Ⅰ. 서 론
고속도로는 본선, 오르막, 커브, 터널, 교량, 연결로 및 기타 교통운영 시설 등 다양한 구간이 존재한다. 고 속도로를 주행하는 차량은 높은 속도로 주행 중에 다양한 기하구조에 따른 차량주행행태의 변화를 경험하게 되며, 이로 인한 속도 및 가속도 변화와 다수의 차로변경이 불가피하게 발생한다(Daamen et al., 2010). 차량 의 주행행태 변화가 발생하는 지점은 교통 정체가 발생할 가능성이 높기 때문에(Daamen et al., 2010) 개별 차량의 미시적인 분석이 필요하다. 하지만, 기존의 수집체계를 통해 취득되는 자료를 활용한 분석에서는 개 별 차량의 정보를 취득하기 어렵기 때문에 직접적인 정체발생 원인 분석에 있어 제약 사항들이 존재하였다 (Puri, 2005).
고속도로 내 교통 문제를 분석하기 위한 기존 교통자료의 수집은 단거리 무선통신망(Dedicated Short Range Communication, DSRC), 차량 검지기(Vehicle Detection System, VDS), 차종 검지기(Autonomous Vehicle Classification, AVC) 등 도로변에 설치된 검지기 자료와 CCTV 영상자료를 통해 이루어졌다. 검지기 자료와 같은 대규모 네트워크 자료는 넓은 범위의 도로 네트워크 정보를 수집할 수 있으나 검지기가 설치 되지 않은 장소에서는 자료 취득이 어려워 인프라 집약적이라는 한계가 있다(Coifman et al., 2006a). 또한 대다수 검지기가 본선 구간에 집중되어 있어 합류부, 분류부, 엇갈림구간, 경사구간, IC/JCT와 같이 실제 차량의 주행행태 변화가 심한 구간에서는 교통자료 수집이 어려운 문제가 존재한다(Puri, 2005;Barmpounakis et al., 2016a). 이와 같이 검지기 자료에서는 교통 정체의 근본 원인 및 기타 문제를 파악하기 어려울 수 있다(Khan et al., 2017a). 이런 한계로 인하여 교통자료 수집이 어려운 구간에서는 고속도로에 설치된 CCTV 영상자료를 활용하여 교통 정보를 수집하였다. 하지만 도로변에 설치된 CCTV 영상자료의 특성상 영상이 측면에서 도로를 바라보는 형태로 취득되기 때문에 영상 왜곡이 발생하였고, 카메라 설치 높이 의 제약으로 인해 긴 구간의 연속적인 주행 자료를 수집하는 것이 불가능하였다(Treiterer and Myers, 1974).
따라서 본 연구는 고속도로 내 미시적인 문제점을 분석함에 있어 기존 취득 자료의 한계점을 보완하기 위 한 방안으로 드론 영상의 활용을 제안하였다. 드론은 현대 시대의 가장 역동적이고 다차원적인 신흥 기술 중 하나로 간주된다(Khan et al., 2017a). 고속도로 교통관리에 드론을 적용하기 위한 대표적인 방안은 고고도의 도로 상공에서 촬영한 항공 영상을 통해 교통 정보를 수집하는 것이다. 드론은 최대 약 500m 상공에서 항공 촬영이 가능하고 최대 1km 구간의 차량 주행 자료를 수집할 수 있기 때문에 고도화된 교통분석을 수행할 수 있다. 또한 드론 영상에서 추출되는 차량 정보는 개별 차량의 궤적 형태로 가공할 수 있기 떄문에 차량주행 행태에 대한 정성적인 분석과 세부적인 단위구간별 실증 분석을 통한 문제점 진단이 가능하다. 이런 장점들 로 인해 드론은 도로에 설치된 기존 수집기에 비해 미시적 구간 분석에 있어 상대적으로 우수한 효과를 가 진다(Coifman et al., 2006b).
본 연구에서는 드론 영상을 활용하여 고속도로 문제 구간의 원인 파악을 위한 미시적인 교통분석을 수행 하는 것을 목적으로 하였다. 미시적인 분석을 통해 교통 정체, 사고 등 원인이 되는 문제를 파악하고 고속도 로 안전 개선을 위한 효과적인 교통관리 방안을 마련하고자 한다. 이를 통해 드론 영상을 활용한 교통분석의 활용성을 증대시키고 교통분석 업무의 효율성을 높이는 효과를 기대한다.
본 논문은 다음과 같이 구성되어 있다. 다음 장에서는 국내·외 문헌 고찰을 통한 영상 기반 연구 사례 와 드론 기반 연구 사례를 정리하고 시사점을 도출하였다. 3장에서는 드론을 활용하여 고속도로 미시적 교통분석을 위한 방법을 제안하고, 4장에서는 고속도로 내 반복적 정체 유발구간의 미시적인 교통 분석 을 수행하였다. 마지막으로, 5장에서는 연구의 분석 결과를 요약하고 추후 연구 방향과 시사점을 제시하 였다.
Ⅱ. 선행연구 고찰
1. 영상 분석 기반 연구
개별차량 궤적자료의 수집을 위한 초기 연구는 교통 감시 목적으로 주로 도로변이나 높은 빌딩에 비디오 카메라를 설치하여 영상을 수집하는 형태로 이루어졌다(Khan et al., 2017a). 비디오 카메라를 통한 자료 수집 의 경우 설치 높이의 제약으로 인해 촬영 가능한 도로 범위가 비교적 짧다는 한계가 있다. 이를 보완하기 위 한 방법으로 여러 구간에서 비디오 카메라를 사용해 촬영한 영상을 연결하고, 영상분석을 통해 차량궤적자 료를 추출하는 NGSIM(Next Generation Simulation) 연구가 등장하였다.
NGSIM은 영상분석 기반으로 차량주행행태를 분석한 대표적인 초기 연구로서, 미시적인 교통조사분석에 주로 활용되는 자료이다. 자료는 미국 내 상습 정체가 발생하는 일부 고속도로 및 간선도로에서 취득되었으 며, 0.1초 간격으로 차량의 위치를 추적하였다. NGSIM 자료를 활용하여 고속도로 내 차량의 주행행태 분석 에 대한 다양한 연구가 수행되었다(Lu and Skabardonis, 2007;Thiemann et al., 2008;Lu et al., 2009;Punzo et al., 2009;Punzo et al., 2011). 하지만 NGSIM을 활용한 분석의 경우, 짧은 도로 구간에서 취득된 여러 개의 영 상을 연결하는 과정에서 연결 지점의 정확한 교통 정보를 추출하기 어렵고 추적된 궤적이 추세가 불분명하 여 분석 오류가 발생할 수 있다는 한계가 존재한다(Coifman et al,, 2017).
2. 무인 항공기(Unmanned Aerial Vehicles) 기반 영상 분석 연구
기존 영상 분석의 한계를 개선하기 위해 교통분야에 처음으로 드론을 활용한 Treiterer and Myers(1974)는 항공 측량을 통해 오하이오주 I-70 도시고속도로의 실증 분석을 수행하는 연구를 수행하였다. 드론 영상을 이용하여 기존 수집 자료에서 분석하기 어려웠던 교통류 이력현상(Hysteresis Phenomenon)의 특성을 확인하 였다. Coifman et al.(2004)은 미국 오하이오 주에서 비디오 카메라를 장착한 드론을 이용하여 실시간 교통정 보를 추출하여 교통관리를 광역적으로 수행하였다. 이를 통해 기존의 드론을 활용한 지점검지 기술을 보완 하는 연구를 진행하였다. Puri(2005)는 드론 영상을 분석하여 교통변수를 추출하는 연구를 진행하였다. 광역 영상검지 기술을 이용하여 교차로 내 방향별 교통량, 속도 등과 같은 교통변수를 추출함으로서, 실시간 교차 로 제어의 활용 가능성을 제시하였다. Coifman et al.(2006b)은 드론 영상을 활용해 교통 상황을 관찰하고 서 비스수준, 연평균일교통량, 교차로 운영, O/D 등을 분석하였다. 또한 추출된 교통정보를 활용해 다양한 도시 환경에 적용할 수 있는 방안을 제시하였다.
초기 드론을 활용한 연구는 도로 내 차량을 검지하고 교통 변수를 추출하는 것이 주류를 이루었다. 드론 기술이 발전하고, 영상을 통해 취득되는 정보의 정확도가 높아짐에 따라 교통분야에서 드론을 활용하는 연 구가 증가하는 추세이다. 최근 들어, 개별 차량의 교통정보 분석을 통해 주행행태를 추적하는 다수의 연구가 진행되고 있다(Gao et al., 2014;Barmpounakis et al., 2016b;Khan et al., 2017b;Khan et al., 2018). 하지만 대부 분의 연구가 거시적인 교통상황 분석에 초점을 맞추고 있어 취득되는 개별차량 궤적자료의 효과적인 활용이 어렵다는 한계가 있다. 또한 고속도로 내 주행행태 변화 구간의 미시적인 문제점 분석이 어렵다는 한계를 가 지고 있다.
3. 시사점
기존 연구 검토 결과, 영상자료 분석에 대한 다양한 연구들이 수행되어 왔다. 그러나, 대다수 연구가 비디 오 카메라나 CCTV 영상자료를 활용하여 진행되는 수준으로, 보다 미시적인 영상 분석 수단인 드론을 활용 한 선행 연구가 부족한 실정이다. 따라서 본 연구에서는 고속도로 교통분석에 드론 영상을 활용함으로서, 영 상자료 분석의 효과를 높이고자 한다. 기존 연구의 경우 여러 대의 카메라를 설치 가능한 일부 장소에 설치 하여 차량의 이동 경로를 분석했기 때문에 장거리 궤적 추출이 어려웠고, 영상 연결부에 오류 발생 가능성이 높아 차량 추적에 있어 잦은 실패가 발생했다(Coifman et al,, 2017). 최근 들어, 드론 기술의 발전으로 인해 한 대의 드론이 고고도에서 많은 차량을 추적 가능해짐에 따라 여러 차량들의 주행행태 분석을 통한 고속도 로 문제 구간의 문제점 진단 및 정체 분석이 가능해졌다. 따라서 본 연구에서는 차량의 개별 교통정보를 미 시적인 구간 단위로 취득하고 주행 중 차로변경, 속도 변화, 가·감속도 조정 등으로 주행행태를 변화시키는 차량의 분석을 수행하였다. 본 연구는 자유자재로 이동이 가능하며 높은 고도에서 항공 촬영이 가능한 드론 의 장점을 활용하여 차량 주행행태를 명시적으로 확인하고, 고속도로 교통 문제의 실증적 원인 분석을 통해 효율적인 교통관리를 도모하고자 한다.
Ⅲ. 미시적 교통분석 방법론
1. 차량궤적자료 수집 및 가공 방법
고속도로 교통분석 절차는 크게 드론 영상으로부터 1) 개별차량 궤적자료 추출, 2) 교통정보 생성, 3) 셀 (Cell) 단위 교통분석 단계로 이루어진다. 본 파트에서는 개별차량 궤적자료 추출 및 교통정보 생성 과정에 대하여 설명하고, 셀 단위 교통분석은 미시적 교통분석 파트에서 소개한다.
1) 개별차량 궤적자료 추출
본 연구에서는 한국도로공사에서 개발한 드론영상분석 프로그램을 통해 개별차량 교통정보를 수집하였다. 프로그램 알고리즘 상에서는 입력된 드론 영상의 시·공간적 넓이를 계산하고, 영상 보정 후 차량을 객체로 분류하여 검출한다. 그리고 검출된 객체 추적을 통해 분석 범위 내에서 일정 시간 단위로 개별차량의 교통정 보가 추출된다. 프로그램의 구현 알고리즘에 대한 자세한 설명은 <Fig. 1>과 같다.
촬영 시작 후 차로별 진입 순서대로 차량 ID, 위치, 차량의 길이 및 넓이, 차종, 현재 진행 차로 등 교통 정보가 취득된다. 차종 분류는 검지된 차량의 크기와 넓이를 기준으로 표준 규격에 따라 구분된다. 프로그램 을 통해 교통정보를 추출한 시간 단위는 0.5초 단위이다. 드론영상분석 프로그램의 처리 절차와 프로그램을 통해 생성되는 교통정보에 대한 자세한 설명은 <Table 1>과 같다.
2) 교통정보 생성
개별차량의 주행궤적자료를 이용하여 시공도(Time-Space Diagram) 기반 궤적 분석이 가능하다. 본 연구에 서는 추출된 궤적자료를 분석하기 위해 일반화 된 정의(Generalized Definition)를 활용하여 시공도 상에서 기 본적인 교통정보(교통량, 속도, 밀도)를 계산하는 방법을 활용하였다(Edie, 1963;Daganzo, 1997). 교통량의 경 우 분석 공간 내 이동한 개별차량들의 총 이동거리를 시·공간으로 나누어 계산되고, 밀도는 개별차량들의 총 이동시간을 시·공간으로 나누어 계산된다. 마지막으로 속도는 개별차량들의 총 이동거리를 총 이동시간으로 나누어 계산된다. 이 방법은 어떤 시·공간 범위 설정에서도 교통 변수가 계산 가능하다는 장점이 있다(Edie, 1963;Daganzo, 1997).
Ⅳ. 미시적 교통분석
1. 엇갈림구간(Weaving Section)
1) 분석구간 개요
본 연구에서는 드론 영상을 활용한 미시적 교통분석울 위해 판교 IC 엇갈림구간에 대한 분석을 실시하였 다. 분석 구간은 차량이 동쪽 방향에서 서쪽 방향으로 진행하는 상행 차선으로서, 분류부로 진출하려는 차 량과 본선으로 진입하려는 차량 간의 차로변경으로 인하여 반복적인 정체가 발생하는 구간이다. 이 구간은 편도 5차로와 부가차로로 구성되어 있으며, 각 구간의 부가차로 수는 교량 좌측의 경우 3차로, 교량 우측의 경우 2차로이다. 또한 판교 IC 영상의 중앙에 교량이 설치되어 있기 때문에 개별 차량의 궤적을 추출하기에 어려움이 있어 영상을 좌측과 우측으로 나누었다. 교량을 기준으로 좌측의 총 분석 구간 길이는 340m, 우측 의 총 분석구간 길이는 280m이다. 분석 구간에 대한 자세한 설명은 <Fig. 3>에 제시되었다. 연구에서 활용 한 드론 영상은 정체 형성 원인과 과정을 확인하기 위해 정체가 형성되는 시점부터 촬영되었다. 영상의 총 촬영 시간은 드론 배터리의 한계로 인해 1대의 드론이 항공에서 최대 촬영 가능한 시간인 10분 동안 수집 되었다. 드론이 비행하고 하강하는 시간을 제외하고 총 분석 가능한 시간은 9분으로, 각 3분 단위로 나누어 연속적인 교통류 현상을 분석하였다. 미시적 교통분석을 위해 구간을 한국 고속도로 차로 단위인 20m로 분 할하였다.
2) Cell 단위 미시적 교통분석 결과
엇갈림 구간의 미시적 교통분석 결과는 셀(Cell) 단위 속도, 밀도, 가속도, 차로변경 횟수를 포함한다. 촬 영된 영상은 3분 단위로 나누어 연속적인 교통 상황을 분석하였다. 미시적인 교통분석 결과에서, 차로변경 의 경우 그래프의 명시성을 위해 좌측 차로변경의 경우 파란색, 우측 차로변경의 경우 빨간색으로 표시하 였다.셀 단위 미시적 교통분석 결과, 본선 5차로에서 분류부 진입을 위한 급격한 차로변경이 정체 발생의 주요 원인으로 작용하고 있음을 확인할 수 있다. 본선 내 상충을 피하기 위한 차로변경과 합류를 위한 차 로변경으로 차량 간 상충이 발생하며, 이로 인하여 상류부로 정체 전이 현상(Spill-Back Phenomenon)이 발 생하고 있음을 알 수 있다 <Fig. 6, 9>. 또한 정체 전이 현상과 가속차로 종점부의 급격한 차로변경 차량으 로 인하여 교량 우측 본선 5차로 구간의 속도 감소와 밀도 증가를 확인할 수 있다 <Fig. 7-9>. 특히, 부가차 로 내 정체가 형성되는 전체 촬영 시간(9분) 동안 본선과 부가차로 사이에 약 40km/h 내외의 속도 차이가 발생하고 있음을 알 수 있다. 판교 IC 엇갈림 구간 분석 결과를 통해 엇갈림을 진행하는 본선 및 부가차로 차량 간의 급격한 차로변경와 큰 속도 차가 사고발생의 위험성을 증대시키는 요인으로 작용함을 확인할 수 있다.
2. 경사구간(Sag Section)
1) 분석구간 개요
드론 영상을 활용한 미시적 교통분석의 추가적인 사례분석으로 서해대교 경사구간에 대한 분석을 실시한 다. 분석 구간은 차량이 동쪽 방향에서 서쪽 방향으로 진행하는 편도 3차로 상행 차선으로서, 내리막경사 (-0.9%)가 오르막경사(2.1%)로 변화하는 지점을 포함한다. 이러한 종단 경사의 변화(Sag)로 인해서 차량 정체 및 다수의 차로변경이 발생하는 구간이다. 총 분석 구간 길이는 700m이며, 분석 구간 및 경사구간에 대한 자 세한 설명은 <Fig. 10>에 제시되었다. 연구에서 활용한 드론 영상은 엇갈림구간 분석과 동일하게 정체가 형 성되는 시점부터 촬영되었다. 영상은 10분 동안 수집되었으며, 드론의 비행 시간을 제외하고 총 9분 동안의 영상을 분석에 활용하였다. 분석은 각 3분 단위로 나누어 연속류의 흐름을 파악하고, 미시적인 교통분석을 위해서 도로구간을 20m 단위로 분할하였다.
2) Cell 단위 미시적 교통분석 결과
서해대교 경사구간의 미시적 교통분석 결과는 셀 단위 속도, 밀도, 가속도, 차로변경 횟수를 포함한다. 또 한 엇갈림구간 분석 그래프와 동일하게 셀 단위 좌측 차로변경의 경우 파란색 및 우측 차로변경의 경우 빨 간색으로 표시하였다. 그래프 상에 종단 경사 변화 구간(Sag)은 200m 전·후 지점을 포함한다. 분석 결과, Sag 지점이 위치한 200m 전·후에서 다수의 차로변경으로 인하여 급격한 속도 감속(약 30km/h)이 발생하고 있음 을 알 수 있다. Sag 구간을 포함한 연속적인 교통류 현상을 살펴보면, 1) Sag 전 지점에서 정체로 인한 차로 변경, 2) Sag 구간 내에서 지정차로 표지판 확인 후, 승용차의 차로 변경, 3) Sag 후 지점에서 속도 감소 후, 회복 과정에서 가속을 위한 차로변경 등의 시·공간적 교통 흐름을 보였다. 그리고 추월차로인 1차로 내 다수 의 저속차량이 포함되어 지정차로 미준수로 인한 차로별 속도 차이가 발생하고 있으며, 추가적으로 교통정 체 현상으로 인해서 1차로에서 2차로로 차로변경 횟수가 증가하는 패턴을 확인하였다. 분석 결과를 통해 지 정차로를 준수하지 않는 저속차량 및 Sag 지점 부근 다수의 차로변경과 급감속이 사고발생의 위험을 증대시 키는 요인으로 작용할 수 있음을 확인하였다.
Ⅴ. 결 론
본 연구는 드론 영상을 활용하여 고속도로 내 반복적 교통정체가 발생하는 구간에 대한 미시적 교통분석 을 목적으로 하였다. 기존 영상기반 교통분석 연구는 여러 대의 카메라 설치 및 영상 연결부 오류 발생 등 시공간적 제약으로 인해 개별차량 궤적자료 수집 및 활용에 어려움을 가졌다. 하지만 본 연구에서는 드론을 사용하여 영상을 취득함으로써 교통정체 인과관계 분석이 가능한 구간의 개별차량 궤적자료 추출 및 활용이 가능하다.
본 연구에서는 영상기반 교통분석 연구들의 사례 분석을 통하여 드론영상 기반 미시적 교통분석 방법론 에 대한 유용성을 검토하였고, 각 단계별 세부절차 및 일반화 된 정의(Generalized Definition)를 활용한 셀 단 위 교통정보 생성 방법을 제시하였다. 교통분석 구간은 반복적인 정체가 발생하고 차량주행행태 변화가 심 한 판교 IC 엇갈림구간 및 서해대교 경사구간으로 선정하였으며, 셀 단위 속도, 밀도, 가속도, 그리고 차로변 경 횟수에 대한 미시적 교통분석을 실시하였다.
분석 결과, 판교 IC 엇갈림구간의 경우 본선 및 부가차로 차량 간의 급격한 차로변경와 큰 속도 차가 사고 발생의 위험성을 증대시키는 요인으로 작용함을 확인하였다. 또 다른 분석 구간인 서해대교 경사구간의 경 우 지정차로를 준수하지 않는 저속차량 및 경사 구간 인근에 다수의 차로변경과 급 감속이 사고발생의 위험 을 증대시키는 요인으로 분석되었다. 이렇듯, 드론영상을 활용한 차량궤적자료 기반 고속도로 미시적 교통분 석을 통해서 차량의 주행행태가 변화하고 지속적인 정체가 발생하는 구간의 직접적인 원인 파악과 시사점을 도출하였다.
드론 영상 활용은 기존의 CCTV 및 카메라 등의 영상검지 기반 교통분석의 한계를 극복할 수 있는 대안으 로 고려되며, 미시적인 구간 분석 방법론을 통해 드론 영상의 궤적자료 추출 및 활용에 대한 방향성을 제시 하였다. 최근 들어, 국토 조사, 시설물 유지관리, 기상관측 등 다양한 분야에서 드론의 사용이 증가함에 따라 고속도로 교통 관리에 드론을 활용하는 사례가 점차적으로 증가하고 있다. 기존 교통 분야에서는 주로 한시 적인 교통단속, 정체 확인, 공사구간 등 일부 사례에 활용하였으나, 요소 기술의 발전으로 인해 드론은 다양 한 분야에서 활용되어질 것으로 판단된다.
본 연구는 드론 영상을 활용하여 고속도로 차량들의 주행행태를 분석하는 방법론을 제안한 더 나은 시도 이나, 몇 가지 한계점이 존재한다. 먼저, 교통 조사를 수행하기 위해서는 긴 시간의 자료 취득이 필요하나, 드론에 장착된 배터리의 한계로 인해 1회 촬영 시 10분 내외의 영상이 수집된다는 한계가 있다. 본 연구의 경우도 1회 촬영 최대 시간인 10분 영상자료를 활용하였으나, 기술의 발전에 따라 향후에는 보다 긴 시간 촬 영된 영상의 분석을 기대한다. 또한 영상자료의 한계점으로 지적되는 강우, 안개, 우박, 눈 등 악천후 시에는 교통류 조사가 어려울 수 있으며, 취득 및 영상 처리된 데이터에 오검지 및 추적 실패 현상이 발생할 수 있 다. 본 연구는 드론 영상을 활용한 셀 단위 미시적 교통분석의 초기 단계이며, 향후 기술의 발전에 따라 보 다 고도화 된 자료 분석이 가능할 것으로 예상한다.
