논문 상세보기

머신러닝 기반 고속도로 아스팔트 포장상태지수(HPCI) 및 도로소음 예측 모델

Development of Machine Learning Models for Predicting Highway Pavement Condition Index (HPCI) and Road Traffic Noise of Asphalt Pavements

김경남, 김진환, 권오선, 이종섭
  • 언어KOR
  • URLhttps://db.koreascholar.com/Article/Detail/453740
모든 회원에게 무료로 제공됩니다.
한국도로학회 (Korean Society of Road Engineers)
초록

국내 고속도로 아스팔트 포장의 노후화가 가속화되면서 포장상태지수(HPCI) 3.0 이하 불량 구간 비율이 2020년 약 10%에서 2023년 약 25.9%로 급증하였다. 기존 결정론적 열화 모델은 유지보수 이력, 교통 특성, 회복-재노후화 사이클 등 복합적 요인을 충분히 반영하지 못한다는 한계가 있다. 본 연구에서는 2010~2023년 한국도로공사 포장관리시스템(PMS) HPCI 데이터와 CPX (타이어-노면 소음) 측정 데이터를 기반으로 Linear Regression, Random Forest, Gradient Boosting, Voting Regressor, Stacking Regressor 등 5종의 머신러닝(ML) 알고리즘을 비교·평가하여 최적 예측 모델을 구축하였다. 주요 입력변수는 공용 연수(Age), 유지보수 후 경과 연수(Age_Since_MR), 초기 포장상태(Initial Condition), 연간평균교통량(AADT), 등가단축하중(ESAL), 열화-회복 패턴 지수(Cycle_Index) 등이다. 분석 결과 Stacking Regressor가 가장 낮은 MAE(0.0716)와 높은 예측 안정성을 달성하였으며, 선 형 회귀 모델 대비 RMSE가 65.1% 감소하였다. Durbin-Watson 검정값은 2.044로 잔차의 자기상관이 없음이 확인되어 장기 예측 안정성이 검증되었다. CPX 소음 예측 모델 역시 Stacking Regressor에서 최우수 성능을 나타냈으며, 골재 최대치수가 작을수록 소음 저감 효과가 큰 것으로 확인되었다. 본 연구의 결과는 장기 포장관리 시나리오 수립, 저소음 포장 정책 평가, 최적 유지보 수 시점 예측 등 실무에 직접 활용 가능한 정량적 기반을 제공한다.

키워드
배수성 아스팔트 포장포장상태지수(HPCI)도로소음머신러닝
저자
  • 이종섭(한국도로공사 도로교통연구원 수석연구원) | Lee Jongsub
  • 권오선(한국도로공사 도로교통연구원 수석연구원) | Kwon Ohsun
  • 김경남(한국도로공사 도로교통연구원 책임연구원) | Kim Kyungnam
  • 김진환(한국도로공사 도로교통연구원 포장연구실 수석연구원) | Kim Jin Hwan