

아스팔트 포장의 균열은 날씨의 변화나 차량에 의한 충격으로 발생하며, 균열을 방치할 경우 포장 수명이 단축되고 각종 사고를 불러 일으킬 수 있다. 따라서 아스팔트 도로 포장의 균열을 빠르게 감지하여 보수조치를 취하기 위하여 이미지를 통해 균열을 자동으로 탐지하기 위한 연구들이 지속되어 왔다. 특히 최근들어 Convolutional Neural Network를 사용하여 아스팔트 도로 포장의 균열을 탐지하려는 모델들이 많이 연구되고 있으나, 고성능의 컴퓨팅 파워를 요구하기 때문에 실제 활용에는 한계가 있다. 이에 본 논문에서는 모바일 기기에 적용 가능한 스몰 딥러닝 모델을 적용하여 아스팔트 도로 포장의 균열을 탐지하는 모델의 개발을 위한 프레임워크를 제안한다. 사례연구를 통해 제안한 스몰 딥러닝 모델은 일반적인 딥러닝 모델들과 비교 연구되었으며, 상대적으로 적은 파라미터를 가지는 모델임에도 일반적인 딥러닝 모델들과 유사한 성능을 보였다. 개발된 모델은 모바일 기기나 IoT에 임베디드 되어 사용될 수 있을 것으로 기대된다.

• 도로교통
• /
• 통권81호
• /
• pp.68-82
• /
• 2000