Prediction of Road Maintenance Intervention and Assessment of Influencing Factors with ML-SHAP: Focusing on Road Traffic Conditions in Jeju

포장도로의 성능 저하는 교통량과 축하중, 기후 조건, 해안 환경 등의 다양한 요인의 복합적 영향으로 발생하며, 이를 규명하기 위해 국내외 도로 성능 저하 및 보수 시점을 예측하는 다양한 모형들이 제안되고 있다. 최근 제주특별자치도는 연간 1,000만 명이 넘는 관광객 방문으로 인하여 교통량이 지속적으로 증가하고 있으며, 이는 도로 기반 시설의 조기 노후화와 유지 관리 비용 증가로 이어질 수 있다. 일례로, 제주시에서는 포트홀 관련 민원이 연간 3,000~4,000건 수준으로 발생하고 있으며, 최근 3년간 포트홀 보수 건수도 연 평균 약 2,400건에 달했다. 제주도의 장래 도로보수 수요를 정량적으로 분석하기 위해서는 해양성 기후와 잦은 강우, 높은 해안 인접 도로 비율 등으로 대표되는 교통 환경 특성과 유지보수 기록을 직접 연계하는 연구가 필요한 실정이다. 이에 본 연구는 제주도 도로 교통 현황을 검토하고, 국지도 및 지방도를 대상으로 연간 도로·교통·기상 자료를 통합한 데이터셋을 구축하였다. 또한, 이를 활용하여 머신러닝(Machine Learning; ML) 기반 장래 유지보수 발생 예측 모형을 구축하고, SHAP(SHapley Additive exPlanations)을 적용하여 유지보수 발생에 영향을 미치는 주요 요인의 중요도와 기여 방향을 해석하였다. 본 연구의 결과는 유지보수 소요 가능성이 높은 구간을 선제적으로 도출하는 정량적 근거를 제시하며, 제주도 도로의 유지보수 대상 선정과 연차별 예산 분배 및 우선순위 결정 등에 활용될 수 있을 것으로 기대된다.