The purpose of this study was to enhance the correlation between the dependent and independent variables in a prediction model of pavement performance for local roads on Jeju Island by applying K-means clustering for data preprocessing, thereby improving the accuracy of the prediction model. Pavement management system (PMS) data from Jeju Island were utilized. K-means clustering was applied, with the optimal K value determined using the elbow method and silhouette score. The Haversine formula was used to calculate the distances between the analysis sections and weather stations, and Delaunay triangulation and inverse distance weighting (IDW) were employed to interpolate the magnitude of the influencing factors. The preprocessed data were then analyzed for correlations between the rutting depth (RD) and influencing factors, and a prediction model was developed through multiple linear regression analysis. The RD prediction model demonstrated the highest performance with an R² of 0.32 and root-mean-square error (RMSE) of 1.48. This indicates that preprocessing based on the RD is more effective for developing an RD prediction model. The study also observed that the lack of pavement-age data in the analysis was a limiting factor for the prediction accuracy. The application of K-means clustering for data preprocessing effectively improved the correlation between the dependent and independent variables, particularly in the RD prediction model. Future research is expected to further enhance the prediction accuracy by including pavement-age data.

PURPOSES : Rut depth of asphalt pavements is a major factor that affects the maintenance of pavements as well as the safety of drivers. The purpose of this study was to analyze the factors influencing rut depth, using data collected periodically on national highways by the pavement management system and, consequently, predict annual rut depth change, to contribute to improved asphalt pavement management. METHODS : The factors expected to influence rut depth were determined by reviewing relevant literature, and collecting the related data. Further, the correlations between the annual rut depth change and the influencing factors were analyzed. Subsequently, the annual rut depth change model was developed by performing regression analysis using age, present rut depth, and annual average maximum temperature as independent variables. RESULTS : From the sensitivity analysis of the developed model, it was found that age affected the annual rut depth change the most. Additionally, the relationship between the dependent and independent variables was statistically significant. The model developed in this study could reasonably predict the change in the rut depth of the national highway asphalt pavements. CONCLUSIONS : In summary, it was verified that the model developed in this study could be used to predict the change in the National Highway Pavement Condition Index (NHPCI), which represents comprehensive conditions of national highway pavements. Development of other models that predict changes in surface distress as well as international roughness index is required to predict the change in NHPCI, as they are the independent variables of the NHPCI prediction model.

서울시 도로포장은 대부분 30년 이상 노후화된 포장으로서 이미 구조적 손상이 많이 진행된 상태이고, 기후변화로 인한 강수량 증가 등 환경적 요인으로 인해 포장 파손이 최근 급격히 증가하고 있다. 또한 설계당시의 포장 단면 두께가 현재의 교통량을 반영하지 않아 상당히 부족한 상태이다. 서울시의 버스교통량이 증가함에 따라 중차량에 의한 교통하중이 증가하고 기존 도로포장에 버스전용차로를 도입하여 중차량 교통하중이 집중되는 현상이 발생하고 있다. 이에 서울시는 도로파손을 해결하기 위해 아스팔트 도로포장의 두께와 다양한 아스팔트 혼합물을 적용하고 있다. 하지만 중차량 교통하중 집중현상, 교차로 및 버스정류장에서는 차량속도 감속으로 인해 소성변형이 발생하고 있다. 최근, 해외의 여러 기관에서는 소성변형 예측 모형 개발 또는 기존 모형을 개선하여 소성변형으로 인한 도로포장 파손을 예측하는 연구가 진행중이다. 이러한 모형들은 소성변형을 발생시키는 주요 원인을 고려하여 개발하였으며 이는 소성변형에 대한 도로포장의 수명 및 성능 변화를 예측하여 유지보수 공법과 적용 시기를 결정한다. 본 연구에서 개발한 소성변형 예측 모형은 하중재하 속도 및 횟수, 아스팔트 포장층 온도, 전단응력과 강도의 비율을 고려하여 개발하였다. 전단응력과 강도의 비율은 아스팔트 혼합물의 응집력과 마찰각의 영향을 받는 것으로 나타났으며 이를 고려하여 아스팔트 혼합물 물성을 활용한 다중 회귀분석을 적용하였다. 개발된 소성변형 예측 모형을 검증하기 위해 Westrack 자료를 활용하였으며 2.35%의 오차율을 보였고 LTPP 자료를 활용하였을 때는 1.19%의 오차를 보여 매우 높은 신뢰성을 보였다. 개발된 소성변형 예측 모형을 활용하여 아스팔트 혼합물 배합설계와 지불계수에 적용하였다. 배합설계의 경우, 교통량 및 차량속도와 같은 인자를 고려하여 최적의 아스팔트 바인더 함량을 결정할 수 있음을 확인할 수 있었다. 또한 소성변형 예측 모형을 적용하여 설계 공용수명 대비 공용수명의 비율을 적용하여 아스팔트 혼합물의 지불계수를 결정할 수 있다

A permanent deformation model for asphalt concrete (AC) layers based on shear properties is developed and calibrated in this study. The indirect tensile (IDT) strength and uniaxial compressive strength (UCS) were used to determine the cohesion and friction angle of asphalt mixtures. Five types of asphalt mixtures with various air-void and binder contents are tested under different loadings and temperature conditions. Multiple regression analysis was conducted to develop permanent deformation model of asphalt mixtures which is a function of the air void, binder content, stress, and number of load cycles, temperature, and frequency. The regression model was verified by comparing the predicted and measured plastic strain. It was found out that the regression model has a correlation coefficient of 0.96 in determining plastic strain. Through the field WesTrack database, the permanent deformation model was calibrated to be applied to AC layers. After calibration, it is observed that the correlation coefficient is 0.86 for the measured and predicted rut depth. Finally, the model is validated using the field rutting performance obtained from Long Term Pavement Performance (LTPP) data sets. Based on the validation study, it can be concluded that the proposed model can successfully predict the permanent deformation of various asphalt mixtures in a wide range of loadings and temperature conditions in the field.

포장 공용성 모델은 역학적-경험적 포장설계법에서 포장의 수명을 결정하기 위한 가장 중요한 인자이다. 한국 포장연구 프로그램의 일환으로 한국형 포장설계법이 역학적-경험적 방법에 근거하여 현재 개발중에 있다. 본 연구에서는 포장 공용성모델중 아스팔트 혼합물의 영구변형 예측모델을 삼축압축 반복재하시험을 이용하여 개발하였다. 본 시험은 다양한 아스팔트 혼합물에 대하여 온도와 공극률을 변화시켜 하중재하 횟수에 따른 혼합물의 영구변형 특성을 조사하였으며, 본 시험결과를 이용하여 예측모델의 계수값을 결정하였다. 영구변형 예측모델의 계수값은 포장가속시험결과를 토대로 다양한 혼합물에 대한 시험결과를 이용하여 깊이에 따른 전단응력의 변화를 고려한 통합적인 소성변형 모델계수값을 정하는 것보다 혼합물의 종류에 따른 모델계수를 산정하는 것이 보다 정확한 결과를 예측할 것으로 판단된다.