Given the hazards posed by black ice, it is crucial to investigate the conditions that contribute to its formation. Two ensemble machinelearning algorithms, Random Forest (RF) and Extreme Gradient Boosting (XGBoost), were employed to forecast the occurrence of black ice using atmospheric data. Additionally, explainable artificial intelligence techniques, including Feature Importance (FI) and partial dependence Plot (PDP), were utilized to identify atmospheric conditions that significantly increase the likelihood of black ice formation. The machinelearning algorithms achieved a forecasting accuracy of 90%, demonstrating reliable performance. FI analysis revealed distinct key predictors between the algorithms: relative humidity was the most critical for RF, whereas wind speed was paramount for XGBoost. The PDP analysis identified the specific atmospheric conditions under which black ice was likely to form. This study provides detailed insights into the atmospheric precursors of frost/fog-induced black ice formation. These findings enable road managers to implement proactive winter road maintenance strategies, such as optimizing anti-icing patrol routes and displaying warnings on various message signs, thereby enhancing road safety.

This study quantitatively assess the risk of ice-related accidents on road facilities such as bridges and tunnels, and examines the influence of road facility characteristics on ice-related accidents. Ice-related accident data from expressways and national highways in South Korea were collected over a 10-year period (2013–2022). Geographic information systems (GIS) and node-link systems were employed to classify accidents based on road facility types. The number of ice-related accidents per unit length and per individual segment was examined according to the road classification. Furthermore, the fatality rate and fatality-weighted indicator (FWI) were calculated to evaluate the severity of icerelated accidents.The number of ice-related accidents per unit length of road facilities is higher on national highways than on expressways. For both expressways and national highways, the incidence rate of ice-related accidents on bridges was higher than those on ordinary sections and tunnels. A greater number of ice-related accidents occurred on long-span bridges and tunnels for both road classifications. The fatality rate of ice-related accidents on expressways was approximately 1.5 times higher than that on national highways. The fatality rate of ice-related accidents occurring on road facilities within expressways was approximately three times higher than the overall fatality rate of ice-related accidents on expressways. On national highways, the fatality rate of ice-related accidents on bridges was higher than the overall fatality rate of ice-related accidents, whereas the fatality rate of ice-related accidents in tunnels was lower than that on national highways. The FWI of ice-related accidents on bridges and tunnels was more than twice that on ordinary sections on both expressways and national highways. Among expressway facilities, tunnels exhibited the highest FWI, whereas on national highways, the FWI values for bridges and tunnels were similar. The findings of this study suggest that the influence of road facilities on ice-related accidents should be considered in winter road maintenance strategies. This could contribute to reducing not only the frequency of ice-related accidents, but also the number of fatalities and injuries resulting from such incidents.

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.

결빙되거나 적설이 있는 도로와 같이 마찰이 작은 노면에서는 일반 노면과 비교했을 때 제동거리가 크게 증가하기 때문에 심각한 교통사고로 이어질 수 있다. 이에 블랙 아이스(Black ice)와 같은 노면 위험을 감지 하기 위한 노면 분류 기술에 대한 연구가 지금까지 지속적으로 이루어지고 있다. ESC(Electronic Stability Control) 시스템은 차량 자세 제어를 통해 마찰이 작은 노면에서 차량의 미끄러짐 및 전복을 방지하는 능동 안전시스템(Active safety system)이다. ESC 시스템의 성능을 위해서는 정확한 노면 마찰 계수(Road friction coefficient) 추정을 통한 노면 분류가 중요하다. 최근의 노면 분류 기술은 카메라, LiDAR 등의 이미 지 기반의 방법에 중점을 두고 연구가 진행되고 있다. 그러나 이러한 이미지 기반의 방법들은 정확도가 낮을 뿐만 아니라 높은 계산 복잡도의 문제를 가지고 있다. 이뿐만 아니라 높은 비용으로 인해 상용화 측면에서도 단점을 드러내고 있다. 본 연구에서는 그림1처럼 센서 융합 기술을 활용하여 이미지 기반 방법의 문제점을 해결하고자 한다. 차량 횡방향 동역학 모델(Vehicle lateral dynamic model)을 선형화하여 칼만 필터(Kalman filter)를 적용한 노면 마찰 계수 추정 알고리즘을 설계하고, 기계학습(Machine learning) 모델을 적용하여 블랙 아이스 검출 알고 리즘을 설계한다. 전기차 CAN 버스로부터 얻을 수 있는 차량 종방향 가속도(Vehicle longitudinal acceleration)를 제어 입력으로 하고, 요 레이트(Yaw rate)를 측정값으로 하여 칼만 필터에 적용하여 차량 종 방향 속도(Vehicle longitudinal velocity)와 차량 횡방향 속도(Vehicle lateral velocity), 요 레이트, 차량 횡방 향 힘(Vehicle lateral force)을 추정한다. 이때 전통적인 칼만 필터 대신 EKF-UI(Extended kalman filter with unknown input)를 적용하여 시스템 행렬의 크기를 줄여 계산 복잡도를 감소시키고 차량의 거동 변화 를 보다 정확하게 반영할 수 있도록 하였다. 추정된 차량 종방향 속도, 차량 횡방향 속도, 요 레이트를 통해 사이드 슬립 각(Side slip angle)을 구해 사이드 슬립 각과 차량 횡방향 힘의 관계를 이용해 특징들을 찾아 기계학습 모델(e.g. 앙상블 기법, SVM 등)을 적용하여 블랙 아이스를 검출할 수 있다. MATLAB/Simulink SW 및 CarSim을 사용하여 개발한 알고리즘의 성능을 검증하였으며, 본 연구의 결과는 ESC 시스템의 성능 을 개선시켜 차량의 미끄러짐으로 인한 교통사고의 예방에 도움이 될 것으로 예상한다. 여기에 스마트 타이 어(Smart tire)의 센서도 추가해 노면과 타이어 사이의 직접적인 데이터를 추가해 검출 성능을 높일 것이다.

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 paper presents a finite-difference method (FDM)-based heat-transfer model for predicting black-ice formation on asphalt pavements and establishes decision criteria using only meteorological data. Black ice is a major cause of winter road accidents and forms under specific surface temperature and moisture conditions; however, its accurate prediction remains challenging owing to dynamic environmental interactions. The FDM incorporates thermodynamic properties, initial pavement-temperature profiles, and surface heat-transfer mechanisms, i.e., radiation, convection, and conduction. Sensitivity analysis shows the necessity of a 28-d stabilization period for reliable winter predictions. Black-ice prediction logic evaluates the surface conditions, relative humidity, wind speed, and latent-heat accumulation to assess phase changes. Field data from Nonsancheon Bridge were used for validation, where a maximum prediction accuracy of 64% is indicated in specific cases despite the overestimation of surface temperatures compared with sensor measurements. These findings highlight the challenges posed by wet surface conditions and prolonged latent-heat retention, which extend the predicted freezing duration. This study provides a theoretically grounded methodology for predicting black ice on various road structures without necessitating additional measurements. Future studies shall focus on enhancing the model by integrating vehicle-induced heat effects, solar radiation, and improved weather-prediction data while comparing the FDM with machine-learning approaches for performance optimization. The results of this study offer a foundation for developing efficient road-safety measures during 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.

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.

Black ice, a thin and nearly invisible ice layer on roads and pavements, poses a significant danger to drivers and pedestrians during winter due to its transparency. We propose an efficient black ice detection system and technique utilizing Global Positioning System (GPS)-reflected signals. This system consists of a GPS antenna and receiver configured to measure the power of GPS L1 band signal strength. The GPS receiver system was designed to measure the signal power of the Right-Handed Circular Polarization (RHCP) and Left-Handed Circular Polarization (LHCP) from direct and reflected signals using two GPS antennas. Field experiments for GPS LHCP and RHCP reflection measurements were conducted at two distinct sites. We present a Normalized Polarized Reflection Index (NPRI) as a methodological approach for determining the presence of black ice on road surfaces. The field experiments at both sites successfully detected black ice on asphalt roads, indicated by NPRI values greater than 0.1 for elevation angles between 45o and 55o. Our findings demonstrate the potential of the proposed GPS-based system as a cost-effective and scalable solution for large-scale black ice detection, significantly enhancing road safety in cold climates. The scientific significance of this study lies in its novel application of GPS reflection signals for environmental monitoring, offering a new approach that can be integrated into existing GPS infrastructure to detect widespread black ice in real-time.

본 연구는 Lactobacillus acidophilus KCTC 3164 균주에 의해 발효된 깻잎 발효 추출물 (5%, 10%, 15%, 및 20% w/v)을 기능성 첨가제로 사용하여 깻잎 발효물이 첨가된 아이스크림을 제조 함이 목적이다. 깻잎 발효물이 첨가된 아이스크림의 물리·화학적 특성(색상, 점도, pH, 총 산도, 녹는 속 도, 오버런) 및 항산화 활성을 평가하였다. 깻잎 발효물 첨가량이 증가할수록 아이스크림의 색상에 영향 을 주었으며, 아이스크림의 녹는 속도도 증가하였다. 이에 반해 점도는 점차적으로 감소하는 경향을 나 타내었다. 깻잎 발효물 첨가량이 높을수록 오버런은 점진적으로 증가하였고, pH는 유의하게 감소하였으 며, 총 산도는 증가하였다. 깻잎 발효물이 첨가된 아이스크림의 DPPH 라디컬 소거능과 총 폴리페놀 함 량은 깻잎 발효물 첨가량이 많아질수록 유의적으로 증가하는 것으로 나타났다. 본 연구결과 10% 깻잎 발효추출물을 함유한 아이스크림 실험군이 높은 오버런, 낮은 녹는 속도, 원하는 점도, 높은 DPPH 라디 컬 소거능과 총 폴리페놀 함량을 보여 기능성 아이스크림으로의 잠재력이 있는 것을 알 수 있었다.

최근 국내 겨울철 블랙아이스(Black Ice)로 인해 발생하는 교통사고가 증가하는 추세이며, 한국 도로교통공단 조사 결 과 2016～2020년 겨울철까지 블랙아이스로 인한 사고는 총 4,868건이며, 사상자는 8,938명인 것으로 조사 되었다. 도로상 태에 따라 건조대비 동결상태에서 교통사고 발생시 치사율이 43%로 높게 나타났다. 이러한 사고는 기온이 떨어지는 12 월부터 급증하여, 최저기온이 가장낮은 1월까지 증가한다. 블랙아이스는 도로에 쌓인 눈이 융해(해설)과 동시에 도로 위 각종 이물질과 결합 후 재동결하여 흑색 동결막을 형성하는 것을 말한다. 그 특성상 운전자가 차량내부에서 도로의 상태 를 쉽게 파악할 수 없으며 대부분의 운전자가 차량이 미끄러지기 시작함과 동시에 인지하여 사고가 발생하게 된다. 이에 본 연구에서는 기존 포장체의 미끄럼 저항도를 상태별로 비교 분석하였다. 포장체의 미끄럼 저항성 정도를 파악하기 위 해 영국식 미끄럼저항 시험기 (British Pendulum Tester ; BPT)를 사용하였으며, 포장체의 종류로는 일반적인 밀입도 아스팔트 포장, 배수성 아스팔트 포장, 그루빙(포장 표면에 일정한 규격의 홈을 형성)을 적용한 콘크리트 포장, 그루빙이 없는 콘크리트 포장을 적용하였다. 미끄럼저항 실험은 관련 KS규격 및 ASTM규격에 준하여 실시하되 블랙아이스를 모 사하기위하여 표면온도 영하 2～3℃ 샘플에 강우를 모사한 물을 분사하며 영하 9℃로 10분 동결 후 2mm강수량을 모사 한 수분을 재 분사한 후 시험을 실시하였다.