RF-LSTM 모델 기반 블랙아이스 노면 상태 예측 기술 개발

초록

블랙아이스는 겨울철 도로에서 발생하는 주요 위험 요인으로, 도로 표면에 얇은 얼음층이 형성되어 운전자가 쉽게 인지하기 어렵다. 특히, 급격한 기온 변화나 강설 후 기온 강하 등의 조건에서 발생 위험이 증가하며, 이를 사전에 예측하는 것이 필수적이다. 그러나, 기존 예측 기법은 기상 변화와 도로 노면 상태를 충분히 반영하지 못하는 한계를 가지며, 보다 정교한 예측 모델 개발이 요구된다. 이에 본 연구에서는기상 및 도로 노면 데이터를 활용하여 랜덤 포레스트(Random Forest, RF)와 장단기 메모리(Long Short-Term Memory, LSTM) 네트워크를 결합한 RF-LSTM 기반 블랙아이스 위험 예측 모델을 제안한다. 랜덤 포레스트를 활용하여 블랙아이스 발생과 높은 상관성을 갖는 주요 변수를선별하고, 이를 바탕으로 LSTM 모델로 시계열 정보를 반영한 결빙 예측을 수행하였다. 성능 평가 결과, 제안된 모델은 블랙아이스 발생 위험을 효과적으로 예측하는 것으로 확인되었다. 본 연구에서 개발된 예측 모델은 실시간 도로 안전관리 시스템에 적용 가능하며, 블랙아이스로 인한 교통사고 예방에 기여할 것으로 기대된다.

키워드