RF-LSTM 모델 기반 블랙아이스 위험 예측 기술 개발

초록

블랙아이스는 겨울철 도로에서 발생하는 주요 위험 요인으로, 도로 표면에 얇은 얼음층이 형성되어 운전자가 쉽게 인지하기 어려운 특성을 가진다. 기존 예측 기법은 복잡한 기상 변화와 도로 상태를 충분히 반영하는 데 한계가 있어, 보다 정교한 예 측 모델의 개발이 요구된다. 이에 본 연구에서는 랜덤 포레스트(Random Forest)와 장단기 메모리(Long Short-Term Memory, LSTM) 네트워크를 결합한 블랙아이스 위험 예측 모델을 제안한다. RWIS(Road Weather Information System) 를 활용하여 기상 및 도로노면 데이터를 수집한 후, 랜덤 포레스트 기법을 적용하여 블랙아이스 발생과 높은 상관성을 갖는 주요 변수를 선별하였다. 이후, 선정된 변수를 입력데이터로 활용하여 LSTM 모델에 학습시킴으로써, 시계열 정보를 효과적으 로 반영하도록 하였다. 실험 결과, 제안된 모델은 기존 예측 기법 대비 향상된 예측 성능을 보였으며, 블랙아이스 발생 가능 성을 보다 정밀하게 예측하는 것으로 확인되었다. 본 연구에서 개발된 예측 모델은 실시간 도로 안전관리 시스템에 적용될 수 있으며, 블랙아이스로 인한 교통사고 예방에 기여할 것으로 기대된다.