낮은 시정, 강우, 강풍, 고온 등 기상 상태는 운전 능력, 차량 성능(예: 마찰, 안정성, 조작력), 노면 마찰력, 도로 인프라, 추돌 위험, 교통 흐름 및 도로 관리자 생산성 등에 영향을 미친다. 최근에는 CCTV, 도로 센서, 차량 센서 등 다양한 도로 기상 빅데이터 소스들이 개발되면서 이러한 기상 관련 문제들 해결에 적용되고 있다. 본 연구는 이러한 도로 기상 빅데이터 소스들의 유형과 특징을 정의하고 국내외 실증 사례들을 통해 도로 기상 빅데이터 유형별로 관련 문제들 해결에 활용하는 전략에 대해 제시하고자 한다.
낮은 시정, 강우, 강풍, 고온 등 기상 상태는 운전 능력, 차량 성능(예: 마찰, 안정성, 조작력), 노면 마찰력, 도로 인프라, 추돌 위험, 교통 흐름 및 도로 관리자 생산성 등에 영향을 미친다. 최근에는 CCTV, 도로 센서, 차량 센서 등 다양한 도로 기상 빅데이터 소스들이 개발되면서 이러한 기상 관련 문제들 해결에 적용되고 있다. 본 연구는 이러한 도로 기상 빅데이터 소스들의 유형과 특징을 정의하고 국내외 실증 사례들을 통해 도로 기상 빅데이터 유형별로 관련 문제들 해결에 활용하는 전략에 대해 제시하고자 한다.
Weather acts through low visibility, precipitation, high winds, and temperature extremes to affect driver capabilities, vehicle performance (i.e., traction, stability and maneuverability), pavement friction, roadway infrastructure, crash risk, traffic flow, and agency productivity. Recently a variet...
Weather acts through low visibility, precipitation, high winds, and temperature extremes to affect driver capabilities, vehicle performance (i.e., traction, stability and maneuverability), pavement friction, roadway infrastructure, crash risk, traffic flow, and agency productivity. Recently a variety of road weather big data sources such as CCTV, road sensor/systems, car sensor have been developed to solve the weather-related problems, This study identifies and defines the types and characteristics of these sources to suggest how to utilize them for car safety and efficiency as well as road management through analyzing domestic and oversea cases of road weather big data applications.
Weather acts through low visibility, precipitation, high winds, and temperature extremes to affect driver capabilities, vehicle performance (i.e., traction, stability and maneuverability), pavement friction, roadway infrastructure, crash risk, traffic flow, and agency productivity. Recently a variety of road weather big data sources such as CCTV, road sensor/systems, car sensor have been developed to solve the weather-related problems, This study identifies and defines the types and characteristics of these sources to suggest how to utilize them for car safety and efficiency as well as road management through analyzing domestic and oversea cases of road weather big data applications.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 도로 기상과 관련된 데이터를 제공하는 소스들을 파악하고 사례연구를 통해 이들 각 데이터 소스의 특징과 장단점을 분석하고자 한다. 그리고 이를 통해 도로의 안전과 도로 기상 정보의 비즈니스 활용을 위한 이들 데이터의 활용 방향을 제시하고자 한다.
예를 들어 차량의 와이퍼가 작동되면 이는 비가 내리기 시작함을 의미한다. 마찬가지로 눈이 내린 특정 지역에 있는(GPS 정보로 파악된) 수대의 차량들 온도가 일정 기준 이하로 낮게 유지된다면 제휴 기관으로부터 제공받은 기상 데이터를 반영해 500미더 반경에 얼음막(black ice)이 있을 가능성을 이들에게 경고한다. 이런 경고는 운전자들뿐만 아니라 도로관리자나 경찰에게도 이전에 비해 매우 정밀하고 맞춤화된 정보이다.
이런 도로 기상 정보를 제공하는 데이터 소스로는 기존의 기상 정보 이외에도 점차 다양한 소스들이 빅데이터 환경에서 개발되어 활용되고 있으며 이를 지원하거나 분석하는 기술들도 함께 발전하고 있다. 본 논문은 도로 기상과 관련된 데이터를 제공하는 소스들을 파악하고 사례연구를 통해 이들 각 데이터 소스의 특징과 장단점을 분석하고자 한다. 그리고 이를 통해 도로의 안전과 도로 기상 정보의 비즈니스 활용을 위한 이들 데이터의 활용 방향을 제시하고자 한다.
이에 따라 데이터 규모는 물론 속도 면에서도 도로 기상 빅데이터의 중요성은 높아지고 있다. 본 연구는 도로 기상 빅데이터 3V 중 유형에 초점을 두고 이들의 특성과 활용방안에 대해 국내외 활용 사례를 통해 분석하고자 한다. 현재 대표적인 도로 기상 정보의 새로운 소스로는 CCTV, 도로 센서, 차량 센서 등을 들 수 있으며 이들에 관한 기존 연구들은 다음과 같다.
본 연구는 사례 분석 방법을 이용해 도로 기상 빅데이터 소스의 종류를 정의하고 그 특징을 찾아낸 후 이를 안전 등 공공의 목적뿐 아니라 비즈니스 분야에 활용하기 위한 방안을 탐구하였다. 이를 위해 문헌연구에서 파악된 도로 기상 빅데이터 소스들의 활용 사례들을 심층 분석하였다.
제안 방법
본 연구는 사례 분석 방법을 이용해 도로 기상 빅데이터 소스의 종류를 정의하고 그 특징을 찾아낸 후 이를 안전 등 공공의 목적뿐 아니라 비즈니스 분야에 활용하기 위한 방안을 탐구하였다. 이를 위해 문헌연구에서 파악된 도로 기상 빅데이터 소스들의 활용 사례들을 심층 분석하였다. 사례 분석의 정합성을 높이기 위해서는 다양한 여러 관련 사례들을 함께 분석했는데 국내 사례들의 부적으로 주로 해외 사례들의 분석에 중점을 두었다.
이를 통해 맑기 강도, 온도, 이산화탄소 농도 및 상대적 습도 등을 각기 측정하여 도로 기상 정보를 제공한다.
이 시스템은 차량 외기온도, 도로 노변센서, 기상청 데이터를 분석해 도로 결빙 등 노면 상태와 정보를 예측해 전광판이나 내비게이션 단말기 등을 통해 운전자에게 전달한다. 터널 내 대피 안내시스템도 설치해 위성위치확인시스템(Global Positioning System, GPS) 작동이 끊기는 총 12개의 터널(13.22km)에서 사고가 발생할 경우 정확한 위치정보와 최단 대피장소 등을 안내해 운전자에게 최신 도로정보를 제공하고 2차 사고도 막는다.6)
대상 데이터
Ram and Gupta[14]은 차량 센서로부터 발생한 데이터를 IoT(사물 인터넷)으로 수집해 특정 지역 날씨 상태를 차량에서 모니터하는 시스템을 제안하기도 했다. 이 시스템 온도 센서, 습도 센서, 밝기감지(LDR) 및 이산화탄소 센서 등으로 구성되어 있다. 이를 통해 맑기 강도, 온도, 이산화탄소 농도 및 상대적 습도 등을 각기 측정하여 도로 기상 정보를 제공한다.
Fathym사의 GroundTruth 기상 시스템은 민간기업이 개발한 도로 기상 모니터링 시스템이다. 이 시스템은 차량 탑재 센서 및 도로 센서를 이용해 데이터를 수집한다. 수집된 데이터를 실시간으로 WeatherCloud사의 클라우드 기반 분석 시스템에 전송되고, 필러링을 거쳐 대시보드 형태의 정보가 일반 모바일 기기에서 제공된다(<그림 8> 참조).
TrafficLand는 현재 50개 주의 교통당국과 협약을 맺어 실시간 도로 비디오 관찰과 더욱 향상된 신뢰성 있는 데이터 제공을 위해 기기 설치 및 네트워크 통합을 지원한다. 이 회사는 미국 전역의 200여 개 도시에서 2만 대 이상의 교통 카메라 라이브 비디오(CCTV)에서 데이터를 수집한다. <그림 2>에서는 미국의 한 지자체에 제공하는 서비스로 이 도시의 웹사이트를 통해 도로 기상 정보를 제공모습을 보여주고 있다.
차량 센서 데이터는 기존에 장착된 차량 센서는 물론 도로 기상 정보 수집을 위해 장착된 새로운 차량 센서들이다. 차량 및 운전자 입장에서의 현재의 정밀한 도로 상태 파악 가능하고 향후 커넥티드카 기술과 연계될 경우 효과적 사전 예보/경고 가능하나 관련 기술 개발 비용이 높으며(데이터 수집 및 데이터 처리와 분석 기술이 아직 낮음) 적절한 활용을 위해서는 대규모 IT 인프라 투자 혹은 지원이 필요하다.
성능/효과
국내 천안-논산 간 고속도로의 경우, 총 6개 지점에 도로변 기상관측 장비를 설치하여 운영하고 있으며 대기 온․습도, 강수상태, 노면온도 및 상태, 결빙점 자료들을 수집하고 있다(<그림 3> 참조). 노면상태에 대한 48시간 예보를 실시하고 있어 제설제 살포시기, 살포량 및 인력투입 계획을 정확하게 확립하여 제설제 과대살포로 인한 환경오염을 줄이고 경제적 효과를 극대화 했다.
시간 측면에서는 주행과 주차에서 절약이 가능하여 최적화된 경로 선택과 교통관리시스템으로 차량 이동 시간의 단축, 네트워크화된 주차와 커넥티드 내비게이션으로 주차 공간 탐색 시간의 단축이 가능하다. 마지막으로 비용 측면에서는 PAYD(Pay-as-you-drive) 보험으로 차량 보험 비용 감소, 자동화된 요금 징수 인프라로 통행료 및 세금 절약, 차량 내 전자상거래 혹은 맞춤화된 차량 내 광고 노출로 고객의 비용 절약이 가능하다.
후속연구
차량 센서 데이터는 기존에 장착된 차량 센서는 물론 도로 기상 정보 수집을 위해 장착된 새로운 차량 센서들이다. 차량 및 운전자 입장에서의 현재의 정밀한 도로 상태 파악 가능하고 향후 커넥티드카 기술과 연계될 경우 효과적 사전 예보/경고 가능하나 관련 기술 개발 비용이 높으며(데이터 수집 및 데이터 처리와 분석 기술이 아직 낮음) 적절한 활용을 위해서는 대규모 IT 인프라 투자 혹은 지원이 필요하다. 주행 상태에서 운전자에게 예상치 못한 위험 경고에 활용도 높고 지역별 맞춤 정보 제공도 가능하며 운전자 상황에 다른 상세한 의사결정 정보를 제공하고 사용 기반 차량 보험 등 새로운 비즈니스 기회에 활용 가능성도 높다.
질의응답
핵심어
질문
논문에서 추출한 답변
TrafficLand의 정보가 다른 경쟁사들에 비해 더 정확한 이유는 무엇인가?
도로 시정을 알려주는 이 회사의 정보는 다른 경쟁사들에 비해 더 정확한데 그 이유는 도로의 지역에 더욱 특화되며(소위 하이퍼-로컬), 더 적시성 높고, 라이브 비디오로부터 자동으로 데이터를 생성하기 때문이다. 반면에 경쟁사들은 위성, 센서, 지상 기상 관측기, 사람이 수집한 정보 및 기타 데이터 등 여러 소스들로부터 취합된 정보를 바탕으로 장기간에 걸쳐 예측한 정보를 제공하는데 이런 정보는 특정 지역과의 관련성이 떨어진다.
RWS의 장점은 무엇인가?
이런 도로 센서를 두 가지 종류로 구분하기도 하는데 하나는 도로 노면에 설치되어 노면 상태를 측정하는 센서 시스템이고 다른 하나는 일반적으로 도로 기상 시스템(RWS: Road Weather Systems)로 알려진, 도로변에 설치되어 도로변 기상 상태를 관찰하는 시스템이다. 전자는 정확한 노면 상태 파악, 후자는 설치 및 유비보수 비용 등에서 장점이 있는 것으로 알려져 있다[7]. 기상 조건에 따른 건조, 습기, 결빙 등 도로 노면 상태를 판별하게 위해서는 센서들이 도로 밑에 직접 설치되는 경우가 많다.
도로 센서는 어떻게 구분되는가?
기상 상태에 따른 도로의 상태와 차량의 위험은 높은 상관관계가 있기에 정확한 도로 상태를 파악하기 위한 도로 센서의 중요성이 높아지고 있다. 이런 도로 센서를 두 가지 종류로 구분하기도 하는데 하나는 도로 노면에 설치되어 노면 상태를 측정하는 센서 시스템이고 다른 하나는 일반적으로 도로 기상 시스템(RWS: Road Weather Systems)로 알려진, 도로변에 설치되어 도로변 기상 상태를 관찰하는 시스템이다. 전자는 정확한 노면 상태 파악, 후자는 설치 및 유비보수 비용 등에서 장점이 있는 것으로 알려져 있다[7].
참고문헌 (17)
김기진, 홍봉희, 이지완, 홍재기, "CCTV 영상기반 그래프 패턴 분석에 의한 도로 기상 정보생성 시스템", 한국정보과학회 학술발표논문집, 2016.
Antoniou, C., R. Balakrishna, and H.N. Koutsopoulos, "A synthesis of emerging data collection technologies and their impact on traffic management applications", European Transport Research Review, Vol.3, No.3, pp.139-148, 2011.
Bogren, J. and T. Gustavsson, "RSI-Road Status Information A new method for detection of road conditions", In Proc. 17th Int. Road Weather Conf. 2014.
Dannheim, C., C. Icking, M. Mader, and P. Sallis, "Weather Detection in Vehicles by Means of Camera and LIDAR Systems. In Computational Intelligence, Communication Systems and Networks (CICSyN)", 2014 Sixth International Conference on (pp.186-191), IEEE, 2014.
Dey, K.C., A. Mishra, and M. Chowdhury, "Potential of intelligent transportation systems in mitigating adverse weather impacts on road mobility: A review", IEEE Transactions on Intelligent Transportation Systems, Vol.16, No.3, pp.1107-1119, 2015.
Haug, A. and S. Grosanic, "Usage of road weather sensors for automatic traffic control on motorways", Transportation Research Procedia, Vol.15, pp.537-547, 2016.
Ito, K., G. Hirakawa, Y. Arai, and Y. Shibata, "A road condition monitoring system using various sensor data in vehicle-to-vehicle communication environment", International Journal of Space-Based and Situated Computing, Vol.6, No.1, pp.21-30, 2016.
Jonsson, P., J. Casselgren, and B. Thornberg, "Road surface status classification using spectral analysis of NIR camera images", IEEE Sensors Journal, Vol.15, No.3, pp.1641-1656, 2015.
Lee, J., B. Hong, Y. Shin, and Y.J. Jang, "Extraction of weather information on road using CCTV video. In Big Data and Smart Computing (BigComp)", 2016 International Conference on (pp.529-531), IEEE, 2016.
McAfee, A., E. Brynjolfsson, and T.H. Davenport, "Big data: the management revolution", Harvard Business Review, Vol.90, No.10, pp.60-68, 2012.
Pisano, P. and L. Goodwin, "Research needs for weather-responsive traffic management. Transportation Research Record", Journal of the Transportation Research Board, (1867), pp.127-131. 2004.
Ram, K.S.S. and A.N.P.S. Gupta, "IoT based Data Logger System for weather monitoring using Wireless sensor networks", International Journal of Engineering Trends and Technology (IJETT), Vol.32, No.1, pp.71-75, 2016.
Shah, V.P., A.D. Stern, L. Goodwin, and P. Pisano, "Analysis of weather impacts on traffic flow in metropolitan Washington, DC", In Institute of Transportation Engineers 2003 Annual Meeting and Exhibit (Held in Conjunction with ITE District 6 Annual Meeting), 2003.
Sukuvaara, T., K. Maenpaa, R. Ylitalo, H. Konttaniemi, J. Petajajarvi, J. Veskoniemi, and M. Autioniemi, "Vehicular networking road weather information system tailored for arctic winter conditions", International Journal of Communication Networks and Information Security, Vol.7, No.1, pp.60-68, 2015.
Wang, M., C. Perera, P.P. Jayaraman, M. Zhang, P. Strazdins, R.K. Shyamsundar, and R. Ranjan, "City data fusion: Sensor data fusion in the internet of things", In The Internet of Things: Breakthroughs in Research and Practice (pp.398-422). IGI Global, 2017.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.