PURPOSES : This study aims to develop and evaluate computer vision-based algorithms that classify the road roughness index (IRI) of road specimens with known IRIs. The presented study develops and compares classifier-based and deep learning-based models that can effectively determine pavement roughness grades. METHODS : A set road specimen was developed for various IRIs by generating road profiles with matching standard deviations. In addition, five distinct features from road images, including mean, peak-to-peak, standard variation, and mean absolute deviation, were extracted to develop a classifier-based model. From parametric studies, a support vector machine (SVM) was selected. To further demonstrate that the model is more applicable to real-world problems, with a non-integer road grade, a deep-learning model was developed. The algorithm was proposed by modifying the MNIST database, and the model input parameters were determined to achieve higher precision. RESULTS : The results of the proposed algorithms indicated the potential of using computer vision-based models for classifying road surface roughness. When SVM was adopted, near 100% precision was achieved for the training data, and 98% for the test data. Although the model indicated accurate results, the model was classified based on integer IRIs, which is less practical. Alternatively, a deep-learning model, which can be applied to a non-integer road grade, indicated an accuracy of over 85%. CONCLUSIONS : In this study, both the classifier-based, and deep-learning-based models indicated high precision for estimating road surface roughness grades. However, because the proposed algorithm has only been verified against the road model with fixed integers, optimization and verification of the proposed algorithm need to be performed for a real road condition.

평탄성은 도로 공용성을 확보하기 위한 중요한 인자이며, 줄눈콘크리트 포장에서 수명에 큰 영향을 미친다. 포장의 공용성을 평가하는 요소로는 크게 기능성 평가, 안정성 평가 및 구조적 성능 평가가 있다. 기능성 평가 가운데 가장 대표적인 평탄성은 유지보수를 위한 중요한 기준으로 이용되고 있으나 체계적인 연구를 통해 포장 설계시에 적용하기 위한 연구는 미흡한 실정이다. 따라서 신뢰성 있는 평탄성 모델의 개발이 필요하다. 본 연구에서는 국내 콘크리트포장의 노선별 총 연장 280.93km를 일정기준으로 나누어 238개의 섹션으로 선별하였다. 또한, 현재 국내 평탄성 모델에서 고려하고 있는 영향인자인 스폴링, 균열, 재령뿐만 아니라 동결지수, 연평균강수량, 기층조건, 교통량 등에 대한 검토가 이루어졌으며, 재령의 다양화를 위하여 추가적인 노선을 선별하여 평탄성에 영향을 미치는 인자들에 대한 분석이 이루어졌다. 분석결과는 스폴링(%), 균열(%), 재령(년), 기층이 평탄성에 영향을 미치는 것으로 나타났다. 이를 통해 평탄성과의 상관관계를 분석한 결과 신뢰성 있는 평탄성 모델이 도출되었으며, 평탄성를 설명할 수 있는 비율은 68.8%로 나타나 통계적으로 유의한 것으로 판단된다. 본 연구에서는 소입경 골재노출콘크리트포장의 시험시공을 실시하여 초기 공용성을 평가하였으며, 이를 통하여 적정 강도, 저소음 및 적정 미끄럼저항을 확보함을 확인하였다.