1. 서 론
기상재해의 사회적 ‧ 경제적 영향이 증가함에 따라 기상에 대한 영향정보를 평가하고 활용하는 것은 피해의 예방 및 대응 차원에서 중요한 과제로 떠오르고 있다. 특히 지속적인 기후변화와 산업화, 인구밀도 증가 등은 전 세계적으로 기상재해의 복합 ‧ 대형화를 유발하고 있는 상황이다(Lee et al., 2022).
영향예보는 기상요소 중심의 예보에서 벗어나 기상상황에 따른 잠재적 사회경제적 위험 영향 평가 대한 정보를 함께 제공하는 것을 의미한다. 2015년 세계기상기구(WMO)는 재해 영향을 강조한 예보 서비스에 관한 가이드라인을 구축하고 영향예보로의 패러다임 전환을 적극적으로 추진하였으며 기상 선진국들은 영향정보 제공 및 확산을 위한 기술개발에 인력과 재정을 투입하고 있지만 국내에서는 영향예보에 대한 인식이 확산되어 있지 않다(Kim et al., 2017).
국내의 영향예보는 피해가 많이 발생하는 홍수, 태풍 등의 재난에 초점이 맞춰져 있으며 상대적으로 피해 발생이 적은 교통 분야의 강풍으로 인한 차량 위험 영향 평가에 대한 연구는 부족한 실정이다. 또한 국내에서는 강풍으로 인한 차량 전도에 대한 많은 피해 사례는 없지만 과거 영동고속도로의 피해 사례가 존재하며(Kim and Choi, 2008; Kim et al., 2020) 연구에 대한 필요성이 높아지고 있다. 선진국의 경우 도로구조의 개선이나 차량 성능의 향상으로 많은 발전이 있었음에도 도로에서 발생한 사고의 약 2%가 바람에 의한 것이라는 통계도 있다(Smith and Barker, 1998).
국내에서는 EX(2003)이 풍동실험을 통해 차량별 위험풍속을 선정하였고 Kim et al.(2020)도 풍동실험을 통해 도출된 데이터를 딥러닝 기술을 적용하여 풍속별 통행제한전략안을 제시하였다. Lee and Jo(2011)는 횡풍에 의한 매카니즘을 통해 선진국의 강풍 대책과 도로안전시설에 대해 제시하였다. Kim et al.(2016)은 차량이 도로를 주행 시 외부 바람의 영향에 의해 주어진 주행 조건에서 어느 정도의 회전 운동력이 발생하는 가를 예측하기 위한 운동방정식을 제시하였으며 Kim and Choi(2008)는 횡풍으로 차량이 주행경로에서 이탈하는 거리에 따라 위험한 풍속을 산정하였으며 차량별 통행제안 풍속을 제시하였다.
국외에서는 Hemingway and Robbins(2019)가 영향예보 기반 경고를 지원하는 차량전도모델을 제시하였으며 과거 사례를 통해 종합평가를 실시하였다. 과거 사례로 검증하여 실제 피해 사례와 잘 맞는 것으로 나타났다. Met Office(2018)는 국가재해경고서비스(NSWWS)의 리스크 매트릭스를 이용하여 잠재적 위험도를 산정하고 영향평가를 진행하였다. Snæbjörnsson et al.(2007)은 풍속, 마찰 계수, 차량 속도 등을 이용하여 강풍이 부는 환경에서 도로 차량의 안정성을 평가하였다. Petrini et al.(2020)은 강풍이 부는 교량에서의 차량 주행속도를 제한하거나 통제해야 한다고 제시하였으며 Perry and Symons(1994)도 강풍이 부는 경우 교통네크워크에 영향이 있다고 분석하였다.
위와 같은 선행연구를 살펴보았을 때 국외에서는 과거부터 강풍으로 인한 차량의 잠재적 영향에 대한 여러 가지 평가를 위해 연구가 진행되고 있었고 강풍으로 인한 추가 피해에 대한 연구도 진행하고 있었다. 그에 반해 국내에서는 위의 사례와 같이 강풍으로 인한 차밀림, 전도 등의 실험 및 차량속도제한에 대한 논문 및 보고서가 있었지만 위험(Risk)에 대한 영향 정보를 통한 평가가 이루어진 연구는 미흡한 것으로 나타났다.
본 연구에서는 강풍으로 인한 차량의 위험(Risk) 평가를 위한 도로의 취약성(Vulnerability) 기준을 산정하는 것을 목적으로 하였다. 도로의 취약성 평가는 도로의 고도, 차선 수, 도로 유형으로 평가할 수 있으며 강원도를 대상으로 취약성을 평가하였다.
2. 연구 방법
Fig. 1은 본 논문의 흐름도 이며 도로의 취약성(Vulnerability) 평가를 위해 도로의 고도, 차선 수, 도로 유형을 점수화하여 진행하였으며 데이터 구축을 위해 국토교통부의 지능형 교통체계 표준 링크와 국토지리정보원의 도로정밀지도, DEM 자료를 수집하였다. 이후 데이터를 전처리하여 표준 노드에 대입하고 각 지표별로 점수화 및 정규화를 실시하였다. 이후 지표별 점수를 합성하여 최종 취약성 지수를 산정하였다.
취약성 지수(Vulnerability Index)를 산정하기 위해 취약성 지표(Vulnerability indicators)를 다음 식을 이용하여 산정하였다. 지표별 점수화 및 정규화는 Hemingway and Robbins(2019)에서 나타내는 방법을 기반으로 점수화하여 산정하였다.
여기서, 식 (1)의 는 취약성 지표값을 산정하기 위한 요소값, 모든 구간에 대한 최소 요소값, 모든 구간에 대한 최대 요소 값을 의미한다. 은 도로의 고도, 는 도로의 차선수, 은 도로 유형을 의미하며 식 (2)와 같이 계산하여 취약성 지표를 산정하게 된다.
2.1 도로의 고도
도로의 고도(Road Elevation)를 산정하기 위해 고속도로와 국도를 나누어 방법을 산정하였으며 Fig. 2의 오른쪽 그림과 같이 국도의 경우 지형을 따라 도로가 형성되어 있어 30 m 수치 표고 모형(Digital Elevation Model, DEM)을 이용하였다. 고속도로는 Fig. 2의 왼쪽 그림과 같이 산지가 있을 경우 고가도로 및 교량을 통해 도로가 형성되어 있어 고도를 반영하기 위해 도로정밀지도의 종단면도를 이용하여 고도를 산정하였다. 높은 도로의 고도 구간은 낮은 고도의 구간보다 높은 확률로 강풍이 일어난다고 알려져 있다(TRRL, 1975; Gui et al., 2021). 식 (1)을 이용하여 수치표고모형 및 종단면도의 고도값을 0과 1사이로 정규화하여 지표를 산정하였다.
2.2 도로의 차선수
도로의 차선수(Number of lanes)는 표준링크의 524,699개에서 차로수를 추출하여 산정하였다. 링크별 차선수는 차도의 넓이 및 차량 전복 등의 사고 이후 2도로의 회복력을 나타낸다(Hemingway and Robbins, 2019). 단일 차선 도로에서 사고가 발생 시 도로의 정체 및 폐쇄 확률이 높지만 여러 차선의 도로의 경우 통행 속도는 줄어들지만 차량 통행이 가능하다는 가정을 포함한다(Omer et al., 2013; Ganin et al., 2017). 차선수가 1개인 도로는 가장 취약한 점수 1을 산정하였고 2차, 3차의 도로는 0.4, 6차선의 경우 0의 점수를 산정하였다.
2.3 도로의 유형
도로의 유형(Road Type)도 표준링크에서 추출하여 산정하였으며 도로의 유형별로 기준을 구축하였다. 터널 안에 있는 도로의 경우 강풍으로부터 취약하지 않은 0의 점수를 산정하였다. 미끄러운 도로 및 진입로나 로터리와 같이 차량의 속도를 줄이는 구간은 0.2, 강풍에 가장 민감한 교량 및 고가도로는 1의 점수를 산정하였으며 일반 도로는 0.4의 값을 산정하였다.
3. 적용 및 분석
3.1 대상지역
본 연구의 대상유역은 Fig. 3과 같이 강원도의 도로를 선정하였으며 영동고속도로, 서울-양양고속도로, 중앙고속도로, 동해고속도로, 국도 7호선을 선정하였다. 강원도의 경우 500 m에서 1,000 m 사이의 중간 산야 지대가 43.4%로 전국에서 가장 비중이 높다. 그리고 강원도의 경우 관광지가 있어 교통량이 높으며 양간지풍의 바람으로 위험도가 높다.
3.2 도로 구간별 취약성 산정
도로의 고도(), 도로 차선수(), 도로의 유형()의 값을 식 (1) 및 산정 기준에 따라 산정한 결과는 Table 1과 Fig. 4와 같다. 의 경우 서울-양양 고속도로와 영동고속도로에서 높은 고도 값이 나타나는 것을 확인할 수 있었으며 의 경우 국도에서는 여러 차선이 있는 것으로 나타났고 고속도로의 중간의 교차점에서 차선수가 작아지는 것으로 나타났다. 에서도 도로 터널과 교량에서 0, 1의 취약성이 잘 나타났다.
Table 1.
Score status by road section
Fig. 5는 도로의 고도(), 도로 차선수(), 도로의 유형()의 값을 식 (2)를 통해 산정한 결과이며 다른 고속도로보다 상대적으로 고도가 높고 교량이 있는 서울-양양고속도로와 영동고속도로와 취약성이 있는 것으로 나타났다. Fig. 5의 빨간색 동그라미로 표시한 부분은 과거 영동고속도로에서 강풍으로 인한 사고사례(Lee and Jo, 2011)가 존재하는 구간이며 사례가 있던 구간이 반영된 것으로 나타났다.
4. 결 론
기후변화로 인한 기상재해 발생 빈도가 높아짐에 따라 영향예보가 중요성이 증가하고 있다. 호우, 태풍, 폭염과 같은 재해는 연구가 진행되고 있으나 그 중 바람재해의 연구는 우리나라에서 아직 미흡한 실정이다. 과거 강풍으로 인한 피해 사례가 있어 강풍에 의한 도로 위험성 평가는 연구가 진행되어야 한다고 판단된다.
본 연구를 요약하자면 다음과 같다. 차량 전도 위험 영향 평가의 취약성 기준 산정을 하기 위해서 3개의 지표(Vulnerability indicators)를 구축하였으며 이를 점수화하여 취약성 지수(Vulnerability Index)를 도출하였다. 기존 연구에서는 단순 풍속 실험 및 사례분석을 이용하여 차량에 대한 위험풍속을 제시하였지만 본 연구에서는 도로의 고도, 도로의 차선수, 도로의 유형을 분석하여 강풍의 위험이 있는 도로의 구간을 산정하였다. 산정 결과 교량이 많이 분포되어있고 피해사례가 존재하는 영동고속도로가 다른 도로에 비해 취약성이 있는 것으로 나타났다.
본 연구의 한계점은 취약성 지표만을 가지고 차량의 위험(Risk)을 종합적으로 평가하기는 어려우며, 향후 위험성과 노출성을 추가 산정하여 평가를 진행한다면 차량 전도 위험 영향 평가에 대한 정보를 확보 할 수 있을 것이라 판단된다. 또한 취약성 지표에서 3가지의 지표 이외의 도로의 방향이나 도로가 차량에 미치는 영향에 관한 분석이 추가된다면 연구의 결과를 통해 상습적으로 피해가 나는 지역을 사전에 파악할 수 있을 것이며 운전자에게 잠재적인 위험에 대한 영향 정보를 제공할 수 있을 것이라 판단된다.
