도로 설계는 자연 지형에 순응하도록 선형을 결정함으로써 경제적이며 환경적인 피해가 최소화되는 도로 건설이 이루어지도록 할 필요가 있다. 현 도로설계기준은 지형을 평지와 산지로만 구분하고 있으나 국토의 25.8%가 구릉지이며 미국이나 호주 등 선진국의 경우도 지형을 평지, 구릉지, 산지로 세분화하여 자연 지형에 최대한 부합되는 설계를 유도하고 있음을 감안 시 구릉지를 포함한 세분화된 기준이 필요하다. 본 연구는 원지반의 기복량을 지표로 세 가지 독립된 지형간의 구분 기준을 정량적으로 제시하였다. 세분화된 지형 정의를 전제로 지형을 구분할 수 있는 방안에 대한 개념적 틀을 세우고 이를 도로설계 사례분석 등을 토대로 검토하였다. 연구 결론으로, 평지는 설계 단위구간(1km) 내 지반고 최고점과 최저점의 차이가 40m 미만, 구릉지는 40~60m 이내, 산지는 60m를 초과하는 것으로 제안하였다.

우리나라는 그동안 사회기반시설로서 도로역할을 중시하여 도로부문에 매년 대규모 예산을 투입했다. 그 결과 개발이 용이한 평탄지를 중심으로 한 국가 기간 도로망 체계 확보에 결실이 있었다. 그러나 앞으로 지속적인 도로망 체계를 건설하기 위해서는 산악지형과 같은 고비용이 들어가는 지형에 대해서 효율적으로 개발해야 하는 과제를 안고 있다. 이러한 지형은 도로 설계속도 결정단계에서 고려되어야 할 중요한 입력변수이다. 그럼에도 불구하고 현재 도로설계기준상에는 지형구분을 위한 명확하고 객관적인 판단기준이 제시되어 있지 않기 때문에 설계속도가 부정확하게 결정될 수도 있다. 본 연구는 지형구분의 필요성에 대해 인지하고 고도 및 경사 그리고 주행속도 자료를 바탕으로 합리적으로 지형구분을 하였으며, 연구결과는 다음과 같다. 첫째, 본 연구에서는 GIS data를 이용하여 고도와 경사도에 따라 지형을 9가지 AREA로 분류하였으며, 지형분류 data(AREA)와 주행속도 자료를 matching하여 분석한 결과, AREA의 분류에 따른 특성이 주행속도에 영향을 미치는 것으로 나타났다. 둘째, 본 연구에서는 고도와 경사도에 따른 지형분류와 지형분류에 따른 그룹 간 주행속도의 유의성 분석 결과를 근거로 해서 평지, 구릉지, 산지로 우리나라 지형을 구분하였다. 본 연구는 일반국도를 대상으로 한 주행 속도자료를 이용하였기 때문에 지방도나 군도등 기능이 다른 도로에 대해서는 적용상의 한계가 있으나, 향후 도로건설시 도로가 통과하는 지역의 지형적 특성을 반영 할 수 있는 하나의 기준이 될 것으로 기대된다.

Outdoor mobile robots are faced with various terrain types having different characteristics. To run safely and carry out the mission, mobile robot should recognize terrain types, physical and geometric characteristics and so on. It is essential to control appropriate motion for each terrain characteristics. One way to determine the terrain types is to use non‐contact sensor data such as vision and laser sensor. Another way is to use contact sensor data such as slope of body, vibration and current of motor that are reaction data from the ground to the tire. In this paper, we presented experimental results on terrain classification using contact sensor data. We made a mobile robot for collecting contact sensor data and collected data from four terrains we chose for experimental terrains. Through analysis of the collecting data, we suggested a new method of terrain feature extraction considering physical characteristics and confirmed that the proposed method can classify the four terrains that we chose for experimental terrains. We can also be confirmed that terrain feature extraction method using Fast Fourier Transform (FFT) typically used in previous studies and the proposed method have similar classification performance through back propagation learning algorithm. However, both methods differ in the amount of data including terrain feature information. So we defined an index determined by the amount of terrain feature information and classification error rate. And the index can evaluate classification efficiency. We compared the results of each method through the index. The comparison showed that our method is more efficient than the existing method.

One of the requirements for autonomous vehicles on off-road is to move stably in unstructured environments. Such capacity of autonomous vehicles is one of the most important abilities in consideration of mobility. So, many researchers use contact and/or non-contact methods to determine a terrain whether the vehicle can move on or not. In this paper we introduce an algorithm to classify terrains using visual information(one of the non-contacting methods). As a pre-processing, a contrast enhancement technique is introduced to improve classification of terrain. Also, for conducting classification algorithm, training images are grouped according to materials of the surface, and then Bayesian classification are applied to new images to determine membership to each group. In addition to the classification, we can build Traversability map specified by friction coefficients on which autonomous vehicles can decide to go or not. Experiments are made with Load-Cell to determine real friction coefficients of various terrains.