Ⅰ. 서 론

1. 연구의 배경 및 필요성

차량과 차량, 차량과 인프라, 차량과 보행자 간의 실시간 통신을 가능하게 하는 차량사물통신은 지능형 교 통시스템(Intelligent Transportation Systems, ITS)의 핵심 요소로 자리 잡고 있으며, 교통 안전 향상과 자율주행 구현의 기반 기술로 주목받고 있다(Chen et al., 2020;Castañeda Garcia et al., 2021). V2X(Vehicle-to-Everything) 는 차량이 주행 중 수집한 위치, 속도, 가속도, 센서 데이터 등을 주변 차량이나 인프라와 주기적으로 교환함 으로써 충돌 위험을 사전에 감지하고, 교통 흐름을 최적화하며, 긴급 상황에서 신속한 대응을 가능하게 한다 (Ganesan et al., 2019;Molina-Masegosa & Gozalvez, 2017). 특히 3GPP Release 14에서 LTE-V2X 표준이 정의된 이후 Release 16에서는 NR-V2X로의 진화를 통해 초저지연·초고신뢰 통신을 기반으로 플래투닝, 원격 운전, 확장 센서 공유 등 고도화된 서비스 지원이 가능해졌으며(Chen et al., 2017), 이러한 기술적 진보는 차량 주 행 환경이 다양하고 복잡한 실제 도로 조건에서도 안정적인 성능을 확보하는 것을 목표로 한다.

한편, 5GAA(5G Automotive Association)은 유럽 지역에서 5G-V2X, 특히 직접 통신(Direct Communication)을 포함한 통합 기술 방향으로의 수렴을 공식적으로 발표하며, C-ITS 서비스와 차세대 V2X 기술의 조기 상용화 를 위해 통신 인프라, 차량 제조사, 정책 당국 간의 긴밀한 협력을 강조한 바 있다(5GAA, 2020). 국내에서도 2023년 12월 과학기술정보통신부와 국토교통부가 공동으로 C-ITS 통신방식으로 LTE-V2X를 단일 표준으로 채택하였으며, 이를 기반으로 각 지자체에서 다양한 실증 사업과 서비스 개발이 활발히 이루어지고 있다. 특 히 이는 기존 WAVE(IEEE 802.11p) 기반 방식과의 오랜 논쟁을 종결짓고, 국제적 흐름과 마찬가지로 C-V2X 중심으로의 전환을 확정한 결정으로 평가된다(Oh, 2025).

그러나 실제 주행 환경에서는 강수, 수목, 교통량과 같은 외부 요인이 무선 채널 특성과 링크 품질에 직접 적인 영향을 미쳐 통신 성능 저하를 유발한다. 예를 들어, 강수는 신호 감쇠와 다중경로 페이딩을 심화시키 며, 울창한 수목은 전파 차폐 및 산란을 증가시켜 NLoS(Non-Line-of-Sight) 구간을 확대시킨다. 또한 교통 밀 집도 증가는 차량 간 전파 차단과 간섭 수준을 높여 PDR(Packet Delivery Ratio)에 부정적인 영향을 미친다. 따라서 이러한 악조건별 영향을 정량적으로 분석하는 것은 향후 V2X 네트워크 설계 및 최적화, 표준 요구사 항 수립, 실도로 기반 서비스 안정성 검증에 중요한 의미를 가진다(Tahir et al., 2022).

본 연구는 5G-NR-V2X 통신을 기반으로 한 실도로 주행 실험을 통해 차량간 영상 정보 공유 과정에서 발 생할 수 있는 환경적 요인의 영향을 실증적으로 규명하는 것을 목적으로 한다. 이때, 5G-NR-V2X 통신은 자 율주행차량의 센싱 및 차량 간 통신을 위한 5G 기반의 차량 통신 기술을 의미한다. 실험에서는 강수량, 수목 밀도, 교통량이라는 세 가지 조건을 구분하여 수행하고, 각 조건에서 PDR을 중심으로 Throughput, Latency를 함께 측정하여 성능 변화를 비교·분석 하였다. 이러한 접근은 기존 시뮬레이션 중심의 연구가 제공하지 못했 던 실제 주행 데이터를 기반으로 환경 요인의 영향을 확인했다는 점에서 의의를 갖는다. 특히 도출된 결과는 향후 자율주행 차량 통신 안정성 확보, 네트워크 설계 및 최적화, C-ITS 서비스 품질 보장 정책 수립 등에 활 용될 수 있는 실무적 근거 자료로서 기여할 수 있다.

2. 관련 연구

기존 V2X 성능 연구는 주로 통신 기술 표준화와 물리계층 설계, 자원 할당 방식, QoS 보장 기법 등에 초 점을 맞추어 진행되었다. 3GPP Release 14에서는 LTE-V2X 표준을 완성하고, Release 16에서는 NR-V2X로 확 장하여 플래투닝, 확장 센서, 원격 운전 등 다양한 유스케이스를 정의하였으며(Ganesan et al., 2019;Castañeda Garcia et al., 2021;Chen et al., 2020), NR-V2X는 유니캐스트·그룹캐스트를 포함한 다양한 통신 형태를 지원 하고 향상된 사이드링크 물리계층과 QoS 기반 자원 관리 구조를 제공한다. IEEE 802.11p 기반의 도시 환경 V2V(Vehicle-to-Vehicle) 성능 분석에서는 LoS(Line-of-Sight) 구간에서 거리와 무관하게 높은 PDR이 유지되었 으나, NLoS 구간에서는 거리 증가와 함께 성능이 급격히 저하되었으며, LoS/NLoS 지속시간이 멱함수 분포 를 따르고 NLoS 조건이 빈번하고 장기간 지속될 수 있음이 보고되었다(Lv et al., 2016). 북유럽 혹한기 환경 에서 LTE와 5G 기반 V2V/V2I(Vehicle-to-Infrastructure) 성능을 비교한 연구에서는 5G Test Network가 LTE 대 비 낮은 지연과 높은 처리량을 보여, 기상·노면 상태 데이터를 실시간 전송하는 C-ITS 응용에서 유리함이 입 증되었다(Tahir et al., 2022).

최근에는 시뮬레이션 기반의 V2X 성능평가 연구도 활발히 진행되고 있다. Lee et al.(2024)은 MATLAB 기 반 C-V2X/NR-V2X 시뮬레이터(WiLabV2Xsim)와 차량 동역학·트래픽 시뮬레이터(Virtual Test Drive, VTD)를 결합한 통합 시뮬레이터를 제안하여, 실제 도로 환경이 반영된 시나리오에서 PDR, IPG(Inter-Packet Gap), CBR(Channel Busy Ratio) 등 다양한 지표를 분석할 수 있도록 하였다. 이 연구는 ASAM Open Scenario 기반 환경 모델링을 통해 다양한 기상·도로·교통 조건을 재현할 수 있도록 하였으며, 시뮬레이션을 활용해 무선 자원 할당 방식과 분산 혼잡 제어 기법을 검증할 수 있음을 보여주었다.

또한 Schubert et al.(2023)은 고속도로 환경에서 5G NSA(Non-Standalone) 기반 V2X 성능을 측정하여 RTT, 지연, 패킷 길이 변화에 따른 성능 특성을 분석하였으며, 상용망과 시험망 간의 성능 차이, NSA 구조의 업링 크 제한이 통신 품질에 미치는 영향을 규명하였다. 해당 연구에서는 LTE 대비 개선된 지연 성능을 확인하였 으나, Standalone(SA) 구조 전환 시 추가 향상 가능성을 제시하였다. Park et al.(2023)은 고속도로와 주행시험 장에서 5G-NR-V2X 성능을 평가하여, LoS환경에서 최대 1.5 km까지 99.99% 이상의 PDR을 달성하였으며, 1.58 km 이후에는 96.84% 이하로 급격히 감소함을 확인하였다. 또한 차량 이동 방향과 안테나 배치에 따라 성능 차이가 발생하였고, 이동 속도 30 km/h 조건에서도 LoS 환경에서는 높은 PDR을 유지하는 것으로 보고 하였다.

이와같이 기존 연구들은 기술 표준, 물리계층 설계, 주파수 대역, 네트워크 구조(Standalone/Non-Standalone) 및 LoS/NLoS 환경에서의 성능 특성에 대한 분석이 주를 이루고 있으며, 실제 환경 요인(기상, 수목, 교통량) 변화에 따른 PDR 변화를 집중적으로 다룬 연구는 제한적이다. 또한 무선접속방식, 주파수 대역, 자원 관리 기법, 네트워크 구조 등 통신 기술적 요인이나 도심/교외·고속도로, LoS/NLoS 여부 등 환경 유형 분류에 따 른 성능 특성을 분석하는 데 초점을 맞추었다. 특히 최근의 5G-NR-V2X 실증연구와 통합 시뮬레이터 기반 연구들은 최대 통신거리, 지연, 패킷 크기별 성능, 자원 할당 및 혼잡 제어 기법 검증 등을 중심으로 평가하 였으나(Lee et al., 2024;Schubert et al., 2023;Park et al., 2023), 기상·수목·교통 밀도와 같은 복합적인 환경 요 인을 변수로 설정하여 실험한 사례는 드물다.

Ⅱ. 개발 시스템 구성

본 논문에서는 다양한 실도로 환경 조건에서 5G-NR-V2X 기반 V2V 통신 성능을 검증하였다. 통신 성능 실험을 위해 송신(Sender) 차량과 수신(Receiver) 차량이 동일한 도로 구간을 주행하며, PC5 인터페이스 기반 V2V 직접 통신을 수행하는 방식으로 진행하였다. 송신 차량에서는 전방의 실시간 영상을 별도의 압축없이 Raw 데이터로 생성하여 무선 채널을 통해 전송하였으며, 수신 차량에서는 영상을 수신하는 동안 PDR, 수신 시각, GPS 위치 정보 등을 기록하였다. 주행 환경은 수목 밀도, 강수량, 교통량 등 다양한 조건을 포함하도록 구성하였으며, 이를 통해 각 변수 변화에 따른 통신 성능 차이를 분석하였다.

분석에서는 세 가지 성능 지표(PDR, Throughput, Latency)를 모두 측정하였으며, 이 중 PDR을 중심으로 결 과를 제시하였다. Throughput과 Latency는 환경 변화에 따른 상대적 변동성이 제한적이고, 변화 경향이 뚜렷 하게 구분되지 않아 보조 지표로 활용되었다.

1. 통신 성능 측정을 위한 시스템 구성

성능 측정 실험에 사용된 장비는 송신 차량과 수신 차량 모두 동일한 구조로 구성되었다. <Fig. 1>에서는 실험에 투입된 송신·수신 차량의 외부 모습과 차량에 장착된 장비 구성을 보여준다. 차량 내부에는 5G-NR-V2X 통신 모듈, 5G 라우터, 데이터 수집용 미니 PC, 전원 공급 장치가 설치되었으며, 각 장치는 이더 넷 케이블을 통해 상호 연결되었다.

<Fig. 1>

Experimental vehicles (left) and Equipment setup (right)

또한, 실험 중 송수신 상태를 실시간으로 모니터링하기 위한 응용 프로그램 및 조작 편의를 위한 GUI를 개발하였다. <Fig. 2>에서는 송신 차량에서 촬영한 모니터링 화면과 수신 차량에서 수신된 영상을 보여준다. 수신 화면에는 PDR, Throughput, Latency, Distance, GPS 기반 위치 등이 함께 표시되며, 여기서 Distance는 송 신 차량과 수신 차량 간 거리를 의미한다. 아울러, 본 연구에서 활용된 성능 모니터링 SW는 GitHub를 통해 오픈소스로 공개되어 있다(ETRI, 2025).

<Fig. 2>

Monitoring interface for sender (left) and receiver (right)

본 연구에서 활용된 5G-NR-V2X OBU 장치는 연구 과제를 통해 자체 개발된 IP 통신 모듈을 내장하고 있 으며, 개발된 통신장치 및 성능 측정을 위해 사용된 주요 파라미터는 <Table 1>과 <Table 2>에 각각 정리하 였다.

<Table 1>

5G-NR-V2X Communication device parameters

Product	Parameter	Value
	Carrier Frequency	5.92 GHz
	Subcarrier Spacing	30 kHz
	Channel Bandwidth	20 MHz
	Modulation	256 QAM
	Max TX Power	23 dBm
	Code Rate	45/64
	Antenna Type	omni-directional

2. 통신 성능 측정 방법

통신 성능 측정을 위해 송신 차량에 장착된 웹캠을 통해 실시간 영상을 생성하여 송신하고, 수신 차량에서 해당 영상을 수신하여 관련 통신 데이터를 기록하였다. <Fig. 3>에서는 데이터 생성, 전달, 수집 및 처리 절차 를 세부적인 개념도로 설명한다. 수신 로그에는 패킷 정보, 수신 시각, GPS 좌표 등이 포함되었으며, 모든 로 그는 CSV 형식으로 저장된 후 통합 과정을 거쳐 후처리에 활용하였으며 후처리 단계에서는 IQR(Interquartile Range) 기반의 이상치 제거를 수행하여 데이터 왜곡을 최소화하였다. 최종적으로 정제된 CSV 데이터셋을 기 반으로 PDR을 산출하였으며, 이를 성능 분석에 활용하였다.

<Fig. 3>

Experimental system architecture

특히, PDR은 수신된 영상 패킷의 시퀀스 번호를 기반으로 계산되며 계산식은 (1)과 같다.

여기서 Packet_count 는 해당 구간 동안 수신된 패킷 개수이며, Seq_max 와 Seq_min은 각각 해당 구간에서 관측된 시퀀스 번호의 최대값과 최소값을 각각 나타낸다.

Ⅲ. 주행 도로 환경에 따른 성능 분석

본 논문에서 통신 성능 측정 실험은 세종시 및 인근 대전 지역의 자율주행 시범지구 내 주요 도로 구간에 서 수행되었다. 수집된 데이터의 성능 분석을 Test Case로 구분하여 각 목적과 조건에 따라 <Table 3>과 같이 정리하였다. 모든 Test Case는 동일한 통신장치와 설정값을 기반으로 다양한 주행 도로 환경 조건에 따라 구 분하였다.

TC1에서는 도로 양측의 수목 분포가 서로 다른 두 구간을 비교하여 성능에 차이가 있는지를 분석하였다. 한 구간은 수목이 도로 주변에 밀집해 있어 전파 경로에 장애 요소가 많은 환경이며, 다른 구간은 수목이 상 대적으로 적은 환경이다.

TC2에서는 서로 다른 강수 강도 조건에서 수집한 데이터를 활용하여, 강수량 변화가 통신 성능에 미치는 영향이 있는지를 분석하였다. 실험은 약한 비부터 집중호우에 이르는 여러 수준의 강수 환경에서 수행되었 으며, 이를 통해 기상 요인 중 강수 강도가 통신 품질에 미치는 영향을 확인하였다.

TC3에서는 동일한 도로 구간에서 교통량 차이를 고려하여, 차량 밀도가 높은 시간대와 낮은 시간대의 성 능을 비교함으로써 이를 통한 동일한 물리적 조건에서 차량 밀도 변화가 통신 성능에 미치는 영향을 확인하 였다. 아래에서 TC 별 세부적인 실험 조건 및 결과를 차례로 기술하였다.

1. TC1 (수목 밀도에 따른 통신 성능 분석)

1) 성능 측정을 위한 실험 조건

TC1은 대전 유성구에 위치한 연구단지 순환도로 일부 구간에서 수행되었다. 수목 밀도 차이에 따른 통신 성능을 비교하기 위해, 실험 구간을 <Fig. 4>와 같이 Route A와 Route B로 구분하였다. Route A는 도로 양측 에 수목이 밀집된 구간이며, Route B는 수목이 상대적으로 적은 구간이다. 구간에 따른 실제 도로 환경은 <Fig. 5>와 같다.

<Fig. 4>

Experimental road section for TC1

<Fig. 5>

On-road measurement environment for Route A (left) and B (right)

각 구간의 수목 밀도는 공공데이터포털에서 제공하는 전국 가로수길 정보를 활용하여 산정하였다(Public Data Portal, 2025). 해당 데이터에는 가로수의 위치, 도엽번호 등의 정보가 포함되어 있으며, 이를 기반으로 두 구간의 수목 밀도를 정량화하였다. 실도로 데이터 수집이 이루어진 측정 날짜와 시간, 산정된 밀도 값은 <Table 4>에 제시하였다.

2) 성능 측정을 통한 실험 결과 분석

수목 밀도 조건에 따른 PDR 성능은 <Fig. 6>과 같다. 그래프는 수목이 밀집된 구간과 적은 구간 두 조건 에서 차량 간 거리 변화에 따른 PDR의 분포와 피팅 곡선을 비교하였다. 전체적으로 두 조건 모두 PDR이 98% 이상에서 안정적으로 유지되었으며, 거리 증가에 따른 뚜렷한 성능 저하는 관찰되지 않았다. 두 조건의 분포 양상은 전체적으로 유사했으며, 일부 구간에서만 미세한 분산 차이가 나타났다. IQR 기반 이상치 제거 후 산출한 피팅 곡선 또한 거의 동일한 추세를 보였으며, 이는 수목 밀도의 차이가 PDR에 미치는 영향이 제 한적임을 시사한다. 또한 동일 조건에서 측정된 평균 Throughput은 약 15~16Mbps로 일정하게 유지되었으며, 평균 Latency는 약 1.1ms 수준으로 나타나 환경 변화에 따른 변동은 제한적이었다.

<Fig. 6>

PDR performance comparison by vegetation density

이러한 결과는 본 실험 구간에서 수목의 차단 효과가 미미하며, 전파 경로 차단보다는 다른 요인이 PDR 성능에 더 큰 영향을 줄 수 있음을 알 수 있다.

2. TC2 (강수량 변화에 따른 통신 성능 분석)

1) 성능 측정을 위한 실험 조건

강수량 변화가 통신 성능에 미치는 영향을 분석하기 위한 실험을 위해 <Fig. 7>에서는 데이터 수집이 이 루어진 세 개의 도로 구간을 보여준다. Region A는 대전 유성구 연구단지순환대로 구간으로, 도심 연구단지 내의 왕복 4차선 도로 환경을 포함한다. Region B는 대전 반석역에서 세종시외버스터미널까지 이어지는 주 요 간선 도로로, 도시와 교외 지역을 아우르는 비교적 긴 직선 구간이다. Region C는 세종시청에서 세종국책 연구단지까지 이어지는 도로로, 행정 중심지와 주변 연구단지를 연결하는 구간이다.

<Fig. 7>

Experimental road section for TC2, Region A (left), B (middle), C (right)

참고로, <Fig. 8>에서는 맑은 날 조건에서 Region A, B, C 세 구간에서 측정된 PDR 분포를 박스플롯으로 분석한 결과 구간 간의 분포가 통계적으로 유사하게 나타났으며, 이는 실험을 진행하는 Region A, B, C의 지 역적 차이로 인한 성능 격차가 매우 미미하다는 것을 알 수 있었다. 따라서 본 논문에서는 세 지역에 내린 강수량을 주요 변수로 설정하였다.

<Fig. 8>

Regional comparison of PDR performance under clear-weather conditions

강수량 정보는 기상청에서 제공하는 일 강수량 자료를 기반으로 산정하였으며(KMO, 2025), 본 실험에서 고려된 강수량 구간은 26mm에서 168mm까지로, 약한 비에서 집중호우까지 다양한 조건을 포함한다. 실도로 데이터 수집이 이루어진 측정 날짜, 시간대, 강수량 값은 <Table 5>에 정리하였다.

2) 성능 측정을 통한 실험 결과 분석

강수량 조건에 따른 PDR 성능은 <Fig. 9>에 제시하였다. 그래프는 26mm, 42mm, 66mm, 168mm의 네 가지 강수 조건에서 실측 데이터의 산점도와 이를 기반으로 도출된 피팅 곡선을 나타낸다. 분석 결과, 강수량이 증가할수록 PDR이 감소하는 경향이 뚜렷하게 확인되었다. 26mm 조건에서 평균 PDR은 약 98% 수준을 나타 냈으며, 강수량이 증가함에 따라 성능 저하가 점진적으로 확인되었다. 구체적으로, 49mm에서는 평균 PDR이 약 96%로 2% 감소하였고, 66mm에서는 약 94%로 4% 감소하였다. 특히 168mm 조건에서는 평균 PDR이 약 90%로 떨어져, 기준 대비 8% 이상의 성능 저하가 관찰되었다. 이러한 현상은 ITU-R P.838-3 권고에서 제시 된 바와 같이 강수량이 증가할수록 전파 감쇠가 커지기 때문이며(ITU-R, 2005), 동시에 빗방울에 의한 산란 과 도로 표면 반사 특성 변화로 인해 다중경로 페이딩이 심화된 결과로도 해석할 수 있다(J. B. Andersen, 2011). 또한 동일 조건에서 측정된 평균 Throughput은 약 15~16Mbps로 일정하게 유지되었으며, 평균 Latency 는 26mm 조건에서 약 1.2ms, 그 외 조건에서는 약 1.0ms 수준으로 관찰되어 전반적으로 안정적인 성능을 나 타냈다.

<Fig. 9>

PDR performance comparison by rainfall intensity

결론적으로, 동일 거리 조건에서 비교했을 때 강수량이 많을수록 PDR이 낮아지는 경향이 명확하고 일관 되게 관측되었으며, 이는 V2V 통신에서 강우 환경이 성능 저하를 유발하는 중요한 요인임을 시사한다.

3. TC3 (교통량 변화에 따른 통신 성능 분석)

1) 성능 측정을 위한 실험 조건

교통량 변화가 통신 성능에 미치는 영향을 분석하기 위해 북측 연구단지 지역에서 시작하여 대전정부청 사 방면으로 이어지는 대전 유성구 대덕대로에서 데이터 수집을 진행하였다. 해당 실험 구간의 위치와 범위 는 <Fig. 10>에 제시한 지도를 통해 확인할 수 있다.

<Fig. 10>

Experimental road section for TC3

교통량 데이터는 대전광역시 교통 빅데이터 플랫폼에서 제공하는 대덕대로의 24시간 기준 시간대별 차량 통행량 자료를 기반으로 산정하였다(Daejeon Traffic Big Data Platform, 2025). <Fig. 11> 그래프는 하루 동안 의 교통량 변화를 나타내며, 17:00 - 18:00 구간에서 교통량이 가장 혼잡한 양상을 보였으며 상대적으로 교통 이 원활한 시간대는 20:00–21:00에 해당한다.

<Fig. 11>

Hourly vehicle traffic volume distribution

본 실험에서는 이를 근거로 High Traffic 조건을 17:00 - 18:00, Low Traffic 조건을 20:00 - 21:00로 설정하 였다. 각 조건의 측정 날짜, 시간, 평균 교통량은 <Table 6>에 정리하였다. 또한, <Fig. 12>에는 High Traffic과 Low Traffic 조건에서 촬영한 실험 구간의 도로 모습을 제시하여, 시간대에 따른 교통 밀집도 차이를 직관적 으로 비교할 수 있도록 하였다.

<Fig. 12>

On-road measurement environment for High traffic (left) and Low traffic (right)

2) 성능 측정을 통한 실험 결과 분석

트래픽 조건에 따른 PDR 성능은 <Fig. 13>에 제시하였다. Low Traffic 조건에서는 데이터의 대부분이 PDR 98% 이상 구간에 집중된 반면, High Traffic 조건에서는 PDR이 92~97% 구간에 넓게 분포하며 상대적으로 하 향된 양상이 확인되었다. 피팅 곡선 분석 결과, High Traffic 조건에서는 차량 간 거리가 약 30m 이상으로 증 가할수록 PDR이 97% 이하로 빠르게 감소하는 경향이 나타났다. 이는 차량 통행량이 많아질수록 주변 차량 이 물리적 장애물로 작용하여 송수신 간 LoS가 차단될 가능성이 높아지고, 반사체 증가로 인한 간섭과 신호 왜곡이 심화되기 때문으로 해석할 수 있다(Boban, 2013). 또한 동일 조건에서 측정된 평균 Throughput은 약 15~16Mbps로 일정하게 유지되었으며, 평균 Latency는 High Traffic 조건에서 약 1.5ms, Low Traffic 조건에서 약 1.0ms로 나타나 교통 밀도에 따라 차이를 보였다.

<Fig. 13>

PDR performance comparison by traffic density

결론적으로, 동일 거리 조건에서 비교했을 때 교통 밀집도가 높을수록 PDR이 낮아지는 경향이 분명히 나 타났으며, 이는 교통량이 V2V 통신 성능 저하를 유발하는 주요 요인임을 시사한다.

Ⅳ. 결 론

본 연구에서는 실도로 환경에서 대규모로 수집된 데이터를 활용하여 5G-NR-V2X 통신 성능을 분석하였 다. 실험은 수목 밀도, 강수량, 교통량이라는 세 가지 주요 환경 조건을 중심으로 수행되었으며, 실제 교통 상황을 반영하여 진행되었다. 분석 결과, 수목 밀도 조건에서는 두 구간 모두 PDR이 98% 이상에서 안정적으 로 유지되었으며, 피팅 곡선 또한 유사한 추세를 보여 수목 밀도의 차이가 성능에 미치는 영향은 제한적인 것으로 확인되었다. 반면, 강수량 조건에서는 강우가 증가할수록 PDR 저하가 뚜렷하게 나타났다. 26mm에서 약 98%, 49mm에서 약 96%, 66mm에서 약 94%, 168mm에서는 약 90%로 최대 8% 성능 저하가 관찰되었다. 또한, 교통량 조건에서는 Low Traffic 구간에서 데이터의 대부분이 PDR 98% 이상 구간에 집중된 반면, High Traffic 구간에서는 PDR이 92~97% 구간에 넓게 분포하여 상대적으로 하향된 양상이 확인되었다. Throughput 은 세 조건 전반에서 약 15~16Mbps 수준으로 일정하게 유지되었으나, Latency는 Low Traffic에서 약 1.0ms, High Traffic에서 약 1.5ms로 차이를 보였다.

결론적으로, 수목 밀도는 통신 성능에 유의미한 영향을 미치지 않았으나, 강수량과 교통량은 성능 저하를 유발하는 주요 요인으로 확인되었다. 이는 V2X 통신 시스템의 설계 및 운용 시 기상 조건과 교통 환경을 고 려하는 것이 성능 보장을 위해 중요함을 시사한다. 아울러, 본 연구는 실도로 기반의 대규모 데이터 분석을 통해 환경 요인별 V2X 성능 변화를 실증적으로 규명했다는 점에서 기존 연구와 차별성을 가진다. 이러한 결 과는 향후 자율주행차 및 지능형 교통 시스템 구현 과정에서 통신 안정성을 확보하기 위한 중요한 근거로 활용될 수 있다. 향후 연구에서는 주행 속도나 계절적 변화 등 추가 요인을 반영한 실험을 통해 보다 폭넓은 데이터를 확보하고, 이를 바탕으로 실제 도로 환경에서 발생할 수 있는 다양한 상황에 대응 가능한 V2X 통 신 성능 분석 체계를 확립하고자 한다.