[표지] 1
제출문 3
보고서 요약서 5
요약문 7
SUMMARY 9
Contents 12
목차 13
제1장 연구개발과제의 개요 21
제1절 연구개발 배경 및 필요성 21
1. 연구개발 배경 21
2. 연구개발 필요성 24
제2절 연구개발 목표 및 내용 25
1. 연구개발의 최종목표 25
제2장 국내외 기술개발 현황 29
제1절 다중 센싱 시스템을 이용한 상태감지 기술 개요 29
제2절 적외선 기반 상태감지 연구개발 현황 34
가. 국내 34
나. 해외 39
제3절 레이저/비전 기반 상태감지 연구개발 현황 43
가. 국내 43
나. 해외 43
제4절 라이다 기반 상태감지 연구개발 현황 47
가. 국내 47
나. 해외 51
제5절 딥러닝 기반 상태감지 연구개발 현황 54
가. 국내 55
나. 해외 56
제3장 연구개발 수행 내용 및 결과 61
제1절 전용노선 인프라 모니터링 모듈 현장 적용 기술 개발 61
1. 검측 데이터 분석 전용 소프트웨어 제작 61
2. NoSQL 기반의 데이터베이스 제작 74
3. 검측 위치 정보의 정밀도 향상을 위한 위치 보정 알고리즘 개발 88
제2절 자율주행 대중교통 시스템 연계 모듈 개발 및 빅데이터 시스템 구축 99
1. 노면 결함 탐지 및 분류를 위한 기초 데이터 분석 99
2. AI 기반의 분석 알고리즘 개발 107
3. 데이터 분석 장치 제작 123
4. 딥러닝을 활용한 노면 결함 탐지 및 분류 기술 개발 128
5. 동절기 주행시험 결과 136
제4장 목표 달성도 및 관련분야에의 기여도 145
제1절 목표 달성도 145
제2절 관련분야 기여도 146
가. 정량적 기대효과 146
나. 정성적 기대효과 146
제5장 연구개발 결과의 활용 계획 149
제1절 연구성과 활용계획 149
가. 성과활용 계획 149
나. 성과확산 계획 149
참고문헌 150
판권기 153
표 2-1-1. 도로 안전성 평가를 위한 필요 기하구조 요소 29
표 2-1-2. 도로 안전성 분석을 위한 기하구조 정보 29
표 2-1-3. 도로 손상 진단을 위한 시스템 및 한계점 31
표 2-2-1. 적외선 기술의 응용 예 34
표 2-3-1. Laser Road Surface Tester의 주요 구성 및 사양 45
표 2-4-1. MOPA 광섬유 레이저 제품 정보 49
표 2-4-2. 주요 국가별 자율주행 프로젝트 현황 51
표 2-4-3. 해외 주요 2D / 3D 라이다 개발 업체 52
표 2-4-4. 해외 광섬유 레이저 개발 업체 53
표 3-1-1. 저장 데이터 포맷 74
표 3-1-2. ACID와 BASE 속성 비교 77
표 3-1-3. 정족수 구성과 일관성의 형태 78
표 3-1-4. DB 저장 구조 레벨에 따른 용어 81
표 3-1-5. 16진수 코드를 이용하여 설정된 공간 index의 키 이름 및 공간적 범위 87
표 3-2-1. 데이터 유형과 특징 103
표 3-2-2. NoSQL 데이터베이스의 유형 123
표 3-2-3. MongoDB와 관계형 데이터베이스의 용어 124
표 3-2-4. 아이템 기반 협업 필터링 알고리즘 126
표 3-2-5. 사용자 기반 협업 필터링 알고리즘 126
표 3-2-6. 도로면 파손 유형 128
표 3-2-7. 연구진이 수집한 국내 도로면 파손 상태 이미지 129
표 3-2-8. 종합 결과 (정확도) 135
그림 1-1-1. 서울시 도로포장 취약구간 및 서울시 차로별 포트홀 발생 현황 21
그림 1-1-2. 도로검측 차량 구성도 23
그림 1-1-3. 검측 데이터 수집 장치 23
그림 2-1-1. 도로 손상 진단을 위한 검측 장치 30
그림 2-1-2. IMS Online 사의 Laser Road Surface Tester 스캔 차량 31
그림 2-1-3. Laser Camera Array 32
그림 2-1-4. 데이터 수집 장치 운영 PC 32
그림 2-1-5. Distance Measuring 32
그림 2-1-6. GPS Coordinate Data Collection 32
그림 2-1-7. Forward, Side and/or Rear View Images 33
그림 2-2-1. 들뜸, 균열 조사의 흐름도 35
그림 2-2-2. 적외선 화상의 시간적 변화 35
그림 2-2-3. 적외선 열화상의 댐 적용 사례 36
그림 2-2-4. 적외선 열화상의 교량 적용 사례 36
그림 2-2-5. 적외선 열화상의 터널 내부의 누수조사의 예 37
그림 2-2-6. 적외선 열화상의 두수공 피하의 박리위험 지점의 진단 37
그림 2-2-7. 적외선 카메라에 감지된 차량 이미지 38
그림 2-2-8. GS Infrastructure 사의 도로 노면 스캐너 (미국) 39
그림 2-2-9. PENETRADAR 사의 도로 노면 스캐너 (미국) 40
그림 2-2-10. Heat Cycle of a Deck After Sunset (left) and After Sunrise (right) 41
그림 2-2-11. Actibe Heat 41
그림 2-2-12. FLIR 사의 도로 노면 스캐너 (미국) 42
그림 2-3-1. LEHMANN + PARTNER GmbH 사의 스캔 차량 43
그림 2-3-2. Michael Baker International 사의 스캔 차량 44
그림 2-4-1. 파장 및 펄스폭에 대한 레이저의 시각 안전 최대허용치 48
그림 2-4-2. MOPA 광섬유 레이저 시제품 및 내부 사진 49
그림 2-4-3. 파장에 따른 시정거리에서의 총 감쇠율 49
그림 2-4-4. 일체형 3D 라이다 / 분리형 3D 라이다 50
그림 2-4-5. 2015~2016년 세계 라이다 시장 전망 51
그림 2-4-6. 해외 광섬유 레이저 제품 53
그림 2-4-7. 벨로다인의 64채널 3D 라이다 / 구글 자율주행 3D 실시간 영상 53
그림 2-5-1. 신경 세포 54
그림 2-5-2. 도로면 상태 탐지 및 분류 자동 시스템의 프레임워크 55
그림 2-5-3. 딥러닝의 발전사 56
그림 3-1-1. 검측 데이터 분석 전용 소프트웨어 61
그림 3-1-2. 비전 영상인식 소프트웨어의 전체 GUI 62
그림 3-1-3. 데이터 파일 및 변환 데이터 62
그림 3-1-4. Data Protocol Analyzer 운영 63
그림 3-1-5. Data Protocol Analyzer 운영 63
그림 3-1-6. 고주파 및 저주파 진동 64
그림 3-1-7. 수직 및 수평 움직임의 경우 65
그림 3-1-8. 회전 움직임 65
그림 3-1-9. Color Temperature Calibrator를 위한 GUI 67
그림 3-1-10. LUT 참조파일 67
그림 3-1-11. Color Temperature Compensator를 위한 GUI 68
그림 3-1-12. User Contrast Color의 적용 예 69
그림 3-1-13. hot spot 및 cold spot 처리를 위한 GUI 70
그림 3-1-14. 파노라마 열화상을 통한 노면 상태 확인의 예 70
그림 3-1-15. 측정 결과물에 대한 탐색창 70
그림 3-1-16. 온도변화에 따른 열화상에서의 MFTF 변화 (보정 전) 71
그림 3-1-17. Defocus Conditions 변화에 따른 MFTF 개선 (보정 후) 72
그림 3-1-18. 열화상 현시를 위한 열화상 데이터 및 현시 73
그림 3-1-19. 온도 프로파일 설정창 73
그림 3-1-20. 온도 프로파일을 Display 한 결과 73
그림 3-1-21. 파일 저장을 위한 GUI 73
그림 3-1-22. RDBMS와 새로운 DB구조의 추상화 레벨 비교 74
그림 3-1-23. NoSQL 검색 빈도-Google Trends 75
그림 3-1-24. NoSQL 데이터베이스 시장 규모 전망 75
그림 3-1-25. NoSQL 데이터베이스 응용 분야 75
그림 3-1-26. Dynamo Style 정족수에 따른 쓰기 액션 78
그림 3-1-27. 분류별 NoSQL 데이터베이스 80
그림 3-1-28. DB 분류별 인기도 80
그림 3-1-29. JSON Format 문서 82
그림 3-1-30. MongoDB에서 자동화된 샤당 과정 83
그림 3-1-31. 격자 분할에 기반한 셀 단위의 문서 저장 과정 85
그림 3-1-32. 공간영역 별 색인 Hexagonal Code 86
그림 3-1-33. GPS 및 관성 센서에 대한 결합 알고리즘 88
그림 3-1-34. 분석 알고리즘 적용을 위한 시스템 설계 90
그림 3-1-35. 진동 센서 및 가속도 센서 측정 및 분석을 위한 GUI 92
그림 3-1-36. FFT 분석을 위한 블록 다이어그램 95
그림 3-1-37. KS B 0710-1에 따른 주파수 가중치 함수 96
그림 3-2-1. 빅 데이터의 3가지 구성요소 100
그림 3-2-2. 저장소 비용 감소 추이 102
그림 3-2-3. 빅 데이터의 유형 104
그림 3-2-4. 다차원 모델 108
그림 3-2-5. slicing과 dicing 109
그림 3-2-6. 롤업 110
그림 3-2-7. 원본 데이터 111
그림 3-2-8. 큐브 질의 111
그림 3-2-9. 데이터 큐브에 대한 시스템 구조 112
그림 3-2-10. MR Cube 계산 과정 112
그림 3-2-11. MRCube 알고리즘에 대한 예시 114
그림 3-2-12. MRSpreadMapper 알고리즘 116
그림 3-2-13. MR Combiner 알고리즘 117
그림 3-2-14. MRSpreadReducer 알고리즘 117
그림 3-2-15. MRSpread의 데이터 흐름 예제 118
그림 3-2-16. MRAssembleMapper 알고리즘 120
그림 3-2-17. MRAssembleReducer 알고리즘 120
그림 3-2-18. MRAssemble의 데이터 흐름 예제 121
그림 3-2-19. MRCubeSTMP 알고리즘 121
그림 3-2-20. 사용자를 기반으로 하는 협업 필터링의 작동 과정 125
그림 3-2-21. 분류 시스템 동작 과정 127
그림 3-2-22. 7개 일본 지역에서 수집한 도로면 상태 유형별 이미지 데이터 129
그림 3-2-23. SSD 프레임워크 130
그림 3-2-24. SSD와 YOLO의 구조 130
그림 3-2-25. Depthwise Separable Convolution 131
그림 3-2-26. 전방 (front) 133
그림 3-2-27. 전방 (front2) 133
그림 3-2-28. 전방 (front3) 133
그림 3-2-29. 전방 (front4) 133
그림 3-2-30. 후방 (5 km/h) 134
그림 3-2-31. 후방 (10 km/h) 134
그림 3-2-32. 후방 (20 km/h) 135
그림 3-2-33. 주행 속도 20km/h 에서의 Vision 영상 촬영 결과 (측정개소 #1) 136
그림 3-2-34. 주행 속도 20km/h 에서의 열화상 촬영 결과 (측정개소 #1) 137
그림 3-2-35. 주행 속도 20km/h 에서의 Vision 영상 촬영 결과 (측정개소 #2) 138
그림 3-2-36. 주행 속도 20km/h 에서의 열화상 촬영 결과 (측정개소 #2) 139
그림 3-2-37. 주행 속도 20km/h 에서의 Vision 영상 촬영 결과 (측정개소 #3) 140
그림 3-2-38. 주행 속도 20km/h 에서의 열화상 촬영 결과 (측정개소 #3) 140
그림 3-2-39. Image #3에 대한 온도 프로파일 141