Ⅰ. 서 론
차세대 지능형 교통 시스템(Cooperative-Intelligent Transport Systems, C-ITS)은 센서, 통신, 정보 처리 및 제 어 기술을 기반으로 안전성, 교통 효율성, 에너지 절약 및 편의성을 향상시키기 위해 도입된 새로운 교통체 계이다(Lu et al., 2018). C-ITS는 차량과 차량(V2V), 차량과 인프라(V2I)가 실시간 무선 통신으로 연결되어 다 양한 교통 정보를 수집하고 제공함으로써, 교차로 안전 통행, 차량 간 사고 예방 등 다양한 서비스를 지원할 수 있다. 국토교통부와 한국도로공사는 C-ITS를 활용한 15가지 서비스를 제안하고 있으며, 여기에는 낙하물, 노면 상태, 공사구간 등 전방 교통상황에 대한 경고와 차량 또는 보행자와의 충돌 방지 경고 등이 포함된다 (Cooperative Automated Driving Industry Development Council, 2024). 이러한 C-ITS 서비스를 안전하고 효율적 으로 운영하려면, 실도로 주행 시 발생할 수 있는 다양한 돌발상황 시나리오를 개발하고 그에 필요한 통신 및 현장 제어 기술을 개발하는 것이 중요하다. 현재, 국내에서는 2013년 ‘차세대 ITS 활성화 추진계획’ 수립 이후, C-ITS가 도입되어 대전-세종, 서울, 제주 등 여러 도시에서 C-ITS 기술 개발 및 서비스 실증 사업이 활 발히 진행되고 있다(Lim, 2023).
도로교통공단의 ‘2018~2022년 전체·교차로 교통사고 발생 추이’에 따르면, 연간 약 20만 건의 교통사고 중 약 49%가 교차로에서 발생하는 것으로 나타났다(DataSOM, 2024). 교차로 주변의 장애물 또는 무단 주정차 등으로 인한 사각지대는 운전자가 인지하지 못한 돌발상황 안전사고의 주요 원인 중 하나로 지목된다. 이러 한 위험 상황을 예방하기 위해 C-ITS 환경을 구축하여, 인프라와 차량 간 통신으로 사각지대의 돌발상황 정 보를 실시간으로 공유함으로써 운전자가 돌발상황에 빠르게 대처할 수 있도록 할 수 있다. 그러나, C-ITS 환 경에서 돌발상황의 종류와 정보 제공의 방식에 따라 주행에 미치는 영향이 다르게 나타날 수 있으며, 효율적 인 C-ITS 운영을 위해 다양한 돌발상황에 대한 정보 제공이 주행 안전성과 교통 효율성에 미치는 영향을 종 합적으로 평가할 필요가 있다.
본 연구는 이러한 필요성에 따라, 실제 C-ITS 교차로 테스트베드에서 현장 실험을 통해 돌발상황 정보 제 공 여부가 운전 행동에 미치는 영향을 평가하고자 하였다. 교차로 사각지대에서 발생할 수 있는 다양한 돌발 상황 시나리오를 설정하고, 시나리오별 돌발상황 정보 제공 여부에 따른 주행 변화를 분석함으로써, 각 돌발 상황 시나리오에 대한 C-ITS 서비스의 실효성을 검증할 수 있다. 이를 통해, 교차로 사각지대 돌발상황으로 인한 사고를 예방하고 교통 흐름을 개선하기 위한 효과적인 C-ITS 서비스 설계 방안을 제시하고자 한다.
Ⅱ. 관련 연구 고찰
본 연구는 V2X 통신 기반 현장 실험을 통해 교차로 사각지대의 돌발상황 정보를 사전에 제공하는 C-ITS 서비스를 구현하고, 돌발상황 정보 제공 여부가 운전 행동에 미치는 영향을 분석하는데 중점을 두고 있다. 이에 따라, 이 절에서는 C-ITS 서비스에서 정보 제공에 따른 효과 분석을 수행한 선행 연구와 V2X 통신을 활용한 현장 실험 연구를 살펴본다. 이를 통해, 교차로 사각지대의 돌발상황에 대한 C-ITS 시나리오 분석을 목표로 수행된 본 연구와 이전 연구와의 차별성을 제시하고자 한다.
1. C-ITS 기반 정보 제공에 따른 주행 영향 분석 연구
Jang et al.(2020)은 C-ITS 환경에서 수집된 개별차량 데이터(Probe vehicle data, PVD)와 첨단 운전자 보조장 치(Advanced driver assistance system, ADAS) 데이터를 통해 전방 위험 상황 정보의 제공이 주행안전성에 미 치는 영향을 정량적으로 분석하였다. 분석 결과, 경고 정보 제공 시 차량의 평균 속도가 10.2% 감소하고 충 돌 예상 시간(Time-to-Collision, TTC)는 5.3% 증가하는 것으로 나타났다. 후미추돌 사고위험도(Crash Potential Index, CPI) 또한 약 20.7% 감소하여, C-ITS 환경에서 전방 위험 상황 정보 제공이 교통 안전 측면에서 차량 간 상호작용에 긍정적인 영향을 미치는 것으로 시사된다.
Saldivar-Carranza et al.(2021)은 C-ITS 기반 신호 교차로에서 좌회전 정보의 제공이 좌회전 차량의 주행에 미치는 영향을 분석하였다. 실제 차량의 GPS 데이터를 통해 지체시간과 정지선 앞 급감속 빈도를 측정한 결 과, 좌회전 정보 제공이 급감속 빈도를 14% 낮추는 효과를 보였으며, 이로 인해 좌회전 시 지체시간이 28초 증가한 것으로 나타났다.
Ko et al.(2021)은 C-ITS 환경에서 차량 내 경고 정보 제공에 대한 효과를 정량적으로 평가하는 연구를 수 행하였다. Multi-agent 주행 시뮬레이터를 이용하여 테스트 차량과 선행 차량 간의 상호작용을 분석하였고, 주행 속도와 CPI를 평가지표로 활용하여 정보 제공 여부에 따른 사고 발생 개연성 변화를 비교하였다. 그 결 과, 정보를 제공받은 경우 운전자의 주행 속도와 CPI가 제공받지 않는 경우에 비해 감소하며 사고 발생 개연 성이 55% 이상 감소하는 효과가 나타남을 확인하였다.
Zhang et al.(2022)은 GPS와 차량 모니터링 데이터를 수집하여 화물차 운전자의 환경(날씨 등), 주행 특성, 차량 내 경고 시스템이 사고 위험도에 미치는 영향을 분석하였다. 주행 특성으로는 주행 속도의 통계량을 고 려하였고, 차량 내 경고 시스템과 관련된 변수로 흡연, 하품, 휴대폰 사용, 짧은 차간 시간을 포함하였다. 분 석 결과, 경고 정보를 제공한 경우가 그렇지 않은 경우보다 안전성이 크게 향상되었으며, 특히 흡연과 하품 행동이 사고 위험과 높은 상관관계를 보였다.
Kim et al.(2023)은 광주광역시 C-ITS 실증사업에서 수집된 PVD 데이터를 활용하여 다양한 전방 위험 상 황에 대한 정보 제공 서비스에 대한 효과를 정량적으로 분석하였다. 정보 제공 순응도, 주행안전성, 환경성 등 여러 측면에서 C-ITS 서비스의 효과를 평가한 결과, 대부분의 운전자가 C-ITS에서 제공하는 전방 위험 상 황 정보를 통해 감속 운행 패턴을 보이고 급가감속의 빈도가 줄어들어 주행안전성이 향상된 것을 확인하였 다. 다만, 감속 주행의 증가로 환경성의 지표인 오염물질 배출량이 증가하는 부작용이 관찰되었다.
2. V2X 통신 기반 현장 실험 연구
Dey et al.(2016)은 V2X 통신을 위한 Wi-Fi, DSRC, LTE 기술을 결합한 이기종 무선 네트워크(Heterogeneous wireless network, Het-Net)를 새롭게 제시하고, 성능 평가를 위해 현장 실험과 시뮬레이션을 수행하였다. 연구에서 는 Het-Net 기반 V2X 통신 환경을 구축하여 교통 데이터 수집 및 전방 충돌 경고 애플리케이션을 구현하는 과정을 구체적으로 제시하였다.
Elhenawy et al.(2018)은 호주 브리즈번의 테스트베드에서 C-ITS 장치가 기록하는 협력 인식 메시지(Cooperative awareness message, CAM)의 성능을 검증하기 위해 현장 실험을 진행하였다. 테스트 차량은 직선 구간에서 50km/h 및 80km/h로 주행하거나, 갑작스러운 제동을 자주 발생시키는 시나리오에서 CAM 데이터를 수집하였으며, 이를 통해 다양한 주행 조건에서 차량 동작 정보를 정확하게 나타낼 수 있는지 평가하였다.
Han et al.(2021)은 V2I 통신을 활용하여 교차로 내 사각지대로 인해 발생할 수 있는 충돌 사고를 예방하는 충돌 방지체계를 제안하였다. 인프라의 카메라와 라이다(LiDAR) 센서 융합한 물체 인식 시스템과 ROS 통신 을 통해 인프라에서 차량 운전자에게 충돌 위험 경고 메시지를 제공하는 현장 실험을 수행하였다. 실험 결 과, 자율주행차 센서로 인지하지 못한 객체를 인프라를 통해 사전에 경고 정보를 제공함으로써, 물체와의 충 돌을 피할 수 있는 최소한의 안전 거리를 확보하여 사고를 예방할 수 있음을 확인하였다.
Oh(2023)는 IoT 디바이스를 활용하여 실시간 교통 흐름과 교통사고를 인지하는 교통안전 시스템을 구현하 였다. 도로상의 정보를 인식하고 LED로 도로 이용자에게 정보를 제공하는 IoT 디바이스를 개발하였으며, 기 기 간의 무선 메쉬 네트워크를 통해 유연한 통신 네트워크를 구축하였다. 제시된 시스템을 검증하기 위해 도 로 현장 실험을 수행한 결과, 교통 흐름 정보는 정상 시간에 전달되었고, 교통사고 인식 정확도는 95%에 이 르러 사고 유형과 위치 정보를 효과적으로 제공할 수 있었다.
3. 본 연구의 차별성
기존의 C-ITS 기반 정보 제공에 따른 주행 영향 분석 연구들은 주로 교통 시뮬레이션을 통해 얻은 차량 간 상호작용 데이터(Ko et al., 2021)와 고속도로 C-ITS 실증 연구에서 수집된 데이터(Jang et al., 2020;Kim et al., 2023)를 활용하여 C-ITS 경고 정보 제공의 일반적인 효과를 분석하는 데 중점을 두었다. 이들 연구는 대 체로 전방 위험 상황에 대한 정보 제공이 주행안전성을 높이는 결과를 제시하며, C-ITS 서비스의 긍정적인 효과를 입증하였다. 그러나, V2X 통신을 통해 C-ITS 교차로 테스트베드에서 돌발상황 시나리오를 설계하고 현장 실험 통해 주행 영향을 비교 분석한 연구는 아직 미흡한 실정이다. 본 연구는 시뮬레이션이나 일반적인 실증 데이터에 의존하는 기존 연구와 달리, 실제 C-ITS 서비스를 구현할 수 있는 교차로 테스트베드를 구축 하여 다양한 시나리오 기반 현장 실험을 수행한다. 교차로 사각지대에서 발생할 수 있는 다양한 돌발상황에 대해 구체적인 시나리오를 설정하고, 각 상황에서 돌발상황 정보 제공 여부가 운전 행동에 미치는 영향을 정 량적으로 비교 분석한다. 특히, 교차로 사각지대에서 정보 제공 여부에 따라 운전자들의 반응 정도를 다양한 분석지표를 통해 종합적으로 평가하며, 돌발상황 시나리오에 따른 민감도 차이를 규명하여 다양한 돌발상황 에 대한 C-ITS 정보 제공 전략을 최적화하는데 중요한 시사점을 제공한다.
기존의 V2X 통신 기반 현장 실험 연구들은 주로 V2X 통신 환경의 기술적 구현과 메시지 성능 평가(Dey et al., 2016;Elhenawy et al., 2018) 또는 개발된 첨단 교통안전 시스템의 검증(Han et al., 2021;Oh, 2023)에 초 점을 맞춰 진행되었다. 이에 반해 본 연구는 실제 주행 환경에서 다양한 돌발상황 시나리오를 고려한 현장 실험을 통해 C-ITS 서비스가 운전자 행동에 미치는 실질적인 영향을 분석하는 데 중점을 둔다. 이를 위해 돌 발상황을 감지하고 유연한 V2X 통신이 가능한 C-ITS 교차로 테스트베드를 구축하여, 교차로 사각지대의 돌 발상황 시나리오를 구체적으로 설계하고 돌발상황 정보 제공 여부에 따른 실제적인 주행 변화를 분석한다.
결론적으로, 본 연구는 V2X 통신 기반 현장 실험을 통해 교차로 사각지대의 다양한 돌발상황에 대한 C-ITS 서비스 기반의 정보 제공이 실제 운전 행동에 미치는 영향을 정량적으로 분석하고, 돌발상황 시나리 오에 따른 C-ITS 서비스의 주행 영향과 민감도 차이를 비교하는 새로운 연구 방법론을 제안한다.
Ⅲ. 연구 방법
1. 연구의 범위 및 절차
본 연구는 V2X 통신 시스템이 구축된 실제 C-ITS 교차로 테스트베드에서 현장 실험을 진행하였다. 연구 의 공간적 범위는 KAIST 문지캠퍼스에 위치한 교차로 테스트베드로, 현장 실험을 통해 정해진 경로의 주행 데이터가 수집되었다. 해당 테스트베드는 교차로 대상 교통신호기, 카메라, 레이더(Radar) 등 다양한 교통상 황 감지 장비와 데이터 생성 장치를 갖추고 있으며, 휴대용 차량단말기(On Board Unit, OBU)와 노변장치 (Road Side Unit, RSU)를 통해 차량과 인프라 간 정보를 송·수신할 수 있는 V2X 통신 시스템이 마련되어 있 다. 본 연구가 수행된 테스트베드의 주요 장비와 시스템 구성은 <Fig. 1>에 나타내었다. 현장 실험은 2024년 10월 9일과 10일, 오후 1시부터 6시까지 맑은 날씨의 낮 시간에 수행되었으며, 주변 차량에 대한 영향을 최 소화하기 위해 차량 통제 후 실험을 진행하였다.
본 연구는 교차로 내 사각지대에서 발생할 수 있는 세 가지 돌발상황 시나리오를 정의하고, 이에 맞춰 C-ITS 기반의 현장 실험을 진행하였다. 실험을 통해 시나리오별로 운전자의 주행 패턴을 GNSS 기반 위치정 보를 통해 수집하고 C-ITS 기반 돌발상황 정보 제공 여부가 운전 행동에 미치는 영향을 분석하였다. 우선, 본 연구를 위해 V2X 통신 기반 현장 실험 환경을 구축하였으며, 테스트베드에 맞게 C-ITS 시나리오를 구체 화하였다. 현장 실험을 통해 시나리오별로 실험 참여자의 GNSS 기반 위치정보를 수집하였으며, 정의된 분석 구간에서 평균 통행속도, 속도 변화량, 통행 시간을 산출하여 돌발상황 정보 제공이 운전자 행동에 미치는 영향을 비교 분석하였다. 더 나아가, 통계 분석을 통해 시나리오와 정보 제공 여부의 상호작용 효과를 도출 하여 시나리오 민감도 분석을 수행하였다. 연구의 전체 프레임워크는 <Fig. 2>에 제시되어 있다.
2. 현장 실험 환경 구축
1) V2X 통신 시스템
본 연구에서 활용한 테스트베드의 V2X 통신 시스템은 교차로 사각지대에서 발생한 돌발상황을 실시간으 로 감지하고, 주행 중인 차량에 돌발상황 정보 및 경고 메시지를 전달할 수 있다. 본 실험에서 사용된 OBU 와 RSU는 WAVE-V2X 통신 기반의 단말기로, 기존 C-ITS 및 자율주행 V2X 통신을 위한 표준 메시지셋인 SAE J2735 이외에도 새로운 메시지셋의 형태와 요소를 송수신할 수 있는 유연한 통신 환경을 설계할 수 있 는 장비이다(IT Telecom, 2024).
테스트베드에 설치된 RSU는 교차로 사각지대에서 감지된 돌발상황 정보를 차량에 탑재된 OBU로 WAVE 무선 통신을 통해 전송한다. RSU에 연결된 PC는 돌발상황을 감지하는 애플리케이션과, 이를 새로운 메시지 셋으로 인코딩하고 송신하는 애플리케이션이 설계되어 있다. 이는 다양한 돌발상황을 표현하기 위해 기존 표준 메시지셋이 아닌 새로운 메시지셋을 사용하여 통신하도록 고려된 것이다. OBU에 연결된 PC는 수신된 메시지를 디코딩하여 돌발상황을 파악하는 애플리케이션과, 상황에 맞는 경고 이미지와 사운드를 제공하는 정보 표출 애플리케이션이 설계되었다. 본 연구에서 설계한 V2X 통신 시스템과 돌발 상황 정보 제공 시스템 의 개념도는 <Fig. 3>에 나타나 있다.
2) 고정밀 GNSS 데이터 수집 장치
본 연구에서는 센티미터 단위의 정확도를 제공하는 고정밀 이중주파수 Multi- GNSS 수신기를 활용하여 현장 실험의 주행 데이터를 수집하였다(PP-Solution, 2024). GNSS 수신기는 차량에 부착된 상태에서 Wi-Fi를 통해 스마트폰과 연결되었으며, 이를 통해 실시간 NMEA 데이터가 시나리오별로 출력되었다. 데이터 전처리 과정을 통해 수집된 0.1초 단위의 NMEA 데이터로부터 UTC 시간과 WGS84 경위도 좌표 정보를 추출한 후, UTM52N 좌표계로 변환하여 미터 단위의 차량 궤적을 산출하였다. 더 나아가, 분석을 위해 로컬 좌표계로 변환하였으며(좌표 (356,300, 4,028,650)을 원점 (0, 0)으로 설정), Alpha-beta 필터링 기법을 적용하여 GNSS 기 반 위치 정보를 평활화(Smoothing)하였다(Lee, 2021). <Fig. 4>는 데이터 전처리 과정을 거쳐 산출된 GNSS 기 반 실험 궤적의 예시 데이터를 속도와 함께 보여준다.
<Fig. 4>
Testbed Local Coordinate System for Analysis and Example of Derived GNSS Experimental Trajectory
3) 실험 차량
본 연구에서는 대전 KAIST 문지캠퍼스에서 공유서비스로 운영 중인 초소형 전기차를 실험 차량으로 활용 하였다(Cevo Mobility, 2024). 이 차량은 면허를 소지한 누구나 쉽게 운전할 수 있으며, 공유서비스 차량으로 서 차량 종류에 대한 변인을 통제하기 용이하다는 장점이 있어 연구의 실험 차량으로 선정하였다.
3. 교차로 사각지대 돌발상황 C-ITS 시나리오 정의
본 연구는 동일한 실험 환경에서 교차로 사각지대에서 발생할 수 있는 다양한 돌발상황을 고려하여 세 가 지 C-ITS 시나리오를 정의하였다. 교차로에서 좌회전 또는 우회전 시 발생하는 사각지대의 돌발상황을 정보 제공 없이 마주하는 경우와 V2X 통신을 통해 미리 인지한 경우로 나누어 시나리오별로 실험을 진행하였다. 돌발상황 정보를 제공하는 시나리오에서는 차량이 교차로를 진입하기 전, 돌발상황 지점에서 30m 이상 앞서 운전자에게 해당 정보를 전송하는 것으로 가정하였다.
‘시나리오 1’은 교차로 사각지대에 포트홀(Pothole)이 존재하는 시나리오이다. 포트홀은 아스팔트 도로 표 면이 부서지거나 내려앉아 생긴 구멍으로, 이를 고속으로 주행 중인 차량이 지나칠 경우 차량 손상이 발생할 수 있다. 따라서, 교차로 인프라에서 포트홀을 사전에 감지하고 교차로에 진입하기 전에 운전자에게 포트홀 정보를 제공하는 시나리오를 설계하였다. ‘시나리오 2’는 교차로 사각지대에 공사구간이 존재하여 도로가 차 단된 상황이다. 공사구간은 트래픽콘으로 표시되어 있으며, 운전자는 교차로를 지난 후 공사구간을 발견하고 이를 우회해야 한다. 이 시나리오에서도 C-ITS 서비스를 통해 교차로 인프라가 공사구간 정보를 운전자에게 좌회전 전에 미리 전달하는 상황을 가정하였다. ‘시나리오 3’은 비신호 교차로에서 횡단보도를 건너는 보행 자가 존재하는 돌발상황을 포함하고 있다. 이 시나리오는 우회전하는 차량이 회전 각도 때문에 보행자를 빠 르게 인지하지 못하는 경우를 가정하고, 교차로 인프라가 사전에 보행자 정보를 운전자에게 알려주는 방식 으로 설계되었다.
시나리오 1과 시나리오 2는 북쪽에서 출발하여 동쪽으로 가는 경로(좌회전)로 설정되었으며, 좌회전 시 테 스트베드 로컬 좌표계 기준으로 x축 70m 지점에 포트홀과 공사구간을 설치하여 실험을 진행하였다. 돌발상 황 정보는 차량이 y축 50m 지점을 지나는 시점에 제공되었다. 시나리오 3은 동쪽에서 출발하여 북쪽으로 가 는 경로(우회전)로 설정되었고, 횡단보도는 y축 40m 지점에 위치해 있다. 이 시나리오에서는 차량이 x축 80m 지점을 지나는 시점에 보행자 존재 여부에 대한 정보가 제공되었다. 세 가지 C-ITS 시나리오의 구체적 인 설정 내용은 <Fig. 5>에 요약되어 있다.
<Fig. 5>
C-ITS Scenario Design Diagram: (a) Scenario 1 – Pothole Incident; (b) Scenario 2 – Work-zone Incident; and (c) Scenario 3 – Pedestrian Incident
4. 연구의 구체적 분석 방법
1) C-ITS 시나리오 기반 현장 실험
앞서 구축된 V2X 통신 기반 실험 환경과 제시된 C-ITS 시나리오를 바탕으로, 실험 참여자를 모집하여 현장 실험을 진행하였다. 실험 참여자는 세 가지 C-ITS 시나리오에 대한 현장 실험을 수행했으며, 모든 주행에서 GNSS 기반 위치 정보를 수집하였다. 시나리오마다 주행 경로는 정해져 있어, 참여자들은 지정된 경로(출발선 에서 도착선까지)를 따라 30km/h로 주행하도록 지시받았다. 첫 번째 주행에서는 돌발상황에 대한 정보를 제공 하지 않았고, 두 번째 주행에서는 차량 내 경고 시스템을 통해 정해진 시간에 돌발상황 정보를 제공하였다. 총 15명의 참여자가 실험에 참여하였으며, 모든 주행 데이터를 오류 없이 수집되었다. 또한, 실험 종료 후 참 여자의 특성 및 유형을 조사하기 위해 추가 설문조사를 실시하였으며, 설문조사를 통한 참여자에 대한 정보는 <Table 1>에 정리하였다. 설문조사 문항 중 운전 성향(습관)에 대한 항목은 소극적(보수적) 성향을 1점, 적극적 (공격적) 성향을 5점으로 점수화하여, 참여자가 자신의 운전 행동을 스스로 평가하도록 구성하였다.
<Table 1>
Characteristics and Types of Experiment Participants Based on Survey Responses
| Category | Number of Participants | Proportion | ||
|---|---|---|---|---|
| Gender | Male | 9 | 60% | |
| Female | 6 | 40% | ||
| Age | 19 -29 | 9 | 60% | |
| 30 -39 | 6 | 40% | ||
| Driving Behavior | Passive/conservative | Proactive/aggressive | 1 | 1 | 6.7% |
| 2 | 4 | 26.7% | ||
| 3 | 5 | 33.3% | ||
| 4 | 4 | 26.7% | ||
| 5 | 1 | 6.7% | ||
| Opinions on Navigation Alert Services | Sometimes miss and pass without noticing | 5 | 33.3% | |
| Notice well and drive with caution | 10 | 66.7% | ||
2) C-ITS 시나리오 기반 데이터 분석 방법
우선, 시나리오별 수집된 각 실험 참여자의 주행 데이터를 종합하여 분석하기 위해 주행 경로를 구간별로 나누고, 분석지표로 평균 통행속도(km/h), 속도 변화량(km/h), 통행 시간(sec)을 산출하였다. 모든 시나리오에 서 동일한 기준으로 분석 구간을 설정하였으며, ‘구간 1’은 출발 지점부터 돌발상황 정보를 제공받는 지점까 지의 구간, ‘구간 2’는 돌발상황 정보 제공 지점부터 돌발상황이 인지되지 않는 구간, ‘구간 3’은 돌발상황이 관찰되고 충돌이 발생할 수 있는 구간, ‘구간 4’는 돌발상황을 지나 종료 지점까지의 구간으로 정의하였다. 각 구간에 진입하고 진출하는 시점을 바탕으로 위의 분석지표들을 계산하였다. 구체적인 구간 설정과 분석 지표 산출 과정은 <Fig. 6>에 제시되어 있다.
<Fig. 6>
(a) Analysis Sections for Scenarios 1 and 2; (b) Analysis Sections for Scenario 3; and (c) Deriving Analysis Metrics (e.g., Section 3)
수집된 각 시나리오의 구간별 데이터에 대해 평균과 표준편차를 산출한 후, 돌발 상황 정보 제공 여부에 따른 차이를 비교하기 위해 독립표본 T 검정을 통해 통계 분석을 실시하였다. 또한, 돌발상황 시나리오와 정 보 제공 여부의 상호작용을 도출하고 그에 따른 민감도를 분석하기 위해 반복측정 분산분석(Repeated Measures ANOVA)을 수행하였다.
Ⅳ. 분석 결과
1. 시나리오별 분석 구간 지표 통계 분석
주어진 세 시나리오에서 돌발상황 정보 제공 여부에 따른 분석 구간별 평균 통행속도, 속도 변화량, 통행 시간을 도출하여 비교 및 분석하였다. 분석 결과는 <Fig. 7>과 <Table 2>에 정리하여 제시하였다. 각 시나리 오에서 돌발상황 정보 제공 여부에 따라 구간별 지표의 평균값을 산출하였으며, 두 경우 간의 평균 차이가 통계적으로 유의한지 확인하기 위해 독립표본 T 검정을 실시하여 t-통계량과 유의확률(p-value)를 함께 산출 하였다. 시각화 측면에서, 각 시나리오에서 분석지표에 따른 구간별 평균값을 꺾은선 그래프로 나타냈으며, 돌발상황 정보 제공이 없는 경우는 파란색, 정보 제공이 있는 경우는 빨간색으로 표시하였다. 또한, 데이터 의 1사분위수(Q1)와 3사분위수(Q3)를 계산하여 그래프에 경계로 나타내었다. 각 시나리오의 첫 번째 그래프 는 구간별 평균 통행속도를, 두 번째 그래프는 구간에 진입한 속도와 진출한 속도의 차이를 통해 구간별 속 도 변화량을 보여준다. 마지막 그래프는 구간별 통행 시간을 계산하여 나타낸다. 이를 통해 세 가지 시나리 오에서 돌발상황 정보 제공 여부에 따라 분석지표에 미치는 영향을 파악할 수 있으며, 시나리오 간 경향성 또한 비교할 수 있다.
<Fig. 7>
Graphs of Average Speed, Speed Change, and Travel Time Based on Information Provision for Incidents Across Different Scenarios: (a) Scenario 1; (b) Scenario 2; and (c) Scenario 3
<Table 2>
Statistical Analysis Results of Average Speed, Speed Change, and Travel Time Based on Information Provision for Incidents Across Different Scenarios
| Scenario | Analysis Metrics | Section | No Information Provided | Information Provided | Independent Samples T-Test | |||
|---|---|---|---|---|---|---|---|---|
| Mean | Std. | Mean | Std. | t-statistic1) | p-value2) | |||
| Scenario 1 Pothole Incident |
Average Speed (km/h) | 1 | 21.927 | 2.884 | 21.646 | 2.640 | 0.278 | 0.783 |
| 2 | 17.930 | 2.266 | 15.114 | 1.958 | 3.641 | 0.001** | ||
| 3 | 17.775 | 2.680 | 16.530 | 2.775 | 1.249 | 0.222 | ||
| 4 | 19.188 | 3.803 | 21.068 | 4.086 | -1.305 | 0.203 | ||
| Speed Change (km/h) | 1 | 2.718 | 2.032 | 2.491 | 2.706 | 0.260 | 0.797 | |
| 2 | -4.160 | 3.441 | -5.480 | 3.500 | 1.042 | 0.306 | ||
| 3 | 0.734 | 2.888 | 3.077 | 4.108 | -1.807 | 0.081 | ||
| 4 | 6.840 | 3.353 | 6.748 | 3.836 | 0.070 | 0.945 | ||
| Travel Time (sec) | 1 | 4.973 | 0.657 | 5.053 | 0.638 | -0.338 | 0.738 | |
| 2 | 4.233 | 0.744 | 5.153 | 0.851 | -3.152 | 0.004** | ||
| 3 | 4.207 | 0.601 | 4.533 | 0.633 | -1.450 | 0.158 | ||
| 4 | 5.720 | 1.098 | 5.187 | 0.943 | 1.428 | 0.164 | ||
| Scenario 2 Work-zone Incident |
Average Speed (km/h) | 1 | 22.633 | 2.713 | 23.257 | 2.613 | -0.642 | 0.526 |
| 2 | 17.577 | 1.995 | 15.630 | 2.149 | 2.571 | 0.016* | ||
| 3 | 17.046 | 2.637 | 15.998 | 1.909 | 1.247 | 0.223 | ||
| 4 | 20.104 | 3.982 | 20.673 | 3.465 | -0.418 | 0.679 | ||
| Speed Change (km/h) | 1 | 1.295 | 2.561 | 2.511 | 2.277 | -1.375 | 0.180 | |
| 2 | -3.913 | 2.094 | -7.581 | 2.540 | 4.316 | 0.000*** | ||
| 3 | -0.104 | 4.484 | 3.296 | 3.160 | -2.400 | 0.023* | ||
| 4 | 8.696 | 4.060 | 7.302 | 4.341 | 0.908 | 0.371 | ||
| Travel Time (sec) | 1 | 4.827 | 0.626 | 4.693 | 0.513 | 0.638 | 0.529 | |
| 2 | 4.287 | 0.717 | 5.027 | 0.885 | -2.516 | 0.018* | ||
| 3 | 4.413 | 0.683 | 4.633 | 0.551 | -0.971 | 0.340 | ||
| 4 | 5.520 | 1.061 | 5.307 | 0.896 | 0.595 | 0.557 | ||
| Scenario 3 Pedestrian |
Average Speed (km/h) | 1 | 25.988 | 2.891 | 26.371 | 2.967 | -0.359 | 0.723 |
| 2 | 20.343 | 2.803 | 15.945 | 2.555 | 4.491 | 0.000*** | ||
| 3 | 6.986 | 1.873 | 6.702 | 2.117 | 0.389 | 0.700 | ||
| Incident | 4 | 21.773 | 3.041 | 22.976 | 3.512 | -1.004 | 0.324 | |
| Speed Change (km/h) | 1 | -2.595 | 1.987 | -4.186 | 2.206 | 2.076 | 0.047* | |
| 2 | -9.195 | 3.017 | -13.564 | 4.712 | 3.024 | 0.005** | ||
| 3 | -1.368 | 4.495 | 5.270 | 3.967 | -4.288 | 0.000*** | ||
| 4 | 11.565 | 3.399 | 11.125 | 3.075 | 0.372 | 0.713 | ||
| Travel Time (sec) | 1 | 2.807 | 0.296 | 2.767 | 0.348 | 0.339 | 0.737 | |
| 2 | 3.607 | 0.499 | 4.667 | 0.905 | -3.971 | 0.000*** | ||
| 3 | 8.640 | 2.001 | 9.293 | 2.162 | -0.859 | 0.398 | ||
| 4 | 4.920 | 0.702 | 4.567 | 0.737 | 1.344 | 0.190 | ||
1) A larger t-statistic indicates a greater difference between the two groups
2) p-value < 0.05: the difference between the two groups is considered statistically significant
평균 통행속도 분석 결과, 세 가지 시나리오 모두 구간 2에서 돌발상황 정보 제공 여부에 따른 차이가 통 계적으로 유의미함을 확인할 수 있었다. 구간 2는 운전자가 돌발상황을 인지하기 전의 구간으로, 돌발상황의 정보를 제공받은 경우 운전자가 미리 속도를 줄이는 경향이 나타났다. 이는 교차로에 진입하기 전 사전에 돌 발상황 정보를 전달받음으로써, 운전자가 돌발상황을 확인하기 전에 속도를 줄이는 보수적인 운전 행동을 보였다는 것을 의미한다. 통행 시간 또한 평균 통행속도와 유사하게 모든 시나리오의 구간 2에서 통계적 유 의성이 확인되었으며, 돌발상황 정보가 제공된 경우 상대적으로 낮은 속도로 인해 구간 내 통행 시간이 더 길어짐을 알 수 있었다.
시나리오 1에서는 돌발상황 정보 제공 여부에 따른 평균 속도 변화량에서 큰 차이가 관찰되지 않았다. 반 면, 시나리오 2에서는 구간 2와 구간 3에서, 시나리오 3에서는 구간 1부터 구간 3까지 통계적으로 유의미한 차이가 확인되었다. 이는 포트홀 돌발상황 정보가 운전자에게 큰 영향을 미치지 않았음을 시사한다. 실험에 사용된 간이 포트홀이 운전자들에게 심각한 위험 요소로 인식되지 않았고, 운전자들이 속도를 줄이더라도 굳이 포트홀을 피하려 하지 않은 결과로 추정된다.
시나리오 2에서는 트레픽콘으로 차단된 공사구간이 필수적으로 우회해야 하는 돌발상황이었기 때문에, 포 트홀 돌발상황보다 운전자들이 더 민감하게 반응한 것으로 보인다. 돌발상황 정보가 제공되지 않은 경우 운 전자는 공사구간을 시야에 두고 나서야 속도를 줄였으나, 정보를 사전에 미리 제공받은 경우에는 미리 속도 를 줄여 공사구간의 위치를 파악하고 우회 경로로 가속하여 빠르게 공사구간을 통과하는 경향이 확인하였 다. 이러한 경향이 구간 2와 구간 3에서 속도 변화량의 큰 차이로 나타난 것으로 분석된다.
시나리오 3에서는 구간 3에서 보행자와 대립하여 속도가 급격히 감소하는 것을 볼 수 있었다. 특히, 구간 2에서 보행자 돌발상황 정보를 제공받는 경우, 정보를 제공받지 않은 경우보다 훨씬 이전부터 감속하여 보 행자를 주의하는 경향이 나타났다. 또한, 구간 3에서는 속도 변화량이 양의 값으로 크게 증가하여, 횡단보도 앞에서 급정거를 피하고 보행자를 먼저 보낸 뒤 가속하는 운전 행동이 관찰되었다.
이와 같이, 다양한 돌발상황 시나리오에서 구간별로 제시된 지표를 비교 분석한 결과, 교차로 사각지대에 서 발생하는 돌발상황을 운전자에게 사전에 제공하는 C-ITS 서비스가 운전자가 돌발상황에 미리 대처할 수 있게 하고, 보다 보수적인 운전 행동으로 유도한다는 것을 확인할 수 있었다. 이러한 영향은 포트홀, 공사구 간, 보행자 돌발상황 순으로 점차 커지는 경향을 보였으며, 다음 절의 시나리오 통계 분석을 통해 이러한 결 과를 더 자세히 살펴보았다.
2. 시나리오 비교를 통한 돌발상황 정보 제공의 민감도 분석
운전자가 특정 돌발상황 시나리오에서 정보 제공 여부에 따른 영향 차이를 분석하기 위해 구간별 분석지 표 기반 반복측정 분산분석을 수행하였다. 반복측정 분산분석은 그룹(개체) 간 차이 검정, 조건 전후 차이에 따른 검정, 조건과 그룹 간의 상호작용(interaction) 검정을 모두 수행할 수 있어 본 연구의 민감도 분석에 적 합하였다. 본 연구는 세 가지 C-ITS 시나리오에서 돌발상황의 정보를 제공하지 않는 경우와 제공한 경우를 비교하므로, 각 분석지표에서 시나리오간 차이, 정보 제공 여부의 차이, 더 나아가 시나리오와 정보 제공 여 부의 상호작용 차이를 파악할 수 있다. 분석지표별 반복측정 분산분석을 실시하여 얻은 결과를 <Table 3>에 정리하였다. <Fig. 8>은 돌발상황 정보 제공 여부에 따른 운전 행동의 차이를 시나리오 및 구간별로 나타낸 박스플롯이다. 이 그림은 앞서 측정한 세 가지 분석지표를 각각 보여주며, 각 구간은 시나리오별로 구분되어 정보 제공 조건(빨간색)과 비제공 조건(파란색)의 차이를 시각적으로 비교할 수 있다. 돌발상황 정보 제공이 운전 행동에 미치는 영향은 시나리오마다 다양하게 나타나며, 이러한 효과가 균일하지 않음을 보여준다.
<Table 3>
Repeated Measures ANOVA Results of Average Speed, Speed Change, and Travel Time Based on Information Provision for Incidents Across Different Scenarios
| Metrics | ANOVA | Section 1 | Section 2 | Section 3 | Section 4 | ||||
|---|---|---|---|---|---|---|---|---|---|
| F-statistic1) | p-value2) | F-statistic1) | p-value2) | F-statistic1) | p-value2) | F-statistic1) | p-value2) | ||
| Average Speed | Scenario | 39.243 | 0.000*** | 7.438 | 0.003** | 176.714 | 0.000*** | 4.347 | 0.023* |
| Provision of Incident Information | 0.329 | 0.575 | 27.995 | 0.000*** | 6.372 | 0.024* | 6.130 | 0.027* | |
| Interaction | 0.698 | 0.506 | 4.401 | 0.022* | 0.605 | 0.553 | 0.692 | 0.509 | |
| Speed Change | Scenario | 51.892 | 0.000*** | 22.680 | 0.000*** | 0.055 | 0.946 | 13.112 | 0.000*** |
| Provision of Incident Information | 0.225 | 0.643 | 33.296 | 0.000*** | 65.353 | 0.000*** | 0.967 | 0.342 | |
| Interaction | 6.356 | 0.005** | 3.426 | 0.047* | 3.509 | 0.044* | 0.271 | 0.764 | |
| Travel Time | Scenario | 239.715 | 0.000*** | 7.459 | 0.003** | 94.470 | 0.000*** | 5.855 | 0.008** |
| Provision of Incident Information | 0.251 | 0.624 | 26.216 | 0.000*** | 7.203 | 0.018* | 6.274 | 0.025* | |
| Interaction | 1.159 | 0.328 | 0.688 | 0.511 | 0.489 | 0.618 | 0.639 | 0.536 | |
1) A larger F-statistic indicates a greater difference between the factors
2) p-value < 0.05: the difference between the two factors is considered statistically significant
<Fig. 8>
Boxplots of Different Scenarios Considering Provision Incident Information: (a) Average Speed; (b) Speed Change; and (c) Travel Time
분석 결과, 시나리오 간 차이는 모든 분석지표에서 대부분의 구간에 걸쳐 유의미한 영향을 미쳤으며, 특히 구간 3에서 각 분석지표의 F-통계량이 65.353 이상으로 통계적으로 시나리오 간 차이가 있는 것으로 나타났 다. 돌발상황 정보 제공 여부는 돌발상황 정보가 제공되는 구간 2와 돌발상황을 실제로 마주치는 구간 3에서 주로 유의미한 영향을 보였으며, 특히 속도 변화량이 극명한 차이를 보였다. 시나리오와 돌발상황 정보 제공 간의 상호작용 효과는 속도 변화량에서 유의미하게 나타났지만, 평균 속도와 통행 시간에서는 대부분 유의 하지 않았다. <Table 2>의 결과를 바탕으로 시나리오별로 속도 변화량의 돌발상황 정보 제공 여부에 따른 평 균 차이를 분석한 결과, 유의미한 차이를 보이는 구간에서 시나리오 3의 평균 변화량이 가장 크고, 시나리오 1이 가장 작았다. 이는 보행자 돌발상황 시나리오에서 운전자들이 돌발상황 정보 제공에 가장 민감하게 반 응했으며, 포트홀 돌발상황 시나리오에서는 변화가 상대적으로 적었음을 의미한다. 이러한 결과는 교차로 사 각지대의 돌발상황 종류에 따라 C-ITS 서비스가 사전에 제공하는 돌발상황 정보의 효과가 다를 수 있음을 시사하며, 운전자가 돌발상황 정보를 고려하여 운전 행동을 조정하는 민감도에도 차이가 있음을 보여준다.
Ⅴ. 결 론
본 연구는 C-ITS 환경에서 돌발상황 종류와 정보 제공 방식에 따라 주행에 미치는 영향을 분석하였다. 이 를 위해 현장 실험을 위해 유연한 메시지셋을 송수신할 수 있는 V2X 통신 시스템을 구현하였으며, 구체적인 실험 설계와 GNSS 기반 데이터 수집 방법을 제시하였다. 각 시나리오에서 돌발상황 정보 제공 여부를 비교 하기 위해 각 상황의 차량 궤적을 수집하였으며, 구간별 평균 통행속도, 속도 변화량, 통행 시간을 분석지표 로 산출하여 돌발상황 정보 제공이 운전 행동에 미치는 영향을 비교 분석하였다. 시나리오별 돌발상황 정보 제공 여부에 따른 차이를 비교하기 위해 독립표본 T 검정을 실시하였고, 시나리오와 정보 제공 여부의 상호 작용에 대한 민감도를 분석하기 위해 반복측정 분산분석을 수행하였다.
분석 결과, 교차로 사각지대에서 발생하는 돌발상황의 정보를 제공받는 경우 돌발상황을 인지하기 전에 경고 정보에 따라 운전자가 우선적인 감속 주행을 하는 경향을 보이고, 이러한 경향은 돌발상황 종류에 따라 상이한 것으로 나타났다. 시나리오 민감도 분석을 통해 교차로 사각지대의 돌발상황 종류에 따라 C-ITS 서 비스가 사전에 제공하는 돌발상황 정보의 효과가 다를 수 있고 운전자가 돌발상황에 따라 운전 행동을 조정 하는 민감도에도 차이가 있음을 시사한다. 이러한 결과는 다양한 돌발상황에 대한 최적의 C-ITS 정보 제공 전략을 수립하는데 중요한 기초 자료로 활용될 것으로 판단된다.
본 연구의 한계를 극복하기 위한 향후 연구로는 다음과 같다. 첫 번째, 본 연구는 현장 실험으로 수집된 데이터의 양이 제한적이고, 피실험자의 연령대가 20~30대로 한정되어 있었다. 향후 연구에서는 다양한 연령 대의 실험 참여자를 더 많이 모집하여 연구 결과의 신뢰성을 높이고 다양한 주행 특성이 반영된 현장 실험 을 수행할 수 있다. 두 번째, 본 연구에서는 교차로 사각지대에서의 돌발상황 시나리오에만 초점을 맞춰 C-ITS 기반 정보 제공 여부가 운전 행동에 미치는 영향을 분석하였다. 향후 연구에서는 돌발상황 감지 및 사 전 정보 제공 시나리오뿐만 아니라, 신호 정보 또는 주변 차량의 위치정보를 공유하는 다양한 C-ITS 서비스 를 구현하고 그 효과를 검증하는 실험을 설계할 수 있다. 다양한 시나리오 현장 실험을 통해 C-ITS 서비스 개발 및 운영에 실질적인 기여를 제공할 것으로 기대된다. 세 번째, 분석 방법론을 고도화하여 정밀한 C-ITS 시나리오 효과 평가를 할 수 있다. 본 연구는 분석 구간을 나누어 속도 기반 지표의 평균으로 통계 분석을 수행하였다. 향후 연구에서는 수집된 GNSS 위치정보를 통해 속도와 가속도 기반의 시계열 데이터를 다양한 방법론으로 분석함으로써 운전 행동의 변화를 보다 세밀하게 파악할 수 있다. 웨이블릿 변환(Wavelet transform) 또는 단시간 푸리에 변환(Short-Time Fourier Transform, STFT) 등의 시간-주파수 분석 기법을 활용 하여 속도와 가속도의 변화를 분석하여 운전자의 반응 시간 등을 도출할 수 있다. 또한, 급가속, 급감속, 특 정 속도 초과 등 특정 이벤트를 정의하고, 이러한 이벤트의 발생 시점과 빈도를 분석하여 정보 제공 여부가 운전 행동에 미치는 영향을 효과적으로 평가할 수 있다.
