[논문 리뷰] An Experiment on Measurement of Pavement Roughness via Android-Based Smartphones

Piyasak Thiandee, Boonsap Witchayangkoon외 2명|arXiv (Cornell University)|2019. 07. 28.

Infrastructure Maintenance and Monitoring참고 문헌 5인용 수 10

한 줄 요약

이 연구는 태국 고속도로 9km 구간에서 액셀러미터를 통해 수집한 진동 데이터를 이용해 안드로이드 기반 스마트폰을 활용해 도로 표면의 불순함을 측정하는 방법을 평가한다. RMS 및 기계학습(ML) 방법을 사용하여 저자들은 ML이 국제 불순도 지수(IRI) 예측에서 RMS를 능가함을 발견했지만, 스마트폰 가속도계 데이터와 IRI 사이에 약한 상관관계가 존재하여 스마트폰 단독으로는 직접적인 예측 능력이 제한됨을 시사한다.

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.

연구 동기 및 목표

• 소비자용 안드로이드 스마트폰을 사용하여 진동 데이터를 통해 도로 표면 불순도 측정의 가능성을 평가하는 것.
• 스마트폰에서 확보한 가속도 데이터로부터 도로 불순도를 추정하는 데 있어 RMS 및 기계학습(ML) 방법의 성능를 비교하는 것.
• 스마트폰으로 측정한 진동 데이터와 관성 프로파일러로 유도한 표준 국제 불순도 지수(IRI) 사이의 상관관계를 평가하는 것.
• 기기 특성에 따른 센서 변동성으로 인한 스마트폰 기반 불순도 측정의 한계를 규명하는 것.

제안 방법

• 내장된 가속도계를 갖춘 스마트폰을 차량에 장착하여 태국의 아스팔트 고속도로 9km 구간에서 실시간으로 진동 데이터를 수집하였다.
• 데이터 수집은 레이저선 센서를 장착한 관성 프로파일러와 동기화되었으며, 이는 기준 IRI 측정값을 제공하였다.
• 기본 방법으로서 가속도 신호의 제곱근 평균제곱(RMS)을 계산하여 불순도 추정을 수행하였다.
• 수집된 가속도 데이터를 입력 특성으로 사용하여 IRI를 예측하는 기계학습 모델을 훈련시켰다.
• RMS 및 ML 방법의 성능를 관성 프로파일러에서 얻은 IRI 값과 비교하였다.
• 스마트폰에서 유도된 지표와 기준 IRI 값 사이의 상관관계를 평가하기 위해 통계 분석을 실시하였다.

실험 결과

연구 질문

• RQ1 소비자용 안드로이드 스마트폰이 내장된 가속도계 데이터를 활용해 도로 표면 불순도를 정확하게 추정할 수 있는가?
• RQ2 동일한 스마트폰 데이터를 사용할 때 RMS 기반의 불순도 추정 성능와 기계학습 모델 간의 성능를 어떻게 비교할 수 있는가?
• RQ3 스마트폰으로 확보한 진동 데이터와 관성 프로파일러로 측정한 표준 IRI 사이의 상관관계는 어느 정도인가?
• RQ4 스마트폰 하드웨어의 차이가 불순도 측정의 일관성과 신뢰성에 어느 정도 영향을 미치는가?

주요 결과

• 기계학습 모델은 RMS 방법에 비해 IRI 예측에서 뛰어난 성능을 보였다.
• 스마트폰에서 수집한 가속도 데이터와 기준 IRI 값 사이에 약한 관계가 관찰되었다.
• 다른 스마트폰은 센서 민감도 및 校정 차이로 인해 서로 다른 진동 측정값을 산출하였다.
• RMS 방법은 다양한 기기 간에 불순도 추정의 정확도와 일관성이 떨어졌다.
• 이 연구는 스마트폰이 불순도와 관련된 진동 데이터를 캡처할 수는 있지만, IRI와의 직접 상관관계가 부족하여 단독으로 사용하기에는 부적절하다고 결론내렸다.
• 가속도계 출력의 기기별 변동성은 校정 없이 스마트폰 기반 불순도 측정의 일반화를 제한한다.