Ⅰ. 서 론

최근 자율주행차의 효율성 및 안전성 증대 효과에 대한 기대감이 증가함에 따라 자율주행 기술에 대한 경 쟁력 강화를 위한 국가 및 민간 기업의 투자가 증가하고 있다. 국내에서는 국가 차원의 기술력 우위를 선점 하기 위해 2027년까지 4단계 자율주행차 상용화를 목표로 약 1.1조 원이 투입되는 범부처 자율주행 기술개 발 혁신사업을 추진하고 있다(KADIF, 2022). 또한, ^｢모빌리티 혁신 로드맵_｣을 발표해 자율주행 기술 개발을 위한 중ㆍ장기적 계획을 수립하고 신규 서비스 및 자율주행 기술 실증에 필요한 특례, 규제 완화 등 제도 개 편 방안을 마련하고 있다(MOLIT, 2022). 자율주행 기술 수준이 발전함에 따라 자율주행차를 활용한 서비스 및 상품을 활용하는 이용자가 증가해 자율주행차의 시장 가치는 점차 증가할 것이다. 3단계 이상 자율주행 차의 시장 규모는 2025년 70억 달러에서 2035년 최대 3050억 달러로 성장할 것으로 전망된다(Mckinsey & Company, 2023).

첨단운전자지원시스템을 포함한 자율주행차는 점차 증가하고 있지만 운전자의 대다수가 자율주행차를 이 용하는 자율주행차 대중화 시기 진입에는 많은 시간이 필요하다. 2030년이 되면 자율주행차의 기술력의 발 전과 경제적 이점에 대한 기대감으로 자율주행차가 상용화되어 인간 운전자를 대체할 것이다. 하지만, 자율 주행차의 가격, 규제, 인프라에 대한 불확실성은 존재할 것이고 이를 해소하기 위해 많은 시간이 소모될 것 이며 2050년이 되면 중산층, 저소득층 운전자들도 개인용 자율주행차를 적극적으로 활용할 것으로 전망한다 (VTPI, 2020). 따라서, 완전자율주행차 대중화까지 많은 시간이 필요하며 일반차와 반자율주행 자동차, 완전 자율주행 자동차가 도로에서 함께 운행하는 혼재기가 긴 시간 지속될 것으로 보인다. 하지만, 낮은 수준의 자율주행차가 일반차와 혼재되어 운행하는 경우 자율주행차와 일반 운전자의 운행 방식의 차이에 대한 대응 부족으로 사고가 발생하고 교통류와 도로 용량에 악영향을 끼친다(Rana and Hossain, 2023). 또한, 자율주행차 의 비율이 50% 미만일 경우에는 자율주행차 도입에 따른 교통 효율성 및 안전성 증대 효과가 크지 않고 침 투율이 증가할수록 도로의 상태가 안정되고 쉽게 혼잡하지 않은 상태가 된다(Lu et al., 2020). 결론적으로, 자 율주행차 기술 수준과 침투율이 낮은 시기에는 자율주행차가 안전하게 운행할 수 있는 도로 환경 조성하고 실시간 모니터링이 필요하다. 국내에서는 자율주행차가 안전한 실도로 운행 및 실증을 할 수 있도록 자율주 행 시범운행지구를 지정해 운영하고 있다. 자율주행차 시범운행지구는 ‘자율주행자동차의 연구ㆍ시범운행을 촉진하기 위하여 규제특례가 적용되는 구역’으로 2024년 6월을 기준으로 경기도 판교, 서울 상암, 세종, 충북 ㆍ세종, 광주, 대구, 제주 등 36곳의 자율주행차 시범운행지구가 지정되어 운영하고 있다. 경기도 판교는 지 난 2021년 4월에 자율주행 시범운행지구로 지정되었으며, 2022년 6월 시범운행지구 구역을 일부 확장하여 다양한 자율주행 기업의 자율주행차가 실도로 주행을 할 수 있는 환경이 조성되었다(Lim et al., 2023). 판교 시범운행지구는 국내 최초 공공 자율주행차인 제로셔틀이 2023년까지 운행했고 현재는 국내 최초 자율협력 주행기술 탑재 대중교통인 판타G버스가 운행하고 있다.

본 연구에서는 자율주행 모니터링 지표와 제로셔틀, 판타G버스 운행 데이터를 활용해 판교 도시부 자율 주행 시범운행지구 내 위험도로구간을 도출한다. 또한, 도로구간의 특성 및 자율주행차의 운행 속도, 정류장, 노선 등 운행 특성을 고려해 도시부 자율주행 위험도로구간에 대한 개선점 및 시사점을 제시한다. 본 연구를 통해 도출된 결과를 활용해 시범운행지구 관제 플랫폼 관점에서 위험도로구간을 실시간으로 모니터링하고 안전한 자율주행 환경을 조성할 것을 기대한다.

본 논문의 1장에서는 연구의 배경 및 목적을 설명하고 2장에서는 자율주행차 차량 및 인프라 모니터링 관 련 문헌 및 시범운행지구 현황 고찰을 통해 본 연구의 차별성을 도출한다. 3장에서는 본 연구의 방법론에 대 해 자세히 설명하고, 4장에서는 지표별로 방법론을 적용한 결과를 분석한다. 마지막으로 5장에서는 본 연구 의 결과를 요약하고 연구의 시사점을 제시한다.

Ⅱ. 관련 문헌 고찰

1. 자율주행차 및 인프라 모니터링 관련 문헌 고찰

Greenlee et al.(2018)은 반자율주행 자동차 운행 시 자율주행차와 운전자의 지속적인 위험 모니터링이 필요 하다는 것을 언급했다. 일반인들을 대상으로 한 시뮬레이션 결과 자율주행차 운전자는 수동주행차 운전자에 비해 40분의 운전 동안 위험 감지율이 30% 이상 감소했다. 또한, 운전이 계속 진행됨에 따라 운전자의 반응 시간도 증가해 자율주행차 운행 중 위험 상황 발생 시 자율주행차 시스템을 활용한 지속적인 모니터링 시스 템이 필요하고 운전자의 운행 가능 여부에 대한 모니터링이 필요하다는 것을 증명했다. 결론적으로, 본 연구 는 안전한 자율주행을 위해 자율주행차 시스템 고장 모니터링, 도로 위험 요인 모니터링, 운전자 모니터링 등 다양한 모니터링이 필요하다는 결과를 도출했다.

Kim et al.(2022)은 자율주행차 안전한 주행을 위해 지속적인 도로 모니터링이 필요하며 자율주행차의 ODD(Operational Design Domain) 특성에 따라 모니터링 관리 항목을 6개로 구분했다. 또한, 위험도를 관리할 수 있는 지도를 구축하고 최적 경로를 탐색할 수 있는 노드 체계를 제시했다. 자율주행차는 이를 활용해 경 로상에 발생하는 위험 요소를 회피할 수 있고 자율주행 도로 인프라 모니터링에 활용되어 도로 안전성을 높 이는데 활용할 수 있다.

Huq et al.(2021)는 도로 인프라가 많이 설치되지 않은 개발도상국 환경에서 CAVs(Connected and Autonomous vehicles)를 구현하기 위해 해결해야 하는 인프라 장애물들을 식별했다. 현재 개발도상국의 대부분 도로는 기본 인프라인 교통 표지판, 도로 표지, 교통 신호, 도로 상태, 포트홀 등이 제대로 유지되지 않고 있어 자율주행차를 실제로 도입하기 어렵다고 언급하며 문제점을 해결하기 위한 몇 가지 권장 사항을 제시했다. 먼저, 표지판, 표지, 신호의 적절한 유지 관리, 도로 내 센서 설치, 친환경 전기차 충전 플랫폼 설치, 기본적인 도로 포장 및 배수 시스템 보수, 자율주행차 기술을 고려한 주차 시설 설치 등이 있다. 해당 연구에서는 자율주행차 도입을 위한 교통 인프라 기준을 제공해 자율주행차 도입 전 안전한 자율주행 환경을 조성하는 것을 목적으로 한다.

Liu et al.(2019)는 현재 CAVs를 지원하는 도로가 충분히 준비되지 않은 상태이며 실도로에 자율주행차를 배치하는 것에는 잠재적인 장벽이 남아 있을 위험이 있다고 언급했다. 해당 논문에서는 현재 도로와 미래 자 율주행시대 도로 인프라 요구 사항 사이의 간극에 초점을 맞춰 세 가지 단계의 도로 인프라 업그레이드 계 획을 제안했다. 첫 번째 단계는 기존 도로 인프라 포장, 구조, 배수 시스템의 유지 보수와 반자율주행 자동차 를 위한 디지털 통신 시설을 구축하는 것이다. 두 번째 단계는 완전자율주행 자동차, 반자율주행 자동차, 일 반차가 함께 혼재되는 도로에서 발생하는 사고의 책임 분리를 위해 새로운 법률 및 규정이 필요하고 자율주 행차 전용 노선, 주차장 등 기존 인프라에 자율주행차가 호환되는 시설을 설치해야 한다. 세 번째 단계는 높 은 수준의 자율주행차가 시장 점유율의 대부분을 차지하는 시기로 도로 표지판, 신호등이 간단해져 이에 맞 는 도로 인프라를 조성해야 한다는 결론을 도출했다.

Canis(2019)는 완전자율주행 자동차의 실도로 배치를 위해 새로운 기술의 도입뿐만 아니라 차량이 운행될 고속도로 인프라의 변화도 함께 필요하다는 것을 제시했다. 자율주행차는 차선을 유지하고 교통을 원활하게 통과하기 위해 도로 표시와 표지판에 의존하고 있지만 교통 시설이 낙후된 지역은 인프라를 제대로 갖추지 못하고 있다. 해당 연구에서는 미국 주요 도로의 21%가 불량 상태이며 포트홀과 임시 포장을 한 도로가 많 아 유지보수가 필요하다고 주장했다. 또한, 국가 및 지역에 따라 표지판, 표지, 표시 등이 다른 표준을 따르 고 있다고 주장하며 안전한 자율주행 인프라를 조성하기 위해서 도로 인프라 관련 정보를 모니터링해 차량 과 운전자에게 전달하는 표준화된 방법이 필요하다고 언급했다.

Tak et al.(2019)은 도로 인프라의 자율주행 적합도에 따라 7가지 유형의 자율주행 모빌리티 서비스를 제안 했다. 자율주행 기술이 탑재된 차량을 이용해 실도로 주행 조사를 수행한 결과를 바탕으로 각 도로별 자율주 행 적합도를 평가하고 모빌리티 서비스별 도입전략을 제시했다. 해당 논문은 자율주행 모빌리티 서비스 도 입을 위해 더 세분화된 계획이 필요하며 모빌리티 서비스 운영 효율성 관리 차원의 모니터링 지표 개발이 필요하다고 제안했다.

Kim et al.(2020)은 도시부 자율주행셔틀 실증을 위한 운행설계영역 정의 및 평가를 목표로 안양시 도시부 도로구간의 자율주행시스템 운행 가능 여부를 정의했다. 안양시 노드, 링크별 운행설계영역 평가를 통해 자 율주행 금지 구간을 구분하고 국내 자율주행셔틀 실증테스트를 위한 기준을 제시했다. 해당 연구는 자율주 행 실증테스트를 위한 사전 안전성 평가의 사례로 활용할 수 있고 자율주행 모빌리티 서비스를 위한 운행설 계영역 설정에 활용할 수 있다.

2. 국내 자율주행차 시범운행지구 관련 문헌 고찰

자율주행차 시범운행지구란 자율주행자동차의 연구ㆍ시범운행을 촉진하기 위하여 안전기준을 일부 면제 하고 규제특례가 적용되는 구역으로서 ^｢자율주행자동차 상용화 촉진 및 지원에 관한 법률_｣제 7조에 따라 지 정되는 구역을 말한다. 시범운행지구로 지정된 구역에서는 각종 규제 특례를 적용해 시범운행의 기반을 조 성하고 자율주행차를 활용한 연구와 시범운행을 위해 여객·화물서비스를 허용하고 있다. 국내 시범운행지구 는 2020년 12월에 서울 상암을 비롯해 6개의 지구가 1차 지정되었으며 2024년 6월을 기준으로 전국에 36개 의 시범운행지구가 지정되어 자율주행차 서비스를 시행하고 있다. <Table 1>은 국토교통부가 고시한 국내 시범운행지구 현황을 정리한 표이다. 현재 각 시범운행지구는 이용객 특성 및 노선을 고려한 승용차, 승합 차, 버스 등 다양한 형태의 서비스를 제공하고 있다. 대표적으로 경기도 판교제로시티 자율주행차 시범운행 지구는 판교1테크노밸리와 판교2테크노밸리의 일부 구역을 포함한 1.34km² 의 면적에 해당하며 2021년 4월 2차 시범운행지구로 지정되었다. 판교제로시티 자율주행차 시범운행지구에서는 경기도자율주행센터의 제로 셔틀이 2023년 3월에 운행을 마쳤고 현재는 판타G버스가 운행하고 있다. 두 자율주행차는 판교역과 경기도 자율주행센터를 잇는 왕복 5.8km의 도시부 도로구간을 주행한다.

Lim et al.(2023)은 자율주행차 혼재 시 예상되는 교통 변화를 분석하여 시범운행지구의 자율주행차 혼재 교통운영전략을 수립했다. 해당 연구에서는 자율주행차 도입 단계별 교통운영전략 수립을 위해 자율주행차 혼입률에 따른 교통 효율성 및 안전성 분석을 수행했으며, 분석 결과를 토대로 자율주행차 혼입률 30%, 70% 를 기준으로 도입기, 과도기, 안정기로 구분하였다. 해당 연구에서 수립한 운영전략은 자율주행차 시범운행 지구 및 향후 자율주행차 혼입률 증가 시 교통류 및 교통안전 관점에서 활용할 수 있다.

자율주행차 시범운행지구 관련 문헌 고찰 결과 자율주행차의 안전한 운행 환경을 조성하기 위해 국내에 서는 정부의 지원을 통해 자율주행차 시범운행지구를 조성하는 지자체가 점차 증가하고 있다. 시범운행지구 는 자율주행 관련 기술의 연구와 자율주행차의 시범운행을 촉진하기 위해 도로시설, 안전기준 등의 규제특 례를 제공하는 지역으로 해당 구역에서는 자율주행차를 활용한 유상서비스 실증을 수행할 수 있다. 자율주 행차는 환경적 요인에 영향을 많이 받기 때문에 안전한 자율주행을 위해 기본적으로 필요한 인프라가 있으 며 자율주행차의 기술 수준과 도로의 요인을 고려해 정해진 ODD(Operational Design Domain) 내에서만 자율 주행이 가능하다. 본 연구의 공간적 범위인 판교제로시티는 판교1테크노밸리와 판교2테크노밸리를 잇는 구 간인 도시부 도로에 조성된 시범운행지구로 보행섬, 교차로, RTOR(Right Turn on Red) 등 자율주행차 운행에 위험 요인이 될 수 있는 요인들이 다수 존재한다. 판교제로시티에는 사고를 최소화하며 자율주행차를 운행 하기 위해 관제 플랫폼을 설치해 차량을 실시간으로 모니터링하고 있다.

3. 자율주행차 실증 위험 상황 관련 문헌 고찰

캘리포니아 차량관리국(California DMV)에 따르면 미국 캘리포니아의 도로에서 자율주행차 실증 중 발생 한 사고는 2015년부터 2024년 8월까지 총 735건이다. 자율주행차 관련 사고는 2015년 8건이 발생했고 코로 나가 유행한 2020년을 제외하면 매년 꾸준하게 증가해 2023년에 131건까지 증가했다. 자율주행차를 테스트 하는 제조사는 재산 피해, 신체 부상, 사망을 초래한 모든 사고에 대해 사고 발생 10일 이내에 캘리포니아 차량관리국에 사고를 보고해야 하며 캘리포니아 차량관리국은 사고 데이터를 활용해 자율주행차의 법규 위 반 건수, 사고 원인, 사고유형을 분석해 공개하고 있다.

Wang et al.(2020)은 완전자율주행 자동차 도입에 대한 효과와 기대감은 증대하고 있지만 자율주행차의 성 공적인 상업화를 위해 안전성 관련 문제는 아직 기술적 도전 과제로 남아 있다고 언급했다. 캘리포니아에서 의 도로 시험 결과에 따르면, 2014년부터 2018년까지 자율주행차는 370만 마일 이상 운행했고 128건의 사고 가 발생했다. 128건의 사고 중에서 자율주행차와 직접적으로 관련이 있는 사고는 6.3%에 불과하며 93.7%가 보행자, 자전거, 오토바이, 일반차 등 다른 요인들에 의해 수동적으로 발생했다. 해당 연구는 자율주행차 운 행 중 예상하지 못하는 사고가 발생할 가능성이 높다는 것을 시사하며 위험 상황 모니터링을 통해 위험 경 고, 회피해 사고를 방지하는 것이 자율주행차의 안전한 운행에 중요하다는 결론을 도출했다.

Chen et al.(2018)은 실도로에서 자율주행차 테스트를 수행한 7개 회사의 자율주행모드 해제 데이터를 수집 해 자율주행모드 해제가 발생한 전반적인 상황과 주요 원인을 밝히고 분석했으며 분석 결과를 바탕으로 자 동차 제조사, OEM, 정부 기관에 대한 권고 사항을 제공했다. 시범운행지구를 운행하는 지자체 및 정부 기관 은 자율주행 기술의 발전을 지원하고 촉진하는 중요한 역할을 수행하고 있으며 더 많은 시범운행지구를 마 련하고 이를 지속적으로 개선해야 한다고 주장하였다. 이를 바탕으로 일반인들이 자율주행차의 기본 원리를 이해하고 전통적인 일반차와의 사용 및 운영 차이점을 인지할 수 있다고 제시하였다.

4. 본 연구의 차별성

자율주행차 관련 선행연구에서는 자율주행차의 실도로 운행이 증가함에 따라 관련 사고가 증가하고 있으 며 자율주행차 사고의 대부분이 일반차, 보행자, 인프라 등 도로의 다른 요인들에 의해 발생한다고 주장했 다. 선행연구에서는 자율주행차의 센서 인식 범위 한계로 실도로 환경에서 위험 요인을 인식하지 못할 수 있 고 기능 오류로 사고가 발생할 수 있어 인프라, 통신을 활용한 지속적인 모니터링이 요구되며 자율주행차 시 스템 고장 모니터링, 도로 위험 요인 모니터링, 운전자 상태 모니터링이 필요하다. 또한, 현재 도로 인프라는 일반차 운전자들의 관점에서 설치되어 자율주행차가 이를 정확하게 인식하기 어려울 수 있다. 특히, 교통이 낙후된 개발도상국 및 농촌의 경우에는 자율주행을 위한 인프라가 부재하고 도로 표시, 표지판, 포장 등 유 지보수가 필요한 환경이 대부분이기 때문에 자율주행차의 기술 개선도 필요하지만 먼저 자율주행차가 안전 하게 주행할 수 있는 환경을 조성해야 한다는 결론을 도출했다.

현재 국내에서는 자율주행 기술을 실증하고 개발하기 위한 시범운행지구가 점차 증가하고 있으며 자율주 행차의 실도로 운행도 함께 증가하고 있다. 대표적으로 판교 시범운행지구는 일반차가 혼재된 환경에서 자 율주행차를 운행하고 있으며 교통량이 많은 환경에서도 자율주행 기술 실증을 수행하고 있다. 해외에서는 대표적으로 미국 캘리포니아에서 자율주행차의 실도로 실증이 증가하고 있으며 미국 캘리포니아 자율주행 차의 사고, 제어권 전환 데이터는 캘리포니아 교통관리국에 의해 공개되어 연구, 기술 개발 등 다양한 목적 으로 활용하고 있다. 자율주행 관련 연구 고찰 결과 다수의 연구에서 시뮬레이션 데이터 및 캘리포니아의 자 율주행차 데이터를 활용했으며 국내 시범운행지구의 운행 데이터를 활용한 연구는 상대적으로 적다는 결론 을 도출했다. 따라서, 국내에서 자율주행차를 안전하게 운행하기 위해 국내 시범운행지구 환경에서 실증한 자율주행차의 운행 데이터를 활용해 위험 상황을 분석하고 위험도로구간을 도출하는 연구가 필요하며 특히 복잡한 도시부 환경에서의 자율주행차의 운행을 모니터링하는 방안을 도출하는 연구가 필요하다. 본 연구에 서는 선행연구에서 개발된 자율주행 모니터링 지표와 판교의 자율주행차인 제로셔틀, 판타G버스의 실도로 운행 데이터를 활용해 판교 시범운행지구 내에서 자율주행차 운행 중 발생한 위험 상황을 도출하고 지표별 위험도로구간을 분석한다.

Ⅲ. 연구방법론

1. 자율주행차 실도로 운행 데이터 수집

본 연구에서는 판교 시범운행지구의 자율주행차인 제로셔틀과 판타G버스의 실도로 운행 데이터를 활용한 다. 두 차량은 판교2테크노밸리의 경기도자율주행센터에서 출발해 판교1테크노밸리의 판교역을 통과하는 왕 복 5.8km 도로구간을 운행하고 있다. <Fig. 1>은 두 자율주행차의 노선 및 정차하는 정류장을 시각화한 그림 이다. 판교 시범운행지구 내 경기도자율주행센터에 설치된 관제 플랫폼에서는 자율주행차의 운행을 실시간 으로 모니터링하고 있으며 자율주행차에 장착된 V2X 통신 단말기를 통해 실도로를 주행하는 동안 차량의 속도, 가속도, 위도, 경도, 자율주행 여부 등 총 41종의 데이터를 1초 단위로 수집한다. <Table 2>에서 확인할 수 있듯이 본 연구에서는 자율주행차 모니터링에 직접적으로 활용되는 11개의 데이터를 활용한다.

<Fig. 1>

Route of Pangyo Autonomous Vehicles

본 연구의 목적은 선행연구에서 개발된 모니터링 지표를 활용해 두 자율주행차의 위험도로구간을 시각화 하고 위험도로구간을 분석하는 것이다. 따라서, 두 자율주행차의 특성을 이해하는 과정이 필요하며 <Table 3>에서 두 자율주행차의 운행 개요를 확인할 수 있다. 두 차량은 같은 노선을 주행한다는 공통점이 있지만 <Fig. 2>의 제로셔틀과 판타G버스 그림과 같이 두 차량의 차종, 길이, 운행 속도, 운행 시간, 운행 기간 등의 차이점이 있다. 제로셔틀은 2018년 3월부터 2023년 3월까지 운행했고 판타G버스는 2023년 7월부터 현재까지 운행 중이다. 따라서, 본 연구에서 활용하는 두 자율주행차 데이터의 시간적 범위에 차이가 있는데 제로셔틀 은 2019년 6월부터 11월까지의 데이터를 활용하며 판타G버스는 2023년 3월부터 7월까지의 운행 데이터를 활용한다. <Table 4>는 제로셔틀과 판타G버스의 ODD(Operational Design Domain)를 나타낸 표로 두 자율주행 차의 운행 구간, 환경적 제약, 인지 가능한 객체에 대한 차이를 확인할 수 있다.

<Fig. 2>

Autonomous Vehicles of Pangyo

2. 판교 정밀도로지도 데이터 수집

정밀도로지도는 차선, 신호, 표지판 등 도로의 인프라 정보를 포함하고 자율주행차의 운행 상태를 실시간 으로 모니터링할 수 있는 고정밀 전자지도이다. 자율주행차는 안전한 운행을 위해 국토지리정보원에서 정한 위치 정확도와 오차 기준을 만족해야 하고 데이터 공유 및 효율성 증대를 위해 신규 구축 및 갱신을 위한 데이터, 기준, 사양 등의 조건을 만족해야 한다(NGII, 2023). 정밀도로지도는 링크를 더욱 미시적으로 구분하 기 위해 기존 도로의 기하구조가 변하는 지점에서 링크를 구분한다. 구분된 링크에는 각 차로에 차로구간ID 를 부여하고 링크의 1차로는 링크를 대표하는 도로구간ID로 설정해 링크 전체 단위의 거시적인 분석 시 활 용할 수 있다.

본 연구의 공간적 배경인 판교 자율주행차 시범운행지구도 자율주행차 운행을 위해 정밀도로지도를 구축 하였으며 구축 범위는 현재 자율주행 서비스를 제공하고 있는 판교1테크노밸리의 판교역과 판교2테크노밸 리의 경기도자율주행센터를 포함한 판교 지역이다. 정밀도로지도에는 판교 지역의 링크, 표지, 노면표시, 신 호 인프라 위치 및 정보가 포함되어 있어 위험도로구간 시각화 및 위험 상황 발생 원인을 분석할 수 있다. 판교 자율주행 서비스 구간 내에는 창업로, 대왕판교로, 대왕판교로606번길, 분당내곡로, 판교로가 존재한다. 하지만, 창업로는 판교2테크노밸리 내 경기도자율주행센터 앞에 위치한 도로로 제로셔틀 운행 당시 공사가 진행되고 있어 수동주행을 시도한 횟수가 많아 본 연구에서는 창업로를 제외한 4개의 구간만 분석한다. 창 업로는 판교2테크노밸리 내 경기도자율주행센터 앞에 위치한 도로로 제로셔틀 운행 당시 공사가 진행되고 있어 수동주행을 시도한 횟수가 많은 구간이다. 따라서, 본 연구에서는 자율주행차의 수동주행 데이터를 제 외하고 자율주행 데이터에 대한 분석을 진행하기 위해 창업로는 분석에서 제외한다.

본 연구에서 판교의 자율주행 위험도로구간을 시각화하고 위험 상황 원인을 분석하기 위해 자율주행차의 운행 데이터를 정밀도로지도에 맵핑하는 과정이 필요하다. 맵핑을 통해 관제 플랫폼에서 실시간으로 자율주 행차의 위치를 정확하게 파악하고 도로의 위험 상황 및 원인을 분석할 수 있다. 본 연구에서는 정밀도로지도 의 Node를 활용해 K-d tree를 생성하고 자율주행차의 위도, 경도 데이터와 가장 가까운 점을 찾는 Nearest Neighbor Algorithm을 적용한다. K-d tree를 생성하는 경우 불필요한 계산이 줄어 시간을 절약하고 효율적으 로 가까운 점을 찾을 수 있다(Chen., 2019). 자율주행차의 위치와 가장 가까운 점을 찾으면 해당 Node가 속한 도로구간ID를 자율주행차와 맵핑해 현재 자율주행차가 주행하고 있는 도로를 쉽게 파악할 수 있다.

3. 자율주행 모니터링 지표 개요

본 연구에서는 5개의 자율주행 모니터링 지표를 활용해 제로셔틀과 판타G버스의 위험도로구간을 도출한 다. <Table 5>는 본 연구에서 활용하는 자율주행 모니터링 지표에 대한 설명과 위험 기준이다. 첫 번째 지표 는 자율주행차 주행 차로 모니터링 지표로 자율주행차의 경로 계획, 차로변경, 정류장 정차, 합류, 분류를 실 시간으로 모니터링하는 지표이다. 자율주행차의 경로 계획에는 주행 안전성 유지 및 충돌 회피를 목적으로 차로변경, 유지, 교차로 합류, 통과 등 여러 제약 조건이 포함되어 있다(Liu et al., 2017). 판교 시범운행지구 의 판타G버스와 제로셔틀은 차로 단위의 계획은 부재하지만 대부분의 운행에서 비슷한 형태로 운행하기 때 문에 본 연구에서는 1달의 운행 데이터를 활용해 자체적으로 주행패턴, 차로 계획을 생성하고 비정상 데이 터를 도출한다. 노선을 주행하는 자율주행버스의 경우 차로를 변경하지 못하는 경우 무리한 차로변경 및 급 가속, 급감속 등 불안정한 주행으로 이어질 수 있기 때문에 본 지표를 활용해 안전하고 효율적인 도로 운영 을 유도한다.

두 번째 지표는 자율주행차 위험운전행동 모니터링 지표로 자율주행차의 급가속, 급감속 여부를 모니터링 하는 지표이다. 차량의 가속도 변화율이 큰 경우 승객의 안정감에 상당한 영향을 미치기 때문에 차량의 가 속, 감속, 핸들 조작은 신중하고 적절하게 제어해야 한다(Bae et al., 2022). 본 지표는 승객 관점에서 불편함 을 느끼지 않는 가속도, 감속도 범위를 기준값으로 설정해 자율주행차의 급가속, 급출발, 급감속, 급정지 원 인을 분석하는 것을 목적으로 한다.

세 번째 지표는 자율주행차 통신 지연 모니터링 지표로 자율주행차와 관제 플랫폼의 통신 과정에서 발생 하는 통신 이상, 통신 지연을 모니터링하는 지표이다. 자율주행 기술과 통신 기술을 혼합한 자율협력주행차 CAV(Connected Automated Vehicle)는 자율주행차의 사각지대를 극복할 수 있을 것으로 기대하고 있으며 자 율협력주행차를 실도로에서 활용하기 위해선 저지연, 통신 음영지역 개선이 필요하다. 본 지표를 활용해 판 교 도심부 지역의 통신 음영지역을 도출하고 통신 지연 발생 원인을 분석한다.

네 번째 지표는 자율주행차의 자율주행모드 해제 모니터링 지표이다. 캘리포니아 차량 관리국(California Department of Motor Vehicles)에 제출된 자율주행 기업들의 자율주행모드 해제 상황 보고서에 따르면 자율주 행차는 운행 중 위험 상황을 인식하면 자율주행 시스템이 자체적으로 자율주행모드를 해제한다(Sinha et al., 2021). 자율주행차의 자율주행모드 해제는 운전자에게 제어권을 전환하는 상황으로 이어지며 운전자가 긴급 하게 대처하지 못하는 경우 사고로 이어질 수 있다. 본 지표를 활용해 자율주행차 시스템의 자율주행모드 해 제를 도출하고 원인을 분석한다.

마지막 지표는 자율주행차 정지선 이탈 모니터링 지표로 자율주행차가 정지선 앞이 아닌 횡단보도, 교차 로 내부 등 위험한 위치에서 일정 시간 정지하는 상황을 모니터링하는 지표이다. 자율주행차는 플랫폼에서 신호 정보를 제공받고 있으며 센서를 활용해 신호등, 도로 표시, 정지선 등을 인식해 안전한 위치에 정차해 야 한다. 하지만, 교통량이 많고 복잡한 교차로에서는 예상하지 못한 상황이 발생할 수 있고 완전자율주행이 불가능한 자율주행차는 능동적으로 상황을 벗어나기 어렵다. 따라서, 본 지표를 활용해 자율주행차의 실도로 주행으로 발생할 수 있는 위험 상황을 분석한다.

Ⅳ. 방법론 적용 및 분석

1. 자율주행차 주행 차로 모니터링 지표

위험도로구간 분석 파트에서는 위험 상황이 가장 많이 발생한 위험도로구간을 도출하고 도로구간의 특성, 자율주행차의 운행 특성을 고려해 위험도로구간에 대한 분석을 수행한다. 또한, 위험도로구간 도출 결과를 활용해 시각화 지도를 구축하고 시사점을 도출한다. 먼저, 제로셔틀과 판타G버스의 위도, 경도 데이터를 활 용해 두 자율주행차의 차로변경 실패, 정류장 진출입 실패 구간을 도출했다. <Fig. 3>은 위험도로구간 시각 화 결과를 나타낸 그림이고 <Table 6>은 전체 도로구간에서 제로셔틀과 판타G버스의 위험도로구간 비율을 나타낸 표이다.

<Fig. 3>

Driving Lane Indicator Visualization

먼저, 제로셔틀의 첫 번째 위험도로구간은 제로셔틀이 좌측으로 차로변경을 3회 시도하는 구간이다. 해당 구간은 길이가 긴 직진 구간으로 교통량이 많고 주행 속도가 빨라 상대적으로 느린 속도로 주행하는 제로셔 틀은 차로를 변경하지 못하는 경우가 발생했다. 두 번째 위험도로구간은 제로셔틀이 판교역 앞 정류장에 정 차하는 구간으로 해당 구간에서 제로셔틀은 교차로에서 좌회전을 시도해 도로에 진입한 이후 우측으로 차로 변경을 2회 시도해 정류장에 정차한다. 제로셔틀이 정차하는 판교 정류장은 버스베이에서 승객이 승차, 하차 하며 정류장이 교차로와 인접한 위치에 있어 버스베이를 나와 도로에 진입한 이후 좌측으로 차로를 변경하 는 과정에서 다른 차량과 상충이 발생한다.

판타G버스의 첫 번째 위험도로구간은 우회전 이후 합류구간에서 좌측으로 차로를 변경해 도로에 진입하 는 구간으로 합류구간의 중간에 버스정류장이 위치해 버스 정차 시 다른 차량은 차로변경을 위한 충분한 공 간을 확보하지 못한다. 또한, 정차한 버스가 다시 차로에 진입하기 위해 차로를 변경하는 과정에서 상충이 발생해 차로에 진입하지 못하는 상황이 발생한다. 두 번째 위험도로구간은 판타G버스가 좌회전을 하기 위해 좌회전 포켓차로에 진입하는 구간이다. 하지만, 좌회전 교통량이 많아 좌회전 포켓차로에 진입하지 못하고 직진 차로에서 정지하거나 자율주행모드를 해제하는 상황이 발생했다. 판타G버스 데이터 시각화 결과 버스 정류장에서 차로변경 실패가 많이 발생했으며 버스베이가 없는 정류장에서 차량의 진출입이 어려웠고 버스 베이가 있는 구간에서는 승하차 이후 상대적으로 쉽게 도로에 진출입하는 것을 확인했다.

제로셔틀과 판타G버스 분석 결과를 활용해 자율주행차의 실도로 운행 관련 시사점을 도출했다. 먼저, 자 율주행차 실도로 운행 시 주행 속도를 적절하게 설정해 교통류를 방해하지 않고 자율주행차가 안전하게 차 로를 변경하도록 유도해야 한다. 두 번째로 자율주행차를 대중교통으로 활용하는 경우 버스정류장 설치 시 자율주행차의 경로, 교차로 위치 등을 종합적으로 고려해 안전한 위치를 선정한다. 세 번째로 버스베이를 설 치해 자율주행차가 정류장에 안전하게 진출입할 수 있는 환경을 조성해야 한다.

2. 자율주행차 위험운전행동 모니터링 지표

제로셔틀과 판타G버스의 종가속도 데이터를 활용해 두 자율주행차의 급감속, 급가속 발생 구간을 도출했 다. <Fig. 4>는 위험도로구간 시각화 결과를 나타낸 그림이고 <Table 7>, <Table 8>은 각각 전체 도로구간에 서 제로셔틀과 판타G버스의 급가속 및 급감속 위험도로구간 비율을 나타낸 표이다. 먼저, 제로셔틀의 급감 속 첫 번째 위험도로구간은 교차로에서 우회전으로 도로에 진입한 이후 좌측으로 차로를 변경하는 구간이 다. 해당 구간은 차량이 빠른 속도로 주행하는 구간으로 제로셔틀이 자율주행모드로 전환하는 과정에서 속 도를 충분하게 높이지 못하고 차로변경에 실패해 급감속이 발생했다. 급감속 두 번째 위험도로구간은 대왕 판교로의 지하차도 진출입로 구간으로 해당 구간은 지하차도로 진입하는 차로와 지하차도로 진입하지 않는 차로로 구분되며 차로수가 증가하는 구간이다. 제로셔틀의 급가속 위험도로구간은 차로변경 구간으로 해당 구간에서 제로셔틀이 차로변경에 실패하는 경우 가속을 통해 차로변경을 재시도하는 구간이다. 또한, 교차로 에서 신호에 의해 정차한 이후 재출발하는 과정에서 급가속이 발생했다.

<Fig. 4>

Hazardous Road Section Indicator Visualization

제로셔틀과 판타G버스의 위험운전행동 데이터 시각화 결과 판타G버스는 제로셔틀보다 높은 속도로 주행 하고 정류장 정차 횟수가 많아 제로셔틀과 비교해 급가속, 급감속 횟수가 많다. 판타G버스의 급감속 첫 번째 위험도로구간은 직진, 좌회전, 우회전차로의 길이가 짧은 구간이다. 첨두시간에 교통량이 증가하면 좌회전 대기열이 좌회전차로의 길이를 초과하고 우회전차로에 버스정류장이 위치해 버스가 정차하게 되면 정체가 발생한다. 급감속 두 번째 위험도로구간은 버스정류장으로 위치한 구간이다. 버스정류장 내에서 정차하는 과 정에서 급감속이 발생하고 정차 이후 다시 도로로 진입하는 과정에서 차로변경에 실패해 급감속이 발생한 다. 급가속 첫 번째 위험도로구간은 첫 번째 지표에서 언급했던 구간으로 판타G버스가 정류장에 정차한 이 후 가속을 통해 좌측으로 차로변경을 시도하는 과정에서 급가속이 발생한다. 급가속 두 번째 위험도로구간 은 교차로에서 신호에 의해 정지한 이후 출발하는 과정에서 급가속이 발생하며 경사가 있어 가속도가 더 높 은 구간이다.

제로셔틀과 판타G버스 분석 결과를 활용해 자율주행차의 위험운전행동 관련 시사점을 도출했다. 먼저, 도 로의 기하구조 및 차로수 변화 등 복잡한 구간에서는 자율주행차가 인식해야 하는 요인들이 많아 자율주행 차의 주행이 어려울 수 있다. 두 번째로 자율주행차의 센서는 다양한 한계가 존재하기 때문에 인프라, 통신 등을 활용한 자율협력주행이 필요하다. 세 번째로 자율주행차의 급감속, 급가속은 자율주행차에 대한 인식에 부정적인 영향을 주는 요인으로 가속, 감속에 대한 자율주행차의 기술적 발전이 필요하다. 네 번째로 도시부 실도로에서 자율주행차를 운행하는 경우 교차로, 버스정류장, 차로변경 구간에 대한 집중적인 모니터링이 필 요하다. 다섯 번째로 현재 설치되어 있는 도로 인프라 및 차로수, 포켓차로 길이가 교통량을 적절하게 고려 하고 있는지 점검하고 보수해야 한다. 또한, 가속과 감속은 경사의 영향이 있어 도로 구축 시 경사를 적절하 게 설치한다. 자율주행차는 일반차에 비해 주관적인 판단이 적고 통신, 정밀도로지도, 인프라를 통해 수집한 정보만을 활용하기 때문에 자율주행차 혼재 시 도로 인프라에 대한 유지보수가 더욱 중요하다.

3. 자율주행차 통신 지연 모니터링 지표

제로셔틀과 판타G버스의 통신 데이터를 활용해 두 자율주행차의 통신 지연 발생 구간을 도출했다. <Fig. 5>는 위험도로구간 시각화 결과를 나타낸 그림이고 <Table 9>은 전체 도로구간에서 제로셔틀과 판타G버스 의 위험도로구간 비율을 나타낸 표이다. 먼저, 제로셔틀의 첫 번째 위험도로구간은 주변에 높은 건물이 많이 위치한 구간으로 높은 건물들이 제로셔틀의 통신을 방해해 제로셔틀의 통신 지연이 발생했다. 두 번째 위험 도로구간은 대왕판교로의 지하차도 진출입로 구간이다. 통신 지연 데이터를 분석한 결과 두 자율주행차 모 두 지하차도 진출입로 부근에서 가장 많이 발생한 것을 확인할 수 있다. 두 자율주행차는 지하차도를 직접적 으로 통과하지 않지만 통신 시설, 기하구조적 원인, 환경적 요인에 의한 간접적인 영향으로 통신 지연이 발 생했다.

<Fig. 5>

Telecommunication Delay Indicator Visualization

판타G버스 위험도로구간 시각화 결과 통신 지연은 지하차도 진출입로 이외에도 버스정류장에서 정차 시, 육교 밑, 고가도로 밑 도로를 지나가는 과정에서 발생한다. 통신 지연이 발생한 정확한 원인은 알 수 없지만 도시부 도로에서 흔히 발견할 수 있는 지하차도, 육교, 고가도로, 터널이 자율주행차의 통신 지연을 발생시 킬 수 있다는 것을 확인했다.

제로셔틀과 판타G버스 분석 결과를 활용해 자율주행차의 통신 지연 관련 시사점을 도출했다. 먼저, 통신 지연의 원인은 환경적 요인, 날씨, 일시적인 오류 등이 있을 수 있으며 도시부에서는 높은 건물이 자율주행 차의 통신을 방해할 수 있다. 따라서, 건물, 주변 환경의 영향을 줄일 수 있는 통신 기술 개발이 필요하다. 두 번째로 지하차도, 육교, 고가도로, 터널 등 통신 음영지역에 통신 인프라를 설치해 자율주행차가 안전하게 주행할 수 있는 환경을 조성해야 한다. 자율주행차의 안전한 주행을 위해 필수적인 요인 중 하나는 통신이 다. 통신을 활용해 위험 상황을 빠르게 인식하고 다른 차량과 정보를 공유할 수 있다. 따라서, 미래에는 현재 보다 짧은 주기의 통신을 활용해야 하고 저지연의 통신 기술 개발 및 통신 오류 발생 시 안전한 자율주행을 유지하는 방안을 마련해야 한다.

4. 자율주행차 자율주행모드 해제 모니터링 지표

제로셔틀과 판타G버스의 자율주행모드 데이터를 활용해 두 자율주행차의 자율주행모드 해제 및 제어권 전환 발생 구간을 도출했다 <Fig. 6>은 위험도로구간 시각화 결과를 나타낸 그림이고 <Table 10>은 전체 도 로구간에서 제로셔틀과 판타G버스의 위험도로구간 비율을 나타낸 표이다. 먼저, 제로셔틀의 첫 번째 위험도 로구간은 회색으로 시각화한 창업로에서 우회전으로 도로에 진입하는 구간이다. 해당 구간은 제로셔틀이 운 행하던 2019년에 우회전 신호가 없이 RTOR(Right Turn on Red)로 운영되던 교차로이다. 일반 운전자는 다른 도로의 신호, 보행자 신호를 고려해 운전자의 판단으로 안전한 상황에서 우회전을 시도한다. 자율주행차도 센서, CCTV, V2X 통신을 활용해 우회전 가능 여부를 판단할 수 있지만 상황 판단이 어려운 경우 운전자의 개입이 필요할 수 있다. 두 번째 위험도로구간은 분리된 우회전 도로에 보행섬이 있어 우회전 시 보행자와 자율주행차의 상충이 발생하는 구간이다. 해당 구간에서는 횡단보도 및 보행섬의 보행자에 대한 인식 오류, 센서 인식 범위 한계로 인해 위험 상황이 발생한다.

<Fig. 6>

Disengagement Indicator Visualization

판타G버스의 첫 번째 위험도로구간은 좌회전 포켓차로 구간이다. 해당 구간은 판교역 방향으로 좌회전하 는 교통량이 많고 버스의 비율이 높아 판교의 지역적 특성상 출근, 퇴근 시간에 좌회전 포켓차로의 공간이 부족한 상황이 발생한다. 따라서, 판타G버스가 포켓차로에 진입하지 못하고 자율주행모드를 해제하는 상황 이 발생한다. 두 번째 위험도로구간은 지하차도로 인해 감소했던 차로수가 급격하게 증가하는 구간이다. 해 당 구간은 차로수가 증가한 이후 가까운 위치에 교차로가 있어 도로의 길이가 짧고 우회전 구간에 버스정류 장이 위치해 차로변경이 증가하고 교통량이 많은 경우 정체가 길어 상충 및 급감속이 증가하는 구간이다.

제로셔틀과 판타G버스 분석 결과를 활용해 자율주행모드 해제 관련 시사점을 도출했다. 먼저, 자율주행모 드 해제는 자율주행차가 정해진 경로로 이동하지 못해 운전자에게 제어권 전환을 요청하는 경우 발생한다. 두 자율주행차의 경우 RTOR(Right Turn on Red), 차로변경 실패, 차로 진입 실패 등의 원인이 있었다. 두 번 째로 센서의 한계, 인식 오류의 발생에 대비해 다양한 인프라를 활용해 정보를 수집하고 실시간으로 적절한 대처가 필요하다. 세 번째로 자율주행차 운행 중 도로 차단, 기능 고장, 기후 이상 등 다양한 위험 상황이 발 생할 수 있다. 안전한 자율주행차 운행을 위해 위험 상황 발생 시 자율주행차가 자체적으로 대처할 수 있는 기술이 필요하다.

5. 자율주행차 정지선 이탈 모니터링 지표

제로셔틀과 판타G버스의 속도, 위도, 경도 데이터를 활용해 두 자율주행차가 정지선을 이탈해 교차로 내 부, 횡단보도 등에서 정지한 상황을 도출했다 <Fig. 7>은 위험도로구간 시각화 결과를 나타낸 그림이고 <Table 11>은 전체 도로구간에서 제로셔틀과 판타G버스의 위험도로구간 비율을 나타낸 표이다. 먼저, 제로 셔틀의 위험도로구간은 교차로에서 우회전으로 도로에 진입하는 구간으로 해당 구간에서 제로셔틀은 정지 선을 넘어 횡단보도 위, 교차로 내부에 정지했다. 앞에서 언급했듯이 해당 구간은 우회전 신호가 없는 구간 이고 주행 속도가 빨라 자율주행차가 우회전을 시도하기 까다로운 구간이다. 현재 우회전 구간에 우회전 신 호가 별도로 설치되었으며 판타G버스 데이터 분석 결과 해당 구간에서 정지선 이탈이 발생하지 않은 것으 로 보아 자율주행차는 신호가 없는 구간에서 운행이 어렵다는 결론을 도출했다.

<Fig. 7>

Abnormal Stop Indicator Visualization

판타G버스의 위험도로구간에서는 첨두시간에 판교2테크노밸리 방향으로 좌회전하는 교통량이 증가해 좌 회전 대기행렬이 길어진다. 하지만, 도로구간의 길이가 짧아 대기행렬이 이전 교차로까지 이어지게 되었고 판 타G버스도 교차로에서 정차하게 되었다. 대기행렬이 교차로까지 이어지는 경우 다른 교차로에서 진입하는 차 량이 이동하는 것을 막아 정체가 발생하고 도로의 효율성이 떨어진다. 두 번째 구간은 분당내곡로의 교차로이 다. 해당 구간은 교차로와 정류장의 거리가 가까워 판타G버스가 정류장에서 벗어난 이후 차로를 변경하지 못 한다. 또한, 교차로의 우회전 대기행렬로 인해 차로가 막혀 직진을 하지 못하고 교차로에서 정차하게 된다.

제로셔틀과 판타G버스 분석 결과를 활용해 자율주행차의 비정상적인 정지 관련 시사점을 도출했다. 먼저, 자율주행차를 실도로에서 운행하기 위해서는 신호가 없는 구간에서 운행할 수 있는 기술이 필요하다. 또한, 신규로 구축하는 시범운행지구에서는 자율주행차의 수준과 ODD를 고려해 안전한 노선을 선정해야 한다. 두 번째로 교통량이 많아 대기행렬이 교차로를 넘는 경우 자율주행차는 교차로에 진입하지 않고 대기행렬이 해 소될 때까지 대기하거나 다른 경로를 이용해 교통량을 배분해야 한다. 세 번째로 자율주행차는 센서를 활용 해 도로의 차선, 정지선, 표지를 인식해 주행하기 때문에 주기적인 인프라 정비를 통해 자율주행차가 인식할 수 있는 명확한 수준으로 유지해야 한다.

Ⅴ. 결 론

자율주행차 상용화에 대한 기대감이 증가함에 따라 자율주행차 기술 실증이 증가하고 있다. 국내에서는 자율주행차의 실도로 실증 환경인 시범운행지구를 조성해 자율주행 기술을 개발하기 위해 노력하고 있다. 하지만, 최근 자율주행차 관련 사고가 증가함에 따라 자율주행차에 대한 회의적인 의견이 증가하고 있다. 자 율주행차가 실도로에서 일반차와 혼재되어 주행하게 되면 일반 운전자와 운행 방식의 차이, 자율주행차의 기술적 오류로 인해 사고 위험이 증가한다. 따라서, 자율주행차 및 도로 인프라를 실시간으로 모니터링하는 관제 플랫폼을 구축해 자율주행차가 안전하게 주행할 수 있는 환경을 조성해야 한다. 본 연구에서는 모니터 링 지표를 활용해 판교 자율주행차의 실도로 주행에 따른 위험 상황을 분석하고 판교 시범운행지구 내 위험 도로구간을 도출했다.

먼저, 모니터링 지표를 활용해 제로셔틀, 판타G버스의 위험 상황을 분석한 결과 다음과 같은 시사점을 도 출했다. 먼저, 자율주행차의 주행 차로 및 차로변경 데이터 분석 결과 자율주행차는 다른 차량과 비슷한 속 도로 주행해야 하고 자율주행차를 대중교통으로 활용하는 경우 버스정류장을 적절한 위치에 설치하고 버스 베이를 설치해 안전한 승하차 공간을 제공해야 한다. 두 번째로 자율주행차의 급가속, 급감속 데이터 분석 결과 기하구조 변화, 차로변경 구간, 버스정류장, 교차로 부근에서 위험운전행동이 많이 발생하며 센서 오류, 자율주행차 기술적 오류, 동적 요인이 가장 큰 원인이다. 따라서, 자율주행차의 위험운전행동을 방지하기 위 해 자율주행차의 가속, 감속 관련 주행 기술 개선이 필요하고 센서, 통신 기술을 종합적으로 활용해 위험 상 황을 빠르게 인식하고 대처해야 한다. 또한, 도로의 차선, 정지선, 차로수, 포켓차로 길이 등 기본적인 인프라 에 대한 유지보수가 필요하다. 세 번째로 자율주행차의 통신 지연 데이터 분석 결과 도시부의 높은 건물, 터 널, 지하차도와 같은 통신 음영지역에 대한 개선이 필요하고 통신 오류 발생 시 안전하게 자율주행을 유지할 수 있는 대안이 필요하다. 네 번째로 자율주행차의 자율주행모드 해제 데이터 분석 결과 차로변경, 차로 진 출입 실패 발생 및 센서 오류, 도로 차단, 기능 고장 등 돌발상황 발생 시 자율주행차가 자율주행모드를 해 제하거나 제어권 전환을 요청한다. 따라서, 돌발상황 방지를 위해 자율주행차가 안전하게 주행할 수 있는 경 로를 설정하고 위험 상황이 발생 시 자율주행차가 자체적으로 상황을 벗어날 수 있는 기술이 필요하다. 마지 막으로 자율주행차가 비정상적으로 정차한 상황을 분석한 결과 자율주행차는 신호가 없는 교차로에서의 주 행을 어려워하며 도로의 차선, 정지선, 표지의 노후화로 인식 오류가 발생한다. 따라서, 자율주행차 운행 시 자율주행 기술 수준, ODD를 종합적으로 고려해 적절한 노선 및 운행 방식을 고려해야 한다.

본 연구에서 도출한 위험도로구간 분석 결과 및 시사점은 기존 시범운행지구의 위험 요인들을 개선하고 신규 시범운행지구 구축 시 활용할 수 있을 것이다. 또한, 판교 시범운행지구 위험도로구간 시각화 결과를 활용해 도로 운영자가 위험 상황을 관제 플랫폼에서 모니터링하고 자율주행차는 위험 상황 데이터를 실시간 으로 제공받아 안전한 자율주행 환경을 조성할 수 있을 것으로 기대된다.

본 연구에서 활용한 제로셔틀과 판타G버스는 운행 기간, 제작 시기가 달라 두 자율주행차 운행 데이터의 시간적 범위, 자율주행 레벨의 차이가 존재한다. 따라서, 본 연구는 두 자율주행차의 위험도로구간을 직접적 으로 비교하지 못했다는 한계점이 있지만 위험도로구간 분석을 통해 자율주행차 모니터링 관련 시사점을 도 출했다. 향후 자율주행차가 상용화됨에 따라 국내에는 더욱 많은 시범운행지구가 조성되고 실도로를 운행하 는 자율주행차가 꾸준하게 증가할 것이다. 따라서, 자율주행차의 실도로 운행 데이터를 활용한 추가적인 연 구를 통해 모든 자율주행 실증 환경에 적용할 수 있는 구체적인 모니터링 방안을 마련하고 부가적인 모니터 링 지표를 개발해야 한다.