Journal Archive

차량용 내비게이션과 각종 지도 앱은 물론이고 최근에 출시되는 대부분의 웹 또는 앱 서비스는 위치 정보를 기반으로 하며, 이러한 서비스를 흔히 위치기반서비스(LBS; Location Based Service)라고 한다. 최근 각광받는 증강현실 응용 서비스[1], [2]도 LBS의 접목을 통해 서비스의 현실성이 높아지고 있는 추세다. 이렇게 LBS의 인기가 높아진 이유는 스마트폰은 물론이고 다양한 모바일 기기에 장착되는 GPS(Global Positioning System)와 함께 전자지도에 대한 접근이 용이해졌기 때문이다.

LBS가 보편화되면서 많은 경우 서비스 간 위치정보의 교환 필요성이 대두되고 있으나 서비스를 이용하는 기기 간 전자지도가 상이할 경우 정보의 정확한 전달이 어려운 실정이다. 전자지도가 동일할 경우 객체의 고유 식별자(ID; Unique Identification), 노드 또는 링크 ID, 좌표 등을 이용해서 쉽게 위치를 공유할 수 있다. 예를 들어 도로의 공사 구간(work zone) 정보를 공유할 때 해당 도로의 링크 ID와 시작, 끝 지점의 좌표 정보만으로도 해당 위치를 적절하게 교환할 수 있다. 하지만 전자지도가 상이한 경우 이렇게 간단한 방법으로는 어려움이 많다. 왜냐하면 동일한 도로에 대해 지도 버전 또는 제작업체에 따라 링크 ID, 또는 링크의 모양, 링크의 길이 등이 서로 다르기 때문이다. 이러한 이유로 이종(異種) 전자지도를 갖는 기기 간 위치정보 교환을 빠르고 정확하게 처리할 수 있는 위치참조방법(LRM; Location Referencing Method)의 개발이 요구되어 왔으며, 유럽을 비롯한 미국, 일본 등에서는 1990년대부터 지속적으로 연구를 진행해 왔다[3]-[9].

더욱이 최근에는 자율주행차와 같이 고정밀의 위치 정확도를 요구하는 기술이 개발됨에 따라 정확도가 높은 위치참조방법 개발의 필요성이 대두되고 있다. 기존의 도로교통분야에서 개발된 위치참조방법은 대상 객체가 어느 도로에 위치하는지를 특정할 수 있는 정확도 수준을 갖는다. 이를 도로 수준의 위치참조방법(R-LRM; Road-level Location Referencing Method)이라고 하며, 이러한 방법을 이용하는 서비스의 경우 교통사고나 포트홀(Pothole), 낙하물 등의 도로 이벤트 위치를 도로 수준에서 공유하면 충분하다. 하지만 자율주행차의 구현을 위해서는 차로 수준의 위치참조방법(L-LRM; Lane-level Location Referencing Method)이 필요하다. 이제는 어느 도로인지 뿐만 아니라 해당 도로의 몇 차로에서 도로 이벤트가 발생했는지의 정보가 공유되어야 하는 것이다¹⁾. 이에 본 연구는 기존의 전자지도보다 정확도가 높은 정밀전자지도를 이용하는 차로 수준의 위치참조방법 프레임워크를 제안하고, 새로운 위치참조방법을 구현, 분석 및 평가할 수 있는 툴(tool)의 설계 및 개발을 목적으로 한다.

본 장에서는 앞서 제안된 L-LRM 프레임워크를 분석 평가하는 툴(tool)의 개발에 대해 기술한다. L-LRM의 인코딩/디코딩 알고리즘은 다양한 접근 방법을 통해 개발이 되기 때문에 많은 위치 데이터를 이용해서 테스트와 결과 분석을 수행하는 분석 평가 툴이 필수적이다.

L-LRM 분석 평가 툴의 아키텍처는 그림 5와 같다. 먼저 위치참조방법은 이종 전자지도 간의 위치 정보 교환이 목적이기 때문에 이종 전자지도 데이터베이스를 읽고 이를 화면에 그리는 뷰어 기능이 필요하다. 그림에서와 같이 Map DAL(Data Access Library)은 두 개의 서로 다른 정밀전자지도 데이터베이스(HP Map A, HP Map B)를 읽는 기능을 갖고, 뷰어(Map Veiwer)는 읽어들인 정보를 이용해서 화면에서 표출하는 기능을 갖는다. 뷰어는 일반적인 지도 표출 프로그램이 갖는 Zoom In/Out과 Panning 기능, 그리고 특정 객체의 선택과 속성 확인 기능을 갖는다. 이에 더불어 두 개의 뷰어 간 위치 동기화(Location Syncronization) 기능을 추가하여 하나의 뷰어에서 Zoom 또는 Panning을 했을 때 다른 뷰어에서도 동일하게 동작이 되도록 하였다.

Fig. 5.  
An architecture of an analysis and evaluation tool for lane-level location referencing methods

다음으로 위치 정보 테스트를 위한 임의 이벤트 발생기(Event Generator)를 추가하였다. 이벤트 발생기는 도로 내 또는 도로 주변에 점, 선, 면으로 구성된 임의의 이벤트를 발생하는데, 발생되는 건수는 연구자가 설정할 수 있도록 하였다. 그리고 발생된 이벤트 정보는 이벤트 데이터베이스(Event Database)에 저장되어, 추후 특정 이벤트에 대한 결과 분석 시 활용할 수 있도록 하였다.

이벤트 발생기에 의해 원하는 개수만큼의 이벤트가 발생되면 개별 이벤트에 대해 인코딩 절차가 수행된다. 앞 장에서 설명한 바와 같이 먼저 차로 수준의 인코딩(Lane-level LR Encoder)이 수행되고, 다음으로 도로 수준의 인코딩(Road-level LR Encoder)이 수행된다. 그리고 프로토콜 버퍼(Protocol Buffers)를 이용해서 인코딩된 데이터를 직렬화(Serialization)⁶⁾한 후 이를 수신자 쪽으로 전송하도록 하였다. 이때 전송된 데이터는 별도의 데이터베이스(Encoded Event Database)에 저장하여 추후 데이터의 크기를 분석할 수 있도록 하였다.

수신자는 수신된 데이터를 다시 송신 프로세스를 역으로 하는 방법으로 위치 데이터화 한다. 먼저 프로토콜 버퍼를 이용해서 직렬화된 데이터를 구조화하고, 도로 수준의 디코딩(Road-level LR Decoder)과 차로 수준의 디코딩(Lane-level LR Decoder)을 차례로 수행하여 이벤트의 위치 정보와 속성을 추출한 후, 마지막으로 추출된 정보를 지도 상에 표출한다.

위치참조방법은 정확한 위치 전달 뿐만 아니라 빠르게 정보를 교환할 수 있어야 한다. 따라서 인코딩/디코딩 알고리즘의 성능을 분석할 필요가 있으며, 성능 평가를 위해 주로 사용되는 인덱스가 소요 시간(Elapsed Time)이기 때문에 차로 수준의 인코딩/디코딩을 수행하는 모듈에는 타이머 기능을 추가하고, 매번 해당 데이터를 처리하는데 소요되는 시간을 소요 시간 데이터베이스(Elapsed Time Databased)에 저장하도록 하였다.

마지막으로 저장된 이벤트 정보와 소요시간, 인코딩된 이벤트 정보 데이터베이스를 이용해서 그 결과를 검토하고 분석할 수 있는 툴(Analysis Tool)을 추가하였다. 이는 표 형태의 윈도우 화면으로 구성되는데, 하나의 행(row)이 하나의 이벤트 정보를 나타내도록 하였다. 이때 이벤트 정보는 이벤트 유형(점, 선, 면), 첫 번째 좌표, 참조시설물 정보, 인코딩/디코딩 소요 시간 등을 포함함으로써 알고리즘의 성능을 분석하기에 적합하도록 설계하였다.

본 장에서는 제안된 차로 수준의 위치참조방법 분석 평가 툴을 실제로 개발한 결과와 임의의 이벤트 데이터를 이용해서 인코딩/디코딩 알고리즘의 성능을 분석한 결과에 대해 기술한다.

Fig. 6.  
The proposed analysis and evaluation tool for lane-level location referencing methods

그림 6은 C/C++을 이용해서 윈도우 플랫폼에서 운영 가능하도록 개발한 차로 수준의 위치참조방법 분석 툴을 보여준다. 이는 아키텍처에 따라 두 개의 정밀전자지도를 표출하는 두 개의 뷰어를 갖고, 뷰어는 정밀전자도로망지도의 노드와 링크, 참조시설물, 그리고 이벤트 정보를 표출한다. 그림의 가운데 아래쪽에 위치한 별도의 윈도우가 분석 툴(Analysis Tool)인데, 10개의 임의 이벤트 정보를 보여주고 있다. 분석 툴에 표출되는 주요 정보는 표 1과 같다.

정밀전자지도의 경우 경부고속도로(서울요금소 ~ 신갈JC)와 영동고속도로(신갈JC ~ 호법JC)의 일부 구간을 대상으로 구축된 것으로, 좌측의 지도와 우측의 지도가 서로 다른 사양과 업체를 통해 구축이 되었다. 참조시설물로는 국내 모든 도로에 설치되어 있는 거리표(Kilo-post)를 이용하였는데, 고속도로에는 200m마다 거리표지가 설치되어 있고 각 표지는 진행 방향의 최종목적지와 남은 거리를 표시하고 있다.

Fig. 7.  
Examples of the differences between HP maps and the success/failure of the encoding/decoding algorithm

좌표 기반의 아주 단순한 인코딩/디코딩 알고리즘을 이용해서 테스트를 수행하였다. 그림 7은 덕평IC 부근의 도로를 보여주고 있는데, IC 연결로가 좌측 지도에는 있고, 우측에는 없는 것을 확인할 수 있으며, 이로 인해 4번 이벤트의 디코딩이 실패한 사례를 보여주고 있다. 4번 이벤트는 영동고속도로 강릉방향 덕평IC 진출로 부근에서 발생한 이벤트인데, 우측 지도에는 해당하는 도로가 없기 때문에 실패가 발생한 것이고, 이렇게 실패가 발생할 경우 분석 툴에서는 데이터 크기, 소요시간 등의 정보가 표출되지 않는다.

본 연구에서는 자율주행과 같이 정확도가 높은 위치 정보를 요구하는 미래 기술에서 반드시 요구되는 차로 수준의 위치참조방법 프레임워크를 제안하고, 이를 분석 및 평가할 수 있는 툴의 설계 및 개발, 분석을 수행하였다. 이를 위해 먼저 위치참조방법의 필요성과 정의를 제시하고, 정확도 높은 위치 정보의 교환을 위한 정밀전자지도의 기본 구조를 제안했다. 그리고 차로 수준의 위치정보 교환 방법을 위한 프레임워크를 제안하였는데, 이는 기존의 도로 수준의 위치참조방법을 기반으로 차로 수준의 정보를 추가로 고려할 수 있도록 설계되었다. 프레임워크의 실제 구현 및 테스트, 분석을 위해 요구되는 분석 평가 툴의 개발을 위해 기본 아키텍처를 제안하고, 그에 따라 실제로 C/C++ 기반의 윈도우 응용 프로그램을 개발하였다. 마지막으로 분석 평가 툴을 이용해서 이종 정밀전자지도 간의 위치 정보를 교환하는 테스트를 통해 그 실효성을 검증하였다.

빠르고 정확도 높은 차로 수준의 위치참조방법은 차세대 위치기반서비스를 위해 반드시 필요한 기술이고, 정밀전자지도의 구축이 걸음마 단계인 지금이 그 개발에 있어서 최적의 시기라고 할 수 있다. 본 연구에서는 이러한 중요 기술의 개발을 위한 기반이라고 할 수 있는 프레임워크 설계와 분석 평가 툴 개발을 수행하였다. 하지만 위치참조방법에 있어서 가장 중요한 것은 인코딩/디코딩 알고리즘이라고 할 수 있다. 따라서 향후 진행되는 연구에서는 다양한 접근법을 고려한 최적의 인코딩/디코딩 알고리즘의 개발이 필요하다.