최근 이른바 ‘블랙 아이스’로 잦은 사고가 발생하고 있다. 여러 명이 숨지는 안타까운 사고로 이어졌다. 블랙 아이스는 겨울철에 눈에 보이지 않아 특히 위험하다. 언제, 어떻게 생길지 몰라 사고위험을 피하기도 어려운 상황이다.

한국건설기술연구원(원장 한승헌)이 최근 노면 온도변화 패턴을 예측하는 기술을 개발했다. 차량에 부착된 관측장비로 외기온도 자료를 수집하고 기계학습 알고리즘을 통해 분석된 노면 결빙 위험 정보를 운전자에게 실시간으로 제공해 주는 게 이번 기술의 핵심이다.

노면 온도는 겨울철 도로의 노면 상태를 결정짓는 매우 중요한 요소 중 하나이다. 약 11만 km에 달하는 국내 도로망 전체 노면 상태를 실시간으로 감시하는 것은 사실상 불가능하다.

연구팀은 빅데이터를 수집, 분석해 노면 온도가 변화하는 패턴을 예측하면 도로의 노면 상태 또한 예측할 수 있다는 점에 착안해 연구를 진행했다. 노면 온도변화 패턴 예측 모형의 성능과 신뢰도를 높이려면 다양한 도로와 기상조건 등을 고려한 양적·질적 학습 데이터의 확보가 필수이다. 연구팀은 자유로워 영동고속도로 일대에서 다양한 기상조건, 도로구간 특성 하에서의 자료수집과 분석을 수행했다. 약 5년 동안의 연구 결과 ‘노면 온도변화 패턴 예측 시스템’을 개발하는 데 성공했다.

‘모바일 차량 주행환경 관측장비(VISS, Vehicle is a Sensor)’를 통해 실시간으로 차량 외기온도와 위치 정보를 동시에 수집한다. 수집된 정보는 LTE 통신 등의 방법으로 ‘도로 주행환경 분석 플랫폼’으로 전송된다.

연구팀이 개발한 ‘노면 온도변화 패턴 예측 모형’은 플랫폼으로 전송된 정보와 기상청이 공개적으로 제공하는 기온‧습도 등의 날씨 정보, 기존에 입력해 둔 위치별 도로조건 등 다양한 조건을 연계해 기계학습(머신 러닝) 기반 모형으로 노면 온도변화 패턴을 예측한다. 이를 통해 도로관리자와 운전자는 도로결빙 등 노면 위험 예측 정보를 실시간으로 받는다.

연구팀은 앞으로 이번 기술을 실생활에 활용할 수 있도록 시스템을 고도화할 수 있도록 응용소프트웨어 개발‧공급업체이자 아이나비시스템즈의 모회사인 팅크웨어와 협력해 기술 시범적용을 추진하고 있다.

연구책임자인 양충헌 박사는 “‘노면 온도변화 패턴 예측 시스템’ 개발로 겨울철 도로 노면 상태에 대한 정보를 더 많은 운전자에게 제공하면 겨울철 차량 안전운행에 크게 도움이 될 것”이라고 말했다.