문제 정의

• 본 논문에서는 논문[11]에서 제안하는 알고리즘을 활용하여 클러스터 사전 성능을 계산하고 이를 차로구분 정밀위치 기준에 적합한지 분석한다.
• 본 논문에서는 전국에 차로구분 수준의 정밀위치결정 서비 스가 가능하도록 상시기준국을 활용하여 차로구분 정밀위치결정 클러스터를 설계안을 제시하고 설계된 클러스터 각각의 정확도, 가용성을 분석하였다.

제안 방법

• 위의 두 클러스터 성능 분석 방법과 같이 예상위치오차를 통해 가용성을 구하면 표 3과 같다. 2장에서 설계된 클러스터 구성 중 신규 수신국의 경우, 현재 분석에 사용할 수 있는 데이터가 없으므로 현재 데이터 사용이 가능한 상시기준국과 기구축 수신국만을 이용하여 클러스터 성능을 분석하였다. 표 3에서 클러스터 가용성 최하값은 93.
• 2장에서 설계된 클러스터의 정밀위치결정 성능 검증을 위하여, 클러스터 사전 성능분석을 수행하였다. 성능분석 방법은 현재 위성항법 데이터 수신이 가능한 기구축 수신국과 상시기준국 데이터를 이용하여 클러스터의 ‘공간이격 오차’를계산한다.
• EPDO가 가장 큰 노선은 경부고속도로이며, 이것은 곧 이노선에서 교통사고로 인한 사회적 비용이 가장 크다는 것을 의미한다. 그러므로 그림 2와 같이 경부고속도로를 1단계 클러스터 설계 범위로 삼고, 2단계 설계에서 이를 중심으로 전국망이 퍼져가는 형태로 설계하였다.
• 정밀위치결정 기술은 C-ITS 서비스에 적용될 경우, 정밀한 차간 거리 정보를 통해 교통사고감소에 대한 효과를 기대할 수 있다. 그러므로 클러스터 설계는 국내 C-ITS 인프라 구축계획[7]과 단말기 보급방안 연구[8]를 반영하여 고속도로 중심의 클러스터 설계를 진행하였다. 특히 주요 고속도로의 사고 통계를 반영하여 교통사고 감소 효과가 클 것으로 예상되는 고속도로를 선정하였다.
• 본 논문에서는 우리나라의 상시기준국(CORS; continuously operation reference stations)을 활용하여 전국에 위와 같은 차로구분 수준의 정밀위치결정 서비스가 가능하도록 다수의 인프라 클러스터를 효율적으로 설계하고 정밀위치결정 사전 성능 분석을 통해 차로구분 정밀위치결정 클러스터(이하 클러스터)를 검증하였다.
• 상시기준국을 이용한 전국 클러스터 설계에서는 데이터 품질 검사를 통해 선정된 상시기준국 후보를 활용하였으며, 교통 사고감소가 가장 효과적으로 적용될 수 있는 고속도로 중심의 클러스터 설계를 진행하였다. 주요 고속도로 중 상대적인 EPDO를 활용해 경부고속도로를 선정하고 이를 중심으로 1단계 설계를 진행하였다.
• 이 절에서는 3-1절에서 설명한 클러스터 사전 성능 분석 알고리즘으로 계산된 공간이격오차와 예상위치오차 결과를 확인하고, 3-2절의 정밀위치결정 성능 수준을 만족시키는지 검증한다. 여기서 분석 데이터는 각 상시수신국에 해당하는 2018년 3월 13일 00시~24시의 RINEX 데이터를 GNSS 데이터 통합센터 ( 전국단위의 위성항법 수신국 클러스터 구축을 위하여 새로운 부지 선정 및 수신국 개발은 경제적으로 큰 예산이 소요될 뿐만 아니라, 상당 기간의 시간을 소요해야 한다는 부담이 있는 것이 사실이다. 이러한 문제점을 해소하기 위하여 전국에 이미 구축되어있는 국가기반시설인 상시기준국을 활용하여 전국단위 클러스터를 설계하고, 이를 기반으로 각 상시기준국에서 제공되는 RINEX 후처리 데이터를 이용한 사전 성능분석을 진행 하였다. 이 중 클러스터 설계를 위하여 현재 반송파 측정치가 기반의 RTK 서비스를 제공하는 곳을 기반으로, UNAVCO에서 제공하는 소프트웨어인 TEQC (translation, editing and quality checking)를 이용한 데이터 품질 기초 분석에서 데이터 취득률 95%, 이상 멀티패스오차 평균 0.
• 이를 위치도메인에 투영시켜 예상위치오차를 구한다. 이를 차로구분 정밀위치결정 수준의 사용자 위치결정 오차 한계치와 가용성 기준을 활용하여 분석하였다. 사용자 위치결정 오차 한계치와 가용성 기준은 3-2절에서 소개한다.
• 이를 통해 본 논문에서는 상시기준국을 활용한 차로구분 정밀위치결정 서비스 가능 클러스터 전국망 설계안을 제안하였고, 이를 공간이격오차 기반으로 사전 성능을 확인하였다.
• 이에 대한 차로구분 수준의 정밀위치결정 사전 성능에 대한 검증 및 분석을 위해 3-1절에서 설명한 공간이격오차와 예상위 치오차를 정밀위치결정 사용자 성능 수준에 적용하여 정확성, 가용성 성능 분석 지표로 사용하였다. 그 결과 2장에서 설계된 전국망 클러스터 모두 가용성 92%를 넘는 것으로 확인하였고, 이것은 정확성 1.
• 상시기준국을 이용한 전국 클러스터 설계에서는 데이터 품질 검사를 통해 선정된 상시기준국 후보를 활용하였으며, 교통 사고감소가 가장 효과적으로 적용될 수 있는 고속도로 중심의 클러스터 설계를 진행하였다. 주요 고속도로 중 상대적인 EPDO를 활용해 경부고속도로를 선정하고 이를 중심으로 1단계 설계를 진행하였다. 최종적으로 클러스터 구성 조건과 설계 조건을 적용시켜 전국망 클러스터를 설계하였다.
• 주요 고속도로 중 상대적인 EPDO를 활용해 경부고속도로를 선정하고 이를 중심으로 1단계 설계를 진행하였다. 최종적으로 클러스터 구성 조건과 설계 조건을 적용시켜 전국망 클러스터를 설계하였다.
• 최종적으로 반송파 기반 공간이격오차를 위치도메인에 투영시켜 예상위치오차를 확인할 수 있다. 클러스터 사전 성능분석에서는 위와 같이 구해진 위치예상오차를 가지고 클러스터의 사전 성능을 확인하였다.

• 이 절에서는 3-1절에서 설명한 클러스터 사전 성능 분석 알고리즘으로 계산된 공간이격오차와 예상위치오차 결과를 확인하고, 3-2절의 정밀위치결정 성능 수준을 만족시키는지 검증한다. 여기서 분석 데이터는 각 상시수신국에 해당하는 2018년 3월 13일 00시~24시의 RINEX 데이터를 GNSS 데이터 통합센터 (http://www.gnssdata.or.kr) 에서 제공받았으며, KARI 수신 국의 경우 동일 시간의 Novatel 수신기 데이터를 이용하였다.
• 이러한 문제점을 해소하기 위하여 전국에 이미 구축되어있는 국가기반시설인 상시기준국을 활용하여 전국단위 클러스터를 설계하고, 이를 기반으로 각 상시기준국에서 제공되는 RINEX 후처리 데이터를 이용한 사전 성능분석을 진행 하였다. 이 중 클러스터 설계를 위하여 현재 반송파 측정치가 기반의 RTK 서비스를 제공하는 곳을 기반으로, UNAVCO에서 제공하는 소프트웨어인 TEQC (translation, editing and quality checking)를 이용한 데이터 품질 기초 분석에서 데이터 취득률 95%, 이상 멀티패스오차 평균 0.45m 이하, 사이클슬립 발생률 0.1% [6]이하인 곳을 그림 1과 같이 선정하였다.
• 그러므로 클러스터 설계는 국내 C-ITS 인프라 구축계획[7]과 단말기 보급방안 연구[8]를 반영하여 고속도로 중심의 클러스터 설계를 진행하였다. 특히 주요 고속도로의 사고 통계를 반영하여 교통사고 감소 효과가 클 것으로 예상되는 고속도로를 선정하였다.

성능/효과

• 이에 대한 차로구분 수준의 정밀위치결정 사전 성능에 대한 검증 및 분석을 위해 3-1절에서 설명한 공간이격오차와 예상위 치오차를 정밀위치결정 사용자 성능 수준에 적용하여 정확성, 가용성 성능 분석 지표로 사용하였다. 그 결과 2장에서 설계된 전국망 클러스터 모두 가용성 92%를 넘는 것으로 확인하였고, 이것은 정확성 1.5 m를 기반으로 하여 계산되는 지표이므로 차로구분수준의 정밀위치 결정에서 요구되는 정확성과 가용성의 사전 성능을 만족한다고 판단할 수 있다.
• 63 % (클러스터 11번) 이며, 가용성 최고값은 다수의 클러스터가 100% 의 결과를 나타냈다. 이러한 사전 성능 분석 방법의 결과로 볼 때 2장에서 설계된 클러 스터 전국망의 각 클러스터는 모두 차로구분 수준의 정밀위치 결정의 가용성 성능을 만족시키는 것을 확인 할 수 있다.

후속연구

• 또 사전 성능 분석은 클러스터 설계에 대한 후처리 데이터의 공간이격 오차를 기반으로 한 클러스터의 수준 평가에 의미가 있다. 그렇기 때문에 향후 상시기준국 클러스터 기반 사용자 정밀위치결정 인프라 개발 시, 클러스터의 장시간 데이터 성능 분석과 실시간 동적 데이터를 기반으로 한 성능 분석이 요구된다.
• 향후 상시기준국 클러스터 인프라 개발을 위해서는 클러스 터의 장시간 데이터 성능분석과 실시간 동적 데이터 기반 성능 분석이 필요할 것이다.