늘어나는 교통 수요에 대응하기 위해 지하도로 건설이 추진 중이다. 지하도로 건설 시, 진출입부에서의 차량 간 합류 및 분류로 인해 교통정체 및 안전성 저하에 대한 우려가 제기된다. 교통정체가 빈번히 발생하는 경부고속도로 금토JCT-양재IC 구간에 서울-용인 지 하도로, 양재-한남 지하도로, 양재-고양 지하도로 건설이 예정되었다. 특정 구간에 다수의 지하도로 건설 시, 접속부 배치 및 위치에 따라 이동성 및 안전성이 변화할 것으로 고려된다. 본 연구에서는 서울-용인 지하도로와 양재-한남 지하도로, 양재-고양 지하도로에 대한 접속부 배치 및 위치에 따른 이동성 및 안전성 분석을 통해 교통혼잡 완화 및 교통안전이 증가하는 지하도로 연계 방안 도출하 였다. 본 연구에서는 지하도로 연계 방안별 이동성 및 안전성 분석을 위해 4가지 시나리오 (1안 : 지하도로 미시행, 2안 : 지하도로 미 연계, 3안 : 양재-고양 연계, 4안 : 양재-한남 연계)를 선정하였다. 교통 시뮬레이션을 활용해 지상도로 및 지하도로 네트워크를 구축 하고 지하도로 내 차량 주행행태를 구현하였다. 이동성은 평균 통행속도와 통과교통량비로 분석하였으며, 안전성은 상충률을 통해 분 석하였다. 이동성 분석결과, 지상도로 합류부에서는 시나리오 3안 (양재-고양 연계)이 지하도로에서 합류되는 교통량이 가장 적어 모 든 이동성 평가지표에서 가장 큰 이동성 개선 효과가 나타났다. 그러나, 지하도로 합류부에서는 시나리오 3안에 비해 시나리오 4안 (양재-한남 연계)이 이동성 개선 효과가 큰 것으로 나타났다. 이는 유사 교통량 대비 차로수 증가 및 지상도로 합류부 정체의 영향인 것으로 분석된다. 안전성 분석결과, 지상도로 합류부에서는 시나리오 3안이 안전성이 높았으나 지하도로 합류부에서는 시나리오 4안이 안전성이 더 높은 것으로 나타났다. 본 연구의 결과는 시나리오별 교통혼잡 완화 및 교통안전 증진 효과를 정량화해 지하도로 연계 방안 결정을 위한 예비타당성 조사에 반영하는 자료로 활용할 수 있을 것으로 기대된다.

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.

지하도로는 폐쇄적인 공간 구조와 내·외부 조도 차이로 인해 지상도로와 다른 교통 환경을 형성하며 이러한 특성은 교 통사고에 영향을 미칠 수 있다. 특히 고속도로 터널에서 사고 발생 시 대형 인명 피해로 이어질 가능성이 크다는 점을 고려할 때 지하도로에서도 유사한 우려가 제기된다. 따라서 지하도로의 교통류 특성을 면밀히 분석하여 안전성을 평가하 고 사고 예방을 위한 효과적인 대책을 마련하는 것이 중요하다. 본 연구에서는 서부간선 지하도로 성산 방면의 14개 VDS 검지기 데이터를 기반으로 지점별 속도 변동성과 교통사고 분석을 통해 안전성을 평가하였고 분석 결과의 시사점 을 바탕으로 지하도로 속도 관리 전략을 설계하였다. 먼저, VDS 검지기 지점별 속도 표준편차와 time-varying-volatility 산출 및 속도의 변동성과 교통사고 데이터 매칭을 통해 사고 개연성과 심각도를 분석하였다. 이후, 사후검정을 통해 속 도 및 속도 변동성 기준으로 동질적 부분집합을 도출하고 회귀분석을 통해 속도 변동성과 교통량·밀도 간의 관계를 규명 하여 속도 변동성을 최소화할 수 있는 최적의 교통량과 밀도를 산출하였다. 분석 결과, 속도 변동성이 큰 구간에서 사고 개연성과 심각도가 높게 나타났으며 지하도로에 구간단속을 적용할 경우 하류부에서 변동성이 증가하는 현상을 확인하 였다. 이를 바탕으로 위험 구간을 식별하고 해당 구간에 가변형 속도 제한 시스템을 적용한 로컬 속도 관리 전략을 제시 하였다. 본 연구의 결과는 지하도로의 사고 예방 및 안전성 향상을 위한 실질적인 속도 관리 전략 설계에 기여할 수 있 을 것으로 기대된다.

도로의 기하선형 정보는 도로 설계, 유지보수, 그리고 안전성 평가에서 핵심적인 요소이다. 특히 종단경사와 곡선반경은 차량의 속도 변화, 제동 거리, 원심력 등에 영향을 미쳐 사고 위험을 높이는 요인으로 작용한다. 따라서 도로 유지관리 측면에서 도로의 기하선형 정보를 정밀하게 측정하고 관리하는 것은 필수적이다(Park et al., 2008). 국토교통부에서는 노드·링크(Node·Link)를 통해 국내 도로망 데이터 통합 시스템을 구축하고 있다. 노드·링크는 교차로, 도로의 시종점, 행정경계 등으로 도로구간을 구분하는 시스템으로, 도로구간을 의미하는 각 링크에는 도로등급, 차로수, 제한속도, 연장 등 다양한 도로특성정보가 입력되어 있으나 곡선반경, 종단경사와 같은 도로의 기하학적 구조 데이터는 포함되어 있지 않다(MOLIT, 2025). 또한, 각 지자체는 “도로대장정보시스템”을 통해 도로의 시설물 및 기하구조를 통합 관리하게 되어있으나, 시스템화 현황이 저조할 뿐만 아니라 연구 등의 목적으로 접근이 제한된다(LX, 2025). 이와 같이, 도로의 기하구조는 중요도에 비해 데이터 관리 부족하며 접근성이 낮다. 따라서 본 연구에서는 노드·링크 시스템에서 제공하는 평면선형 데이터(.shp 파일)를 활용하여 곡선반경과 종단경사를 산출하고 도로 구간별 기하학적 구조 정보를 추정하였다. 이는 향후 도로 주행특성, 안전관리 등 다양한 분야의 연구에 기초자료로 활용될 수 있으며, 도로 안전관리 측면에서 위험구간 판단 근거로 활용할 수 있을 것으로 기대된다.

기후변화는 21세기 인류가 직면한 가장 시급한 과제 중 하나로, 전 세계적으로 이에 대응하기 위한 다양한 정책적 노력 이 이루어지는 중이다. 유럽 사이클리스트 연맹(ECF)에 따르면, 교통 부문이 전체 탄소 배출량의 24%를 차지하며, 그 중 도로 교통 탄소 발생의 75%를 차지하고 있다고 한다. 이는 극심한 대기오염으로 이어져 매년 약 700만 명의 사망을 유 발하는 원인으로 지목되고 있으며, 이에 따라 친환경 교통수단으로의 전환이 필요한 실정이다. 따라서 대전광역시 공공 자전거와 개인자전거 이용 데이터를 활용하여 실제 이용자들의 통행 특성을 분석함으로써 자전거 이용 활성화를 위한 정책적 시사점을 제공하는 것을 목표로 한다. 연구에서는 공공자전거와 개인자전거 이용자의 평일 출퇴근, 평일 그 외, 주말 그룹으로 나누어 주행거리, 주행시간, 평균주행속도를 비교하고 주행 패턴을 분석하였다. 분석 결과, 공공자전거는 대여소를 중심으로 단거리 통행이 주를 이루며, 출퇴근 시간대에는 평균속도가 증가하는 특징을 보였다. 반면, 개인자전 거 이용자들은 특정 경로를 주기적으로 이용하며, 공공자전거 이용자보다 주행거리가 길고 평균속도가 높은 특성을 보였 다. 네트워크 분석 결과, 개인자전거 이용자는 하천변과 주요 간선도로를 따라 중심지로 이동하는 경향이 강했으며, 공공 자전거는 도심 내 주요 교통 거점을 중심으로 이용되는 패턴을 보였다. 이러한 결과를 바탕으로, 공공자전거 대여소 최 적화 배치, 개인자전거 이용자의 주요 이동 경로를 반영한 자전거 도로 확충, 안전한 주행 환경 조성 등의 정책적 개선 이 필요함을 시사한다. 향후 연구에서는 자전거 이용 데이터를 보다 다양한 교통 데이터와 결합하여 이동 목적과 패턴을 보다 정밀하게 분석하고, 기후 변화 및 계절적 요인이 이용 행태에 미치는 영향을 실증적으로 평가할 필요가 있다. 이를 통해 지속 가능하고 효과적인 자전거 정책을 수립하는 데 기여할 수 있을 것이다.

도로 관리는 교통 시스템과 국가 경제에 중대한 영향을 미치며, 이에 따라 도로 유지관리는 시민들의 삶의 질을 향상시 키는 데 중요한 역할을 한다. 따라서 체계적인 유지관리는 도로 안전성과 경제적 효율성을 높이는 데 필수적이다. 기존 의 도로 관리 방식은 대부분 반응적이며, 종이 문서를 기반으로 이루어져 정보 손실, 데이터 손상, 검색의 어려움 등의 여러 제한점을 가지고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 3D 모델과 관련 데이터를 일대일 매핑하여 자 동으로 입력할 수 있도록 하는 BIM (Building Information Model)을 활용한 접근 방식을 제안한다. 본 연구는 주로 BIM 생성을 위해 널리 사용되는 Autodesk Revit을 활용하여 3D 도로 모델을 생성하고, 도로의 손상 정보 (길이, 폭, 보수 면 적, 보수 부피, 유지보수 이력 등)를 통합 관리하는 방법을 연구한다. 하지만 Revit은 디지털 정보를 3D 모델에 자동으로 가져오는 기능이 없기 때문에, Visual Programming 도구를 이용하여 유지관리 기록 정보를 BIM으로 자동 입력하는 방 법을 개발하였다. 이를 통해, 사용자가 특정 도로 손상 모델을 선택하면 해당 손상의 통합 이력을 표시할 수 있는 새로 운 통합 이력 관리 시스템을 구축하였다. 이러한 접근 방식은 종이 문서 기반의 기록 방식에서 발생하는 데이터 손상, 기록량 증가, 특정 데이터 검색의 어려움 등의 문제를 해결할 수 있으며, 신속하고 정확한 의사 결정을 지원한다. 본 연 구는 BIM을 활용한 도로의 통합 이력 관리 시스템 구축을 통해 새로운 방향성을 제시한다.

국내 도심지에 적용하고 있는 중앙버스정류장의 포장은 주로 아스팔트 포장으로 시공되어 있으나 중차량인 버스의 하 중으로 인해 포장 파손 사례가 증가하여 시민들의 안전에 악영향을 미치고 있으며 유지보수 비용이 매년 증가하고 있다. 서울시에서는 이러한 문제를 해결하기 위해 국내 최초로 중앙버스정류장 신설 구간에 현장타설 방식으로 연속철근 콘크 리트 포장(CRCP)을 시공하였다. 본 연구에서는 이러한 구간의 연속철근 콘크리트 포장에 대한 이동차량 하중에 의한 동 적 거동 특성을 분석하고자 포장 슬래브에 콘크리트 변형률계를 설치하고 덤프트럭을 통과시키며 동적 하중 재하 실험 을 수행하였다. 실험에서는 이동차량의 속도를 다양하게 변화시켜 차량 속도에 따른 포장 슬래브의 동적 거동을 비교 분 석하였으며 이동차량이 CRCP의 여러 위치에서 정지하도록 하여 정지 위치에 따른 거동도 분석하였다. 실험 결과, 차량 이 CRCP를 통행할 경우 차량 속도 및 정지 위치에 따른 포장 슬래브의 동적 변형률은 매우 유사한 것으로 분석되었다.

차 사고는 현재 계절별 정책(예: 노면 결빙, 강수 등)과 주·야간에 따른 대응이 이루어지고 있으나 자전거사고는 이러한 계절별 특성을 반영한 연구와 정책이 부족한 상황이다. 현재 대부분의 자전거사고 분석은 인적 요소(안전 장구 미착용, 중앙선 침범 등)에 초점이 맞춰지고 있다. 그러나 자전거사고 또한 계절별로 도로 특성이 달라짐에 따라 위험 요소가 달 라진다. 여름철에는 강과 인접한 지역이 미끄럽거나 물이 고여있어 위험할 수 있고, 겨울철에는 경사가 심한 지역이 더 욱 위험할 수 있다. 또한, 위험 구간은 주간과 야간에 따라서도 다르게 산정될 수 있다. 현재 계절과 시간대에 따른 자전 거도로 안전성을 분석한 선행 연구가 없기에 이를 분석하고 지도로 시각화해볼 필요가 있다. 이 연구를 통해 날씨와 시 간대별로 위험한 자전거도로 구간을 사전에 도출하여 시민들에게 더욱 안전한 자전거도로 이용이 가능하도록 돕고자 한 다.

낙상은 여러 가지 원인에 의해 넘어지거나 떨어지는 것을 의미한다. 낙상사고는 응급실 내원 손상 환자의 가장 큰 비율 을 차지하며, 2021년 낙상사고는 2011년 대비 5.8% 증가하였다. 특히 보행 중 낙상 사고는 주로 경사진 도로나 지면, 물 이나 눈, 또는 빙판으로 덮여 있는 도로에서 발생하고 있으며, 이는 보행자의 안전을 위협하고 있다. 개인적인 노력 외에 도 공중환경 개선이 필요하나, 이에 대한 연구는 부족한 실정이다. 따라서 본 연구에서는 소방청 추락낙상사고 오픈 API 를 활용하여 보행 중 낙상사고가 일어난 지역의 시·공간적 특성을 파악하고자 한다. 서울시 100x100 그리드별 보행자 낙 상사고 건수를 바탕으로 Moran’s I 분석을 수행하여 공간적 자기 상관성을 파악하였다. 보행자 낙상사고 다발지역이 분 포하는 양상을 파악하고, High-High(HH)로 구분된 상위 지역에 대하여 공간적 특징을 분석하였다. 연구결과는 보행자 도로 유지보수 및 야간 주의 표시 등의 예방책이 필요함을 시사하며, 보행자 안전 증진에 기여할 수 있을 것으로 기대된 다.

최근 친환경 교통수단으로서 자전거 이용이 증가함에 따라, 자전거 이용자의 안전과 편의를 보장하는 교통 인프라 확충 이 중요한 과제로 떠오르고 있다. 도시 내 자전거 친화적인 교통 인프라 구축은 이동성 확보와 교통 안전성 강화를 위해 필수적이다. 국내에서는 공간적 제약으로 인해 기존 차도를 활용한 자전거우선도로가 일부 도입되었으나, 자동차와 자전 거가 혼재됨에 따른 안전성 및 실효성 문제가 지속적으로 제기되고 있다. 이러한 구조는 자전거 이용자의 안전을 보장하 지 못하며, 사고 위험을 증가시키는 문제점을 가지고 있다. 본 연구에서는 국내외 사례 분석, 교통사고 데이터 검토, 도 시계획적 접근을 통해 자전거전용도로 및 자전거전용차로의 구축이 자전거 이용 활성화와 교통 안전성 확보에 미치는 영향을 평가하였다. 이를 기반으로 도로 공간 재배분, 물리적 분리 등의 구체적인 실행 방안을 제시한다. 연구 결과, 자 전거우선도로 대신 자전거전용도로 및 자전거전용차로를 확대할 경우, 사고 발생률이 감소하고, 자전거 이용 편의성이 향상될 것으로 예상된다. 본 연구는 자전거 이용 활성화 및 자전거 사고 예방을 위한 정책적 방향을 제안하며, 도시 교 통 계획 및 인프라 개선을 위한 실질적인 가이드라인을 제공하는 데 기여할 것이다. 따라서 본 연구는 자전거우선도로의 한계를 분석하고, 보다 안전하고 효율적인 대안으로서 자전거전용도로 및 자전거전용차로 확대의 필요성을 제시한다.

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.

오늘날 도로의 이동수단은 자율주행자동차와 더불어 전동 킥보드, 전기 자전거 등과 같은 개인형 이동수단의 등장으로 인해 기존 도 로가 수용해야 할 범위는 더욱 광범위해졌으며, 개인형 이동장치의 시장 확대 및 공유서비스로 인한 개인형 이동장치의 교통사고는 급격하게 증가하고 있는 추세이다. 기존 자동차 중심의 설계 및 운영되고 있는 현재의 도로에서는 자동차 이외의 다른 교통수단 이용 자들은 인프라 시설과 서비스 면에서 안전하지 못하고 편리하지 못한 환경으로 인해 잦은 교통사고 발생과 대중교통 이용 기피 등의 문제로 이어지고 있다. 따라서, 현재 도로의 차량 중심 설계에 의한 한계가 드러나고 있으며 이에 대한 해결책으로 모든 도로 교통수 단 및 이용자가 고려되는 완전도로(Complete Streets)에 관한 관심이 증가함에 따라 완전도로 구축에 관한 정책이 필요한 실정이다. 이 에 본 연구에서는 완전도로 구축을 위해 미시적 교통 시뮬레이션 VISSIM을 활용하여 자율주행자동차 레벨 4 수준의 혼입에 따른 교 통흐름 변화를 분석하여 완전도로 구축을 위한 잉여차로 확보 가능성을 검증하는 분석을 진행하였다. 또한, 잉여차로를 활용하여 완전 도로를 구축하기 위해 국외 완전도로 디자인 매뉴얼을 참고하여 국내 도로의 적용이 가능한 평자지표를 안전성, 형평성, 쾌적성을 고려한 요인을 설정하였으며, 계층화 분석법(Analytic Hierarchy Process, 이하 AHP)을 통해 평가요인별 중요도 가중치를 산정하여 완전도로 구축을 위한 완전도로 서비스수준 산정방안을 제 시하였다. 완전도로 구축을 위한 모바일매핑시스템(MMS) 및 인공지능, 드론(UAV)을 활용하여 도로의 현황 모니터링을 진행하였으며, 도출된 평가지표와 가중치를 활용하여 대상 구간에 적용 및 비교를 위해 완전도로 개념과 가깝게 적용된 세종시의 한누리대로와 비교 ㆍ분석하였다. 이를 토대로 완전도로 서비스수준 적용을 통해 도출된 도로의 한계점을 보완한 완전도로 구축방안을 제시하고자 한다.

서울시는 자전거 수요 증대를 위해 자전거 도로를 꾸준히 설치하고 있지만 자전거 유형에 대한 명확한 설치기준이 없 다. 서울시에서는 자전거 도로 유형 설계시 보행자와의 상충 여부, 보도폭 등 도로 및 교통여건을 고려해야한다고 하였 지만 이에 대한 정량적 수치는 제시되지 않는 상황이다. 특히 보도상의 마찰정도를 판단하는 기준이 정성적으로 제시되 어 있어 도로 유형 설계 기준이 불명확하다. 게다가 현재 자전거 도로 유형은 대부분 해당 도로구간에 구조적으로 설치 가 가능한 자전거도로 유형이 설치된다. 이러한 상황은 안전을 매우 중요시하는 시민들이 자전거 이용을 꺼리게 되는 이 유 중 하나가 될 수 있다. 게다가 기존의 여러 선행연구에서는 자전거도로 유형이 자전거 사고에 높은 영향을 미친다는 분석결과가 도출되어 자전거 도로 유형이 안전사고에 있어 매우 중요하다는 것을 확인하였다. 따라서 자전거 활성화를 위해선 자전거도로 유형 설계에 있어 보다 정량적인 설치기준이 마련되어야 한다고 생각한다. 본 연구에서는 보행량, 자 전거 통행량, 보도폭을 다양하게 설정하여 여러 시나리오를 작성하고 VISSIM을 활용하여 시나리오별로 위험상황 수를 도출하였다. 그리고 각 시나리오별 상충횟수를 계산하여 군집화를 통해 임계 상충횟수를 도출하여 이에 해당하는 최소 서비스수준을 최종적으로 도출하였다. 본 연구는 최종적으로 보도의 상충횟수 기준값을 제안하여 기존의 정성적인 자전 거도로 유형 판단기준을 보다 정량적으로 제시하는데 있어 시사점이 있다.

도로 주행 시 차량의 제동거리 확보와 곡선부 주행 안전성은 도로 설계에서 중요한 요소이며, 강우로 인해 형성되는 수 막은 타이어와 노면 간 마찰력을 저하시켜 제동거리를 증가시키고 주행 안전성을 저해하는 요인으로 작용한다. 기존 도 로 설계에서는 습윤 상태에서의 마찰계수를 기준으로 하지만, 측정 방식마다 수막두께 기준이 상이하여 적용에 한계가 있다. 본 연구에서는 RRL 및 Gallaway 수막두께 예측 모델을 활용하여 다양한 도로 및 기상 조건에서의 수막두께를 예 측하고, 실측 실험을 통해 신뢰도가 높은 모델을 선정한 후, Gallaway의 마찰계수 예측식을 적용하여 강우강도, 배수 거 리, 포장 경사, 노면 조직 깊이, 타이어 트레드 깊이에 따른 마찰계수 변화를 분석하였다. 연구 결과, 강우강도가 증가하 고 배수 거리가 길어질수록 수막두께가 증가하면서 마찰계수가 감소하는 경향을 보였으며, 반대로 포장 경사와 노면 조 직 깊이가 증가할 경우 배수 성능이 향상되어 수막두께가 얇아지고 마찰계수가 증가하는 것으로 나타났다. 이러한 마찰 계수 변화는 도로 안전성에 직접적인 영향을 미쳐, 강우가 심한 조건에서는 제동거리가 길어지고 곡선부에서는 더 큰 반 경이 필요해지는 것으로 분석되었다. 특히 설계속도가 높은 구간이나 수막두께가 깊이 형성되는 구간, 타이어 트레드 깊 이가 얕은 경우 현행 도로 설계 기준이 요구하는 정지 시거를 충족하지 못하는 사례가 발생하였으며, 곡선부에서도 동일 한 문제점이 확인되었다. 결과적으로 강우 조건을 반영한 도로 설계 기준의 보완이 필요하며, 배수 성능을 강화하고 마 찰력 저하를 방지할 수 있는 포장 기법을 적용하는 것이 요구된다. 또한, 강우 시 주행 안전성을 확보하기 위해 동적 속 도 제한 시스템 도입 및 유지관리 체계를 강화하고, 강우 조건을 고려한 정지 시거 및 곡선 반경 설계 기준을 마련함으 로써 도로 안전성을 향상시킬 필요가 있다.

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.

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.

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.

2024년 기준으로 서울특별시의 자전거 이용률과 자전거 도로 인프라가 모두 증가하는 경향을 보이고 있는 반면 자전거 사고건수 및 자전거 사고로 인한 사망자수와 중상자수는 매년 감소하고 있는 추세를 보이고 있어 현행 자전거 관련 안전 정책이 어느 정도 실효성 이 있음을 시사한다. 그러나 중상 및 사망사고는 여전히 지속적으로 발생하고 있어 이에 대한 효과적인 정책이 필요한 상황이지만 현 재 국내 자전거 안전 정책은 사고 예방에만 집중되어 있어 사고의 특성을 종합적으로 반영하지 못한다는 큰 문제점이 있다. 이에 본 연구는 서울특별시 자전거 사고 데이터를 기반으로 자전거 도로 유형별로 서로 다른 값의 가중치를 부여하여 자전거 도로 자체의 특 성을 반영한 사고 심각도를 산출하고, 사고 심각도와 사고 건수를 각각 표준화하여 단위를 통일한 후 이를 통합한 종합적 사고 위험 도 점수를 도출하는 방법론을 사용하였다. 본 연구의 목적은 실제 서울특별시의 공유자전거 사고데이터를 활용하여 자전거 도로 유형 에 따라 사고 심각도와 사고 건수를 종합적으로 고려한 사고 위험도 지표를 개발하는 방법론을 제안하고, 이를 자전거 위험도 분석 및 도로 유형별 맞춤형 안전 대책 마련을 위한 정책적 근거로 제공할 수 있도록 그 기준을 검토하는 것이다. 데이터수집의 경우, 2021 년~2023년 3년간 서울특별시에서 발생한 자전거 교통사고 데이터와 자전거 교통사고가 발생하는 지점의 도로 유형, 경사, 노면상태 등 자전거 도로 인프라 자체적 특성과 자전거 사고 발생 시 기상상황 등 환경적 특성이 포함된 자전거 사고 발생 도로환경요인 데이터를 확보하였다 분석방법론의 경우, 자전거 교통사고에 영향을 미치는 다양한 요인들을 계층적으로 고려하기 위한 방법론인 Hierarchical Modeling을 적용하였으며, 3개의 계층으로 구성된 프레임워크를 구축하여 사고 심각도, 자전거 도로 유형별 사고 심각도를 반영한 공 간 위험도, 종합적 사고 위험도 점수를 체계적으로 도출하였다. Level 1에서는 사고 데이터를 기반으로 사고 심각도를 정량화하고, 도 로 유형에 따른 가중치를 적용하여 사고 심각도를 평가하였다. Level 2에서는 MCAR(Model for Conditional Autoregressive Effects) 모델 을 활용하여 시공간적 상관성을 반영하고, 이를 바탕으로 도로 유형별 사고 심각도를 조정하였다. Level 3에서는 Level 2에서 도출된 도로 유형별 사고 심각도 점수에 사고 발생 빈도를 반영하여 최종적인 종합 사고 위험도 점수를 산출하고, 안전 정책 적용이 시급한 지점을 도출하였다. 향후에는 머신러닝 기반의 예측 모델을 활용하여 도출된 종합적 사고 위험도 점수와 비교 분석할 예정이다.