Details:

Creators:
Shan, Jie ; Ural, Serkan 
Shan, Jie ; Ural, Serkan  Less -
Corporate Creators:
Purdue University. Joint Transportation Research Program
Corporate Contributors:
United States. Federal Highway Administration ; Indiana. Dept. of Transportation
United States. Federal Highway Administration ; Indiana. Dept. of Transportation Less -
Subject/TRT Terms:
[+]
Clear Zones Construction Projects Data Analysis Data Collection Evaluation And Assessment Highway Design Laser Radar Orthophotographs Performance Measurement
Publication/ Report Number:
FHWA/IN/JTRP¿2015/07 
Resource Type:
Tech Report
Geographical Coverage:
United States
Corporate Publisher:
Purdue University. Joint Transportation Research Program
Abstract:
Evaluation method  employed for the  proposed  corridor  projects  by  Indiana Department  of  Transportation (INDOT)  consider road 

geometry  improvements  by  a  generalized  categorization.  A  new method  which  considers the  change  in  geometry  improvements 

requires additional information regarding cross section elements. Part of this information is readily available but some information like 

the embankment slopes and obstructions near traveled way needs to be acquired. This study investigates available data sources and 

methods to obtain cross‐section and clear zone information in a feasible way for this purpose. We have employed color infrared (CIR) 

orthophotos,  LiDAR  point  clouds,  digital  elevation  and surface  models  for  the  extraction  of  the  paved surface,  average  grade, 

embankment slopes, and obstructions near the traveled way like trees and man‐made structures. We propose a framework which first 

performs a support vector machine (SVM) classification of the paved surface, then determines the medial axis and reconstructs the 

paved surface. Once the paved surface is obtained, the clear zones are defined and the features within the clear zones are extracted by 

the classification of LiDAR point clouds.  

 

SVM classification of the paved surface from CIR orthophotos in the study area results with a classification accuracy over 90% which 

suggests the suitability of high resolution CIR images for the classification of paved surface via SVM. A total of 21.3 miles of relevant road 

network has been extracted. This corresponds to approximately 90% of the actual road network due to missing parts in the paved 

surface classification results and parts which were removed during cleaning, simplification and generalization process. Branches due to 

connecting  driveways,  adjacent  parking  lots,  etc., were  also  extracted together with the main road  alignment  as  by‐product.  This 

information may also be utilized if found necessary with further effort to filter out irrelevant pieces that do not correspond to any actual 

branches.  Based  on the  extracted  centerline  and  classification results, we  have  estimated the  paved surface  as  observed  on the 

orthophotos. Based on the estimated paved surface centerline and width, we have generated cross section lines and calculated the side 

slopes. We have extracted the buildings and trees within the clear‐zones that are also defined based on the reconstruction of the paved 

surface. Among 86 objects detected as buildings, 14% were false positives due to confusion with bridges or trees which present planar 

structure.


Format:
PDF
Funding:
SPR¿3640
Collection(s):
US Transportation Collection
Main Document Checksum:
[+]
urn:sha256:84f5ebd0d112a07a73b5b542de46b18d3b176fe152eed0d84e69d45a515d8c56
Download URL:
https://rosap.ntl.bts.gov/view/dot/29220/dot_29220_DS1.pdf
File Type:

Supporting Files

• No Additional Files

More +