[論文レビュー] An Experiment on Measurement of Pavement Roughness via Android-Based Smartphones

Piyasak Thiandee, Boonsap Witchayangkoon+2 more|arXiv (Cornell University)|Jul 28, 2019

Infrastructure Maintenance and Monitoring参考文献 5被引用数 10

ひとこと要約

本研究では、タイの高速道路9 km区間を走行する中で、Android搭載スマートフォンの加速度計を用いて振動データを収集し、舗装の粗さを測定する手法を評価している。RMSおよび機械学習（ML）手法を用いた分析の結果、ML手法がIRI（国際粗さ指数）の予測においてRMSを上回ることが判明したが、スマートフォンで得られた加速度データとIRIとの間に弱い相関関係が認められ、スマートフォン単体では直接的な予測能力に限界があることが示された。

ABSTRACT

The study focuses on the experiment of using three different smartphones to collect acceleration data from vibration for the road roughness detection. The Android operating system is used in the application. The study takes place on asphaltic pavement of the expressway system of Thailand, with 9 km distance. The run vehicle has an inertial profiler with laser line sensors to record road roughness according to the IRI. The RMS and Machine Learning (ML) methods are used in this study. There is different ability of each smartphone to detect the vibration, thus different detected values are obtained. The results are compared to the IRI observation. ML method gives better result compared to RMS. This study finds little relationship between IRI and acceleration data from vibration collected from smartphones.

研究の動機と目的

• 消費者向けAndroidスマートフォンを用いた振動データ収集による舗装粗さ測定の可能性を評価すること。
• スマートフォンで得た加速度データを用いた粗さ推定において、RMS法と機械学習（ML）手法の性能を比較すること。
• スマートフォンで測定した振動データとインertialプロファイラーによって得られた標準的な国際粗さ指数（IRI）との相関関係を評価すること。
• 機器固有のセンサーのばらつきによって生じるスマートフォンベースの粗さ検出における制限要因を特定すること。

提案手法

• 加速度計を内蔵したスマートフォンを車両に設置し、タイのアスファルト舗装の9 km区間を走行しながらリアルタイムで振動データを収集した。
• データ収集は、レーザーラインセンサーを装備したインエントリプロファイラーと同期させ、基準となるIRI測定値を提供した。
• 粗さ推定のベースライン手法として、加速度信号の平均二乗（RMS）を計算した。
• 収集した加速度データを入力特徴量として用い、IRIを予測するための機械学習モデルを訓練した。
• RMS法とML手法の両方が、インエントリプロファイラーによるIRI値と比較された。
• 統計的分析を用いて、スマートフォン由来の指標と基準IRI値との相関関係を評価した。

実験結果

リサーチクエスチョン

• RQ1 消費者向けAndroidスマートフォンは、搭載された加速度計データを用いて舗装粗さを正確に推定できるか？
• RQ2 同じスマートフォンデータを用いた場合、RMS法による粗さ推定の性能は機械学習モデルに比べてどうか？
• RQ3 スマートフォンで収集した振動データと、インエントリプロファイラーが測定した標準IRIとの相関関係はどの程度強いのか？
• RQ4 スマートフォンのハードウェア差が、粗さ測定の整合性と信頼性にどの程度影響を及えるのか？

主な発見

• 機械学習モデルは、RMS法に比べてIRI予測において優れた性能を示した。
• スマートフォンで収集した加速度データと基準IRI値との間に弱い関係が認められた。
• センサー感度やキャリブレーションの違いにより、異なるスマートフォンで異なる振動測定値が得られた。
• RMS法は、異なる機器間で粗さ推定の精度と一貫性に限界を示した。
• 本研究は、スマートフォンが粗さに関連する振動データを捉えることは可能であるが、IRIとの直接的相関は不十分であり、単独での利用には不適切であると結論づけた。
• 加速度計出力の機器固有のばらつきは、キャリブレーションが行われない限り、スマートフォンベースの粗さ測定の一般化を制限する。