자율주행 관련 기술은 급속하게 개발되고 있으며, 여러 유형의 자율주행 차량들이 실제 도로 환경에서 시험주행을 하고 있다. 그러나 환경 변화에 민감한 차량 센서의 한계로, 차량의 안정성과 신뢰성에 대한 문제는 계속 제기되고 있다. 이를 보완하기 위한 요소로 차로 수준으로 구축되어 다양한 정보를 가진 정밀 도로지도가 논의되고 있다.
차량이 주행하는 실제 주행 환경은 시시각각 변화하며, 원활한 자율주행을 위해 이러한 변화는 실시간 혹은 준 실시간으로 갱신되어야 한다. 그러나 정밀 도로지도는 데이터의 양이 크고 연결 관계가 복잡하여 기존 갱신 방법으로는 변화 발생 즉시 변경하는 것에 어려움이 있다.
한편, 대용량·비정형 데이터를 처리 및 관리하기 위하여 NoSQL이라 불리는 새로운 형태의 데이터베이스들이 개발, 출시되고 있다. 그 중 그래프 데이터베이스는 연결된 데이터를 처리하기에 적합한 데이터베이스로 각광 받고 있다. 그래프 데이터베이스는 연결 관계를 중심으로 데이터를 저장하며, 정밀 도로지도 또한 연결된 데이터로 볼 수 있다.
따라서 본 연구에서는 기존의 지도와는 다르게 데이터의 양이 크고 연결 관계가 복잡한 정밀 도로지도를 그래프 데이터베이스에 구현하여, 기존 형상 중심의 갱신 방법으로는 어려운 지도의 갱신을 실시간에 가깝게 수행하고 그래프 데이터베이스의 효용성을 검증하고자 하였다.
정밀 도로지도를 그래프 데이터베이스에 구현하기 위해 국내외 정밀 도로지도를 분석하였고, 이를 바탕으로 그래프 데이터베이스에 적합한 형태의 정밀 도로지도 데이터 모델을 설계하였다. 그래프 데이터베이스용 정밀 도로지도는 총 14개의 노드와 관계로 정의되었으며, 5개의 노드와 9개의 관계로 구성되었다. 지도는 도로의 연결 관계를 중심으로 구성되었으며 빠른 데이터 처리를 위해 형상은 Well-known Binary (WKB) 형식에 따라 포함되었다.
정밀 도로지도의 구현은 국토지리정보원의 정밀 도로지도와 지능형 교통체계 표준 노드링크를 활용하였으며, 그래프 데이터베이스는 Neo4j, 기존 객체-관계형 데이터베이스는 PostgreSQL에 구현되었다.
실험을 위한 갱신 시나리오는 도로의 변화에 초점을 맞추어 도로 신설, 도로 확장, 도로 폐쇄, 교통 제한 사항 변경의 총 4개로 작성되었으며 각 시나리오에 따른 갱신을 수행하였다.
실험 결과, 전체 갱신 시나리오 실험에서 객체-관계형 데이터베이스는 질의에 소요되는 시간이 다소 변칙적인 경우가 많이 발생하였다. 그래프 데이터베이스는 질의를 수행할수록 소요 시간이 안정적으로 나타났으며 연결 관계에 대한 제약 조건의 영향을 받지 않고 객체 간의 연결성을 쉽게 수정할 수 있었다. 소요 시간은 그래프 데이터베이스가 최대 90ms까지 빠르게 나타났으며, 최대 평균 4.5ms의 시간이 소요되었다. 이는 신속한 지도의 갱신이 필요한 자율주행 차량의 주행 환경에 어느 정도 대응하며 실시간 혹은 준 실시간 수준의 지도 갱신을 가능하게 할 것으로 판단되었다.
본 연구를 통해서 복잡한 관계로 이루어진 정밀 도로지도는 그래프 데이터베이스에서 연결성을 중심으로 더 빠르고 효과적으로 갱신되었다. 이는 기존의 형상 중심의 갱신 방법으로는 수행하기 어려운 실시간 갱신을 가능하게 할 것으로 예상된다. 실제 이러한 시간 차이는 자율주행 차량의 주행에 영향을 끼칠 수 있으며, 원활한 자율주행을 위해 그래프 데이터베이스 사용과 같은 새로운 접근법이 필요함을 제시하였다. 또한 기존의 객체-관계형 데이터베이스에서 벗어난 새로운 시도로 공간정보 분야에서 다양한 시도가 필요함을 시사하였다.
앞으로는 이러한 장점뿐만 아니라 그래프 데이터베이스의 경로 탐색과 같은 알고리즘 수행에도 장점이 있는 것을 활용하여, 그래프 데이터베이스를 기반으로 한 정밀 도로지도와 같은 차로 수준의 경로 탐색 방법 등에 대한 연구도 필요할 것으로 보인다.

Autonomous driving technology has been developed steadily and is now in the stage of testing vehicles in real road environments. However, due to the limitations of vehicle sensors that are sensitive to environmental changes, the problems of vehicle stability and reliability continue to be raised. As a factor to supplement this, HD maps are being discussed.
The actual driving environment in which the vehicle travels changes from time to time, and for smooth autonomous driving, these changes must be updated in real time or semi real time. However, the HD map’s amount of data is large and its’ relationship is complicated, so it is difficult to change it immediately when the change occurs by the existing update method.
Meanwhile, a new type of database called NoSQL has been developed and released to process and manage large-scale and unstructured data. Among them, the graph database is spotlighted as a database suitable for processing connected data. The graph database stores data centered on the relationship, and the HD map can also be viewed as connected data.
Therefore, in this study, unlike the existing map, the HD map in which data is large and relationship is complicated is implemented in the graph database. We tried to verify the effectiveness.
In order to implement the HD map in a graph database, HD map standards were analyzed, and based on this, a HD map data model was designed with suitable for the graph database. for graph database, the HD map was defined as 14 nodes and relationships, and consisted of 5 nodes and 9 relationships. Map was organized around road connections, and shapes were included in WKB format for fast data processing.
The implementation of map uses the National Geographic Information Institut’ HD map and Intelligent Traffic Systems Standard Node Link, the graph database is implemented in Neo4j, and the existing object-relational database is implemented in PostgreSQL.
The update scenario for the experiment was focused on changes in the road, and was composed of a total of 4 roads creation, road extension, road closure, and traffic restriction change, and was updated according to each scenario.
As a result of the experiment, in the whole update scenario experiment, the time required for query in the object-relational database was frequently anomalous. In the graph database, the longer the query was executed, the more stable the time was, and it was easy to modify the connectivity between objects without being affected by the constraints on the relationship. As for the time required, the graph database appeared quickly up to 90ms, and the average time was 4.5ms. It is judged that it will respond to the driving environment of autonomous vehicles that require rapid map update to some extent and enable real-time or semi-real-time map update.
Through this study, the HD map which has complex relationships was updated faster and more efficiently in the graph database which is focused on connectivity. This is expected to enable real-time update, which is difficult to perform with the existing geometry-oriented update method. In fact, it was suggested that this time difference can affect the driving of autonomous vehicles, and that a new approach such as using a graph database is required for smooth autonomous driving. It also suggested that various attempts are needed in the field of geospatial information with new attempts that deviate from the existing object-relational database.
In the future, it is expected that a study on lane-level route search methods for HD maps using the graph database will be needed by utilizing the advantages of not only these advantages but also algorithm execution such as route search in the graph database.