Ⅰ. 서 론
1. 연구배경 및 목적
기상상태는 주행에 다양한 방식으로 영향을 주는 인자로 안전운전에 중요한 정보 중 하나이다. 폭우와 같 은 기상악화는 운전자의 시거를 좁히고 차량의 제동거리를 증가시켜 도로의 용량 감소를 야기할 수 있다 (Son and Jeon, 2013). 또한, 도로교통공단 교통과학연구원에서 발표한 보고서에 따르면 비가 내리는 기상상 태는 주행 시 제동거리에 영향을 줄 수 있어 빗길에서는 교통사고의 빈도수와 사고위험 정도가 높아질 수 있다. 한국교통안전공단에서 실시한 2017년부터 2019년까지 1월과 12월 기상상태별 교통사고 통계에 따르면 맑은 날 교통사고 100건당 사망자 수는 1.6명인 반면, 비가 오는 날 교통사고 100건당 사망자 수는 2.2명으로 빗길 사망사고 위험이 37.5% 높게 나타나고 있다. 특히, 동절기(12월~1월)에 비가 오는 경우 전체 비 오는 날 연평균 치사율 2.18보다 높은 2.99로 분석된 바 있다.
빗길에서의 안전운전이 특히 강조됨에 따라 운전자에게 선제적이고 정확한 도로의 기상정보를 제공하는 것이 중요한 정보가 될 수 있다. Chung(2013)이 수행한 설문조사 기반 기상예보 정보제공에 따른 이용자 통 행행태 반응 분석 연구에 따르면, 실시간 교통정보 의존도가 높은 도로이용자들은 예측된 기상정보 제공 시 수단변경, 경로변경, 출발시간 변경을 긍정적으로 고려하는 것으로 나타났다. 따라서, 도로상에서 기상정보 를 수집하고 해당 정보를 도로관리자와 이용자에게 전달하는 것은 교통사고를 줄이는데 효과적일 수 있다.
오늘날 도로의 기상정보를 제공하기 위해서 기상청에서 관리하는 기상관측 지점의 관측데이터를 활용하 여 기상관측 지점 인근의 도로 기상상태를 도로관리자와 도로이용자에게 제공하는 방식을 취하고 있다. 하 지만, 기상관측 지점은 도로상에 위치한 것이 아닌 구, 동과 같이 행정구역 기준으로 위치하고 있다. 또한, 도로와 기상관측 지점 사이에 산 또는 강과 같이 기상에 영향을 줄 수 있는 지형이 존재하거나 도로와 관측 지점 사이의 거리가 너무 멀리 떨어져 있는 등 정확한 기상정보의 제공이 어려운 경우가 존재하며, 이러한 문제는 고속도로와 기상관측 지점 사이의 이격거리가 멀수록 두드러진다 (예: 지방부 고속도로). 따라서, 기 상관측 지점에서 관측되는 데이터를 활용하여 도로의 기상 상황 정보를 제공할 시 실제 도로의 기상상태와 제공되는 기상상태정보가 상이하여 정보 수요자로 하여금 혼란을 야기할 수 있다는 한계점이 존재한다.
현재 도로의 기상정보를 제공하기 위한 방식의 대안으로 RWIS(Road Weather Information System)를 활용하 고 있다. RWIS는 국지적 기상 변화 및 기상 상황을 모니터링하고, 노면 상황을 실시간으로 감시하여 운전자 에게 운행 주의 정보를 제공하는 시스템이다. 하지만, 모든 도로에 설치되어 있지 않아 운전자가 원하는 도 로의 정보를 제공받기 어렵다. 또한, RWIS는 고가의 장비로 모든 도로의 기상정보를 수집하기 위해서는 천 문학적인 비용이 요구된다는 단점이 있다.
본 연구에서는 이러한 한계점을 극복할 수 있는 대안을 Cooperative-Intelligent Transport Systems(C-ITS)로부 터 찾고자 한다. C-ITS는 차량과 차량 또는 차량과 인프라 간의 무선 통신기술을 바탕으로 전방 교통상황 정 보를 제공함으로써 운전자가 돌발상황에 신속하게 대응하고, 위험요소로부터 사고를 예방하는 것을 목적으 로 한다(Guėriau et al., 2016). 국내에서는 2014년에 진행된 고속도로 C-ITS 시범사업을 시작으로 서울시, 제 주도 및 수도권 고속도로 구간에서 C-ITS 실증사업을 추진하였으며, 이외에도 대구, 울산, 광주 등의 지자체 자체적으로 C-ITS 및 Connected Vehicle 테스트베드를 구축하고 있다. 또한, 2018년부터 진행된 고속도로 C-ITS 실증사업에서는 700대의 차량에 설치된 C-ITS 단말기와 디지털 운행 기록계(digital tacho graph, DTG), 첨단 운전자 보조 장치(advanced driver assistance system, ADAS)를 연계하여 개별 차량 데이터(probe vehicle data, PVD)를 수집하고 있다(Ko et al., 2021). PVD에는 속도, 가속도, 차량의 위치, 와이퍼의 작동 여부, 정보 수집시간 등의 정보를 포함하고 있다.
본 연구의 목적은 기존의 기상 수집지점을 기준으로 수집하던 기상정보를 PVD를 활용하여 실시간으로 도로의 기상정보를 수집하여 기존의 한계점을 극복하는 것이다. 수집되는 차량 데이터의 위치정보와 수집시 간 정보를 활용하여 차량이 현재 어디에 위치하고 있는지 파악하고, 속도정보와 와이퍼 작동 여부 정보를 통 해 차량이 해당 위치에서 와이퍼를 작동하고 있는지에 대한 여부를 확인 후 해당 지점의 강수 여부를 판단 하고자 한다. 본 연구의 결과물은 현재 도로관리자와 도로이용자에게 제공하던 기상정보 수집방식의 한계점 을 극복하고 해당 데이터를 수집하는 모든 도로 네트워크상에서의 기상정보를 제공할 수 있을 것이라 기대 된다.
본 논문은 다음과 같이 구성되어 있다. 2장에서는 도로 구간별 실시간 기상정보를 제공하는 방법에 관한 선행연구를 고찰하였고, 3장에서는 차량 데이터를 이용한 기상정보를 수집 절차에 대한 방법론을 제시하였 다. 4장에서는 연구 대상 지역의 현황과 데이터의 상세 내용을 기술하였고, 5장에서는 3장에서 제시한 방법 론을 기반으로 차량 데이터를 활용한 기상정보와 기존의 기상청 자료 기반의 기상정보를 비교 분석하였으 며, 마지막 장에서는 본 연구의 결과를 요약하여 결론 및 향후 연구계획에 대해 서술하였다.
Ⅱ. 선행연구 고찰
선행연구는 본 연구와 직접적인 연관이 있는 도로이용자에게 실시간 기상정보를 제공하는 방법에 관한 연 구를 진행하였으며, 고찰한 선행연구의 방법들의 한계점을 파악하고 본 연구와의 차별점을 제시하고자 한다.
1. 도로 기상정보 수집에 관한 연구
Lim et al.(2007)은 도로 기상정보 수집을 위한 도로전광표지(Variable message sing, VMS) 활용방안에 대한 연구를 진행하였다. 도로기상정보시스템(Road Weather Information System, RWIS)의 운영 비용의 문제를 해결 하기 위해 기 설치되어 있는 VMS에 온도, 습도 센서를 설치하여 안개, 적설, 강우량 등을 감지 및 예측하는 방안을 제시하였다. Ko et al.(2017)은 도로 CCTV 영상을 통해 강수량을 판별하는 방법에 대한 연구를 수행하 였다. 해당 연구에서는 영상을 구성하는 프레임의 특징 분석을 위한 CNN(Convolutional Neural Network) 모델 과 동영상 사이의 순차적 특성을 분석하기 위해 LSTM(Long Short Term Memory) 모델을 사용하였다. CCTV 영상 데이터를 분석한 결과 약 80%의 강수량 판별 정확도를 보이는 것으로 확인되었다. Li(2018)는 영상을 활 용하여 기상상태를 활용하는 연구를 수행하였다. CNN 모델을 활용하여 영상으로 비의 특징을 학습하고, TSN(Temporal Segment Network) 딥 러닝 모델을 사용하여 강우량 인식을 수행하였다. Kim(2018)은 차량용 레 인 센서를 이용하여 강우 관측을 위한 반사도와 강우량(Z-R)의 관계식을 개발하여 강우량을 관측하였다. Bertoldo et al.(2018)는 77GHz의 미니 레이더를 사용하여 마이크로파와 강수의 관계에 Z-R 방정식을 제안하였 으며, 이를 통해 차량에 장착하여 도로 위의 강수 정보를 얻을 수 있음을 확인하였다. Jang et al.(2019)은 차량 전후방 추돌 방지용으로 사용되는 77GHz FMCW(Frequency Modulation Continuous Wave) 차량 레이더에 기반 하여, 강수와 비강수 객체를 분리하고 강수 강도를 정성적으로 추정하는 기술을 제안하였다. Lee et al.(2019) 는 차량용 강우 센서를 이용한 강우 관측 방법 개발에 관한 연구를 진행하였으며, 강수 센서와 강우량 사이의 관계를 해석하여 Sensor Signal과 Rainfall 관계식을 개발하고 개발된 관계식을 통해 차량용 강우 센서를 이용 한 강우 관측의 가능성을 제시하였다. Jang and Lim(2020)은 기존의 연구를 발전시켜 실제 차량 주행 중 강우 를 관측하고 주행 구간별 강우지수 추정의 정확성을 향상시키는 방법을 제안하였다. 차량레이더의 비기상에 코를 제거하고 레이더가 장착된 차량을 직접 운행하며 일일 강수량에 따라 무강우, 약한 강우(1~5mm/h), 일반 적인 강우(5~15mm/h) 환경에서 추출한 결과 약한 강수 환경에서는 75% 이상, 일반적인 강수 환경에서는 86% 이상의 강수 유무 판별 정확도를 나타냈다. Mercelis et al.(2020)은 CAN-BUS 데이터를 활용하여 도로의 상태 및 기상정보를 확인하는 연구를 진행하였다. 하루 동안 140.5km를 운행한 차량 한대의 위치, 와이퍼 상태 데 이터와 도로 기상수집장치에서 수집된 강수량을 비교하여 프로브 차량 기반의 강수 정보 수집 가능성에 대해 서 긍정적인 결과를 도출하였다. Dahmane et al.(2021)은 WeatherEye를 활용하여 교통 카메라 이미지에서 기상 조건을 분류하는 알고리즘에 관한 연구를 진행하였다. 이미 도로에 설치되어 있는 다수의 카메라에서 확인 가능한 이미지를 통해 보통, 폭우, 약한 비, 짙은 안개 및 약한 안개와 같은 5가지 기상조건에 대해 정의하고 심층 신경망을 활용하여 5가지 기상조건을 판별하는 알고리즘을 제안하였다. Khan and Ahmed(2021)는 차량 운행데이터를 사용하여 차량의 궤적에 따른 날씨를 감지하는 신경망에 대해 연구를 진행하였다. CNN의 기계 학습 기술과 결합한 비디오 데이터를 활용하여 맑은 날씨, 가벼운 비, 폭우, 가벼운 눈, 폭설, 약한 안개, 강한 안개와 같은 7가지 날씨 범주를 확인할 수 있었으며, 전체 정확도는 93%로 높은 성능을 제공할 수 있었다.
2. 기존연구와의 차별점
본 연구와 직접적인 관련이 있는 도로 기상정보 수집에 관한 선행연구를 고찰한 결과 도로 특정 지점에 장비를 설치 또는 기존의 장비를 활용하여 해당 지점의 강수 정보를 수집 또는 추정하는 연구와 차량에 기 상수집을 위한 센서를 장착한 프로브 차량을 활용한 기상정보 수집 연구로 구분 지을 수 있었다. 전자의 경 우 설치비용과 유지보수를 위한 경제적인 문제와 도로 위의 모든 지점이 아닌 기상정보 수집지점의 정보만 을 수집할 수 있다는 한계점이 존재한다. 후자의 경우 지점이 아닌 노선 단위의 기상정보 수집이 가능하나 상대적으로 적은 일수, 짧은 구간에 대해서 해당 정보를 제공할 수 있다는 한계점이 존재한다.
본 연구에서는 국내외적으로 활발하게 구축되고 있는 C-ITS로부터 수집 가능한 PVD를 활용하여 지점 단 위가 아닌 노선 단위의 강우 정보를 제공하는 방안을 제시한다는 측면에서 기존의 연구와 차별된다.
Ⅲ. 연구방법론
현재 고속도로의 경우 기상청의 기상 수집지점으로부터 관측된 기상정보를 토대로 기상정보를 제공하고 있으며, 기상 수집지점으로부터 제공되는 기상정보는 신뢰도가 매우 높은 정보이다. 따라서, 본 연구에서는 PVD에 포함되어있는 차량 위치정보, 속도, 데이터수집 시간, 와이퍼 작동 여부 정보를 활용하여, 행정동별 기상관측 지점에서 수집되는 실시간 강수량 정보와 비교분석을 수행하는 방법으로 PVD를 활용한 기상정보 수집의 신뢰도를 검증하고자 한다. PVD 기반의 기상정보와 기상관측 지점 기반의 기상정보를 비교하기 위 해 다음과 같이 총 6단계를 거치게 된다.
-
(Step 1) 도로의 이정자료 구축
-
(Step 2) (이정자료를 활용한) 분석 도로구간 설정
-
(Step 3) (이정자료를 활용한) 기상 수집지점별 행정구역 정보 추출
-
(Step 4) 행정구역 정보를 활용하여 행정구역별 도로구간 영역 생성
-
(Step 5) 행정구역별 도로구간 내 C-ITS 데이터 추출
-
(Step 6) 동일한 행정구역별 도로구간 내 C-ITS 데이터와 기상정보 비교분석 수행
첫 번째 단계에서는 C-ITS 데이터 추출영역 설정에 기초자료인 이정자료를 생성한다. 이정자료 구축을 위 해서 분석대상 도로의 시점부터 종점까지 100m 간격으로 도로중심선을 따라 이정지점을 생성하고 좌표를 추출한다. 두 번째 단계에서는 도로 중심선(이정자료)을 기준으로 고속도로 영역을 설정하는 단계로 두 점의 이정자료를 지나는 직선에 수직으로 교차하는 직선의 방정식과 주어진 도로의 폭을 이용하여 도로중심선을 기준으로 좌우 영역을 설정하게 된다 (Fig 1. Step 2 참조). 세 번째 단계에서는 Step1에서 생성한 이정좌표에 동 정보를 추가하는 단계이며, 차후 C-ITS 기반 기상정보와 비교하기 위한 기상관측지점을 결정하는데 활용 된다. 실제 도로가 위치한 행정동이 아닌 각 이정정보가 어느 동에 위치한 기상수집 지점의 영향을 받는지 설정하기 위해 각 이정좌표와 기상수집 지점들과의 직선거리를 산출하고, 산출된 거리 중 가장 가까운 기상 수집 지점의 행정동 정보를 해당 이정좌표에 추가하여 기록한다. 네 번째 단계에서는 Step 3으로부터 추출된 행정동 정보를 가진 이정자료를 기준으로 행정동별 분석영역을 설정하고 다섯 번째 단계에서는 분석영역 내 C-ITS 데이터를 추출하여 Step3에서 정의된 동 정보를 C-ITS 데이터에 추가한다 (Fig.1 Step 5와 6 참조). 끝 으로 영역 내부에 위치한 C-ITS 데이터에서 시간, 속도, 좌표, 와이퍼 작동 여부 정보와 동별 기상정보를 추 출하여 비교 분석을 수행한다.
Ⅳ. 대상도로 및 데이터 소개
본 연구의 대상도로는 경부선으로 서울특별시와 부산광역시를 연결하고 대전광역시, 대구광역시를 경유 하는 대한민국의 최장거리 고속도로이다. 본 연구에서는 경부선 중 고속도로 C-ITS 사업 대상지인 양재IC부 터 기흥동탄IC까지를 대상으로 하며, 총연장은 29.6km에 해당한다. 또한, 해당 구간에 위치한 동은 양재2동, 고등동, 백현동 등 총 11개의 동이 있으며, 기상 수집지점 또한 11개가 존재한다 (<Fig. 2> 참조).
본 연구에서 활용한 데이터는 PVD와 기상청에서 제공하는 초단기 실황데이터이다. PVD는 C-ITS 단말기 와 디지털 운행 기록계(digital tacho graph, DTG), 첨단 운전자 보조장치(advanced driver assistance system, ADAS)를 연계하여 수집되고 있다. 따라서, PVD는 DTG에 포함되어있는 차량의 위치, 속도, 가속도, 브레이 크 작동상태, 주행거리 등 차량의 주행특성 자료와 ADAS에 포함되어있는 전방 충돌 경고 및 차로 이탈 경 고, 차간거리, 충돌 예상 시간 등 총 108개 종류의 데이터가 1초 단위로 수집되고 있다. 본 연구에서는 PVD 에 포함되어있는 정보 중 OBUID, TIMESTAMP(sec), LON, LAT, WIPER, SPD(km/h)를 추출하여 분석에 활용 하였으며, PVD의 일부를 <Table 1>에 제시한다.
본 연구에서 사용하는 PVD는 고속도로 C-ITS 단말기를 장착한 차량 중 도로공사 유지보수 차량(승용차) 으로부터 수집된 데이터이다. 분석구간 내 운영되고 있는 유지보수 차량은 총 2대이며 본 과업에서는 그중 1대의 차량으로부터 수집된 PVD 활용하였다.
<Table 1>의 컬럼 중 “OBUID”는 차량에 장착된 단말기의 고유 아이디를 16진법으로 나타내고 있으며, 데 이터 수집시간을 나타내는 항목인 “TIMESTAMP(sec)”는 데이터가 수집된 시간을 초로 환산하여 표현되어 있다. 와이퍼 작동 여부를 나타내는 항목인 “WIPER”의 경우 0, 1, 4 구분되어 기록되어 있으며 각각 “와이퍼 작동 불가”, “와이퍼 OFF”, “와이퍼 ON”을 의미한다. 기상청에서 제공하는 초단기 실황데이터는 1시간 동안 내린 강수량의 누적값을 포함하고 있으며, 수집시간은 1시간 누적강수량 발표시간을 의미한다. 즉, 오전 1시 부터 2시까지의 누적강수량은 오전 2시에 발표된다. 강수량 데이터의 일부는 <Table 2>와 같다.
<Table 2>는 2020년 8월 30일 기준 양재2동의 강수량 데이터이며, 본 연구에서는 경부선 인근 11개 동 의 강수량 데이터를 활용하여 PVD에서 제공하는 차량의 위치, 정보 수집시간과 매칭하여 비교하고자 한다.
Ⅴ. 연구분석 결과
본 연구에서는 기상청 데이터를 참고하여 서울·경기권역의 일일 강수량이 5mm 이상인 날을 비교분석대 상으로 삼았으며 2019년 08월부터 2020년 08월 중 해당 기준을 충족하는 일 수는 69일이었다.
<Table 3>은 2020년 8월 30일 11개 행정동 인근 고속도로를 주행하는 차량의 PVD에 기상청 데이터 기 반 시간 강수량 (‘Hourly Precipitation’)과 와이퍼 정보(‘Wiper’)를 비교한 결과가 추가된 예시를 보여주고 있다.
예를 들어 <Table 3>에서 첫 번째 음영 처리된 행의 경우 6번 행정동 (‘Town’열에 6이 기록)에서 해당 차 량의 와이퍼는 작동하지 않았으며(‘Wiper’열에 1이 기록) 해당 시점에 시간당 강수량은 0이었으므로 두 정보 가 일치하였다는 의미에서 ‘Verification’ 열에 1이 기록되었다. 두 번째 음영 처리된 행의 경우는 동일한 차량 이 1번 행정동을 지날 때 와이퍼가 작동하였고 시간당 강수량이 11mm로 역시 두 정보가 일치하였음을 알 수 있다. 이처럼 본연구에서는 <Table 3>에 제시된 결과를 69일 동안에 수집된 PVD와 기상청 데이터를 기반 으로 반복수행하는 방식으로 두 정보의 일치 여부를 분석하였다.
<Fig. 3>은 8월 30일 수집된 PVD와 기상청 데이터의 강우정보 비교분석 결과를 시공도의 형태로 종합적 으로 보여주고 있다.
<Fig. 3>에서 11개 행정동의 시간 강수량은 청색 음영으로 표현되어 있으며 강수량이 많을수록 진한 청색 으로 보여지게 된다. PVD 와이퍼 정보는 서로 다른 색의 2개의 원으로 달리 표현되며 연두색은 와이퍼가 작 동했음을 의미하며 적색은 작동하지 않았음을 나타낸다.
PVD 와이퍼 정보를 기반으로 해당일에 차량은 오전 7시~오후 2시와 오후 22시 이후 두 번에 걸쳐서 주행 한 것을 알 수 있다. <Fig. 3>에서 시간 강수량 결과에 따르면 해당일에 국지적으로 약한 비가 내렸음을 알 수 있다. PVD의 와이퍼 정보와 시간 강수량을 비교해보면 오전 9시에서 오전 11시 사이에 양재IC 인근에서 내렸던 비로 해당 구간을 지나는 차량이 와이퍼를 작동시켰음을 알 수 있다. 반면 오전 11시에서 오후 12시 사이 동일지역의 약한 비가 내렸을 때 와이퍼는 작동되지 않았다. 종합적으로 국지적인 비가 오는 날의 경우 시간당 누적강수량이 미미한 경우를 제외하고 PVD 와이퍼 정보로 강우 여부 판단이 가능하였다.
<Fig. 4>는 2019년 9월 5일에 수집된 PVD와 기상청 데이터를 종합적으로 보여주고 있다.
<Fig. 4>에서 보이듯이 해당일은 <Fig. 3>의 경우보다 장시간 전 구간에 걸쳐 비교적 많은 비가 내린 것을 알 수 있다. 특히 비가 내리기 시작하고 멈추는 거의 모든 시간 범위에서 와이퍼 정보 기반으로 강우 여부를 정확하게 판단할 수 있었다. 다만 <Fig. 3>과 마찬가지로 내리던 비가 그치기 시작하는 마지막 1시간 동안에 수집된 와이퍼는 작동하지 않은 것으로 보인다. 그 원인으로 시간당 강수량이 낮을 경우 실제 차량이 통행한 시간에는 비가 내리지 않았을 가능성을 생각해 볼 수 있다. 또한 기상청 강우정보는 1시간 누적강수량으로 해당 1시간 동안에 적은 양의 비가 내리기 시작하거나 그치기 시작할 경우 고속도로와 기상수집지점간의 강 우 상태가 실제로 상이할 가능성도 존재한다.
추가로, <Table 4>과 같이 기상청에서 제시하는 강수 표현을 인용하여 강수량을 ‘Not raining’, ‘Mild rain’, ‘Ordinary rain’, ‘Heavy rain’, ‘Very heavy rain’ 5단계로 구분하여, 추출된 모든 PVD 와이퍼 정보를 대상으로 강우 범위별 와이퍼 작동 여부에 대한 분석을 수행하였다.
위 조건을 충족하는 69일에 대해서 11개 행정동별 추출된 PVD를 시간 강수량을 기준으로 구분을 짓게 되 면 비교분석이 가능한 PVD의 양을 확인할 수 있으며 그 결과는 <Table 5>와 같다.
추가로, 추출된 모든 PVD 와이퍼 정보를 대상으로 <Table 6>과 같이 강우 범위별 와이퍼 작동 여부에 대 한 PVD 수를 정리하였다.
PVD 기반의 강우 여부 판단정보를 검증하기 위해 기상청에서 제공하는 시간당 누적강수량을 기준으로 PVD와 강우 여부 판단 시 일치 확률을 <Table 7>과 같이 계산하였다. <Table 7>에서는 원시 PVD의 수집주 기인 초 단위로 강우 여부를 판단했을 때의 결과(‘1sec sample’)와 30초 단위의 결과(‘30sec sample’)를 함께 보여주고 있다. 30초 단위 분석은 1초 단위로 수집되는 PVD 내 존재할 수 있는 이상치의 영향을 배제하기 위함이다.
<Table 7>에 제시한 초 단위 분석결과에 따르면 비가 내리지 않은 시간대의 경우 92%의 일치 확률을 보 였다. 불일치 원인으로 워셔액 사용이나 강수가 아닌 다른 원인으로 인해 일시적으로 와이퍼를 사용했을 경 우를 상상해 볼 수 있다. 또한, 강수량이 ‘0~3mm/h’일 경우 일치 확률이 62%로 상대적으로 낮은 결과가 나 타났다. 이러한 결과는 <Fig. 4>에서 언급한 분석결과와 연관 지어 볼 수 있다. 즉, 적은 양의 비가 내리기 시 작하거나 그치기 시작할 경우 고속도로와 기상수집지점 간의 강우 상태가 실제로 상이할 가능성으로 인해 해당 강우 강도에 대한 와이퍼 정보 기반의 강우 여부 판단의 신뢰도는 상대적으로 낮다. 반면, 시간당 누적 강수량이 높아질수록 와이퍼 정보를 기반으로 강우 여부를 판단했을 때 일치 확률이 높아짐을 알 수 있었다. 즉 강우 강도가 높을 경우 와이퍼 정보를 기반으로 강우 여부 판단 시 신뢰도가 높아짐을 본 연구를 통해 확인할 수 있으며, 결과적으로 와이퍼 정보로 비교적 정확하게 강우여부 판단할 수 있는 기준은 1시간당 누 적강수량이 3mm 이상인 상태로 판단된다. 추가로 수행한 30초 분석결과에 따르면 초 단위 분석결과와 크게 다르지 않음을 알 수 있다. 다만 낮은 강우강도에서는 일치 확률이 다소 감소하는 것을 알 수 있는데 이는 지속적인 와이퍼 작동 빈도수가 비가 적게 내릴 시 감소하기 때문으로 판단된다.
끝으로 분석에 활용한 PVD의 위치와 인접한 기상 수집지점과의 이격거리에 따라 일치 확률의 추이를 확 인해 보기 위해 이격거리 500m 단위로 일치 확률을 <Table 8>와 같이 계산해 보았다.
<Table 8>에서 전체 PVD의 90% 이상이 2.5km 이내에 집중되어있는 것을 확인할 수 있다. 이는 본 연구에 서 활용한 기상관측 지점이 고속도로 인근에 있다는 것을 방증한다. <Table 8>에 제시한 일치 확률 결과에 따르면 일치 확률은 최소 87%에서 최대 89% 범위 안에서 큰 편차를 보이지 않는다. 또한 이격거리가 멀어 질수록 일치 확률이 감소하는 뚜렷한 경향은 확인하기 어려웠다.
Ⅵ. 결 론
도로의 강우 정보를 제공하기 위해서 기존에는 기상청 기상수집지점을 통해 수집되는 강우 정보를 인근 도로에 제공하였다. 하지만, 기상정보 수집지점이 도로와 이격되어 있는 경우 실제 도로의 기상상태는 기상 정보 수집지점의 기상상태와 상이할 수 있다. 이러한 문제를 해결하기 위해 실시간으로 도로의 기상정보를 수집하는 방법에 대해 많은 연구가 진행되고 있으나 추가적인 수집 장비가 요구된다는 한계점이 존재한다. 따라서, 본 연구는 C-ITS 단말기를 장착한 차량 중 도로공사 유지보수 차로부터 수집된 PVD를 활용하여 실 시간 도로의 기상정보를 수집하는 방안으로 기존의 한계점을 극복하고자 한다.
본 연구에서는 고속도로 C-ITS 사업 구간에 포함되어있는 11개 동에 대한 기상정보인 초단기 실황데이터 와 PVD에 포함되어있는 와이퍼 정보 비교하여 PVD 기반 강우여부 판단에 대한 신뢰성을 분석하였다. 분석 결과 국지적인 비가 오는 날의 경우 시간당 누적강수량이 미미한 경우를 제외하고 PVD 와이퍼 정보로 강우 여부 판단이 가능하였다. 장시간 비교적 많은 비가 내린 날의 경우 역시 동일한 결론을 도출할 수 있었다. 더불어 누적강수량을 기준으로 분석 기간 추출된 모든 PVD 와이퍼 정보에 대해 강우 여부 판단 일치 확률 을 계산하였다. 비가 내리지 않은 시간대의 경우 약 0.92의 일치 확률을 보였으며 강수량이 ‘0~3mm/h’일 경 우 일치 확률이 0.61로 상대적으로 낮은 결과가 나타났다. 하지만 시간당 누적강수량이 높아질수록 PVD를 기반으로 강우 여부를 판단했을 때 일치 확률이 높아짐을 알 수 있었다. 초단기 실황데이터와 PVD 데이터의 수집방식의 차이가 존재하기 때문에 적은 양의 비가 내릴 때 또는 비가 그쳐가는 시점에 두 정보 간 일치 확률이 낮아지는 것으로 판단된다. 본 연구를 통해 기존 도로에 기상정보를 제공하는 방식의 한계점을 극복 할 수 있는 방안을 마련하고 C-ITS 데이터수집이 가능한 모든 도로 네트워크상에서의 기상정보를 제공할 수 있을 것이라 기대된다.
하지만, 본 연구의 신뢰도를 높이기 위해 몇 가지 보완해야 할 점들이 있다. 첫째, 본 연구에서는 기술적 인 이유로 한 대의 지사차량으로부터 수집된 데이터를 활용하여 강수가 발생한 69일에 대해 분석을 수행하 였다. 추후 고속도로 C-ITS 단말기를 장착한 버스, 화물차, 승용차 등 다양한 차량의 PVD를 기반으로 추가적 인 연구가 필요하다. 둘째, 본 연구에서 활용한 와이퍼 작동정보는 “와이퍼 ON”, “와이퍼 OFF”, “와이퍼 작 동 불가”로 구분되어 있다. 하지만, 실제 차량의 와이퍼는 워셔액 사용, 고속 사용 등 다양한 조작이 존재하 며 기술적으로 세분화된 와이퍼 작동정보 수집이 가능하다. 추후 세분화된 와이퍼 작동정보를 활용한다면, 본 연구의 정확도 향상뿐만 아니라 강수의 세기까지 판단할 수 있을 것이라 기대된다. 본 연구에서 PVD 기 반의 강우여부 판단정보의 신뢰성을 확인하기 위한 참값으로 기상청 정보를 활용하였다. 기상청에서 제공하 고 있는 지점 기반의 강우 정보에 대한 한계가 존재함에도 불구하고 참값이라고 간주할 수 있는 이유는 <Table 8>에서 제시된 바와 같이 두 정보 사이의 취득 지점 간의 거리가 인접해 있기 때문이다. 하지만 지방 부 고속도로로 갈수록 해당 거리는 멀어지고 그 결과 기상청 제공정보의 한계점이 두드러질 것으로 판단된 다. 따라서 PVD 기반의 강우여부 판단정보의 신뢰성을 보다 객관적으로 검증하기 위해 지방부 고속도로상 에서 실측된 기상정보, PVD 기반 기상정보, 인접한 기상청 수집지점으로부터의 기상정보 간의 비교 분석이 필요하다.
