AI 기반 도로 포장 파손 및 도로 하부 공동 자동 탐지 시스템 = AI-Based Automatic Detection System for Pavement Damages and Underground Cavities

국문 초록 (Abstract)

도로는 국가 교통망을 구성하는 핵심 사회기반시설로서, 지속적인 기능 유지와 안전 확보가 중요하다. 그러나 교통하중 증가, 장기간의 공용 및 이상기후 등의 영향으로 도로 포장 파손과 도로 하부 공동 등 다양한 위험요인이 발생할 수 있으며, 이는 인명사고 및 재산피해로 이어질 수 있다. 따라서 위험요인을 초기 단계에서 신속하게 탐지하고 관리할 수 있는 기술이 필요하다. 기존 도로 포장 및 도로 하부 조사는 조사원의 육안 판단과 경험에 의존하는 경우가 많아, 결과의 주관성, 분석 시간 증가 및 접근 제한 구간의 조사 한계가 발생할 수 있다.
이에 본 연구에서는 국내 현장 조건을 반영한 도로 포장 이미지와 GPR 데이터를 활용하여 주요 위험요인（파손, 공동）을 자동 탐지하고, 탐지 결과를 유지관리 의사결정에 활용할 수 있는 인공지능 기반 탐지 시스템을 구축하였다. 도로 포장 분야에서는 조사 차량의 전방 카메라 이미지와 후방 라인스캔 이미지를 활용하여 실시간 탐지와 정밀 탐지가 가능한 포장 파손 탐지 체계를 제안하였다. 또한 탐지 신뢰도와 파손 크기를 고려한 위험도 등급화 기준을 제안하여 보수 우선순위 판단을 지원하고자 하였다. 도로 하부 공동 탐지 분야에서는 다채널 GPR 데이터의 B-scan 및 C-scan 탐지 결과를 융합하여 공동 의심 확률을 산정하고, 실제 공동 가능성이 높은 후보 영역을 우선 선별할 수 있는 정량적 판단 정보를 제공하였다. 제안한 기법은 모두 국내 현장에서 취득한 데이터를 통해 검증하였으며, 그 결과 도로 포장 파손과 도로 하부 공동에 대한 자동 탐지 가능성을 확인하였다.
본 연구는 다음과 같은 의의를 가진다. 첫째, 도로 포장 이미지와 GPR 데이터를 활용하여 도로 포장 파손과 도로 하부 공동을 자동으로 탐지할 수 있는 인공지능 기반 위험요인 탐지 시스템을 구축하였다. 둘째, 국내 실제 도로 환경에서 취득한 조사 데이터를 대상으로 제안 시스템을 평가함으로써, 제한된 실험 환경이 아닌 실제 현장 조건에서의 적용 가능성을 검토하였다. 셋째, 탐지 결과를 단순한 객체 검출 정보에 그치지 않고 탐지 신뢰도, 파손 크기 및 공동 의심 확률 등 유지관리 의사결정에 활용 가능한 정량적 지표로 확장하였다. 이를 통해 제안 기술은 도로 시설물 조사 및 유지관리 업무의 객관성과 효율성 향상에 기여할 수 있을 것으로 판단된다.

다국어 초록 (Multilingual Abstract)

Roads are essential social infrastructure that constitute the national transportation network, and their continuous functionality and safety must be maintained. However, due to increasing traffic loads, long-term service, and abnormal climate conditions, various risk such as pavement damages and underground cavities may occur in road pavements and subsurface layers. These risk can lead to casualties and property damage. Therefore, technologies capable of rapidly detecting and managing such risk factors at an early stage are required. Conventional pavement and subsurface investigations often rely on visual judgment and the experience of inspectors, which may result in subjective assessments, increased analysis time, and limitations in investigating areas with restricted access.
In this study, an AI-based detection system was developed to automatically detect major risk factors, including pavement distress and underground cavities, using road pavement images and GPR data that reflect domestic field conditions. For pavement damages detection, a detection system capable of both real-time and precise detection was proposed by utilizing front-view camera images and rear line-scan images acquired from an inspection vehicle. In addition, a damage grading criterion based on detection confidence and damage size was proposed to support maintenance prioritization. For underground cavity detection, B-scan and C-scan detection results from multi-channel GPR data were fused to calculate cavity-suspected probability and provide quantitative decision-making information for prioritizing candidate areas with a high likelihood of actual cavities.
This study has three main contributions.. First, an AI-based detection system was developed to automatically detect pavement distress and underground cavities using road pavement images and GPR data. Second, the proposed system was evaluated using investigation data acquired from actual domestic road environments, thereby examining its applicability under real field conditions rather than limited experimental settings. Third, the detection results were extended beyond simple object detection outputs into quantitative indicators, such as detection confidence, damage size, and cavity-suspected probability, which can be used for maintenance decision-making. Accordingly, the proposed technology is expected to contribute to improving the objectivity and efficiency of road facility inspection and maintenance practices.

목차 (Table of Contents)

• 1. 서론 1
• 1.1. 연구 배경 1
• 1.2. 연구 목표 및 범위 5
• 1.3. 논문의 구성 6
• 2. AI 기반 도로 포장 공동 자동 탐지 시스템 7
• 2.1. 개발 시스템 개요 7
• 2.2. 이론적 배경 10
• 2.2.1. 도로 포장 파손 탐지 기술 10
• 2.2.2. 인공지능 기반 도로 포장 파손 탐지 기술 15
• 2.2.3. 동향 고찰 21
• 2.3. 제안 방법 : AI 기반 도로 포장 파손 자동 탐지 시스템 22
• 2.3.1. 도로 포장 이미지 취득을 위한 전문 조사차량 26
• 2.3.2. 전방 카메라 기반 실시간 도로 포장 파손 탐지 36
• 2.3.3. 후방 카메라 기반 정밀 도로 포장 파손 탐지 47
• 2.3.4. 탐지 결과 기반 위험도 등급화 60
• 2.4. 주행실험을 통한 유효성 검증 65
• 2.4.1. 실험 방법 65
• 2.4.2. 실시간 탐지 성능 평가 66
• 2.4.3. 정밀 탐지 성능 평가 70
• 2.4.4. 응력완화줄눈의 폭 정량화 성능 검증 74
• 2.4.5. 위험도 등급화 검증 결과 77
• 2.5. 소결 81
• 3. AI 기반 도로 하부 공동 자동 탐지 시스템 83
• 3.1. 개발 시스템 개요 83
• 3.2. 이론적 배경 85
• 3.2.1. GPR 기반 공동 탐지 원리 85
• 3.2.2. 전문가의 공동 판독 방법 88
• 3.2.3. 인공지능 기반 공동 자동 탐지 89
• 3.2.4. 동향 고찰 92
• 3.3. 제안 방법 : 공동 의심 확률 기반 공동 자동 탐지 시스템 96
• 3.3.1. GPR 데이터 확보 및 데이터 전처리 96
• 3.3.2. B,C-scan 기반 공동 자동 탐지 AI 모델 개발 112
• 3.3.3. 공동 판독 의사 결정 지원을 위한 공동 의심 확률 산정 129
• 3.4. 제안 기법의 유효성 검증 134
• 3.4.1. 실험 방법 134
• 3.4.2. 공동 탐지 성능 평가 135
• 3.4.3. 공동 의심 확률 산정 결과 분석 142
• 3.4.4. 기존 연구 방법과의 비교 147
• 3.5. 소결 157
• 4. 결론 및 향후 계획 159
• 4.1. 결론 159
• 4.2. 향후 계획 161
• 참고문헌 162