포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

도로 주행의 안전성 측면에서 타이어-노면간 미끄럼 마찰력은 주행 차량의 제동거리와 직접적인 요인으로 작용한다. 포장재료와 공법은 노출되는 포장 표면에 적절한 노면의 조직(Texture)을 형성하여 노면의 미끄럼 마찰력을 증가시킨다. 도로 표면에 노출되는 사용골재의 크기와 종류를 달리하거나 인위적인 홈을 주어 Macrotexture와 Microtexture를 형성 한다. 형성된 노면 조직은 시간이 경과 됨에 따라 환경하중과 교통하중이 반복 재하되면서 표면마모가 급격히 진행된다. 교통량의 흐름에 따라 마모로 인해 Microtexture 뿐만 아니라 Macrotexture의 노면조직은 매끄러운 표면으로 변해간다. 교통량의 흐름은 다양하다. 교통량 통계자료에 따르면 고속도로 이용차량의 약 70%는 승용차와 같은 2축 1단위로 구성 된 1종 차량이 차지하고 있다. 이는 국내 교통 특성은 포장 마모에 취약한 환경임을 말해주고 있다. 주행 차량들의 좌/ 우 바퀴의 간격과 주행위치의 다른 궤적에 따라 차량바퀴의 횡방향 변동을 원더링(Wandering)이라하는데, 도로포장 분 야에서 교통특성이 포장에 미치는 영향으로 원더링에 대한 연구 많이 진행 되어왔다. 본 연구에서는 실제 고속도로와 시 험도로에서 횡방향 위치별 미끄럼 마찰을 반복 조사하여 차량의 원더링에 따라 미끄럼 마찰저항이 다르게 분포함을 정 량적으로 입증하였다.

최근 결빙으로 인한 교통사고가 빈번히 발생하고 있으며, 도로순찰시 육안 인식이 어려운 도로살얼음 검지를 위해 다양한 방식의 검지센서가 도입되고 있다. 본 연구에서는 국내외 상용화되어 있는 차량부착식 노면상태 검지센서에 대한 현장 검증을 통해 국내 도 로조건에의 적용 가능성을 검토하였다. 차량부착식 검지센서의 성능을 평가하기 위해 한국건설기술연구원의 연천SOC실증연구센터 내 의 도로기상재현 실험시설에 결빙(Ice), 습윤(Wet), 건조(Dry) 등 3가지의 노면상태가 육안으로 명확히 구분이 가능하도록 도로환경을 구현하였으며, 센서종류별로 차량에 부착하여 다양한 도로상태를 측정하였다. 평가결과 노면상태 측정결과의 정확도는 높은 것으로 나 타났으나, 그 외의 측정항목의 정확도는 상당한 차이가 발생하기도 하였다. 향후 다양한 도로환경 조건에서 추가적인 시험을 통해 차 량부착식 노면상태 검지센서의 현장적용을 기반자료로 활용할 수 있을 것으로 판단된다.

최근 급격한 기후 변화로 인해 도로 교통사고의 발생 빈도가 증가하고 있으며, 특히 겨울철에 자주 발생하는 도로 살얼음(블랙아이 스) 현상이 주요 원인 중 하나로 지목되고 있다. 도로살얼음의 형성 메커니즘은 다양한 요인에 따라 복합적으로 작용하며, 당시의 도 로 기상 조건과 도로의 기하학적 구조에 따라 얼음의 형태 및 강도가 결정된다. 그중에서도 도로 노면 온도는 도로살얼음 형성에 중 요한 요소로, 여러 나라에서 겨울철 교통안전 평가를 위한 주요 지표로 사용되고 있다. 그러나 현재 도로 노면 온도에 대한 명확한 정 의가 부족할 뿐만 아니라, 측정 방법에 따라 계측 편차와 온도 손실 등 여러 한계가 존재해 정확한 온도 측정이 어려운 실정이다. 이 에 본 연구는 지중 깊이에 따른 온도 데이터와 도로 기상 데이터를 결합하여 보다 정밀한 도로 노면 온도 예측 방법을 제시하는 것을 목적으로 한다. 연구를 위해 지중 깊이 2cm, 3cm, 4cm, 5cm, 7cm, 9cm, 15cm, 20cm에 각각 온도 센서를 설치하였으며, 기상 데이터는 해당 지점에서 2m 떨어진 AWS(Automatic Weather System)를 통해 대기 온도, 습도, 강수량, 일사량 등의 정보를 수집하였다. 이를 바 탕으로 지중 온도와 기상 조건의 상관관계를 활용하여 노면 온도를 예측하는 방법론을 도출하였다. 본 연구의 결과는 도로 노면 온도 예측의 정확성을 향상시킬 뿐만 아니라, 새로운 접근 방식을 통해 노면 온도의 정의를 재정립하는 데 기여할 것으로 기대된다.

국내 도로포장에서는 겨울철 결빙으로 인한 교통사고가 자주 발생하고 있다. 특히, 최근의 기후변화에 따른 동절기 사고건수가 증가 하고 있다. 이러한 문제를 해결하기 위해 다양한 도로노면 결빙 재료 및 공법, 기술들이 개발되고 현장에 적용되고 있다. 그러나 도로 노면 결빙 및 공법 관련 기술들에 대한 성능평가가 어려운 실정이다. 따라서, 도로환경에서 발생되는 환경조건 등의 모사를 통한 도로 노면 결빙 공법 및 기술의 성능평가를 위한 실증실험시설이 필요하다. 본 연구에서는 국내 동절기 도로포장에 대한 기본적인 환경조 건을 분석하여 이를 기반으로 도로노면 결빙 관련 환경모사가 가능한 실증실험시설을 구축하였다. 도로노면 결빙에 영향을 주는 요소 는 대기온도, 노면온도, 습도, 풍속, 기압 등의 다양한 인자가 있다. 이러한 요소중에 실증실험시설 구축에서는 대기온도, 노면온도, 습 도, 풍속을 모사할 수 있도록 하였다. 도로노면 결빙에 있어 노면온도가 중요한 요소로 작용할 수 있기에 챔버내에 시편의 온도를 제 어할 수 있는 내부챔버를 추가로 구성하였다. 또한, 도로노면 결빙을 유발할 수 있는 어는비 분사장치 및 온․습도 변화에 따른 시편 의 모니터링을 위해 열화상 카메라를 이용하도록 구성하였다. 도로노면 결빙 실증실험시설이 효율적으로 운영된다면 다양하게 개발되 는 기술들에 대한 실험을 통해 성능평가가 가능할 것으로 판단되며, 향후 이를 기반으로 실증실험시설의 운영에 대한 매뉴얼 및 평가 방법 등을 마련하는 것이 필요하다.

현재까지 국내외에서는 비산먼지 예측 모델식에 대한 다양한 연구를 수행해왔다. 이때 환경 및 교통요인에 따라 변화하는 비산먼지 농도를 예측하는 연구가 수행되어 왔으나, 모두 지역적 특성에 따라 연구 결과가 상이하게 분석되었다. 이러한 한계점을 해결하기 위 해 도로 포장과 가장 직접적인 요인인 노면 Texture를 활용하여 노면-타이어에서 발생하는 비산먼지 농도를 정량적으로 분석하고자 한 다. 실험 결과, 아스팔트 포장 중 HMA 포장에서 평균 Texture 깊이(Mean Texture Depth, MTD)가 낮을 경우 비산먼지 농도가 증가하였 으며, 특히 MTD가 0.9mm 이상일 때 쌓인 먼지 양이 비슷해져 비산먼지 농도가 상대적으로 일정하게 유지되었다. 반면, 다공성 아스 팔트(PP) 포장에서는 Silt loading(먼지 부하량)이 HMA 대비 많았지만 비산먼지 농도가 낮고, MTD가 1.8mm 이상일 경우에도 농도가 일정하게 유지되는 경향을 보였다. 이는 공극으로 인해 배수성 포장이 비산먼지 농도가 낮은것으로 나타났다. 본 연구에서는 노면의 Wavelength와 Texture Depth에 따른 비산먼지와의 상관관계를 분석한 결과, 전체적으로 아스팔트 포장에서는 Texture 깊이가 깊을수록 비산먼지 농도가 낮아지는 경향을 보였다. 시멘트 포장에서는 구조가 깊을수록 비산먼지 농도가 증가하였으 며, T.Tining 포장에서는 Texture 깊이에 관계없이 도로 표면의 쌓인 sL에 따라 비슷한 수준의 농도가 나타났다. 특히, 그루빙 포장과 타이어 접촉 시 발생하는 에어 펌핑 현상으로 인해 비산먼지 농도가 증가하는 결과가 나타났으며, 이는 미끄럼 저항을 개선하는 효과 와 반대되는 경향을 보여 적절한 포장 관리가 필요할 것으로 판단된다. 이 연구는 기존의 교통 및 환경 조건에 따른 타이어-도로 비산먼지 회귀 모델의 한계를 극복하고, Texture를 통한 도로 비산먼지의 정량적 예측을 위한 새로운 회귀 모델을 제시하였다. 기존 연구에서는 특정 구간의 경험적 측정 결과를 바탕으로 비산먼지 발생 요인 을 선정하였으나, 본 연구에서는 노면 Texture를 포함하여 보다 포괄적인 분석을 통해 회귀 모델의 신뢰성을 향상시켰다. 결론적으로, 연구 결과는 도로 비산먼지 발생에 대한 중요한 기초 자료를 제공하며, 환경문제를 해결하기 위해 도로 포장재의 선택 및 유지관리 측면에 있어 MTD, Wavelength와 같은 Texture 특성을 고려해야 함을 도출하였다. 정량적인 데이터는 도로 포장 설계 단계에서 골재 입자 크기 등을 선택하는 데 활용될 수 있으며, 이는 비산먼지 발생원에서의 저감 효과를 확보하는 데 기여할 것으로 판단된다.

본 연구는 도로 노면의 결빙을 방지하기 위해 열적 특성을 갖는 콘크리트를 개발했습니다. 팽창 점 토에 상변화 물질(PCM)을 함침 시키고, 고열 전도성 에폭시와 실리카 흄으로 이중코팅을 하여 PCM 물질의 유출 방지, 골재의 부착성 개선, 열적 성능 개선을 하였으며 이를 DSC를 통해 열적 성능 평가 를 진행하여 확인했습니다. 또한 상변화 물질과 경량골재의 사용으로 인한 강도 감소 개선을 위한 CNT 혼합으로 강도 감소를 25% 개선하였습니다.

PURPOSES : This aim of this study is to develop a model for predicting road surface temperature using an LSTM network to predict road surface temperature associated with road icing. METHODS : A long short-term memory (LSTM) neural network suitable for time-series data with time correlation is used in the analysis. Moreover, an optimal neural network architecture is designed via hyperparameter search and verification using learning and validation data. Finally, the generalization performance is evaluated based on the RMSE using unseen data as test data. RESULTS : The results show that the predicted data are similar to the actual road surface temperature patterns , and that the network appears to be generalized. CONCLUSIONS : The LSTM model improves the accuracy and generalization of road surface temperature prediction, as compared with other machine learning models.

Road surfaces and tires have a great influence on road noise in automobiles. Therefore, this study attempted to investigate the effect of changes in road surface and tire tread on road noise. For six road surfaces, road noise was measured and analyzed while changing two types of tire treads. In all frequency bands, the sound pressure of the road surface with a relatively large roughness was higher than that of other roads. And in the case of a road surface with relatively large pore, it was investigated that noise was reduced compared to other road surfaces due to the sound absorption effect in the low frequency area. On roads with irregular road roughness, the high sound pressure was exhibited in all frequency bands regardless of tire tread, indicating an increase in road noise due to irregular wear on roads. It was confirmed that the noise deviation due to the change in road surface was larger than the noise deviation due to the tire structure, and it is judged that noise research according to the structure and condition of the road surface.

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.

PURPOSES : This study investigates the abrasion characteristics of coarse aggregate using the Los Angeles (L.A.) abrasion test and the accelerated polishing machine (APM) test. The coarse aggregates are randomly exposed on the surface of asphalt concrete pavements and on exposed aggregate concrete pavements. The exposed aggregates play a very important role in providing skid resistance. Therefore, the adequate abrasion resistance of coarse aggregate must be ensured to maintain the skid resistance during service life. In Korea, the LA abrasion test is conducted according to the KS F 2508 standard for the evaluation of the abrasion resistance of coarse aggregate. However, the road surface abrasion is caused by the friction between the tire and the road surface structure; hence, whether the LA abrasion test, which evaluates the abrasion caused by the impact of coarse aggregates and steel balls, can evaluate the road surface abrasion is questionable. A comparison and an analysis between the APM and LA abrasion tests were conducted herein to evaluate the road abrasion. An analysis was also performed to analyze whether the abrasion characteristics appeared depending on the type of coarse aggregate. METHODS: The results of the APM and LA abrasion tests for various aggregate types were obtained through a series of experiments and literature reviews. The correlation between the LA abrasion loss and the PV data was derived. In addition, the influence of the aggregate type on the abrasion resistance was investigated. RESULTS : An abrasion resistance database was established, and the relationship between the rock types and the abrasion resistance was statistically determined. The results showed that the PV was increased to 0.54 along with a 1% increasing rate of the LA abrasion loss with a 0.67 coefficient of determination. The abrasion resistance was also influenced by the aggregate type, which was found to be statistically significant. CONCLUSIONS: A good relationship between the PV and the LA abrasion loss was obtained, allowing the use of the LA abrasion test (KS F 2508) alone, to reasonably evaluate the abrasion resistance of the exposed aggregate texture. The aggregate types were also found to have an impact on the abrasion resistance.

PURPOSES : Exposed aggregate concrete pavements have been adopted in several countries because of their advantages of pavement texture characteristics, which can produce low tire-pavement noise and higher load-carrying capacities. The magnitude of tire-pavement noise greatly depends on the wavelength of pavement texture. The wavelength of exposed aggregate concrete pavement can be controlled with maximum sizing and by controlling the amount of coarse aggregates in the concrete mixture. In this study, the maximum size and the amount of coarse aggregate in the exposed aggregate concrete pavement are investigated to produce equal levels of wavelength in the asphalt pavement. METHODS: A simple method to measure the average wavelength of pavement texture is introduced. Subsequently, the average wavelength of typical asphalt pavement is investigated. A set of mixture designs of exposed aggregate concrete with three maximum-sized coarse aggregates, and three amounts of coarse aggregate are used. The average wavelengths are measured to find the mixture design needed to produce equal levels of wavelength as typical asphalt pavement. RESULTS : With a cement content of 420 kg/m3 and fine aggregate modulus of 30%, the number of exposed aggregates was 48, and the shortest texture depth provided a wavelength of 4.2 mm. According to the number of exposed aggregates, the exposed aggregate concrete pavement could be rendered low-noise, because its wavelength was similar to that of asphalt pavement ranging from 3.9 to 4.4 mm. CONCLUSIONS : Selection of appropriate maximum sizes and the amount of coarse aggregates for exposed aggregate concrete pavement can produce a wavelength texture closely resembling that of asphalt pavement. Therefore, the noise level of exposed aggregate concrete pavement can be reduced with an appropriate maximum size and the amount of coarse aggregates are employed.