[논문 리뷰] Intelligent Pothole Detection and Road Condition Assessment

Umang Bhatt, Shouvik Mani외 2명|arXiv (Cornell University)|2017. 10. 06.

Infrastructure Maintenance and MonitoringEngineering참고 문헌 3인용 수 21

한 줄 요약

이 논문은 스마트폰 가속도계 및 자이로스코프 데이터를 활용하여 실시간으로 포드와 도로 상태를 감지하고, 포드 감지 정확도 92% 및 도로 품질 평가 정확도 93%를 달성한 실시간 모바일 시스템을 제시한다. 공동으로 수집된 센서 데이터를 활용해 도시 전체의 도로 상태 지도를 생성함으로써 인프라 유지보수를 안내한다.

ABSTRACT

Poor road conditions are a public nuisance, causing passenger discomfort, damage to vehicles, and accidents. In the U.S., road-related conditions are a factor in 22,000 of the 42,000 traffic fatalities each year. Although we often complain about bad roads, we have no way to detect or report them at scale. To address this issue, we developed a system to detect potholes and assess road conditions in real-time. Our solution is a mobile application that captures data on a car's movement from gyroscope and accelerometer sensors in the phone. To assess roads using this sensor data, we trained SVM models to classify road conditions with 93% accuracy and potholes with 92% accuracy, beating the base rate for both problems. As the user drives, the models use the sensor data to classify whether the road is good or bad, and whether it contains potholes. Then, the classification results are used to create data-rich maps that illustrate road conditions across the city. Our system will empower civic officials to identify and repair damaged roads which inconvenience passengers and cause accidents. This paper details our data science process for collecting training data on real roads, transforming noisy sensor data into useful signals, training and evaluating machine learning models, and deploying those models to production through a real-time classification app. It also highlights how cities can use our system to crowdsource data and deliver road repair resources to areas in need.

연구 동기 및 목표

• 포드 및 열악한 도로 상태를 감지하고 보고하는 가용성 있는 방법의 부족을 해결하기 위해.
• 스마트폰 센서를 활용해 도로 상태를 분류하고 포드를 감지하는 실시간 모바일 애플리케이션을 개발하기 위해.
• 도시 당국이 수리 우선순위를 정할 수 있도록 데이터 기반의 공동 참여 기반 도로 상태 지도를 구축하기 위해.
• 정확하고 확장 가능하며 저비용으로 도로 열화를 감지함으로써 도시 인프라 유지보수를 향상시키기 위해.

제안 방법

• 2007년식 토요타 프리우스에 고정된 두 대의 아이폰 6S 기기를 사용해 훈련 데이터를 수집하였으며, 한 대는 센서 기록을 위해, 다른 한 대는 포드 주석을 위해 사용함.
• 초당 5개의 센서 읽기 값을 측정함: 가속도계(x, y, z), 자이로스코프(x, y, z), GPS, 속도 데이터 포함.
• 시간 간격 집계(도로 상태는 10초 간격, 포드 감지는 2초 간격)를 통해 원시 센서 데이터를 의미 있는 특징으로 변환함.
• 공 ing된 특징을 기반으로 서포트 벡터 머신(SVM) 모델을 훈련시켜 도로 상태(양호/불량) 및 포드 감지(있음/없음)를 분류함.
• 데이터 수집과 주석을 분리한 이중 앱 아키텍처를 사용하여 데이터 손실을 줄이고 신뢰성을 향상시킴.
• 다수의 사용자로부터의 실시간 분류 결과를 집계하여 도시 규모의 도로 상태 지도를 생성함.

실험 결과

연구 질문

• RQ1 스마트폰 가속도계 및 자이로스코프 데이터는 실시간으로 양호한 도로 상태와 열악한 도로 상태를 신뢰성 있게 구분할 수 있는가?
• RQ2 센서 데이터 기반으로 훈련된 머신러닝 모델은 높은 정확도로 개별 포드를 감지할 수 있는가?
• RQ3 모바일 기기에서 수집된 공동 참여 기반 센서 데이터는 어떻게 실질적인 공간 정확도를 갖춘 도로 상태 지도로 전환될 수 있는가?
• RQ4 노이즈가 많은 실제 센서 데이터에서 분류 성능을 향상시키기 위해 어떤 전처리 및 특징 공학 기법이 효과적인가?

주요 결과

• SVM 모델은 도로 상태를 양호 또는 불량으로 분류하는 데 93%의 정확도를 달성하여 기초 빈도를 크게 뛰어넘음.
• 포드 감지 모델은 92%의 정확도를 기록하여 실제 주행 데이터에서 뛰어난 성능을 입증함.
• 도로 상태는 10초 간격, 포드 감지는 2초 간격으로 센서 데이터를 집계함으로써 모델의 해석 가능성과 성능이 향상됨.
• 시스템은 포드 11번 그림에 나타난 피츠버그 지도처럼 세밀하고 실시간 도로 상태 지도를 성공적으로 생성함으로써 도로 품질의 공간적 변동성을 시각화함.
• 이중 앱 데이터 수집 방식은 단일 기기 솔루션 대비 데이터 손실을 줄이고 주석 신뢰성을 향상시킴.
• 본 연구는 스마트폰 센서가 전통적인 도로 점검 방법에 비해 확장 가능하고 저비용의 대안이 될 수 있음을 입증함.