KR102334369B1

KR102334369B1 - 블랙아이스 생성 예측을 통한 알림 시스템

Info

Publication number: KR102334369B1
Application number: KR1020210033781A
Authority: KR
Inventors: 오상록
Original assignee: 주식회사 비알인포텍
Priority date: 2021-03-16
Filing date: 2021-03-16
Publication date: 2021-12-02

Abstract

본 발명에 따른 블랙아이스 생성 예측을 통한 알림 시스템은, 노면의 일 측에 적어도 하나 설치된 것으로, 기상청 서버와 연동되어 도로의 온도, 습도, 풍속, 풍향을 포함하는 날씨정보를 실시간으로 수집하는 날씨 수집부 및, 상기 기상청 서버와 연동되어 상기 도로의 눈, 비, 서리, 안개를 포함하는 강수정보를 실시간으로 수집하는 강수 수집부와, 상기 도로의 교통정보를 수집하는 교통정보 수집부를 포함하는 데이터 수집모듈; 상기 강수정보 및 상기 날씨정보와 상기 교통정보를 기반으로 상기 도로의 블랙아이스 예측정보를 생성하는 예측데이터 산출부를 포함하는 블랙아이스 예측모듈;을 포함하는 것을 특징으로 한다.

Description

블랙아이스 생성 예측을 통한 알림 시스템{BLACK ICE ALARM SYSTEM BY PREDICTION}

본 발명은 블랙아이스 생성 예측을 통한 알림 시스템에 관한 것으로서, 보다 상세히는 실시간 날씨정보와 눈, 비, 서리, 안개의 유무 뿐 아니라 도로의 교통량을 포함하는 교통정보를 기반으로 블랙아이스 생성을 예측하는 블랙아이스 생성 예측을 통한 알림 시스템에 관한 것이다.

블랙아이스는 겨울철 눈, 비, 서리, 안개 등으로 도로 노면에 생긴 물이 먼지, 매연과 함께 코팅되듯이 얼어붙어 얇은 얼음 막을 형성한 것으로서, 이름처럼 아스팔트의 색과 유사한 검은 색을 띄어 운전자가 육안으로 식별하고 이를 피해 운전하기가 어렵다.

이러한 블랙아이스는 도로를 지나가는 차량의 타이어가 쉽게 미끄러지도록 하여 고속 주행 중의 사고를 자주 유발하는바, 도로 위의 암살자라고도 불린다.

따라서 이러한 블랙아이스의 발생을 예측하여 사고를 예방하기 위해서는 노면의 표면에 설치하여 센서를 이용하거나 별도로 설치한 광학식 센서를 이용하여 노면의 표면 또는 주변온도를 측정하고, 측정값이 미리 설정된 온도에 다다르는 경우에 블랙아이스의 발생을 예측하게 된다.

그러나, 노면 표면만의 측정 결과만으로 블랙아이스 발생을 판단하는 것은 무리가 있으며, 노면 표면의 온도가 어는점 이하라고 할지라도 주변의 상황에 따라 블랙아이스가 발생하지 않을 수도 있어 예측에 어려움이 있다.

따라서 이러한 문제를 해결하기 위한 선행기술로써, 대한민국 등록특허 제 10-2190175호에 ‘차량별 블랙아이스 등급알림장치’가 개시되어 있다.

상기 발명은 블랙아이스가 발생되는 도로의 선형·경사도, 일조량에 대한 도로정보와 온도, 습도 및 풍속에 대한 환경정보 및 차량속도를 지수화시켜 블랙아이스의 등급을 예측하여 운전자에게 확인할 수 있도록 결빙안내표지판에 표시하는 차량별 블랙아이스 등급알림장치에 관한 것이다.

상기 발명은 도로에 인접하게 설치되어 있으며 결빙안내표지판에 도로의 규정속도, 진입하는 차량의 속도를 표시하면서 도로의 선형, 경사도, 일조량에 대한 도로정보와 지면 또는 주변의 온도, 습도 및 풍속에 대한 환경정보와 함께 차량속도를 지수화시켜 블랙아이스의 등급을 예측하여 블랙아이스 등급을 운전자에게 확인할 수 있도록 함께 표시하는 것이다.

이와 같은 상기 발명은 도로에 차량 진입 시 차량의 속도, 도로의 형태에 관련된 정보 및 지형에 관련된 정보에 따라 블랙아이스의 등급을 산정하여 차량에 알림하는 것이나, 실제로 해당 도로별 교통량에 따른 블랙아이스 생성 예측과 같이 블랙아이스의 생성 여부를 예측하여 알리는 수준까진 이르지 못하였다.

따라서 상술한 문제점을 해결하기 위하여 도로의 온도, 습도, 풍속, 풍향을 포함하는 날씨정보와 눈, 비, 서리, 안개를 포함하는 강수 관련 정보, 나아가 해당 도로에 통행하고 있는 차량에 대한 교통량을 포함하는 교통정보를 반영하여 블랙아이스 생성을 예측하고 이를 알림할 수 있도록 하는, 블랙아이스 생성 예측을 통한 알림 시스템을 개발할 필요성이 대두되는 실정이다.

본 발명은 상기 기술의 문제점을 극복하기 위해 안출된 것으로, 도로 노면의 날씨와 교통량을 매개로 하여 블랙아이스의 생성을 예측하여, 이를 대비할 수 있도록 하는 것을 주요 목적으로 한다.

본 발명의 다른 목적은, 블랙아이스 생성 예측에 있어 도로 인근의 특성을 보다 다양화하여 이를 반영하는 것이다.

본 발명의 또 다른 목적은, 도로 광량에 영향을 미치는 그늘의 특성 및 태양이 비추는 광량을 분석하여 이를 블랙아이스 생성 예측에 반영하는 것이다.

본 발명의 추가 목적은, 블랙아이스 발생이 예상되는 시기를 예측하고 이를 기반으로 제설 작업을 미리 수행하거나, 도로의 동결을 예방할 수 있도록 하는 것이다.

상기 목적을 달성하기 위하여, 본 발명에 따른 블랙아이스 생성 예측을 통한 알림 시스템은, 기상청 서버와 연동되어 도로의 온도, 습도, 풍속, 풍향을 포함하는 날씨정보를 실시간으로 수집하는 날씨수집부 및, 상기 기상청 서버와 연동되어 상기 도로의 눈, 비, 서리, 안개를 포함하는 강수정보를 실시간으로 수집하는 강수수집부와, 상기 도로의 교통정보를 수집하는 교통정보수집부를 포함하는 데이터 수집모듈; 상기 강수정보 및 상기 날씨정보와 상기 교통정보를 기반으로 상기 도로의 블랙아이스 예측정보를 생성하는 예측데이터 산출부를 포함하는 블랙아이스 예측모듈;을 포함하는 것을 특징으로 한다.

또한, 상기 시스템은, 상기 도로 노면의 일 측에 적어도 하나 설치된 것으로, 차량의 타이어가 상기 도로 노면에 접촉함에 따라 발생되는 마찰 사운드를 시계열적으로 입력받는 음향센서; 상기 마찰 사운드를 전송받아 분석하여 상기 도로 노면의 블랙아이스 발생정보를 생성하는 생성 확인 모듈;을 포함하며, 상기 블랙아이스 예측모듈은, 상기 도로 노면에 대한 상기 블랙아이스 예측정보와 상기 블랙아이스 발생정보를 비교 처리하여 블랙아이스 확인정보를 생성하는 예측검증부를 포함하는 것을 특징으로 한다.

더불어, 상기 데이터 수집모듈은, 상기 도로를 복수 개의 구간으로 분류하는 구간분류부와, 상기 구간의 교량 및 터널 중 어느 하나를 포함하는 특이지점정보를 파악하는 특이지점파악부를 포함하며, 상기 예측데이터 산출부는, 상기 강수정보, 상기 날씨정보, 상기 교통정보, 상기 특이지점정보를 기반으로 상기 구간의 블랙아이스 예측정보를 생성하는 것을 특징으로 한다.

추가적으로, 상기 데이터 수집모듈은, GIS 서버와 연동되어 상기 구간과 인접한 산, 언덕, 건물, 나무를 포함하는 지형물정보를 수집하는 지형물파악부 및, 상기 태양의 일주운동 및 연주운동에 따른 예측 시점의 상기 구간별 태양고도를 파악하는 태양고도 파악부를 포함하고, 상기 블랙아이스 예측모듈은, 상기 지형물의 높이 및 상기 태양고도를 기반으로 상기 지형물정보가 수집된 상기 구간에 대한 기 설정된 산출 기간 동안의 평균 상대광량정보를 산출하는 평균광량산출부를 더 포함하며, 상기 예측데이터 산출부는, 상기 강수정보, 상기 날씨정보, 상기 교통정보, 상기 특이지점정보, 평균 상대광량정보를 기반으로 상기 구간의 블랙아이스 예측정보를 생성하는 것을 특징으로 한다.

본 발명에 따른 블랙아이스 생성 예측을 통한 알림 시스템에 의하면,

1) 도로의 온도, 습도, 풍속, 풍향, 눈, 비, 서리, 안개, 그리고 해당 도로를 지나는 교통량을 기반으로 하여 블랙아이스 생성을 예측하여 이를 대비할 수 있도록 하였으며,

2) 터널과 교량과 같은 특수 도로에서의 블랙아이스 발생을 보다 세밀화하여 예측 가능하게 함과 동시에,

3) 도로 인근에 있을 수 있는 산, 언덕, 나무, 건물과 같은 지형물이 도로 및 블랙아이스 생성에 미치는 영향을 반영하여 예측을 보다 정교화 하였으며,

4) 블랙아이스 생성을 예측하고 예측과 동시에 제설을 수행할 수 있도록 하여 안전 사고 발생을 경감시킨 효과가 있다.

도 1은 본 발명의 시스템의 구성 관계를 도시한 개념도.
도 2는 본 발명의 시스템의 구성을 도시한 블록도.
도 3은 블랙아이스 발생 마찰음의 일 예를 도시한 그래프.
도 4는 지형물을 포함하는 도로를 도시한 개념도.
도 5는 태양 고도 및 방위각의 변화를 예측 시점에 따라 나타낸 그래프.
도 6은 분사 장치를 도시한 개념도.

이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 첨부된 도면은 축척에 의하여 도시되지 않았으며, 각 도면의 동일한 참조 번호는 동일한 구성 요소를 지칭한다.

도 1은 본 발명의 시스템의 본 발명의 시스템의 구성 관계를 도시한 개념도이다,

도 1을 참조하여 설명하면, 본 발명의 블랙아이스 생성 예측을 통한 알림 시스템은, 기상청 서버(1)와 중앙관제서버(20)를 기본적으로 포함한다.

기상청 서버(1)는 차량이 통행하는 도로의 온도, 습도, 풍속, 풍향, 눈, 비, 서리, 안개 등과 같이 날씨 및 날씨로 인한 이상 상황 등을 감지하여 이를 중앙관제서버에 알리는 역할을 하는 것으로서, 실시간으로 상세 지역별 날씨에 대한 정보를 수집하여 이를 중앙관제서버(20)에 알리는 역할을 수행한다. 이를 위해서는 기상청 서버(1)와 중앙관제서버(20)가 통신을 매개로 하여 연결되어야 함을 기본으로 한다.

중앙관제서버(20)는 상술한 기상청 서버(1)로부터 제공받은 도로의 온도, 습도, 풍속, 풍향, 눈, 비, 서리, 안개와 같은 정보와 더불어, 해당 도로의 교통정보를 수집하고 날씨 및 교통정보를 기반으로 하여 블랙아이스의 생성을 예측하는 예측정보를 생성하는 기능을 수행한다.

이러한 중앙관제서버(20)는 정보의 처리를 위한 CPU와 저장 수단을 구비한 하드웨어를 의미하며, 다시 말해, 중앙관제서버(20)는 중앙처리장치(CPU) 및 메모리와 하드디스크와 같은 저장수단과 유선 및 블루투스 등의 무선 통신장비를 구비한 하드웨어 기반에서 중앙처리장치에서 수행될 수 있는 프로그램, 즉 소프트웨어가 설치되어 이 소프트웨어를 실행할 수 있는데 이러한 소프트웨어에 대한 일련의 구체적 구성을 '모듈' 및 '부' 라는 구성단위로서 후술할 예정이다.

이때, 중앙관제서버(20)는 이 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시), 프로세서를 포함할 수 있다. 또한, 중앙관제서버는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템 온 칩(SoC: system on chip) 형태로 구현될 수 있다.

프로세서는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

메모리에는 후술할 모듈 내지 부의 실행 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 탈착형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

즉, 본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

이러한 '모듈' 또는 '부' 또는 '인터페이스'의 구성은 중앙관제서버(20)의 저장수단에 설치 및 저장된 상태에서 CPU 및 메모리를 매개로 실행되는 소프트웨어 또는 FPGA 내지 ASIC과 같은 하드웨어의 일 구성을 의미한다. 이때, '모듈' 또는 '부', '인터페이스'라는 구성은 하드웨어에 한정되는 의미는 아니고, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 일예로서 '모듈' 또는 '부' 또는 '인터페이스'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.

이러한 '모듈' 또는 '부' 또는 '인터페이스'에서 제공되는 기능은 더 작은 수의 구성요소들 및 '부' 또는 '모듈'들로 결합되거나 추가적인 구성요소들과 '부' 또는 '모듈'들로 더 분리될 수 있다.

이하, 이와 같은 중앙관제서버(20)의 거시적 구성을 기반으로 이에 대한 세부 구성 및 기능을 설명하도록 한다.

도 2는 본 발명의 시스템의 구성을 도시한 블록도이다.

도 2를 참조하면 알 수 있듯이, 본 발명의 블랙아이스 생성 예측을 통한 알림 시스템은 데이터 수집모듈(100) 및 블랙아이스 예측모듈(200)을 기본적으로 포함한다.

데이터 수집모듈(100)은 상술한 기상청 서버와 연동되어 날씨정보 및 강수정보를 실시간 수집하고, 나아가 도로의 교통정보를 수집하는 역할을 수행하는 것으로서, 이를 위해 날씨 수집부(110), 강수 수집부(120), 교통정보 수집부(130)를 포함하여 구성된다.

날씨 수집부(110)는 기상청 서버(1)와 연동되어 차량이 통행하는 도로(도로 노면)의 온도, 습도, 풍속, 풍향 등을 포함하는 날씨정보를 실시간 수집하는 기능을 수행한다. 여기서 날씨정보의 수집이라 함은 날씨에 있어 눈, 비, 서리, 안개와 같은 항시 나타나지 않는 이벤트성 정보가 아닌, 온도, 습도, 풍속, 풍향과 같이 항상 측정 가능한 정보만을 한정한 것이다.

이때 도로의 온도, 습도, 풍속, 풍향이라 함은 바람직하게는 차량이 통행하는 도로 구간별로 측정될 수 있으며, 가장 바람직하게는 선릉로, 테헤란로와 같은 대로와 같은 도로들을 500 내지 2km 정도 길이의 도로를 구간화하여 구간별 날씨정보가 수집될 수 있다.

그러나 만약 구간별 날씨정보가 수집되기 어려울 때에는 종래의 날씨정보 수집 방법과 동일하게 동/읍/면 별로 날씨정보를 측정하도록 하고, 해당 동/읍/면에 포함된 도로들의 경우 동/읍/면 별로 수집된 날씨정보가 반영되도록 하는 것 역시 가능함은 물론이다. 이는 일반적으로 같은 동/읍/면에서는 같은 날씨가 나타나는 것이 일반적이기 때문이다.

강수 수집부(120)는 상술한 기상청 서버(1)와 연동되어 도로의 눈, 비, 서리, 안개를 포함하는 강수정보를 실시간으로 수집하는 역할을 수행한다. 블랙아이스 생성에 있어서는 습기, 그중에서도 눈, 비, 서리, 안개와 같이 도로 노면에 직접적으로 습기를 맺히게 하는 사건이 발생되는 것이 중요한 바, 이러한 이벤트성 정보를 별도로 수집하여 관리할 수 있도록 하는 것이다.

여기서 도로별 강수정보 수집에 있어서는 상술한 구성처럼 테헤란로, 선릉로, 영동대로와 같이 도로별로 500 내지 2km 정도 길이의 도로를 구간화하여 구간별로 강수정보를 별도로 측정 및 수집하도록 하는 것도 가능하나, 만약 도로별 강수정보의 측정 및 수집이 힘든 경우 종래의 방식대로 동/읍/면 별로 강수정보를 수집하고, 해당 동/읍/면에 포함된 도로의 강수정보를 동일하게 반영하도록 하는 것도 가능하다. 이는 일반적으로 눈, 비, 서리, 안개와 같은 강수정보의 경우 국지성으로 발생하기는 하나 동/읍/면 단위에서는 일반적으로 같은 이벤트(눈, 비, 서리, 안개)가 발생하기 때문이다.

교통정보 수집부(130)는 해당 도로의 교통정보를 수집하는 역할을 수행하는 것으로서, 여기서 교통정보라 함은 바람직하게는 측정 시간대, 즉 기준 시간대별로 해당 도로를 지나가는 차량의 수, 즉 통행량이라 할 수 있다. 여기서 통행량의 경우 정확한 대수로 표현될 수도 있으며, 혹은 원활, 혼잡, 정체, 극심한 정체 등으로 나타날 수도 있다. 교통정보 수집에 있어서는 본 발명의 중앙관제서버(20)가 직접적으로 교통정보를 수집할 수도 있으나, 바람직하게는 광역교통청이나 종래의 실시간 교통정보를 다루는 네비게이션의 교통서버 등과 통신되어 교통정보를 수집하는 것 역시 가능하다.

이와 같은 교통정보 수집은 일반적으로 도로별 교통량을 나타내기 때문에, 여기서 도로를 보다 세분화하여 상술한 바와 같이 500 내지 2km 정도 길이의 도로를 구간화하여 구간별로 교통정보를 수집할 수도 있다.

블랙아이스 예측모듈(200)은 날씨 수집부(110)를 통해 수집된 날씨정보, 강수 수집부(120)를 통해 수집된 강수정보, 그리고 교통정보 수집부(130)를 통해 수집된 교통정보를 기반으로 하여 도로의 블랙아이스 예측정보를 생성하는 역할을 수행한다. 이를 위해 블랙아이스 예측모듈(200)은 기본적으로 예측데이터 산출부(210)를 포함하며, 예측데이터 산출부(210)를 통해 블랙아이스 예측정보가 산출되게 된다.

여기서 예측데이터 산출부(210)를 통한 블랙아이스 예측정보 산출 방식에 있어서는 별도의 제한을 두지 않는다. 그러나 바람직하게는 강수정보가 수집된 도로, 즉 눈, 비, 서리, 안개가 나타난 도로에 있어 해당 도로의 날씨가 습기가 얼어붙기에 충분한 조건인 경우(영하이거나 영하와 인접한 날씨), 강풍이 불어 체감온도가 낮은 경우, 더불어 교통정보에 있어 교통량이 적은 도로인 경우 블랙아이스가 훨씬 쉽게 발생할 수 있다. 따라서 해당 조건에 부합하는 경우 블랙아이스가 발생할 것으로 예측될 수 있어 강수정보가 수집된 도로일수록(도로에 습기가 나타날 수 있는 상황), 온도가 낮고 풍속이 셀수록, 더불어 교통량이 낮은 도로일수록 블랙아이스 예측정보가 생성될 가능성이 높아진다.

따라서 이와 같은 예측데이터 산출부(210)는 블랙아이스가 생성될 수 있는 환경이 조성된 경우 해당 도로에 블랙아이스가 생성되었을 수 있음을 알릴 수 있도록 블랙아이스 예측정보를 생성함으로써 이를 토대로 해당 도로에 대한 제설 처리가 이어질 수 있도록 한다거나, 혹은 해당 도로에 인접한 운전자들에게 재난방지문자 등을 전송하도록 하여 운전 중에 보다 주의를 기울일 수 있도록 할 수 있다.

여기서 더 나아가, 본 발명의 블랙아이스 생성 예측을 통한 알림 시스템은, 해당 도로(도로 노면)에 대해 생성된 블랙아이스 예측정보와 실제 블랙아이스 생성 여부를 비교 처리하여 예측정보에 대한 검증을 수행할 수 있다.

이때 예측정보에 대한 검증에 있어 도로에 음향센서를 설치하고 소리를 통해 블랙아이스 생성 여부를 파악하도록 할 수 있는데, 이를 위해 본 발명의 시스템은 도로의 노면에 설치된 음향센서(10)를 더 포함한다.

음향센서(10)는 입력받은 소리를 전기적 신호로 변환하는 것으로서, 일반적으로 마이크(마이크로폰)일 수 있으나 이에 한정된 것은 아니고 상술한 기능을 제공하는 다양한 음향 입력 수단인 것이 가능하다.

본 발명의 음향센서(10)는 도로 노면과 주행 중인 차량의 타이어의 사이에서 발생한 마찰음, 즉 ‘마찰 사운드’가 포함된 노면 주변의 소리를 입력받아 전기적 신호로 변환하여 유선 연결 또는 무선 통신 수단을 통해 후술할 중앙관제서버의 생성 확인 모듈로 전송한다.

이때, 음향센서(10)는 단순히 마찰에 의한 소리의 발생여부에 따라 작동하는 것이 아닌, 진폭 및 주파수 및 파형을 시간의 흐름(시계열)에 따라 입력받음으로써, 소리의 입력, 변환, 전송의 과정 중 파형의 누실 및 왜곡을 유발할 수 있는 딜레이타임(delay time)의 발생을 방지하여 보다 정확한 분석의 기반을 제공할 수 있다.

이러한 음향센서(10)는 노면의 주변에 설치되어 왜곡되지 않고 정확한 마찰 사운드를 입력받는 것이 바람직한바, 도로의 중앙 분리선(a), 갓길(b), 노면의 내부(c)와 같이 차량의 주행을 방해하지 않고 노면과 충분히 근접한 위치에 설치되는 것이 가능하다.

도 3은 블랙아이스 발생 마찰음의 일 예를 도시한 그래프이다.

도 1과 함께 도 3을 참조하여 설명하면, 본 발명의 시스템은 마찰 사운드를 분석하는 생성 확인 모듈(300)을 더 포함할 수 있다. 이러한 생성 확인 모듈(300)은 마찰 사운드를 전송받아 분석하여 해당 도로 노면의 블랙아이스를 감지하여 블랙아이스 발생정보를 생성하는 역할을 제공한다.

즉, 생성 확인 모듈(300)은 상술한 마찰 사운드를 분석해서 이 마찰 사운드가 실제 블랙아이스가 생성된 도로 노면과 타이어 사이의 마찰로 발생한 소리와 같거나 유사한 소리인지 여부를 파악하는 기능을 수행하는 것이다.

이와 같은 분석 및 감지 알고리즘은 다양한 방법이 존재할 수 있으나 본 발명에서는 미리 녹음된 실제 블랙아이스가 생성된 도로와 타이어 사이의 마찰로 발생한 소리, 즉 ‘블랙아이스 발생 마찰음’을 이용하는 알고리즘을 예시하도록 한다.

블랙아이스 발생 마찰음은 노면을 주행하는 차량의 중량 및 속도, 타이어의 종류, 도로의 상태 등의 조건에 따라 다양한 소리 특성을 가질 수 있는바, 중앙관제서버(20)의 세부 구성, 예를 들어 생성 확인 모듈(300)은 이러한 블랙아이스 발생 마찰음을 다양한 분류 기준으로 분류하여 저장한 데이터베이스, 즉 블랙아이스 발생 마찰음 데이터베이스를 구비하는 것이 가능하다. 이때 분류기준은 차량의 중량, 차량의 속도, 타이어의 재질, 노면의 상태와 같은 기준이 제시될 수 있다.

블랙아이스 발생 마찰음 데이터베이스는 분류기준에 따라서 분류된 세부 그룹 별로 블랙아이스 마찰 발생음의 주파수 대역을 공지의 주파수 분석 프로그램을 통해 분석한 다음 분석된 블랙아이스 발생 마찰음의 주파수 대역을 세부 그룹 별로 정규화, 예를 들어 세부 그룹별로 존재하는 복수 개의 블랙아이스 발생 마찰음이 가진 주파수 대역별 평균값으로 처리하는 방식과 같이 각 세부 그룹별 대표적인 블랙아이스 발생 마찰음을 설정하는 것이 가능하다.

도 3은 차량의 중량: 2400kg, 차량의 속도 70km/h의 환경에서 발생한 블랙아이스 발생 마찰음을 예시한 데시벨-주파수 그래프에 관한 것으로서, 이 그래프를 참조하면 500 내지 2000Hz의 주파수 대역에서 높은 데시벨을 가지되, 650 내지 775Hz의 주파수 대역에서 데시벨이 급격히 증가하는 반면, 2000 내지 4000Hz의 주파수 대역에서 서서히 데시벨이 감소하는 특성을 가지는 것을 알 수 있다.

즉, 생성 확인 모듈(300)은 마찰 사운드를 상술한 도 3과 같은 데시벨-주파수 그래프로 분석하는 기능을 수행하는 것인데, 이러한 마찰 사운드의 데시벨-주파수 그래프에서 나타난 주파수 특성 및 파형 특성을 분석 결과 정보라 하는 것이다.

또한, 생성 확인 모듈(300)은 블랙아이스 발생 마찰음의 주파수 특성 및 파형 특성과 분석 결과 정보의 주파수 특성 및 파형 특성을 비교하여 마찰 사운드가 블랙아이스 발생 마찰음인지 여부를 감지하는 역할을 수행한다.

따라서 이와 같은 생성 확인 모듈(300)의 구성을 통해 도로에 블랙아이스가 실제로 발생했는지를 마찰 사운드를 통해 감지해낼 수 있으며, 블랙아이스 생성이 감지된 경우 블랙아이스 발생정보가 생성되는 것이다.

따라서 이와 같이 블랙아이스 생성에 대한 검증이 이루어지는 경우, 블랙아이스 예측모듈(200)은 예측검증부(220)를 더 포함하여 블랙아이스 예측정보와 블랙아이스 발생정보의 비교 처리를 통해 블랙아이스 확인정보를 생성할 수 있다.

예측검증부(220)는 도로에 대해 생성된 블랙아이스 예측정보와 생성 확인 모듈에 의해 생성된 블랙아이스 발생정보를 비교 처리하여 두 정보가 일치하는 경우 블랙아이스 확인정보를 생성함으로써 본 발명의 블랙아이스 예측모듈(200), 정확히는 예측데이터 산출부(210)를 통한 블랙아이스 생성 예측이 얼마나 정확하게 이루어지고 있는지를 자체 검증 처리할 수 있다.

여기서 블랙아이스 확인정보가 생성된다는 것은 블랙아이스 예측이 정확히 이루어지고 있다는 것을 나타내는 것이므로 블랙아이스 예측에 있어 알고리즘을 별도로 수정할 필요가 없으나, 블랙아이스 확인정보가 생성되지 않는다는 것은 블랙아이스에 대한 생성 예측이 제대로 이루어지지 않고 있다는 것을 나타내는 것이므로 이 경우 예측데이터 산출부(210)를 통한 블랙아이스 예측 알고리즘의 수정이 일어날 수 있다.

따라서 이와 같은 자체 검증을 통해 예측의 정확성을 높일 수 있게 되는 것이며, 이를 통해 보다 신뢰도 높은 예측 데이터 제공을 위한 끝없는 수정이 이루어질 수 있다.

더불어 본 발명의 데이터 수집모듈(100)에 있어 상술한 설명에서도 도로를 구간화하여 구간별로 날씨정보 및 강수정보, 교통정보를 수집하는 것이 바람직하다고 하였다. 이를 위한 세부 구성으로써 데이터 수집모듈(100)은 구간분류부(140)를 더 포함할 수 있다.

구간분류부(140)는 상술한 도로를 복수 개의 구간으로 분류하는 기능을 수행하는 것으로서, 여기서 구간이라 함은 상술한 바와 같이 500m 내지 2km 내외의 길이로 도로를 길이별로 분할한 것이라 할 수 있으나, 여기서 더 바람직하게는 도로가 직선 주로인지, 혹은 커브가 많은 곡선 주로인지에 따라 도로의 구간 분할 방식을 다르게 설정할 수 있다.

예를 들어 직선 주로인 경우 하나의 구간이 2km이거나 그 이상의 길이일 수도 있으나, 커브가 많고 험지인 도로인 경우 500m보다 더 짧은 거리로 구간이 세부적으로 분할되어 운전에 보다 주의를 기울여야 하는 구간이거나 블랙아이스가 생성되기 좋은 구간(경사로, 급커브구간, 산악구간)의 경우 보다 구간을 세분화할 수 있는 것이다. 따라서 구간분류부(140)를 통한 도로의 구간 분류 방식에 있어서는 별도의 제한을 두지 않으므로, 길이별, 도로의 형태별로 도로가 복수 개의 구간으로 분류될 수 있다.

더불어 도로는 단순한 지면 위의 도로 뿐 아니라 터널이나 교량과 같은 구조물을 포함할 수 있는데, 교량의 경우 일반적으로 강이나 바다 위에 위치하여 습도가 높으므로 블랙아이스의 생성 위험이 높으며, 터널의 경우 출입구 인근에서 사고 발생 위험성이 높으며 나아가 출입구 인근 도로에 터널 구조물에 쌓인 눈이나 습기등이 떨어지는 경우 해당 도로에 블랙아이스가 보다 쉽게 생성될 수 있다.

따라서 이와 같은 특이지점에 대한 정보를 파악하기 위해 데이터 수집모듈(100)은 교량이나 터널에 대한 존재 여부 파악을 위한 특이지점 파악부(150)를 더 포함할 수 있다.

특이지점 파악부(150)는 설정된 도로 구간 내에 교량, 터널 중 적어도 어느 하나가 포함되는지를 파악하여 구간에 교량, 터널 중 어느 하나가 포함되는 경우 특이지점정보로써 이를 파악하는 역할을 수행한다.

따라서 이와 같은 특이지점 파악부(150)를 통해 상술한 설명에서와 같이 교량이나 터널의 출입구 인근처럼 블랙아이스 발생 위험이 높은 지역을 특이지점정보로써 파악하도록 하여 터널의 출입구 인근이나 교량에서는 블랙아이스 예측정보를 다른 일반 도로에 비해 더 많이 발생하게끔 할 수 있는 것이다.

따라서 이 경우 상술한 블랙아이스 예측모듈(200)에 포함되는 예측데이터 산출부(210)는 강수정보, 날씨정보, 교통정보 뿐 아니라 특이지점정보를 반영하여 도로, 보다 상세하게는 도로를 세밀하게 분류 처리된 구간별로 블랙아이스 예측정보를 생성하게 된다.

즉 각각의 구간에 있어 기본적으로 상술한 바와 같이 강수정보, 날씨정보, 교통정보에 의해 블랙아이스 예측정보를 생성하는 것이나, 여기에서 더 나아가 해당 구간에 특이지점정보가 파악된 경우(교량이나 터널의 출입구가 구간에 포함된 경우) 해당 구간의 경우 일반 도로 구간에 비해 블랙아이스 예측정보가 보다 쉽게 생성되도록 (온도가 조금 높더라도, 강수정보에서의 강수량이 적더라도, 통행량이 좀 더 많더라도, 풍속이 조금 약하더라도 블랙아이스 예측정보가 생기게끔) 하여 위험구간에서 제설 등의 대비를 보다 확실하게 가능케 하는 것이다.

도 4는 지형물을 포함하는 도로를 도시한 개념도이다.

도 4를 참조하여 설명하면, 블랙아이스는 일반적으로 양지보다는 음지, 즉 그늘이 지는 환경에서 쉽게 생길 수 있음이 자명하다. 따라서 해당 도로 또는 구간에 그늘이 생기게 하는 원인이 되는 것들, 예를 들어 큰 나무나 건물, 나아가 인접한 큰 산이나 언덕과 같은 지형물이 블랙아이스 생성의 원인이 될 수 있다.

더불어 그늘이라 함은 일반적으로 태양에 의해 생기는 것이기 때문에, 태양이 지면을 비추는 각도에 따라, 그리고 계절에 따라 해당 도로, 나아가 구간의 블랙아이스 생성 여부가 달라질 수 있다. 따라서 태양이 지면을 비추는 각도, 즉 태양과 지표면 사이의 각도인 태양고도가 중요하다 할 수 있다.

따라서 이러한 지표들을 반영하여 블랙아이스 생성을 예측하기 위해, 데이터수집모듈(100)은 지형물 파악부(160)와 태양고도 파악부(170)를 포함할 수 있으며, 나아가 블랙아이스 예측모듈(200)은 평균광량 산출부(230)를 포함하여 구간별로 광량을 비교하고 그를 기반으로 블랙아이스 예측정보를 생성하는데 반영토록 할 수 있다.

먼저 데이터 수집모듈(100)에 포함되는 지형물 파악부(160)는 GIS 서버와 연동되어 도로가 나뉘어진 구간, 즉 해당 구간과 인접한 산, 언덕, 건물, 나무와 같은 지형물정보를 수집한다.

여기서 GIS 서버라 함은 GIS(geographic information system), 즉 지리 공간 데이터를 분석 및 가공하여 활용할 수 있도록 한 시스템 서버로서 지역에서 수집한 각종 지리 정보를 수치화하여 컴퓨터에 입력, 정보, 처리하고, 이를 사용자의 요구에 따라 다양한 방법으로 분석, 종합하여 제공하는 정보 처리 시스템 서버를 의미한다. 이러한 GIS 서버는 일반적으로 구글맵 등의 사이트에서 널리 이용되고 있으며, 혹은 ESRI사의 ArcGIS이나 Mapinfo의 MapX등이 있어 이와 같은 소프트웨어나 사이트 상에서 구간에 인접한 지형물정보를 수집할 수 있다.

여기서 인접했다고 하는 것은 가장 쉽게는 해당 구간에 맞닿은 것을 의미하나, 일반적으로 나무나 건물의 경우 도로(세밀하게는 구간)와 맞닿을 수 있으나 언덕이나 산의 경우 맞닿아 있기는 어려운 만큼, 해당 도로 또는 구간과 기 설정된 범위의 거리 내에 있는 경우 인접한 것이라 할 수 있다. 여기서 기 설정 범위라 함은 일반적으로 시스템 관리자에 의해 지정될 수 있는 값이므로 별도의 제한을 두지 않으나, 언덕의 경우 1 내지 200m 거리 내외의 경우 일반적으로 영향을 줄 수 있다고(그늘이 지게 만들 수 있다) 판단할 수 있으며, 산의 경우 그보다 넓은 1 내지 1000m 정도의 거리까지 인접한 것으로 판단할 수 있다.

더불어 산이나 언덕의 경우 여러 곳이 중첩될 수 있으므로, 이때는 중첩되는 산 및 언덕 중 가장 높은 지형물의 높이만을 판단하거나, 혹은 복수의 산 및 언덕의 평균 높이를 반영하는 것 역시 가능하다. 이 역시 제한 없이 시스템 관리자 차원에서 높이 반영 방식이 조절될 수 있다.

더불어 여기서 지형물정보의 수집이라 함은 상술한 지형물, 즉 산, 언덕, 건물, 나무에 대한 존재유무 파악과 함께, 지형물에 대한 높이를 포함한다. 즉 지형물의 유무 뿐 아니라 해당 지형물들의 높이까지 파악하는 것이라 할 수 있다.

도 5는 태양 고도 및 방위각의 변화를 예측 시점에 따라 나타낸 그래프이다.

도 5를 참조하여 설명하면, 태양고도 파악부(170)는 해당 구간을 비추는 광원이라 할 수 있는 태양에 대한 태양고도를 파악하기 위해, 태양의 일주운동 및 연주운동에 따른 예측 시점의 구간별 태양고도를 파악하는 역할을 수행한다.

이는 상술한 바와 같이 공지의 한국천문연구원 천문우주지식정보 등의 포털에서도 태양고도 파악이 가능하며, 위치 입력에 따라 정확한 태양 고도 및 방위각이 시간별로 나타나므로, 이를 수집하여 이용하는 것이다. 구간별 태양고도의 갚은 해당 구간에 위치에 따라 일주운동, 연주운동에 따른 태양고도를 공지의 태양고도 계산 방식에 의해 계산해내어 산출해내는 것이며, 이는 상술한 포털 등에서 그 데이터를 쉽게 수집할 수 있으므로 보다 상세한 설명은 생략하도록 한다.

나아가 이와 같이 지형물정보 및 태양고도의 파악이 완료되면, 이를 기반으로 블랙아이스 예측모듈(200)에 포함될 수 있는 평균광량 산출부(230)를 통해 각각의 구간에 대한 예측 시점의 평균 상대광량정보를 산출한다. 여기서 평균 상대광량정보는 지형물정보에 포함된 각각의 지형물의 높이, 그리고 산출된 태양고도를 기반으로 하여 해당 구간이 다른 구간에 비해 광량값이 상대적으로 높은지, 낮은지를 비교하기 위한 비교값이라 할 수 있다.

여기서 평균 상대광량정보가 높다는 것은 해당 구간이 다른 구간에 비해 상대적으로 광량이 높다는 것을 의미하여, 그만큼 태양이 많이 비추고 지형물이 적으며 지형물에 의한 간섭이 적다는 것을 의미하므로 그만큼 블랙아이스의 생성 위험이 낮다는 것이 되며, 반대로 평균 상대광량정보의 값이 낮다는 것은 해당 구간이 다른 구간에 비해 상대적으로 광량이 낮다는 것을 의미하여, 그만큼 태양이 적게 비추고 지형물이 많으며 지형물에 의한 간섭이 심하다는 것을 의미하므로 그만큼 블랙아이스의 생성 위험이 높다고 판단될 수 있다.

여기서 가장 바람직하게는, 평균 상대광량정보가 다음의 수학식 1을 통해 산출될 수 있다.

수학식 1,

여기서,

는 구간

에 대한 평균 상대광량정보,

는 원주율,

은 태양의 반지름,

은 슈테판-볼츠만 상수,

는 태양의 표면온도,

는 구간

의 예측 시점의 태양고도,

는 구간

에 포함된 개별 지형물 높이,

는 구간

에 포함된 지형물의 개수를 의미한다.

여기서 기본적으로 평균 상대광량정보는 일조시간 범위 내에서만 산출되는 것을 기본으로 하며, 이때 일조시간은 도 5의 그래프에서 고도가 양의 값을 갖는 시간 범위를 본다면 일조시간의 파악이 가능하다. 따라서 일반적으로 고도는 0 내지 60°범위의 값을 갖게 되며, 지형물의 높이는 기본적으로 m 단위를 반영한다.

여기서 구간에 지형물이 없다면 분모의 값이 1이 된 상태에서 태양고도만을 가지고 비교하게 되나, 일반적으로 구간 내에 인접한 산, 언덕, 건물, 나무 등의 지형물이 하나도 없는 경우 보다는 지형물이 있는 경우가 많고, 지형물이 없는 일반 구간에서는 상술한 바와 같이 태양고도 및 상술한 날씨정보 및 강수정보, 교통정보의 영향이 더 크다 할 수 있으므로 이 경우에 대해서는 일반적으로 생각하지 않는다.

더불어 상술한 태양의 반지름(m 단위), 태양의 표면온도(절대온도 K 단위)의 경우 일반적으로 그 값이 매우 큰 만큼 하이퍼탄젠트를 취하여 그 영향을 줄이도록 하고, 따라서 평균 상대광량정보는 지형물의 개수와 개별 지형물의 높이의 합, 그리고 태양고도를 가장 큰 지표로 하여 산출되는 것을 기본으로 한다.

이와 같은 평균 상대광량정보 산출에 따라서, 인접한 개별 지형물의 높이의 합, 그리고 지형물의 개수, 태양고도 등을 상호 비교하여 이를 기반으로 상대적인 광량의 비교값을 산출할 수 있게 되어 이를 블랙아이스 예측정보에 반영할 수 있다.

따라서 예측데이터 산출부(210)는, 강수정보, 날씨정보, 교통정보, 특이지점정보에서 더 나아가 평균 상대광량정보를 함께 반영하여 구간별로 블랙아이스 예측정보를 생성하게 된다.

여기서 바람직하게는 강수량이 높고, 온도가 낮고 풍속이 높으며, 교통량이 적고, 특이지점이며(터널의 출입구 인근이거나 교량 위이며), 평균 상대광량정보가 낮을수록 블랙아이스가 생성될 것이라고 쉽게 예측되는 것이며, 반대의 경우 블랙아이스가 쉽게 생성되지 않을 것이라 판정될 수 있다.

여기서 수학식 1에서, 평균 상대광량정보는 일조시간 범위 내에서만 산출하는 것을 기본으로 한다 하였다. 일조시간 범위 내에서만 태양이 구간을 비추는 만큼, 일조시간은 중요한 지표 중 하나라 할 수 있는데, 따라서 상대광량 산출 시 일조시간을 함께 반영하여 산출한다면 정확성을 보다 높일 수 있게 되는 것이다.

이를 위해 블랙아이스 예측모듈(200)은, 파악된 지형물의 높이, 태양고도, 그리고 일조시간을 기반으로 예측 시점에 대한 보정 상대광량정보)를 산출하는 보정광량 산출부(240)를 더 포함할 수 있다. 여기서 상술한 태양고도 파악부(170)를 통해 일조시간을 함께 파악할 수 있으므로, 이를 보정 상대광량정보 산출에 반영토록 하는 것이다.

이러한 보정광량 산출부(240)는 상술한 평균광량 산출부에 있어 일조시간의 지표를 더해 이를 보정한 것이라 할 수 있으며, 가장 바람직하게 다음의 수학식 2를 통해 보정 상대광량정보를 산출할 수 있다.

수학식 2,

여기서,

는 구간

에 대한 보정 상대광량정보,

는 원주율,

은 태양의 반지름,

은 슈테판-볼츠만 상수,

는 태양의 표면온도,

는 구간

의 예측 시점의 태양고도,

는 구간

에 포함된 개별 지형물 높이,

는 구간

에 포함된 지형물의 개수,

는 예측 시점의 일조시간을 의미한다.

일반적으로 고도는 0 내지 60°범위의 값을 갖게 되며, 지형물의 높이는 기본적으로 m 단위를 반영한다. 태양의 반지름은 m 단위를 이용하며, 태양의 표면온도의 경우 단위로써 절대온도 K를 이용한다.

더불어 이러한 수학식 2는 수학식 1과 비교했을 때 예측 시점의 일조시간을 반영하는데, 이때 예측 시점의 일조시간이라 함은 예측 시점이 해당하는 그 날짜의 일조시간을 의미하는 것이다. 일조시간은 상술한 바와 같이 태양고도가 양수의 값을 갖는 범위이며, 단위는 정확한 비교를 위해 분 단위를 이용한다.

여기서 일조시간의 차이에 따라 값의 변동폭이 너무 커지는 것을 방지하고자, 일조시간의 값에 하이퍼사인의 역함수(아크하이퍼사인)를 취하여 이용하였다. 이를 통해 일조시간의 양이 급격하게 변화하더라고 그를 통한 보정 상대광량정보, 즉 비교값의 산출은 완만한 범위에서 보정이 일어나나, 일조시간이 커지는 것에 비교하여 보정 상대광량정보 역시 커지는 것을 반영할 수 있다. 여기서 일조시간은 기본적으로 0의 값을 갖지 않으므로, 하이퍼사인 역함수를 취한 값 역시 항상 양수의 값을 갖게 된다.

따라서 이와 같이 보정 상대광량정보가 산출되는 경우, 예측 시점의 태양고도, 개별 지형물의 높이, 그리고 지형물의 개수, 예측 시점(해당 일)의 일조시간까지 반영하여 상대적으로 예측 시점(해당 일)의 구간에 비치는 광량의 비교값을 객관화하여 산출할 수 있어, 산출된 보정 상대광량정보의 비교 처리가 가능하게 된다.

더불어 이와 같이 보정 상대광량정보가 산출되는 경우, 예측데이터 산출부(210)는 강수정보, 날씨정보, 교통정보, 특이지점정보 뿐 아니라 보정 상대광량정보를 함께 반영하여 구간에 대한 블랙아이스 예측정보를 생성할 수 있다.

여기서 바람직하게는 강수량이 높고, 온도가 낮고 풍속이 높으며, 교통량이 적고, 특이지점이며(터널의 출입구 인근이거나 교량 위이며), 평균 상대광량정보가 낮고, 일조시간이 짧을수록 블랙아이스가 생성될 것이라고 쉽게 예측되는 것이며, 반대의 경우 블랙아이스가 쉽게 생성되지 않을 것이라 판정될 수 있다.

도 6은 분사 장치를 도시한 개념도이다.

도 6을 참조하여 설명하면, 본 발명의 시스템은 도로의 일 측에 설치된 분사 장치(30)를 구비할 수 있다.

분사 장치(30)는 결빙된 노면을 녹일 수 있는 동결 방지제를 분사할 수 있는 장치로서, 여기서 동결 방지제는 염화칼슘, 염화나트륨, 염화마그네슘, 초산칼륨, 요소 중 적어도 어느 하나를 포함하는 것을 특징으로 한다.

분사 장치(30)는 동결 방지제에 포함된 물질들을 교반시키기 위한 교반 장치를 구비하고, 노면 측으로 향한 노즐 및 노즐을 통해 동결 방지제를 도로 노면에 분사하는 압력을 발생시키는 펌프를 기본적으로 구비할 수 있다.

더불어, 이러한 분사 장치(30)는 블랙아이스 예측정보 생성에 따라 구동이 제어될 수 있는데, 이를 위해 블랙아이스 예측모듈(200)은, 블랙아이스 예측정보 생성에 따라 분사 장치의 구동을 제어하는 제설 제어부(250)를 더 포함하여, 제설 제어부(250)를 통해 해당 구간, 즉 도로의 블랙아이스 생성이 예측되는 경우 분사 장치(30)로 하여금 동결 방지제를 도로에 분사하게 하여 제설 작업을 미리 수행할 수 있게 된다.

이때, 동결 방지제는 어는점 내림 효과로 인해 물의 어는점을 영하권 이하로 낮출 수 있는 염화칼슘, 염화나트륨, 염화마그네슘, 초산칼륨, 요소와 같은 종래의 제설용 물질들을 이용하는 바, 즉 대한민국의 겨울철 기온에서는 분사되어도 도로 위에서 재결빙 위험을 배제할 수 있다.

이와 같은 구성에서 본 발명의 시스템은 블랙아이스 예측정보가 생성됨에 따라 제설 제어부(250)로 하여금 분사 장치(30)를 매개로 동결 방지제를 도로에 분사하는 이벤트를 발생시킴으로써 블랙아이스가 크게 성장하기 이전에, 혹은 발생이 예상됨에 따라 미리 제설작업을 수행하여 빙결을 방지하는 특성을 제공한다.
지금까지 설명한 바와 같이, 본 발명에 따른 블랙아이스 생성 예측을 통한 알림 시스템의 구성 및 작용을 상기 설명 및 도면에 표현하였지만 이는 예를 들어 설명한 것에 불과하여 본 발명의 사상이 상기 설명 및 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.

삭제

10 : 음향센서 20 : 중앙관제서버
30 : 분사 장치 100 : 데이터 수집모듈
110 : 날씨 수집부 120 : 강수 수집부
130 : 교통정보 수집부 140 : 구간분류부
150 : 특이지점 파악부 160 : 지형물 파악부
170 : 태양고도 파악부 200 : 블랙아이스 예측모듈
210 : 예측데이터 산출부 220 : 예측검증부
230 : 평균광량 산출부 240 : 보정광량 산출부
250 : 제설 제어부 300 : 생성 확인 모듈

Claims

블랙아이스 생성 예측을 통한 알림 시스템으로서,
기상청 서버와 연동되어 도로의 온도, 습도, 풍속, 풍향을 포함하는 날씨정보를 실시간으로 수집하는 날씨 수집부 및, 상기 기상청 서버와 연동되어 상기 도로의 눈, 비, 서리, 안개를 포함하는 강수정보를 실시간으로 수집하는 강수 수집부와, 상기 도로의 교통정보를 수집하는 교통정보 수집부를 포함하는 데이터 수집모듈;
상기 강수정보 및 상기 날씨정보와 상기 교통정보를 기반으로 상기 도로의 블랙아이스 예측정보를 생성하는 예측데이터 산출부를 포함하는 블랙아이스 예측모듈;을 포함하되,
상기 데이터 수집모듈은,
상기 도로를 복수 개의 구간으로 분류하는 구간분류부와, 상기 구간에 포함된 교량 및 터널 중 어느 하나를 포함하는 특이지점정보를 파악하는 특이지점 파악부 및, GIS 서버와 연동되어 상기 구간과 인접한 산, 언덕, 건물, 나무를 포함하는 지형물에 대한 지형물정보를 수집하는 지형물 파악부와, 태양의 일주운동 및 연주운동에 따른 예측 시점의 구간별 태양고도를 파악하는 태양고도 파악부를 포함하고,
상기 블랙아이스 예측모듈은,
파악된 지형물의 높이 및 상기 태양고도를 기반으로 상기 구간에 대한 예측 시점의 평균 상대광량정보를 산출하는 평균광량 산출부를 포함하며,
상기 예측데이터 산출부는,
상기 강수정보, 상기 날씨정보, 상기 교통정보, 상기 특이지점정보, 평균 상대광량정보를 기반으로 상기 구간의 블랙아이스 예측정보를 생성하되,
상기 평균 상대광량정보는,
다음의 수학식 1을 통해 산출되는 것을 특징으로 하는, 블랙아이스 생성 예측을 통한 알림 시스템.
수학식 1,

(여기서,
는 구간
에 대한 평균 상대광량정보,
는 원주율,
은 태양의 반지름,
은 슈테판-볼츠만 상수,
는 태양의 표면온도,
는 구간
의 예측 시점의 태양고도,
는 구간
에 포함된 개별 지형물 높이,
는 구간
에 포함된 지형물의 개수)
제 1항에 있어서,
상기 시스템은,
상기 도로의 일 측에 적어도 하나 설치된 것으로, 차량의 타이어가 상기 도로에 접촉함에 따라 발생되는 마찰 사운드를 시계열적으로 입력받는 음향센서;
상기 마찰 사운드를 전송받아 분석하여 상기 도로의 블랙아이스 발생정보를 생성하는 생성 확인 모듈;을 포함하며,
상기 블랙아이스 예측모듈은,
상기 도로에 대한 상기 블랙아이스 예측정보와 상기 블랙아이스 발생정보를 비교 처리하여 블랙아이스 확인정보를 생성하는 예측검증부를 포함하는 것을 특징으로 하는, 블랙아이스 생성 예측을 통한 알림 시스템.
제 1항에 있어서,
상기 블랙아이스 예측모듈은,
파악된 지형물의 높이 및 상기 태양고도 및 일조시간을 기반으로 상기 구간에 대한 예측 시점의 보정 상대광량정보를 산출하는 보정광량 산출부를 더 포함하고,
상기 예측데이터 산출부는,
상기 강수정보, 상기 날씨정보, 상기 교통정보, 상기 특이지점정보, 보정 상대광량정보를 기반으로 상기 구간의 블랙아이스 예측정보를 생성하며,
상기 보정 상대광량정보는,
다음의 수학식 2를 통해 산출되는 것을 특징으로 하는, 블랙아이스 생성 예측을 통한 알림 시스템.
수학식 2,

(여기서,
는 구간
에 대한 보정 상대광량정보,
는 원주율,
은 태양의 반지름,
은 슈테판-볼츠만 상수,
는 태양의 표면온도,
는 구간
의 예측 시점의 태양고도,
는 구간
에 포함된 개별 지형물 높이,
는 구간
에 포함된 지형물의 개수,
는 예측 시점의 일조시간)
제 1항에 있어서,
상기 시스템은,
상기 도로의 일 측에 설치된 것으로, 염화칼슘, 염화나트륨, 염화마그네슘, 초산칼륨, 요소 중 적어도 어느 하나를 포함하는 동결 방지제를 도로에 분사하는 분사 장치;를 구비하고,
상기 블랙아이스 예측 모듈은,
상기 블랙아이스 예측정보에 따라 상기 분사 장치를 구동 제어하는 제설 제어부를 포함하는 것을 특징으로 하는, 블랙아이스 생성 예측을 통한 알림 시스템.
삭제
삭제
삭제
삭제
삭제