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.