도로의 기하선형 정보는 도로 설계, 유지보수, 그리고 안전성 평가에서 핵심적인 요소이다. 특히 종단경사와 곡선반경은 차량의 속도 변화, 제동 거리, 원심력 등에 영향을 미쳐 사고 위험을 높이는 요인으로 작용한다. 따라서 도로 유지관리 측면에서 도로의 기하선형 정보를 정밀하게 측정하고 관리하는 것은 필수적이다(Park et al., 2008). 국토교통부에서는 노드·링크(Node·Link)를 통해 국내 도로망 데이터 통합 시스템을 구축하고 있다. 노드·링크는 교차로, 도로의 시종점, 행정경계 등으로 도로구간을 구분하는 시스템으로, 도로구간을 의미하는 각 링크에는 도로등급, 차로수, 제한속도, 연장 등 다양한 도로특성정보가 입력되어 있으나 곡선반경, 종단경사와 같은 도로의 기하학적 구조 데이터는 포함되어 있지 않다(MOLIT, 2025). 또한, 각 지자체는 “도로대장정보시스템”을 통해 도로의 시설물 및 기하구조를 통합 관리하게 되어있으나, 시스템화 현황이 저조할 뿐만 아니라 연구 등의 목적으로 접근이 제한된다(LX, 2025). 이와 같이, 도로의 기하구조는 중요도에 비해 데이터 관리 부족하며 접근성이 낮다. 따라서 본 연구에서는 노드·링크 시스템에서 제공하는 평면선형 데이터(.shp 파일)를 활용하여 곡선반경과 종단경사를 산출하고 도로 구간별 기하학적 구조 정보를 추정하였다. 이는 향후 도로 주행특성, 안전관리 등 다양한 분야의 연구에 기초자료로 활용될 수 있으며, 도로 안전관리 측면에서 위험구간 판단 근거로 활용할 수 있을 것으로 기대된다.

결빙(Black Ice)은 도로 포장체 표면의 균열 등에 스며든 습기나 눈, 그리고 차량 주행 중 발생하는 타이어 분진 및 배 기가스 등의 영향으로 인해 도로 표면과 유사한 색상의 얇은 얼음막이 형성되는 현상을 의미한다(Cho et al., 2021). 도로 노면이 결빙 상태일 경우, 평균 미끄럼 저항 계수는 건조 노면의 약 30% 수준으로 크게 낮아진다(Lee et al., 2024). 또 한, 결빙은 도로 표면과 색상이 유사하여 운전자가 노면 상태를 즉각적으로 인지하기 어렵고, 이에 따라 제동이나 회피 를 위한 충분한 시간을 확보하기 어렵다. 최근 5년간 발생한 서리·결빙 노면 교통사고의 치사율(사고 100건당 사망자 수) 은 2.69명으로, 이는 건조 노면 교통사고 치사율의 약 2배, 습윤 노면의 1.3배 수준에 해당한다(KoROAD, 2024). 이러한 위험성을 고려하여 국토교통부는 2020년 전국 고속국도 및 일반, 위임국도를 대상으로 403개 구간을 결빙 취약 구간으로 지정하였으며, 이후 464개소로 확대하여 자동염수분사시설, 그루빙(Grovving), 결빙주의표지판 등 안전시설을 확충하여 결빙사고를 집중적으로 관리하고 있다(MOLIT, 2020; BAI 2021). 하지만, 결빙사고 발생건수는 2020년 524건, 2021년 1,204건, 2022년 1,042건으로 증가추세를 보이고 있어, 결빙 취약 구간의 평가 적절성과 실효성에 대한 검토 필요성이 대 두되고 있다(KoROAD, 2024). 본 연구에서는 최근 10년 고속국도에서 발생한 결빙사고와 결빙사고 영향인자를 Random Forest Algorithm으로 분석하 여 도로 구간별 결빙사고 위험도를 평가하였다. 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국 도의 동절기 기상, 기하구조, 교통량 등 결빙사고 영향인자를 구간별로 수집하였다. 각 구간은 최근 10년 결빙사고 데이 터를 통해 결빙사고 발생구간과 비발생 구간으로 분류하였다. 구간별 수집한 결빙사고 영향인자를 독립변수, 사고발생유 무를 종속변수로하여 알고리즘 학습을 위한 데이터셋(Data Set)을 구성하고, 데이터불균형 문제를 해결하기 위해 오버샘 플링(OverSampling) 기법 중 하나인 SMOTE(Synthetic Minority Oversampling Technique)을 적용하였다. 최종적으로 Random Forest Classification Model을 학습하고, 모델의 하이퍼파라미터 조정(HyperParameter Tunning)을 거처 결빙사 고 발생구간 예측성능이 가장 높은 모델을 결정하였다. 이를 통해, 전국 고속국도의 구간별 결빙사고 발생 위험도를 평 가하고 각 결빙사고 영향인자의 변수중요도를 분석함으로써 결빙 취약구간 평가 방안의 신뢰성 제고를 기대한다.

국내에서 겨울철 발생하는 결빙사고는 전체적인 교통사고 대비 치사율이 1.7배 높은 것으로 나타났다. 주행속도가 높은 고속국도의 경우 결빙사고 치사율은 18.7로, 결빙 외 고속국도 교통사고 치사율인 4.2와 비교하여 약 4.5배 높았다(KoROAD, 2024). 특히 교량과 터널과 같은 도로시설물은 구조적 특성과 환경적 요인으로 인해 결빙 형성에 매우 취약하다. 교량은 지면으로부터의 열전달이 차단되 기 때문에 겨울철 노면온도가 낮아 결빙이 형성될 가능성이 높으며, 터널은 겨울철 낮은 온도와 터널 입출구부의 응달지역 형성 및 터널 내부와 외부 공기로 인한 급격한 온도변화로 인해 결빙이 발생할 가능성이 높다. 또한, 도로시설물은 교통사고 발생 시 치사율이 높게 나타나는 경향이 있다. 실제로 교량과 터널에서 발생한 교통사고의 치사율은 전체 1.94, 터널 5.05, 교량 4.10으로 도로시설물에서 발생한 교통사고의 치사율이 높았다(KoROAD and ACCRC, 2017). 따라서 도로시설물에서 발생하는 결빙사고는 쉽게 결빙이 형성되 는 환경조건과 사고 발생 시 치사율이 높은 특성으로 인해 일반 도로보다 높은 위험성을 내포하고 있다. 그러나 현재로써 도로시설물 에서 발생하는 결빙사고의 원인과 위험성을 중점적으로 분석한 연구는 그 수가 부족하며, 기존 연구들은 결빙 구간의 기후적 특성이 나 개별 결빙사고 사례 분석에 국한되어 있어 도로시설물은 결빙사고 분석 시 여러 가지 환경요인 중 하나로서만 고려되고 있는 실정 이다. 본 연구에서는 도로시설물에서의 결빙사고 위험도를 평가하는 방법을 제시하고, 이를 Min-Max(최소-최대) 정규화 과정을 통해 구체 화함으로써 보다 체계적인 분석이 가능하도록 한다. 이를 통해 도로시설물의 겨울철 운영에 있어 효과적인 결빙사고 방지 대책을 수 립하는 데 기여하고자 한다.

This study aimed to statistically analyze and understand the factors contributing to road icing accidents on Korean roads, particularly within sections designated as ice-prone. The objective was to assess the adequacy of the existing criteria for designating these sections and to provide insights for improving safety measures on icy roads. Road icing accident data were collected from Korea’s (traffic accident analysis system (TAAS) database, covering incidents from 2018 to 2022 on both expressways and general roads. The data were compiled to create a comprehensive database that incorporated geographic and weather-related factors influencing road icing accidents. Using geographic information systems (GIS), a spatial analysis was performed on the designated ice-prone and non-designated sections. The inverse distance weighting (IDW) method was applied to interpolate the meteorological data, and the temperature lapse rate was used to adjust for altitude-related variations in temperature, providing estimates for conditions such as the average temperature, relative humidity, and precipitation days at each accident location. The analysis revealed that only 2.9% of designated ice-prone sections reported icing-related accidents, whereas 97.6% of icing accidents occurred in non-designated sections. This discrepancy highlights potential gaps in the current criteria for designating ice-prone areas. Additionally, road characteristics such as traffic volume, lane count, speed limit, and curve radius, along with meteorological factors such as humidity, precipitation frequency, and solar radiation exposure, were observed to be significantly correlated with icing accidents. Regions with high relative humidity and low sunlight exposure exhibited a heightened risk of road icing accidents, suggesting the need for these parameters to designate ice-prone sections. This study underscores the need to refine Korea's criteria for designating ice-prone sections by incorporating a wider range of risk factors, including detailed terrain data, shaded areas, and road geometry factors, such as slopes. Integrating these additional elements into the designation process could enhance the precision and effectiveness of preventive measures and ultimately reduce the risk of icing-related accidents in Korea’s road networks. These findings provide a foundation for future policy and management decisions to enhance road safety during the winter.

2020년 국토교통부에서는 ‘결빙 취약구간 평가 세부 배점표’에 의하면, 전국의 고속국도 및 일반국도를 대상으로 결빙 취약 구간 464 개소를 선정하여 관리중에 있다. 그러나 감사원은 2020년 진행한 주요 사회기반시설(도로ㆍ고속철도) 안전관리실태 감사에서 결빙 취 약 구간 선정 시 터널 입출구부 등 결빙위험이 큰 구간이 도로포장 홈파기 대상구간에서 누락된 점을 지적하였다. 이러한 근거로 결 빙에 취약한 터널 입ㆍ출구에서 결빙사고가 우려되는 등 ‘겨울철 도로교통 안전 강화대책’의 실효성이 저하될 가능성이 제시되었다. 또한 본 연구에서 자체적으로 검토한 결과, 4개 특성 12개 항목으로 구성된 ‘결빙 취약구간 평가 세부 배점표’의 도로시설 항목에서 터널, 교량 등 도로시설물의 배점 부여 기준을 확인하기 어려웠으며, 각 도로시설에 대한 정의가 모호하여 평가표의 현장 적용성이 제 한되거나 신뢰도 검증이 부족한 점을 확인하였다. 본 연구에서는 국토교통부에서 제공하는 노드(Node) 및 링크(Link) 기반의 국내 도로망 GIS(Geographic Information System)데이터 에 결빙사고 데이터의 위치정보를 결합하여 고속국도 및 일반국도의 터널 및 교량 등을 포함하는 도로시설물 및 그 주변에서 발생한 결빙사고 이력을 자료화하였다. 최종적으로 도로시설물별 결빙사고 발생 비율 및 사고 심각도(사망자, 부상자 수)에 대한 분석을 통해 도로시설물의 결빙사고 상관 정도와 영향 범위를 파악하였다.

도로 결빙이란 도로 표면에 형성된 얼음층으로 도로 결빙으로 인한 교통사고의 치사율은 결빙이 원인이 아닌 교통사고의 치사율과 비교하여 1.5배 높은 수치인 2.3으로 나타났다. 현재 국토교통부에서는 결빙사고 취약구간을 선정하고 관리하기 위하여 결빙 취약구간 평가기준표를 제시하였다. 그러나 도로 결빙은 노면 온도와 수분 공급에 따라 형성되며 기온, 구름량, 풍속, 풍향, 상대습도, 강수량 등 의 기상인자들이 복합적으로 작용하여 발생하며, 기존의 평가 기준은 이와 같은 인자들을 충분히 반영하지 못하여 결빙 형성을 예측 하고 평가하는 능력이 부족하다고 판단된다. 따라서 본 연구는 결빙 교통사고 데이터의 통계적인 분석을 통하여 결빙이 형성되는 기 상 조건을 구체화하고 결빙사고 및 결빙 형성을 예측하기 위한 기상학적 기준을 마련하는 것을 목적으로 진행되었다. 2018년 1월 1 일～2024년3월 15일 동안 발생한 결빙 사고와 사고 발생 당시 및 이전 6시간동안의 기상 데이터를 분석 데이터로 사용하였다. 이때, 역거리 가중법, 기온감률 등 공간보간기법을 적용하였다. 이후, 박스도표, 히스토그램, 경험적 누적분포함수 등의 통계분석을 적용하여 결빙사고의 기상 분포 특성을 확인하였다. 최종적으로 결빙사고의 몬테카를로 시뮬레이션을 활용하여 기온 및 습도에 따른 결빙사고 의 발생 확률을 계산하였다. 이와 같은 연구 결과는 결빙 형성을 예측하는 기온 및 습도의 기준점으로 제시할 수 있으며 더 나아가, 추후 결빙사고 예방 및 예보의 기준으로 활용이 가능할 것으로 기대된다.

2019년 12월, 상주-영천 고속도로 상행선에서 도로 노면 결빙에 의한 연쇄추돌사고로 48명의 사상자가 발생하였다. 이에, 국토교통부 는 2020년 1월 결빙 취약구간 선정기준을 마련하여 결빙 취약구간 403개소를 지정하고, 결빙 취약구간을 대상으로 2022년까지 1,699억 원의 예산을 투입하여 결빙사고 예방사업을 계획하였다(BAI, 2021). 하지만, 결빙 취약구간 선정기준에 대해 적정성 검토가 이루어지 지 않아 그 신뢰성과 실효성이 충분히 검증되지 않았다. 본 연구에서는 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국도 및 일반국도의 특성정보(시설, 선형구조, 기상, 교통 등)를 GIS(Geographic Information System) 데이터로 구축하였다. 최근 5년 결빙사고 발생이력이 있는 도로구간(Link)을 확인하고 Random Forest 알고리즘을 통해 도로 특성정보의 결빙사고에 대한 변수 중요도(Feature Importance)를 분석했다. 이를 통해 결빙사고와 각 인자의 상관성을 파악하여 ‘결빙 취약구간 평가 세부 배점표’의 항목별 배점을 수정, 보완함으로써 평가표의 신뢰성을 제고한다.

인공지능(Artificial Intelligence, AI)은 1950년대 초기개념과 이론을 앨런 튜링이 튜링 테스트를 제안하여 기계가 인간과 같은 수준의 지능을 가질 수 있는지 대한 질문을 던지면서 시작되었다. 1980년대부터 특정 분야의 전문 지식을 모방하여 지원하는 AI 시스템인 전 문가 시스템이 부상하기 시작하면서 Machine Learning이 중요성을 얻기 시작하였다. 특히, Decision Tree, Clustering 그리고 Neural Network Algorithm 등이 연구되기 시작하였다. Clustering 기법은 다양한 분야에서 통계분석에 사용되는 자료를 정제하기 위한 비지도 학습 중 하나로, 군집화 알고리즘을 사용하여 자료의 값(Pointer)들을 특정 그룹으로 분류하는 방법이다. 이러한 Clustering을 활용하여 기존 데이터에서 숨겨진 데이터들의 특성을 파악할 수 있으며, 일정 패턴이나 특징을 가진 데이터들끼리의 군집화를 할 수 있게 된다. 이러한 클러스터링은 다양한 산업 분야에서 적용 및 활용하고 있다. 산업화 이후 미국, 벨기에 등 많은 나라에서 효율적인 도로 관 리를 위해 자국의 특성에 맞는 Pavement Management System (PMS)를 운영하고 있지만 현재 많은 분야에서 적용하고 있는 AI를 활용한 사례가 매우 드물다. 한국에서도 수십년 동안 국토교통부와 한국도로공사에서 PMS를 이용하여 도로를 관리해 왔으며, 최근에 는 몇 개 지자체에서 PMS를 도입하였다. 하지만 한국에서는 오랜 PMS 운영 경험에도 불구하고 AI를 활용하지 않고 전통적 방법인 회귀모형을 활용하여 개발한 공용성 예측모형을 사용하고 있기 때문에 그 성능이 떨어지고 있다. 따라서 본 연구에서는 Machine Learning Clustering 기법을 PMS 자료에 적용이 가능한지 확인하였다. 공용성 예측모형의 종속변수인 Performance Factors와 독립변 수인 Influencing Factors 간의 상관성을 확인할 수 없는 경우 클러스터링을 적용하여 종속변수와 독립변수 간의 상관성을 분명히 나 타내고 회귀분석이 가능하도록 하였다. Delaunay Triangulation을 적용하여 인천광역시 기상관측소의 삼각망을 형성하였다. 삼각망의 각 꼭짓점과 도로 각 지점 간의 거리에 대하여 Inverse Distance Weighted 방법을 적용하여 도로 각 구간의 PMS 자료와 영향인자를 매칭하였다. 클러스터링 기법을 원자료에 적용한 결과 공용성인자와 영향인자 간의 상관성이 분명해졌다. 또한, 클러스터링 이전과 이 후 자료의 확률밀도함수의 분포를 비교하여 클러스터링 이후의 자료가 이전의 대해서 대표성을 갖고 있는지 확인하였다.

국토교통부는 2020년 '결빙 취약구간 평가 세부 배점표’에 따라, 전국의 고속국도와 일반국도를 대상으로 410개 구간의 결빙 취약구 간을 선정하였다. 그러나, 2021년 감사원의 결빙 취약구간 지정 적정성 감사 결과에서 감사원은 현재 지정ㆍ관리 중인 결빙 취약구간 및 결빙 취약구간 평가 세부 배점표의 적정성에 문제를 제기하였다. 이에, 국토교통부는 결빙 취약구간을 재지정하여 발표하였으나 그 에 대한 평가 및 지정 적정성 검증이 아직 이루어지지 않았다. 본 연구에서는 결빙 취약구간과 결빙사고 데이터의 위치정보를 수집하여 GIS(Geographic Information System) 데이터로 구축하고 맵핑(Mapping)하여 결빙 취약구간 내 결빙사고이력을 확인함으로서 결빙 취약구간의 결빙사고 예측성능을 평가하였다. 또한, 각 결빙 사고 발생지점에서 도로시설, 교통, 선형구조, 환경인자 데이터를 수집하여 분석한다. 이를 통해 결빙사고와 각 인자 간의 상관성을 파 악하고, 그 결과에 따라 결빙 취약구간 평가 세부 배점표의 평가항목 및 각 항목별 배점을 수정하고 보완함으로써 결빙 취약구간의 신뢰성을 제고한다.

국내 도로 포장설계법인 KPRP와 미국의 포장설계법인 AASHTOWare Pavement·TxCRCP-ME를 CRCP에 대해서 비교해보았다. CRCP 는 강성포장 중 하나로 줄눈이 없고 콘크리트 슬래브 내에 종방향 연속 철근을 삽입한 것이 특징이다. 줄눈부가 없으므로 줄눈부에서 발생하는 파손과 균열이 없어 주행성이 좋고 공용성이 우수하다. 또한 수명이 길어 장수명 포장에 적합하다. 이러한 특징으로, 국내 CRCP의 수요가 증가할 것으로 예상되어 CRCP를 기준으로 비교해보았다. 국내 포장설계법 개발 이전 AASHTO 설계법을 사용해왔지만, 여러 문제점과 한계가 존재하여 국내 실정에 맞는 포장설계법의 개발 이 필요해졌고, 결과적으로 오랜 연구 끝에 2011년 KPRP가 개발되었다. 이후 꾸준히 업데이트를 통해서 현재는 2016년 버전의 KPRP 를 사용하고 있다. 미국에서는 텍사스주의 TxCRCP-ME와 같이 주마다 각기 다른 포장설계법도 있지만, 보편적으로 AASHTOWare Pavement를 사용하여 역학적-경험적 설계를 하고 있다. 분석결과, 공용성 해석 결과 지표의 차이가 가장 컸으며, 이 외에도 피로하중 허용반복횟수, PunchOut 전이함수도 계산 방법과 로직의 계수가 조금씩 달랐다.

본 연구는 2011년에 개발된 한국형 포장설계법(KPRP)이 국내 도로포장 분야에서 어떻게 활용되고 있는지를 조사하며, 특히 JCP(적층 콘크리트 포장) 설계에 중점을 두고 다양한 해외 포장설계 프로그램과의 비교를 수행하였다. 이를 위해 AASHOTO Ware와 같은 국제적으로 인정받고 빈번히 활용되는 해외 프로그램을 선택하여 두 프로그램 간의 차이점을 파악하고자 했다. 비교 대상으로 선정된 AASHOTO Ware는 미국에서 개발된 프로그램으로, 차량 분류 및 기후데이터 활용과 관련하여 KPRP와는 다른 특징을 보인다. AASHOTO Ware는 차량을 16종으로 분류하는 반면, KPRP는 12종으 로 분류하며, 특히 화물차량에 대한 상세한 분류 기준을 가지고 있다. 또한, AASHOTO Ware는 실시간 기후데이터를 인터넷 기반으로 활용하는 반면, KPRP는 기상대에서 축적한 데이터를 사용한다. 두 프로그램 간의 Input 값은 기후데이 터와 교통량 데이터 중 차량 분류를 중심으로 비교하였다. 향후에는 AASHOTO Ware의 설계로직을 분석하여 더욱 세 밀한 비교를 진행하고, 두 프로그램의 설계 전이함수와 로직을 분석하여 KPRP 프로그램의 발전에 기여하는 것이 이 연 구의 최종 목표이다. AASHOTO Ware의 유연한 최종IRI값 설정과 상세한 차량 분류 기준은 KPRP의 발전 가능성을 탐 구하는 데 중요한 지표로 활용될 것으로 예상된다.

겨울철 국내 도로 결빙으로 인한 교통사고가 증가하는 추세를 보이고 있으며 2018년~2022년까지 총 4,609건의 결빙 교통사고가 발 생하였다. 결빙 교통사고의 치사율은 2.3으로 일반적인 교통사고와 비교하여 높은 치사율을 보이며 최근 5년(2018~2022)동안 결빙 교 통사고로 인하여 107명이 사망자와 7,728명의 부상자가 발생하였다. 현재 국토교통부에서 제시한 결빙 취약구간 평가기준표에 따라 결 빙 위험 구간을 지정하고 있으나, 해당 기준은 결빙의 주요 요인으로 고려되는 기상조건을 충분히 반영하지 못하고 있다. 도로 결빙은 노면온도가 0℃ 이하이며 노면에 수분이 공급될 때 형성되며 기온, 구름량, 풍속, 풍향, 상대습도, 강수량 등의 기상인자들이 복합적으 로 작용하여 결빙이 발생한다는 점을 고려하였을 때, 기상 특성은 도로 결빙의 주요 인자로 판단된다. 따라서 국내 결빙 취약구간 평 가기준의 개선이 필요하며 본 연구의 목적은 국내 결빙 교통사고 데이터를 분석하고 결빙이 형성되는 기상 조건을 구체화하는 것이다. 분석을 위한 데이터로 2018년~2022년까지 5년동안 발생한 결빙사고 사례와 기상청 방재기상관측소(AWS)에서 제공하는 기상 데이터 를 적용하였다. 이후, 박스도표, 확률밀도함수 등의 통계분석을 적용하여 결빙 형성 기상 조건을 구체화하였다. 이를 통하여 기존 결빙 취약구간 평가기준의 기상학적 개선 방향성을 제시할 수 있으며 더 나아가 도로 결빙 예측 로직 개발을 기대할 수 있다.

PURPOSES : The purpose of this study is to statistically analyze the meteorological factors that contribute to the formation of road surface icing based on actual cases of icing accidents and provide directions for improving icing evaluation criteria. METHODS : In this study, we collected cases of domestic road icing accidents by searching news articles with the keyword ‘icing collision accidents’. Subsequently, we determined the latitude, longitude, and altitude of accident locations using satellite map service. We applied the Inverse Distance Weighting (IDW) method and temperature lapse rate to estimate meteorological data at each location. Finally, statistical analysis was conducted for temperature, humidity, and precipitation occurrence using probability density functions. RESULTS : As a result, road icing accident data points with identifiable location coordinates were collected. Among these, temperature, humidity, and precipitation occurrence from Automated Weather Stations (AWS) data were selected for analysis. During the process of correcting meteorological factors using the Inverse Distance Weighting (IDW) method, the optimal Weighting Exponent (p) that minimizes the error was determined and applied. The results showed that accidents occurring in the morning indicated the highest accident occurrence rate. The average temperature at the time of the accidents was -1.4°C, with a humidity level of 85.1%. Precipitation was observed at the time of the accident in 19 cases. CONCLUSIONS : Icing on pavement can occur not only under extreme weather conditions but also under typical meteorological conditions. Typically, icing can occur when the relative humidity is above 70%. Accordingly, for future improvements in the evaluation criteria for icing-prone areas by the Ministry of Land, Infrastructure and Transport, it is possible to incorporate the temperature and humidity ranges that generally lead to icing, taking into account climate characteristics.