Ⅰ. 서 론

2009년 도로교통공단 사고통계자료에서 기타, 미 분류 사고를 제외한 총 303,444건의 사고 중 그 원인 을 정확히 파악할 수 없는 안전운전 불이행 사고가 143,283건으로 약 47.2%에 해당하고 있다[1]. 상충이 빈번히 발생하는 도로에서 안전운전 불이행은 사고 발생 개연성을 높이게 되며, 자칫 대형사고로 이어질 수가 있다. 따라서 개별차량의 주행궤적을 모니터링 하고 개별차량의 위험운전행태를 검지하여 도로의 안전성을 평가하고 분석하는 것은 사고의 원인 분석 및 예방의 시작이라 할 수 있다. 최근 각종 센서 및 통신기술의 발달은 과거에 비해 보다 미시적이고 폭 넓은 교통자료의 취득을 가능하도록 하였다. 특히 차 량-차량 간(V2V, Vehicle to Vehicle), 차량-인프라 간 (V2I, Vehicle to Infrastructure) 무선통신을 포함하는 V2X 무선통신은 실시간으로 수집된 자료를 처리하 여 인접차량이나 센터로 정보를 전달함으로써 개별 차량의 주행정보를 더욱 수월하게 수집할 수 있는 환경을 제공한다. 따라서 발달된 기술력을 통해 사고 이력자료를 이용할 수밖에 없던 과거와 달리 개별차 량의 주행궤적자료를 실시간으로 가공하여 교통상황 과 정보를 바로 수집할 수 있는 실시간 모니터링 시 스템 환경을 제공할 수 있을 것이다.

본 연구에서는 개별차량 주행자료 수집 및 무선통 신이 가능한 OBU(On-Board Unit)으로부터 수집되는 자료를 이용하여 위험운전이벤트를 검지하고, 검지된 위험운전이벤트 자료를 이용하여 교통안전 모니터링 지표를 개발함으로써 실시간 유비쿼터스 환경하에서 의 교통안전 모니터링을 통해 도로의 안전성을 평가 할 수 있는 기법을 제시하였다. 즉, 교통안전 모니터 링 지표를 통해 모니터링 하고자하는 도로구간에서 얼마나 많은 위험운전이 발생하고 있는지, 어떤 위험 운전이벤트가 자주 발생하는지 분석하여 도로구간의 특성 및 위험도를 간접적으로 파악할 수 있는 기법을 제시하였다. 본 연구에서 제시하는 교통안전 모니터링 기법은 네 부분으로 구성된다. 첫째, V2V, V2I 무선통 신이 가능하며 GPS(Global Positioning System)수신기, 관성측정센서(IMU, Inertial Measurement Unit)가 탑재 되어 있는 OBU로부터 수집되는 개별차량의 가속도 및 각속도 자료를 이용하여 개별차량의 위험운전을 검지 하였다. 둘째, 계층화분석법(AHP, Analytical Hierarchical Method)을 통해 교통사고 위험도에 따른 위험운전이 벤트 별 가중치를 산정하고, 검지된 개별차량의 위험 운전을 이용하여 위험운전 지표(UDI, Unsafe Driving Index)를 산출하여 도로의 교통 안전도를 평가하는 교통안전 모니터링 지표로써 활용하였다. 셋째, 산출 된 교통안전 모니터링 지표를 이용하여 운영자가 실 시간으로 도로의 구간을 모니터링 하고 운전자에게 도로의 위험정보 및 돌발상황 정보 등의 경고정보를 제공할 수 있도록 교통안전 모니터링 센터를 구축하 였다. 마지막으로, 실제 테스트베드에서 수집된 자료 를 이용하여 시스템성능 및 서비스구현 검증을 수 행하였다. 교통안전 모니터링 센터는 실제 테스트베 드에 구현되어 테스트 중에 있으며, 본 논문에서는 제안된 교통안전 모니터링의 적용 사례 및 활용방 안에 대하여 소개하고자 한다.

본 논문의 구성은 다음과 같다. 2장에서는 위험 운전 및 교통 모니터링과 관련된 기존 문헌을 고찰 하였고, 3장에서는 교통안전 모니터링 시스템에 대 한 전반적인 내용을 제시하였다. 4장에서는 교통안 전 모니터링 센터 구축현황을 소개하였으며, 5장에 는 결론을 제시하였다.

Ⅱ. 기존문헌 고찰

본 연구에서는 위험운전 검지관련 연구와 교통 안전 모니터링 관련 연구를 위주로 기존문헌을 고 찰하였다.

1. 위험운전 검지관련

한인환(2007)은 차량용 블랙박스를 활용하여 주 행데이터 특성 분석과 위험운전 인지 체계 구축을 목적으로 위험운전 인지 알고리즘을 구성하였다[2]. Beck et al.(2007)은 휴대폰을 사용하는 운전자와 사 용하지 않는 운전자의 운전행태를 비교하였다. 그 결과 휴대폰 사용 운전자는 졸음운전과 같은 운전 행태를 보였으며, 신호위반, 과속 등의 법규를 지키 지 않는 경향을 보이는 것으로 나타났다[3]. 오주택 (2008)은 운전자로부터 발생할 수 있는 위험운전 유 형을 7가지의 대분류와 이를 좀 더 구체화한 16가 지의 소분류로 재정의 하였으며, 정의 된 위험운전 유형에 대한 분석을 위하여 차량거동상태에 따른 모든 차량데이터를 취득·분석할 수 있는 Data-logger 를 개발하였다[4]. Vanlaar et al(2008)은 음주운전, 과속, 주의산만, 휴대폰사용, 졸음운전, 환각상태운 전 6가지 위험운전 행태에 대해 로지스틱 회귀분석 을 이용하여 운전자의 주의 정도에 따른 위험운전 행태를 모형화 하였다[5]. 오주택(2009)은 디지털 주 행기록계, 차량용 블랙박스 등의 안전운전관리 시 스템의 업그레이드가 가능할 뿐만 아니라, 운전자 의 위험운전 정도를 분석할 수 있는 임계값을 도출 하였다[6].

2. 교통안전 모니터링 관련

Wouters et al.(2000)은 차량정보기록(Vehicle Data Recorder)을 통해 운전자의 운전행태를 모니터링 하 여 피드백을 제공하는 시스템을 제안하였으며, 현 장실험을 통해 개별차량의 주행정보를 수집하고 사 고자료와의 분석을 통해 약 20%의 사고감소효과를 추정하였다[7]. 김준형 등(2008)은 차량 간 안전거리 와 충돌에너지 개념을 이용하여 실시간 모니터링 환경에서 차량추종 및 차로변경 이벤트 발생 시 안 전도를 평가할 수 있는 방법론을 개발하였다[8]. 배 기만 등(2008)은 운전상태 및 차량의 상태를 모니터 링하기 위한 센서시스템과 차량 내 컴퓨터와 중앙 관제 시스템의 연계에 관하여 연구를 수행하였으 며, 탱크로리 운행에 관한 안전 모니터링 시스템을 제안하였다[9]. Andrew et al.(2010)은 프로브차량으 로부터 수집된 자료를 이용한 동적 교통혼잡 및 돌 발상황 모니터링 기법을 제시하였다[10]. Wang et al.(2010)은 다양한 센서로부터 수집되는 차량관련 파라미터, 운전자의 생체적인 자료, 운전자의 행동 특성을 입력자료로 사용하여 통계적인 모델링을 통 해 운전 위험을 예측함으로써 실시간 운전 위험도 를 예측하는 시스템을 개발하였다[11].

3. 기존연구와의 차별성

기존 연구에서는 위험운전의 행태를 분석하고 검지하는 방법에 대한 연구를 주로 수행하였다. 기 존 연구에서는 단순히 위험운전의 행태를 분석하고 검지하였다면, 본 연구에서는 위험운전의 행태를 분석하고 검지할 뿐만 아니라, 차량-차량 간, 차량- 인프라 간 무선통신을 통해 이용자 및 운영자에게 정보를 제공한다. 제공된 정보를 이용하여 실시간 으로 도로 구간을 모니터링 함으로써, 기존의 이력 자료를 이용한 모니터링보다 신속하고 정확한 정보 를 개별운전자들에게 제공함으로써 서비스의 수준 을 극대화 할 수 있을 것이다. 또한 기존에는 도로 의 모니터링 정보를 불특정 다수를 대상으로 서비 스를 제공하였지만, 본 연구에서 제시한 방법론은 모니터링 정보를 인프라-차량 간 무선통신을 통해 기기의 제약에 관계없이 개인이 소유한 여러 기기 를 기반으로 서비스를 제공할 수 있을 것이다.

기존에 여러 지자치구에서 교통관리센터를 구축 하여 운영하고 있지만, 교통안전에 대한 모니터링 은 시행되고 있지 않다. 따라서 본 연구에서 제시한 교통안전 모니터링 시스템은 기존에 구축되어 있는 교통관리센터에 추가 적용하여 추가 비용 없이 도 로의 전반적인 안전성을 검토함으로써 교통류 관리 전략 수립을 위한 기초자료로써 활용될 수 있을 것 이며 교통안전증진을 위한 다양한 정책개발 및 평 가에 활용할 수 있을 것으로 기대된다.

Ⅲ. 교통안전 모니터링 시스템

1. 교통안전 모니터링 시스템 개요

본 연구에서 제안하는 교통안전 모니터링 시스 템은 개별차량의 주행행태 자료를 실시간으로 수집 하고 분석하여 대상구간의 안전도를 평가하고 도로 의 돌발상황 등의 경고정보를 제공하기 위한 교통 안전 관리시스템이다. 교통안전 모니터링 시스템은 자료수집 및 분석, 정보전달, 센터표출의 세 부분으 로 구성되어 있으며 시스템에 대한 개념도를 <그림 1>에 제시하였다. 시스템 구성요소에는 GPS수신기 와 관성측정장치가 탑재되어있는 OBU, 차량-인프라 간 무선통신이 가능한 도로변 장치(RSE, Roadside Equipment), 교통안전을 모니터링하기 위한 교통관 리센터(TMC, Transportation Management Center)가 있다. 각 구성요소에 대한 기능 및 특성은 <표 1>에 제시하였다.

OBU는 GPS수신기를 이용한 위도, 경도, 속도와 자이로센서를 이용한 3축 가속도, 3축 각속도 자료 를 1/10초 간격으로 수집한다. 수집되는 속도, 가속 도 및 각속도 자료를 이용하여 위험운전이벤트를 검지 할 수 있다. 또한 V2X (V2V, V2I) 무선통신이 가능하여 차량의 위험운전 검지 시 V2I 무선통신을 이용하여 RSE로 개별차량 주행궤적 자료와 위험운 전 정보를 전달한다. 만약 RSE 통신반경 내에 위험 운전 차량이 존재하지 않는 경우 V2V 통신을 통해 인접차량에 정보를 전달하고 인접차량이 V2I 통신 을 이용하여 인접 RSE에 정보를 전달하게 된다. 위 험운전 정보를 수신한 RSE는 I2C 무선통신을 통해 전달받은 정보를 센터로 전달한다. 센터로 수집된 개별차량 주행궤적 자료 및 위험운전 정보는 차량 의 위치정보 및 교통안전 모니터링 지표로써 센터 상황판에 표출되어 다양한 집계단위별(분/시간/일/ 월)로 조회할 수 있다. 이는 교통류의 안전도를 실 시간으로 모니터링 하여 도로의 안전도평가를 지원 하는 새로운 도구로 사용가능하며, 안전도 향상을 위한 실시간 교통류 관리전략 수립을 위한 기초자 료로 활용될 수 있다.

2. 위험운전 검지

1) 위험운전 유형분류

위험운전이란 사고로 이어질 수 있는 운전자의 운전행태로, 본 연구에서는 위험운전과 교통사고의 연관성을 고려하여 위험운전 유형을 선정하여 <표 2>에 위험운전 유형과 차량거동 및 운전행태를 제 시하였다.

안전거리가 확보되지 않은 상태에서 급가속 또 는 급감속을 하게 되면 운전자가 충분히 반응할 시 간이 부족하기 때문에 추돌사고가 발생할 위험이 크다. 또한 주행 중 차량이 급차로변경 또는 급선회 를 통해 갑자기 끼어들게 되면 주행상황에 대한 판 단이 미흡해지기 때문에 측면 충돌사고가 발생할 위험이 크다. 사행운전은 운전자가 졸음운전, 음주 운전 및 휴대폰 조작 등의 운전자 부주의에 의해 발생하는 운전행태로 후방차량에 대한 급감속, 인 접차량에 대한 측면 충돌 등의 위험상황을 유발할 수 있다. 따라서 본 연구에서는 위험운전을 급가속, 급감속, 급차로변경, 급선회, 1차로 사행운전, 2차로 사행운전으로 분류하여 연구를 수행하였다.

2) 위험운전 검지 알고리즘

본 연구에서는 OBU로부터 수집되는 가속도와 각속도를 이용하여 차량의 위험운전을 검지하였다. 수집되는 가속도와 각속도는 <그림 2>와 같이 3개 의 축을 기준으로 수집된다. 종방향 가속도를 이용 하여 급가속과 급감속을 검지하였으며, 횡방향 각 속도를 이용하여 급차로변경, 급선회, 1차로 사행운 전과 2차로 사행운전을 검지하였다. <그림 3-a>는 일반적인 가·감속과 급가·감속 시 차량의 종방향가 속도 변화 패턴을 제시하였으며, <그림 3-b>는 직선 구간 정상주행과 사행운전 시 차량의 횡방향각속도 변화 패턴을 제시하였다. 종방향가속도 및 횡방향 각속도의 변화가 클수록 위험도가 높은 위험운전 행태를 나타내며, 본 연구에서는 이러한 가속도와 각속도의 특성을 이용하여 위험운전을 검지하였다. 위험운전 검지 알고리즘은 종방향가속도를 이용한 위험운전 검지와 횡방향각속도를 이용한 위험운전 검지로 분류된다.

<그림 4>에 위험운전 검지 알고리즘을 제시하였다. <그림 4-a>는 종방향가속도를 이용한 위험운전 검지 알고리즘으로 급출발, 급정지, 급가속, 급감속을 검지 한다. 종방향가속도가 기 설정된 상한임계값(Upper_ax) 이상의 값을 나타내거나 하한임계값(Lower_ax) 이하의 값을 나타내면 급가·감속으로 판단하게 된다. 이 때, 검지 시점의 차량의 속도를 이용하여 급출발/급정지 를 판단하게 된다. 급가속 검지시 급가속 검지 시점 의 속도가 0인 경우 급출발로 판단을 하게 되며 그 렇지 않은 경우 급가속으로 판단하게 된다. 마찬가 지로 급감속 시점의 속도가 0인 경우 급정지로 판단 하며 그렇지 않은 경우 급감속으로 판단하게 된다.

<그림 4-b>는 횡방향각속도를 이용한 위험운전 검지 알고리즘으로 급선회, 급차로변경, 사행운전을 검지한다. 횡방향가속도가 급선회판단을 위한 임계 값인 Upper_turn, Lower_turn의 범위를 벗어나게 되면 급선회로 검지하고, 그렇지 않은 경우 사행운전 및 급차로변경을 판단하기 위해 알고리즘이 계속 진행 된다. 사행운전 검지를 위한 임계값인 Upper_YR1, Lower_YR1의 범위를 벗어나게 되면 사행운전 1회로 검지하게 된다. 사행운전과 급차로변경은 횡방향각 속도의 패턴이 <그림 3-b>와 같은 패턴 (사행운전 패턴)으로 나타나게 되며, 사행운전 패턴이 1회만 발 생하면 급차로변경으로 판단하고, 1회 이상 검지되 면 사행운전으로 판단한다. 알고리즘을 통해 위험운 전이벤트가 검지되면 V2X 통신을 통해 인접차량에 경고정보를 제공하고 센터로 위험운전 발생 정보(위 험운전 종류, 위치, 시간 등)를 전달한다.

기존 연구에 임계값 설정방법 및 횡방향각속도를 이용한 위험운전 검지 알고리즘 등 위험운전 검지 알고리즘에 관련된 보다 자세한 내용이 제시되어 있다[12].

3. 교통안전 모니터링지표

1) 위험운전 지표

본 연구에서는 도로 구간의 위험운전을 모니터 링하기 위해 위험운전 지표(Unsafe Driving Index, UDI)를 개발하였다. 위험운전 지표를 이용한 위험 운전 모니터링의 경우 차량의 센서장착비율에 관계 없이 모니터링에 사용될 수 있는 지표로, 차량운행 시 나타나는 개별차량의 차량주행 거동분석을 통해 위험운전행태 변수를 도출하고 지표화하여 안전도 를 평가하는 방법이다. 개별차량의 위험운전 지표 에 대한 일반식은 식 (1)과 같다.

식 (1)에서 위험운전 유형별 가중치 w_i 는 AHP (계층화분석법: Analytic Hierarchy Process)를 이용하 여 산출하였다.

2) AHP를 이용한 가중치 산정

본 연구에서는 위험운전 유형별 가중치를 산출 하기 위하여 AHP에서 사용되는 쌍대비교를 통한 설문조사 방법을 이용하였다. 쌍대비교 과정에는 평가자의 판단을 어의적인 표현으로 나타내고 이에 상응하는 적정한 수치를 부여하는 수량화 과정이 포함된다. AHP기법에서는 Miller(1956)에서 제시한 “인간은 7±2개의 대상을 혼동이 없이 동시에 비교 가능하다”는 실험결과를 기초로 9점 척도를 이용하 여 쌍대비교를 실시한다[13-14]. 한 계층 내에서 비 교 대상이 되는 n개 요소의 상대적인 중요도를 w_i (i = 1, 2, ⋯, n)라 하면, 가중치를 산출하기 위한 쌍 대비교행렬 A는 다음과 같이 나타낼 수 있다.

행렬 A에 평가항목 간 상대적 중요도를 나타내 는 가중치인 열벡터 w를 곱하게 되면 식 (2)의 관 계를 갖는다.

이것은 선형대수론 에서의 고유치방법에 의하여,

n개의 연립방정식 체계에서 non-zero해를 구하는 고유치 문제가 된다. 이 작업은 |A-λI|=0을 만족시키 는 λ_max의 값을 구하는 특성방정식을 푸는 과정이 다. AHP에서는 일반적으로 고유벡터를 통해 얻어 지는 가중치(우선순위 벡터:priority vector)를 기하평 균법이나 승수법을 사용하여 계산한다. n의 크기가 3 이하인 경우에는 기하평균법을 이용하여 우선순 위벡터를 간단하게 구할 수 있으며 그 결과는 승수 법을 이용한 방법과 동일하다. λ_max는 항상 n보다 크거나 같기 때문에 계산된 λ_max가 n에 근접하는 값일수록 쌍대비교행렬 A의 수치들이 일관성을 가 진다고 말할 수 있다. 이러한 일관성의 정도는 다음 과 같이 일관성지수(Consistency index : CI, 식(4))와 일관성 비율(Consistency Ratio : CR, 식 (5))을 통하 여 구할 수 있다. 일관성 비율의 수식에 있는 RI는 난수지수(Random Index)를 의미하며, 임의로 설정한 역수행렬의 평균 일관성지수를 산출한 값으로 일관 성의 허용한도를 나타낸다. 일관성 지수를 통해 산 출 된 일관성 비율이 10% 이내에 들 경우, 응답자 의 설문조사 수치, 즉 해당 쌍대비교행렬은 일관성 이 있다고 할 수 있다.

3) 가중치 산출

본 연구에서는 위험운전 유형별 가중치를 산출 하기 위하여 설문조사를 통해 가중치를 산출하는 AHP기법을 사용하였으며, 이를 위하여 운전면허를 소지하고 있는 일반인 남자 45명, 여자 15명, 총 60 명을 대상으로 설문조사를 실시하였다. AHP기법은 전문가를 대상으로 설문조사를 실시하는 방법이지 만, 본 연구에서는 위험운전 판단에 있어서 전문적 인 지식이 필요 없다고 판단하여 일반인을 대상으 로 설문조사를 수행하였다. 설문조사는 6가지의 위 험운전 유형을 쌍대비교 형식을 통해 9점 척도로 조사하였고, 각 응답자의 응답일관성 검증을 하기 위해 10% 미만의 CR 값이 산출된 응답의견을 반영 하여 가중치를 산출하였다. CR값이 10% 이상인 응 답자는 60명 중 34명으로 나타났으며, 나머지 26명 의 응답자료를 기하평균법으로 계산하여 가중치를 산정하였다. 계산된 각 항목의 수치는 <표 3>의 각 평가지표의 행렬을 구성하며, 각 행 별로 기하평균 하여 그 비율에 따라 가중치를 산출하였다.

가중치 산출 결과 2차로 사행운전이 0.363으로 가장 높은 위험도를 가지는 것으로 나타났으며, 급 차로변경이 0.342로 두 번째로 높은 위험도를 가지 는 것으로 나타났다. 급가속의 경우는 0.014의 가중 치가 산출되어 6가지 위험운전 유형 중 위험도가 가장 낮은 것으로 산출되었다.

AHP를 이용하여 산출한 가중치를 위험운전 지 표에 적용한 결과 최종적인 위험운전 지표는 식(6) 과 같이 나타났다.

Ⅳ. 현장 적용

1. 테스트 베드 구현

본 연구에서 제안한 교통안전 모니터링 시스템 은 실제 테스트 베드에 적용하여 시범사업으로 테 스트하고 있다. 2011년 6월 20일부터 남양주시 호 평IC~사능IC까지의 약 4.5km 구간에 6대의 RSE 시 설물을 설치하였으며, OBU를 탑재한 50대의 관용 차량을 통해 자료를 수집하고 있다. <그림 5>에 실 제 테스트를 위해 설치된 장비들을 제시하였다. <그림 5-a>에 OBU를 나타내며, <그림 5-b>는 테스 트베드에 설치되어 있는 RSE의 위치 및 설치 현황 을 나타낸다.

2. 교통안전 모니터링 센터

테스트 베드에서 OBU를 탑재한 차량이 주행하게 되면 개별차량의 주행정보를 수집하여 센터로 전송 하게 된다. 센터로 전송된 개별차량의 주행궤적 정보 는 센터 화면에 실시간으로 차량의 주행현황을 표출 하여 운영자가 도로의 소통상황을 검토할 수 있도록 한다. 또한 위험운전 정보는 구간별로 집계되어 실시 간(분/시간/일/월) 별로 각 구간에서 발생한 위험운전 정보를 조회할 수 있도록 구축되어 있으며 센터 구 축현황 및 표출정보를 <그림 6>에 제시하였다. 교통 안전 모니터링 센터에 관련된 자세한 사항은 기존 연구결과에 제시되어있다[15].

<그림 7>은 실제 구축된 교통관리센터(TMC, Tran sportation Management Center) 상황판을 나타내며 교 통관리센터에서는 교통안전 모니터링 외에 폐쇠회로 (CCTV, Closed Circuit Television)를 통한 실시간 현 장 교통상황 점검이 가능하다. 또한 시설물 정보, 도 로의 소통정보 등의 교통정보도 표출하여 운영자가 도로의 모든 정보를 한눈에 검토할 수 있도록 구축 되어 있다[16].

3. 시스템성능 및 서비스구현 검증

본 연구에서는 실제 구축된 교통안전 모니터링 센터에서의 시스템성능 및 서비스 구현정도를 검증 하기 위한 로그분석을 수행하였다. 서비스가 안정 화된 이후인 2011년 12월부터 2012년 2월까지 수집 된 데이터를 이용하여 로그 분석을 수행하였으며, 로그분석은 정보생성, 정보송수신, 정보제공, 운영 관리의 4가지 측면에 대하여 수행하였다. 로그분석 의 평가기준은 DSRC를 이용한 교통정보시스템 표 준 성능시험방법 부문에서 통신정확도 95%이상, 검 지정확도 90%이상, 정보제공 정확도 90%이상으로 설정한 기준에 준하여 평가기준을 설정하였다[17].

본 연구에서는 보다 신뢰성 있는 로그분석 결과 를 제시하기 위하여 T검정을 이용하여 평가기준과 로그분석의 결과를 비교하여 분석을 수행하였다. 로그분석을 위한 평가항목에 따른 평가기준 및 평 가결과를 <표 4>에 제시하였다.

개별차량 정보 생성주기는 개별차량에서 생성되 는 차량주행궤적 자료의 시간차를 산출하여 평가하 였으며, 위험운전이벤트 검지 정확도는 실제 위험 운전이벤트와 검지된 위험운전이벤트를 비교하여 검증하였다. 개별차량과 센터간의 정보 송수신 관 련 평가지표는 개별차량에서 생성된 정보와 센터에 서 수신한 정보를 비교하여 분석하였다. 또한 교통 안전 모니터링 지표의 업데이트 주기는 최소 1분으 로 설정하여 운영자가 조회하고자 하는 검색단위 (분/시간/일/월)를 선택하여 조회할 수 있도록 센터 를 구축하였다. 센터로 수집된 교통안전 모니터링 지표는 1년동안 저장이 가능하도록 하였으며, 검색 결과를 다운로드 할 수 있도록 구축하였다. 로그분 석결과, 모든 항목이 평가기준에 부합하는 것으로 나타났으며, 향후 교통안전 모니터링 센터 운영의 활용 및 적용을 기대할 수 있다.

Ⅴ. 결 론

본 연구에서는 차량의 유비쿼터스 환경에서 개별차 량의 주행궤적 및 차량거동을 실시간으로 모니터링하 여 대상구간의 안전도를 평가하는 기법을 개발하였다.

무선통신이 가능한 OBU가 장착된 차량, 도로변 장치인 RSE를 이용하여 차량-차량 간, 차량-인프라 간, 인프라-센터 간 무선통신을 통해 도로 운전자들 의 운전행태, 즉, 위험운전을 검지하여 모니터링 하 는 방법론을 소개하였다. 위험운전 유형을 급가속, 급감속, 급차로변경, 급선회, 1차로 사행운전, 2차로 사행운전으로 분류한 후, OBU가 장착된 차량으로 부터 수집되는 종방향가속도와 횡방향각속도를 이 용하여 차량의 위험운전을 검지하였다. 위험운전을 검지하게 되면 차량-차량 간, 차량-인프라 간, 인프 라-센터 간 무선통신을 통해 대상차량의 위험운전 정보가 센터로 전송이 되며, 센터에서는 위험운전 지표를 산출하게 된다.

위험운전 지표란 대상 구간의 위험도를 모니터 링 하기 위해 개별차량들의 위험운전 정보를 집계 하여 수치적으로 나타낸 값으로, 각 위험운전 유형 별로 가중치를 부여하여 모니터링 지표를 개발하였 다. 위험운전 유형 별 가중치는 AHP기법을 이용하 여 산출하였으며, 그 결과 6가지 위험운전 유형 중 2차로 사행운전이 0.363으로 가장 높은 위험도를 가지는 것으로 나타났으며, 급차로변경이 0.342로 두 번째로 높은 위험도를 가지는 것으로 나타났다. 급가속의 경우는 0.014의 가중치가 산출되어 6가지 위험운전 유형 중 위험도가 가장 낮은 것으로 산출 되었다. 개발된 위험운전 지표는 실제 현장에서 발 생하는 위험운전 정보를 센터에서 집계하여 구간 별, 시간대 별로 대상 구간의 위험도를 산출하여 실 시간으로 대상구간의 안전도를 평가한다.

이렇게 개발된 위험운전이벤트 검지 알고리즘과 교통안전 모니터링 지표는 실제 테스트베드에 구현되 어 구축이 되어 있으며, 실제 수집된 자료를 이용하여 시스템성능 및 서비스구현 정도를 분석한 결과, 총 8 가지의 평가지표를 모두 만족하는 것으로 나타났다.

본 연구에서 제시한 교통안전 모니터링 기법을 발전시키고, 일반화하여 적용하기 위해서는 아래와 같은 추가적인 연구가 필요하다. 첫째, 보다 신뢰성 있는 정보제공을 위하여 1년 이상의 센터 자료를 이용한 추가적인 분석을 수행해야 할 것이며, 현재 50대로 적용중인 테스트베드에 프로브차량을 추가 적으로 적용하여 본 연구결과의 일반화를 위한 노 력이 필요하다. 둘째, 다양한 위험운전이벤트에 대 한 분석을 통해 위험운전이벤트 검지 알고리즘의 보 완이 필요하다. 셋째, 위험운전 지표와 사고데이터 및 추종이론(Car-following), 차로변경이론(Lane-change model) 등의 교통류 이론을 기반으로 한 추가분석 이 수행되어야 할 것이다. 마지막으로, 교통안전 모 니터링 지표와 도로 기하구조 및 교통소통상황을 통합적으로 고려하여 적용할 수 있는 새로운 모니 터링 지표 개발을 통해 통합 모니터링을 가능하도 록 할 수 있을 것이다.

본 연구에서 제시한 교통안전 모니터링기법은 실시간으로 도로의 상황을 모니터링 할 수 있기 때 문에 운영관리자 측면에서 교통안전 기본계획 및 수립, 관련 정책의 평가에 효과적으로 활용될 수 있 다. 또한 교통 상황의 지속적인 모니터링 및 분석· 평가를 통해 이용자 및 운영자에게 유용한 정보를 제공할 수 있으며, 위험운전 지표를 이용하여 도로 의 안전성 평가 시 새로운 기준으로 사용할 수 있 을 것으로 기대된다. 또한 개별차량의 위험운전 정 보를 센터에서 집계하여 대상구간을 모니터링 하는 기법이기 때문에, 개별차량의 운전행태를 모니터링 할 수 있다. 따라서 버스 운전자들의 안전운전을 유 도하여 대중교통 서비스의 질을 향상시키며, 사고 를 미연에 방지하고, 위험구간을 파악하여 대중교 통 노선 수립 시 유용하게 활용 될 수 있을 것으로 기대된다. 또한 모니터링 정보를 인프라-차량 간 무 선통신을 통해 개별차량에게 도로의 상황을 전달함 으로써 보다 정밀한 도로의 위험운전 상황이나 돌 발상황 정보제공을 통해 대형 연쇄추돌 사고 및 이 로 인한 정체 예방에 기여할 것으로 기대된다.