초록

AI-Helper

현재까지 개발된 교통량 기반 O/D 추정기법들은 추정된 O/D의 신뢰성을 평가하는 기준으로 통계적 오차분석을 통한 참O/D(true O/D)와 추정O/D간의 타이를 분석하는 방법이 주류를 이루었다. 문제는 이러한 오차분석기법들이 현실적인 대규모 교통망상에 적용될 때 탐O/D를 알 수 없을 뿐만 아니라, 알 수 있다고 하더라도 추정된 O/D와의 비교 평가시에 그러한 평가방법으로 추정된 O/D의 신뢰성을 부여하기에는 많은 문제점을 가지고 있다는 점이다. 통행조사에 의한 O/D는 비록 포함되어 있는 정보가 과거의 정보라고 할지라도 현재의 통행흐름에 대하여 가장 많은 정보를 가지고 있다고 할 수 있다. 즉, 선행O/D의 정보를 크게 변화시키지 않으면서도 관측교통량으로 O/D를 추정할 수 있는 방법이 이 관점에서 매우 뛰어난 추정방법이라고 할 수 있다. 이러한 관점에서 본 연구에서는 선행O/D정보 중 통행수요예측시 가장 중요한 지표의 하나인 통행시간빈도분포 (TriP Length Frequency Distribution:TLFD)를 이용하여 추정O/D의 신뢰성 지표로 삼았다. TLFD는 4단계 모형에서 통행분포(trip distribution)시 모형을 정산하는 데 사용되는 방법으로써 죤간 통행시간을 단위별로 나누어 조사된 통행시간분포와 추정된 O/D의 통행시간분포가 유사한 지를 살피는 방법이라고 할 수 있다. 조사된 TLFD와 추정O/D의 TLFD가 유사한 모양을 이를 때 추정O/D의 신뢰성이 높다고 인정한다. 또한 TLFD는 전통적으로 조사된 표본O/D를 전 수화하는데 이용되어 그 타당성 또한 많이 검증되어 왔다. 그러나 아직까지 TLFD를 가지고 교통량으로 O/D를 추정하는 모형의 결과를 검증한 연구 결과는 없는 실정이다. 따라서, 본 연구에서는 최종적인 이러한 분석결과를 평가할 수 있을 뿐 아니라, 평가된 지표가 신뢰할 만한 수준이 아니라면, 추정된 결과를 보정할 수 있는 가능성을 제시하고자 한다.