표제지 1
목차 4
요약문 16
ABSTRACT 17
제1장 서론 18
1.1. 배경 및 목적 18
1.2. 연구내용 19
1.2.1. 전체 연구내용 19
1.2.2. 자체부문 연구내용 19
1.2.3. 용역부문 연구내용 20
제2장 국내·외 관련 기술 및 연구 동향 21
2.1. 포장상태 조사항목과 측정 방법 21
2.1.1. 평탄성 22
2.1.2. 소성변형 24
2.1.3. 표면손상 27
2.2. 첨단 센서 관련 최근 기술 및 연구동향 28
2.2.1. 3D 스캐너 30
2.2.2. 초분광 카메라 33
2.2.3. 열화상 카메라 40
2.2.4. 소결 44
제3장 첨단 포장상태 조사시스템의 현장 적용성 평가 45
3.1. 시스템 구성 45
3.1.1. 조사시스템 45
3.1.2. 분석 프로그램 49
3.2. 기초성능 평가 및 최적 운용방안 도출 51
3.2.1. 시험 개요 51
3.2.2. 외부 환경에 의한 영향 52
3.2.3. 조사 속도에 의한 영향 58
3.3. 최적 운용 방안 63
제4장 고속도로 노면의 첨단 센싱 데이터 특성 64
4.1. 분광 반사도 특성 64
4.1.1. 신설 노면 64
4.1.2. 공용 노면 71
4.1.3. 소결 77
4.2. 노면 온도분포 특성 78
4.2.1. 파손에 따른 온도 분포 특성 79
4.2.2. 노면 수분에 의한 온도변화 특성 83
4.2.3. 아스팔트 포장 체수 의심구간 원인 분석 88
4.2.4. 체수로 인한 콘크리트 동결융해 영향 분석 90
4.3. 표면처리별 노면조직 특성 94
4.3.1. Macro-texture 시험방법 95
4.3.2. 노면조직 현장 시험 96
4.3.3. 노면조직 시험결과의 상관관계 99
4.3.4. 고기능성 표면처리공법의 최적 노면조직 평가기법 101
제5장 첨단 센싱 시스템의 활용방안 확장을 위한 최적 분석기법 개발 105
5.1. 슬래브 휨 현상 분석기법 개발 105
5.1.1. 분석 방법 105
5.1.2. 분석 결과 108
5.2. 골재노출 노면의 시공적정성 신속 평가기법 개발 115
5.2.1. 골재노출도와 파장분석 115
5.2.2. 고속도로 골재노출 노면 현장조사 및 프로파일 분석 결과 117
5.3. 체수 위험지역 산출 알고리즘 개발 120
5.3.1. 기본 알고리즘 120
5.3.2. 알고리즘의 구현 121
5.3.3. 체수 위험구간 탐지를 위한 현장조사 124
제6장 고속도로 국부평탄성 최적 평가기법 개발 130
6.1. 해외 국부평탄성 평가기법 및 적용사례 130
6.1.1. 국부평탄성에 대한 이해 130
6.1.2. 국외 평탄성 평가 기준 131
6.2. 국부평탄성 평가를 위한 최적 프로파일 필터링 기법 134
6.2.1. 국부평탄성 분석을 위한 프로파일 필터링 기법 134
6.2.2. 국부평탄성 정량화를 위한 IRI 분석기법 136
6.3. 고속도로 국부평탄성 현황 138
6.3.1. 국부평탄성 분석기준 138
6.3.2. 고속도로 국부평탄성 현황 140
6.3.3. 국부평탄성 불량원인 143
제7장 노면 건전도 평가시스템 시범 구축 148
7.1. 노면 건전도 평가항목 148
7.1.1. 기존 포장 공용성 평가항목 149
7.1.2. 신규 건전도 평가항목 149
7.1.3. 평가항목의 적정성 검토 151
7.2. 노면 건전도 통합 평가체계 시범 적용 154
7.2.1. 건전도 등급분류 기준 154
7.2.2. 시범조사구간 건전도 평가결과 154
7.3. 건전도 데이터의 인공지능 학습기법 적용 157
7.3.1. 인공지능 분류 모델 157
7.3.2. 데이터셋 구성 161
7.3.3. 분류성능 평가지표 163
7.3.4. 평가 결과 165
제8장 결론 169
참고문헌 172
도서정보(INFORMATION) 175
보고서 집필 내역 177
판권기 178
뒷표지 179
표 2.1. [표없음] 8
표 2.2. 고속도로 포장상태지수 및 등급분류 체계 22
표 2.3. 국내 주요 포장상태 조사장비의 3D 스캐너 탑재 여부 33
표 2.4. 분광 밴드수에 따른 분광 기술 분류 34
표 2.5. 측정 분광대역별 특징 35
표 3.1. [표없음] 8
표 3.2. 첨단 센서 제원 48
표 3.3. 주요 시간대별 조사 결과(A 구간) 54
표 3.4. 주요 시간대별 조사 결과(B 구간) 55
표 3.5. 주요 시간대별 조사 결과(C 구간) 56
표 3.6. 주요 시간대별 조사 결과(D 구간) 57
표 3.7. 조사속도별 결과(A 구간) 59
표 3.8. 조사속도별 결과(B 구간) 60
표 3.9. 조사속도별 결과(C 구간) 61
표 3.10. 조사속도별 결과(D 구간) 62
표 4.1. 콘크리트 포장 분광정보 분석결과 66
표 4.2. 아스팔트 포장 분광정보 분석결과 67
표 4.3. 차선도색부 분광정보 분석결과 69
표 4.4. 신축이음부 분광정보 분석결과 70
표 4.5. ASR파손 의심구간 분광정보 분석결과(I) 72
표 4.6. ASR파손 의심구간 분광정보 분석결과(II) 73
표 4.7. 포장 패임 파손 예상구간 분광정보 분석결과(I) 75
표 4.8. 포장 패임 파손 예상구간 분광정보 분석결과(II) 76
표 4.9. 주요 물질의 열전달 특성(https://material-properties.org) 79
표 4.10. 첨단 센싱 조사결과 및 시험결과 요약(아스팔트 포장) 89
표 4.11. 동결융해 저항성(표면박리) 시험방법 비교 90
표 4.12. 첨단 센싱 조사결과(열화상) 및 시험결과 요약(콘크리트 포장) 92
표 4.13. 첨단 센싱 조사결과(3D 스캐너) 및 시험결과 요약(콘크리트 포장) 93
표 4.14. 노면조직 시험구간 상세 정보 96
표 4.15. 시험도로 MTD 및 MPD 평균 99
표 4.16. 3D 프로파일러와 레이저 스캐너의 분해능 비교 101
표 5.1. 인근 터널의 평탄성 및 슬래브 휨 분석 결과 113
표 5.2. 슬래브 휨 현상이 유발하는 주파수 범위 113
표 6.1. [표없음] 9
표 6.2. Long Interval IRI Guide 131
표 6.3. Short Interval IRI Guide 131
표 6.4. Short Interval IRI Guide 132
표 6.5. 미국의 평탄성(Long Interval IRI) 기준 133
표 6.6. 미국의 국부평탄성(Short Interval IRI) 기준 134
표 6.7. IRI 분석단위연장별 불량구간 산출 결과 137
표 6.8. 노선별 국부평탄성 분석 결과 142
표 7.1. [표없음] 9
표 7.2. HPCI 및 단일 평가항목 등급산정 범위 149
표 7.3. 건전도 평가시스템 데이터베이스 샘플 151
표 7.4. 10m 단위 건전도 평가항목별 등급 분류 154
표 7.5. 인공지능 분류 모델 157
표 7.6. 건전도 클래스별 데이터셋 구성 161
표 7.7. 건전도 데이터베이스 구성항목의 데이터 분류 162
표 7.8. 혼동 행렬 예 163
표 7.9. 인공지능 모델별 분류성능 평가 결과 167
그림 2.1. 평탄성 측정 모식도 23
그림 2.2. 전형적인 관성형 프로파일러의 구성 23
그림 2.3. 관성형 프로파일러 24
그림 2.4. 듀얼레이저 방식 관성형 프로파일러의 경사보정 24
그림 2.5. 소성변형 측정 모식도 25
그림 2.6. 직선자를 활용한 소성변형 측정방법 25
그림 2.7. 소성변형 측정 26
그림 2.8. 소성변형 측정값의 교정 예 26
그림 2.9. 노면영상 촬영 모식도 27
그림 2.10. 노면영상 촬영을 위한 라인 레이저 모습 28
그림 2.11. 첨단 포장상태 조사장비의 주요 구성항목 29
그림 2.12. LCMS-2 30
그림 2.13. 노면영상 촬영모듈과 3D 스캐너 결과물 비교 31
그림 2.14. 3D 스캐너가 장착된 포장상태 조사장비 32
그림 2.15. 일반적인 분광 표현 34
그림 2.16. 초분광영상을 활용한 낙동강 조류실태 파악 36
그림 2.17. 포장재료별 분광밴드 특성 37
그림 2.18. 탄화수소 흡수 분광 밴드 37
그림 2.19. VIS2 ratio와 PCI의 상관관계 37
그림 2.20. VIS2 ratio와 SWIR ratio 38
그림 2.21. Φ의 계산방법 38
그림 2.22. 건전부와 균열부의 분광 강도 특성 39
그림 2.23. 건전부와 균열부의 분광 강도 특성 40
그림 2.24. 전자기파의 파장에 의한 분류 41
그림 2.25. 아스팔트 혼합물 온도 측정에 활용된 열화상 42
그림 2.26. 트럭에서의 열손실과 노면의 온도분포 차이 43
그림 2.27. 온도 편차와 밀도 데이터의 상관관계 43
그림 2.28. 파손(delamination)된 콘크리트 시편의 열화상 43
그림 3.1. 첨단 포장상태 조사시스템 개요 45
그림 3.2. 첨단 포장상태 조사시스템의 1·2차 구성 모습 46
그림 3.3. 초분광 및 열화상 카메라의 촬영 영역 47
그림 3.4. 포장상태 분석프로그램 구동 모습(KRISS Analyzer) 49
그림 3.5. 열화상 데이터 처리 및 병합 방법 50
그림 3.6. 초분광 및 열화상 카메라의 촬영 영역 51
그림 3.7. 1차 주행시험 조사기간 동안의 온도 변화 및 상세 조사 시기 52
그림 4.1. 신설 노선 현장조사 구간 노선도(밀양울산 고속도로 건설공사 제7공구) 64
그림 4.2. 조도계(TES 1336A) 65
그림 4.3. 열화상을 활용한 노면 관리 예 78
그림 4.4. 노면 온도 프로파일링화를 위한 데이터베이스 구축 예 79
그림 4.5. 스폴링 발생 구간의 노면 영상과 열화상(호남선) 80
그림 4.6. ASR 의심 구간의 노면 영상과 열화상(호남선) 80
그림 4.7. 포장 패임 보수 구간의 노면 영상과 열화상(호남선) 81
그림 4.8. 종방향 균열 발생 구간의 노면 영상과 열화상(시험도로) 82
그림 4.9. 종방향 미세균열 발생 구간의 노면 영상과 열화상(시험도로) 82
그림 4.10. 대기 및 노면 온도, 습도계 설치 83
그림 4.11. 시간경과에 따른 온도·습도 변화 83
그림 4.12. 시간경과에 따른 콘크리트 줄눈 파손부 노면 및 열화상 영상 85
그림 4.13. 시간경과에 따른 아스팔트 노면 및 열화상 영상 87
그림 4.14. 아스팔트 포장 체수 의심구간 공극률 시험 88
그림 4.15. 콘크리트 포장 체수의심부 급속 동결융해 시험 91
그림 4.16. 노면 파장영역별 포장면 특성에 미치는 영향 94
그림 4.17. Sand Patch 시험방법 및 원리 95
그림 4.18. MPD(Mean Profile Depth) 96
그림 4.19. 주요 표면처리공법별 현장 노면 사진 97
그림 4.20. 현장 시험 및 조사 개요 98
그림 4.21. 현장조사 모습 98
그림 4.22. MTD와 MPD(laser scanner)의 상관관계 분석 결과 100
그림 4.23. MTD와 MPD(3D 센서)의 상관관계 분석 결과 100
그림 4.24. 노면조직(표면처리종류) 별 MTD와 MPD의 차이 101
그림 4.25. 표면처리 방향과 노면조직 측정방향이 동일한 경우의 문제점 102
그림 4.26. 표면처리 방향에 따른 노면조직 측정방법 102
그림 4.27. 다이아몬드 그라인딩 구간의 측정방법별 MTD와 MPD의 상관관계 103
그림 4.28. NGCS 구간 구간의 측정방법별 MTD와 MPD의 상관관계 103
그림 4.29. 배수성 아스팔트 구간의 측정방법별 MTD와 MPD의 상관관계 104
그림 4.30. MTD와 MPD(레이저 스캐너)의 상관관계 분석 결과(신규 제안) 104
그림 5.1. built-in-curvature에 의한 슬래브 휨 현상 105
그림 5.2. 노면형상 파악을 위한 3D 프로파일 추출 106
그림 5.3. 3D(단일) 프로파일과 3D(평균) 프로파일의 비교 106
그림 5.4. 원본 프로파일과 high-pass 필터를 적용한 프로파일 비교 107
그림 5.5. high-pass 필터 기준 파장별 프로파일 비교 107
그림 5.6. 터널의 동질성 구간 분할 108
그림 5.7. 진입부 전이구간 슬래브 휨 수준 분석결과 109
그림 5.8. 터널 내부 슬래브 휨 수준 분석결과 109
그림 5.9. 진출부 전이구간 슬래브 휨 수준 분석결과 110
그림 5.10. Top-down 균열 발생 모식도 110
그림 5.11. 횡방향 균열 발생 모습 111
그림 5.12. 횡방향 균열 발생 구간의 프로파일 분석결과 111
그림 5.13. 횡방향 균열부의 스폴링 발생 모습 111
그림 5.14. 휨 현상이 발생한 슬래브의 횡방향 균열 유·무에 따른 IRI gain 차이 112
그림 5.15. 인체 진동 가중치곡선과 슬래브 휨 현상이 유발하는 진동주파수 114
그림 5.16. 파장분석결과와 EAN의 상관관계 분석결과 115
그림 5.17. ProVAL 3.6 프로그램을 활용한 프로파일 PSD 분석 116
그림 5.18. 옥타브 밴드 별 PSD 분석결과 116
그림 5.19. 현장조사 구간의 전방영상 및 노면영상 117
그림 5.20. 각 구간별 5개 프로파일의 PSD 분석 결과 118
그림 5.21. 구간별 평균 PSD와 기울기 119
그림 5.22. 기울기와 EAN의 상관관계 119
그림 5.23. watershed 알고리즘을 활용한 방사선촬영물의 기포 탐지 120
그림 5.24. Time-series 파형의 간단한 peak detection 적용 결과 121
그림 5.25. peak detection 알고리즘 구현 결과 122
그림 5.26. watershed 알고리즘 구현 결과 123
그림 5.27. 체적계산을 위한 방향 정의 123
그림 5.28. watershed 알고리즘이 구현된 3D 프로파일 분석 프로그램 124
그림 5.29. 3D 프로파일을 활용한 watershed 분석결과와 노면영상 비교 125
그림 5.30. watershed 분석결과(포장 패임 보수지점) 125
그림 5.31. watershed 분석결과(접속부) 126
그림 5.32. watershed 분석결과(피로균열(경미) 발생지점) 126
그림 5.33. watershed 분석결과(피로균열(보통) 발생지점) 127
그림 5.34. watershed 분석결과(피로균열(심각) 발생지점) 127
그림 5.35. watershed 분석결과(국부변형 발생지점) 128
그림 5.36. watershed 분석결과(소성변형 발생지점) 128
그림 5.37. watershed 분석결과(균열 및 패임 발생지점) 129
그림 5.38. watershed 분석결과(종방향 균열 발생지점) 129
그림 6.1. 국부평탄성 평가의 필요성 130
그림 6.2. Long Interval IRI Guide 132
그림 6.3. 국부요철 발생파손의 정형화 결과 135
그림 6.4. 국부요철 평가를 위한 프로파일 분석기법 135
그림 6.5. Quater-car 모델 136
그림 6.6. Quarter-car 시뮬레이션과 IRI 필터링 결과의 비교 136
그림 6.7. MPR과 국부평탄성 관계를 활용한 관리기준 제시 139
그림 6.8. ProVAL 3.6 프로그램을 활용한 국부평탄성 분석 모습 140
그림 6.9. 노선별 국부평탄성 관리기준(2.8m/km) 초과 비율 141
그림 6.10. 노선별 국부평탄성 관리기준(3.5m/km) 초과 비율 141
그림 6.11. 프로파일 및 국부평탄성 분석결과(시험도로 1차로) 143
그림 6.12. 프로파일 및 국부평탄성 분석결과(시험도로 2차로) 144
그림 6.13. 10m 연속 IRI값의 분포수준(시험도로 1차로) 144
그림 6.14. 10m 연속 IRI값의 분포수준(시험도로 2차로) 145
그림 6.15. 공용노선 국부평탄성 조사 위치 145
그림 6.16. 프로파일 및 국부평탄성 분석결과(호남선 전주IC~익산IC) 146
그림 6.17. 개량사업구간 국부평탄성 조사 위치 147
그림 6.18. 프로파일 및 국부평탄성 분석결과(호남선 개량사업 구간) 147
그림 7.1. 노면 건전도 통합 평가체계 개요도 148
그림 7.2. 열화상을 활용한 노면 온도편차 정량화 150
그림 7.3. 건전도 평가시스템 적용 구간 151
그림 7.4. 초기('21. 03) 건전도 평가결과와 3개월 후('21. 06) 노면상태 152
그림 7.5. 초기('21. 03) 건전도 평가결과와 7개월 후('21. 10) 노면상태 152
그림 7.6. 신규 건전도 평가항목과 기존 공용성 평가항목간의 상관관계 153
그림 7.7. 시범조사구간의 건전도 평가결과 155
그림 7.8. 시범조사구간의 건전도 평가항목별 등급분포 156
그림 7.9. 인공지능 학습용 건전도 데이터베이스 샘플 161
그림 7.10. 전처리 전/후 데이터셋 비교 162
그림 7.11. 정밀도와 재현율 164
그림 7.12. Jupyter Notebook을 활용한 인공지능 모델 평가 모습 165
그림 7.13. 인공지능 모델별 분류결과(혼동 행렬) 166