최근 급격한 기후 변화로 인해 도로 교통사고의 발생 빈도가 증가하고 있으며, 특히 겨울철에 자주 발생하는 도로 살얼음(블랙아이 스) 현상이 주요 원인 중 하나로 지목되고 있다. 도로살얼음의 형성 메커니즘은 다양한 요인에 따라 복합적으로 작용하며, 당시의 도 로 기상 조건과 도로의 기하학적 구조에 따라 얼음의 형태 및 강도가 결정된다. 그중에서도 도로 노면 온도는 도로살얼음 형성에 중 요한 요소로, 여러 나라에서 겨울철 교통안전 평가를 위한 주요 지표로 사용되고 있다. 그러나 현재 도로 노면 온도에 대한 명확한 정 의가 부족할 뿐만 아니라, 측정 방법에 따라 계측 편차와 온도 손실 등 여러 한계가 존재해 정확한 온도 측정이 어려운 실정이다. 이 에 본 연구는 지중 깊이에 따른 온도 데이터와 도로 기상 데이터를 결합하여 보다 정밀한 도로 노면 온도 예측 방법을 제시하는 것을 목적으로 한다. 연구를 위해 지중 깊이 2cm, 3cm, 4cm, 5cm, 7cm, 9cm, 15cm, 20cm에 각각 온도 센서를 설치하였으며, 기상 데이터는 해당 지점에서 2m 떨어진 AWS(Automatic Weather System)를 통해 대기 온도, 습도, 강수량, 일사량 등의 정보를 수집하였다. 이를 바 탕으로 지중 온도와 기상 조건의 상관관계를 활용하여 노면 온도를 예측하는 방법론을 도출하였다. 본 연구의 결과는 도로 노면 온도 예측의 정확성을 향상시킬 뿐만 아니라, 새로운 접근 방식을 통해 노면 온도의 정의를 재정립하는 데 기여할 것으로 기대된다.

PURPOSES : Due to the frequent occurrence of accidents on icy roads during nighttime, it would be advantageous to notify road managers and drivers about the most perilous areas. This would allow road managers to treat the icy roads with de-icing chemicals and enable drivers to be better prepared for potential hazards. Essential information about pavement temperature is required to identify icy spots on the road. METHODS : With the goal of estimating nighttime pavement temperature on the National Highways in Korea using atmospheric data, the current study investigated a widely recognized forecasting method known as deep neural network (DNN). To achieve this objective, the input data for the models were gathered from the weather agency's website. The dataset comprised of relative humidity, air temperature, dew point temperature, as well as the differences in air temperature and humidity between two consecutive days. RESULTS : In order to assess the effectiveness of the built DNN model, a comparison was made using baseline pavement temperature data gathered through an infrared-based pavement temperature sensor installed in a highway patrol car. The results indicated that the DNN model achieved a mean absolute error (MAE) of 0.42 and a root mean square error (RMSE) of 0.62. In comparison, a conventional regression model yielded an MAE of 2.07 and an RMSE of 2.64. Thus, the DNN model demonstrated superior performance in comparison to the conventional regression model. CONCLUSIONS : Considering the increasing focus on preventive maintenance, these newly developed prediction models can be implemented proactively as a preventive measure against icing. This proactive approach has the potential to significantly improve traffic safety on winter roads.

PURPOSES : The purpose of this study was to develop techniques for forecasting black ice using historical pavement temperature data collected by patrol cars and concurrent atmospheric data provided by the Korea Meteorological Administration. METHODS : To generate baseline data, the physical principle that ice forms when the pavement temperature is negative and lower than the dew-point temperature was exploited. To forecast frost-induced black ice, deep-learning algorithms were created using air, pavement, and dew point temperatures, as well as humidity, wind speed, and the z-value of the historical pavement temperature of the target segment. RESULTS : The suggested forecasting models were evaluated against baseline data generated by the above-mentioned physical principle using pavement temperature and atmospheric data gathered on a national highway in the vicinity of Young-dong in the Chungcheongbukdo province. The accuracies of the forecasting models for the bridge and roadway segments were 94% and 90%, respectively, indicating satisfactory results. CONCLUSIONS : Preventive anti-icing maintenance activities, such as applying anti-icing chemicals or activating road heating systems before roadways are covered with ice (frost), could be possible with the suggested methodologies. As a result, traffic safety on winter roads, especially at night, could be enhanced.

기상 조건을 고려하여 교통사고 발생 원인과의 관계를 분석한 연구에서는 갑작스러운 온도 또는 기상 상 태의 변화는 교통사고에 영향을 준다는 결론을 제시하고 있다. 특히, 동절기에 기온이 떨어지는 경우, 도로 결빙에 의한 교통사고가 발생할 가능성이 높으며, 도로 표면에서 발생하는 결빙 현상은 운전자가 육안으로 쉽게 관측 할 수 없는 한계를 가진다. 따라서, 노면에 발생하는 결빙은 교통사고의 원인으로 작용 할 수 있 기 때문에, 결빙이 발생한 구간에서 운전자의 주의를 높여 줄 수 있는 대안 등이 요구된다. 결빙 현상은 야 간과 같이 온도가 낮아지는 시간에 발생하므로, 결빙을 예측하기 위해서는 노면 온도에 대한 정보가 필요하 다. 그러나, 노면온도 변화에 직･간접적으로 영향을 주는 대기 기상정보는 거시적(5km*5km 단위) 범위에 서 정보가 제공되므로, 운전자가 주행하는 도로망에 대한 정확한 정보를 제공하는데 어려움이 따른다. 따라 서, 본 연구에서는 운전자가 주행하는 도로망에 대기 온도를 제공 및 예측하기 위해 대기온도, 대기습도, 풍 향 등을 고려한 기상정보와 노면 온도 자료를 활용하여 노면 온도를 예측하는 모형을 개발하고자 한다. 노면 온도 예측 모형을 개발하기 위하여 Thermal Mapping 장비가 장착된 차량을 이용하였으며, Thermal Mapping 장비를 통해 노면온도, 대기온도, 대기습도를 측정한다. 또한, 시스템적으로 GPS가 연계되어 있어서, 정확한 위치 정보의 취득이 가능하며, 노면온도에 영향을 미치는 기상정보는 기상청에 서 수집하여 제공하는 온도, 습도, 풍속 등을 이용하였다. 또한, 지형의 요소를 교량부, 산지부, 평지부, 해안, 내륙을 구분하여 지형적인 요소도 반영 될 수 있도록 하였다. 예측 모형은 비선형 분석 모형을 사용 하여 노면 예측 정확도에 적합한 알고리즘을 사용할 계획이며, 본 연구의 결과는 기상과 관련된 교통안전 관련 연구에 활용될 것으로 기대한다.

This study examined test piece production and on-the-spot test results of power supply system of road surface temperature sensor module that was put to forecast road freezing at bridge section. The temperature sensor module was produced to replace sensitive sensor (temperature and humidity sensor) of road surface that was put by wire system, and to supply power on-the-spot by itself, And, the study researched optimization considering power consumption for self power generation and sensor operation.