路面坑洼在雨季犹会引发问题。2020年8月，韩国首尔遭遇超级大暴雨，该市共收到7,000个坑洼报告。而从2016年至2018年，韩国全国报告的坑洼数量为657,993，损失赔偿总额达46亿韩元，道路维修费用达1.7万亿韩元。如果车辆并未注意到坑洼并高速通过，该车辆很可能会脱离行驶车道，从而威胁到驾驶员的生命。
路面管理从快速检测受损路段开始，涉及基于振动、激光扫描和图像识别的检测技术。特别地是，随着深度神经网络的检测技术的发展，基于图像识别的路面管理方法不断受到关注。此外，基于图像的技术还可用于个人设备，例如车辆或智能手机摄像头，因此依赖人类视觉检查的地方政府更容易采用该技术。
该系统由Seungki Ryu博士领导的KICT研究团队开发。该系统安装于车辆挡风玻璃上的视觉传感器，可在驾驶时拍摄路面来实时检测坑洼。该AI推理模型使用基于FCN（全卷积神经网络）架构的编码器-解码器网络，可从语义上分割路面上的损坏。
基于图像检测的一个常见问题是，即使在同一位置，图像的像素单元信息也会因外部环境的变化而有所不同。特别是路面亮度会随时间变化，因此使用该AI推理模型识别路面损坏可能具有挑战性。为了解决这个问题，研究团队开发出一种新的用于图像预处理的CNN（卷积神经网络）模型，并结合语义分割模型，可对不同亮度条件下拍摄的道路图像显示出稳健的检测性能。
该技术包括使用人工智能模型收集数据的移动应用程序和基于地图的云服务器平台，可根据移动应用程序传输的数据识别坑洼。目前，韩国部分地方政府，如光州广域市（Gwangju Metropolitan City）、高阳市（Goyang-si）和金海市（Gimhae-si）正在试点这项技术。Ryu博士的研究团队旨在进一步扩展这项技术并将其推广至其他地方政府。
Ryu博士表示：“在即将到来的自动驾驶汽车时代，保持道路设施处于良好状态至关重要。这种基于人工智能的技术将更容易、有效地管理路面。”