Ⅰ. 서 론

1. 개요

교통정보수집체계는 1990년대 ITS 도입을 시작으로 지속적으로 발전되어왔고, 고정식 VDS(VDS; Vehicle Detection System), AVI(AVI; Automated Vehicle Identification) 등의 검지장비를 활용하여 교통량, 속도 등의 정 보를 수집하는 방식이 주를 이루어왔다. 현재는 고정식 검지장비의 공간적 한계와 인프라 투자 및 유지비용 증가로 인해 민간부문의 스마트폰이나 내비게이션 등에서 수집되는 개별 도로이용자 통행정보, 하이패스 단 말기와 노변장치의 DSRC(DSRC; Dedicated Short Range Communication)를 활용한 교통정보 등과 같이 개별 차량 기반의 교통정보 수집방식이 확산되고 있다. 이러한 프로브(Probe) 차량 기반의 교통정보수집 방식은 향후 V2X 통신 기반의 C-ITS와 다양한 도로환경정보를 수집하는 자율주행자동차 기술개발에 의해 가속화될 것으로 전망된다.

프로브 차량을 이용한 교통정보 수집방식은 고정식 장비에 비해 검지범위가 넓고, GPS 기반의 위치정보 가 함께 수집되는 장점이 있는데, 이를 이용한 교통정보 생성의 핵심기술은 ①GPS 오차를 반영하여 실시간 으로 차량의 위치를 도로 네트워크상의 지점으로 특정 하는 맵매칭(map matching) 기술, ②연속된 차량 위치 정보 중 이상치와 결측치를 처리하여 유의미한 정보로 가공하는 데이터 처리(data processing)기술, ③다수의 차량으로부터 수집된 데이터로부터 통행시간, 속도 등 교통정보의 대푯값을 실시간으로 산출하는 알고리즘 등이라고 할 수 있다.

여기에 블랙박스(영상기록장치), DTG(운행기록장치), ADAS(첨단운전지원시스템)와 같이 안전운행 등을 목적으로 한 다양한 정보수집 장치의 보급은 프로브 차량이 수집할 수 있는 정보의 범위를 도로소통정보 단 계에서 포트홀, 낙하물, 노면결빙 등과 같은 도로위험정보로까지 확대시킬 수 있을 것으로 전망되지만, 이를 위해서는 블랙박스, ADAS, DTG 등의 차량 내 센서 정보로부터 도로위험상황을 검지하는 해석 기술과 다수 의 프로브 차량이 검지한 도로위험상황 정보를 도로 네트워크 상 특정 지점으로 통합하고, 이벤트 발생의 시 작과 종료를 판단하는 등의 가공․처리를 통해 이용자에게 제공 가능한 형태의 유의미한 정보를 생성하는 기술의 개발이 필요하다.

이러한 배경으로 본 연구는 다수의 프로브 차량이 수집한 위치기반 도로위험정보를 통합하여 국가표준노 드링크 상에 매칭하고, 실시간으로 추가되는 정보로부터 이벤트 정보의 시작과 종료 정보를 지속적으로 갱 신할 수 있는 복합처리 알고리즘을 개발하는 것을 목적으로 수행되었다.

Ⅱ. 연구사례 검토

1. 프로브 기반 위치정보 맵매칭 연구

차량용 GPS의 보급 초창기인 2000년대 초반에는 차량의 위치정보를 전자지도 상에 매칭시키는 연구가 활발 히 진행되었다. 우선 Ochieng et al.(2003)은 GPS를 포함하는 GNSS(GNSS; Global Navigation Satellite Systems)에 적용할 수 있는 확률적 맵매칭 알고리즘을 개발하였는데, 차량의 위치를 기준으로 타원 또는 삼각형 형태의 신뢰영역(confidence region)을 설정하고 신뢰영역에 포함되는 노드 또는 링크에 1차 매칭(IMP; Intial Matching Process) 후, 차량의 과거 궤적, 속도에 따라 신뢰영역 포함 확률을 통해 최종 매칭(SMP; Subsequent Matching Process)의 단계적 방법론을 적용하였다. 이 후 맵매칭 연구는 실제 위치와 전자지도 상의 위치 오차 및 에러를 최소화하기 위한 방향으로 진행되었는데, Jeong(2003)은 CNS(CNS; Car Navigation System) 의 전자지도 상에서 GPS기반 차량의 위치오차를 최소화하기 위한 맵매칭 보정기법을 제안하였고, Lee et al.(2015)은 고가도로와 하부도로와 같이 선형이 중복되는 도로 기하구조에서 차량의 GPS 위치가 부정확하게 매칭되는 문제를 개선한 알고리즘을 제안하였으며, Kang(2016)은 높은 빌딩이 많은 도심구간에서의 높은 GPS 오차를 최소화할 수 있는 방법론을 제안하였다. 이외에도 오늘날 위치기반 교통정보 서비스를 제공하는 대부분의 민간기관에서 차량의 위치를 전자지도 상에 표출하는 자체적인 맵매칭 기술을 보유하고 있지만 영업수입에 직결되는 지식재산권에 해당하기 때문에 공개하지 않고 있다.

2. 프로브 기반 교통정보 생성 연구

현재 프로브 기반의 교통정보를 수집하는 사례로는 공공부문의 경우 경찰청의 UTIS(UTIS; Urban Traffic Information System), 국토교통부가 지원하는 ATMS(ATMS; Advanced Traffic Management System), 민간부분의 경우 T-map, 카카오 T 등 내비게이션 및 스마트폰 경로안내 서비스 업체가 있다. 이 중 ATMS는 하이패스 단말기와 노변장치(RSE; Road Side Equipment)와의 단거리 통신 DSRC를 이용하여 통행시간 및 속도를 수집 하는 방식이고, UTIS 및 민간부문은 GPS 위치정보를 활용하여 교통정보를 생성하고 있다. GPS 기반 교통정 보는 전자지도 상에 매칭된 차량의 GPS 궤적정보로부터 특정 링크 또는 노드의 통과시간을 측정하고, 거리 정보를 활용하여 통행시간을 산출하기 때문에 생성되는 교통정보는 주로 링크통행시간 또는 통행속도 정보 이다. 따라서 전체 통과차량이 아닌 특정 프로브 차량의 정보만을 이용하기 때문에 교통량, 밀도 등의 정보 는 산출하지 못하는 한계가 존재한다.

Chung and Choi(1999)은 GPS 프로브 정보와 루프검지기 정보를 융합하여 교통정보를 생성하는 연구를 수 행하였는데, 이때 GPS 정보로부터 통행시간을 추정하기 위하여 특정 노드를 중심으로 GPS 오차범위를 고려 한 가상의 원을 설정하고 GPS 좌표가 해당 원 안에 위치하는 경우 차량이 노드 상에 위치하는 것으로 판단하 는 방식의 Circle-X 알고리즘을 제안하였다. 하지만 제안된 알고리즘은 프로브 차량이 수집대상 네트워크를 통과한 경우의 데이터만을 활용하기 때문에 수집주기 동안 네트워크를 통과하지 못한 차량의 정보가 반영되 지 못한 한계가 존재하는데, Shim and Choi(2006)은 혼잡 및 교통정보 수집주기로 인해 발생되는 링크 미 통 과 데이터를 활용하여 통행시간을 추정하는 기법을 제안하였다. 한편 Park et al.(2010)은 GPS 프로브 차량이 수집한 고속도로 통행속도와 교통사고 자료를 학습자료(training dataset)로 하는 베이지안 신경망(probabilistic neural Network) 분석을 통해 고속도로 사고 위험구간을 추출하는 기법을 개발하였고, Hwang et al.(2017)은 택 시 GPS 정보를 활용하여 개별차량의 위치, 속도로부터 차량의 출발과 정지의 충격파를 모형화하고 그 결과 로 링크 대기차량길이를 추정하는 알고리즘을 개발하였다.

연구사례 검토 결과, 프로브 차량을 이용한 교통정보 수집 및 제공 분야가 통행시간, 속도와 같은 도로소 통정보 중심이었기 때문에, GPS기반 프로브 차량의 위치를 최대한 정확하게 전자지도 상으로 특정 하는 방 법과 특정된 위치정보를 활용하여 링크통행시간, 통행속도 등의 소통정보를 생성하는데 연구의 초점이 맞추 어져 왔다. 반면, 프로브 차량 자체의 위치정보가 아닌, 포트홀, 노면결빙 등과 같은 도로 상 특정 지점의 위 험정보를 GPS 좌표 기반으로 프로브 차량이 정보를 수집했을 때 이를 전자지도 상에 매칭하고, 다수의 프로 브 차량이 검지한 자료로부터 이벤트 유무, 시작과 종료를 판단하는 것에 대한 연구사례는 아직 시도되지 않 은 것으로 검토하였다.

Ⅲ. 개발 가정사항

블랙박스, ADAS, DTG와 같은 차량 내 센서를 이용하여 프로브 기반 도로위험정보를 실시간으로 검지하 는 기술이 아직 개발 전이기 때문에, 알고리즘의 정확한 입력 값을 아직 정의할 수 없는 상황인 점 등을 감 안하여 다양한 상황에서 알고리즘이 적용될 수 있도록 다음의 사항을 가정하고 알고리즘을 설계하였다.

1. 프로브 수집 입력 값

아직 프로브 활용 도로위험정보 수집기술이 상용화되지 않은 시점에서 어떤 형태로 정보가 수집될지 정 의되지 않았기 때문에 입력 값에 대한 가정이 필요하다. 본 연구에서는 프로브 기반 도로위험정보 입력값이 프로브 ID, 검지시간, GPS 좌표, 도로위험정보 검지결과를 기본적으로 포함하는 것으로 가정하였고, 특히 포 트홀, 결빙을 포함하는 지점형태의 도로위험정보는 개별 정보로 구분되어 있음(1)/없음(0)과 같은 이진형 데 이터로 <Table 1>과 같은 형태로 수집되는 것으로 가정하였다.

2. 국가표준노드링크체계 기반 맵매칭

국토교통부는 ITS 정보의 일관성과 연계성 확보를 위해 교통정보를 생성하는 네트워크 단위를 정의한 국 가표준노드링크체계를 개발하여 제공하고 있다. 도로파손, 결빙 등의 도로위험 상황은 해당 도로관리청이 운 영․관리 활동을 통해 처리해야하는 점을 고려하면 도로위험정보의 1차적인 수요처는 도로관리청과 같은 공 공기관이라고 할 수 있다. 이를 감안하여 본 연구에서는 도로위험정보 맵매칭 대상이 되는 전자지도를 국가 표준노드링크체계로 설정하여 알고리즘을 개발하였다.

한편, 본 연구는 프로브 차량의 GPS 좌표를 국가표준노드링크체계를 포함하는 전자지도 상에 정확하게 맵매칭하는 기술보다는, GPS 좌표 기반으로 수집된 다수의 도로위험정보를 공간적으로 통합하여 동일지점 여부를 판단하고 그 결과를 전자지도 상에 특정하는 알고리즘 개발에 초점을 맞추고 있다. 따라서 도로위험 정보가 입체구간(동일한 방향의 링크가 2개 이상 입체적으로 건설된 경우)에 발생된 경우 복수의 링크에 맵 매칭되는 문제점 등의 맵매칭 기술측면의 한계는 고려하지 않는 것으로 가정하였다.

3. GPS 오차한계 범위 50m 이내

위성으로부터 수신되는 신호를 활용하여 위치를 검지하는 GPS 기술은 위성의 위치와 시계에 의한 오차, 지구 대기권 내 신호 굴절에 의한 오차, GPS 수신기 잡음에 의한 오차, 주변 물체로부터 반사되는 신호에 의 한 오차 등이 존재한다. Kim et al.(2015)은 프로브 차량 GPS 좌표의 수치지도 매칭방법 연구를 수행하기 위 해 GPS 오차 종류 및 범위를 검토한 결과 각 오차들의 최댓값의 합은 약 50m 수준인 것을 확인하였으며, Cho(2014)는 일상생활에서 주로 사용하는 GPS를 활용한 위치측위방식 단말기에 장착된 GPS 모듈의 성능에 따라 5m~50m의 오차범위를 가진다고 주장하였다. 따라서 본 연구에서는 프로브 차량들로부터 수집되는 도 로위험정보 역시 GPS 기반 X, Y 좌표형태이기 때문에 복합처리 알고리즘 상에서 이벤트 지점을 특정할 때 GPS 오차범위 한계를 50m로 가정하고 알고리즘을 개발하였다. 이 경우, GPS 오차범위로 인해 다차로 도로 에서 특정차로에 발생된 도로위험정보가 다른 차로에서의 검지결과와 혼재되어 이벤트 발생여부 판단에 영 향을 미칠 수 있고, 특히 프로브 차량의 통행량이 적은 도로일수록 이벤트 판단 정확도가 낮아지는 문제가 발생될 수 있다. 그럼에도 불구하고, 현재 차량들에 보급된 GPS 사양으로는 차량의 위치를 차로 단위로 판 단할 수 없는 기술적인 한계를 고려하여 본 연구에서는 이벤트 발생위치 차로는 산출하지 않는 것으로 가정 하였다.

Ⅳ. 알고리즘 개발

1. 용어 정의

알고리즘에 사용된 용어를 다음과 같이 정의하였다.

2. 데이터 복합처리 시나리오 설정

알고리즘이 복합 처리해야 하는 대상은 크게 ①특정 지점에 발생된 포트홀, 결빙 등의 도로위험정보를 다 수의 프로브가 서로 다른 GPS 좌표로 검지한 결과로 부터 이를 동일지점인지 여부를 판단하고, 그 지점을 국가표준노드링크 상에 특정하여 이벤트 데이터를 생성하는 것과 ②생성된 이벤트 데이터가 유효한지 지속 적으로 판단하고, 포트홀에 대한 도로포장 유지보수나 결빙지점의 해빙 등으로 도로위험이 종료되었을 때 이벤트 정보를 종료시키는 단계로 구분된다. 이러한 복합처리가 가능하도록 알고리즘에 반영될 시나리오를 다음의 순서로 설정하였다.

3. 알고리즘 개발

알고리즘은 다음과 같이 ①최초 도로위험정보 발생 검색 단계, ②다수 프로브가 검지한 도로위험정보를 통합하여 이벤트 데이터로 생성하는 단계, ③생성된 이벤트 데이터를 갱신하는 단계로 구분되는 복합처리 알고리즘 형태로 개발되었다.

1) 최초 도로위험정보 발생 검색

2-1) 이벤트 데이터 생성(시간 t에 검지된 도로위험정보 1건)

2-2 이벤트 데이터 생성(시간 t에 검지된 도로위험정보 2건 이상)

3) 이벤트 데이터 갱신(개별 e t D l 마다 수행)

이와 같이 프로브 수집 정보를 활용하여 도로위험정보 발생 검색-이벤트 데이터 생성-이벤트 데이터 갱신 의 3단계로 구성된 복합처리 알고리즘을 개발하였고, 이 과정을 도식화하면 <Fig. 1>과 같다.

4. 시뮬레이션 기반 알고리즘 검증

알고리즘 검증을 위하여 임의의 데이터입력 상황을 가정하고, 이때 입력값이 알고리즘을 통해 처리되는 과정을 시뮬레이션을 통해 검증하였다.

<Table 2>와 같이 시간 t = 1에서 프로브 차량 a가 지점 G 1 a에서 도로위험정보 D 1 a = 1을 검지했을 때, G 1 a 을 국가표준노드링크 상에 최단거리로 특정한 N 1 a을 검색한다. 이후 G 1 a과 N 1 a의 거리가 50m 이내로 판단되 어 N 1 a에 최초 이벤트 지점 e 1 1을 생성하였다. 이때, e 1 1의 반경 50m 이내 프로브 차량이 검지된 지점이 1개 이고(G 1 a), 도로위험정보가 있음(D 1 a = 1)인 지점도 1개이기 때문에 이벤트 지점의 조건부 확률 P ( e 1 1 | D 1 a ) 은 1/1=100%로 산출되어 50% 이상이므로 유효한 것으로 판단한다. 이후 시간 t = 2에서 프로브 차량 b에 의해 D 2 b = 0인 지점 G 2 b 가 입력되었는데, 이벤트 지점 e 1 1와의 거리가 60m로 50m를 초과하였기 때문에 G 2 b 는 e 1 1 와 동일지점이 아닌 것으로 판단되고 따라서 e 1 1의 조건부 확률 산출에는 포함되지 않는다. 즉, P ( e 1 1 | D 2 b ) 는 1/1=100%로 산출된다.

시간 t = 3에서 프로브 c가 G 3 c 에 검지되었는데 기존 이벤트 지점 e 1 1의 거리가 50m 이내이기 때문에 동일 지점으로 판단한다. 이때, G 3 c 의 도로위험정보가 있음(D3 c = 1)이기 때문에 이벤트 지점의 위치를 N 3 c 과 e 1 1의 중간지점으로 갱신하고, 그 지점의 이벤트를 두 번째로 갱신된 e 2 1으로 명명한다. 이때 e 2 1에 이벤트가 유효할 확률 P ( e 2 1 | D 3 ) 은 e 2 1의 반경 50m 이내 검지된 지점 중 D = 1인 지점의 비율 2/2=100%로 산출된다. 다음 시 간 t = 4에서 검지된 프로브 d의 G 4 d는 e 2 1와 거리가 45m이기 때문에 e 2 1와 동일지점으로 판단하고, D 4 d = 0이 기 때문에 이벤트가 유효할 확률 P ( e 2 1 | D 4 d ) 는 2/3=67%로 산출되어 50% 이상이기 때문에 <Table 3>에서와 같 이 e 2 1가 유효한 것으로 판단한다.

<Table 4>와 같이 시간 t = 5에서 D 5 e = 1인 G 5 e가 e 2 1와 거리 50m 이내로 판단되어 이벤트 지점을 e 3 1으로 갱신하고, 이때 이벤트 확률 P ( e 3 1 | D 5 e ) 은 새로운 e 3 1의 반경 50m 이내 포함되지 않은 G 2 b , G 4 d를 제외하고 G 1 a, G 3 c , G 5 e에 따라 3/3=100%로 산출된다. 이후, G 6 f, G 7 g이 검지되었는데, 모두 e 3 1과 동일지점으로 판단되었지만 D 6 f = D 7 g = 0이기 때문에 이벤트 확률 P ( e 3 1 | D 7 g ) 은 3/5=60%로 낮아진다. 한편, 시간 t = 8에서 검지된 G 8 h 은 e 3 1와 거리가 90m로 동일지점으로 판단되지 않아 이벤트 e 3 1의 확률 P ( e 3 1 | D 8 h ) 는 60%로 변함이 없지만, 두 번째로 이벤트가 발생한 첫이기 때문에 D 8 h = 1을 두 번째로 이벤트가 발생한 첫 번째 특정지점 e 1 2으로 별도의 이벤트 정보를 추가 생성한다.

시간 t = 9에서 e 3 1과 동일지점으로 판단된 G 9 i 는 D 9 i = 0이기 때문에 e 3 1 위치는 변경하지 않고, 다만 이벤 트 확률 P ( e 3 1 | D 9 i ) 는 3/6=50%로 산출되어 e 3 1가 유효한 것으로 판단한다. 이후 시간 t = 10에서 검지된 G 10 j 은 e 3 1과 거리가 20m로 e 3 1과 동일지점으로 판단되지만 D 10 j = 0이기 때문에 e 3 1에 이벤트가 존재할 조건부 확률 P ( e 3 1 | D 10 j ) 이 3/7=43%로 50% 이하가 되기 때문에 <Table 5>와 같이 e 3 1의 이벤트 정보로 종료하고, e 1 2만 유지 한다.

이상의 시뮬레이션 결과, 복합처리 알고리즘은 1대 또는 다수의 프로브가 전송한 최초 도로위험정보로부 터 이벤트 정보 및 지점정보를 생성하고, 정보 누적에 따른 조건부확률을 통해 해당 이벤트의 유효성을 갱신 하고 종료할 수 있는 것으로 검토되었다.

Ⅴ. 결 론

프로브 차량을 이용한 교통정보 수집체계의 분야 및 수단이 확대되면서 기존에 수집하지 못했던 교통 관 련 정보의 수집이 활발하게 진행되고 있다. 하지만 다수의 프로브 차량이 수집한 이벤트 정보를 해석하고 제 공 가능한 형태로 처리하는 기술개발은 상대적으로 부족한 상황이다. 이러한 상황에서 본 연구는 이벤트 검 지에 대한 정보수집의 신뢰도를 향상시키고 이를 공간정보로 통합하여 해석할 수 있는 복합처리 알고리즘을 개발하였다는 점에 가치가 있다.

기존의 관련 연구사례들은 주로 위치정보와 교통정보를 생성하는 것에 초점을 맞추고 있어, 실시간으로 수집된 위치기반 도로위험정보로 이벤트 유무를 신속하게 판단하고 발생시간과 지점을 통합하여 이벤트 정 보로 생성하는 것에 적용하기에는 한계가 있는 것으로 검토되었다. 이러한 배경으로 본 연구는 프로브 차량 이 수집한 위치기반 도로위험정보를, 시공간적으로 통합하며, 이벤트 시작․종료 정보를 복합적으로 처리할 수 있는 알고리즘을 개발함으로서 프로브 차량을 활용하여 수집된 정보를 신속하고 효율적으로 처리할 수 있는 방안을 연구하였다.

알고리즘은 ①최초 도로위험정보 발생 검색 단계, ②다수 프로브가 검지한 도로위험정보 통합 및 이벤트 데이터 생성, ③생성된 이벤트 데이터 갱신 3단계로 구분하여 개발되었으며, 기본적인 수집상황을 가정한 시 뮬레이션으로 검증한 결과, 프로브가 전송한 최초 도로위험정보로부터 이벤트 정보 및 지점정보를 생성하고, 정보 누적에 따른 조건부확률을 통해 해당 이벤트의 유효성을 갱신하고 종료할 수 있는 것으로 나타났다.

본 논문에서 제안한 알고리즘은 차량 내 센서를 이용한 프로브 기반 실시간 도로위험정보 수집기술 개발 이 완성 단계가 아닌 관계로 실제 상황에 적용해보지 못해 검증 단계에서의 한계점이 존재한다. 아울러 도로 위험정보가 있음/없음의 이진형 데이터로 입력되는 상황을 가정하였기 때문에 포트홀의 크기나 깊이, 결빙의 크기 등을 반영한 연속형 데이터가 입력되는 경우에는 적용이 불가능한 한계가 존재하여 후속 연구 등을 통 해 이러한 상황에 적용할 수 있는 알고리즘 추가 연구가 필요하다. 아울러 GPS 오차범위를 50m로 가정하였 기 때문에 알고리즘이 50m 이내에 발생한 복수의 도로위험정보를 개별적으로 구분하지 못하는 한계가 존재 한다. 이러한 한계는 probe를 활용한 도로위험정보 수집기술 개발이 완료된 이후 실제 데이터를 활용하여 알 고리즘을 검증하고 보완하는 후속 연구를 통해 극복될 수 있을 것으로 판단된다.

본 연구 성과는 도로관리청에게는 도로 상에 발생된 포트홀, 결빙 등의 도로위험상황을 신속하게 검지하 여 조치하는데 활용될 수 있고, 도로이용자에게는 도로위험구간에서의 안전운전을 유도하여 교통사고를 예 방하는데 활용될 수 있으며, 향후 V2X 통신을 활용하여 도로위험정보를 공유하는 C-ITS 및 자율주행자동차 의 안전관리 기술에 적용 가능할 것이다.