KR102402469B1 - 복사 플럭스 자료를 이용한 대상지역 내 도로의 노면온도 예측 시스템 및 방법 - Google Patents
복사 플럭스 자료를 이용한 대상지역 내 도로의 노면온도 예측 시스템 및 방법 Download PDFInfo
- Publication number
- KR102402469B1 KR102402469B1 KR1020210174611A KR20210174611A KR102402469B1 KR 102402469 B1 KR102402469 B1 KR 102402469B1 KR 1020210174611 A KR1020210174611 A KR 1020210174611A KR 20210174611 A KR20210174611 A KR 20210174611A KR 102402469 B1 KR102402469 B1 KR 102402469B1
- Authority
- KR
- South Korea
- Prior art keywords
- road surface
- target area
- road
- radiation
- surface temperature
- Prior art date
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004907 flux Effects 0.000 claims abstract description 78
- 238000001704 evaporation Methods 0.000 claims description 5
- 230000008020 evaporation Effects 0.000 claims description 5
- 238000009833 condensation Methods 0.000 claims description 4
- 230000005494 condensation Effects 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012876 topography Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 241000112598 Pseudoblennius percoides Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052742 iron Inorganic materials 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
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
대상지역 내 도로의 노면온도 예측 시스템 및 방법이 제공된다. 본 발명의 일 실시예에 따른 노면온도 예측 시스템은, 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받고, 상기 입력 데이터를 이용하여 상기 대상 지역에 대한 하늘시계지수(Sky View Factor, SVF) 및 그림자 패턴을 산출하며, 산출된 상기 하늘시계지수 및 상기 그림자 패턴을 토대로 상기 대상 지역에서의 복사 플럭스 자료를 도출하는 태양복사모듈; 및 상기 입력 데이터, 상기 그림자 패턴 및 상기 복사 플럭스 자료를 토대로 열수지기법(Heat-Balance Method)을 적용하여 상기 대상 지역 내 도로의 노면온도를 예측하는 노면온도 예측모듈을 포함한다.
Description
본 발명의 실시예들은 사물인터넷(Internet Of Things)을 기반으로 스마트 시티(smart city)와 같은 도시계획을 수립하는 데 있어 도로의 노면온도를 예측하는 기술과 관련된다.
일반적으로, 겨울철 야간의 노면온도는 주간과 비교해서 약 10도 이상의 차이가 빈번하게 발생된다. 이러한 노면온도의 변화는 도로의 결빙을 유발할 수 있다. 겨울철 도로의 결빙구간은 운전자의 안전운전에 큰 영향을 미치는 요소이지만, 육안으로는 식별이 어렵다. 이러한 결빙구간이 잘 형성되는 지역은 교량, 산기슭, 터널 등과 같이 그늘이 많이 지는 지역일 수 있으며, 특히 일몰 이후에 도로의 결빙이 발생될 가능성이 높다.
도로의 결빙으로 인한 안전사고를 예방하기 위해 노면온도를 예측할 필요가 있으며, 최근 이를 위한 여러 선행연구가 이루어지고 있다. 그러나, 노면온도 예측과 관련된 선행연구들은 대부분 도로 전체에 대한 노면온도의 예측이 아닌 특정 지점을 대상으로 한 노면온도 예측이라는 점에서 그 활용도가 낮다. 또한, 종래에는 노면온도 예측시 지형에 의한 그림자 효과를 반영하고 있지 않아 노면온도 예측에 대한 정확도가 다소 떨어지는 문제점이 있었다.
본 발명의 실시예들은 지형적 요소 및 국지적 기상현상의 시공간적 변화에 따른 도로의 노면온도에 영향을 줄 수 있는 요소들을 고려하여 노면온도의 예측 정확도를 향상시키기 위한 것이다.
예시적인 실시예에 따르면, 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받고, 상기 입력 데이터를 이용하여 상기 대상 지역에 대한 하늘시계지수(Sky View Factor, SVF) 및 그림자 패턴을 산출하며, 산출된 상기 하늘시계지수 및 상기 그림자 패턴을 토대로 상기 대상 지역에서의 복사 플럭스 자료를 도출하는 태양복사모듈; 및 상기 입력 데이터, 상기 그림자 패턴 및 상기 복사 플럭스 자료를 토대로 열수지기법(Heat-Balance Method)을 적용하여 상기 대상 지역 내 도로의 노면온도를 예측하는 노면온도 예측모듈을 포함하는, 노면온도 예측 시스템이 제공된다.
상기 지면 정보는, 상기 대상 지역에 대한 GIS(Geographic Information System) 정보이며, 상기 기상 정보는, LDAPS(Local Data Assimilation and Prediction System) 데이터로부터 도출되는 상기 대상 지역에 대한 기온, 풍속, 기압 및 상대습도 중 하나 이상을 포함하며, 상기 도로 정보는, 상기 대상 지역에 대한 도로 특성 및 도로의 노면두께 중 하나 이상을 포함하며, 상기 교통 정보는, 상기 대상 지역에서의 차량의 주행속도 및 교통량 중 하나 이상을 포함할 수 있다.
상기 태양복사모듈은, 상기 대상 지역 내에서 설정된 간격으로 이격되어 위치하는 각 격자별로 0 ~ 1 사이의 값을 갖는 상기 하늘시계지수를 산출하고, 상기 대상 지역의 물리적인 지형 조건을 반영하여 태양고도에 따른 상기 그림자 패턴을 설정된 시간 간격마다 산출할 수 있다.
상기 태양복사모듈은, 상기 각 격자별 상기 하늘시계지수, 및 상기 태양고도에 따른 상기 그림자 패턴을 토대로 상기 대상 지역의 위도 및 경도를 반영하여 설정된 단위시간마다 상기 각 격자별 복사량을 계산하고, 상기 복사량으로부터 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함하는 상기 복사 플럭스 자료를 도출할 수 있다.
상기 노면온도 예측모듈은, 상기 하향단파복사(Kdown), 상기 하향장파복사(Ldown) 및 상기 상향장파복사(Lup)로부터 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)를 계산하고, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 상기 순하향 장파복사량(NDNLW) 중 적어도 하나로부터 상기 도로의 노면온도와 관련된 변수들에 대한 값을 산출하며, 상기 변수들에 대한 값을 상기 열수지기법에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다.
상기 변수들은, 상기 노면에서의 도로 열 플럭스, 공기 흐름으로 인한 현열 플럭스(Sensible Heat Flux due to air flow), 잠열 플럭스(Latent Heat Flux) 및 차량 열 플럭스(Vehicle Heat Flux) 중 하나 이상을 포함할 수 있다.
다른 예시적인 실시예에 따르면, 태양복사모듈에서, 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받는 단계; 상기 태양복사모듈에서, 상기 입력 데이터를 이용하여 상기 대상 지역에 대한 하늘시계지수(Sky View Factor, SVF) 및 그림자 패턴을 산출하는 단계; 상기 태양복사모듈에서, 산출된 상기 하늘시계지수 및 상기 그림자 패턴을 토대로 상기 대상 지역에서의 복사 플럭스 자료를 도출하는 단계; 노면온도 예측모듈에서, 상기 입력 데이터, 상기 그림자 패턴 및 상기 복사 플럭스 자료를 토대로 열수지기법(Heat-Balance Method)을 적용하여 상기 대상 지역 내 도로의 노면온도를 예측하는 단계를 포함하는, 노면온도 예측 방법이 제공된다.
상기 지면 정보는, 상기 대상 지역에 대한 GIS(Geographic Information System) 정보이며, 상기 기상 정보는, LDAPS(Local Data Assimilation and Prediction System) 데이터로부터 도출되는 상기 대상 지역에 대한 기온, 풍속, 기압 및 상대습도 중 하나 이상을 포함하며, 상기 도로 정보는, 상기 대상 지역에 대한 도로 특성 및 도로의 노면두께 중 하나 이상을 포함하며, 상기 교통 정보는, 상기 대상 지역에서의 차량의 주행속도 및 교통량 중 하나 이상을 포함할 수 있다.
상기 하늘시계지수(SVF) 및 상기 그림자 패턴을 산출하는 단계는, 상기 대상 지역 내에서 설정된 간격으로 이격되어 위치하는 각 격자별로 0 ~ 1 사이의 값을 갖는 상기 하늘시계지수를 산출하고, 상기 대상 지역의 물리적인 지형 조건을 반영하여 태양고도에 따른 상기 그림자 패턴을 설정된 시간 간격으로 산출할 수 있다.
상기 복사 플럭스 자료를 도출하는 단계는, 상기 각 격자별 상기 하늘시계지수, 및 상기 태양고도에 따른 상기 그림자 패턴을 토대로 상기 대상 지역의 위도 및 경도를 반영하여 설정된 단위시간마다 상기 각 격자별 복사량을 계산하고, 상기 복사량으로부터 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함하는 상기 복사 플럭스 자료를 도출할 수 있다.
상기 노면온도를 예측하는 단계는, 상기 하향단파복사(Kdown), 상기 하향장파복사(Ldown) 및 상기 상향장파복사(Lup)로부터 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)를 계산하고, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 상기 순하향 장파복사량(NDNLW)로부터 상기 도로의 노면온도와 관련된 변수들에 대한 값을 산출하며, 상기 변수들에 대한 값을 상기 열수지기법에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다.
상기 변수들은, 상기 노면에서의 도로 열 플럭스, 공기 흐름으로 인한 현열 플럭스(Sensible Heat Flux due to air flow), 잠열 플럭스(Latent Heat Flux) 및 차량 열 플럭스(Vehicle Heat Flux) 중 하나 이상을 포함할 수 있다.
본 발명의 실시예들에 따르면, 태양복사모듈과 노면온도 예측모듈을 연계하여 대상 지역의 물리적인 지형 조건에 의한 그림자 효과가 반영된 도로 분해능의 복사플럭스 자료로부터 대상 지역의 노면온도를 예측할 수 있으며, 이 경우 노면온도의 예측 정확도가 보다 향상될 수 있다.
도 1은 본 발명의 일 실시예에 따른 노면온도 예측 시스템의 상세 구성을 나타낸 블록도
도 2는 본 발명의 일 실시예에 따른 대상지역의 도로를 나타낸 예시
도 3은 본 발명의 일 실시예에 따른 LDAPS에서 추출된 격자의 예시
도 4는 본 발명의 일 실시예에 따른 입력 데이터의 예시
도 5는 본 발명의 일 실시예에 따른 LDAPS 데이터로부터 추출된 시간대별 기상 정보의 변화량을 나타낸 그래프
도 6은 본 발명의 일 실시예에 따른 태양복사모듈 및 노면온도 예측모듈 간의 연관 관계를 나타낸 도식
도 7은 본 발명의 일 실시예에 따른 태양복사모듈을 통해 산출된 하늘시계지수(SVF)의 예시
도 8은 본 발명의 일 실시예에 따른 태양복사모듈을 통해 산출된 그림자 패턴의 예시
도 9는 본 발명의 일 실시예에 따른 각 영역별 그림자 영향을 나타낸 예시
도 10은 본 발명의 일 실시예에 따라 도출된 그림자 패턴을 분석한 결과를 나타낸 예시
도 11은 본 발명의 일 실시예에 따른 태양복사모듈을 통해 계산된 하향단파복사(Kdown)를 나타낸 예시
도 12는 본 발명의 일 실시예에 따른 태양복사모듈을 통해 계산된 상향장파복사(Lup)를 나타낸 예시
도 13은 본 발명의 일 실시예에 따른 노면온도 예측모듈을 통해 예측된 시간대별 노면온도 예측결과를 나타낸 예시
도 14는 본 발명의 일 실시예에 따른 시간대별 기온관측 자료의 예시
도 15는 본 발명의 일 실시예에 따른 노면온도 예측모듈을 통해 예측된 관심지점별 시간대별 노면온도 예측결과를 나타낸 예시
도 16은 본 발명의 일 실시예에 따른 노면온도 예측방법을 설명하기 위한 흐름도
도 17은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 대상지역의 도로를 나타낸 예시
도 3은 본 발명의 일 실시예에 따른 LDAPS에서 추출된 격자의 예시
도 4는 본 발명의 일 실시예에 따른 입력 데이터의 예시
도 5는 본 발명의 일 실시예에 따른 LDAPS 데이터로부터 추출된 시간대별 기상 정보의 변화량을 나타낸 그래프
도 6은 본 발명의 일 실시예에 따른 태양복사모듈 및 노면온도 예측모듈 간의 연관 관계를 나타낸 도식
도 7은 본 발명의 일 실시예에 따른 태양복사모듈을 통해 산출된 하늘시계지수(SVF)의 예시
도 8은 본 발명의 일 실시예에 따른 태양복사모듈을 통해 산출된 그림자 패턴의 예시
도 9는 본 발명의 일 실시예에 따른 각 영역별 그림자 영향을 나타낸 예시
도 10은 본 발명의 일 실시예에 따라 도출된 그림자 패턴을 분석한 결과를 나타낸 예시
도 11은 본 발명의 일 실시예에 따른 태양복사모듈을 통해 계산된 하향단파복사(Kdown)를 나타낸 예시
도 12는 본 발명의 일 실시예에 따른 태양복사모듈을 통해 계산된 상향장파복사(Lup)를 나타낸 예시
도 13은 본 발명의 일 실시예에 따른 노면온도 예측모듈을 통해 예측된 시간대별 노면온도 예측결과를 나타낸 예시
도 14는 본 발명의 일 실시예에 따른 시간대별 기온관측 자료의 예시
도 15는 본 발명의 일 실시예에 따른 노면온도 예측모듈을 통해 예측된 관심지점별 시간대별 노면온도 예측결과를 나타낸 예시
도 16은 본 발명의 일 실시예에 따른 노면온도 예측방법을 설명하기 위한 흐름도
도 17은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 본 발명의 일 실시예에 따른 노면온도 예측 시스템(100)의 상세 구성을 나타낸 블록도이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 노면온도 예측 시스템(100)은 태양복사모듈(102) 및 노면온도 예측모듈(104)을 포함한다.
태양복사모듈(102)은 대상 지역의 물리적인 지형 조건을 반영한 고해상도 그림자 패턴 및 복사 플러스 자료를 도출하는 모듈로서, 예를 들어 SOLWEIG(Solar LongWave Environmental Irradiance Geometry-model)이 탑재된 모듈일 수 있다.
이를 위해, 태양복사모듈(102)은 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받을 수 있다. 여기서, 지면 정보는 대상 지역에 대한 GIS(Geographic Information System) 정보로서, 예를 들어 대상 지역의 지면과 관련된 정보를 포함하는 DTM(Digital Terrain Model), DEM(Digital Elevation Model), DSM(Digital Surface Model), 토지 용도(Land-Use), Canopy DSM, 하늘시계지수(Sky View Factor, SVF) 등을 포함할 수 있다. 또한, 기상 정보는 기상청의 국지예보모델(Local Data Assimilation and Prediction System, LDAPS) 데이터로부터 도출되는 상기 대상 지역에 대한 기온, 풍속, 기압, 상대습도 등을 포함할 수 있다. 또한, 도로 정보는 대상 지역에 대한 도로 특성(Pavement Characteristic), 도로의 노면두께(Pavement Thickness), 도로 온도(Pavement Temperature) 등을 포함할 수 있다. 상기 도로 특성은 예를 들어, 도로의 기하구조, 지층구조 등이 될 수 있다. 또한, 교통 정보는 대상 지역에서의 차량의 주행속도(Traffic Speed), 교통량(Traffic Volume) 등을 포함할 수 있다.
태양복사모듈(102)은 예를 들어, 국토지리정보원의 GIS 데이터베이스(DB, 미도시), 기상청 서버(미도시), 국토교통부의 교통정보공개서비스 시스템(미도시), 통신모듈을 포함하는 온도센서, 습도센서 등과 같은 각종 IoT 기기 등으로부터 상기 입력 데이터를 수집할 수 있으나, 입력 데이터의 수집 방법이 이에 한정되는 것은 아니다.
다음으로, 태양복사모듈(102)은 상기 입력 데이터를 이용하여 상기 대상 지역에 대한 하늘시계지수(Sky View Factor, SVF) 및 그림자 패턴을 산출할 수 있다. 구체적으로, 태양복사모듈(102)은 상기 대상 지역 내에서 설정된 간격으로 이격되어 위치하는 각 격자별로 0 ~ 1 사이의 값을 갖는 상기 하늘시계지수(SVF)를 산출하고, 상기 대상 지역의 물리적인 지형 조건을 반영하여 태양고도에 따른 상기 그림자 패턴을 설정된 시간 간격마다 산출할 수 있다.
하늘시계지수(SVF)는 하늘을 가리는 장애물들의 영향을 계량화하고 도시의 복잡한 기하특성과 도시열섬(Urban Heat Island, UHI)과의 관계를 설명하는 주요 인자이다. 하늘시계지수(SVF)는 주변에 장애물이 없고 평평한 지면에서는 1, 하늘이 모두 가려지는 경우에는 0이라는 극단의 값으로 두고 도시의 입체적인 기하특성을 이 사이에 있는 값으로 지수화하여 설명하는 데 사용된다. 일반적으로, 건물과 같은 입체적, 표면적 비율이 크고 기하적 특성이 복잡한 구조물이 존재하는 지역의 경우 하늘시계지수(SVF) 값이 줄어들고 대기로 빠져나가는 야간복사 방출량이 작아지는 만큼 야간의 열섬강도가 증가하는 것으로 간주된다. 즉, 하늘시계지수(SVF)가 1에 가까울수록 열을 가두는 효과가 줄어 야간에 냉각이 더 잘 일어나고 기온이 낮게 나타난다. 또한, 하늘시계지수(SVF)가 0에 가까울수록 야간 복사방출량이 주변 장애물에 의해 반사되어 대기 중으로 빠져나가는 양이 줄어들게 되므로, 복사온도가 높게 나타난다. 태양복사모듈(102)은 입력 데이터에 포함된 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보, 교통 정보 등을 이용하여 대상 지역 내 각 격자별로 하늘시계지수(SVF)를 산출함으로써 각 격자별 일사량 도달 정도를 계산할 수 있다. 여기서, 각 격자들은 설정된 간격으로 이격되어 대상 지역 내에서 다수 개 존재할 수 있다. 또한, 태양복사모듈(102)은 어안렌즈, 소프트웨어적인 가상화, GPS (Global Position System) 신호 등과 같은 다양한 기법들을 이용하여 하늘시계지수(SVF)를 산출할 수 있으나 하늘시계지수(SVF)의 산출 방법이 특별히 이에 한정되는 것은 아니다.
또한, 그림자 패턴의 경우 대상 지역의 위도, 경도, 고도, 지형, 날짜, 시간 등에 따라 달라질 수 있다. 태양복사모듈(102)은 입력 데이터에 포함된 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보, 교통 정보 등을 이용하여 대상 지역의 물리적인 지형 조건 및 태양고도에 따른 상기 그림자 패턴을 설정된 시간 간격마다 산출할 수 있다. 태양복사모듈(102)은 예를 들어, 일출시각부터 일몰시각까지 30분 간격으로 대상 지역의 그림자 패턴을 산출할 수 있으며, 이에 따라 대상 지역에서 그림자의 영향이 상대적으로 큰 영역과 그림자의 영향이 상대적으로 작은 영역을 구별할 수 있다.
또한, 태양복사모듈(102)은 산출된 하늘시계지수(SVF) 및 그림자 패턴을 토대로 대상 지역에서의 복사 플럭스 자료를 도출한다. 여기서, 복사 플럭스 자료는 예를 들어, 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함할 수 있다. 태양복사모듈(102)은 대상 지역 내 각 격자별 하늘시계지수(SVF), 및 태양고도에 따른 그림자 패턴을 토대로 상기 대상 지역의 위도 및 경도를 반영하여 설정된 단위시간마다 상기 각 격자별 복사량을 계산하고, 상기 복사량으로부터 3차원의 하향단파복사(Downward short wave radiant flux, Kdown), 하향장파복사(Downward long wave radiant flux, Ldown) 및 상향장파복사(Upward long wave radiant flux, Lup)를 각각 도출할 수 있다.
노면온도 예측모듈(Road Surface Temperature Prediction Model, RSTPM, 104)은 상기 입력 데이터, 상기 그림자 패턴 및 상기 복사 플럭스 자료를 토대로 열수지기법(Heat-Balance Method)을 적용하여 상기 대상 지역 내 도로의 노면온도를 예측한다. 본 실시예들에 있어서, 열수지기법은 지면에서의 열의 출입을 정량적으로 파악하는 기법이다. 노면온도 예측모듈(104)은 예를 들어, Fujimoto(2008년), Son(2015년) 등에 의해 정립된 열수지기법을 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다. 노면온도 예측모듈(104)은 상기 열수지기법을 통해 기상 및 지면 관련 요인 등과 같은 열 속성과 노면의 열수지를 고려하여 노면온도를 예측할 수 있다. 일 예시로서, 차량이 지나간 지역과 그렇지 않은 지역에서 노면온도가 차이가 나기 때문에, 노면온도 예측모듈(104)은 교통량이나 기상 조건에 따라 달라지는 노면온도에 대한 차량의 열적 효과를 분석함으로써 노면온도를 보다 정확하게 예측할 수 있다.
보다 구체적으로, 노면온도 예측모듈(104)은 태양복사모듈(102)에서 도출된 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)로부터 순하향 단파복사량(Net downward short wave flux, NDNSW) 및 순하향 장파복사량(Net downward long wave flux, NDNLW)를 계산하고, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW) 중 적어도 하나로부터 상기 도로의 노면온도와 관련된 변수들에 대한 값을 산출하며, 상기 변수들에 대한 값을 상기 열수지기법에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다. 여기서, 상기 변수들은 예를 들어, 상기 도로의 온도, 공기 흐름으로 인한 현열 플럭스(Sensible Heat Flux due to air flow), 잠열 플럭스(Latent Heat Flux), 차량 열 플럭스(Vehicle Heat Flux), 타이어 마찰열 등이 될 수 있다. 즉, 노면온도 예측모듈(104)은 상기 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)로부터 복사 플럭스와 관련된 변수들에 대한 값을 도출하고, 도출된 상기 값과 상세화된 도로 분해능의 상세화된 자료를 열수지방정식에 입력하여 상세화된 도로 단위에서의 시간적, 공간적 노면온도를 예측할 수 있다.
본 실시예들에 있어서, 열수지기법은 아래 수학식 1과 같은 열수지방정식으로 표현될 수 있다.
여기서, (ρc)p는 노면의 용적 열용량(volumetric heat capacity) (J/m3/K), t는 시간, Tps는 도로의 노면온도(℃), Δzs는 도로의 노면두께(m), G는 노면에서의 도로 열 플럭스(pavement heat flux at the road surface)(W/m2), Rn은 순복사 플럭스(net radiation flux)(W/m2), Sa는 공기 흐름 또는 자연 바람으로 인한 현열 플럭스(Sensible Heat Flux due to air flow)(W/m2), L은 증발(evaporation) 또는 응결(condensation)과 관련된 잠열 플럭스(latent heat flux)(W/m2), Qv는 차량 열 플럭스(vehicle heat flux)의 총합(St + Rv + Sva)(W/m2)이다. 이때, x축 방향(longitudinal direction)의 열 플럭스는 y축 방향(transverse direction) 또는 z축 방향(vertical direction)의 열 플럭스에 비해 매우 작은 것으로 가정한다.
또한, 상기 G는 아래 수학식 2와 같이 표현될 수 있다.
여기서, λy 및 λz는 각각 y축 방향 및 z축 방향에서의 도로의 열 전도도(thermal conductivity)(W/m/K), Tp는 도로 온도(road temperature)(℃)이다.
또한, 상기 Rn은 아래 수학식 3과 같이 표현될 수 있다.
여기서, Rnl은 순하향 장파복사량(NDNLW), Rns는 순하향 단파복사량(NDNSW), Rld은 하늘 복사량(sky radiation), Rlu는 노면으로부터의 장파 복사량(long wave radiation from road surface), Rsd는 태양 복사량(solar radiation), Rsu는 반사된 태양 복사량(reflected solar radiation)이다. 이때, Rlu는 슈테판-볼츠만 법칙(Stefan-Boltzmann law)에 따라 계산될 수 있다.
또한, 상기 Sa는 아래 수학식 4와 같이 표현될 수 있다.
여기서, αs는 노면과 대기 사이의 열 전달 계수(heat transfer coefficient), Tα는 대기 온도(atmospheric temperature)(℃)이다. 이때, αs는 자연 바람 속도 Vws(m/s)로부터 추정될 수 있으며, 아래 수학식 5와 같이 표현될 수 있다.
또한, 상기 L은 아래 수학식 6과 같이 표현될 수 있다.
여기서, mv는 증발(evaporation) 또는 응결(condensation)의 질량 플럭스(mass flux), hv는 증발의 잠열이다. 이때, mv는 노면과 대기 사이의 증기밀도(vapor density) 차이에 비례할 수 있다. 또한, αm은 증기 전달 계수(vapor transfer coefficient)(m/s), ρv는 수증기의 밀도(kg/m3)이며, 서브스크립트 α 및 s는 각각 공기와 노면을 지칭한다. 또한, αm은 아래 수학식 7과 같이 Vws로부터 계산될 수 있다.
또한, 상기 Qv는 아래 수학식 8과 같이 표현될 수 있다.
여기서, St는 뉴턴의 냉각 법칙(Newton's law of cooling)에 따라 계산될 수 있으며, 아래 수학식 9와 같이 표현될 수 있다.
αtp은 타이어와 노면 사이의 열 전달 계수로서, 60W/m2/K이다. 또한, Tt는 타이어 온도(℃)이며, 아래 수학식 10과 같이 표현될 수 있다.
Tt는 노면의 조건 또는 상태와 무관하게 수학식 10의 empirical correlation 에 의해 정의될 수 있다. 이때, Vv는 차량 속도(km/h)를 나타낸다.
또한, Rv는 차량의 바닥면에서의 온도 Tv를 이용하여 슈테판-볼츠만 법칙에 따라 아래 수학식 11과 같이 표현될 수 있다.
여기서, εv는 철의 방사율(emissivity)로서, 0.80의 값을 가질 수 있다.
또한, Sva는 뉴턴의 냉각 법칙에 따라 계산될 수 있으며, 아래 수학식 12와 같이 표현될 수 있다.
이와 같이, 노면온도 예측모듈(104)은 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 상기 순하향 장파복사량(NDNLW) 중 적어도 하나로부터 상기 도로의 노면온도와 관련된 변수들에 대한 값을 산출하며, 상기 변수들에 대한 값을 상기 열수지기법에 따른 수학식 1 내지 12를 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다.
이러한 노면온도 예측모듈(104)은 노면에서의 에너지 수지와 지중열전달 과정이 포함된 물리적 접근법을 적용한 것으로, 대상 지역에 대한 기상 변수와 도로의 지면 특성 변수들에 대한 자료가 확보될 경우 다른 도로에 대해서도 공간적인 확장이 가능하다.
도 2는 본 발명의 일 실시예에 따른 대상지역의 도로를 나타낸 예시이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 대상지역의 도로는 예를 들어, 내부순환로일 수 있다. 본 실시예들에서는 내부순환로의 홍지문 터널과 정릉 터널을 제외한 16.2km 구간을 대상지역의 도로로 설정하였다. 이는 해당 구간이 서울시의 자동차 전용도로 중에서 상대적으로 다양한 범위의 도로 기하구조의 형태를 포함하기 때문이다.
도 3은 본 발명의 일 실시예에 따른 LDAPS에서 추출된 격자의 예시이다.
도 3의 (a)는 대상지역의 도로를 나타내며, 도 3의 (b)는 대상지역 내에서 설정된 간격으로 이격되는 격자들의 예시를 나타낸다.
일 예시로서, LDAPS의 자료로부터 추출된 내부순환로의 격자들은 예를 들어, 성수방향으로 231개, 성산방향으로 236개 등 총 467개가 될 수 있다.
도 4는 본 발명의 일 실시예에 따른 입력 데이터의 예시이다.
상술한 바와 같이, 입력 데이터는 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함할 수 있다. 여기서, 지면 정보는 대상 지역에 대한 GIS 정보로서, 예를 들어 대상 지역의 지면과 관련된 정보를 포함하는 DTM, DEM, DSM, 토지 용도, Canopy DSM, 하늘시계지수(SVF) 등을 포함할 수 있다. 또한, 기상 정보는 기상청의 LDAPS 데이터로부터 도출되는 상기 대상 지역에 대한 기온, 풍속, 기압, 상대습도 등을 포함할 수 있다. 또한, 도로 정보는 대상 지역에 대한 도로 특성, 도로의 노면두께 등을 포함할 수 있다. 상기 도로 특성은 예를 들어, 도로의 기하구조, 지층구조 등이 될 수 있다. 또한, 교통 정보는 대상 지역에서의 차량의 주행속도, 교통량 등을 포함할 수 있다.
도 5는 본 발명의 일 실시예에 따른 LDAPS 데이터로부터 추출된 시간대별 기상 정보의 변화량을 나타낸 그래프이다.
도 5를 참조하면, 내부순환로의 일사량을 살펴보면, 일출 시각인 오전 8시부터 일사량이 증가하여 13시에 최대값을 보이고 일몰 시각까지 점차 감소하는 것으로 나타났다. 또한, LDAPS 데이터로부터 추출된 내부순환로의 평균기온은 -4℃, 일 평균습도는 36.7%로 나타났다.
도 6은 본 발명의 일 실시예에 따른 태양복사모듈(102) 및 노면온도 예측모듈(104) 간의 연관 관계를 나타낸 도식이다.
도 6에 도시된 바와 같이, 태양복사모듈(102)은 예를 들어, DSM, DEM 등과 같은 GIS 정보로부터 하늘시계지수(SVF) 및 그림자 패턴을 산출하고, 이로부터 설정된 단위시간마다 각 격자별 복사량을 계산한 후 상기 복사량으로부터 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함하는 복사 플럭스 자료를 도출할 수 있다.
또한, 노면온도 예측모듈(104)은 상기 태양복사모듈(102)과 연계하여 동작할 수 있다. 노면온도 예측모듈(104)은 상기 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)로부터 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)를 계산하고, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW) 중 적어도 하나로부터 상기 도로의 노면온도와 관련된 변수들에 대한 값을 산출하며, 상기 입력 데이터, 상기 그림자 패턴 등이 반영된 상태에서 상기 변수들에 대한 값을 상기 열수지기법에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다.
도 7은 본 발명의 일 실시예에 따른 태양복사모듈(102)을 통해 산출된 하늘시계지수(SVF)의 예시이다.
도 7에 도시된 바와 같이, 대상 지역 내에서 동서남북 방향의 하늘시계지수(SVF)를 산출하였다. 상술한 바와 같이, 하늘시계지수(SVF)는 주변에 장애물이 없고 평평한 지면에서는 1, 하늘이 모두 가려지는 경우에는 0의 값을 갖는다. 대상 지역이 내부순환로라 가정할 때, 지형이 높고 복잡한 북쪽 지역이 상대적으로 하늘시계지수(SVF)이 낮은 값을 보이는 것을 확인할 수 있다.
도 8은 본 발명의 일 실시예에 따른 태양복사모듈(102)을 통해 산출된 그림자 패턴의 예시이다.
태양복사모듈(102)은 예를 들어, 대상 지역의 위도 및 경도 좌표와 날짜, 시간 등을 이용하여 일출시각부터 일몰시각까지 30분 간격으로 대상 지역의 그림자 패턴을 산출할 수 있다. 이때, 태양복사모듈(102)은 대상 지역에 대한 10m 해상도의 DEM을 이용하여 대상 지역의 물리적인 지형 조건을 반영한 후 태양고도에 따른 그림자 패턴을 설정된 시간 간격마다 산출할 수 있다.
도 8을 참조하면, 동쪽에서 해가 뜨면서 피복물의 서쪽방향으로 그림자가 생기고(0800), 정오에는 그림자가 거의 발생하지 않으며(1300), 일몰이 시작되는 때에 동쪽방향으로 그림자가 발생(1700)하는 것을 확인할 수 있다. 대상 지역 내 지형이 높은 지역의 경우 그림자의 영향이 큰 것을 확인할 수 있다.
도 9는 본 발명의 일 실시예에 따른 각 영역별 그림자 영향을 나타낸 예시이며, 도 10은 본 발명의 일 실시예에 따라 도출된 그림자 패턴을 분석한 결과를 나타낸 예시이다.
도 9를 참조하면, 태양복사모듈(102)을 통해 산출된 그림자 패턴의 결과를 토대로 대상 지역(예를 들어, 내부순환로)에서 그림자의 영향이 큰 영역을 ①(25km X 20km), ②(25km X 20km)로 나누고 5m 의 해상도로 분석하였다. 대상 지역 내 상세 영역 ① 의 그림자 패턴의 값은 평균 0.75, 대상 지역 내 상세 영역 ② 의 그림자 패턴의 값은 평균 0.84로 전체 영역의 평균 0.84와 비슷하게 계산되었지만 터널 입구에서는 0.1 ~ 0.4로 상대적으로 낮은 값이 나타났다.
도 10을 참조하면, 대상 지역 내 상세 영역 ①, ② 중 고도 및 지형의 효과를 보다 자세히 살펴보기 위해 터널의 입구(a), 동서방향으로 열린 지점(b), 도로가 변곡되는 지점(c), 남북방향(d), 터널의 출구(e), 산지의 바로 옆(f) 등 6개의 지점을 선정하고, 각 지점별로 하루 동안의 음지 및 양지여부를 30분 간격으로 확인하였다.
a의 경우, 정릉터널 입구 부분으로 다른 지점에 비해 상대적으로 그림자의 영향이 크게 나타난 것을 확인할 수 있다. a의 경우, 하루 중 총 3시간만 양지였으며 일출 후와 일몰 전에도 3시간씩 음지로 나타났다.
b와 c의 경우, 일출시간이 약 30분 정도 차이를 보였고, 남북방향으로 위치한 d는 b, c에 비해 일출 시간이 늦고 일몰 시간이 빠르게 나타났다.
도로가 위치한 방향을 비슷하나 주변 지형의 높이가 다른 e, f의 경우, f가 높은 주변 지형의 영향으로 e보다 늦게 양지가 되며 약 1시간 이상 일찍 음지로 변화하였다. 두 지점의 거리도 가깝고 도로의 방향도 유사하나, 높은 주변 지형의 영향으로 약 1시간 반 정도의 그림자 효과가 길어지는 것을 확인할 수 있었다.
도 11은 본 발명의 일 실시예에 따른 태양복사모듈(102)을 통해 계산된 하향단파복사(Kdown)를 나타낸 예시이며, 도 12는 본 발명의 일 실시예에 따른 태양복사모듈을 통해 계산된 상향장파복사(Lup)를 나타낸 예시이다.
상술한 대상 지역 내 상세 영역 ①, ②에 대한 하향단파복사(Kdown) 및 상향장파복사(Lup)를 일출시간(9시), 낮 시간(13시), 일몰시간(17시), 일평균 값으로 나누어 도출하였다.
도 11을 참조하면, 대상 지역 내 상세 영역 ①의 하향단파복사(Kdown) 평균은 9시에 48.85W/m2, 13시에 247.31W/m2, 17시에 37.07W/m2이고, 일평균은 129.13W/m2로 그림자의 영향을 많이 받는 구간의 복사량 감소가 주로 낮 시간에 뚜렷하게 나타나는 것을 확인할 수 있다.
대상 지역 내 상세 영역 ②의 하향단파복사(Kdown) 평균은 9시에 52.83W/m2, 13시에 166.54W/m2, 17시에 37.43W/m2이고, 일평균은 107.38W/m2로 상대적으로 도로 남쪽으로 그림자 영향이 많은 것으로 나타나고, 그에 따른 복사량 차이가 모든 시간에 뚜렷하게 나타나는 것을 확인할 수 있다.
도 12를 참조하면, 대상 지역 내 상세 영역 ①에 대한 상향장파복사(Lup)는 일평균 288.63W/m2이며, 9시에 281.28W/m2, 13시에 297.55W/m2, 17시에 279.93W/m2로 나타났고, 대상 지역 내 상세 영역 ②에 대한 상향장파복사(Lup)는 일평균 283.76W/m2이며, 9시에 281.57W/m2, 13시에 291.70W/m2, 17시에 278.93W/m2로 나타나는 것을 확인할 수 있다.
도 13은 본 발명의 일 실시예에 따른 시간대별 기온관측 자료의 예시이며, 도 14는 본 발명의 일 실시예에 따른 노면온도 예측모듈(104)을 통해 예측된 시간대별 노면온도 예측결과를 나타낸 예시이다. 여기서, 노면온도 예측모듈(104)에서 사용된 기법은 열수지기법 모델로서, 상기 모델의 공간 해상도는 100m, 시간 해상도는 1시간으로 가정한다.
앞서 살펴본 도 12에서와 같이, 예측된 대상 지역의 노면온도는 시간에 따라 변화한다. 도 12에서 0시와 3시의 노면온도가 한낮(12시, 15시)의 노면온도보다 높게 예측된 것은 해당 일자의 기온변화가 반영된 데에 따른 것이다. 이는 도 13의 15시의 기온인 - 1.0℃보다 0시에 기온이 - 0.2℃로 더 높은 것을 통해 확인할 수 있다.
도 14는 앞서 분석한 6개의 관심 분석지점(a, b, c, d, e, f)에 대해 예측된 노면온도의 일변화를 나타낸 그래프이다.
도 14를 참조하면, 대체적으로 노면온도의 상승시점이나 하강시점이 일출시간(7시 31분) 및 일몰시간(17시 14분)에 맞춰 비슷한 패턴을 보이는 것을 확인할 수 있다. 또한, 고도가 높은 ② 영역의 지점들(e, f)이 ① 영역의 지점들(a, b, c, d)에 비해 노면온도가 1℃ 이상 낮게 예측되었고, ① 영역에서도 지형적으로 개방된 지점인 c와 d 지점이 a와 b 지점에 비해 약 0.3 ~ 0.4 ℃ 정도 높게 예측되었다. d 지점의 경우, 13시의 노면온도가 다른 지점에 비해 약 2℃ 정도 높게 나타났는데, 이는 지형의 복잡성과 맑은 날의 영향으로 13시에 d 지점의 하향단파복사량이 크게 나타나 노면온도 또한 높게 예측된 것으로 분석된다.
도 16은 본 발명의 일 실시예에 따른 노면온도 예측방법을 설명하기 위한 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
S102 단계에서, 태양복사모듈(102)은 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받는다.
S104 단계에서, 태양복사모듈(102)은 상기 입력 데이터를 이용하여 상기 대상 지역에 대한 하늘시계지수(SVF) 및 그림자 패턴을 산출한다.
S106 단계에서, 태양복사모듈(102)은 산출된 하늘시계지수(SVF) 및 그림자 패턴을 토대로 상기 대상 지역에서의 복사 플럭스 자료를 도출한다. 여기서, 복사 플럭스 자료는 예를 들어, 대상 지역에서의 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함할 수 있다.
S108 단계에서, 노면온도 예측모듈(104)은 상기 입력 데이터, 상기 그림자 패턴 및 상기 복사 플럭스 자료를 토대로 열수지기법(Heat-Balance Method)을 적용하여 대상 지역의 노면온도를 예측한다. 구체적으로, 노면온도 예측모듈(104)은 상기 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)로부터 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)를 계산하고, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW) 등으로부터 상기 도로의 노면온도와 관련된 변수들에 대한 값을 산출하며, 상기 입력 데이터, 상기 그림자 패턴 등이 반영된 상태에서 상기 변수들에 대한 값을 상기 열수지기법에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측할 수 있다. 상기 변수들에 대한 값은 예를 들어, 상기 도로의 노면에 대한 열전도도(Heat Conductivity), 공기 흐름으로 인한 현열 플럭스(Sensible Heat Flux due to air flow), 잠열 플럭스(Latent Heat Flux) 및 차량 열 플럭스(Vehicle Heat Flux) 중 하나 이상을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 터널 입출구와 고도가 높은 지역에서 그림자 영역이 오래 지속되었고, 그림자의 영향을 많이 받는 구간의 복사량 감소가 뚜렷하게 나타나는 것을 확인할 수 있었다. 이러한 복사 플럭스 자료는 노면온도 예측결과에 반영되어 지형적으로 개방된 지점에서는 노면온도가 높게 예측되고, 고도가 높은 지점들은 그렇지 않은 지점에 비해 상대적으로 낮게 예측되었다. 이러한 노면온도 예측결과는 겨울철 기상상황에 따른 도로 결빙구간을 예측하는 데 사용되어 도로 관리자 및 운전자의 의사결정 자료로서 활용될 수 있다. 또한, 상기 노면온도 예측결과는 스마트 시티와 같은 도시계획을 수립, 개선하는 데 활용될 수 있다.
도 17은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 노면온도 예측 시스템(100), 또는 노면온도 예측 시스템(100)에 포함되는 하나 이상의 컴포넌트일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 전술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100 : 노면온도 예측 시스템
102 : 태양복사모듈
104 : 노면온도 예측모듈
102 : 태양복사모듈
104 : 노면온도 예측모듈
Claims (12)
- 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받고, 상기 입력 데이터를 이용하여 상기 대상 지역 내에서 설정된 간격으로 이격되어 위치하는 각 격자별로 0 ~ 1 사이의 값을 갖는 하늘시계지수(SVF)를 산출하고, 상기 대상 지역의 물리적인 지형 조건을 반영하여 태양고도에 따른 그림자 패턴을 설정된 시간 간격마다 산출하며, 산출된 상기 각 격자별 상기 하늘시계지수, 및 상기 태양고도에 따른 상기 그림자 패턴을 토대로 상기 대상 지역의 위도 및 경도를 반영하여 설정된 단위시간마다 상기 각 격자별 복사량을 계산하고, 상기 복사량으로부터 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함하는 상기 대상 지역에서의 복사 플럭스 자료를 도출하는 태양복사모듈; 및
상기 하향단파복사(Kdown), 상기 하향장파복사(Ldown) 및 상기 상향장파복사(Lup)로부터 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)를 계산하고, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 상기 순하향 장파복사량(NDNLW)으로부터 노면에서의 도로 열 플럭스, 공기 흐름으로 인한 현열 플럭스(Sensible Heat Flux due to air flow), 잠열 플럭스(Latent Heat Flux) 및 차량 열 플럭스(Vehicle Heat Flux)를 각각 산출하며, 산출된 상기 노면에서의 도로 열 플럭스, 상기 공기 흐름으로 인한 현열 플럭스, 상기 잠열 플럭스 및 상기 차량 열 플럭스을 아래 수학식 1의 열수지 방정식으로 표현되는 열수지기법(Heat-Balance Method)에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측하는 노면온도 예측모듈을 포함하는, 노면온도 예측 시스템.
[수학식 1]
(여기서, (ρc)p는 노면의 용적 열용량(volumetric heat capacity)(J/m3/K), t는 시간, Tps는 도로의 노면온도(℃), Δzs는 도로의 노면두께(m), G는 노면에서의 도로 열 플럭스(pavement heat flux at the road surface)(W/m2), Rn은 순복사 플럭스(net radiation flux)(W/m2), Sa는 공기 흐름 또는 자연 바람으로 인한 현열 플럭스(Sensible Heat Flux due to air flow)(W/m2), L은 증발(evaporation) 또는 응결(condensation)과 관련된 잠열 플럭스(latent heat flux)(W/m2), Qv는 차량 열 플럭스(vehicle heat flux)의 총합(St + Rv + Sva)(W/m2)임. 또한, Rn은 상기 순하향 장파복사량(NDNLW)과 상기 순하향 단파복사량(NDNSW)의 합임)
- 청구항 1에 있어서,
상기 지면 정보는, 상기 대상 지역에 대한 GIS(Geographic Information System) 정보이며,
상기 기상 정보는, LDAPS(Local Data Assimilation and Prediction System) 데이터로부터 도출되는 상기 대상 지역에 대한 기온, 풍속, 기압 및 상대습도 중 하나 이상을 포함하며,
상기 도로 정보는, 상기 대상 지역에 대한 도로 특성 및 도로의 노면두께 중 하나 이상을 포함하며,
상기 교통 정보는, 상기 대상 지역에서의 차량의 주행속도 및 교통량 중 하나 이상을 포함하는, 노면온도 예측 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 태양복사모듈에서, 대상 지역에 대한 지면 정보, 기상 정보, 도로 정보 및 교통 정보를 포함하는 입력 데이터를 입력 받는 단계;
상기 태양복사모듈에서, 상기 입력 데이터를 이용하여 상기 대상 지역 내에서 설정된 간격으로 이격되어 위치하는 각 격자별로 0 ~ 1 사이의 값을 갖는 하늘시계지수(SVF)를 산출하고, 상기 대상 지역의 물리적인 지형 조건을 반영하여 태양고도에 따른 그림자 패턴을 설정된 시간 간격마다 산출하는 단계;
상기 태양복사모듈에서, 산출된 상기 각 격자별 상기 하늘시계지수, 및 상기 태양고도에 따른 상기 그림자 패턴을 토대로 상기 대상 지역의 위도 및 경도를 반영하여 설정된 단위시간마다 상기 각 격자별 복사량을 계산하는 단계;
상기 태양복사모듈에서, 상기 복사량으로부터 하향단파복사(Kdown), 하향장파복사(Ldown) 및 상향장파복사(Lup)를 포함하는 상기 대상 지역에서의 복사 플럭스 자료를 도출하는 단계;
노면온도 예측모듈에서, 상기 하향단파복사(Kdown), 상기 하향장파복사(Ldown) 및 상기 상향장파복사(Lup)로부터 순하향 단파복사량(NDNSW) 및 순하향 장파복사량(NDNLW)를 계산하는 단계;
상기 노면온도 예측모듈에서, 상기 입력 데이터, 상기 하늘시계지수(SVF), 상기 그림자 패턴, 상기 순하향 단파복사량(NDNSW) 및 상기 순하향 장파복사량(NDNLW)으로부터 상기 노면에서의 도로 열 플럭스, 공기 흐름으로 인한 현열 플럭스(Sensible Heat Flux due to air flow), 잠열 플럭스(Latent Heat Flux) 및 차량 열 플럭스(Vehicle Heat Flux)를 각각 산출하는 단계; 및
상기 노면온도 예측모듈에서, 산출된 상기 노면에서의 도로 열 플럭스, 상기 공기 흐름으로 인한 현열 플럭스, 상기 잠열 플럭스 및 상기 차량 열 플럭스을 아래 수학식 1의 열수지 방정식으로 표현되는 열수지기법(Heat-Balance Method)에 적용하여 상기 대상 지역 내 도로의 노면온도를 예측하는 단계를 포함하는, 노면온도 예측 방법.
[수학식 1]
(여기서, (ρc)p는 노면의 용적 열용량(volumetric heat capacity)(J/m3/K), t는 시간, Tps는 도로의 노면온도(℃), Δzs는 도로의 노면두께(m), G는 노면에서의 도로 열 플럭스(pavement heat flux at the road surface)(W/m2), Rn은 순복사 플럭스(net radiation flux)(W/m2), Sa는 공기 흐름 또는 자연 바람으로 인한 현열 플럭스(Sensible Heat Flux due to air flow)(W/m2), L은 증발(evaporation) 또는 응결(condensation)과 관련된 잠열 플럭스(latent heat flux)(W/m2), Qv는 차량 열 플럭스(vehicle heat flux)의 총합(St + Rv + Sva)(W/m2)임. 또한, Rn은 상기 순하향 장파복사량(NDNLW)과 상기 순하향 단파복사량(NDNSW)의 합임)
- 청구항 7에 있어서,
상기 지면 정보는, 상기 대상 지역에 대한 GIS(Geographic Information System) 정보이며,
상기 기상 정보는, LDAPS(Local Data Assimilation and Prediction System) 데이터로부터 도출되는 상기 대상 지역에 대한 기온, 풍속, 기압 및 상대습도 중 하나 이상을 포함하며,
상기 도로 정보는, 상기 대상 지역에 대한 도로 특성 및 도로의 노면두께 중 하나 이상을 포함하며,
상기 교통 정보는, 상기 대상 지역에서의 차량의 주행속도 및 교통량 중 하나 이상을 포함하는, 노면온도 예측 방법.
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210174611A KR102402469B1 (ko) | 2021-12-08 | 2021-12-08 | 복사 플럭스 자료를 이용한 대상지역 내 도로의 노면온도 예측 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210174611A KR102402469B1 (ko) | 2021-12-08 | 2021-12-08 | 복사 플럭스 자료를 이용한 대상지역 내 도로의 노면온도 예측 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102402469B1 true KR102402469B1 (ko) | 2022-05-26 |
Family
ID=81809243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210174611A KR102402469B1 (ko) | 2021-12-08 | 2021-12-08 | 복사 플럭스 자료를 이용한 대상지역 내 도로의 노면온도 예측 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102402469B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117131313A (zh) * | 2023-10-23 | 2023-11-28 | 沈阳仪表科学研究院有限公司 | 一种中药材土壤墒情参数计算方法、计算机设备及介质 |
| KR102612725B1 (ko) * | 2022-11-14 | 2023-12-11 | 한국외국어대학교 연구산학협력단 | 개선된 도시지표특성 모수를 이용한 복사 플럭스 산출 시스템 및 방법 |
| CN117372264A (zh) * | 2023-09-22 | 2024-01-09 | 北京航空航天大学 | 一种基于辐射传输模型的遥感影像大气地形几何联合校正方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09304550A (ja) * | 1996-05-14 | 1997-11-28 | Oki Electric Ind Co Ltd | 地表面温度の予測方法 |
| JPH1164536A (ja) * | 1997-08-21 | 1999-03-05 | Oki Electric Ind Co Ltd | 路面温度の予測方法及び装置並びに路面温度の予測プログラムを記録した記録媒体 |
| JP2001349959A (ja) * | 2000-06-07 | 2001-12-21 | Hitachi Cable Ltd | 路面状況推定方法及びそのシステム |
| KR101943759B1 (ko) * | 2017-11-17 | 2019-01-29 | 한국외국어대학교 연구산학협력단 | 도시 상세 복사량모의를 통한 고온지역 열저감 위한 활용정보 추출 방법 및 장치 |
| KR20210055414A (ko) * | 2019-11-07 | 2021-05-17 | 한국외국어대학교 연구산학협력단 | 기온에 따른 도로 상태 분석 모델을 이용한 도로 안전정보제공시스템 및 방법 |
| KR20210092427A (ko) | 2020-01-16 | 2021-07-26 | 광주대학교산학협력단 | IoT활용 도로결빙 감지 및 예측시스템 |
-
2021
- 2021-12-08 KR KR1020210174611A patent/KR102402469B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09304550A (ja) * | 1996-05-14 | 1997-11-28 | Oki Electric Ind Co Ltd | 地表面温度の予測方法 |
| JPH1164536A (ja) * | 1997-08-21 | 1999-03-05 | Oki Electric Ind Co Ltd | 路面温度の予測方法及び装置並びに路面温度の予測プログラムを記録した記録媒体 |
| JP2001349959A (ja) * | 2000-06-07 | 2001-12-21 | Hitachi Cable Ltd | 路面状況推定方法及びそのシステム |
| KR101943759B1 (ko) * | 2017-11-17 | 2019-01-29 | 한국외국어대학교 연구산학협력단 | 도시 상세 복사량모의를 통한 고온지역 열저감 위한 활용정보 추출 방법 및 장치 |
| KR20210055414A (ko) * | 2019-11-07 | 2021-05-17 | 한국외국어대학교 연구산학협력단 | 기온에 따른 도로 상태 분석 모델을 이용한 도로 안전정보제공시스템 및 방법 |
| KR20210092427A (ko) | 2020-01-16 | 2021-07-26 | 광주대학교산학협력단 | IoT활용 도로결빙 감지 및 예측시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102612725B1 (ko) * | 2022-11-14 | 2023-12-11 | 한국외국어대학교 연구산학협력단 | 개선된 도시지표특성 모수를 이용한 복사 플럭스 산출 시스템 및 방법 |
| CN117372264A (zh) * | 2023-09-22 | 2024-01-09 | 北京航空航天大学 | 一种基于辐射传输模型的遥感影像大气地形几何联合校正方法 |
| CN117131313A (zh) * | 2023-10-23 | 2023-11-28 | 沈阳仪表科学研究院有限公司 | 一种中药材土壤墒情参数计算方法、计算机设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102402469B1 (ko) | 복사 플럭스 자료를 이용한 대상지역 내 도로의 노면온도 예측 시스템 및 방법 | |
| Lindberg et al. | Influence of ground surface characteristics on the mean radiant temperature in urban areas | |
| Yadav et al. | Spatial variations of intra-city urban heat island in megacity Delhi | |
| Tong et al. | Study on correlation between air temperature and urban morphology parameters in built environment in northern China | |
| He et al. | Influence of sky view factor on outdoor thermal environment and physiological equivalent temperature | |
| Bueno et al. | Computationally efficient prediction of canopy level urban air temperature at the neighbourhood scale | |
| Lazzarini et al. | Temperature-land cover interactions: The inversion of urban heat island phenomenon in desert city areas | |
| Zhang et al. | Effects of street canyon design on pedestrian thermal comfort in the hot-humid area of China | |
| Mastrangelo et al. | Mechanisms for convection development in a long-lasting heavy precipitation event over southeastern Italy | |
| Martin et al. | Estimation of urban temperature and humidity using a lumped parameter model coupled with an EnergyPlus model | |
| Nadeau et al. | Estimation of urban sensible heat flux using a dense wireless network of observations | |
| Arshad et al. | Evaluation of the urban heat island over Abha-Khamis Mushait tourist resort due to rapid urbanisation in Asir, Saudi Arabia | |
| Rajan et al. | Urban heat island intensity and evaluation of outdoor thermal comfort in Chennai, India | |
| Liou et al. | A WRF simulation of the impact of 3-D radiative transfer on surface hydrology over the Rocky Mountains and Sierra Nevada | |
| Clay et al. | Urban heat island traverses in the city of Adelaide, South Australia | |
| Mathew et al. | Prediction of land-surface temperatures of Jaipur city using linear time series model | |
| Buo et al. | High-resolution thermal exposure and shade maps for cool corridor planning | |
| KR102612725B1 (ko) | 개선된 도시지표특성 모수를 이용한 복사 플럭스 산출 시스템 및 방법 | |
| Zheng et al. | Analysis of land cover and SUHII pattern using local climate zone framework—A case study of Chang-Zhu-Tan main urban area | |
| Rodríguez et al. | Urban-scale air temperature estimation: development of an empirical model based on mobile transects | |
| Harshan et al. | Evaluation of an urban land surface scheme over a tropical suburban neighborhood | |
| Tian et al. | Impact of water vapor transfer on a Circum-Bohai-Sea heavy fog: Observation and numerical simulation | |
| Xu et al. | Multivariate thermal environment data extraction and evaluation: A neighborhood scale case in Guangzhou, China | |
| Fan et al. | Modeling study of the impact of complex terrain on the surface energy and hydrology over the Tibetan Plateau | |
| Sinclair | A 6-yr climatology of fronts affecting Helsinki, Finland, and their boundary layer structure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20211208 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20211208 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20220208 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20220519 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20220523 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20220523 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |