Journal Archive

ITS 기술이 적용된 도로망에는 다양한 ITS Station(ITS-S)이 참여한다. 여기서 ITS-S은 지능형교통체계를 구성하는 기능적 객체를 의미하며, 전형적인 객체로는 그림 1과 같이 차량(Vehicle ITS-S), 보행자(Mobile ITS-S), 정보센터(Central ITS-S), 노변기지국(Roadside Unit ITS-S) 등이 있다[7]. 모든 ITS-S은 도로망(Road network)과 시공간적으로 연결이 되며, 도로망 내에서 정적 또는 동적인 상태로 상호 간의 영향을 주고받으며 존재한다. 상호작용은 개별 ITS-S 간에 직접적인 물리 작용으로 발생하기도 하고, 통신망을 통한 정보교환 방식으로 발생하기도 한다.

Fig. 1. 
Typical Implementations of ITS station units (source: [7])

차량센서를 활용한 교통상태를 관측하는 기술의 경우 차량센서를 탑재한 ITS-S인 프로브 차량은 도로를 주행하며 주변의 차량 또는 보행자 ITS-S와의 물리적 상호작용을 하는 동시에, 센싱 데이터 수집 및 가공을 통해 주변의 교통상황을 정보를 생산하고 이를 정보센터 ITS-S에 전송한다. 이때 정보의 전송은 4G, 5G와 같은 셀룰러 방식을 이용하거나 교통 분야에 특화된 DSRC 기반의 노변기지국 ITS-S는 이용하는 방식이 활용될 수 있다. 정보센터 ITS-S은 다수의 프로브 차량 ITS-S에서 수집된 정보를 융합 및 분석하여 관심 도로망의 교통상태를 최종적으로 만들어 소비자에게 서비스한다.

통합 시뮬레이션 플랫폼은 이러한 개념을 포함하고 이를 다양한 시나리오에 따라 테스트할 수 있어야 하므로 도로망과 이와 연결되는 ITS-S, 그들 간의 상호작용이 모두 표현할 수 있어야 한다. 즉, 통합 시뮬레이션 플랫폼은 다음의 요소들이 상호작용하는 작은 세계여야 하며, 이를 도식화하여 표현하면 그림 2와 같다.

Fig. 2. 
Integrated Simulation Platform Architecture

▪ 교통 시뮬레이션 모형 : 도로망과 교통 수요, ITS-S와 각 객체 간 상호작용, 교통 운영 등 실제 도로교통 상황 모사가 가능한 모형
▪ ITS-S : 차량, 보행자, 노변기지국, 정보센터 등
▪ 통신 : ITS-S 간 정보교환 방식
▪ 유틸리티 : 공간 좌표 체계 변환, 위치참조 등

교통 시뮬레이션 모형은 도로망을 3차원으로 구축 및 유지관리하고, 각종 ITS-S의 설치 및 운영을 담당한다. 도로망은 다양한 도로종별과 선형, 연결 관계, 교통신호, 안전시설 등의 표현이 가능하여 기존 현실 도로망을 디지털화하기에 적합해야 한다. 또한 차량 ITS-S의 차종, 물리적 특성, 출발지/경유지/목적지, 주행 행태, 상호작용 등을 세팅하고 관리하는 기능을 제공하여 연구개발 목적에 맞게 변형이 가능해야 한다. 교통신호는 미리 정해진 시간을 기반으로 일정한 주기의 녹색/적색/황색 신호를 표현하는 TOD방식(Time-of-day)과 교통 수요에 맞춰 동적으로 주기를 변경하는 Adaptive 방식 등의 기능이 제공되어야 한다.

교통 시뮬레이션 모형이 갖는 핵심 기능은 차량센서를 장착한 프로브 차량과 같이 기존과는 기능적으로 차별화된 차량 ITS-S의 구현 및 테스트가 가능한 기반 기능을 제공하는 것인데, 이를 위해서 많은 교통 시뮬레이션 모형들은 플러그인(plug-in) 기능을 제공하고 있다[8]. 본 연구에서 제안하는 통합 시뮬레이션 플랫폼의 핵심은 바로 이러한 플러그인 기능을 이용하여 교통 시뮬레이션 모형과 통신, 유틸리티, 그리고 ITS-S 간의 정보교환 및 상호작용을 구현하는 것으로, 교통 시뮬레이션 모형과 개별 ITS-S, 유틸리티 간 연계는 그림 2와 같이 플러그인으로 구현된다.

ITS-S는 지능형교통체계가 구축된 도로교통체계를 구성하는 핵심 객체로서, 차량센서 기반 교통상태 관측 기술을 실제적으로 구현하는 기능을 담당한다. 전술한 바와 같이 차량, 보행자, 노변기지국, 정보센터 등이 이에 해당하며, 특히 프로브 차량은 차량센서 운영을 통해 주행 환경을 센싱 및 가공하여 데이터를 생성 후 통신을 이용하여 이를 정보센터에 제공하는 역할을 수행한다. 보행자는 자전거와 이륜차 등을 포함하며, 스마트폰과 같은 첨단 정보통신 기기를 이용하여 도로불편상황을 신고하거나[9] 교통사고, 지진, 산사태, 화재 등의 돌발상황을 전파할 수 있고, 자신의 위치 정보 공유를 통해 안전사고 예방에 기여할 수 있다[10]. 노변기지국은 DSRC 통신 메시지 전송과 엣지 컴퓨팅을 통해 V2I 서비스를 제공하며, 정보센터는 다양한 도메인으로부터의 데이터 연계 및 통합, 분석 및 가공, 데이터베이스와 ITS-S 응용 프로그램 유지관리, 그리고 통신을 이용한 유용한 정보의 제공 및 피드백 등의 역할을 수행한다.

모든 ITS-S 객체는 플러그인 또는 통신을 이용하여 교통 시뮬레이션 모형과 연계가 가능하다. 하지만 현실 세계에서 차량과 보행자, 노변기지국은 공간적으로 도로망 내에 존재하는 반면, 정보센터는 별도의 위치에 존재하기 때문에 이를 모사하기 위해 본 연구에서는 정보센터는 통신망으로 연계되고 그 외의 객체는 플러그인으로 연계되도록 하였다.

통신은 ITS-S 간 정보교환을 담당한다. C-ITS/자율주행 분야는 매우 빠른 통신 속도를 요구하기 때문에 DSRC 방식과 4G/5G 방식이, IoT 분야에서는 소량의 데이터를 주로 다루기 때문에 셀룰러, 와이파이, 블루투스, 지그비(ZigBee) 등의 무선 통신 기술이 활용되고 있다. 본 연구에서는 프로브 차량에서 수집된 소량의 데이터를 일정 주기로 정보센터에 전송하는 것이 통신의 주된 역할이기 때문에 셀룰러와 와이파이를 통신기술로 제안하였다. 하지만 다양한 시나리오에 따른 최신 통신 기술의 도입이 요구될 경우 언제든지 추가적인 기술 적용은 크게 문제되지 않을 것으로 판단된다.

통합 플랫폼 운영에는 많은 보조 기능이 요구된다. ITS-S 별로 위치정보 처리를 위해 사용하는 좌표 체계가 상이할 수 있고, 위치 기반 서비스를 위한 전자지도 데이터도 상이할 수 있다. 이러한 경우 상이한 좌표 체계 간 변환 기능, 이종 전자지도 간 위치정보 교환 기술인 위치참조방법(Location Referencing Method)이 요구된다. 이를 위해 제안된 통합 플랫폼은 좌표 변환과 위치참조 기술을 API를 통해 교통 시뮬레이션 모형에 연계되도록 하였다. 유틸리티는 제안된 기능들에 국한되지 않으며, 향후 다양한 연구에 활용되면서 필요 시 확장이 가능하다.

제안된 통합 시뮬레이션 플랫폼의 성능을 검증하기 위해 실제 현장 도로 데이터를 활용하여 도로망을 구축하고 차량센서 기반의 교통상태 관측 시스템인 TRADOS[1]를 대상으로 테스트를 수행하였다. TRADOS 시스템은 프로브 차량과 VIS 빅데이터 센터(Vehicle Is a Sensor)로 구성되며, 프로브 차량에 장착된 GPS와 레이더를 활용하여 차량의 위치와 주변 차량 데이터를 수집하고 이를 VIS 센터로 전송하면, 센터에서 구동되는 STREAM 알고리즘[11]에 의해 교통밀도와 속도, 교통량 정보가 생성되는 구조를 갖는다. 성능 검증을 위한 통합 시뮬레이션 플랫폼 아키텍처는 그림 3과 같다.

Fig. 3. 
Integrated Simulation Platform Architecture for Performance Test

교통 시뮬레이션 모형으로는 미시 교통 시뮬레이션 툴인VISSIM을 활용하였는데, 이 모형은 1974년 Wiedemann이 제안한 Psycho-physical perception 모형으로 차량 추종(Car Following)을 구현하여 실제 차량 간의 종방향 상호작용을 잘 표현하는 것으로 알려져 있다[12].

VISSIM 도로망 구축 툴을 이용하여 자유로와 강변북로(이산포IC~성산대교 북단, 총 20km)를 대상으로 도로망 데이터를 구축하였다. 시뮬레이션 모형 내 차량 종별은 일반 차량과 프로브 차량으로 단순하게 구분하였는데, 일반 차량 행태의 경우 VISSIM에서 기본으로 제공하는 모형을 사용하기 때문에 별 문제가 없으나 프로브 차량의 주변 차량 관측 및 수집 행태는 별도의 플러그인 개발이 필요하다. 이에 프로브 차량의 행태 모사를 위해 VISSIM COM Interface와 Matlab을 활용하여 레이더와 GPS 기반의 주변 차량 검지 기능을 개발하였다. TRADOS 시스템은 차량만을 대상으로 하기 때문에 보행자 ITS-S는 대상에서 제외하였고, 뒤에서 언급하게 될 통신의 경우 IoT 분야의 특화된 어플리케이션을 활용하였기 때문에 노변기지국 ITS-S도 대상에서 제외하였다..

대부분의 교통 시뮬레이션 모형과 마찬가지로 VISSIM도 거리 기반 좌표 체계를 이용하여 위치 데이터를 생성한다. 반면 VIS 빅데이터 센터는 경위도 좌표 체계(Geographic Coordinate System, GCS)를 이용한다. 따라서 프로브 차량은 수집된 위치 정보를 GCS체계로 변환하여야 하기 때문에 이를 위해 Inverse Haversine Method[13]를 도입하였다.

위치 기반 서비스의 경우 서비스 기기(단말기, 서버 등)가 서로 다른 좌표 체계 또는 전자지도를 이용할 경우 위치 정보를 교환할 때 좌표만을 이용하면 오차가 발생할 가능성이 크다. 따라서 이러한 오차를 최소화하기 위해 위치참조방법(Location Referencing Method)을 이용하게 되는데[14], 본 연구에서는 표준ITS노드링크 체계 기반의 정적 위치참조방법을 도입하였고, 이를 위해 좌표와 주행 방향을 이용하여 표준ITS링크를 매칭하는 도로 Map Matching 알고리즘[15]을 이용하였다.

프로브 차량은 자차 위치 정보를 기반으로 교통상태 정보와 주변 도로시설 정보를 생성하여 VIS 빅데이터 센터에 전송한다. 자차 위치 정보는 차량의 고유 번호와 날짜, 시간, 경위도, 그리고 헤딩 데이터를 포한한다. 교통상태 정보는 검지된 주변 차량대수와 개별 차량(객체)의 정보, 즉 자차와 객체 간의 각도(자차 진행방향 기준으로 시계방향), 자차와의 거리(meter), 자차와의 상대속도(km/h)를 포함하며, 도로시설 정보는 도로구간의 고유번호(표준ITS링크 ID)와 차로번호, 전체 차로수를 포함한다. 이러한 정보는 매 초 마다 JSON 파일 형태로 저장되고 센터에 전송된다.

센터와의 통신을 위해 별도의 통신 기능을 구현하였는데, JSON 파일로 저장된 패킷을 센터로 전송하기 위해 MQTT(Message Queuing Telemetry Transport) 프로토콜 기반의 응용 어플리케이션인 Mosquitto¹⁾를 활용하였다. 이는 해당 홈페이지에서 무료로 다운로드하여 사용할 수 있는 오픈소스 프로그램으로, MQTT Broker 역할을 하는 mosquitto, Subscriber 역할을 하는 mosquitto_sub, Publisher 역할을 하는 mosquitto_pub으로 구성된다. VIS 센터에는 패킷의 수신 및 전달을 담당하는 Broker와 STREAM 알고리즘을 구동하는 응용 어플리케이션이 이용하는 Subscriber가 작동을 하고, 프로브 차량은 Publisher가 작동한다. 프로브 차량은 Publisher를 이용하여 정보를 송신하고, Broker는 이를 수신한 후 바로 Subscriber에게 전달하면 STREAM 알고리즘이 수행되어 교통상태를 추정하게 된다.

테스트 시뮬레이션은 총 10분 동안 진행하였고, 총 차량 수요는 6,000대로 하였으며, 이 중 5%에 해당하는 300대를 프로브 차량으로 가정하였다. 프로브 차량은 레이더 센서를 활용하여 주변 차량을 검지하고, 이를 구조화하여 매 초 마다 센터에 송신하고, 센터에서 수신된 메시지의 분석을 통해 결과를 분석하였다.

센터에서 수신된 메시지(JSON 파일)은 총 32,546개로, 가장 많은 메시지를 송신한 차량은 총 499개를, 그리고 가장 적은 메시지를 송신한 차량은 7개의 메시지를 송신하였다. 평균적으로 하나의 프로브 차량이 247개의 메시지를 송신한 것으로 나타났다. 메시지 송신량이 많은 차량은 도로망에 가장 오랫동안 머문, 즉 통행시간이 긴 차량으로, 초 당 1회 메시지를 발생 및 전송하기 때문에 499초 동안 주행한 셈이다.

개별 프로브 차량은 레이더 센서 검지 영역 내에 존재하는 주변 차량을 검지하는 행태를 모사하도록 기능을 개발하였다. 모든 프로브 차량에 의해 검지된 총 차량 수는 중복을 허용하기 때문에 총 수요보다 훨씬 많은 279,856대이다. 하나의 프로브 차량이 특정 시점에 검지한 주변 차량의 대수는 최소 0대부터 최대 25대까지 분포하며, 검지된 주변 차량 대수의 분포는 그림 4와 같다. 7대의 주변 차량을 검지한 경우가 가장 많으며(3,576건), 평균적으로 5대~10대 정도를 검지하며, 분포의 평균은 8.6대인 것으로 나타났다.

Fig. 4. 
Distribution of detected vehicles

테스트 도로구간의 차로는 대부분 4~7차로이며, 프로브 차량의 차로 분포는 고르게 나타났다. 1차로에서 주변 차량을 검지하여 메시지를 송신한 경우는 총 7,278회, 2차로는 6,966회, 3차로는 7,072회, 4차로는 5,430회, 5차로는 4,859회, 6차로는 769회, 7차로는 172회로 나타났다.