Review on Analysis Techniques for Road Pothole Detection

Arjapure, Surekha; Kalbande, Dhananjay

doi:10.1007/978-981-15-0751-9_109

Cited by 5 publications

(2 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Even though potholes are observable road characteristic, the relation between potholes and macroscopic traffic characteristics is still a grey research area. It is imperative to know that literature on potholes is related to its detection [3,6,8,15] but not to its modeling as is the intent of this research. Therefore, the paper seeks to derive a new second-order macroscopic model that accounts for these road surface irregularities.…”

Section: Introductionmentioning

confidence: 99%

Modeling road surface potholes within the macroscopic flow framework

Fosu¹,

Opong²,

Owusu³

et al. 2022

Math Appl Sci Eng

View full text Add to dashboard Cite

The continual wearing of road surfaces results to crack and holes called potholes. These road surface irregularities often elongate travel time. In this paper, a second-order macroscopic traffic model is therefore proposed to account for these road surface irregularities that affect the smooth flow of vehicular traffic. Though potholes do vary in shape and size, for simplicity the paper assumes that all potholes have conic resemblances. The impact of different sized potholes on driving is experimented using fundamental diagrams. Besides, the width of these holes, driver reaction time amid these irregularities also determine the intensity of the flow rate and vehicular speed. Moreover, a local cluster analysis is performed to determine the effect of a small disturbance on flow. The results revealed that the magnitude of amplification on a road surface with larger cracks is not as severe as roads with smaller size holes, except at minimal and jam density where all amplifications quickly fade out.

show abstract

Section: Introductionmentioning

confidence: 99%

Modeling road surface potholes within the macroscopic flow framework

Fosu¹,

Opong²,

Owusu³

et al. 2022

Math Appl Sci Eng

View full text Add to dashboard Cite

show abstract

“…Es por ello que se han buscado alternativas tecnológicas que permita detectar baches con el menor costo posible. Es así que, en la actualidad, existen tres enfoques principales para su detección: basados en vibración, basados en reconstrucción en 3D y métodos basados en visión (Arjapure & Kalbande, 2020). Dentro de estos enfoques se han empleado varias técnicas: inteligencia artificial (Tithi et al, 2021;Yebes et al, 2021) y su subcampo aprendizaje de máquinas (Egaji et al, 2021;Kandoi et al, 2021;Shah et al, 2021;Yik et al, 2021), redes neuronales (Kempaiah et al, 2022;Rahman et al, 2022) tales como convolucional (Agrawal et al, 2021;Fan, Wang, et al, 2021;Kharel & Ahmed, 2022; S. S. Park et al, 2021;Patra et al, 2021;Pratama et al, 2021;Rahman et al, 2022), aprendizaje profundo (Bhavya et al, 2021;Kempaiah et al, 2022;Li & Liu, 2021;Shah et al, 2021) y visión por computadora (Camilleri & Gatt, 2020;Fan, Wang, et al, 2021;Kharel & Ahmed, 2022;Riedl et al, 2020), utilizando principalmente el procesamiento de imágenes computarizadas (Muhammad Hanif et al, 2020;Tithi et al, 2021;Wang, 2021).…”

Section: Introductionunclassified

Detección de baches y su severidad usando el Video VBOX Lite y teléfonos inteligentes

et al. 2022

View full text Add to dashboard Cite

Los baches son un problema común en pavimentos deteriorados. Estos desniveles disminuyen la comodidad de conducción y pueden llegar a causar siniestros viales. El geolocalizar los baches y su grado severidad permitirán a los usuarios ajustar su velocidad y trayectoria en la vía deteriorada. Además, las entidades del Estado pueden planificar las intervenciones de mantenimiento en los sitios con más deterioro. Esto se podría resolver utilizando sensores como los que tienen los teléfonos celulares o el Video VBOX Lite, que tiene mayor precisión. La información recolectada por estos equipos por sí sola, no permite la geolocalización del bache o determinar su severidad; es necesario entender, procesar y evaluar esos datos para lograrlo. Por lo tanto, el objetivo de este estudio es proponer un procedimiento para detectar baches y su severidad usando el Video VBOX Lite y dos teléfonos inteligentes. Para ello, la recolección de datos se hizo en dos fases. En la fase 1, se recolectaron los baches de manera manual (posición, profundidad y diámetro). Mientras que en la fase 2 se recolectaron los datos de los sensores de los equipos colocados en un vehículo liviano. Se circuló a velocidades entre 20 a 50 km/h. Basado en estos datos, se propuso dos procedimientos uno para el Video VBOX Lite y otro para los teléfonos celulares. La precisión de los procedimientos llegó a detectar entre 71-90 % de los baches. Este procedimiento se puede adaptar como crowdsourcing para generar datos de las redes viales locales.

show abstract