Abstract
The purpose of this study is to classify the various problems in surface road according to their severity and to propose a priority decision making process for road policy makers. For this purpose, the road problems reported by Cheok-cheok app were classified, and the EPDO was adopted and calculated as an index of their severity. To test applicability of the proposed process, some images of road problems reported by the app were classified and annotated, and the Deep Learning was used for machine learning of the curated images, and then the other images of road problems were used for verification. The detecting success rate of the road problems with high severity such as road kills, obstacles in a lane, road surface cracks was over 90%, which shows the applicability of the proposed process. It is expected that the proposed process will make the app possible to be used in the filed to make a priority decision making by classifying the level of severity of the reported road problems automatically.
본 연구의 목적은 도로에서 발생하는 다양한 문제점을 심각도에 따라 구분하고, 이미지 객체검출을 통해 도로관리자의 우선처리 판단을 위한 의사결정방법을 제시하는 것이다. 이를 위해 도로에서 발생하는 문제점들을 도로불편신고 플랫폼인 척척앱의 신고내용을 이용하여 구분하였고, 각 문제점들의 심각도 가중치를 도로위험도 분석에서 사용되는 EPDO를 이용하여 산출하였다. 정립된 방법론의 현장 적용성 검토를 위해 실제 척척앱에서 추출된 이미지를 딥러닝을 이용하여 기계학습을 수행하고, 실제 이미지 테스트를 통해 결과를 검증하였다. 심각도가 높은 로드킬과 차로 장애물, 노면균열 등의 검출률은 90% 이상으로 나타나 실제 현장에 적용이 가능한 것으로 판단된다. 본 연구는 기존의 단순 민원접수 및 해결에서 벗어나 실제 도로현장에서 접수되는 문제점을 심각도로 구분함으로써 실제 민원 처리의 우선순위 선정에 큰 도움이 될 것으로 기대된다.