본 연구는 모아레 현상을 이용하여 구조물의 평면부재의 변형을 탐지하는 방식을 개발하였다. 평행선형상인 기존연구와 비교하여 본 연구의 원형형상은 변형 시 고유한 무늬가 나타나 변형의 방향도 시각적으로 인지할 수 있었다. 또한 변형을 확실하고 자동 으로 구분할 수 있도록 기계학습의 이미지분류를 사용하여 탐지한 결과 이미지 표면이 오염되더라도 KNN, SVM방식으로는 95%의 인식률, AlexNet과 Gogglenet Inception으로는 99%의 인식률을 보여 실현장활용이 가능할 것으로 판단된다.

도로기하구조정보는 도로의 안전성평가 및 도로의 유지관리를 위한 필수적인 요소이다. 본 연구에서는 GPS(Global Positioning System)/INS(Inertial Navigation System)센서가 탑재된 조사차량을 이용하여 기하구조정보를 수집하였으며, 수집된 차량의 자세정보 중 평면선형과 관련된 Roll, Heading 자료를 이용하여 직선, 원곡선, 완화곡선을 구분하는 알고리즘을 개발하였다. 본 연구에서는 평면선형 인식 이전에 전처리 과정으로 이동평균법을 통하여 자료를 평활화함으로써 원시자료의 이상치를 제거하여 평면선형 인식의 신뢰성을 제고하였다. 유전알고리즘(GA, Genetic Algorithm)을 이용하여 분류정확도(CCR, Correct Classification Rate)를 최대로 하는 알고리즘 파라미터를 설정한 결과 100%의 분류정확도를 보였다. 설정된 파라미터를 이용하여 고속도로와 국도 주행자료를 이용하여 알고리즘을 평가한 결과 90.48%와 88.24%의 분류정확도를 보여, 제안된 평면선형인식 알고리즘은 현장에서 적용 시 높은 신뢰도를 가지는 정보를 제공 가능한 것으로 분석되었다. 본 연구에서 개발한 평면선형인식 알고리즘은 조사차량에 GPS/INS센서의 소프트웨어로 탑재되어 도로 및 교통기술자에게 도로기하구조정보를 보다 용이하게 수집하고 분석할 수 있는 환경을 제공하는데 기여할 것으로 기대된다.