산악자전거 상승 거리 측정 프랙탈 코스트라인과의 만남

초록

본 논문은 GPS와 기압계 두 종류의 고도 데이터를 이용해 산악자전거 라이딩에서 누적 상승 거리를 추정하는 방법을 검토한다. 데이터의 잡음을 줄이기 위해 이동 평균을 적용했으며, 평균 윈도우 크기에 따라 결과가 크게 달라지는 현상을 코스트라인 길이 측정 문제와 유사한 프랙탈 현상으로 해석한다. 실험 결과, 기압계 기반 고도는 GPS 고도에 비해 변동성이 적어 보다 신뢰할 수 있음을 확인하였다. 그러나 어느 평균 규모를 선택하더라도 “정확한” 상승 거리값은 존재하지 않으며, 일정 범위의 추정값만 제공한다는 결론에 도달한다.

상세 분석

이 연구는 산악자전거 주행 중 누적 상승 고도(cumulative ascent)를 정량화하려는 실용적 필요에서 출발한다. 두 대의 GPS 수신기를 동일한 자전거에 장착했는데, 하나는 Garmin Edge 205와 같이 GPS 기반 고도만을 제공하고, 다른 하나는 Garmin Dakota 20으로 기압계(바로미터)와 GPS를 복합적으로 이용한다. 두 장치 모두 시간‑위치‑고도 3차원 데이터를 기록하며, 기록 간격은 가변적이지만 평균적으로 6–12 초 사이이다.

고도 데이터는 원시값이 상당히 잡음이 많아, 특히 GPS 고도는 신호 손실(터널 진입 등) 시 급격한 스파이크가 나타난다. 이를 보정하기 위해 연구자는 ‘대칭적 등가 가중 평균(symmetrical equally‑weighted average)’을 적용했으며, 평균에 포함되는 연속적인 트랙 포인트 수(5, 11, 21 등) 혹은 거리 윈도우(20 m, 50 m, 200 m 등)를 변화시켜가며 누적 상승 고도를 재계산하였다.

결과는 평균 윈도우가 작을수록 GPS 고도는 과대 추정(최대 ≈ 1410 m)하고, 바람직한 범위(20–50 m)에서는 바람계 고도가 860 ~ 890 m 정도로 비교적 안정적인 값을 제공한다는 점이다. 평균 규모를 확대하면 두 데이터 모두 수렴하는 경향을 보이지만, 지나친 평균(> 700 m)은 실제 지형의 작은 구간 상승을 소멸시켜 과소 추정으로 이어진다.

프랙탈 관점에서 저자는 누적 상승 고도 Cₐ(s)와 평균 규모 s 사이의 관계를 로그‑로그 플롯에 나타내어 전형적인 파워‑법칙 Cₐ(s)=G·s^{1‑D}를 피팅하였다. GPS와 바람계 각각 D≈1.18, 1.26(5‑point 평균) 혹은 D≈1.06, 1.17(거리 윈도우 30‑300 m) 등, 스케일‑프리 특성을 보였으며, 이는 코스트라인 길이 측정에서 발견되는 프랙탈 차원과 유사하다. 다만, 실제 물리적 고도 차이와는 직접적인 대응이 어려워, 프랙탈 차원 자체가 실용적 의미를 갖지는 않는다.

핵심 인사이트는 다음과 같다. 첫째, GPS 고도는 환경(수신 장애, 다중 경로 등) 영향에 매우 민감해 평균 처리 없이는 신뢰할 수 없다. 둘째, 바람계 고도는 대기압 변동을 보정하면 비교적 안정적이며, 평균 윈도우를 20‑50 m 정도로 설정하면 실용적인 누적 상승 값을 얻을 수 있다. 셋째, 누적 상승 거리 자체가 스케일‑프리 현상을 띠므로, “정확한” 하나의 값은 존재하지 않으며, 측정 목적에 맞는 합리적 스케일을 선택해야 한다. 넷째, 프랙탈 분석은 데이터의 스케일 의존성을 시각화하고, 어느 정도의 평균이 과대·과소 추정을 최소화하는지 판단하는 도구로 활용될 수 있다.