본 연구에서는 교목성 낙엽침엽수인 메타세쿼이아(Metasequoia glyptostroboides)가 가로수로 식재된 국내 8개 지역(삼척, 대전, 대구, 구미, 포항, 부산, 진안, 담양)의 10개 도로에서 총 280본을 대상으로 결함 및 관리 특성을 조사하였다. 육안 평가를 기반으로 2022년과 2023년 6~7월에 기본 현황, 결함, 관리 특성을 종합적으로 분석하였다. 결함도는 고사지, 줄기 상처, 병해충 등을 조사하여 정량화하였다. 메타세쿼이아의 평균 수고는 17.8m, 흉고직경 43.2cm, 근원직경 62.3cm, 수관폭 7.7m, 지하고 4.1m였으며, 흉고직경과 수고 간에는 전반적으로 양의 상관관계가 확인되었다. 그러나 흉고직경 기준 수고 예측 모델을 사용하였을 때 자연 집단보다 수고가 최대 11.9m 낮았다. 결함도는 평균 2.21점으로, 근계 결함(96.79%), 해충 피해(60.00%), 고사지(46.79%)가 가장 빈번했다. 보호틀 폭은 대부분 1~2m였으나 일부 구간은 1m 내외로 근계 손상이 발생하였고, 전선 비지중화 구간에서는 가지치기로 인해 수형이 고착되는 경향을 보였다. 교목성 가로수로서 전국적으로 조성된 메타세쿼이아 가로수의 지속 가능한 관리를 위한 종합적인 방안을 강구하는 것이 필요하다.

본 연구는 양버즘나무(Platanus occidentalis) 가로수를 대상으로 가지치기 유형(자연형, 두절형)에 따른 목질부 내부 결함 및 수관울폐도를 분석하였다. 2022년에 서울과 대구에서 총 40본을 선정하여 6월과 9월에 지표면으로부터 30, 60, 90cm 높이에서 음파단층촬영과 전기비저항단층촬 영을 실시하였다. 각 수목의 사방위에서 안드로이드 기반 앱을 활용하여 수관울폐도를 측정하였다. 서울과 대구 모두 자연형에서는 수목 내 부후 중기, 부후 후기, 공동이 없었으나, 두절형에서는 이러한 내부 부후가 확인되었다. 수관울폐도는 자연형(69.9%)보다 두절형(86.0%)이 높았다. 또한 수관울폐도가 높을수록 가로수 내부의 부후, 공동 발생이 증가하였다. 특히 30cm 높이에서 부후, 공동 발생이 가장 많았다. 두 지역 모두에서 수관울폐도와 내부 결함 발생 간에 양의 상관관계가 확인되었다. 이러한 결과는 양버즘나무 가로수의 효율적 관리를 위한 기초 자료로 활용될 수 있다.

도로 위 차량의 차로변경은 주변 차량의 움직임에 민감하게 반응해야 하며, 적절한 속도와 타이밍으로 수행하지 못할 경우 교통 흐름을 방해하고 부정적인 영향을 초래할 수 있다. 자율주행차량(Autonomous Vehicle, AV)은 이러한 문제를 해결하기 위해 주변 상황을 정확히 판단하고 인지하여 차로변경을 수행한다. 이때, 안전 관리 전략의 일환으로 최적화된 차로변경 주행 궤적을 제공함으로써 안전하고 효율적인 차로변경을 실현하는 것이 중요하다. 본 연구는 이러한 배경에서 주변 차량과 EGO 차량의 예측 주행 궤적에 기반한 확률론적 개념인 risk field를 계산하고, 이를 활용하여 차량의 종방 향 및 횡방향 안전 궤적을 제시하였다. 이를 위해 고속도로 드론 데이터를 활용하여 차량 간 상호작용 상황을 분석하고, 차로변경 시나리오 데이터를 분류하였다. 연구에서는 주행 속도와 차량의 경위도 등 1.1초 동안의 연속된 주행 데이터를 입력으로 사용하였으며, 다층 인코더-디코더 장단기 메모리 네트워크(EDLN) 모델을 통해 미래 6초 후 차량의 위치를 예 측하였다. 이후 장 이론(field theory)을 기반으로 한 risk field 모형을 통해 도로 위 각 지점의 위험도를 정량화하였다. 또한, 차량의 거동 제약, 주행 편의성, 그리고 안전성 제약 조건을 반영하여 안전 궤적을 생성하였다. 마지막으로, 생성된 궤적이 교통류 안전성에 미치는 영향을 평가하기 위해 예측된 주행 궤적(predicted trajectory)과 실제 주행 궤적(ground truth)을 비교 분석하였다. 평가지표는 대리 안전 지표(surrogate safety measure, SSM) 중 TTC(Time to Collision)와 PET(Post Encroachment Time)를 활용하였다. 본 연구는 제안된 안전성 정량화 및 궤적 생성 방법이 기존 방법론과 비 교하여 우수한 성능을 보임을 입증하였으며, 향후 자율주행차량 혼재 교통류 및 완전 자율주행 교통류에서 높은 효율성 과 안전성을 확보하는 데 기여할 것으로 기대된다.

자율주행 차량이 상용화됨에 따라 연구에 사용할 수 있는 자율주행 차량의 주행궤적 자료를 제공하고 연구하는 기관이 증가하고 있다. 캘리포니아 자동차관리국은 사고 당시 차량의 거동과 주변 환경을 기록한 자율주행 차량 사고 보고서를 제공한다. Waymo는 라이다, 카메라 등을 통해 수집한 자율주행 차량의 실주행 자료를 제공한다. 본 연구에서는 캘리포 니아 자동차관리국에서 제공하는 자율주행 차량 사고 보고서와 Google Street Map을 이용하여 사고 당시의 도로유형과 도로환경요소 및 사고 당시 상황을 파악하고, 베이지안 네트워크(BN)을 통해 자율주행 차량 사고 영향요인을 파악하였 다. 랜덤 포레스트를 통해 앞에서 파악한 자율주행 차량 사고 영향요인들의 변수 중요도를 추출하고 이를 기반으로 자율 주행 차량 주행 시나리오를 도출하였다. 도출한 자율주행 차량 주행 시나리오와 유사한 상황을 보이는 Waymo Open Dataset의 자율주행 차량 실제 주행궤적을 매칭하여 자율주행 차량 주행 행태 기반 사고 위험도 평가 지표를 도출하였 다. 본 연구의 결과는 앞으로 도로환경요소 및 자율주행 차량 주행궤적에 따른 자율주행 차량 주행 안전성 연구의 기반 이 될 것으로 기대된다.

고속도로 2차 사고는 선행 사고(1차 사고) 또는 전방 고장 차량에 의해 교통흐름이 변화된 상황에서 발생하는 사고로, 이에 대한 효과적인 교통안전 관리전략이 필요하다. 그러나 일반사고에 비해 데이터 표본이 부족하여 신뢰성 있는 대응 전략 수립에 어려움이 있다. 본 연구는 고속도로에서 발생하는 2차 사고의 발생 주요 요인을 식별하고 예측하기 위해 BERT(Bidirectional Encoder Representations from Transformers) 기반 텍스트 분석 모델과 전통적 머신러닝 모델 (XGBoost, RandomForest, CatBoost)을 비교하였다. 교통사고 세부기록, 원클릭 속보자료 등 비정형 텍스트 및 정형 데 이터를 수집하고 1차 사고에 관한 시공간적 동적 변수를 통합하여 인공지능 기반의 사고 예측 프레임워크를 구축하였다. 특히, BERT 기반 모델을 통해 교통사고 문맥 정보를 고려하여 단어 삽입 및 대체 기법에 따른 2차사고 데이터 표본을 보완하였다. 또한, 설명가능한 AI(XAI) 기법을 활용하여 주요 사고 요인의 기여도를 시각적으로 해석하고 사고 예방 및 정책 수립에 필요한 정보를 제공하였다. 연구 결과, 제안된 하이브리드 접근법 기반 연구 프레임워크는 높은 정확도의 2 차 사고 발생 가능성 예측에 효과적이며, 교통사고관리시스템의 신뢰성과 효율성 향상에 핵심적인 기여를 할 것으로 기 대된다.

최근 자율주행 기술의 급속한 발전으로 자율주행 기술이 탑재된 차량이 눈에 띄고 있다. 자율주행 기술로 인해 교통사 고 감소와 효율적인 교통운영을 유도할 수 있는데, 주행 환경뿐만 아니라 주차 환경에서도 큰 이점을 보이고 있다. 이러 한 자율주행 기술을 기반으로 한 로봇 파킹 시스템은 주차 소요 시간을 단축하고 주차 공간을 더욱 효율적으로 활용할 수 있는데, 이는 특히 교통약자들의 이동 편의성을 크게 향상시킬 수 있다. 따라서 본 연구에서는 차량의 진출입이 빈번 하고 보행자의 이동이 많은 고속도로 휴게시설을 대상으로 교통약자를 고려한 로봇 파킹 시스템을 도입하여 안정성과 효율성을 평가하고자 한다. 이를 위해 2010년부터 2022년까지의 고속도로 휴게시설 사고 데이터를 분석하여, 사고 빈도 와 사고 심각도를 고려한 EPDO(Equivalent Property Damage Only) 값이 높은 중부내륙선 충주휴게소(창원방향)를 분석 대상지로 선정하였다. 미시교통 시뮬레이션 VISSIM을 활용하여 대상 휴게소의 도로 및 주차장 네트워크를 구축하고 시 뮬레이션하였다. 안전성 평가를 위해 DRAC(Deceleration Rate to Avoid Crash) 및 PET(Post Encroachment Time) 지 표 등을 활용하였으며, 효율성 평가로는 주차 회전율(Parking Turning Rate) 및 정지횟수(Number of Stops) 지표 등을 사용하여 비교하였다. 본 연구는 기존 연구들과 달리 교통약자의 관점에서 로봇 파킹 시스템의 효과를 분석했다는 점에 서 차별성을 가진다.

보행교통은 모빌리티 수단으로서의 보행을 말하며 안전향상과 활성화 측면에서 접근할 수 있다. 이때 보행교통 위해요 소란 보행자의 안전하고 편리한 통행 환경을 저해하는 요소를 말하며, 이를 사전에 발굴하여 관리함으로써 보행자 사고 예방과 쾌적한 보행환경 구축이 가능하다. 본 연구에서는 2020~2022년 교통사고 데이터와 다양한 보행영향요인 데이터 를 활용하여 교통사고 및 보행자 사고 예측 모델을 개발하고 모델 결과를 해석하여 보행교통 위해요소를 도출하고자 하 였다. 보행영향요인은 기존 문헌에서 고찰된 요인들을 참고하여 수집 및 데이터화 하였으며, 교통사고 예측 모델을 개발 하기 위해 예측력이 우수하고 변수 간의 비선형성 혹은 상호관계를 잘 포착할 수 있는 것으로 알려진 XGBoost, Random Forest, Support Vector Machine과 같은 머신러닝 모델을 활용하였다. 또한 설명가능한 인공지능 기법인 SHAP 알고리즘을 통해 모델을 해석함으로써 변수 중요도와 상호작용을 분석하고 보행교통 위해요소를 도출하였다. 본 연구를 통해 도출된 보행교통 위해요소를 보행친화적인 교통 환경을 위한 중요한 기초 자료로 활용하여 사전에 관리 및 개선할 수 있을 것으로 기대한다.

본 연구는 일본잎갈나무 임분의 지위지수식을 도출하고, 지위지수별 연평균생장량의 차이 및 연평균생장량을 구할 수 있는 추정식을 도출하고자 수행되었다. 본 분석은 국가산림조사에서 일본잎갈나무림으로 판단된 표준지를 대상으로 하였으며, 이용된 표준지 개소수는 576개소였다. 지위지수는 Schumacher 모델을 적용시켜 도출하였으며, 이의 통계적 적합도는 59%였고, 편의는 –0.0002으로 아주 낮게 나타났다. 따라서 추정식은 활용에 있어 문제가 없을 것임을 확인할 수 있었다. 지위지수의 높고 낮음에 따라 연평균생장량의 평균값이 차이가 발생하는지 확인하기 위해 시도한 t-test는 5% 유의수준에서 유의성이 인정되었다. 그러므로 일본잎갈나무를 심을 때 적지적수에 조림한다면, 본 분석 결과와 같이 연평균생장량도 우수하게 될 것이다. 연평균생장량은 지위지수가 변함에 따라 발생할 수 있는 것이므로, 지위지수를 설명변수로 하는 연평균생장량 추정식이 국내 처음으로 도출되었다. 본 분석은 직선식, 곡선식, 지수식 등 5가지 수식을 적용시켰으며, 분석 결과, 식의 적합도 지수는 0.25∼0.26의 범위에 있었고, 편의는 –0.0002∼0.0016, 오차의 표준오차는 2.88∼2.92 인 것으로 나타났다. 도출된 5개 수식에 대해 지위지수를 X축으로 하는 잔차도를 그려본 결과, 잔차는 모두 “0”을 중심으로 고르게 분포하고 있어, 통계적 수치 등을 고려할 때 본 추정식은 충분히 사용 가능할 것이다.