Ⅰ. 서 론

4차 산업혁명의 주요 수단으로 꼽을 수 있는 인공지능과 기계학습에 대한 이슈가 크게 주목받음에 따라 대량의 데이터를 처리·학습·분석하는 기술의 중요성에 못지않게 양질의 데이터에 대한 수요가 많이 증가하 고 있다. 특히 교통 분야에서는 새로운 모빌리티의 등장, 자율주행 기술개발, 스마트시티 구현 등 도로환경 과 교통수단의 급격한 변화를 이루어 가는 과정에서 실세계의 도로 정보나 보행자와 차량의 이동 정보를 디 지털 세계 속에 구현하기 위한 노력을 기울여왔다.

통행의 주체인 사람과 차량, 그리고 통행을 위한 공간이자 이동 통로인 도로를 교통의 3요소로 볼 때, 통 행 주체의 이동 정보를 다루기 위해 갖추어져야 할 기반정보는 도로망 정보라 할 수 있다. 다시 말해, 이동 에 대한 정보를 양질의 데이터로 가공하기 위해서는 도로 네트워크의 위상이 정립되어야 하고, 실제 도로망 을 얼마나 사실적이고 구체적으로 전자지도로 구축했는지에 따라 자료화된 이동 정보의 질이 결정된다.

사람 자체의 이동이 중심인 MaaS(Mobility as a Service)에서는 편리성, 이동성, 환경성이 장점인 개인 이동 수단의 시장 규모가 점점 확대되고 있다. 2020년 10월 기준으로 퍼스널 모빌리티 이용자는 전년 동월 대비 2배 성장하여 180만 명으로 집계되었다. 이 중 전동킥보드는 314% 성장하여 약 100만 명으로 집계되었다 (Nielsen Media Korea Digital Data, 2020). 이러한 수단은 전동모터에 따라 등판 각도가 정해지는데 대부분은 10~15%의 오르막길에 주행할 수 있다. 오르막길과 같은 도로의 종단경사 정보는 일부 민간 내비게이션 회사 에서 자전거 길 안내 시 도로의 고도정보를 포함하여 정보를 제공하고 있지만, 공공분야에서 전자지도상에 종단 정보를 포함하고 있지 않다.

현실 세계의 도로망을 전자지도로 구축할 때 가장 기본이 되는 것은 노드와 링크 체계이다. 국내 공공분 야에서는 정보의 호환목적으로 표준화되어 있는 국가 표준노드링크 체계를 가장 널리 쓰고 있고, 민간 내비 게이션 회사에서는 서비스의 목적에 따라 더 세밀하거나 차별화된 노드링크 체계를 구축하여 사용하고 있 다. 일반적으로 도로 네트워크를 전자지도로 구축하는 것은 평면체계로의 위상(topology)에 많이 국한되어 있 다. 실제 도로망은 평면과 종단의 결합으로 이루어져 있지만, 현재까지 국내에서 널리 사용하는 전자지도에 종단체계로의 위상(topology)은 포함되어 있지 않다. 자동차의 센싱 정보를 기반으로 자율주행이 이루어지는 환경에서 동적 지도(Local Dynamic Map; LDM)의 중요성이 주목받고 있는데, 다양한 정보가 전자지도 각각 의 레이어로 구축된 것이 실시간으로 검지하는 것보다 주행 시 판단을 빠르게 할 수 있으므로 민간 회사에 서는 HD 맵이나 Advanced Driver Assistance Systems(ADAS) 맵 구축이 활발히 진행 중이다. 또한, 공공분야에 서도 자율주행 협력도로 시스템이나 정밀지도에 관한 연구가 지속되고 있어, 현재의 노드링크 체계보다 더 상세화된 전자지도를 구축하고 있다. 다만, 현재까지 진행된 연구에서는 이전보다는 더 많은 데이터 칼럼이 포함되면서 더욱 세밀하게 도로망을 표현하고는 있으나, 여전히 도로의 종단 선형에 관한 정보는 부족한 실 정이다.

이 논문은 현재 활용 가능한 데이터를 이용하여 광범위한 지역의 전자지도에 종단 선형정보를 생성하 는 방안을 제시하고자 한다. 정보 호환의 기준이 되는 표준링크체계의 전자지도를 대상으로 지형의 고도 정보를 지난 수치표고모델(Digital Elevation Model; DEM)의 공간정보를 매칭하여 개별 링크의 종단 경사 도를 산출할 방안을 제시하였다. 이러한 종단 정보에 관한 연구는 마이크로 모빌리티뿐만 아니라 자율주 행차의 제어 시에도 주행 파라미터값이 기본적으로 달라질 수 있고, 오르막 인지 내리막 인지에 따라 운 전자의 주행패턴도 달라지기 때문에 필수적이다. 이에 본 연구에서는 공공분야의 데이터를 기반으로 현 재까지 구축된 전자지도의 수준을 파악하고, 종단경사를 자동으로 산출할 방안을 찾고자 하였다. 공공분 야에서 종단경사 또는 고도 데이터를 활용 가능한 원시 자료로는 영업용 차량의 디지털운행기록계에서 수집하고 있는 GPS 기반의 위치정보와 수치표고모델이 있다. 이 중 GPS 위치 좌표는 오차율이 30m 정도 수준으로 고도값의 산출에 활용하기가 어렵다고 판단하였기에(Han et al., 2021) 수치표고모델을 이용하여 도로의 고도값을 결합한 후 종단경사를 산출하고자 하였다. 서울시 도로망은 2020년 12월 기준 국가표준 노드링크체계를 기본으로 하였고, 수치표고모델은 2021년 1월 기준 서울시 범위의 고도 값을 기준으로 분석에 활용하였다.

Ⅱ. 현황 분석 및 선행연구 고찰

1. 도로의 전자지도 구축 현황

국가표준 노드링크 시스템은 전국 단위로 구축한 전자지도 데이터이다. 간선도로 이상급의 도로에 대 한 구축을 시작으로 상시 업데이트되어 전자지도 정보가 제공되고 있다. 이 표준링크 정보는 방향성을 지닌 도로 링크의 다양한 속성정보를 지니고 있고, 평면 곡선을 표현하기 위하여 링크 중간에 버텍스 (vertex)를 생성하여 곡선 형태를 나타내고 있다. 이에 반해 종단 곡선을 표현하는 기초 정보는 매우 부족 한 상황이다.

자율주행차 시대를 대비하여 정밀 전자지도 및 동적 정보 시스템을 포함한 자율협력주행 도로 시스템에 관한 연구가 진행 중이다(Won et al., 2020;Oh et al., 2020;Ha, 2017). 정밀전자지도는 도로의 중심선 링크와 차로의 중심선 링크에 따라 각각의 속성정보로 나누어 차로 수준의 도로를 표현하고, 차로링크 정보에는 곡 률이나 경사 정보에 대한 고유의 값을 저장하도록 한다(Yang et al., 2017;Ministry of SMEs and Startups, 2020). 국토교통부의 국토지리정보원에서는 2015년부터 정밀 도로지도를 구축 중이다1). 차량에 장착한 이동 지도제작 시스템 (Mobile Mapping System; MMS)을 통하여 측량 데이터를 수집하고, 현지 측량을 통해 데이터 를 보정하여 정밀 도로지도를 제작한다(Lee and Shon, 2016). <Fig. 1>의 송파대로 기준으로 표준노드링크 정 보와 정밀 도로지도의 정보를 비교 분석하면, 노드의 경우에는 기존 경도, 위도 이외에 고도값이 추가되었다. 표준링크는 방향별로 대표 링크 ID 한 개이고, 정밀 도로지도의 링크는 차로별로 구축한다. 단, 신규 생성된 고도값은 일정치 않은 도로상의 일부 점 기준으로 기록되어 도로 경사도를 산출하기에는 어려운 실정이다.

<Fig. 1>

HD map and standard node-link system (Songpadaero)

한국도로공사가 구축한 스마트 자율협력주행 도로 시스템은 자율주행차가 도로 인프라와 협력하여 안전 하고 효율적인 주행을 지원하는 시스템이다(MOLIT, 2015). 자율주행환경에서는 자율주행차에 부착된 센서를 통해 실시간으로 인지하는 정보의 한계를 해결하기 위하여, 사전에 Local Dynamic Map(LDM)을 통해 정밀 전자지도 기반의 동적 정보체계를 구축한다. 특히, 자율주행차 센서가 검지하기 어려운 곡선 및 경사로, 기 상 악화에 따른 오작동에 대한 한계를 해결하기 위하여 시스템 개발 연구가 진행되었다(Jin, 2015;Choi et al., 2019). 올해부터 추진하는 자율주행 기술개발 혁신사업의 자율주행 Lv. 4 대응 도로 인프라 기술에도 인 프라 센서 기반의 도로 상황 인지 고도화 기술개발이 포함되어 정밀지도기반 동적 정보 시스템이 고도화될 예정이다(KAIA, 2021).

기획연구 또는 실제 추진 중인 연구에서도 도로의 경사도 정보를 포함하는 것에 대한 필요성을 제기하고 있으나, 여전히 실제 도로의 종단경사도 정보를 활용할 수 있는 데이터를 찾기는 어려운 실정이다(NGII, 2017). 가장 상세하게 구축되고 있는 정밀 전자지도의 노드 정보에 포함된 속성정보를 활용하면 노드 기준의 고도값을 산출할 수 있다. 시작 노드와 종료 노드 기준으로 개별 링크의 종단 경사를 유추할 수는 있으나 정 밀 전자지도의 구축 범위가 매우 한정적이고, 인접한 노드 내부 링크에서 종단경사의 변곡점이 있으면 이를 반영하기에는 어렵다. 한국국토정보공사 공간정보연구원이 도로대장 공간정보 구축 및 관리 시 작성하는 도 로대장 항목에도 종횡단 관련 정보를 필수 작성토록 규정하였다(Jeong and Kwon, 2019). 공간데이터의 중요 성이 주목받음에 따라 각 부처의 노력으로 신규 구축하는 도로의 경우에는 DB화하고 있지만, 이전에 구축한 도로망에 대해서는 변환하는 데에 시간이 오래 걸림에 따라 현재 이용 가능한 자료는 부족한 실정이다(NGII, 2014). 실제 공공기관에서 도로의 평면 선형에 대한 공간데이터도 현행화가 되어있지 않아 자료를 구하기 어 려운 실정이다.

2. 수치표고 기반의 도로 종단경사 산출 연구

Kim(2014)은 수치지형도를 이용하여 도로종단 선형 설계의 정확도를 평가하였다. 한정된 실험지역을 대상 으로 수치지형도의 도로 시점과 종점 정보를 대상으로 수치표고모델의 고도값을 추출한 후 도로의 종단경사 를 산출하였다. 이 값을 RTK(Real-Time Kinematic)를 이용한 실측값과 비교·분석하여 종단 선형 설계의 정확 도를 평가하였다. Kang(2002)은 수치 지도의 등고선 정보를 이용하여 평면 위치에 맞는 표고 자료를 자동으 로 추출하는 방안을 제시하고, 평면 선형 및 종단 선형의 변화 지점을 자동 추출하여 도로 기본설계의 노선 선정에 활용하는 방안을 추가로 제시하였다. Yang et al.(2020)은 도시부 도로의 DEM을 구축할 때 정확도를 높이는 방안으로 전자 지형도 (Digital Topographic Map; DTM)를 이용하여 도로의 평면 요소를 추출한 후 정 확도 높은 도시부 도로의 표고점 선택 방법을 제안하였다. 도로의 방향성과 도로의 기하학적 특성을 유지하 면서 비정상 표고 데이터를 제거하는 방안 등을 포함한 도시부 도로 전용의 DEM 구축 방법을 제시하였다. Wang et al.(2017)은 도로 전자지도에 없는 고도정보 생성을 위하여 구글어스(Google Earth)를 이용한 추출 방 안을 제안하였다.

DEM은 광범위한 지역의 표고 데이터를 자동으로 생성하여 제작한다. Barbarella et al.(2018)은 고해상도 위 성 이미지와 지상파 레이저 스캐닝으로 수집한 데이터로 전자지도를 가공한다. Park et al.(2014)는 수치 지도 정보에 도로 고도값이 없는 문제를 해결하기 위하여 수치 지도의 평면 선형과 LiDAR 포인트 자료를 중첩하 여 도로의 종단 위치정보를 추출하였다. 특히 고가도로나 지하차도 구간의 오류를 제거하기 위하여 전후 정 보를 이용하여 보정하는 방안을 제시하였다.

도로 선형을 기준으로 정확한 고도값을 얻기 위해서는 별도의 센싱 장비가 필요하므로 본 연구에서는 평 면 선형 기준의 전자지도 정보인 표준링크와 수치표고모델의 고도정보를 결합하여 도로의 종단경사를 생성 하는 방안을 제시하고자 한다. 또한, 이 논문에서 사용한 수치표고모델은 도로 표면의 고도값을 기준으로 하 지 않고, 일반 지형에서 지표면의 고도값을 기준으로 하므로 도로 기준의 종단경사 정보를 생성할 때 발생하 는 한계점을 함께 제시하고자 한다.

3. 연구의 차별성

국내 도로망의 전자지도 현황을 살펴본 결과, 범용적으로 활용할 수 있는 종단체계의 위상정보는 부족하 였다. 도로 선형 기준의 고도값을 가진 자료는 정밀지도가 유일하였고, 이 또한 일부 지점의 고도값만 지니 고 있어 도로의 종단경사를 추출하기에는 어려운 실정이다. 광범위한 도로망의 고도정보를 지닌 수치표고모 델을 기준으로 도로의 경사도를 산출하는 기존 문헌을 검토한 결과, 다양한 센서를 통해 일부 한정된 도로의 정확한 고도 또는 종단경사를 산출할 때 수치표고모델을 일부 활용한 연구가 대부분이었다.

현재 수치표고모델을 이용하여 도로 경사도를 산출하는 방법은 Jung et al.(2011)과 Kim et al.(2019)의 연구 에서 도로와 지형의 경사도 산출에서 사용한 방법이 대표적이다. 공간분석 도구에서 일반적으로 제공하는 방법으로 수치표고모델의 셀 고도값을 셀 경사도로 산출한 후 도로와 매칭하는 방식이다. <Fig. 2>는 기존 연구에서 사용하는 방식으로 수치표고모델 래스터를 벡터화, 셀 고도값 생성, 셀 경사도 산출, 셀 경사도와 도로 링크의 매칭으로 도로의 경사도를 생성한다.

<Fig. 2>

DEM preprocessing and previous method for calculating the longitudinal slope

반면, 본 연구에서 제안하는 방식은 셀 고도값을 도로 링크와 매칭하여 도로의 고도값을 생성한 후 도로 의 종단 경사도를 산출하는 방법이다. 두 방법의 가장 큰 차이는 <Fig. 3>에서 2번 지점의 종단경사를 산출 할 경우, 기존 방안인 (a) 는 해당 셀이 위치한 주변 셀과의 고도값의 차이를 기준으로 경사도를 산출한 후 2번 지점의 도로와 매칭이다. 실제 2번 지점에서의 도로의 경사도는 1번 지점과의 고도차이를 이용하여 산 출하는 것이 현실적이지만, (a) 방식은 2번이 위치한 셀과 인접한 8개의 주변 셀과의 고도값의 차이가 큰 셀 기준으로 경사도가 산출되기 때문에 도로가 아닌 주변 지형 기준의 경사도가 생성된다. 본 연구는 도로의 실 제 고도값을 반영하여 더욱 정확한 경사도를 산출하기 위하여 (b) 방식으로 경사도를 산출하는 방안을 제시 하였다.

<Fig. 3>

(a) Cell-based slope matching method, (b) Cell-based Altitude matching method (proposed method)

공공분야가 아닌 민간분야에서도 지도 서비스에서 고도값과 경사도 값을 제공한다. 국외 기업에서는 구 글어스가 대표적으로 서비스를 제공하고 있고, 국내는 카카오맵의 자전거 길 찾기 서비스에서는 고도값을 제공하고 모바일 앱에서는 평균 경사도를 제공한다. 구글어스는 위도, 경도 좌표를 기준으로 고도값을 가 지고 있어서 사용자가 원하는 곳의 고도정보를 얻을 수 있다. <Fig. 4> (a) 와 같이 경로(path)를 생성한 후 경로상의 지점별 고도값과 경사도를 제공하고 경로의 평균 경사도를 제공한다. <Fig. 4> (b) 의 왼쪽은 카 카오맵 웹 버전에서 제공하는 자전거 길 안내의 고도값이고, 우측은 모바일 버전에서 추가로 제공하는 평 균 경사도 정보이다. 사용자가 원하는 구간을 직접 찾거나 입력하면 해당 정보를 알 수 있지만, 일반 사용 자가 데이터베이스로 고도와 경사도를 얻을 수 없으므로 다양한 활용에 사용하기는 어려운 실정이다. 이 에 본 연구는 서울시 네트워크의 표준링크를 대상으로 수치표고모델의 고도값을 매칭한 후 표준링크의 종 단경사 정보를 자동으로 산출하여, 전자지도에서 종단체계의 위상정보를 신규 추가하는 기반정보를 구축 하고자 한다.

<Fig. 4>

(a) Altitude and slope information from Google Earth, (b) Altitude and slope information from Kakaomap

Ⅲ. 도로 종단경사 산출 방법

1. 데이터 수집 및 전처리

서울시 네트워크를 대상으로 도로의 종단경사를 추출하기 위하여 고도값을 지닌 수치표고모델과 도로의 선형정보를 지닌 표준링크 정보를 이용하였다. 수치표고모델은 일정한 크기의 정방향의 셀 단위로 이루어진 공간 영역에 해발고도 값을 저장한 공간데이터이다. 국가공간정보포털 오픈마켓에서는 90m 크기의 셀 단위 로 이루어진 수치 모델을 제공하고 있다. 이 논문은 서울시 스마트도시정책관 공간정보담당관에서 제공한 1m 크기 셀 단위의 수치표고모델2)을 사용하였다. 도로 선형정보는 국가표준 노드링크 정보(2020년 12월 28 일 기준) 중 서울시 권역의 표준링크를 추출하여 사용하였다.

공간분석 툴에서 두 가지 이상의 공간데이터 사용을 위하여 좌표계를 일치시킨 후, 수치표고모델의 데이 터를 전처리하였다. 수치표고모델은 이미지로 공간정보를 저장한 래스터 파일로 이를 벡터화하여 개별 셀마 다 고도값을 지닌 정보로 변환하였다.

2. 도로의 고도값 생성 방안

본 연구에서 도로의 경사도를 산출할 때 가장 중요한 과정이 벡터화 한 셀 고도값과 표준링크를 결합하여 도로의 고도값을 생성하는 과정이다. 이를 위해선 <Fig. 5> (a)의 수치표고모델의 고도값을 (b)의 서울시 표 준링크에 결합하여 표준링크에 고도값을 생성하는 결합 과정이 필요하다.

<Fig. 5>

(a) Altitude information of DEM, (b) Combining altitude information based on the standard link of Seoul road network

일반적으로 도로 연장이 수치표고모델의 셀 크기보다는 크기 때문에 하나의 도로는 다수의 셀과 만난다. 이러한 셀의 고도값을 도로 링크에 결합하기 위해서 도로 링크를 세분화하는 작업이 필수이다. 표준링크를 작게 세분화할수록 공간 해상도가 커지기 때문에 셀 크기의 최소 단위인 1m를 기준으로 고도값을 결합하였 다. 지형의 고도값을 저장한 수치표고모델의 특성상 분할 크기가 작을수록 고도값의 변화에 따라 경사도의 민감도가 크게 나타나기 때문에 적정한 분할 크기를 정하기 위하여 셀 단위를 1m씩 증가하면서 경사도를 산출하였다.

<Fig. 6>은 도곡역에서 한티역으로 가는 선릉로(표준링크 “1220019300”)를 대상으로 1m에서 3m까지의 분 할 크기에 따른 경사도를 산출한 결과이다. 1m 단위의 고도값은 연속된 점의 값을 비교하였을 때 변화가 심 하므로 이를 기준으로 단위 거리 당 경사도를 산출할 경우 –15%에서 15% 사이의 범위 내에서 변화가 잦 다. 반면 2m 기준의 고도값의 변화량은 상대적으로 적어 경사도의 변화량도 낮아졌으며, 3m 기준일 때는 고 도값의 변화가 더욱 안정적으로 나타났다. 4m 기준일 때는 최대 오르막 경사는 9.4%이고, 최대 내리막 경사 는 –12%로 나타났다. 셀 크기가 커질수록 경사도 산출은 안정적이었으나, 셀 단위가 작을수록 해상도가 좋 으므로 일부 도로축을 추가 분석한 후 도로의 고도값을 생성하기 위한 분할 크기를 4m로 설정하였다. <Fig. 7> (a) 는 분할 크기를 4m로 설정한 후 선릉로의 경사도를 나타낸 그래프이다.

<Fig. 6>

(a) The longitudinal slope based on 1m, (b) The longitudinal slope based on 2m, (c) The longitudinal slope based on 3m

<Fig. 7>

(a) The longitudinal slope based on 4m, (b) Comparison of results according to two methods for road slope calculation

기존 연구에서 사용하는 셀 경사도 산출 후 도로 링크와 매칭한 방식과 본 연구에서 사용하는 셀 고도 산 출 후 도로 링크에 매칭한 후 경사도 산출 방식과의 차이를 일부 도로를 기준으로 비교 분석한 결과를 <Fig. 7> (b) 의 그래프에 나타냈다. 세로축은 기존 연구방법, 가로축은 본 연구 제안 방법으로 기존 연구방법은 도 로의 고도값이 아닌 주변 셀의 고도값과의 차이로 경사도를 산출한 후 매칭하기 때문에 실제보다 큰 경사도 를 산출하는 경향을 보인다. 따라서 본 연구에서는 셀 고도값을 4m 단위로 나눈 도로 링크 포인트에 매칭한 후 경사도를 산출하는 방안으로 이후 분석을 진행하였다.

3. 도로의 개별 경사도 산출 방안

도로 링크를 4m 단위로 나누어 포인트를 생성한 후 단위 거리당 경사도를 산출하였다. 모든 도로의 링크 가 4의 배수 관계가 아니므로 경사도 산출을 쉽게 하도록 분할 크기를 4m에 근접한 값으로 변환하는 작업을 추가하였다. 도로 링크를 4m의 일정한 간격으로 나누게 되면 마지막 링크 구간의 길이는 링크 별로 0에서 4 사이의 실숫값을 가지게 된다. 나눈 단위 거리별 개별 경사도 산출 시 모든 링크의 마지막 구간의 경사도는 단위 거리가 다르므로 이를 별도로 처리해줘야 하는 번거로움이 발생한다. 이러한 불편함을 방지하기 위하 여 링크 별로 4m에 근사한 단위 거리로 같은 간격 나누는 방법으로 처리하였다. 표준링크 길이가 45m일 때, 4m로 나누면 몫은 11이고 나머지는 1이 된다. 45m의 링크 길이를 11개의 몫으로 나누면 해당 링크는 약 4.09m의 같은 간격으로 분할된다. 이러한 방법으로 표준링크를 같은 간격으로 나눈 후 고도값을 매칭하여 개별 경사도를 산출하였다.

<Fig. 8>은 동대문구 전농로의 전농동사거리에서 서울시립대 앞 교차로 구간을 대상으로 표준링크와 DEM의 고도정보를 결합한 후 단위 거리별 경사도를 산출한 예시이다. 4m를 경사도 산출의 최소 단위로 설 정한 후 평균 경사도를 일정한 단위 거리를 설정하여 산출할 수 있도록 20m, 40m 기준으로 평균 경사도 예 시를 포함하여 나타냈다.

<Fig. 8>

Example of road longitudinal slope of standard link (Jeonnong-ro: Jeonnong-dong Intersection ⇒ In front of University of Seoul)

수치표고모델의 정보가 최소 1m 크기로 존재하기 때문에 경사도의 민감도를 완만하게 함과 동시에 해 상도를 좋게 하려고 셀 경사도의 최소 단위를 4m로 설정하였다. 하나의 도로 링크에 여러 개의 개별 경사 도가 존재하는 공간정보는 이후 활용의 목적에 따라 대표 경사도를 다양한 방법으로 설정할 수 있다. <Fig. 8>에서와 같이 분석 목적에 따라 20m, 40m 혹은 100m의 일정한 기준에 따라 평균 경사도를 산출하여 사 용할 수 있다. 단위 길이가 커질수록 고도값의 변화에 대한 민감도가 더욱 낮아지기 때문에 평균 경사도로 활용하기에 쉽다. 또는 구글어스에서 제공하는 평균 경사도와 같이 개별 경사도의 연속적인 오르막 경사 와 내리막 경사를 구분 지은 후 대표 오르막 경사를 최대 평균 경사도, 대표 내리막 경사를 최소 평균 경 사도로 사용할 수 있다. 본 연구에서 제시하는 개별 경사도는 해상도가 높은 최소 단위 거리 기준의 종단 경사도로 다양한 기준의 집계 방식으로 평균 경사도를 산출할 수 있는 종단경사의 기반정보를 제공할 수 있다.

Ⅳ. 도로 종단경사 활용방안

1. 개별 경사도의 이상치 제거

DEM 기반의 개별 경사도는 서울시의 23,395개의 표준링크를 대상으로 분석하였다. 4m에 근사한 단위 거 리로 나눈 점의 개수는 1,443,154개로, 해당 점에 고도값을 매칭하여 개별 경사도를 산출하였다. 서울시의 개 별 경사도가 100%가 넘는 값이 다수 존재하였다. 이에 대한 원인을 분석하기 위하여 DEM이 가진 고도값의 특징을 분석하였다. DEM의 고도값은 지형을 기준으로 하므로 하천의 교량 부문과 산간 지역의 터널 부문의 도로는 실제 도로의 고도와는 다른 값이 매칭된다. 이에 따라 교량과 터널 부문의 개별 경사도는 해당 도로 와 달리 값이 매우 크게 산출되는 경향이 있다.

<Fig. 9>는 승배기사거리에서 상도동으로 가는 등용로 중 일부 구간의 고도값과 실제 지도를 보여주고 있 다. 해당 링크는 40m에서 42m의 고도값으로 변화하다가 갑자기 어느 지점을 기준으로 52m까지 고도값이 올 라가는 것을 알 수 있다. 이에 대한 원인을 분석한 결과 우측 지도에서 보는 바와 같이 해당 도로 주변의 공 원은 도로보다 높은 곳에 있고, 도로 위로 해당 공원이 지나가는 구간이 있었다.

<Fig. 9>

Examples of changes in DEM elevation value (Deungyong-ro)

<Fig. 10>은 강남구에서 송파구로 가는 탄천교의 일부 교량 구간이다. 해당 지도에 표시된 영역의 고도값 은 약 8m의 고도값에서 나중에 22m로 변화하는 것을 알 수 있다. 이는 DEM의 고도값이 교량이 아닌 하천 기준의 값을 지니고 있기 때문이다. 이러한 DEM의 고도값이 있는 경우 개별 경사도를 산출할 때 실제 도로 보다 훨씬 큰 경사도가 산출되는 오류가 나타난다.

<Fig. 10>

Examples of changes in DEM elevation value (Yangjae-daero)

이러한 DEM이 지닌 고도값의 특성으로 인한 개별 경사도의 이상치를 제거하기 위하여 1차로 경사각이 45도 이상에 해당하는 경사도 100% 이상이면 제거하였다. 서울시 표준링크의 개별 경사도의 특징을 분석하 기 위하여 100% 이상인 경우를 제외한 후 개별 고도값과 개별 경사도 값의 통계량을 산출하였다.

<Fig. 11>의 (a) 는 서울시 표준링크에 매칭된 고도값으로 평균 29.6m이고, 중위값은 21.2m이다. (b) 의 오 르막 경사는 평균 9.4%, 중위값은 4.5%이고 대다수 20% 이내로 나타났다. (c) 의 내리막 경사는 도로가 양방 향으로 이루어진 특성에 따라 오르막 경사의 대푯값과 내리막 경사의 대푯값은 대칭 형태의 값을 나타냈다.

<Fig. 11>

(a) Basic statistics of combined altitude values, (b) Basic statistics of uphill slope value, (c) Basic statistics of downhill slope value

2. 종단경사 기준의 도로 선정에 활용

대다수 전자지도는 평면 선형을 기준으로 구축되어 있으나 실제 교통수단이 이동할 때는 종단 선형의 영 향을 많이 받는다. 특히 전동킥보드와 전동 자전거 등의 마이크로 모빌리티 수단의 경우 전동모터의 성능 에 따라 등판 각도가 정해지기 때문에 이동 시 종단경사 정보가 중요하다. 도로의 종단경사 정보의 활용방 안으로 마이크로 모빌리티 수단의 운행 가능/불가능 도로를 선정하였다. 분석의 용이성을 위하여 등판 각도 는 오르막과 내리막이 같다고 가정하였고, 다수의 개별 경사도 중 절댓값이 큰 값을 대표 경사도로 설정하 였다.

마이크로 모빌리티별 등판 각도는 제조사 홈페이지를 통해 조사하였고, 공유 전동킥보드 중 씽씽의 등판 각도가 23~27%로 가장 크고 그 이외의 모델은 대다수 10~15%의 값을 나타냈다. 이에 따라 <Fig. 12> (a) 는 공유 전동킥보드의 등판 각도의 임계값을 25%로 설정하고 운행 가능/불가능 도로를 선정하였다. 분석 결과 25% 초과하는 운행 불가능 링크는 총 1,993개로 나타났다. 그 이외의 공유 전동킥보드의 임계값을 10%로 설 정하고, 전동 스쿠터의 임계값을 35%로 설정하여 추가 분석하였다. 그에 따라 운행할 수 없는 개별 링크는 각각 4,750개와 868개로 나타났다.

<Fig. 12>

(a) Extracting the unavailable roads with personal mobility, (b) Extracting the unavailable roads during heavy snowfall

도로의 종단경사 정보는 모빌리티의 이동뿐만 아니라 날씨에 따른 대중교통 관리에도 활용할 수 있다. 특 히 겨울에 폭설이 내리면 차종에 따라 등판 각도의 임계값이 다르므로 종단경사가 심한 일부 도로를 중심으 로 혼잡이 가중되는 상황이 발생한다. 만약, 도로의 종단경사 정보를 기반정보로 가지고 있는 경우 지자체에 서는 폭설 예보 시 선제적으로 제설작업을 해야 하는 도로를 선정하여 미리 준비할 수 있다. <Fig. 12>(b)는 한국교통연구원(2011)이 제시한 폭설시 노면 상태에 따른 차종별 등판 가능 각도를 기준으로, 최소 등판 가 능 임계값을 15%로 설정한 후 운행 가능 여부 도로를 분석한 결과이다. 서울시 23,395개의 링크 중 대표 경 사도가 100% 이상인 것을 제외한 후 15% 이하인 링크를 운행 가능 링크로 선정하였다. 운행 불가능한 도로 를 선정한 결과 3,542개로 나타났다.

날씨와 관련한 종단경사의 활용은 여름에도 우회 도로 선정 시 쓰임이 있다. 여름 폭우로 인한 하천의 수위 가 높아졌을 때 도로의 고도정보와 하천의 수위와 매칭하면 데이터 기반의 운행이 불가능한 도로의 선별이 가능하다. 동부간선도로와 같이 하천에 자주 잠기는 도로의 경우 운행 불가능한 도로의 경로를 미리 선별하여 여름 폭우 시 운행이 불가능한 경로를 미리 안내한 후, 우회 도로에 대한 정보를 제공하는데 활용할 수 있다.

또한, 마이크로 모빌리티를 이용한 대중교통 접근성을 증진할 수 있는 수단으로 활용할 때 기존 Kim et al.(2019)의 연구와 같이 FMM(First-mile mobility)과 LMM(Last-mile mobility)의 수단의 역할을 할 때 경사도가 완만한 지역을 중심으로 배치할 때 활용될 수 있다. 이외에도 탄소 저감 정책과 관련하여 도로 종단 경사도에 따른 연료 소모량 분석과 관련한 기존 연구(Do and Choi, 2014;Choi and Bae, 2015)를 참고하여 종단 경사도 정보가 존재하는 분석 범위 기준으로 확대하여 저감 정책의 기초자료로 활용할 수 있다. Kim and Kim(2021)에 서 제시한 경사도 기반의 통행시간 알고리즘에 본 연구에서 제시한 경사도 정보를 융합하면 더욱 정확한 통 행시간을 산출할 것으로 기대된다. 기존에는 도로의 종단경사 정보가 없으므로 당연히 제외하고 진행하던 연 구에서 종단경사를 융합하여 다양한 활용에 쓰일 수 있는 기초자료로 활용될 수 있을 것으로 기대한다.

3. DEM 기반의 경사도 산출 시 이슈 사항

DEM은 지형의 고도정보를 다양한 센싱정보를 융합하여 구축한다. 같은 공간 범위라고 하더라도 제작기 관에 따라 또는 융합하는 센싱정보의 특성에 따라 고도값의 차이가 발생한다. 본 연구에서 활용한 국가정보 지리원에서 제작한 1m 셀 단위의 고도값과 ArcGIS Online을 통해 얻은 외국에서 만들어 배포한 1m 셀 단위 의 고도값에는 실제 차이가 있음을 알 수 있었다. 또한, DEM 자체가 지형정보를 기반으로 셀 단위의 고도정 보를 구축하기 때문에 실제 완벽한 도로의 고도값이 아니라 도로 경사도 산출 시 이로 인한 오차는 존재한 다. 따라서, 앞으로도 DEM 기반의 도로 경사도 산출 시에는 이에 관한 내용을 고려하여 데이터 전처리 또는 경사도 이상치 제거가 필수이고, DEM 정보를 도로에 맞게 보완할 방안이 필요할 것으로 판단된다. 그런데 도 본 연구에서 제시하는 방법은 면 단위의 정보와 선 단위의 정보와의 공간 결합 방안을 제시하여 향후 다 른 공간정보와의 융합에도 활용할 수 있다. 또한, 자전거도로와 보행도로에 대한 전자지도 구축이 이전보다 많이 증가한 현 상황에서 같은 방식으로 도로의 고도정보와 종단경사 정보를 자동으로 생성하여 정책 활용 또는 대시민 서비스에 활용할 수 있는 기반정보를 구축하는 데 의의가 있다.

Ⅴ. 결 론

본 연구에서는 광범위한 지역의 도로의 전자지도인 표준링크에 기존에 없던 종단경사 정보를 추가할 방 안을 제시하였다. 서울시 네트워크를 대상으로 수치표고모델(DEM)의 고도정보를 이용하여 표준링크에 개별 고도값을 매칭한 후 도로의 개별 경사도를 생성하는 구축방안을 제시하였다. 도로 링크의 약 4m 간격으로 고도정보를 결합한 후 개별 표준링크의 단위 거리당 경사도를 산출했다. 기존의 DEM의 고도정보를 이용한 도로 경사도 생성방식은 셀 단위 고도값의 차이를 이용하여 경사도를 산출한 후 도로에 결합하는 방식이었 다. 이는 실제 도로 선형 기준의 고도차이를 반영하지 않기 때문에 실제 도로의 경사도보다 높게 추출되는 경향을 지닌다. 이 논문은 이러한 문제를 해결하기 위하여 DEM의 면 단위의 고도정보를 도로 선형에 매칭 한 후 도로의 방향성을 고려하여 순차적으로 개별 경사도를 생성하는 방식을 제안하였다.

서울시 표준링크 도로망 기준의 개별 경사도를 산출한 후 링크당 하나의 대표 경사도를 지정하고, 종단경 사의 활용방안을 제시하였다. 전동킥보드와 같은 마이크로 모빌리티의 경우 모델별로 등판 각도가 다르므로 운행이 가능한 도로와 불가능한 도로를 선정하여 임계치별 오르막길 정보를 구축하였다. 또한, 폭설시 노면 의 상태에 따라 종단 경사도가 심한 도로는 미끄러워 등판할 수 없으므로 폭설시 운행이 어려운 도로 링크 를 선정하여 도로의 종단경사 활용방안을 분석하였다. 기존에는 도로의 종단 경사 정보가 없었기 때문에 융 합 연구 또는 활용 연구가 어려웠으나, 이 논문에서 제시한 방법으로 종단경사를 이용한 추가 연구의 가능성 을 제시하였다.

이 논문에서 사용한 DEM의 고도정보는 지형 기준의 해발고도이기 때문에 실제 도로의 고도와는 다른 경 우가 존재하여 도로 기준으로는 일부 오류가 존재하는 한계를 지니고 있다. 그런데도 본 연구에서 제시하는 방안은 다양한 공간정보와 도로와의 결합으로 자동으로 종단경사 정보를 생성할 가능성을 보여준 것에 의의 가 있다. 따라서 앞으로는 도로의 특징에 맞도록 DEM 고도정보를 보완할 방안과 도로의 변곡점을 중심으로 도로의 대표 경사도를 산출하고 공공기관의 정책으로 활용할 수 있는 방안을 더욱 연구하고자 한다.

이 논문은 DEM 고도정보를 이용하여 도로 링크의 고도정보를 생성하는 방안을 제시하고, 이를 토대로 개 별 경사도를 산출할 수 있는 기술적인 방법에 대하여 제시하고 있다. 도로의 종단경사에 대한 기반정보 구축 은 앞으로는 더욱 필요할 것으로 예상한다. 따라서 현재 교통정보 DB 현황 기준으로 이 논문에서 제시한 방 법이 광범위한 지역의 도로망에 대한 종단경사의 추세를 파악하여 다른 연구 주제와의 융합 분석을 할 수 있는 기초자료로 활용되길 기대한다.