논문 상세보기
기후변화로 인한 결빙, 폭설, 집중호우 등 도로에서의 기상조건은 해마다 수많은 인명 피해를 유발하고 있다. 그러나 급변하는 기상상태에 신속하게 대처할 수 있는 도로기상 대응체계가 미흡하여 교통사고로 인한 사회·경제적 손실이 가중되고 있다. 최근 교통사고 통계자료에 의하면 기상상태가 좋지 않을 때의 교통사고치사율은 맑은 날씨일 때 보다 2～3배 심각한 것으로 나타났다(교통안전공단 2016). 따라서 기상악화 시 교통사고예방에 필요한 구체적이고 상세한 기상정보를 운전자에게 제공함으로써 교통사고예방 및 도로 운영의 활용성을 높일 수 있는 도로기상 모델개발이 필요하다. 도로기상 모델과 관련해서 도로기상 선진국(유럽, 캐나다, 일본, 미국 등)은 1990년대 초반부터 도로 노면온도와 노면 결빙점 예측을 위한 다양한 모형을 개발하고 모델의 성능을 검증하기 위한 노력을 기울이고 있다(Meng, 2014; Sato, 2004). 이들 국가는 주요 도로에 대해서 도로기상 관리지원시스템을 구축‧운영하고 있으며, 개발된 모델로부터 추정된 노면상태 정보를 도로이용자 및 도로관리자에게 제공함으로써 교통사고 및 도로파손 손실에 따른 사회적 비용을 줄여나가고 있다. 우리나라 도로기상 분야는 결빙 취약구간인 터널의 입·출입부에 수용액 형태의 제설제 자동 분사장치를 설치하여 운영하고 있는 단계로서 도로기상 선진국과 같이 도로구간 단위로 확장하여 서비스할 수 있는 기술은 미흡한 단계이다. 이들 국가와 같이 도로기상 관리지원시스템을 운영하여 주요 도로에 대해서 도로기상 정보를 실시간으로 서비스하기 위해서는 도로의 한 지점만을 대상으로 하는 기술대응 보다는 전체 도로구간의 노면상태를 예측할 수 있는 기상상황별 통합모델 개발이 우선시 되어야 한다. 이러한 기술개발의 필요성에 따라서 본 연구에서는 기상상황별 노면상태를 서비스할 수 있는 통합모델을 개발하였다. 첫 번째 모델은 겨울철 도로노면의 상태를 예측할 수 있는 모델이다. 노면상태 예측모델은 기계학습 방법 중에 하나인 의사결정나무(Decision Tree) 알고리즘 기반으로 개발되었으며, 이동형 차량(Probe vehicle)에서 수집되는 기상입력 자료를 학습하여 기상요소에 따른 4가지 노면상태(Dry, Moist, Wet, Ice)를 예측할 수 있다. 두 번째로 집중호우 기간에 도로에서 발생하는 도로의 수막정보를 예측할 수 있는 모형이다. 도로의 수막예측 모델은 기상청에서 제공하는 1시간 단위의 AWS(Automatic Weather System) 자료와 10m 단위의 도로기하구조 정보를 활용하였다. 도로에서의 강우량 추정은 kNN(k-Nearest Neighbors)기법을 활용하여 대상도로와 가장 가까운 AWS 관측소의 강우정보를 각 해당 도로구간에 할당하였다. 현재 본 도로기상 통합모델은 서울시 내부순환로와 올림픽대로에 대해서 실시간 서비스할 수 있도록 생산체계가 구축되었다. 도로기상 통합모델은 우리나라 주요 도로에 적용이 가능하여 하절기의 집중호우로 인한 물이 고인 도로지점과 동절기의 기온강하로 인한 도로의 결빙현상 등 도로노면상태 정보를 실시간으로 서비스할 수 있다. 또한 기상 악화 시 도로를 효율적으로 관리할 수 있는 의사결정 도구로 활용되어 교통재난 및 도로파손을 줄이는데 기여할 수 있을 것이다.
