1. 서 론

자동차 매트릭스 헤드램프는 야간 주행 중 운전자의 전방 시인성을 향상시키고, 상대 차량 운전자나 보행자가 받는 글레어(눈부심)를 줄여 교통 안전성을 개선하기 위해 개발되었다^[1]. 여기서 시인성은 주행차 운전자가 확보할 수 있는 전방 시야를, 글레어는 대항차 운전자가 받는 눈부심을 의미한다. 초기에는 Adaptive Front Lighting System (AFS)이 개발되어 조향각과 속도를 기반으로 헤드램프를 회전시키는 기술을 제공했으며^[2], 이후 글레어를 최소화하는 빔 패턴 제어 기술로 발전하였다.

단일 배광의 High Beam은 운전자의 시인성을 극대화할 수 있는 장점이 있으나, 주변 차량과 보행자에게 글레어를 유발하여 실제 사용이 제한되는 문제가 있다. 이를 해결하기 위해 빔을 세분화하고 제어함으로써 글레어를 제거하는 매트릭스 헤드램프가 개발되었으며, 최근에는 LCos, DMD, 마이크로 LED와 같은 첨단 광학 소자를 활용한 정밀한 빔 제어 기술로 발전하고 있다^[3].

그러나 고해상도 빔 제어 기술을 효과적으로 구현하려면 이를 뒷받침할 수 있는 제어 시스템의 반응 속도와 정확성이 필수적이다. 제어 시스템의 느린 반응 속도는 실제 주행 상황에서 글레어를 유발하여 도로 안전성을 저하시킬 수 있다^[4]. 예를 들어, 차량 인식 후 제어 시스템이 적시에 반응하지 못하면 상대 차량이나 보행자를 직접 비추게 되어 글레어 문제가 발생하며^[5], 이에 따라 운전자가 불쾌감을 느끼거나 안전에 위협을 받을 가능성이 높아진다^[6]. 특히, 0.5초의 제어 지연은 상대 차량이 더 가까워지면서 빛이 부적절한 위치에 비추는 문제를 초래할 수 있다. 이러한 문제를 해결하지 않고 광학 해상도만 높이는 것은 비용 증가에 비해 성능 향상이 제한적이다.

영상처리 속도, 제어 시스템의 처리 속도, 통신 속도 등 다양한 요인에서 지연이 발생하며, 이는 시스템 성능에 결정적인 영향을 미친다. 본 논문에서는 매트릭스 헤드램프 제어 시스템의 반응 속도를 분석하고, 최소 0.1초 이내의 반응 속도가 필요함을 제안하며, 시스템 지연이 시인성과 글레어에 미치는 영향을 평가한다. 또한 시스템 속도의 한계가 있을 때 빔 제어 범위를 최적화하여 시인성을 극대화하고 글레어를 최소화하는 방법을 제시한다.

카메라 기술의 발전으로 전방 차량 객체를 정밀하게 구분하고 라벨링하는 것이 가능해졌으며^[7], 이를 통해 차량 속도를 추정하여 제어 타이밍을 개선할 수 있다. 이를 기반으로 제어 정확성을 향상시키고, 운전 상황에 맞춘 정밀한 빔 제어가 가능해졌다.

그러나 실제 주행 환경에서 매트릭스 헤드램프의 시인성과 글레어를 정량적으로 평가하기 위해서는 100km 이상의 도로에서 주변 차량과 조명시설을 완전히 제거하고, 다수의 시인성 검증 센서를 광범위하게 설치한 뒤 수많은 반복 주행을 통해 데이터를 확보해야 한다. 이러한 과정은 시간과 비용이 과도하게 소요되며, 실험 인프라 부족으로 인해 현실적으로 수행하기 어렵다.

과거 헤드램프 시스템은 정적인 배광 시험으로 검증되었으나, 매트릭스 헤드램프는 동적 동작을 포함하기 때문에 매번 실차 시험으로 검증하는 데 한계가 있다^[8]. 이에 따라 본 논문에서는 이러한 한계를 극복하기 위해 시뮬레이터 기반 검증 방식을 채택하여 매트릭스 헤드램프 제어 시스템의 성능을 평가하였다.

HILS(Hardware in the Loop Simulation)는 시뮬레이터와 실제 하드웨어를 연동해 제어 알고리즘을 실시간으로 검증하는 기술이다. 이를 통해 제어기와 시스템 동작을 사전에 확인하고, 설계 과정에서 발생할 수 있는 오류를 최소화할 수 있다. HILS는 가상의 운전 환경에서 시스템의 반응성과 정확성을 사전에 검증할 수 있는 장점을 가지며, 이후 제한된 조건에서 간단한 실차 테스트를 통해 제어기의 성능과 글레어 제어 효과를 평가하였다.

2. 기본 모델링

매트릭스 헤드램프 제어 시스템은 전방 감지 카메라, 제어 모듈, 그리고 매트릭스 형태의 LED 헤드램프로 구성된 세 가지 주요 요소로 이루어진다. 이 시스템은 각 요소의 상호작용을 통해 운전자에게 최적의 전방 시야를 제공하는 동시에, 상대 차량 운전자의 글레어를 방지하는 역할을 수행한다.

헤드램프는 일반적으로 Low Beam과 High Beam으로 구성된다. 일부 헤드램프는 두 빔 모두 매트릭스 형태로 설계되지만, 본 논문에서는 상대 차량에 글레어를 유발하는 High Beam만을 연구 대상으로 한다^[9].

전방 차량은 앞서가는 차량(선행차)과 마주 오는 차량(대항차)으로 구분된다. 본 논문에서는 시뮬레이션의 편의와 제어 성능을 판단하기 위해 상대 속도가 빠르고 제어에서 악조건인 대항차만을 고려한다.

전방 감지 카메라는 룸미러 앞에 설치되며, 차량 전방 상황을 실시간으로 감지한다. 대항 차량 및 전방 주행 차량의 위치와 차폭을 인식한 카메라는 이 정보를 바탕으로 좌우 모서리의 3차원 좌표를 제어 모듈에 전달한다.

제어 모듈은 카메라로부터 받은 데이터를 분석해 상대 차량의 위치를 파악하고, 이를 기반으로 헤드램프의 조명 패턴을 실시간으로 조정한다. 제어 알고리즘은 전방 시야를 최고로 확보하면서, 상대 차량의 글레어를 최소로 낮출 수 있도록 배광 형태를 생성한다.

매트릭스 LED 헤드램프는 다수의 LED 소자로 구성된 High Beam으로, 각 LED가 독립적으로 제어 가능하다. 이를 통해 특정 영역을 선택적으로 비추거나 차단하여 최적화된 조명 패턴을 형성한다. 본 논문에서는 수평 방향으로 8등분된 1x8 배열의 High Beam 매트릭스 배광 패턴을 연구 대상으로 한다. 이는 배광 법규를 만족하면서도 효율적인 배광제어를 가능하게 한다.

Fig. 1은 High Beam의 배광 법규^[10]를 만족하도록 수평 방향으로 나뉜 8개 영역의 배광 분포를 보여준다. 그림에서 가로와 세로축은 각각 각도를 나타내며, 색상은 광도를 의미한다. 본 논문에서는 이 배광 패턴을 가진 램프를 사용하여 모델링하고 제어기를 설계한다. 이를 통해 본 논문에서 연구하는 High Beam 매트릭스 배광의 구성과 제어 영역을 시각적으로 설명한다.

Fig. 1. High Beam distribution of 1x8 pixel matrix headlamp

카메라는 일반적으로 룸미러 부근에 설치되며, 헤드램프는 차량의 가장 앞부분에 위치한다. 이로 인해 카메라에서 검출된 대항차의 좌표를 Matrix Beam을 제어하는 헤드램프 좌표계로 변환해야 한다. 이는 수식 (1)로 정의된다.

이때, $P_{L}(x_{l},\: y_{l},\: z_{l})$은 헤드램프 좌표계 기준으로 대항차의 좌표이며, $R_{CL}$은 헤드램프 좌표계와 카메라 좌표계의 회전 변환행렬, $T_{CL}$은 헤드램프와 카메라 간의 상대적 위치를 나타내는 이동 변환 벡터, $P_{C}$은 카메라 좌표계 기준으로 대항차의 좌표다.

헤드램프 좌표계는 제어 차량의 전방을 x-축, 좌측면을 y-축, 그리고 위쪽을 𝑧-축으로 Fig. 2(a)와 같이 정의한다.

Fig. 2. (a) Coordinate transformation from the camera to the headlamp, and (b) Calculation of $\theta_{left}$ and $\theta_{right}$ using edge detection of the oncoming vehicle.

헤드램프에서 자동차의 폭만큼 빔을 차단해야 하기 때문에 자동차의 폭에 대한 정보는 중요하다. 본 논문에서는 시뮬레이션의 편의성을 위해 자동차의 폭을 2m로 고정하여 모델링하였다. 이는 도로 설계 시 설계기준자동차의 차폭(소형차 약 1,700mm, 대형차 약 2,500mm)을 참고하여, 설계 기준 차량의 차폭을 대표할 수 있는 값으로 설정한 것이다^[11].

차량의 폭(2m)만큼 램프를 소등하기 위해서는 차량의 좌측 모서리 좌표 와 우측 모서리 좌표 를 알아야 하는데, 이는 수식 (2)로 정의된다.

좌표 변환을 통해 얻어진 $P_{left}$와 $P_{right}$는 수평 방향의 각도로 제어되는 헤드램프 배광에 맞게 원통좌표계로 변환된다. 이는 수식 (3)으로 정의된다.

수식 (3)에서 $r$, $\theta$, $z$는 각각 헤드램프 좌표계 기준에서 대항차의 거리, 수평 각도, 그리고 높이를 나타낸다. 원통 좌표계는 헤드램프 배광이 수평 각도 기반으로 제어되기 때문에, 대항차의 위치를 효과적으로 표현할 수 있는 좌표계로 선택된다.

Fig. 1의 자동차 헤드램프의 High Beam 배광은 배광 법규를 준수하도록 설계되었으며, 총 8개의 수평 영역으로 구분된다. 각 영역은 Table 1과 같이 특정 각도 범위로 정의되며, 이는 각 픽셀에 해당하는 각도 영역을 나타낸다. 이러한 구분은 각 픽셀이 배광 법규에 부합하는 방향으로 독립적으로 제어될 수 있도록 설계된 것이다.

카메라로부터 인지된 대항차와 주행차 헤드램프의 좌표 변환 결과를 바탕으로 Fig. 2(b)과 같이 $\theta_{left}$와 $\theta_{right}$가 포함된 픽셀 번호를 $PN M_{left}$, $PN M_{right}$ 각각 찾는다. 그런 다음, 픽셀 $PN M_{left}$∼$PN M_{right}$사이의 LED를 소등함으로써 대항차 범위에 해당하는 빛을 차단한다. 대항차가 다수인 경우, 각 대항차의 위치를 독립적으로 계산하고, 헤드램프의 픽셀 상태(소등: 0, 점등: 1)에 AND 조건을 적용하여 LED 소등 범위를 결정한다. 대항차의 수와 관계없이 동일한 결과를 얻을 수 있으므로, 본 논문에서는 편의성을 위해 대항차 1대를 기준으로 시뮬레이션을 수행하였다.

3. 시뮬레이터

실제 주행환경 및 시스템 파라미터, 제어 알고리즘에 따라 시스템 성능을 판단하도록 시뮬레이터를 설계하여 활용한다. Fig. 3은 개발한 시뮬레이터의 화면으로, 파라미터 영역, 실시간 시뮬레이터 영역, 결과 영역으로 구분된다.

Fig. 3. Simulator setup for matrix headlamp control

실시간 시뮬레이터 영역은 0.001초마다 화면을 갱신하며, 갱신 주기마다 Matrix High Beam 패턴의 상태와 대항차의 위치를 실시간으로 업데이트한다. 주행차와 대항차가 각각의 속도($v_{driving}$, $v_{oncoming}$)로 움직이는 주행환경을 모사해야 하지만, 시뮬레이션의 편의성을 고려하여 대항차만 상대속도($v_{driving}+v_{oncoming}$)로 움직이고, 주행차는 멈춰있는 상태($v=0 m/s$)로 설정한다. 또한, 헤드램프의 배광이 수평 방향으로만 구분되기 때문에 2D 시뮬레이터 모델링을 적용하였다.

파라미터 영역은 도로의 곡률반경, 주행차와 대항차 간의 상대 속도, 시스템 지연 시간, 그리고 제어 알고리즘의 다양한 파라미터들로 구성된다.

결과 영역은 시스템 성능을 평가하기 위해 글레어 지수와 시인성 지수를 사용한다. 시인성 지수는 운전자가 확보할 수 있는 전방 시야의 양을 나타내며, 글레어 지수는 대항차 운전자에게 불편을 줄 수 있는 빛의 양을 정량화한다. Fig. 4는 시뮬레이터 영역에서 시인성 지수와 글레어 지수를 평가하는 (A) 영역과 (B) 영역을 나타낸다.

Fig. 4. Visibility Index Counting Area (A) and Glare Index Counting Area (B)

시인성 지수는 시뮬레이터가 0.001초마다 갱신될 때마다 (A) 영역에 도달하는 빔의 총량을 계산하며, 글레어 지수는 (B) 영역으로 향하는 빔의 총량을 계산하여 평가한다. 모든 빔 강도는 동일하게 1로 설정하고, 각 영역의 이미지 상 픽셀 수를 단순 합산하여 총량을 산출한다.

도로의 곡률반경이 작을수록 대항차의 위치 변화가 커지므로, 더 빠른 제어 응답속도를 요구하고 제어 시스템 설계 시 도로 설계 속도에 따른 곡률반경을 고려해야 한다. 국내 법규 "도로의 구조⋅시설 기준에 관한 규칙 제19조(2024년)"에 따르면, 주행 속도에 따른 곡률반경은 Table 2에 제시되어 있다^[12]. 예를 들어, 주행 속도 100km/h에서 편경사가 7%인 도로의 곡률반경은 440m로 규정된다.

이를 바탕으로, 개발한 시뮬레이터를 이용해 반경 440m의 곡률을 가진 도로에서 주행 속도 100km/h로 달리는 주행차와 대항차를 시뮬레이션하였다. 그 결과, 제어 없이 빔을 계속 전체 점등한 상태와 비교해 0.1초의 지연 시간을 갖는 제어 시스템을 적용했을 때 시인성 및 글레어 지수는 Table 3과 같이 변화하였다.

빔의 전체가 계속 점등된 상태와 비교해, 0.1초 지연시간을 갖는 제어시스템을 적용했을 때, 시인성 지수는 86%로 감소했으며, 글레어 지수는 19%로 감소했다. 시인성 지수의 감소는 빔의 일부분을 소등하는 매트릭스 헤드램프의 필연적인 결과이며, 글레어 지수는 기존보다 개선되었지만, 최종적으로 0이 되도록 제어 알고리즘을 개발하고 시스템 사양을 선정해야 한다.

시뮬레이터를 이용하여 시스템의 처리 속도에 따른 글레어 지수를 시뮬레이션한 결과, Fig. 5과 같이 시스템 지연 시간이 길어질수록 글레어가 증가함을 확인할 수 있다. 이는 대항차의 위치 변화에 즉각적으로 대응하지 못하기 때문이다. 또한, 도로의 곡률반경이 작아질수록 대항차의 이동 변화가 커지며, 글레어 발생이 더욱 두드러진다는 결과를 얻었다.

Fig. 5. Glare index based on system delay time and road curvature

글레어를 없애기 위해 지연시간을 짧게 하는 것은 비용을 증가시키므로, 주행 속도, 램프 해상도, 도로 곡률반경 등을 종합적으로 고려하여 글레어를 완전히 없애면서, 시인성을 최대화하는 최적의 사양을 선정하는 것이 중요하다.

4. 보정 알고리즘

자동차 차폭만큼만 헤드램프 빔을 제어할 경우, 지연 시간으로 인해 대항차에 글레어가 발생할 수 있음을 확인하였다. Fig. 6은 차폭(2m)보다 100% 또는 200% 더 넓은 영역으로 헤드램프를 제어했을 때의 시인성과 글레어 지수를 나타낸다. 차폭보다 넓은 영역을 빔 차단 영역으로 설정하여 헤드램프를 제어하면, 글레어 지수는 감소하지만 시인성 지수도 함께 감소하는 것을 확인할 수 있다. 이는 헤드램프의 광학적 성능을 충분히 활용하지 못하며, 동일한 시스템 비용에서 주행차의 시인성이 손실될 가능성이 있음을 시사한다.

Fig. 6. Glare/visibility index in relation to control margin settings

100km/h 도로에서 대항차와 주행차의 상대 속도는 200km/h이다. 이는 1초 동안 약 55.6m의 상대 거리 변화가 발생함을 의미한다. 그러나 빛이 부족한 야간 환경에서는 카메라의 프레임 속도를 빠르게 설정하기 어려워, 10fps로 동작할 경우 프레임당 약 5.6m의 위치 차이가 발생한다.

Fig. 7(a)는 는 헤드램프 제어 시점과 현재 시점 간의 위치 차이를 시각화하여, 이로 인해 현재 위치에서 글레어가 발생할 수 있음을 보여준다. 반면, Fig. 7(b)는 대항차의 속도를 활용하여 헤드램프 제어 시점에서 대항차의 위치를 효과적으로 추정할 수 있음을 나타낸다.

Fig. 7. (a) Control timing and relative position change of the oncoming vehicle, (b) Velocity vector of the oncoming vehicle

Fig. 8은 시간 지연이 시스템의 어느 부분에서 발생하는지를 보여준다. 시간 지연의 대부분은 카메라 및 영상 처리와 통신 과정에서 발생하며, 제어기나 헤드램프에서 발생하는 비중은 상대적으로 낮다. 따라서 시간 지연은 카메라의 프레임 속도와 통신 속도를 합한 값으로 정의된다.

Fig. 8. Time delay from actual vehicle position detection to headlamp control response

수식 (4)는 대항차의 추정 위치를 계산하는 식이다. 이때, $p_{control}$ 는 추정 위치, $p_{prev}$는 카메라에서 검출된 위치, $v$는 대항차의 속도, $t$는 Fig. 8에서 나타난 시간 지연을 의미한다.

시뮬레이터에서 보정이 적용되지 않은 영상처리로 검출된 대항차의 위치($p_{prev}$)를 이용해 제어하는 기존 방법과, 수식 (4)를 통해 추정된 위치($p_{control}$)를 사용하여 제어하는 보정 방법을 적용해 시뮬레이션을 수행하였다.

Fig. 9는 보정 알고리즘 적용 전후의 시인성 지수와 글레어 지수를 비교한 결과를 나타낸다. 보정 알고리즘을 적용했을 때, 시인성 지수는 0.6% 증가하였고, 글레어 지수는 0으로 완전히 제거된 것을 확인할 수 있다. 주행차 운전자의 시인성은 전체 주행시간 관점에서는 0.6%로 비교가 미미한 변화로 보일 수 있으나, 주행 중 순간적으로는 불필요하게 소등되는 1/8 픽셀 수준인 12.5% 개선 효과가 있음을 확인할 수 있다.

Fig. 9. Improvement in visibility and reduction in glare after correction algorithm application

5. HILS(Hardware in the Loop Simulation)

매트릭스 헤드램프 시스템 설계 과정에서 파라미터 수정이나 시스템 연동 시험은 실차에 장착 후 주행시험을 통해 검증해야 하며, 이는 높은 비용과 시간이 소요된다. 이러한 문제를 해결하기 위해 본 논문에서는 HILS(Hardware in the Loop Simulation)를 도입하였다.

HILS는 모델링 기반 시뮬레이션과 실제 시스템을 결합하여 시스템 신뢰성을 높이는 데 널리 사용되는 기술이다^[13]. 이를 통해 복잡하거나 비용이 많이 드는 시험을 대체하고, 연동시험을 효율적으로 수행하며, 실제 시스템이 시뮬레이션 설계대로 구현되었는지 검증할 수 있다.

HILS의 구성은 Fig. 10에 나타나 있다. 실제 시스템의 카메라, 대항차, 실차 주행 요소를 시뮬레이터로 대체하고, 시뮬레이터에서 생성된 카메라 모델 출력 신호를 실제 제어기에 연결하였다. 시뮬레이터 결과는 모니터에서, 실제 시스템 결과는 스크린에서 확인할 수 있다.

Fig. 10. HILS (Hardware-In-the-Loop Simulation) using simulator linked with Controller

Fig. 11는 HILS를 통해 시뮬레이터에서 생성된 헤드램프 빔 패턴과 실제 하드웨어에서 구현된 빔 패턴을 비교한 결과를 보여준다. 이를 통해 실시간으로 변화하는 대항차의 위치에 맞춰 제어 알고리즘이 의도대로 동작하는지 확인하였다. 더불어, 실제 하드웨어에 개발된 제어기가 시뮬레이터에서 설계된 제어기와 동일하게 동작하는지도 검증하였다. 비교 결과에서 식별된 오차를 바탕으로 제어기의 정확성을 개선함으로써 시스템 설계의 신뢰성을 입증하였다.

Fig. 11. Validation of HILS system

HILS에서 디버깅을 마친 후, 본 연구에서는 시스템을 실제 차량에 적용하여 제어기능을 테스트하였다. Fig. 12(a)는 본 논문에서 사용된 헤드램프를 스크린에 조사한 배광 분포를 나타내며, Fig. 12(b)는 보행자를 감지했을 때 헤드램프가 보행자로 향하는 빔을 차단하여 글레어를 줄이는 과정을 보여준다. 또한, Fig. 13는 개발된 헤드램프를 실제 차량에 장착한 후, 제어 기능 On/Off에 따른 빔 제어 효과를 비교한 결과를 나타낸다. 주행 중 대항차에서 주행차를 촬영한 결과, On 상태에서는 대항차를 향하는 빔이 효과적으로 차단되었으며, Off 상태에서는 대항차로 향하는 빔이 그대로 조사되어 글레어가 발생하는 모습을 확인하였다.

Fig. 12. (a) Matrix beam light high beam distribution and (b) pixel control

Fig. 13. Matrix beam driving test, (left) control off, (right) control on

HILS를 통해 시뮬레이터에서 설계된 제어 알고리즘이 실제 하드웨어에서 예상대로 구현되었음을 확인하였다. 또한, 시스템의 디버깅 과정을 효율화하여 설계 변경 및 검증 과정을 신속하고 안정적으로 수행할 수 있었다. 이러한 결과는 실차 테스트 이전 단계에서 시스템 안정성과 신뢰성을 확보하는 데 기여하였다.

6. 결 론

본 연구에서는 자동차 매트릭스 헤드램프 제어 시스템의 최적화를 통해 주행차 운전자의 시인성을 향상시키고 대항차 운전자의 글레어를 줄이는 방안을 제시하였다. 이를 위해 시스템의 주요 구성 요소를 모델링하고, 시인성 지수와 글레어 지수를 성능 평가 지표로 활용한 시뮬레이터를 개발하였다. 이러한 접근은 실차 시험에서 요구되는 높은 비용과 복잡한 환경적 제약을 보완하며, 제어 알고리즘의 성능을 정량적으로 평가할 수 있는 효과적인 방법을 제공하였다.

시뮬레이터를 이용한 성능 평가 결과, 상대 속도가 높거나 도로 반경이 작은 상황, 그리고 시스템 지연 속도가 큰 경우 글레어가 크게 발생하는 것을 확인하였다. 제어 범위를 넓히는 방식으로 글레어를 줄일 수 있었으나, 동시에 시인성이 감소하는 한계가 있었다. 이를 극복하기 위해, 본 연구에서는 주행 속도를 반영한 제어 알고리즘을 개발하여 글레어를 없애면서 시인성을 최대화하는 방안을 제안하였다.

제안된 제어 알고리즘은 주행 상황에 따라 빔 패턴을 실시간으로 조정하며, 다양한 주행 조건에서 글레어를 완전히 제거하고 시인성을 유지하도록 설계되었다. 이를 통해 기존의 제어 시스템 대비 개선된 성능을 입증하였으며, 시뮬레이터 기반의 성능 평가를 통해 알고리즘의 신뢰성과 적합성을 확인하였다.

또한, 시뮬레이터에 제어기 연동 기능을 추가하고, HILS (Hardware in the Loop Simulation)를 활용하여 제어 알고리즘을 실시간으로 검증하였다. 이를 통해 시뮬레이션과 실제 하드웨어 간의 상호작용을 평가하고, 제어 알고리즘의 실차 적용 가능성을 입증하였다. 마지막으로, 실제 차량 테스트를 통해 제어 알고리즘이 다양한 주행 조건에서 글레어를 완전히 제거함을 확인하였다.

본 연구의 결과는 매트릭스 헤드램프 시스템의 효율성과 안전성을 향상시키는 데 기여할 수 있을 것으로 기대되며, 향후 다양한 주행 환경에서의 추가 실차 검증과 시스템 지연 최소화를 위한 연구가 필요하다.