Ⅰ. 서 론
1. 연구의 배경 및 목적
자율주행기술은 비약적으로 발전해왔으며, 자율주행 기술수준은 SAE Level 기준으로서 국내는 Level 3 단 계의 유료 서비스를 제공하고 있고(Ministry of Land, Infrastructure and Transport Press Release, 2022), 국외는 Level 4 단계의 유료 서비스를 제공(The Hankyoreh, 2023)하여 상용화 단계에 도달한 상황이다. 특히, 자율주 행 Level 4는 특정 지역에서 운전자의 개입 없이도 차량의 안전한 주행이 가능한 수준으로서 고수준의 자율 주행차량의 기술이 어느 정도 개발된 상황에서 개발 기술을 더욱 고도화하는 것도 중요하지만 본격적인 상 용화를 위해서는 자율주행서비스 측면에서의 준비도 필요하다. 이와 관련하여 정부는 2021년부터 다부처(국 토교통부, 과학기술정보통신부, 산업통상자원부, 경찰청) 연구개발사업으로 자율주행기술개발혁신사업을 추 진해오고 있다. 해당 연구개발사업 중 국토교통부 소관으로 22개의 연구개발과제가 착수하여 진행 중이며, 이 중 자율주행서비스 분야는 6개 세부과제로서 추진되고 있는데, 교통소외지역 및 교통약자, 수요대응 대중 교통, 공유차, 도시환경관리, 도로교통 인프라 모니터링 및 긴급복구, 긴급차량 통행 지원을 포함한다. 중요 한 것은 세부과제별 개발되는 자율주행차와 서비스 기술은 다른 핵심 전략인 도로교통 인프라 분야의 세부 과제에서 선정된 리빙랩 도시를 대상으로 일반인들에게 제공한다는 계획이다. 따라서, 해당 서비스별 목적과 특성에 따라 안전하고 안정적인 서비스가 가능한 공간적 범위와 운행구간을 선정하는 것이 중요하다.
SAE에서는 자율주행차 Level 4를 제한된 상황에서 사람의 개입없이 주행 기능의 일부 또는 전부를 수행 할 수 있는 차량으로 정의하고 있으며, 운행설계영역(ODD, Operational Design Domain)의 중요성을 언급하였 다(The International Transport Forum, 2023). ODD는 환경적, 지리적 및 시간대 제한을 포함하지만 이에 국한 되지 않고 특정 교통 또는 도로 특성의 필수적인 존재 및 부재를 포함하여 특정 주행 자동화 시스템 또는 그 기능이 가능하도록 특별히 설계된 작동 조건으로 정의하고 있다(Society Automotive Engineers International, 2021). 미국 연방도로교통안전청(NHTSA, National Highway Traffic Safety Administration)에서는 자율주행 Level 4를 위한 ODD 조건을 크게 6가지로 분류하여 세부사항을 정의하도록 권고하고 있다. 다만, 자율주행 차 제조 업체에 따라 ODD 조건은 달라질 수 있으며, 기업에서 기술력을 결정하는 중요한 사항으로 보고 있 어 세부적인 ODD 조건들은 공개하지 않고 있는 실정이다.
이와 달리, 국내에서는 Level 3 수준의 자율주행차로 일부 지역에서 시범운행 및 유상운송 서비스를 제공 하고 있으나 Level 4 수준의 자율주행기술은 개발 및 실증을 위한 테스트 단계에 있어 아직까지 Level 4 수 준의 자율주행서비스가 가능한 구간 및 지역에 대한 ODD 조건을 확인하는 데 어려움이 있다. 더욱이 이용 자들은 교통부문에서 안전성을 가장 중요한 요소로 여기고 있으며, 자율주행서비스의 확대 보급을 위해서는 자율주행기술을 안전성을 확보하는 것이 가장 시급하다고 언급한 바 있다.(Kim et al., 2022b).
따라서, 본 논문에서는 Level 4 수준의 자율주행서비스 제공이 가능 구간 및 지역을 도출하기에 앞서 기존 에 공개된 논문 및 관련 문헌을 토대로 Level 4 수준의 자율주행서비스를 위한 정적인 ODD 구성요소를 재 분류하고, Level 3 자율주행차 실제 주행데이터의 주행모드변경(제어권전환) 정보를 활용하여 안전성에 영향 을 미치는 요인들을 추정해보고자 한다.
2. 연구의 내용 및 방법
본 연구의 주요 내용은 2가지이다. 하나는 Level 4 수준의 ODD 구성요소를 자율주행서비스 측면에서 검토·분석을 통한 재분류이고, 다른 하나는 ODD 구성요소를 가지고 실제 Level 3 자율주행서비스가 제공되고 있는 지역을 대상으로 실제 주행데이터를 활용하여 공간정보분석을 통한 Level 4 자율주행의 안전성에 영향을 미치는 공간적인 요인을 추정하고자 한다. Level 3 자율주행차 실제 주행데이터는 서울시 상암자율주행 시범운행지구에서 유상으로 제공 중인 2개의 자율주행서비스를 대상으로 수집하였고, 자율주행차량의 안전성은 현재 기준으로 수집이 가능한 Level 3 수준의 자율주행차 실제 주행데이터 항목 중 주행모드변경(제어권전환) 여부로 판단한다. 자율주행의 안전성에 영향을 미치는 요인을 분석하기 위하여 서울시 상암 자율주행 시범운행지구를 대상으로 제시한 정적인 ODD 구성요소를 기반으로 현장조사를 통해 공간정보를 구축하였다.
2가지의 주요 내용에 대한 연구방법은 다음과 같다. 첫째, Level 4 자율주행서비스를 위한 정적인 ODD 구 성요소를 재분류하기 위해 기존 공개된 논문과 레벨4 자율주행자동차 제작ㆍ안전 가이드라인 및 도로교통법 등 관련 문헌조사를 통해 분석한다. 둘째, 자율주행의 안전성에 영향을 미치는 요인을 분석하기 위해, QGIS 3.30.1 버전을 사용하여 서울 상암자율주행 테스트베드 구간의 공간정보 구축 및 분석을 시행하였고, 서울 상암자율주행 시범운행지구에서 제공하고 있는 유상운송 서비스의 실제 주행데이터를 활용하여 안전성에 영향을 미치는 공간적인 요인를 도출한다.
본 연구의 구성은 다음과 같다. Ⅱ장에서는 자율주행 ODD 및 공간정보 분석 관련 선행연구를 정리하였 고, Ⅲ장에서는 Level 4 자율주행서비스를 위한 정적인 ODD 구성요소를 검토·분석하여 재분류하였다. Ⅳ장 에서는 자율주행의 안전성에 영향을 미치는 공간적인 요인을 추정하였으며, 마지막 Ⅴ장에서는 본 연구의 한계점 및 향후 연구내용에 대해 기술하였다.
Ⅱ. 선행연구 고찰
1. 자율주행 ODD 관련 선행연구
자율주행 ODD와 관련된 선행연구는 주로 사례연구를 통해 실증지역에서의 자율주행차의 안전성 평가 나 실증을 위한 ODD 구성요소를 분류 및 제시하는 내용으로서 다음과 같다.
2020년에 안양시를 대상으로 도시부 자율주행셔틀 실증을 위한 운행설계영역 정의 및 평가를 목표로 우 리나라의 도로환경 및 안전을 우선적으로 고려한 운행설계영역 제시 및 안양시 도시부도로를 중심으로 운행 설계영역을 평가한 연구가 수행되었다(Kim et al., 2020). 또한, 자율주행 실증 규제자유특구로 지정된 세종시 에서 자율주행 실증과제를 진행하기 위한 예비조사로서 실증도로 주행환경 요소의 ODD 및 ODD 내의 객체 에 대한 실증차량의 OEDR(Object and Event Detection and Response)을 분석하고 ODD 작성 및 ODER 작성을 위한 가이드라인을 제시한 연구가 수행된 바 있다(Kim and Kee, 2020).
이후, 해외 ODD 분류 기준을 분석하고 안전성 검증 및 평가에 적합한 분류 기준을 선정하고, 선정된 ODD를 기반으로 ADS(Automated Driving System) 기술 개발을 지원하는 자율주행 실험도시(K-City)의 평가환경 분석을 수행하여 ADS 안전성 검증 및 평가에 필요한 평가요소를 제시하는 연구가 수행되었다(Kim et al., 2022a). 가장 최근의 연구로는 국제표준을 기반으로 국내 주행환경 분석을 통한 ODD 분류 체계에 대한 국내 최적화를 수행하고, 개발된 국내 ODD 항목을 기반으로 현재 운영 중인 자율주행차 시범운행지구의 주행환경 조사결과를 바탕으로 시험운행지구별 ODD 범위를 비교하는 연구가 수행된 바 있다(Lee et al., 2023).
2. 공간정보분석 관련 선행연구
교통부문에서 활용한 공간정보분석과 관련된 선행연구는 주로 기존 교통수단분담이나 통행발생모형 구축 및 개선을 위한 목적이나 사례 분석을 통한 공간정보 구축의 필요성을 도출하는 내용으로서 대표적인 연구는 다음과 같다.
대중교통분담률과 승용차분담률에 대한 국지적 공간자기상관분석을 통해 이용률이 높은 핫스팟 지역과 이용률이 저조한 콜드스팟 지역을 파악 후 대중교통분담률과 도시구조특성 변수와의 연관성과 영향정도를 알아보기 위한 공간회귀분석 시행하여 서울시 행정동을 사례로 공간계량분석을 통해 대중교통의 이용에 영 향을 미치는 공간적 특성 요인을 규명하는 연구를 수행하였다(Lee et al., 2012). 또한, 선형회귀분석의 공간자 기상관에 대한 문제점을 개설하기 위해 공간자기상관을 탐색하고, 공간회귀분석법을 활용하여 기존 연구의 지역적ㆍ물리적 특성 지표의 보완 및 추가를 통해 목적별 통행발생모형을 구축 및 설명력 향상을 입증하는 연구를 수행하였다(Jin et al., 2012). 특히, 국내 2006년과 2010년에는 수도권 통행량을 사례로 네트워크 자기 상관을 이용한 통행 패턴을 분석하는 것으로서 새로운 네트워크 연결성 행렬을 제시하여 관련된 네트워크 자기상관 분석 방법의 적용 가능성을 살펴보고, 네트워크 자기상관을 이용한 통행 패턴을 분석을 통하여 국 지적 통행 클러스터를 탐색하는 통행 패턴 분석을 시행한 연구를 수행한 바가 있다(Mun, 2015).
이처럼 국내외 공간정보의 구축현황과 다양한 부문의 공간분석 사례를 살펴보고, 공간정보와 교통정보를 융합하여 활용한 사례의 고찰을 통해 교통부문 공간정보의 구축방안을 제시하는 연구를 수행하였다. 해당 연구에서 는 도로, 철도, 대중교통 등 기본적인 교통부문의 공간정보뿐만 아니라, 스마트시티 추진에 따른 신교통 수단에 대한 시설물정보, 도시재생 관련 주차장 및 도보에 대한 전통적인 시설물정보, 자율주행차 관련 정밀도로지도 및 도로시설물 정보 등 시시각각 변화하는 기술적 추세 또는 사회적인 요구에 따라 다양한 교통부문 공간정보 구축에 지속적인 연구와 투자가 필요함을 언급하였다(The Korea Transportation Institute, 2018).
3. 기존 연구와의 차별성
기존 자율주행 ODD와 관련된 선행연구는 사례연구 및 문헌조사를 통해 실증지역에서의 자율주행차의 안 전성 평가나 실증을 위한 ODD 구성요소를 정의 및 분류하고 제시하는 연구가 주로 수행되었다. 따라서, 실 제 자율주행서비스의 가능 여부를 명확하게 정의하는데 한계점이 있다. 또한, 교통부문에서 활용한 공간정보 분석과 관련된 국내외 선행연구의 경우, 주로 기존 교통수단분담이나 통행발생모형 구축 및 개선을 위한 목 적이나 사례 분석을 통한 공간정보 구축의 필요성을 도출하는 연구가 수행되었지만 실제 수집된 자율주행데 이터를 기반으로 한 자율주행서비스를 대상으로 안전성에 영향을 미치는 공간적인 요인들을 확인한 연구사 례는 거의 없다. 따라서, Level 4 자율주행서비스의 상용화를 위해서는 자율주행차의 실제 주행데이터 기반 으로 Level 4 자율주행서비스가 가능하기 위한 ODD 구성요소들을 재분류하고, 자율주행의 안전성에 영향을 미치는 공간적인 요인들을 추정해볼 필요가 있을 것으로 판단된다.
이를 위해 본 연구에서는 Level 4 수준의 자율주행서비스 제공 구역 설정을 위한 기초 연구로서, 기존 공 개된 논문 및 관련 문헌 조사를 통해 Level 4 수준의 자율주행서비스를 위한 정적인 ODD 구성요소를 재분 류하여 제시하고, Level 3 자율주행차 실제 주행데이터 기반으로 공간정보분석 기법 적용을 통하여 자율주행 의 안전성에 영향을 미치는 공간적인 요인을 알아보고자 하였다.
Ⅲ. Level 4 자율주행서비스를 위한 정적인 ODD 구성요소 재분류
1. ODD 구성요소 재분류
Level 4 자율주행서비스를 위한 정적인 ODD 구성요소를 재분류하기 위해 조사한 자료의 범위는 국내외 공개된 자료 중 논문, 보고서 등의 선행연구와 정부배포 지침(가이드라인) 및 관련 법령으로 선정하였다. 미 국 NHTSA에서는 ODD를 크게 6가지로 분류하고 세부 구성요소들에 대해서는 자율주행차량 제작사별로 정 의하도록 권고하고 있다. 차량 제작사별 세부 ODD는 기관 기밀로 여기고 있어 공개되지 않는 현실을 감안 하여 현재 공개된 자료만을 대상으로 조사 및 분석하였다.
1) ODD 분류 관련 선행연구
Kim et al.(2020)은 미국 NHTSA의 ODD 요소의 분류 프레임워크 및 해외기업 자율주행 운행설계영역 (ODD) 사례를 기반으로 자율주행셔틀 운행설계영역을 정의하고, 이를 기반으로 자율주행 가능여부를 판단 하였다. 해당 연구에서는 국내 도로인프라 및 도로환경 조건을 고려하여 자율주행셔틀 운행설계영역을 기하 구조적 요인(Geometry Factors), 운영적 요인(Operational Factors), 환경적 요인(Environmental Factors) 등으로 분 류하여 각 요인별 세부 고려요인을 정의하였다.
Kim and Kee(2020)은 세종시 자율주행 실증 사례에 기반하여 세종시 자율주행 실증구간의 도로체계 및 운 행환경을 토대로 운행설계영역(ODD)의 작성 가이드라인을 제시하면서 ODD의 구성요소를 물리적 인프라, 운행제약사항, 객체, 환경조건, 구역, 연결성 등 6개의 요소로 구성하고 각 요소에 대한 세부 구성요소를 정 의하였다. 물리적 인프라에는 도로유형, 도로포장, 길가장자리 및 노면표시, 도로기하구조 등이 포함되고, 운 운행제약사항에는 제한속도, 교통상황 등이 포함된다. 객체에는 신호, 도로 이용자, 보행자, 교통시설물 등이 포함되고, 환경조건에는 날씨, 악천후시 도로상태, 조도 등이 포함된다. 구역에는 교통관리구역, 스쿨존, 공사 구간, 혼잡구간 등이 포함되고, 연결성에는 시험차량, 인프라 센서, 디지털 인프라 등이 포함된다.
Kim et al.(2022a)는 실도로와 유사한 자율주행 테스트베드인 K-City의 평가환경에서 ADS의 안전성을 검증 하고 평가할 수 있는 평가요소를 제시하면서 ODD 분류체계 및 구성요소를 선정하여 제시하는 연구를 수행 하였다. 해당 연구에서는 해외 연구(AVSC, OpenODD 등) 및 국제표준(BSI, ISO 34503) 기반의 TUV SUD Korea에서 구성한 ODD 항목 및 구성요소를 활용하였다. TUV SUD Korea에서는 ODD 항목 및 구성요소를 장면적 요소(구역, 운행영역, 교차로, 도로구조물 등), 환경적 요소(날씨, 먼지, 조도, 연결성 등), 동적 요소(차 량 등)의 3가지로 제시하였다.
Lee et al.(2023)은 ISO, BSI, NHTSA 등에서 제시한 ODD 정의 및 분류체계를 토대로 ODD 분류 체계 중 정적인 요소인 장면요소(Scenery)를 대상으로 국내 최적화를 위해 도로법, 도로교통법 및 관련 매뉴얼을 분석 하여 세부 항목을 도출하였다. 본 연구에서는 현재 운영 중인 자율주행차 시범운행지구 중 서울 상암과 광주 를 대상으로 주행환경을 조사함으로써 국내에서 일관된 양식으로 활용할 수 있도록 장면요소에 대한 ODD 분류체계 양식을 제시하였다.
ODD 분류와 관련된 선행연구에서 제시한 ODD 구성요소는 <Table 1>과 같다.
<Table 1>
ODD Elements Presented in Previous Studies Related to ODD Classification
| PreviousStudy | ODDElements | ODD Classifications | ||
|---|---|---|---|---|
| Kimet al.(2020) | GeometryFactors | Link, Node, Road Surface, Number of Lanes | ||
| OperationalFactors | Traffic Signal, Road Operation, Traffic Condition | |||
| Environmental Factors | Time Period,Weather | |||
| KimandKee(2020) | Physical Infrastructure | Road Type, Roadway Surface, Roadway Edge & Marking, Roadway Geometry | ||
| Operation Constraints | Operational Speed Limits, TrafficConditions | |||
| Objects | Signage, Roadway Users, None-Roadway Users, Traffic Equipment | |||
| Environmental Conditions | Weather, Weather-induced Roadway Conditions, llumination | |||
| Zone | Traffic Management Zone, School Zone, Construction Zone, Interference Zone | |||
| Connectivity | Demonstration Vehicle, Infrastructure Sensors, Digital Infrastructure | |||
| Kim et al.(2022a) | Scenery | Zones | Geo-fenced Ares, Traffic Management Zones, School Zones, Regions or States, Interference Zones, Port Zones, Freight Distribution Centre | |
| DrivableArea | Type | Motorways or Highways or Interstates, Primary Roads, Radial Roads, Distributor Roads, Minor Roads, Slip Roads, Parking Space, Shared Space | ||
| Geometry | Horizontal Plane, Transverse Plane, Longitudinal Plane | |||
| LaneSpecification | Lane Dimensions, Lane Marking, Lane Type, Number of Lanes, Direction of Travel | |||
| Signs | Information Signs, Regulatory Signs, Warning Signs | |||
| Edge | Line Markers, Shoulder(Paved or Gravel), Shoulder(Grass), Solid Barriers,Temporary Line Markers, Snowbanks | |||
| Surface | Drivable Area Surface Type, Drivable Area Surface Features, Drivable Area Induced SurfaceCondition | |||
| Junctions | Roundabouts | Normal, Compact, Double, Large, Mini | ||
| Intersections | T-Junctions, Staggered, Y Junction, Cross Roads, Grade Separated | |||
| Special Structures | Buildings, Street Lights, Street Furniture (e.g. Bollards), Vegetation | |||
| FixedRoad Structures | Automatic Access Control, Bridges, Pedestrian Crossings, Rail Crossings, Tunnels,TollPlaza | |||
| Temporary Structures | Construction Site Detours, Refuse Collection, Road Works, Road Signage | |||
| Environmental Conditions | Weather(Coverage) | Wind(Calm~Hurricane Force), Rainfall(Light Rain~Cloudburst), Snowfall(Light Snow~Heavy Snow) | ||
| Particulates | Marine(Coastal Areas Only), Non-Precipitating Water Droplets (i.e. Mist/Fog), Sandand Dust, Smoke and Pollution, Volcanic Ash | |||
| Illumination | Day, Where Attributes Are Classified Based on, Night or Low-Ambient Lighting Condition, Cloudiness, Expressed As, Artificial Illumination | |||
| Connectivity | Communication, Positioning | |||
| Dynamic Elements | Traffic Agent | Agent Type | Motor Vehicle, Non-Motor Vehicle, Vulnerable Road Users, Two-Wheels or Bicycles, Animals | |
| Presence of Special Vehicle | - | |||
| Subject Vehicle | - | |||
| Lee etal.(2023) | Scenery | Zones | Geo-Fenced Area, Administrative Area, Traffic Control Area, Designated Protected Area,Interferenc eZone | |
| Drivable Area | Drivable Road Types, Drivable Area geometry, Drivable Road Markings, Lane Properties, Drivable Road Properties, Drivable Area Signs, Drivable Area Signs Form, Drivable Area Shoulder Width, Drivable Area Road Surface | |||
| Junctions | General Type, Roundabout, Crosswalk, Signal Status | |||
| Special Structures | Bridge, Tunnel, Tollgate, Automatic Entry Blocking Facilities, Railway Crossing, Pedestrian Overpass, Etc | |||
| Fixed Road Structures | Building, Roadway Lighting, Roadside Facilities, Street Trees, Etc | |||
| Temporary Structures | Construction and Work Sections, Accident Area | |||
2) ODD 관련 국제표준 및 지침
현재 국제표준화가 추진 중인 ISO(International Organization for Standardization)와 시뮬레이션을 위한 OpenODD, 그리고 자율주행차량 시험 및 개발을 위한 표준인 BSI(British Standards Institution) 모두 동일한 분류체계를 활용하고 있다. 따라서, 본 연구에서도 BSI의 ODD 분류 및 구성요소를 검토하였다. BSI에서는 ODD 구성요소를 정적인 요소인 장면요소(Scenery), 환경요소(Environmental Conditions), 동적요소(Dynamic Elements)의 3가지로 분류하고 있다. 장면요소에는 구역(Zones), 운행가능지역(Drivable Area), 교차로(Junctions), 특수구조물(Special Structures), 고정된 도로구조물(Fixed Road Structures), 일시적 도로구조물(Temporary Structures)이 포함되고, 환경요소에는 날씨(Weather), 먼지(Particulates), 조도(Illumination), 연결성(Connectivity)이 포함되며, 동적요소에는 교통(Traffic)과 차량(Subject Vehicle) 등이 포함된다(British Standards Institution(BSI), 2020).
국내 레벨4 자율주행자동차 제작ㆍ안전 가이드라인에서는 ‘운행가능영역(ODD)’이란 자율주행시스템의 기 능이 정상적이고 안전하게 수행될 수 있는 작동영역(도로, 기상, 교통 등)으로 정의하고 있으며, 자율주행시 스템의 안전한 작동과 관련된 도로유형, 지리적 범위, 기상환경, 속도범위 및 기타 제약조건들을 포함한 운 행가능영역을 명확하게 제시하도록 명시하고 있다. 또한, 도로상의 안전 운행과 관련된 제반 법규(도로교통 법 등)을 준수하도록 명시하고 있다(Ministry of Land, Infrastructure and Transport, 2020).
ODD 관련 국제표준 및 관련 지침에서 제시한 ODD 구성요소는 <Table 2>와 같다.
<Table 2>
ODD Elements and Classifications Presented in BSI and Lv.4 AV Manufacturing and Safety Guideline
| BSI, ISO,Open ODD | Lv.4 AV Manufacturing and Safety Guideline | ||
|---|---|---|---|
| Scenery | Zones | Road | Road Type |
| Drivable Area | Road Conditions | ||
| Junctions | Etc | ||
| Special Structures | Environment | Weather Conditions | |
| Fixed Road Structures | Topographical Conditions | ||
| Temporary Structures | |||
| Environmental Conditions | Weather | Traffic | Speed Range |
| Particulates | |||
| Illumination | Etc | ||
| Connectivity | |||
| Dynamic Elements | Traffic | Etc | Constraints |
| Subject Vehicle | Regulations | ||
3) 시사점
미국 NHTSA에서는 ODD를 크게 6가지로 분류하고 세부 구성요소들에 대해서는 자율주행차량 제작사별 로 정의하도록 권고하고 있고, 기존 선행연구 및 관련 문헌 검토 결과 기존에 제시한 ODD 분류체계의 경우, 해당 과제 및 사업별로 구성요소들을 제시해왔으며 일반적인 자율주행차의 기능적인 관점에서만 ODD 분류 체계 및 구성요소들을 제시하였다.
현재 자율주행기술과 기술수준은 자율주행시스템(ADS)의 S/W와 H/W 차이뿐만 아니라 개발주체와 ODD 환경에 따라 다양하다. 따라서, 우선 범용적인 ODD 구성요소들을 고려하기 위하여 기존 연구사례를 검토하 였고, 실제 자율주행서비스 관점에서 재분류 작업을 수행할 필요가 있다. 본 연구에서는 실제 자율주행서비 스의 목적과 특성에 따라 안전하고 안정적인 서비스가 가능한 공간적 범위와 운행구간을 선정할 수 있도록 ODD 항목 및 구성요소를 재분류하여 제시하였다.
2. 정적인 ODD 구성요소 재분류 결과
자율주행의 안전성에 영향을 미칠 수 있는 요인은 다양하게 존재할 수 있지만 현재 수집이 가능한 자율주 행차 실제 주행데이터에는 어떤 원인으로 주행모드변경(제어권전환)이 발생하였는지 알 수 있는 정보가 포 함되어 있지 않다.
또한, 자율주행서비스는 현재 소수의 차량으로 시범운행 중인 상황이므로 주변차량 및 보행자 등 동적인 요인에 대한 데이터 수집이 어려운 실정이다.
따라서, 본 연구에서는 앞에서 조사한 ODD 분류 관련 선행연구와 국제표준 및 관련 지침에서 제시한 ODD 분류체계를 토대로 ODD 구성요소 중 공간정보구축이 가능한 정적인 요소만을 고려하였다. 추가적으 로 현재 자율주행기술개발혁신사업 내에서 개발 중인 자율주행서비스의 특성을 감안하여 교통약자보호구역, 공유차 및 대중교통 서비스를 위한 주차장, 정류장 등도 구성요소로 고려하였다. 해당 구성요소는 도로법 및 도로교통법과 경찰청 및 지자체 도로시설물 관련 조례 등을 검토하였다. 상세한 ODD 구성요소는 <Table 3> 에 제시하였으며, 해당 구성요소들을 기반으로 현장 조사를 통해 공간정보를 구축하였다.
Ⅳ. 자율주행의 안전성에 영향을 미치는 공간적인 요인 분석
1. 분석대상
1) 데이터 수집
본 장에서는 앞에서 재분류하여 제시한 정적인 ODD 구성요소를 기반으로 현장조사를 통해 공간정보를 구축하고, 대상지역인 서울 상암 자율주행 시범운행지구에서 제공 중인 Level 3 수준의 자율주행서비스의 실 제 주행데이터를 활용하여 자율주행의 안전성에 영향을 미치는 정적인 요인을 추정하였다.
분석 대상지역은 자율주행서비스가 제공 중인 서울 상암 자율주행 시범운행지구로 선정하였고, 자율주행 서비스 실제 주행데이터는 2022년 5월~2023년 2월까지 총 10개월간 제공된 Level 3 수준의 자율주행서비스 2개 구간의 데이터(1초 단위)를 사용하였다. 자율주행서비스 2개 구간의 운영 정보는 <Table 4>와 같다.
<Table 4>
Operation Information of AV Services
| Route No. | Route Length | Number of Vehicles | Operation Time | Frequency/day |
|---|---|---|---|---|
| Route-A | 5.3km | 2+1(FromDecember)Vehicle | 09:30~12:00, 13:30~16:00 | 10 Times |
| Route-B | 4km | 1Vehicle | 08:00~17:00 | 16 Times |
2) 자율주행데이터 셋 생성
자율주행의 안전성에 영향을 미치는 공간적인 요인을 분석하기 위해 수집된 데이터 항목 중에 차량ID, 시 간, 속도, 위도, 경도, 자율주행모드의 6개의 항목을 사용하였다. 여기서, 자율주행모드는 “1”일 경우, 자율주 행으로 주행한 데이터이고, “0”이 수동주행으로 주행한 데이터이다. 속도 데이터는 격자 크기를 결정하기 위 한 1초당 주행거리 산정에 사용하였고, 위도 및 경도 좌표는 자율주행모드변경 위치를 확인하는 데 사용하 였다. 분석을 위한 데이터 셋을 생성하기 위하여 Open Source 프로그램인 R 4.2.3 ver.을 사용하여 전처리 과 정을 수행하였다. 자율주행서비스 운영 시간과 분석대상 지역의 위도 및 경도 좌표의 최대, 최소값을 기준으 로 구간 내에 포함된 데이터만 1차적으로 추출하였다. 이후, 자율주행모드에서 수동주행모드로 변경된 시점 을 기준으로 위도, 경도 좌표값을 필터링하였다. 마지막으로 QGIS 프로그램 ver. 3.30.1을 활용하여 Shape 파 일 형태로 변환한 후, 표준노드링크 및 정밀지도와 중첩하여 자율주행서비스 노선 외 지점에 위치한 데이터 를 제거함으로써 공간정보분석을 위한 데이터 셋을 <Fig. 1>과 같이 생성하였다.
2. 공간정보분석
1) 공간정보 구축
공간정보분석을 위해서 분석대상지역인 상암 자율주행 시범운행지구의 공간정보를 구축하였다. 표준노드 링크는 ITS 국가교통정보센터에서 제공하는 전국표준노드링크를 활용하여 상암 자율주행 시범운행지구 구 간만 추출하였다. 해당 자료를 활용하여 현장조사를 통해 앞서 재분류한 정적인 ODD 구성요소를 기반으로 속성정보를 구축하였고, 속성정보의 항목 수준은 앞서 제시한 정적인 ODD 구성요소(ODD Elements) 단위로 구축하였다. 추후 자율주행서비스가 가능한 구간을 선정하기 위한 기초 연구임을 감안하여 속성정보는 표준 노드링크 자료에서 링크단위로 구축하였다. 구축된 공간정보 및 속성정보는 <Fig. 2>와 같다.
2) 공간정보 분석방법
위에서 언급한 바와 같이 생성된 주행모드변경(제어권전환) 위도/경도 좌표 데이터 셋과 구축된 공간정보 를 이용하여 자율주행의 안전성에 영향을 미치는 정적인 요인을 다음과 같은 방법으로 추정하였다.
먼저, QGIS에서 분석대상 지역의 지도, 주행모드변경 좌표 데이터 셋, 구축된 공간정보(표준노드링크) 데 이터를 불러와서 좌표계를 일치시켜 중첩시켰다. 좌표계는 QGIS 웹에서 제공하는 Kakao Street 맵의 좌표계 인 EPSG:5181-Korea2000/Central Belt로 맞추었다. 다음으로 주행모드변경(제어권전환)이 많이 발생한 지점을 선정하기 위하여 빈도 분석을 위해 동일한 간격의 격자를 생성하였다.
격자의 크기는 자율주행데이터의 수집 주기가 1초 단위임을 감안하여 1초 내의 주행행태는 동일하다고 볼 수 있으므로 차량별로 1초당 평균속도를 구하여 1초당 주행거리를 기준으로 결정하였다. 참고로, 본 연구 에서 사용한 데이터의 수집 주기가 1초 간격이기 때문에 1초당 주행거리를 기준으로 정하였지만 수집 주기 에 따라 해당 기준은 달라질 수 있다. 1초 기준으로 산정한 월별 1초당 평균 주행거리는 최소 7.05m에서 최 대 7.33m로 나타났다. 이를 근거로 격자의 크기는 최대값을 포함할 수 있도록 7.5m×7.5m로 설정하였다.
생성한 격자 그리드와 구축한 주행모드변경 좌표 데이터 셋을 중첩시킨 후, 폴리곤 내 포함되는 포인트 개수 계산을 시행하여 격자 내 빈도를 분석하였다. 여기서, 주행모드변경(제어권전환) 빈도 다발 격자는 속 성테이블을 열어 빈도수 항을 기준으로 오름차순으로 정렬 후 178개 이상의 빈도수를 보이는 격자를 선택하 였다. 이때, 기준은 자율주행서비스 노선별로 10개월간 운행 횟수(노선 A : 약 1,780회, 노선 B : 약 2,848회) 의 10%인 178회 이상인 격자를 주행모드변경 다발 지점으로 선정하였다. 마지막으로 선택된 격자의 중심 좌 표를 구하고 지점(포인트) 형태의 Shape 파일을 생성한 후, 생성된 지점(포인트) 기준으로 로드뷰(네이버 지 도 2022년 7월 기준)를 통해 해당 지점의 주행방향 전방에 존재하는 ODD 구성요소를 확인하였다. 주행모드 변경(제어권전환) 빈도 다발 지점에 대한 공간정보분석 결과는 <Fig. 3> 및 <Fig. 4>와 같다.
<Table 5>
Entities Table of Converted Point
| ID | X(Longitude) | Y(Latitude) |
|---|---|---|
| 34550 | 126.8992 | 37.57638 |
| 27229 | 126.8945 | 37.57915 |
| 20740 | 126.8902 | 37.5784 |
| 26623 | 126.894 | 37.57618 |
| 21087 | 126.8941 | 37.57623 |
| 20933 | 126.894 | 37.5763 |
3. 자율주행의 안전성에 영향을 미치는 정적인 요인 분석 결과
자율주행의 안전성에 영향을 미칠 수 있는 요인들은 다양하게 존재할 수 있으나 현재 차량 제조사들의 기 술적인 기업비밀로 여기고 있어 어떤 원인으로 인해 자율주행모드의 변경이 일어났는지는 공개하지 않고 있 는 실정이다. 이런 상황을 감안하면 현재 수집 가능한 자율주행 실제 주행데이터로부터 추정을 할 수 밖에 없다. 미국 캘리포니아 자동차 관리국에 따르면 2015년에서 2016년까지의 캘리포니아 DMV에 제출된 자율 주행 해제 원인 보고서 분석 결과 구체적인 원인은 명확하게 알 수 없지만 차량의 결함 및 오작동 등 차량 요인이 약 54%, 주변차량 환경요인이 약 25%, 운전자의 주관적인 불편함 등으로 인한 운전자 요인이 약 21%로 나타났다(Yun et al., 2018). 따라서 본 연구에서는 약 25%를 차지하는 환경요인과 관련이 있는 정적인 ODD 구성요소들만을 대상으로 자율주행의 안전성에 영향을 미칠 수 있는 요인을 추정하였다.
공간정보분석 기법을 통해 선정된 자율주행모드변경(제어권전환) 다발 지점(격자)의 중심 좌표를 기준으 로 점(포인트) 형태로 변환하였다. 변환된 좌표를 기반으로 로드뷰(네이버 지도 2022년 7월 기준)를 통해 해 당 지점의 주행방향 전방에 존재하는 정적인 ODD 구성요소를 <Fig. 5>와 같이 확인하였다. 이 중 도출된 총 6개의 주행모드변경(제어권전환) 다발 지점에서 중복된 구성요소를 추출하였다. 추출된 중복 ODD 구성요소 중 일반적으로 도로를 구성하는 요소로서 안전성과 크게 관련이 없을 것으로 판단되는 가로수, 가로등, 연석 등과 같은 구성요소는 제외하였다. 최종적으로 자율주행의 안전성에 영향을 미칠 수 있는 요인은 <Table 6> 에 제시한 바와 같이 횡단보도, 신호등, 교차로, 자전거 도로, 포켓차로, 주의 표지판, 중앙분리대의 순서로 나타났다.
<Table 6>
ODD Elements Affecting Driving Mode Change
| ID ODDElements | 34550 | 27229 | 20740 | 26623 | 21087 | 20933 | Total | |
|---|---|---|---|---|---|---|---|---|
| Crosswalk | ○ | ○ | ○ | ○ | ○ | ○ | 6 | |
| TrafficSignal | ○ | ○ | ○ | ○ | ○ | ○ | 6 | |
| Intersections | ○(4-Way) | ○(3-Way) | ○(4-Way) | ○(4-Way) | ○(4-Way) | ○(4-Way) | 6 | |
| BicycleRoad | × | ○ | ○ | ○ | ○ | ○ | 5 | |
| Turn-OnlyLane | × | × | ○ | ○ | ○ | ○ | 4 | |
| MedianStrip | × | ○ | × | ○ | ○ | ○ | 4 | |
| Signs | Warning | ○ | × | × | ○ | ○ | ○ | 4 |
| Regulatory | ○ | ○ | ○ | × | × | × | 3 | |
| Instruction | × | ○ | × | × | × | × | 1 | |
| ChildrenProtectionZone | × | × | × | ○ | ○ | ○ | 3 | |
| Fire-Fighting Facilities | × | × | × | ○ | ○ | ○ | 3 | |
| AutomatedVehicleStopZone | ○ | × | × | × | × | × | 1 | |
이는 실제 자율주행서비스가 제공되는 지역에서 Level 4 자율주행기술의 안전성에 영향을 미칠 수 있는 정적인 요인들로서 횡단보도, 신호등, 교차로, 자전거 도로, 포켓차로 등이 일반적으로 보행자, 차로변경차량, 자전거 등과의 잠재적 상충이 일어날 가능성이 높은 구성요소들로 볼 수 있다. 나아가, 이러한 구성요소 주 변의 동적인 요인들이 자율주행의 안전성에 미치는 영향이 더 클 수 있음을 의미한다. 추후 정적인 요인 이 외의 동적인 요인들에 대한 데이터 수집을 통해 자율주행의 안전성에 미치는 동적인 영향에 대한 연구가 필 요할 것으로 판단된다.
Ⅴ. 결 론
본 연구에서는 향후 Level 4 수준의 자율주행서비스 제공 구역 설정 방법론을 개발하기 위한 기초 연구로 서 기존 공개된 논문 및 관련 문헌조사를 통해 Level 4 수준의 자율주행서비스를 위한 정적인 ODD 구성요 소를 재분류하여 제시하고, Level 3 자율주행차 실제 주행데이터를 활용하여 안전성에 영향을 미치는 공간적 인 요인을 알아보고자 하였다. 이를 위해 기존 공개된 논문과 국내외 표준 및 지침에 대한 문헌조사를 수행 하였으며, 자율주행의 안전성에 미치는 공간적인 영향 요인에 대해 Level 3 자율주행차 실제 주행데이터를 활용하여 공간정보분석 기법을 적용하여 분석하였다. 분석 내용 및 결과를 요약하면 다음과 같다.
첫째, ODD 도출 관련 선행연구와 국제표준 및 관련 지침에서 제시한 ODD 분류체계를 토대로 ODD 구성 요소 중 공간정보구축이 가능한 정적인 요소만을 고려하였다. 추가적으로 현재 자율주행기술개발혁신사업 내에서 개발 중인 자율주행서비스의 특성을 감안하여 도로법 및 도로교통법과 경찰청 및 지자체 도로시설물 관련 조례 등의 조사를 통해 교통약자보호구역, 공유차 및 대중교통 서비스를 위한 주차장, 정류장 등도 구 성요소로 고려하였다.
둘째, 자율주행의 안전성에 영향을 미치는 공간적인 요인을 분석하기 위해 수집된 데이터 항목 중에 차량 ID, 시간, 속도, 위도, 경도, 자율주행모드의 6개의 항목을 사용하여 Open Source 프로그램인 R 4.2.3 ver.을 사용하여 전처리 과정 수행을 통해 분석을 위한 데이터 셋을 생성하였다.
셋째, 공간정보분석을 위해 분석대상지역인 상암 자율주행 시범운행지구를 대상으로 선정하고, ITS 국가 교통정보센터에서 제공하는 전국표준노드링크를 사용하여 도출한 ODD 구성요소 단위로 현장조사를 통해 공간정보 및 속성정보를 구축하였다. 이를 기반으로 QGIS 프로그램 ver. 3.30.1을 사용하여 1초당 주행거리 기준으로 설정한 격자 내 빈도 분석을 수행하였고, 자율주행서비스 노선별 운행횟수를 기준으로 주행모드변 경(제어권전환) 다발 지점을 선정하였다.
마지막으로, 공간정보분석 기법을 통해 선정된 주행모드변경(제어권전환) 다발 지점(격자)의 중심 좌표를 기준으로 점(포인트) 형태로 변환하고, 변환된 좌표를 기반으로 로드뷰를 통해 해당 지점의 주행방향 전방에 존재하는 ODD 구성요소 중 도출된 총 6개의 주행모드변경(제어권전환) 다발 지점에서 중복된 구성요소를 확인함으로써 자율주행의 안전성에 영향을 미치는 공간적인 요인을 추정하였다. 자율주행차 ODD에서 제어 권전환(disengagement) 과정에서 운전자가 아닌 시스템이 관여하는지 여부가 Level 3와 Level 4의 가장 큰 차 이로 볼 수 있다. 실제 주행데이터에서 자율주행모드변경(제어권 전환) 다발 지점이 자율주행서비스 중에 제 어권전환이 반복적으로 발생한 지점으로 볼 수 있지만 ODD 구성요소와 해당 자율주행시스템(ADS) 간의 복 잡한 상호작용이 안전성에 미치는 원인은 현재 수집된 데이터만으로 알 수 없다. 다만, 제어권 전환이 발생 했다는 것은 현재 자율주행시스템이 안전하게 자율주행을 수행하지 못했고 이러한 제어권전환이 빈번하고 반복적으로 발생한 지점의 공간적인 요인이 영향을 미칠 가능성이 있다고 판단할 수 있다. 물론, 공간적인 요인이 아닌 다른 요인이 영향을 미쳤을 수도 있지만, 현재 수집 가능한 데이터 외에는 상기한 복잡한 상호 작용의 원인을 정량적으로 분석하는 것은 어려운 상황이므로 실제 데이터를 기반으로 공간적인 정보의 수집 및 구축이 가능한 정적인 요인부터 추정하였다. 최종적으로 일반적으로 도로를 구성하는 요소로서 안전성과 크게 관련이 없을 것으로 판단되는 가로수, 가로등, 연석 등과 같은 구성요소는 제외하고, 자율주행의 안전 성에 영향을 미치는 공간적인 요인은 횡단보도, 신호등, 교차로, 자전거 도로, 포켓차로, 주의 표지판, 중앙분 리대의 순서로 나타났다. 자율주행의 안전성에 영향을 미치는 공간적인 요인들을 살펴보면 횡단보도, 신호 등, 교차로, 자전거 도로, 포켓차로로서 일반적으로 보행자, 주변차량, 자전거 등과의 상충이 일어날 가능성 이 높은 구성요소들로 볼 수 있으며, 이는 동적인 요인들이 자율주행의 안전성에 미치는 영향이 더 클 수 있 음을 시사한다.
기존 연구는 대부분이 자율주행기술 관련 또는 자율주행기술의 검증을 위한 ODD 분류체계, 구성요소 제 시 등이었으나 본 연구는 크게 2가지 측면의 기여 및 차별성을 가진다. 첫째, 자율주행 서비스 상용화 준비 를 위해 실제 운행하고 있는 자율주행서비스(예: 유상 여객자동차 운송사업)의 목적과 특성을 고려하여 서비 스 구역(즉, 자율주행차 시범운행지구)의 ODD를 재분류하여 제시한 점이다. 둘째, 국내에서 최초로 실제 자 율주행서비스를 제공하고 있는 서비스 구역의 실제 주행데이터와 자율주행모드변경(제어권전환)관련 데이터 를 활용하여 공간분석 기반의 요인분석 방법론을 통하여 주요 ODD 구성요소를 검증했다는 것이다. 이러한 방법론은 추후 자율주행차 시범운행지구 선정을 위한 기초 방법론으로서 효율적이고 안전한 자율주행서비 스 상용화 촉진에 기여할 수 있을 것으로 사료된다. 아울러, 본 연구의 공간정보분석을 통한 자율주행의 공 간적 요인분석 결과를 통해 자율주행기술개발혁신사업의 리빙랩 도시뿐만 아니라 현재 확대·운영되고 있는 자율주행차 시범운행지구에서 자율주행서비스 운영지구 선정에도 기초연구로 활용될 것으로 기대한다.
본 연구에서는 데이터 수집 항목이 제한적이고, 공간정보를 링크 단위로 구축함에 따라 정밀한 위치 기반 의 연구를 수행하지 못하고 정적인 요인에 국한되어 분석을 수행하였다는 한계점이 존재한다. 또한, 샘플수 부족 및 이산적 특성의 항목으로 인한 통계적인 모형을 사용하지 못하고 단순집계방식으로 정적인 요인을 추정했다는 점도 본 연구의 한계점이다. 따라서, 본 연구에서 도출된 요인들을 기반으로 향후 추가적인 자율 주행데이터 수집 및 동적 정보수집을 통한 자율주행차 주변의 동적인 요소들에 대한 영향 요인을 분석하는 연구가 필요하다. 또한, 정밀한 공간정보의 구축을 통한 각 요인들 간의 민감도 분석 등의 세밀한 연구를 수 행할 필요가 있을 것으로 사료된다.
