J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 19(1); 2019 > Article
도시방재
Journal of the Korean Society of Hazard Mitigation 2019;19(1):95-107.
DOI: https://doi.org/10.9798/KOSHAM.2019.19.1.95    Published online February 28, 2019.
빅데이터 처리 활용 및 머신러닝 기법 적용으로 인한 도로 손상 예측 모형 개발
김도완1, 전진호2, 김담륭3
1정회원, 서울과학기술대학교 건설시스템공학과 박사과정
2서울과학기술대학교 건설시스템공학과 석사과정
3정회원, 서울과학기술대학교 건설시스템공학과 석사과정
Predictive Modeling of Pavement Damage Using Machine Learning and Big Data Processing
Dowan Kim1, Jinho Jeon2, Damryung Kim3
1Member, Doctorate Course, Department of Civil Engineering, Seoul National University of Science and Technology
2Master's Course, Department of Civil Engineering, Seoul National University of Science and Technology
3Member, Master's Course, Department of Civil Engineering, Seoul National University of Science and Technology
Corresponding author:  Damryung Kim, Tel: +82-2-6938-7141, Fax: +82-2-555-1402, 
Email: drkim@seoultech.ac.kr
Received: 13 August 2018   • Revised: 27 October 2018   • Accepted: 27 November 2018
Abstract
Potholes, soil settlement, and road subsidence have become major road safety hazards in South Korea. Such problems not only impede driver and pedestrian safety but also cause secondary accidents, economic losses, and damage the nation's image. To this end, we developed local predictive models that can be extrapolated to national estimation models. These models were developed from a specific area (Seoul Metropolitan City) that has the highest occurrences of potholes and road subsidence. This research utilized big data and artificial intelligence techniques to develop these models. The first step involved the dimensional reduction of independent variables using a mechanical-statistical approach. A data standardization process was then used for reducing the uncertainty of these variables. A total of 19 machine learning optimization methods were used to train the standardized variables. The optimized models were finally determined by an error comparison. As a result, the optimized prediction models for potholes, soil settlement, and road subsidence were found to be multiple regression analysis that showed an accuracy of 70% and robust regression analysis that showed an accuracy of 73%.
Key Words: Pothole, Soil Settlement, Road Subsidence, Big Data, Machine Learning
요지
본 연구는 운전자 및 보행자의 안전성을 확보하기 위해, 최근 사회적 중점사항으로 부상하고 있는 포트홀, 지반침하 및 도로함몰에 대한 예측모형을 개발하는 것에 그 목적을 두고 있다. 포트홀, 지반침하 및 도로함몰은 운전자의 안전성을 저해할 뿐만 아니라 2차 사고를 발생시킬 수 있으며, 나아가 경제적 손실, 국가적 이미지 실축 등의 다양한 문제를 야기시킬 수 있다. 이와 관련하여 본 연구에서는 국가적 예측모형의 확장을 위한 방안으로 최근 도로 파손이 가장 빈번하게 발생하는 지역을 대상으로 예측모형을 개발했다. 예측모형 개발에 있어서 빅데이터의 활용과 인공지능기술(AI, Artificial Intelligence)의 적용에 중점을 두었다. 세부적인 예측 모형을 개발하는 과정에서는 구축된 빅데이터에 역학적-확률적 접근방법을 적용하여 독립변수의 차원을 축소시켰으며, 이 데이터의 불확실성을 저감시킬 목적으로 데이터 표준화를 실시했다. 표준화과정을 거친 인자들을 이용하여 19가지의 알고리즘으로 구성된 머신러닝의 학습을 실시했으며, 최소 오차비교로 최적의 알고리즘을 구축했다. 그 결과, 다중회귀분석으로 수행된 포트홀 예측모형과 로버스트 회귀분석을 통한 지반침하 & 도로함몰 예측모형을 개발했다. 이 예측 모형은 각각 70% 및 73%의 정확성을 가지고 있는 것으로 판단되었다.
핵심용어: 포트홀, 지반침하, 도로함몰, 빅데이터, 머신러닝


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
307 Main Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2019 by The Korean Society of Hazard Mitigation. All rights reserved.

Developed in M2community

Close layer
prev next