• 대기
• /
• 제31권5호
• /
• pp.525-537
• /
• 2021

Black ices on road surfaces in winter tend to cause severe and terrible accidents. It is very difficult to detect black ice events in advance due to their localities as well as sensitivities to surface and upper meteorological variables. This study develops a methodology to detect the road sections vulnerable to black ice with the use of road surface temperature data obtained from a mobile road weather observation vehicle. The 7 experiments were conducted on the route from Nam-Wonju IC to Nam-Andong IC (132.5 km) on the Jungang Expressway during the period from December 2020 to February 2021. Firstly, temporal road surface temperature data were converted to the spatial data with a 50 m resolution. Then, the spatial road surface temperature was normalized with zero mean and one standard deviation using a simple normalization, a linear de-trend and normalization, and a low-pass filter and normalization. The resulting road thermal map was calculated in terms of road surface temperature differences. A road ice index was suggested using the normalized road temperatures and their horizontal differences. Road sections vulnerable to black ice were derived from road ice indices and verified with respect to road geometry and sky view, etc. It was found that black ice could occur not only over bridges, but also roads with a low sky view factor. These results are expected to be applicable to the alarm service for black ice to drivers.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.1-8
• /
• 2023

In this paper, we propose a black ice detection platform framework using Convolutional Neural Networks (CNNs). To overcome black ice problem, we introduce a real-time based early warning platform using CNN-based architecture, and furthermore, in order to enhance the accuracy of black ice detection, we apply a multi-scale dilation convolution feature fusion (MsDC-FF) technique. Then, we establish a specialized experimental platform by using a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Experimental results of a real-time black ice detection platform show the better performance of our proposed network model compared to conventional image segmentation models. Our proposed platform have achieved real-time segmentation of road black ice areas by deploying a road black ice area segmentation network on the edge device Jetson Nano devices. This approach in parallel using multi-scale dilated convolutions with different dilation rates had faster segmentation speeds due to its smaller model parameters. The proposed MsCD-FF Net(2) model had the fastest segmentation speed at 5.53 frame per second (FPS). Thereby encouraging safe driving for motorists and providing decision support for road surface management in the road traffic monitoring department.

• 한국인공지능학회지
• /
• 제11권3호
• /
• pp.17-22
• /
• 2023

In this paper, we propose a black ice detection system using Convolutional Neural Networks (CNNs). Black ice poses a serious threat to road safety, particularly during winter conditions. To overcome this problem, we introduce a CNN-based architecture for real-time black ice detection with an encoder-decoder network, specifically designed for real-time black ice detection using thermal images. To train the network, we establish a specialized experimental platform to capture thermal images of various black ice formations on diverse road surfaces, including cement and asphalt. This enables us to curate a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Additionally, in order to enhance the accuracy of black ice detection, we propose a multi-scale dilation convolution feature fusion (MsDC-FF) technique. This proposed technique dynamically adjusts the dilation ratios based on the input image's resolution, improving the network's ability to capture fine-grained details. Experimental results demonstrate the superior performance of our proposed network model compared to conventional image segmentation models. Our model achieved an mIoU of 95.93%, while LinkNet achieved an mIoU of 95.39%. Therefore, it is concluded that the proposed model in this paper could offer a promising solution for real-time black ice detection, thereby enhancing road safety during winter conditions.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권1호
• /
• pp.82-89
• /
• 2024

블랙 아이스는 인지하기가 매우 어렵고 도로 노면의 마찰력이 감소하여 자동차 사고를 유발한다. 도로 노면의 블랙아이스 방지를 위한 다양한 연구가 수행되었으나, 실시간으로 블랙아이스를 식별하고 운전자에게 경고하는 시스템에 대한 연구는 매우 미흡한 실정이다. 본 논문에서는 아스팔트 도로 노면의 상태를 실시간적으로 식별하기 위해 이미지기반 분석 시스템을 개발하였다. 이를 위해 각 아스팔트 도로 노면 이미지에 대해 데이터 세트를 구축한 다음 딥러닝을 통해 노면의 상태를 건조, 젖음, 블랙아이스, 눈 노면 상태로 식별하였다. 또한, 이미지 분석결과와 더불어 도로 노면 상태의 최종판별을 위해 실제 노면에서 측정된 온도와 습도 데이터를 사용하였다. 도로 노면의 특성이 블랙아이스로 판정이 나면, 도로에 설치된 염수 분사장치가 자동으로 작동하도록 하였다. 본 연구에서 개발된 아스팔트 콘크리트 포장에 대한 노면 상태 식별 시스템과 블랙아이스 자동 예방 시스템은 운전자의 안전운행을 보장하고 교통사고 발생률을 낮출 수 있을 것으로 기대된다.

• 한국항행학회논문지
• /
• 제27권6호
• /
• pp.865-870
• /
• 2023

본 논문은 LiDAR (light detection and ranging) 센서를 활용하여 블랙아이스를 검출하는 새로운 방법을 제안합니다. 센서는 작고 비용이 저렴하면서도 높은 정확성을 가진 거리 측정 센서로 온도와 경사각을 다르게 하여 아스팔트와 블랙아이스의 각도를 구별하는 데 사용됩니다. 이 센서의 거리 측정 오차율은 대략 ±1 cm로 블랙아이스와 아스팔트을 구별하는 데에는 일부 오차가 발생할 수 있습니다. 본 논문에서는 정확성을 높이기 위한 추가적인 연구와 개선이 필요함을 지적하며 이를 통해 더욱 정확한 블랙아이스 검출 방법을 제안합니다.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1835-1845
• /
• 2021

본 논문에서는 블랙 아이스를 정확하게 인식하고 도로 노면 정보를 운전자에게 미리 알려줘서 속도를 제어하고 예방 조치를 취할 수 있도록 하기 위해 열화 도로 영상을 기반으로 블랙 아이스 검출하기 위해 lightweight 네트워크를 제안한다. 전이학습을 이용하여 블랙 아이스 인식 실험을 하였고, 블랙 아이스 인식의 정확도 향상을 위해 MobileNetV2 기반의 개선된 lightweight 네트워크를 개발하였다. 계산량을 줄이기 위해 Linear Bottleneck 및 Inverted Residuals를 활용하여 4개의 Bottleneck 그룹을 사용하고 모델의 인식률 향상을 위해 각 Bottleneck 그룹에 3×3 컨볼루션 레이어를 연결하여 지역적 특징 추출을 강화하고 특징 맵의 수를 늘렸다. 마지막으로 구축된 블랙 아이스 데이터 세트 대상으로 블랙 아이스 인식 실험을 진행하였으며, 제안된 모델은 블랙 아이스에 대해 99.07%의 정확한 인식률을 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.416-421
• /
• 2021

폭설로 인한 도로 미끄러짐과 기온이 0도 이하로 낮아졌을 때, 도로와 차량 통행용 다리, 터널 출입구 쪽에서 주로 발생하는 블랙아이스는 운전자의 시야에서는 아스팔트의 이미지가 투과되어 보이기에 인식되지 않아서 자동차들이 미끄러지는 상황(슬립 현상)이 발생하고, 이로 인하여 대형 교통사고로 이어져 인명 물적 손실이 대량으로 발생하기에 적외선 카메라를 이용하여 도로 상태를 확인하고 딥러닝을 통하여 블랙아이스를 판별하는 방법을 제안하고자 한다.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.873-882
• /
• 2021

In this study, a study was conducted to develop a system for predicting/responding to black ice occurring on roads in winter. Tests conditions were studied by making models of cement concrete pavement and asphalt concrete pavement. In order to freeze water on the manufactured model package, an tests was conducted at a temperature below zero using a freezer, and the freezing process was photographed using a thermal imaging camera. Black ice is generated when water is present on the road surface and the temperature is below freezing or the road surface temperature is below the dew point temperature. Under sub-zero conditions, the pavement, water, and ice were classified with a thermal imaging camera. As a result of the tests, it was possible to distinguish with a thermal imaging camera at a temperature below freezing in the same freezer due to the difference in the emissivity of the packaging, water, and ice. In the process of changing from water to ice during the tests, it was analyzed that ice and water were clearly distinguished by the thermal imaging camera due to the difference in emissivity and reflectance, so black ice could be predicted using the thermal imaging camera.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1874-1881
• /
• 2021

폭설로 인한 도로 미끄러짐과 함께 영하의 기온으로 도로와 차량 통행용 다리, 터널 출입구 쪽에서 주로 발생하는 블랙아이스는 운전자의 시야에서는 아스팔트의 이미지가 투과되어 보이기에 잘 인식되지 않아서 자동차들이 미끄러지는 (슬립 현상) 상황을 발생시키기에 차량이 제동력을 잃어서, 대형 교통사고로 이어져 심각한 인명과 재산상 손실을 초래하고 있다. 본 논문에서는 기존에 연구되었던 블랙아이스 감지 방법들(인공위성 촬영, 초음파 수신으로 미끄러짐의 패턴을 확인, 도로 표면의 온도측정, 차량 주행 중 타이어의 마찰력 차이를 확인하기)의 단점들을 보완하고, 블랙아이스를 감지하는 센서의 크기를 줄여서 많은 이동체에 적용할 수 있도록 하고자 적외선 카메라를 이용하여 도로 상태를 확인하고, 이 정보를 딥러닝 학습을 통하여 블랙아이스를 판별하는 방법을 제안하고자 한다.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 봄 학술논문 발표대회
• /
• pp.170-171
• /
• 2022

In recent years, due to the occurrence of traffic accidents caused by black ice in winter, the number of personal injuries is increasing rapidly. Black ice is a phenomenon that occurs like a thin layer of ice on the road surface. Accordingly, many developments of heat-generating concrete are being developed to remove ice by increasing the temperature by supplying constant electricity to places where black ice is likely to occur. These heating elements are being developed by mixing a conductive material represented by carbon nanotubes with concrete. However, research up to now has been focused on efficient temperature rise and derivation of the optimum mixing ratio, and the evaluation of maintaining heat generation performance during continuous repetition is insufficient. Therefore, in this study, a heating test specimen was manufactured and 50V power was repeatedly supplied to evaluate the heating characteristics.