Ⅰ. 서 론

전체 교통사고의 20%는 사업용차량의 교통사고이며 교통사고 100건당 사망자수(치사율)는 1.7명으로 비 사업용차량의 치사율(1.6)보다 높은 것으로 나타났다(TAAS, 2018). 택시, 버스, 화물차 등 사업용차량은 비사 업용차량보다 사망사고의 위험성 및 심각도가 높기 때문에 사업용차량의 교통사고 예방관리가 필요하다. 사 업용차량은 교통안전법의 법률 제 11690호, 국토교통부령 제700호의 자동차 및 자동차부품의 성능과 기준에 관한 규칙(자동차규칙)에 의거하여 디지털 차량운행기록계(Digital Tachograph, DTG)와 영상 센서의 장착을 의무화 하고 있다. 중대형 트럭과 영업용 승용차를 대상으로 약 40만대에 의무 장착하고 있으며 사업용차량 센서에서 수집된 자료를 이용하여 위험도로 구간 선정, 교통사고 예방 대책 수립 등 다양한 연구가 수행되고 있다. 한국교통안전공단은 사업용차량 운전자의 안전관리를 목적으로 DTG자료를 활용하여 위험운전행동을 정의하였다(KOTSA). 사업용차량 차종과 속도, 가속도, 각속도를 기준으로 11개의 위험운전행동을 구분하였 다. 운전자와 운수회사에 위험운전행동 건수 자료를 제공하고 이를 바탕으로 교육 및 안전습관을 개선하였 을 때 교통사고와 법규위반이 감소하는 효과가 나타났다(Kim, 2014). 사업용차량 운전자의 주행행태를 분석 하여 위험도로를 선정하고 사업용차량의 업종별 주행행태를 분석하여 위험운전행동을 도출한 연구가 수행 되었다(Seok, 2014;Cho et al., 2015;Kim and Kum, 2016). Lee and Lee(2012)는 DTG자료와 운수회사 자료를 활용하여 위험운전, 교통사고 변화 추이, 연료 및 비용절감효과를 분석하였다. 운전자의 위험운전행동을 실 시간으로 분석하여 스마트폰으로 경고정보를 제공하였을 때 운전자의 운전습관 개선과 연료비 절감효과가 나타났다(Kang et al., 2015). 기존 연구에서는 주로 사업용차량의 주행행태 정보와 위험운전행동을 중점으로 수행되었으며 차량의 주행패턴은 교통안전성, 환경성, 연료비 등에 영향을 미치는 것으로 나타났다. 그러나 차량의 주행행태는 도로기하구조, 기상, 교통조건 등에 영향을 받아 차량의 주행 패턴을 변화시키고 이러한 변화는 교통안전성에 부정적인 영향을 미칠 수 있다. 따라서 본 연구에서는 교통 안전성 및 위험 정도를 계 량화하여 나타낼 수 있는 교통안전 대체 평가지표 Surrogate Safety Measure (SSM)를 이용하여 도로 안전성 사업용차량의 주행행태 정보를 활용한 도로 안전성 평가 지표를 개발하였다(Allen et al., 1978;Cooper and Ferguson, 1976;Hayward, 1971).

현재 우리나라 고속도로에서는 총 700대의 사업용차량 (버스 400대, 트럭 264대, 승용차 36대)에 Cooperative Intelligent Transport System (C-ITS) 차량단말기와 Advanced Driver Assistance Systems (ADAS)를 장착하여 사업 용차량의 정보와 선행차량의 정보를 모두 수집하고 있다. Cooperative intelligent transport system (C-ITS)는 vehicle-to vehicle(V2V) 및 vehicle-to-infrastructure(V2I) 통신을 기반으로 전방의 돌발상황 및 위험상황에 대한 정보를 운전자에게 미리 제공하여 보다 능동적인 교통사고 예방을 가능하도록 한다. C-ITS 실증사업의 사업용 차량에 C-ITS 단말기를 장착하여 사업용차량의 속도, 가속도, 방향각, 위/경도 및 고도, 차량 유형 등을 수집하 고 ADAS를 통해 선행차량 속도, 차간거리, 전방충돌경고(Forward Collision Warning, FCWS) 및 차선이탈경고 (Lane Departure Warning, LDWS)발생정보 등을 수집하고 있다. 이러한 환경을 고려하여 본 연구에서는 현재 수집되고 있는 사업용차량의 주행행태와 선행차량의 정보를 활용한 도로 안전정보 콘텐츠를 개발하였다. Park and Kim(2018)은 첨단경고장치가 장착된 사업용차량의 주행행태를 분석하였으며 전방추돌경고 및 차로이탈경 고의 효과를 최대화 할 수 있는 방안을 제시하였다. 차량의 주행행태 정보는 운전자와 도로운영자에게 다양한 교통안전정보를 제공하여 교통안전과 도로 운영관리에 긍정적인 효과가 있는 것으로 나타났다(McLauhlin et al., 2008; Feng Gue et al., 2013; Lee and Lee, 2012;Wu et al., 2014).

본 연구에서는 사업용차량의 주행 안전성과 도로 안전성을 평가하기 위해 교통안전대체지표를 활용하였 다. Jerk는 가속도의 단위시간 당 변화량으로 교통안정성과 차량의 승차감을 나타낸다. 공격운전, 충돌회피, 불안정한 주행행태를 보일 때 jerk의 변화량이 크게 나타나며 이러한 주행행태는 주변차량에 영향을 미쳐 전 체 교통류의 안전성을 저하 시킬 수 있다(Wali et al., 2019;Zaki et al., 2014). 따라서 차량의 가속도 변화는 교통안전성과 관계가 있으며 본 연구에서는 사업용차량의 jerk를 이용하여 교통안전성 분석을 수행하였다. 도로를 주행하면서 차량은 선행차량 및 주변차량과 상호작용하여 차량의 주행행태에 끊임없이 영향을 미친 다. 따라서 사업용차량의 주행행태뿐만 아니라 선행차량과의 상호작용을 고려하여 도로의 안전성을 분석한 다면 보다 정확한 사고 예방 및 사고 개연성을 파악할 수 있을 것으로 판단된다. 이에 본 연구에서는 최소정 지거리를 산출하여 선행차량과의 상호작용에 의한 후미추돌 안전성에 대하여 평가 할 수 있는 Stopping Distance Index(SDI)를 분석에 이용하였다. 기존 평가지표인 위험운전행동은 사업용차량의 주행행태만을 분석 하여 제시하였으나 본 연구에서는 SDI를 이용하여 사업용차량과 선행차량간의 상호작용을 고려하였기 때문 에 교통안전성을 보다 객관적으로 평가할 수 있을 것으로 판단된다. 또한 jerk를 이용하여 사업용차량의 교 통안전성뿐만 아니라 차량의 안정성 및 승차감의 평가가 가능하다는 점에서 기존 연구와 차별성을 가진다.

본 연구에서 개발한 도로 교통안전성 평가 방법론은 사업용차량에서 수집한 센서 자료를 이용하는 것으로 사업용차량이 존재하지 않거나 현저히 적은 차량이 주행하는 상황에서 도출된 안전성은 대표성과 객관성이 미흡하다. 따라서 도로의 구간별 안전성 상대평가를 위해 사업용차량의 교통량 비율별 사업용차량과 전체 차 량의 위험도간 관계분석을 수행하였다. 도로의 안전성을 평가하기 위해 필요한 사업용차량의 주행행태 정보를 분석하였다. 분석을 수행하기 위해 실제 사업용차량의 정보를 활용하는 것이 적합하나 동일한 환경(도로기하 구조, 교통상황, 기상 등)에서 사업용차량의 교통량을 고려한 주행행태 정보를 수집하는데 한계가 있기 때문에 교통류시뮬레이션 (VISSIM)을 활용하였다. 시뮬레이션을 활용하여 도로 안전성을 평가하기 위해 요구되는 최 소 샘플의 양을 분석하였다. 본 연구의 결과물은 도로 운영 관리자가 이용할 수 있는 도로 교통안전성 평가 방안을 제시하였으며 이는 실시간 평가 및 도로 모니터링 시스템 개발에 활용될 수 있을 것으로 기대된다.

연구의 구성은 다음과 같다. 본 연구의 2장에서는 사업용차량 센서 자료를 이용하여 도로 안전성을 평가 하기 위한 방법론을 제시하였다. 3장에서는 시나리오별 도로 안전성 분석 결과를 제시하였으며 마지막 장에 서는 본 연구의 결과 및 향후 연구방향에 대해 서술하였다.

Ⅱ. 방법론

1. 연구 흐름도

본 연구에서는 사업용차량 센서 자료를 이용하여 도로의 안전성을 평가할 수 있는 방법론을 개발하였으 며 연구 흐름도를 <Fig. 1>에 제시하였다. 본 연구에서 제시한 도로 안전성 평가 방법론의 실제 적용 가능성 을 평가하기 위해 미시교통시뮬레이션 도구인 VISSIM을 활용하였다.

<Fig. 1>

Overview of analysis procedure

사업용차량 센서는 DTG와 ADAS로 정의하였으며 센서에서 수집한 자료는 SSM을 이용하여 교통안전성을 정량적으로 분석하였다. SSM별 임계값을 기준으로 위험상황 및 상충상황으로 검지하여 개별차량의 주행 위 험성을 분석하였으며 분석결과를 집계하여 도로의 교통안전성을 평가하였다. 개별차량의 주행행태를 파악하 기 위해 jerk와 SDI를 평가지표로 선정하였다. Jerk는 속도 및 가속도의 급격한 변화를 물리적으로 나타내는 지표로 DTG에서 수집된 사업용차량의 주행정보를 통해 산출한다. SDI는 선행차량과의 상호작용을 파악하여 후미추돌 개연성을 분석할 수 있으며 이때 분석에 이용되는 선행차량의 주행행태 정보는 ADAS 센서에서 수집한 정보를 활용하였다. Jerk는 DTG에서 수집한 사업용차량의 주행정보를 통해 도로 교통안전성을 평가 하며 SDI의 경우 DTG와 ADAS가 장착된 사업용차량을 이용하여 도로 교통안전성을 평가 할 수 있다.

2. 개별차량 주행 위험성 평가(Vehicle Risk Index, VRI)

본 연구에서는 개별차량의 주행 위험성을 계량적으로 평가하기 위해 Vehicle Risk Index(VRI)를 개발하였 다. 기존의 교통안전 평가지표는 평균, 분산, 표준편차, 비율 혹은 급격한 변화폭 등을 통해 평가하여 주행행 태를 하나의 대푯값으로 나타낸다. 이때 위험행태가 특정구간 및 시간에 따라 높게 도출되지만 운전자가 전 반적으로 모든 구간을 안전하게 주행할 경우 분석구간의 안전성은 낮게 평가 될 수 있다. 이는 위험행태의 값을 평균적으로 분석하여 나타내기 때문에 실제 운전자, 도로기하구조, 날씨 등의 영향으로 인해 위험한 주 행행태를 보이는지 파악하기 어렵다. 따라서 시간 및 구간별로 개별 운전자가 얼마나 위험한 주행행태를 보 였는지 정확하게 파악하기 위해 상대적 검지 지표 개념인 Erratic Driving Index(EDI)를 이용하여 사업용차량 의 위험운전 주행행태를 검지하였다(Kim et al., 2018). 본 연구는 사업용차량의 가속도 변화량을 이용한 jerk 와 선행차량간의 상호작용을 고려한 SDI를 안전성 분석 지표로 선정하였다. <Fig. 2>는 VRI의 개념도로 산 출식은 식 (1)과 같다. 개별운전자의 위험행태는 주행궤적 자료의 분석 시간 및 거리 동안 SSM임계값을 기 준으로 초과한 위험한 주행행태에 대한 면적(Ar)을 붉게 표시하였다. 이때 붉은 실선으로 나타낸 임계값은 평균, 중앙값 등을 이용할 수 있으며 본 연구에서는 기존문헌고찰을 통해 확인한 jerk와 SDI의 임계값을 적 용하였다. 분석시간동안 사업용차량의 주행행태 중 SSM임계값을 초과한 면적(부피)를 총합하여 총 주행거리 (주행시간)로 나누어 운전자별 VRI를 도출하였다.

<Fig. 2>

Conceptual illustration of Vehicle Risk Index(VRI)

Jerk는 차량의 주행 안정성과 승차감을 나타내는 지표로 식 (2)과 같이 단위시간 당 가속도의 변화량을 의미 한다(Bagdadi et al., 2013). Nygard et al.(1999)은 실제 현장실험을 통해 감속상황에서 jerk의 최소값이 9.9 ~ 12.6 일 때 상충상황인 것으로 확인하였다. 그러나 미시교통류시뮬레이션 VISSIM에서 기존 연구의 임계값을 초과 하는 값이 발생하기 어렵기 때문에 jerk의 임계값을 수정하여 분석하였다. 본 연구에서는 사업용차량의 주행행 태에서 관찰되는 평균값을 임계값으로 적용하여 개별 차량의 주행 위험성을 나타내는 VRI_jerk 를 산출하였다.

SDI는 사업용차량 및 선행차량의 최소정지거리(Stopping Sight Distance, SSD)를 이용하여 선행차량과 후미 추돌 안전성에 대하여 계량화한 지표이다(Choi et al., 2016;Oh et al., 2009;Oh et al., 2006;Oh et al., 2018;Park et al., 2017;Park et al., 2018;Park et al., 2018). 정지시거는 운전자가 장애물 또는 위험요소를 인지하고 안전하게 회피하기 위해 필요한 길이를 의미한다(MOLIT, 2013). 본 연구에서는 SDI가 ‘0’보다 작거나 같은 경우는 위험한 주행행태로 정의하였으며, ‘0’보다 큰 경우는 안전한 주행행태로 정의하였다. 선행차량의 정 지시거와 후행차량의 정지시거를 산출하여 SDI를 산출하며 SSD, SDI 산출식은 식 (3)에 제시하였다. 임계값 ‘0’을 기준으로 위험한 주행행태를 검지하여 VRI_SDI 를 산출하였다.

3. 도로 위험성 평가(Road Risk Index : RRI)

본 연구는 도로의 안전성을 평가하기 위해 사업용차량을 이용한 Road Risk Index(RRI)를 도출하였다. RRI 는 앞서 수행한 개별차량(사업용차량) 위험도(VRI)의 평균으로 나타내며 산출식을 식 (4)에 제시하였다. 분석 구간별 VRI가 높을수록 RRI가 높으며 이는 위험한 도로 구간임을 의미한다. <Fig. 3>에 도로 위험도 산출 개 념도의 예시를 제시하였으며 RRI는 분석 구간별(Llink) VRI를 총합한 평균값으로 나타낸다. 산출 개념도에서 분석 구간을 통과하는 차량 4대의 VRI를 이용하여 Link(a)의 RRI를 산출하였으며 동일한 방법으로 Link(b)의 RRI는 차량 3대의 VRI를 이용하는 예시를 제시하였다. 본 연구에서 제시한 RRI는 도로 구간별 위험도를 평 가하는 지표로 분석구간을 주행하는 사업용차량의 자료만을 이용한다. 이때 구간별 주행하는 사업용차량이 없거나 현저히 적을 경우의 RRI는 도로의 안전성을 나타내는데 있어 대표성이 미흡하다. 따라서 도로 구간 별 안전성 상대평가를 위하여 전체 차량을 이용한 도로 위험도(RRI^all)와 사업용차량을 이용한 도로 위험도 (RRI^co)의 관계를 분석하였다. 분석 결과를 바탕으로 본 연구에서 제시한 도로 안전성 평가 방법론을 수행 하기 위해 필요한 사업용차량 교통량 기준을 제시하였다.

<Fig. 3>

Conceptual illustration of Road Risk Index(RRI)

Ⅲ. 시뮬레이션을 이용한 도로 안전성 분석결과

1. 교통류 시뮬레이션 분석 개요

본 연구는 사업용차량의 비율에 따른 도로 안전 모니터링 적절성을 평가하기 위해 모든 사업용차량에서 개별차량의 주행행태 정보와 선행차량 주행행태 정보가 모두 수집되는 것으로 가정하였다. 본 연구에서 개 발한 방법론을 평가하기 위해 교통류 시뮬레이션(VISSIM)을 수행하였다. 분석구간은 경부고속도로 신갈 JC~ 기흥IC 10km를 선정하였으며 실제 C-ITS 실증사업의 사고다발 구간이다. 분석구간 <Fig. 4>는 실제 IC와 JC 의 위치의 on-ramp와 off-ramp를 VISSIM으로 구현하였다. 본 구간은 편도 4~6차로이며 좌측차로인 1차로는 버스 통행만 가능한 버스 전용 차로이다. 교통량은 2017년 10월 셋째 주 목요일의 peak time (7시~9시)의 교 통량 6000대를 적용하였으며 차종별 비율이 승용차 71%, 버스 13%, 중차량 15%이다. 본 연구에서는 버스와 중차량을 사업용차량으로 선정하였으며 도로 안전성을 평가하기 위한 사업용차량의 비율을 Market Penetration Rate(MPR)로 정의하였다. 시나리오별로 버스와 중차량의 비율을 동일하게 적용하였으며 분석 시나리오는 MPR 5%, 10%, 15%, 20%, 25%, 30%로 구성하였다. 시나리오에서 MPR 100%는 분석 구간에서 주행하는 승 용차와 사업용차량인 모든 차량을 의미한다. 분석 시나리오별 10번의 시뮬레이션을 수행하였으며 분석 결과 는 10회 수행한 시뮬레이션의 평균값을 제시하였다.

<Fig. 4>

Study area

연구를 수행하기 앞서 실제 교통상황과 유사하게 구현하기 위해 시뮬레이션을 이용하여 구현된 분석 구 간을 정산하였다. 시뮬레이션 분석 자료는 5분 단위로 수집되는 VDS의 실제 위치와 동일한 지점을 검지하 여 5분 단위로 집계하였다. 시뮬레이션으로 구현한 도로가 실제 교통상황과 유사한지 검증하기 위해 속도를 효과척도로 사용하는 U-Value를 활용하였다. <Table 1>는 10회 시뮬레이션의 U-Value 평균 분석 결과를 제시 하였으며 정산 검증 결과 모두 0.1이하로 나타났다. 따라서 시뮬레이션으로 구현한 분석 구간은 실제 도로와 유사하게 구현하였으며 정산된 네트워크를 활용하여 연구를 수행하였다(Jo et al., 2019).

<Table 1>

Comparison of u-values between field and simulation data

2. SSM을 이용한 도로 위험도 평가

도로 위험도를 도출하기 위해 SSM 지표별 임계값을 초과한 넓이를 계산하여 시나리오별로 비교 분석을 수행하였다. 본 연구에서 구현한 네트워크는 급격한 차로변경 및 속도변화가 적은 일반적인 교통상황이며 임계값은 시나리오별 평균 jerk로 선정하였다. jerk의 평균값을 기준으로 시나리오별 평균 도로 위험도를 분 석하였으며 MPR 시나리오별 사업용차량의 평균 도로 위험도(R R I j e r k C o V )의 기술통계분석 결과를 <Table 2>에 제시하였다. 분석 결과 R R I j e r k C o V 는 MPR이 증가할수록 RRI가 다소 저하하는 결과를 보였다. 이러한 분석 결과 는 사업용차량이 승용차보다 주행속도가 낮기 때문에 사업용차량의 교통량 비율이 증가할수록 분석 구간을 주행하는 차량의 속도가 전반적으로 낮아져 도로 위험도가 감소하는 것으로 판단된다.

<Table 2>

Result of RRI_jerk by scenarios

MPR 시나리오별 도로 위험도간 상관관계를 분석하여 <Table 3>에 제시하였으며 분석결과 사업용차량의 위험도와 전체 차량의 위험도간 양의 상관관계로 나타났다. <Table 4>에서 MPR5 이상 시나리오는 R²가 0.93 이상으로 93%의 설명력이 있는 것으로 해석된다. 따라서 분석 결과를 바탕으로 사업용차량을 이용하여 본 연구에서 제시한 도로의 위험성 평가가 가능한 것으로 판단되며 전체 차량 중 사업용차량의 비율이 5% 이상 필요한 것으로 해석된다.

<Table 3>

Correlation result of RRI_jerk by scenarios

<Table 4>

Comparison of average RRI_jerk

<Fig. 5>는 MPR5의 산점도를 제시하였다. y축은 전체 차량을 이용한 도로 위험도(R R I j e r k a l l)이고 x축은 사업 용차량을 이용한 도로 위험도(R R I j e r k C o V )를 의미하며 붉은 점선으로 선형 추세선을 표시하였다.

<Fig. 5>

Scatter plot of MPR5 RRI_jerk

RRI_SDI 는 사업용차량과 선행차량의 주행행태 및 상호작용을 고려한다. 시나리오별 사업용차량의 평균 도 로 위험도( R R I S D I C o V )의 기술통계분석 결과를 <Table 5>에 제시하였다. MPR이 증가할수록 R R I S D I C o V 는 증가하며 사업용차량인 버스와 중차량의 교통량이 많아질수록 도로의 위험도가 높아지는 것으로 분석되었다. 사업용 차량의 교통량 증가는 전반적으로 주행속도와 가속도의 변화가 미비하지만 선행차량간 거리와 관련하여 부 정적인 영향을 미쳐 안전성이 낮아지는 것으로 판단된다.

<Table 5>

Result of RRI_SDI by scenarios

시나리오별 통계적으로 관계가 있는지 파악하기 위해 상관관계와 산점도를 분석하였다. <Table 6>와 같이 모든 시나리오에서 양의 상관관계이며 MPR20 이상일 때 유의미한 것으로 나타났다.

<Table 6>

Correlation result of RRI_SDI by scenarios

<Table 7>은 두 위험도간 산점도를 통해 추세선의 수식과 R² 을 제시하였다. R²값이 0.45 이상으로 45%의 설명력이 있는 것으로 분석되었다. 사업용차량의 교통량 비율이 20% 이상일 때 전체 차량을 이용한 도로 위 험도와 상관관계가 있는 것으로 해석된다. 따라서 사업용차량이 전체 교통량의 20% 이상일 때 사업용차량을 이용한 도로의 위험도 평가가 가능한 것으로 판단된다. 본 연구는 RRI_jerk 과 RRI_SDI 분석 결과를 통해 사업용 차량을 이용하여 도로의 안전성을 평가할 수 있는 것으로 확인하였으며 안전성을 평가하기 위해 필요한 최 소 사업용차량을 도출하였다.

<Table 7>

Comparison of average RRI_SDI

분석결과 사업용차량이 센서 수집비율이 전체 차량의 20%의 경우 도로 안전성을 대표할 수 있는 것으로 해석된다. MPR20일 때 전체 차량을 이용한 도로 위험도와 사업용차량을 이용한 도로 위험도의 산점도와 선 형 추세선을 <Fig. 6>에 제시하였다.

<Fig. 6>

Scatter plot of MPR20 RRI_SDI

Ⅳ. 결 론

본 연구는 DTG와 ADAS의 센서에서 수집되는 사업용차량과 선행차량의 주행정보를 이용하여 도로의 교 통안전성을 평가할 수 있는 방법론을 개발하였다. 도로를 주행하는 사업용차량의 수가 적거나 없을 경우는 한정된 차량 정보만을 이용하여 안전성을 평가하며 이때 도로 안전성 평가 결과는 안전성을 나타내는데 대 표성과 객관성에 한계가 있다. 따라서 본 연구에서 제시한 도로 안전성 평가를 수행하기 앞서 사업용차량의 주행행태 정보만을 이용하여 시·공간적으로 도로의 안전성을 평가할 수 있는지 분석하였다. 분석결과 도로 안전성 평가를 위해 요구되는 최소 사업용차량 비율을 도출하였다. 본 연구결과를 바탕으로 도로 안전성 평 가를 위해 필요한 사업용차량의 샘플 수가 충족되었을 때 시간적, 공간적 범위 설정을 통해 도로안전성 평가 가 가능할 것으로 판단됩니다.

도로안전성 평가 방법론을 검증하기 위해 교통류 시뮬레이션을 이용하였으며 실제 C-ITS 실증 사업 구간 을 분석 구간으로 선정하여 시뮬레이션 네트워크를 구축하였다. 사업용차량으로 정의한 버스와 중차량은 선행차량의 주행행태 정보도 수집되는 것으로 가정하였다. 사업용차량의 비율을 MPR로 정의하여 시나리오 를 구성하였으며 MPR100은 분석구간의 모든 차량을 의미한다. 개별차량 주행 안전성과 도로 안전성을 분석 하기 위해 교통안전대체지표를 이용하였다. 개별차량 주행 위험성 평가 지표(VRI)는 SSM별 임계값을 초과 한 면적으로 정의하였다. 차량 가속도의 변화량을 나타내는 jerk는 DTG에서 수집한 사업용차량의 주행행태 정보만을 이용하여 도로의 교통안전성을 평가하였다. SDI는 선행차량과의 상호작용을 분석하여 교통사고 및 후미추돌 개연성을 분석할 수 있으며 ADAS에서 수집되는 선행차량의 주행행태 정보를 활용하였다. 도로 안 전성 평가지표 RRI는 앞서 분석한 개별차량 단위의 교통안전성을 도로 구간별로 구분한 것으로 본 연구는 분석 네트워크의 전체를 하나의 구간으로 구분하여 분석하였다. MPR 시나리오별 사업용차량을 이용한 도로 위험도와 전체 차량을 이용한 도로 위험도를 비교하여 분석결과로 제시하였다. 사업용차량의 주행행태만을 고려한 jerk의 위험도 분석 결과 MPR5 이상 모든 시나리오에서 위험도간 양의 상관관계로 나타났으며 R² 가 0.93 이상으로 분석되었다. 이는 사업용차량의 비율이 5%이상일 때 사업용차량만을 이용하여 도로의 안전성 을 평가가 가능한 것으로 확인된다. 사업용차량과 선행차량의 상호작용을 고려한 SDI의 위험도 분석 결과 사업용차량 비율이 증가할수록 위험도가 증가하는 것으로 나타났다. 시나리오별 상관관계 분석결과 MPR20 이상일 때 통계적으로 전체 차량의 도로 위험도와 유사하게 나타났으며 사업용차량의 비율이 20% 이상일 때 전체 차량을 이용한 위험도를 대표할 수 있는 것으로 분석되었다. 따라서 본 연구결과를 바탕으로 도로의 안전성을 평가하기 위해 사업용차량의 센서 자료의 최소 수집비율을 도출하였으며 사업용차량의 센서 자료 를 이용하여 jerk와 SDI가 도로 구간의 안전성을 대표 할 수 있는 것으로 확인된다.

본 연구에서 제시한 도로 위험도 평가 방법론을 현장에 적용하기 위해서는 다음과 같은 추가적인 연구가 필요하다. 첫째, 본 연구에서 개발한 도로 안전정보콘텐츠를 검증하기 위해 시뮬레이션 자료를 이용하였으 나, 보다 신뢰성 높은 도로 안전정보콘텐츠를 도출하기 위해서는 현장에서 수집되는 실제 자료를 분석할 필 요가 있다. 현재 고속도로 C-ITS 실증사업에서는 C-ITS 단말기와 ADAS로부터 수집되는 주체차량 및 선행차 량과의 상호작용 자료의 수집이 가능하므로 본 연구에서 개발한 방법론을 체계적으로 평가해 볼 수 있을 것 으로 판단된다. C-ITS단말기와 ADAS를 장착한 주체차량의 주행정보와 선행차량과의 상호작용 정보를 분석 하는 것이 차량간 안전성 평가의 기본이 되기 때문이다. 둘째, 본 연구에서는 jerk와 SDI를 이용하여 안전성 을 평가하였으나 다양한 SSM 지표를 고려할 필요가 있다. 또한 보다 신뢰성 있는 안전성 평가를 위해 최적 의 임계값 적용을 위한 다양한 기법들이 연구되어야 한다. 셋째, 고속도로의 일반 상황이 아닌 다양한 교통 상황에서의 위험도를 고려할 필요가 있다. 기상, 날씨 등은 실제 도로 상황에 영향을 주며 이에 도로 위험도 를 상황별로 제시해 준다면 이용자 및 운영자에게 다양한 정보를 제공할 수 있을 것으로 생각된다. 마지막으 로 실제 발생한 교통사고와 방법론을 통해 도출된 도로 위험도 구간을 비교하여 본 연구에서 개발한 도로 안전성 평가 방법론을 검증할 필요가 있다. 본 연구는 사업용차량의 주행행태 정보를 이용하여 개별차량의 주행안전성을 평가하였을 뿐만 아니라 도로의 교통안전성을 평가할 수 있는데 의의가 있다. 현재 C-ITS의 인프라, 통신, 차량 등이 구축되어있기 때문에 향후 본 연구에서 개발한 도로안전정보 콘텐츠를 활용하여 도 로운영관리를 보다 체계적으로 수행할 수 있을 것으로 판단된다. 따라서 연구 결과로 제시한 사업용차량을 이용한 도로의 위험성 진단 및 평가 방안은 효과적인 도로 운영관리전략을 수립하는데 기여하며 실시간 모 니터링 관점에서 도로 운영관리 시스템 개발의 핵심요소로 활용될 것으로 기대된다.