KR102334369B1 - Black ice alarm system by prediction - Google Patents
Black ice alarm system by prediction Download PDFInfo
- Publication number
- KR102334369B1 KR102334369B1 KR1020210033781A KR20210033781A KR102334369B1 KR 102334369 B1 KR102334369 B1 KR 102334369B1 KR 1020210033781 A KR1020210033781 A KR 1020210033781A KR 20210033781 A KR20210033781 A KR 20210033781A KR 102334369 B1 KR102334369 B1 KR 102334369B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- prediction
- black ice
- road
- unit
- Prior art date
Links
- 238000001556 precipitation Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000013480 data collection Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 19
- 238000012790 confirmation Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 10
- 238000005507 spraying Methods 0.000 claims description 9
- TWRXJAOTZQYOKJ-UHFFFAOYSA-L Magnesium chloride Chemical compound [Mg+2].[Cl-].[Cl-] TWRXJAOTZQYOKJ-UHFFFAOYSA-L 0.000 claims description 6
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 6
- SCVFZCLFOSHCOH-UHFFFAOYSA-M potassium acetate Chemical compound [K+].CC([O-])=O SCVFZCLFOSHCOH-UHFFFAOYSA-M 0.000 claims description 6
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 claims description 3
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 3
- 239000001110 calcium chloride Substances 0.000 claims description 3
- 229910001628 calcium chloride Inorganic materials 0.000 claims description 3
- 239000004202 carbamide Substances 0.000 claims description 3
- 239000002577 cryoprotective agent Substances 0.000 claims description 3
- 229910001629 magnesium chloride Inorganic materials 0.000 claims description 3
- 235000011056 potassium acetate Nutrition 0.000 claims description 3
- 239000011780 sodium chloride Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 238000007710 freezing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000008014 freezing Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- QEVHRUUCFGRFIF-MDEJGZGSSA-N reserpine Chemical compound O([C@H]1[C@@H]([C@H]([C@H]2C[C@@H]3C4=C(C5=CC=C(OC)C=C5N4)CCN3C[C@H]2C1)C(=O)OC)OC)C(=O)C1=CC(OC)=C(OC)C(OC)=C1 QEVHRUUCFGRFIF-MDEJGZGSSA-N 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 239000007798 antifreeze agent Substances 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- G06Q50/30—
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
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.The present invention relates to a notification system based on prediction of black ice generation, and more particularly, to predict the generation of black ice based on real-time weather information and traffic information including the presence or absence of snow, rain, frost, and fog as well as road traffic volume. It relates to a notification system through black ice generation prediction.
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.Black ice is a thin layer of ice formed by freezing water on the road surface due to snow, rain, frost, and fog in winter as if it were coated with dust and soot. It is difficult to identify and drive to avoid it.
이러한 블랙아이스는 도로를 지나가는 차량의 타이어가 쉽게 미끄러지도록 하여 고속 주행 중의 사고를 자주 유발하는바, 도로 위의 암살자라고도 불린다.Such black ice makes the tires of vehicles passing by the road slide easily, and often causes accidents during high-speed driving, and is also called assassin on the road.
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.Therefore, in order to predict the occurrence of such black ice and prevent accidents, a sensor installed on the surface of the road is used or a separately installed optical sensor is used to measure the surface or ambient temperature of the road surface and the measured value reaches a preset temperature. In some cases, the occurrence of black ice is predicted.
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.However, it is unreasonable to determine the occurrence of black ice only with the measurement result of only the road surface, and even if the temperature of the road surface is below the freezing point, it is difficult to predict because black ice may not occur depending on the surrounding conditions.
따라서 이러한 문제를 해결하기 위한 선행기술로써, 대한민국 등록특허 제 10-2190175호에 ‘차량별 블랙아이스 등급알림장치’가 개시되어 있다.Therefore, as a prior art to solve this problem, Korean Patent Registration No. 10-2190175 discloses a 'black ice rating notification device for each vehicle'.
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.The above invention is an ice guide sign so that the grade of black ice can be predicted and confirmed to the driver by indexing the road information on the linearity/slope of the road on which black ice is generated, the amount of sunlight, environmental information on temperature, humidity and wind speed, and vehicle speed. It relates to the black ice rating notification device for each vehicle displayed in
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.The above invention is installed adjacent to the road, and while displaying the prescribed speed of the road and the speed of the approaching vehicle on the ice guide sign, road information on the linearity, inclination, and sunlight of the road, as well as the temperature, humidity and wind speed of the ground or surrounding area It predicts the grade of black ice by indexing the vehicle speed along with environmental information and displays the grade of black ice so that the driver can check it.
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.The invention as described above calculates the grade of black ice according to the speed of the vehicle, information related to the shape of the road, and information related to the terrain when the vehicle enters the road and notifies the vehicle, but actually generates black ice according to the traffic volume for each road. As predicted, it has not reached the level of predicting and notifying whether black ice is generated.
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.Therefore, in order to solve the above problems, weather information including road temperature, humidity, wind speed, and wind direction, precipitation-related information including snow, rain, frost, and fog, as well as traffic volume for vehicles passing on the road, are included. There is a need to develop a notification system through black ice generation prediction that can predict and notify the generation of black ice by reflecting traffic information.
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.The present invention has been devised to overcome the problems of the above technology, and a main object of the present invention is to predict the generation of black ice using the weather and traffic volume of the road surface and prepare for it.
본 발명의 다른 목적은, 블랙아이스 생성 예측에 있어 도로 인근의 특성을 보다 다양화하여 이를 반영하는 것이다.Another object of the present invention is to more diversify and reflect the characteristics of the vicinity of the road in the black ice generation prediction.
본 발명의 또 다른 목적은, 도로 광량에 영향을 미치는 그늘의 특성 및 태양이 비추는 광량을 분석하여 이를 블랙아이스 생성 예측에 반영하는 것이다.Another object of the present invention is to analyze the characteristics of the shade and the amount of light that the sun illuminates that affect the amount of light on the road, and reflect this in the prediction of black ice generation.
본 발명의 추가 목적은, 블랙아이스 발생이 예상되는 시기를 예측하고 이를 기반으로 제설 작업을 미리 수행하거나, 도로의 동결을 예방할 수 있도록 하는 것이다.It is a further object of the present invention to predict when black ice is expected to occur and perform a snow removal operation in advance based on the prediction, or to prevent freezing of a road.
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.In order to achieve the above object, according to the present invention, a notification system through black ice generation prediction includes a weather collecting unit that collects weather information including road temperature, humidity, wind speed, and direction in real time in conjunction with a server of the Meteorological Administration; A data collection module comprising: a precipitation collecting unit for collecting precipitation information including snow, rain, frost, and fog of the road in real time in conjunction with the Meteorological Administration server; and a traffic information collecting unit for collecting traffic information of the road; and a black ice prediction module including a prediction data calculation unit for generating black ice prediction information of the road based on the precipitation information, the weather information, and the traffic information.
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.In addition, the system may include at least one acoustic sensor installed on one side of the road surface, the acoustic sensor receiving a friction sound generated as a vehicle's tire contacts the road surface in time-series; and a generation confirmation module configured to receive and analyze the friction sound to generate black ice generation information on the road surface, wherein the black ice prediction module includes: the black ice prediction information for the road surface and the black ice generation information It is characterized in that it comprises a prediction verification unit for generating black ice confirmation information by comparison processing.
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.In addition, the data collection module includes a section classification unit for classifying the road into a plurality of sections, and a singular point finding unit for identifying singular point information including any one of a bridge and a tunnel of the section, and the prediction data The calculator may generate black ice prediction information for the section based on the precipitation information, the weather information, the traffic information, and the singular point information.
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.Additionally, the data collection module is linked with the GIS server to collect feature information including mountains, hills, buildings, and trees adjacent to the section, and a prediction according to the sun's diurnal motion and performance motion. and a solar altitude grasper for determining the solar altitude for each section at a time point, wherein the black ice prediction module is configured to: a preset calculation period for the section in which the feature information is collected based on the height of the feature and the solar altitude Further comprising an average light quantity calculation unit for calculating the average relative light quantity information during the period, the prediction data calculation unit, based on the precipitation information, the weather information, the traffic information, the singular point information, the average relative light quantity information of the section It is characterized in that black ice prediction information is generated.
본 발명에 따른 블랙아이스 생성 예측을 통한 알림 시스템에 의하면,According to the notification system through black ice generation prediction according to the present invention,
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,1) Based on the road temperature, humidity, wind speed, wind direction, snow, rain, frost, fog, and the amount of traffic passing through the road, the generation of black ice can be predicted and prepared.
2) 터널과 교량과 같은 특수 도로에서의 블랙아이스 발생을 보다 세밀화하여 예측 가능하게 함과 동시에,2) The occurrence of black ice on special roads such as tunnels and bridges can be predicted more precisely and at the same time,
3) 도로 인근에 있을 수 있는 산, 언덕, 나무, 건물과 같은 지형물이 도로 및 블랙아이스 생성에 미치는 영향을 반영하여 예측을 보다 정교화 하였으며,3) The forecast was further refined by reflecting the effects of terrain such as mountains, hills, trees, and buildings that may be near the road on the road and black ice generation.
4) 블랙아이스 생성을 예측하고 예측과 동시에 제설을 수행할 수 있도록 하여 안전 사고 발생을 경감시킨 효과가 있다.4) It has the effect of reducing the occurrence of safety accidents by predicting the generation of black ice and allowing snow removal to be performed simultaneously with the prediction.
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.BRIEF DESCRIPTION OF THE DRAWINGS Fig. 1 is a conceptual diagram showing a configuration relationship of a system of the present invention.
Fig. 2 is a block diagram showing the configuration of a system of the present invention;
3 is a graph illustrating an example of a fricative sound generated by black ice;
4 is a conceptual diagram illustrating a road including a feature.
5 is a graph showing changes in solar altitude and azimuth according to prediction times;
6 is a conceptual diagram illustrating an injection device.
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.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. The accompanying drawings are not drawn to scale, and like reference numbers in each drawing refer to like elements.
도 1은 본 발명의 시스템의 본 발명의 시스템의 구성 관계를 도시한 개념도이다,1 is a conceptual diagram showing the configuration relationship of the system of the present invention of the system of the present invention;
도 1을 참조하여 설명하면, 본 발명의 블랙아이스 생성 예측을 통한 알림 시스템은, 기상청 서버(1)와 중앙관제서버(20)를 기본적으로 포함한다.Referring to FIG. 1 , the notification system through black ice generation prediction according to the present invention basically includes the Meteorological Administration
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.The Meteorological Agency server (1) detects abnormal conditions due to weather and weather such as temperature, humidity, wind speed, wind direction, snow, rain, frost, fog, etc. , collects detailed regional weather information in real time and informs the
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.The
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. The
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. At this time, the
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.The processor may include one or more cores (not shown), a graphic processing unit (not shown), and/or a connection path (eg, a bus, etc.) for transmitting and receiving signals to and from other components.
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.The memory may store programs (one or more instructions) for executing and controlling a module or a unit to be described later. Programs stored in the memory may be divided into a plurality of modules according to functions.
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.The steps of a method or algorithm described in relation to an embodiment of the present invention may be implemented directly in hardware, as a software module executed by hardware, or by a combination thereof. Software modules include random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, Alternatively, it may reside in any type of computer-readable recording medium well known in the art to which the present invention pertains.
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.That is, the components of the present invention may be implemented as a program (or an application) to be executed in combination with a computer, which is hardware, and stored in a medium. The components of the present invention may be implemented as software programming or software components, and similarly, embodiments may include various algorithms implemented as data structures, processes, routines, or combinations of other programming constructs, including C, C++ , Java, assembler, etc. may be implemented in a programming or scripting language. Functional aspects may be implemented in an algorithm running on one or more processors.
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.The configuration of these 'modules' or 'units' or 'interfaces' is installed and stored in the storage means of the
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.The functions provided by these 'modules' or 'units' or 'interfaces' may be combined into a smaller number of components and 'units' or 'modules' or additional components and 'units' or 'modules'. can be further separated.
이하, 이와 같은 중앙관제서버(20)의 거시적 구성을 기반으로 이에 대한 세부 구성 및 기능을 설명하도록 한다.Hereinafter, the detailed configuration and function of the
도 2는 본 발명의 시스템의 구성을 도시한 블록도이다.2 is a block diagram showing the configuration of the system of the present invention.
도 2를 참조하면 알 수 있듯이, 본 발명의 블랙아이스 생성 예측을 통한 알림 시스템은 데이터 수집모듈(100) 및 블랙아이스 예측모듈(200)을 기본적으로 포함한다.As can be seen from FIG. 2 , the notification system through black ice generation prediction according to the present invention basically includes a data collection module 100 and a black ice prediction module 200 .
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.The data collection module 100 is linked with the above-described Meteorological Agency server to collect weather information and precipitation information in real time, and further collects road traffic information. (120), is configured to include a traffic information collection unit (130).
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.The weather collecting unit 110 performs a function of collecting weather information including temperature, humidity, wind speed, wind direction, etc. of a road (road surface) through which a vehicle passes in real time by interworking with the
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.In this case, the temperature, humidity, wind speed, and wind direction of the road can be preferably measured for each road section through which the vehicle passes, and most preferably, roads such as Seolleung-ro and Teheran-ro are 500 to 2 km long. By segmenting the , weather information for each section can be collected.
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.However, if it is difficult to collect weather information for each section, the weather information is measured for each dong/eup/myeon in the same way as the conventional weather information collection method, and in the case of roads included in the dong/eup/myeon, the dong/eup/myeon Of course, it is also possible to reflect the collected weather information. This is because it is common for the same weather to appear in the same dong/eup/myeon.
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.The precipitation collection unit 120 works in conjunction with the above-described
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.Here, in the collection of precipitation information for each road, it is possible to separately measure and collect precipitation information for each section by segmenting roads with a length of about 500 to 2 km by road, such as Teheran-ro, Seolleung-ro, and Yeongdong-daero, as described above. When it is difficult to measure and collect precipitation information for each road, it is possible to collect precipitation information for each dong/eup/myeon in the conventional way, and to reflect the precipitation information of the road included in the dong/eup/myeon equally. This is because, in general, although precipitation information such as snow, rain, frost, and fog occurs locally, the same events (snow, rain, frost, fog) generally occur at the Dong/Eup/Myeon unit.
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.The traffic information collection unit 130 serves to collect traffic information of the corresponding road. Here, the traffic information is preferably the number of vehicles passing the corresponding road for each measurement time period, that is, the reference time period, that is, the amount of traffic. can Here, in the case of traffic volume, it may be expressed as an exact logarithm, or it may appear as smooth, congested, congested, or extremely congested. In traffic information collection, the
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.Since such collection of traffic information generally indicates the amount of traffic by road, the road may be further subdivided and traffic information may be collected for each section by segmenting roads with a length of about 500 to 2 km as described above.
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.The black ice prediction module 200 is based on the weather information collected through the weather collecting unit 110 , the precipitation information collected through the precipitation collecting unit 120 , and the traffic information collected through the traffic information collecting unit 130 . It plays a role in generating black ice prediction information on the road. To this end, the black ice prediction module 200 basically includes a prediction data calculation unit 210 , and black ice prediction information is calculated through the prediction data calculation unit 210 .
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.Here, a separate limitation is not placed on a method of calculating black ice prediction information through the prediction data calculation unit 210 . However, preferably, on a road on which precipitation information is collected, that is, on a road on which snow, rain, frost, or fog appears, when the weather on the road is sufficient to freeze moisture (below or close to freezing), strong winds When the sensible temperature is low, along with traffic information, black ice can occur much more easily on roads with little traffic. Therefore, it can be predicted that black ice will occur if the conditions are met, so the more precipitation information is collected (a situation in which moisture may appear on the road), the lower the temperature, the higher the wind speed, and the lower the traffic volume. The probability of generating predictive information increases.
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.Accordingly, when an environment in which black ice can be generated is created, the prediction data calculating unit 210 generates black ice prediction information to inform that black ice may have been generated on the corresponding road. It is possible to make the snow removal process continue, or to send a disaster prevention message to drivers adjacent to the road so that they can pay more attention while driving.
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.Further, the notification system through black ice generation prediction of the present invention can perform verification of the prediction information by comparing the black ice prediction information generated for the corresponding road (road surface) with whether or not the actual black ice is generated. have.
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.At this time, in verifying the prediction information, it is possible to install an acoustic sensor on the road and determine whether black ice is generated through sound. To this end, the system of the present invention further includes an
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.The
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.The
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.At this time, the
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.It is desirable that the
도 3은 블랙아이스 발생 마찰음의 일 예를 도시한 그래프이다.3 is a graph illustrating an example of a fricative sound generated by black ice.
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.Referring to FIG. 3 together with FIG. 1 , the system of the present invention may further include a generation confirmation module 300 for analyzing the friction sound. The generation confirmation module 300 receives and analyzes the friction sound, detects black ice on the corresponding road surface, and provides a role of generating black ice generation information.
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.That is, the generation confirmation module 300 analyzes the friction sound described above to determine whether the friction sound is the same as or similar to the sound generated by friction between the tire and the road surface on which the black ice is actually generated. will be.
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. Various methods may exist for such an analysis and detection algorithm, but in the present invention, an algorithm using a sound generated by friction between a road and a tire on which a pre-recorded actual black ice is generated, that is, an algorithm using a 'black ice fricative sound' is exemplified.
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.The fricative noise generated by black ice may have various sound characteristics depending on conditions such as the weight and speed of the vehicle traveling on the road, the type of tire, the condition of the road, etc. The detailed configuration of the
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. The black ice fricative sound database analyzes the frequency band of the black ice fricative sound for each subgroup classified according to the classification criteria through a known frequency analysis program, and then normalizes the analyzed frequency band of the black ice fricative sound by subgroup, e.g. For example, it is possible to set a representative black ice-generated fricative for each sub-group, such as a method of processing the average value for each frequency band of a plurality of black ice-generated fricatives existing in each sub-group.
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. 3 is a decibel-frequency graph illustrating a fricative noise generated by black ice generated in an environment of vehicle weight: 2400 kg and vehicle speed 70 km/h. Referring to this graph, it has high decibels in a frequency band of 500 to 2000 Hz. However, it can be seen that while the decibels rapidly increase in the frequency band of 650 to 775 Hz, the decibels gradually decrease in the frequency band of 2000 to 4000 Hz.
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.That is, the generation confirmation module 300 performs a function of analyzing the friction sound as a decibel-frequency graph as in FIG. 3 described above, and analyzes the frequency characteristics and waveform characteristics shown in the decibel-frequency graph of the friction sound. is to say
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.Also, the generation confirmation module 300 serves to detect whether the friction sound is a black ice-generated fricative sound by comparing the frequency characteristics and waveform characteristics of the black ice-generated fricative sound with the frequency characteristics and waveform characteristics of the analysis result information.
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.Accordingly, through the configuration of the generation confirmation module 300 as described above, whether black ice has actually occurred on the road can be detected through the friction sound, and when the generation of black ice is detected, black ice generation information is generated.
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.Therefore, when the black ice generation is verified as described above, the black ice prediction module 200 further includes a prediction verification unit 220 to compare the black ice prediction information with the black ice generation information to obtain the black ice confirmation information. can create
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.The prediction verification unit 220 compares and processes the black ice prediction information generated for the road and the black ice generation information generated by the generation verification module, and generates black ice verification information when the two pieces of information match, thereby generating black ice according to the present invention. The prediction module 200 , more precisely, the self-verification process of how accurately the black ice generation prediction is performed through the prediction data calculation unit 210 may be performed.
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.Here, the generation of black ice confirmation information indicates that black ice prediction is being made accurately, so there is no need to separately modify the algorithm for black ice prediction. Since it indicates that this has not been done, in this case, the black ice prediction algorithm may be modified through the prediction data calculating unit 210 .
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.Therefore, it is possible to increase the accuracy of prediction through such self-verification, and through this, endless corrections can be made to provide more reliable prediction data.
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.In addition, in the above description in the data collection module 100 of the present invention, it was said that it is preferable to segment roads to collect weather information, precipitation information, and traffic information for each section. As a detailed configuration for this, the data collection module 100 may further include a section classification unit 140 .
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.The section classifying unit 140 performs a function of classifying the above-described road into a plurality of sections, where the section refers to dividing the road by length into a length of about 500 m to 2 km as described above, Here, more preferably, the section division method of the road may be set differently depending on whether the road is a straight road or a curved road with many curves.
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.For example, in the case of a straight road, one section may be 2km or more in length, but in the case of a road with many curves and rough terrain, the section is further divided into shorter distances than 500m, so it is a section that requires more attention In the case of sections where ice is easy to generate (slopes, sharp curves, and mountain sections), sections can be further subdivided. Therefore, since there is no separate limitation in the method of classifying the sections of the road through the section classifying unit 140 , the road may be classified into a plurality of sections by length and by road type.
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.In addition, roads may include structures such as tunnels and bridges as well as simple roads on the ground. In the case of bridges, the risk of black ice is high because they are generally located above rivers or seas and therefore have high humidity. There is a high risk of accidents at the entrance and furthermore, if snow or moisture accumulated on the tunnel structure falls on the road near the entrance, black ice can be more easily generated on the road.
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.Therefore, in order to grasp information on such a singular point, the data collection module 100 may further include a singular point finding unit 150 for determining whether a bridge or a tunnel exists.
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.The singular point identification unit 150 determines whether at least one of a bridge and a tunnel is included in a set road section, and when any one of a bridge and a tunnel is included in the section, serves to identify it as singular point information.
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.Therefore, as in the above-described description, the singular point identification unit 150 identifies an area with a high risk of black ice, such as near the entrance of a bridge or tunnel, as singular point information, and predicts black ice in the vicinity of the entrance or bridge of the tunnel. It is possible to generate more information than other general roads.
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.Accordingly, in this case, the prediction data calculation unit 210 included in the black ice prediction module 200 described above reflects not only precipitation information, weather information, and traffic information but also singular point information to classify roads, more specifically, roads in detail. Black ice prediction information is generated for each processed section.
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.That is, in each section, as described above, black ice prediction information is generated based on precipitation information, weather information, and traffic information. In the case of the section where the entrance is included in the section), so that black ice prediction information can be generated more easily compared to the general road section (even if the temperature is a little high, the amount of precipitation in the precipitation information is small, the traffic volume is a little higher, the wind speed Even if this is a little weak, black ice prediction information is generated) so that it is possible to prepare for snow removal in a dangerous section more reliably.
도 4는 지형물을 포함하는 도로를 도시한 개념도이다. 4 is a conceptual diagram illustrating a road including a feature.
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.Referring to FIG. 4 , it is obvious that black ice can be easily generated in a shaded environment rather than a sunny location. Therefore, things that cause shade on the road or section, for example, large trees or buildings, and even large adjacent mountains or hills, can cause black ice.
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.In addition, since shade is generally generated by the sun, whether or not black ice is generated on the road or section may vary depending on the angle at which the sun illuminates the ground and depending on the season. Therefore, the angle at which the sun illuminates the ground, that is, the angle between the sun and the earth's surface, is the sun's altitude.
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.Therefore, in order to predict the generation of black ice by reflecting these indicators, the data collection module 100 may include a terrain detection unit 160 and a solar altitude detection unit 170, and furthermore, the black ice prediction module 200 may include the average light amount calculation unit 230 to compare the light amount for each section and reflect it in generating black ice prediction information based thereon.
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.First, the feature identification unit 160 included in the data collection module 100 collects information on features such as mountains, hills, buildings, and trees adjacent to the section in which the road is divided by interworking with the GIS server.
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.Here, the GIS server refers to a GIS (geographic information system), that is, a system server that analyzes, processes, and utilizes geospatial data. It means an information processing system server that analyzes, synthesizes, and provides various methods according to the needs of These GIS servers are generally widely used in sites such as Google Maps, or there is ArcGIS of ESRI or MapX of Mapinfo, etc., so that information on features adjacent to sections can be collected on such software or sites.
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.Adjacent here means that it most easily touches the section, but in general, in the case of a tree or building, it can be in contact with a road (particularly a section), but in the case of a hill or a mountain, it is difficult to reach the corresponding road or If it is within a distance of a section and a preset range, it may be said to be adjacent. Here, the preset range is a value that can be generally specified by the system administrator, so there is no special limitation, but in the case of a hill, it can generally affect the distance between 1 and 200 m (it can be shaded) ), and in the case of a mountain, it can be determined to be adjacent to a distance of about 1 to 1000 m wider than that.
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.In addition, since several places may overlap in the case of a mountain or hill, in this case, it is also possible to determine only the height of the highest feature among the overlapping mountains and hills, or to reflect the average height of a plurality of mountains and hills. Again, without limitation, the height reflection method can be adjusted at the level of the system administrator.
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.In addition, the collection of feature information here includes the height of the features as well as the presence or absence of the aforementioned features, namely, mountains, hills, buildings, and trees. In other words, it can be said that not only the presence or absence of the features, but also the height of the features.
도 5는 태양 고도 및 방위각의 변화를 예측 시점에 따라 나타낸 그래프이다.5 is a graph showing changes in solar altitude and azimuth according to prediction time points.
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.Referring to FIG. 5 , the solar altitude determining unit 170 determines the solar altitude with respect to the sun, which can be said to be a light source that illuminates the corresponding section. It serves to determine the altitude.
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.As described above, it is possible to grasp the solar altitude in portals such as the known astronomy and space knowledge information of the Korea Astronomy and Space Science Institute, and the accurate solar altitude and azimuth are displayed by time according to the position input, so it is collected and used. The solar altitude for each section is calculated by calculating the solar altitude according to the diurnal motion and the percussion motion according to the location in the section according to the known solar altitude calculation method. A more detailed description will be omitted.
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.Furthermore, when the terrain information and the solar altitude are determined as described above, the average relative light amount information at the time of prediction for each section through the average light amount calculation unit 230 that may be included in the black ice prediction module 200 based on this information to calculate Here, the average relative light intensity information is a comparison value for comparing whether the light intensity value of the corresponding section is relatively higher or lower than that of other sections based on the height of each feature included in the feature information and the calculated solar altitude. can
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.Here, high average relative light intensity means that the corresponding section has a relatively high light intensity compared to other sections, and it means that the sun shines a lot, there are few features, and there is little interference by the features. The risk is low, and conversely, a low value of the average relative light intensity means that the corresponding section has a relatively low light intensity compared to other sections. Because it means severe, it can be judged that the risk of black ice formation is high.
여기서 가장 바람직하게는, 평균 상대광량정보가 다음의 수학식 1을 통해 산출될 수 있다.Most preferably, the average relative light amount information may be calculated through
수학식 1, 
여기서, 
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.Here, the average relative light amount information is basically calculated only within the sunlight time range. In this case, the sunlight time can be grasped by looking at the time range in which the altitude has a positive value in the graph of FIG. 5 . Therefore, in general, the altitude has a value in the range of 0 to 60°, and the height of the feature basically reflects the unit of m.
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.In this case, if there are no features in the section, comparison is made only with the sun altitude when the denominator value is 1, but in general, when there is a feature rather than when there are no features such as mountains, hills, buildings, or trees adjacent to the section As described above, in the general section where there are many places and no features, the influence of the sun altitude, the above-mentioned weather information, precipitation information, and traffic information can be said to be greater, so this case is not generally considered.
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.In addition, in the case of the above-mentioned radius of the sun (units of m) and the surface temperature of the sun (units of absolute temperature K), the hypertangent is taken as much as the values are generally very large to reduce the effect. It is based on calculating the number, the sum of the heights of individual features, and the solar altitude as the largest indicators.
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.According to the calculation of the average relative light quantity information, the sum of the heights of adjacent individual features, the number of features, and the solar altitude can be compared with each other, and a comparative value of the relative light intensity can be calculated based on this. can reflect
따라서 예측데이터 산출부(210)는, 강수정보, 날씨정보, 교통정보, 특이지점정보에서 더 나아가 평균 상대광량정보를 함께 반영하여 구간별로 블랙아이스 예측정보를 생성하게 된다.Accordingly, the prediction data calculating unit 210 generates black ice prediction information for each section by reflecting the average relative light amount information in addition to the precipitation information, weather information, traffic information, and singular point information.
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.Preferably, the higher the precipitation, the lower the temperature, the higher the wind speed, the lower the traffic volume, and the singularity (near the entrance to the tunnel or on the bridge), and the lower the average relative light quantity, the easier it is to predict that black ice will be generated. , in the opposite case, it can be determined that black ice is not easily generated.
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.Here, in
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.To this end, the black ice prediction module 200 may further include a corrected light amount calculation unit 240 that calculates the corrected relative light amount information for the predicted time based on the identified height of the feature, the solar altitude, and the sunlight time). have. Here, since it is possible to grasp the time of daylight together through the above-described solar altitude determination unit 170, this is reflected in the calculation of the corrected relative light amount information.
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.Such a corrected light amount calculating unit 240 can be said to have corrected this by adding an indicator of a sunlight time in the above-described average light amount calculating unit, and most preferably, the corrected relative light amount information can be calculated through Equation 2 below. .
수학식 2, 
여기서, 
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.In general, the elevation has a value in the range of 0 to 60°, and the height of the feature basically reflects the unit of m. The radius of the sun is in m, and in the case of the surface temperature of the sun, absolute temperature K is used as the unit.
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.In this case, if there are no features in the section, comparison is made only with the sun altitude when the denominator value is 1, but in general, when there is a feature rather than when there are no features such as mountains, hills, buildings, or trees adjacent to the section As described above, in the general section where there are many places and no features, the influence of the sun altitude, the above-mentioned weather information, precipitation information, and traffic information can be said to be greater, so this case is not generally considered.
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.In addition, Equation 2 reflects the sunshine time of the prediction time when compared with
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.Here, in order to prevent the fluctuation range of the value from becoming too large according to the difference in sunlight time, the inverse function of the hypersine (arc hypersine) was used for the value of the sunlight time. Through this, even if the amount of sunshine time changes abruptly, the corrected relative light amount information, that is, the calculation of the comparative value through it, is corrected in a gentle range, but it can be reflected that the corrected relative light amount information also increases compared to the increase in the amount of sunshine time. have. Here, since the sunlight time does not basically have a value of 0, the value obtained by taking the hypersine inverse function also always has a positive value.
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.Therefore, when the corrected relative light quantity information is calculated in this way, the solar altitude at the predicted time, the height of individual features, the number of features, and the solar time of the predicted time (the corresponding day) are reflected to reflect the relatively predicted time (the corresponding day) section. It is possible to objectively calculate the comparison value of the amount of light reflected on the light, so that comparison processing of the calculated corrected relative light amount information becomes possible.
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.In addition, when the corrected relative light amount information is calculated in this way, the prediction data calculation unit 210 reflects the corrected relative light amount information as well as precipitation information, weather information, traffic information, and singular point information to generate black ice prediction information for the section. can create
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.Preferably, the amount of precipitation is high, the temperature is low, the wind speed is high, the traffic volume is low, the singularity is (near the entrance to the tunnel or on the bridge), the average relative light amount information is low, and the shorter the sunshine time, the more black ice will be generated. It is easily predicted that the
도 6은 분사 장치를 도시한 개념도이다.6 is a conceptual diagram illustrating an injection device.
도 6을 참조하여 설명하면, 본 발명의 시스템은 도로의 일 측에 설치된 분사 장치(30)를 구비할 수 있다.Referring to FIG. 6 , the system of the present invention may include a
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.The spraying
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.The spraying
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.In addition, the operation of the
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.At this time, the antifreeze agent uses conventional snow removal materials such as calcium chloride, sodium chloride, magnesium chloride, potassium acetate, and urea, which can lower the freezing point of water to below zero due to the freezing point lowering effect, that is, even when sprayed at the winter temperature of Korea. The risk of re-icing on the road can be ruled out.
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.In such a configuration, the system of the present invention generates an event in which the snow
As described so far, the configuration and operation of the notification system through black ice generation prediction according to the present invention are expressed in the above description and drawings, but these are merely examples and the spirit of the present invention is not limited to the above description and drawings. It goes without saying that various changes and modifications can be made without departing from the technical spirit of the present invention.
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
삭제delete
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 모듈10: acoustic sensor 20: central control server
30: injection device 100: data collection module
110: weather collection unit 120: precipitation collection unit
130: traffic information collection unit 140: section classification unit
150: singular point identification unit 160: feature identification unit
170: solar altitude determination unit 200: black ice prediction module
210: prediction data calculation unit 220: prediction verification unit
230: average light amount calculation unit 240: corrected light amount calculation unit
250: snow removal control unit 300: generation confirmation module
Claims (9)
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,
A weather collecting unit that interworks with the Meteorological Agency server to collect weather information including road temperature, humidity, wind speed, and wind direction in real time, and precipitation information including snow, rain, frost, and fog on the road in conjunction with the Meteorological Agency server a data collection module including a precipitation collecting unit for collecting in real time and a traffic information collecting unit for collecting traffic information of the road;
a black ice prediction module including a prediction data calculation unit for generating black ice prediction information of the road based on the precipitation information, the weather information, and the traffic information;
The data collection module,
A section classifying unit for classifying the road into a plurality of sections, a singular point identifying unit for identifying singular point information including any one of bridges and tunnels included in the section, and a mountain adjacent to the section in conjunction with the GIS server It includes a feature identification unit that collects topographic information about terrain including hills, buildings, and trees, and a solar altitude identification unit that grasps the solar altitude for each section at the predicted time according to the sun's diurnal motion and performance motion, ,
The black ice prediction module is
and an average light quantity calculation unit for calculating average relative light quantity information at the time of prediction for the section based on the identified height of the feature and the solar altitude,
The prediction data calculation unit,
generating black ice prediction information for the section based on the precipitation information, the weather information, the traffic information, the singular point information, and the average relative light amount information,
The average relative light amount information,
A notification system through black ice generation prediction, characterized in that it is calculated through Equation 1 below.
Equation 1,
(here,
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. The method of claim 1,
The system is
at least one acoustic sensor installed on one side of the road, the acoustic sensor receiving a friction sound generated as a vehicle's tire contacts the road in time-series;
a generation confirmation module for receiving and analyzing the friction sound to generate black ice generation information on the road;
The black ice prediction module is
and a prediction verification unit that compares and processes the black ice prediction information for the road and the black ice generation information to generate black ice confirmation information.
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,
The black ice prediction module is
Further comprising a corrected light amount calculation unit for calculating the corrected relative light amount information at the predicted time point for the section based on the identified height of the feature and the solar altitude and sunshine time,
The prediction data calculation unit,
generating black ice prediction information for the section based on the precipitation information, the weather information, the traffic information, the singular point information, and the corrected relative light quantity information;
The corrected relative light amount information,
A notification system based on prediction of black ice generation, characterized in that it is calculated through Equation 2 below.
Equation 2,
(here,
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. The method of claim 1,
The system is
provided on one side of the road, and a spraying device for spraying a cryoprotectant containing at least one of calcium chloride, sodium chloride, magnesium chloride, potassium acetate, and urea onto the road; and
The black ice prediction module is
and a snow removal controller configured to drive and control the spraying device according to the black ice prediction information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210033781A KR102334369B1 (en) | 2021-03-16 | 2021-03-16 | Black ice alarm system by prediction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210033781A KR102334369B1 (en) | 2021-03-16 | 2021-03-16 | Black ice alarm system by prediction |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102334369B1 true KR102334369B1 (en) | 2021-12-02 |
Family
ID=78867047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210033781A KR102334369B1 (en) | 2021-03-16 | 2021-03-16 | Black ice alarm system by prediction |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102334369B1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102427772B1 (en) * | 2022-04-25 | 2022-08-02 | 주식회사 지앤아이테크 | Estimation system and method for road ice cold |
| KR102440211B1 (en) * | 2022-02-04 | 2022-09-08 | 주식회사 세이브라이프 | Road surface black ice occurrence prediction and warning system |
| KR102445621B1 (en) * | 2021-12-28 | 2022-09-21 | 주식회사 미래기후 | A method of appraising weather condition using a road surface temperature restoring model |
| KR102503185B1 (en) * | 2022-03-30 | 2023-02-23 | 대진대학교 산학협력단 | A black ice prevention system using precast heating wire |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101017437B1 (en) * | 2010-02-08 | 2011-02-25 | 이정호 | The spraying device for liquid thawing agents using the moisture detector |
| KR20140146495A (en) * | 2013-06-17 | 2014-12-26 | 주식회사 토탈페이브시스템 | Computer device equipped with freezing prediction system and execution method for snow meltion facilities using the same |
| KR20190105165A (en) * | 2018-02-21 | 2019-09-16 | 김동규 | Road Weather Information Forecasting System |
| KR102173263B1 (en) * | 2020-08-25 | 2020-11-04 | 유봉수 | Detecting system for vehicle accident risk in tunnel |
| KR102183198B1 (en) * | 2020-08-20 | 2020-11-25 | 주식회사 비알인포텍 | Black ice detection system by analyzing the road friction sound of tire |
-
2021
- 2021-03-16 KR KR1020210033781A patent/KR102334369B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101017437B1 (en) * | 2010-02-08 | 2011-02-25 | 이정호 | The spraying device for liquid thawing agents using the moisture detector |
| KR20140146495A (en) * | 2013-06-17 | 2014-12-26 | 주식회사 토탈페이브시스템 | Computer device equipped with freezing prediction system and execution method for snow meltion facilities using the same |
| KR20190105165A (en) * | 2018-02-21 | 2019-09-16 | 김동규 | Road Weather Information Forecasting System |
| KR102183198B1 (en) * | 2020-08-20 | 2020-11-25 | 주식회사 비알인포텍 | Black ice detection system by analyzing the road friction sound of tire |
| KR102173263B1 (en) * | 2020-08-25 | 2020-11-04 | 유봉수 | Detecting system for vehicle accident risk in tunnel |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102445621B1 (en) * | 2021-12-28 | 2022-09-21 | 주식회사 미래기후 | A method of appraising weather condition using a road surface temperature restoring model |
| KR102440211B1 (en) * | 2022-02-04 | 2022-09-08 | 주식회사 세이브라이프 | Road surface black ice occurrence prediction and warning system |
| KR102503185B1 (en) * | 2022-03-30 | 2023-02-23 | 대진대학교 산학협력단 | A black ice prevention system using precast heating wire |
| KR102427772B1 (en) * | 2022-04-25 | 2022-08-02 | 주식회사 지앤아이테크 | Estimation system and method for road ice cold |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102334369B1 (en) | Black ice alarm system by prediction | |
| US10325490B2 (en) | Providing driving condition alerts using road attribute data | |
| KR20190057501A (en) | System and Method for Predicting Riskness of Road According to Weather Conditions | |
| CN109212514A (en) | A kind of detections of radar equipment persistently tracks correlating method to movement and static target | |
| KR102173797B1 (en) | System and Method for Predicting Road Surface State | |
| KR20190105165A (en) | Road Weather Information Forecasting System | |
| KR101834275B1 (en) | System and method for transmitting traffic safety information | |
| KR102183198B1 (en) | Black ice detection system by analyzing the road friction sound of tire | |
| CN105930817A (en) | Road accumulated snow calamity monitoring and early warning method based on multisource remote sensing data | |
| CN110406544A (en) | Vehicle sensory perceptual system and method under misty rain scene | |
| Shao et al. | Variation of winter road surface temperature due to topography and application of thermal mapping | |
| CN112835131B (en) | Dynamic short-term early warning method for highway icing risk road section | |
| KR102205534B1 (en) | Weather information analysis method and system based on driving vehicle information | |
| CN103377535A (en) | Method for obtaining real-time forest fire grades in specific place or area | |
| CN113313914B (en) | Group fog monitoring method, device and system and storage medium | |
| US20230245509A1 (en) | Safety system and method for motor vehicles | |
| WO2022190204A1 (en) | Occurrence risk calculation device, occurrence risk display system, occurrence risk calculation method, and non-transitory computer-readable medium having occurrence risk calculation program stored thereon | |
| Linton et al. | Winter road surface condition monitoring: field evaluation of a smartphone-based system | |
| KR102352137B1 (en) | Road freezing monitoring system based on IOT | |
| KR100934748B1 (en) | Road Danger Zone Prediction Considering Driver's Driving Behavior | |
| KR102082177B1 (en) | Road hazard index calculation method and device | |
| CN113129549B (en) | Road icing prediction method and system | |
| KR101144280B1 (en) | Traffic system to notice status of road condition | |
| KR102445621B1 (en) | A method of appraising weather condition using a road surface temperature restoring model | |
| CN117370772B (en) | PM2.5 diffusion analysis method and system based on urban street topography classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |