미시적 수준 도로 수송부문 온실가스 배출량 산정을 위한 감가속 보정계수 개발

초록

최근 해마다 반복되는 블랙아이스 교통사고 예방을 위해 겨울철 야간 도로 순찰이 의무화 되었다. 일반국도의 경우 연장(약 14,000km)이 길고 순찰 자원(차량 17대)이 제한되어 있기 때문에 전체 구간을 매일 순찰하는 것은 사실상 불가능하다. 따라서 블랙아이스가 발생할 것으로 예상되는 위험한 구간을 파악해 해당 구간을 집중적으로 순찰하는 전략이 필요하다. 하지만 블랙아이스 발생이 우려되는 구간 정보가 없어 이에 대한 해결책 마련이 시급하다. 이에 본 연구는 부스팅 머신러닝 알고리즘을 이용해 블랙아이스 발생 가능성이 높은 구간을 추정하는 모형을 개발했다. 분석에 사용된 데이터는 기상청에서 예보하는 상대습도, 기온, 이슬점 온도, 강수 확률, 풍속이고, 사용된 알고리즘은 AdaBoost, XGBoost, CatBoot이다. 개발 모형을 평가하기 위해 일반국도 순찰 차량을 이용해 수집한 노면 온도 데이터를 이용했다. 노면 온도 데이터 분석 결과, 블랙아이스는 기온(氣溫)이 4℃ 이하이고 상대습도가 75% 이상일 때만 발생하는 것으로 나타났다. 또한, 눈, 비가 내리지 않는 경우 블랙아이스는 기온이 전날에 비해 낮아질 때보다는 올라갈 때 발생할 가능성이 높은 것으로 분석되었다. 부스팅 알고리즘을 이용하여 구축한 블랙아이스 추정 모형 평가 결과, 정확도가 약 90%로 나타나 만족할 만한 성능을 보였다. 본 연구 결과를 일반국도 순찰 구간 선정에 활용할 경우, 블랙아이스 발생 위험이 높은 구간을 집중적으로 순찰하고 순찰 중 블랙아이스를 발견할 경우 제설제를 살포할 수 있어, 겨울철 도로관리를 더욱 효율적이고 효과적으로 수행할 수 있을 것으로 기대된다.

키워드