최근 기후 조건의 변동성이 커지면서 포장 표층의 성능 저하가 더 자주 관찰되고 있으며, 공항 에어사이드 구간에서는 이러한 손상 이 곧바로 운항 위험으로 이어질 수 있다. 국내 공항 아스팔트 표층은 통상 FAA 혼합물 입도 체계를 바탕으로 설계·시공되어 왔지만, 국내 골재 수급과 생산 환경을 고려하면 국내 포장 입도를 공항 표층 재료로 활용할 수 있는지에 대한 검토가 필요하다. 본 연구에서 는 FAA 입도와 국내 혼합물의 입도 및 실험 물성(동탄성계수 등)을 비교하고, 이를 FAARFIELD 입력에 반영하여 표층 재료 변경이 설계수명에 미치는 영향을 확인하였다. 분석에는 A·B 공항의 최근 5년 항공기 교통량 자료를 사용하였으며, 표층 효과를 분리하기 위 해 표층 두께와 기층 이하 조건은 동일하게 유지한 채 표층 물성만 교체하여 설계수명 결과를 비교하였다. 그 결과, 국내외 입도 적용 에 따른 요구 두께 차이는 대체로 크지 않았고, 일부 조건에서는 국내 혼합물 적용 시 표층 두께가 더 얇게 산정되어 경제적 대안 가 능성을 확인하였다. 다만 본 연구는 동탄성계수 중심의 구조적 비교에 초점을 두었으므로, 러팅·수분민감(박리), 시공 품질(공극·다짐), 기후 및 운용 조건(제동·가속 구간 특성) 등을 함께 고려한 추가 검토가 뒤따를 필요가 있다.

Block pavements are widely used in various infrastructures, offering durability and aesthetic appeal. However, assessing their condition through manual methods is resource-intensive and subjective. This study proposes a deep learning approach using the Hybrid TransUNet model to enhance the accuracy and efficiency of detecting block pavement distresses. A dataset of over 10,000 images was used to train and test binary and multiclass segmentation models, significantly improving detection accuracy. The results show that the Hybrid TransUNet model outperforms other models, though challenges in detecting certain distress types like cracks persist.