본 연구는 도로의 기능 및 통행특성. 차로수, 연평균일교통량 등을 고려하여 설계시간계수와의 관계를 살펴보고 적정 확률분포형 선정과 K값을 추정하였다 이를 위해 2005년도 상시 교통량 조사지점에서 수집된 교통자료를 이용하여 14개의 확률분포형을 적용하였다. 각 확률분포형은 최우도법을 이용하여 매개변수를 추정하였으며 각 분포형별로 매개변수 적합성 조건을 검토하였다. 적정 확률분포형의 결정은 chi-square검정을 통하여 대상 분포형의 기각유무를 판단하였으며. 그 결과에 대해 우선순위를 정하여 적정 확률분포형을 선정하였다. 그리고 각 유형별 AADT에 따른 적정 K계수를 추정하였다. 그 결과, 지방부 2차로 및 4차로. 도시부, 관광부도로의 적정 확률분포형은 각각 Pearson V, LogLogistic, LogLogistic, Extreme value 분포로 분석되었으며 적정 K계수는 각각 $0.1{\sim}0.2,\;0.09{\sim}0.14,\;0.07{\sim}0.13,\;0.1{\sim}0.2$로 추정되었다.
본 연구는 도로의 기능 및 통행특성. 차로수, 연평균일교통량 등을 고려하여 설계시간계수와의 관계를 살펴보고 적정 확률분포형 선정과 K값을 추정하였다 이를 위해 2005년도 상시 교통량 조사지점에서 수집된 교통자료를 이용하여 14개의 확률분포형을 적용하였다. 각 확률분포형은 최우도법을 이용하여 매개변수를 추정하였으며 각 분포형별로 매개변수 적합성 조건을 검토하였다. 적정 확률분포형의 결정은 chi-square검정을 통하여 대상 분포형의 기각유무를 판단하였으며. 그 결과에 대해 우선순위를 정하여 적정 확률분포형을 선정하였다. 그리고 각 유형별 AADT에 따른 적정 K계수를 추정하였다. 그 결과, 지방부 2차로 및 4차로. 도시부, 관광부도로의 적정 확률분포형은 각각 Pearson V, LogLogistic, LogLogistic, Extreme value 분포로 분석되었으며 적정 K계수는 각각 $0.1{\sim}0.2,\;0.09{\sim}0.14,\;0.07{\sim}0.13,\;0.1{\sim}0.2$로 추정되었다.
This research is to the selection of optimal probability distribution as well as the estimation for design hourly factor in consideration of traffic characteristic, such as road function, lane number and AADT. To accomplish the objectives, we are applied to various probability distribution using tra...
This research is to the selection of optimal probability distribution as well as the estimation for design hourly factor in consideration of traffic characteristic, such as road function, lane number and AADT. To accomplish the objectives, we are applied to various probability distribution using traffic data that observed at permanent traffic count points in 2005. The parameters or the selected 14 probability distribution were estimated based on the method of maximum likelihood and the validity condition of the estimated parameter The goodness-of-fit test, such as chi-square test. was performed as well as the estimation of design hourly factor. As a result, An appropriate distributions of each case were selected : Pearson V for two lane of rural roads, LogLogistic for the four lane of rural roads, LogLogistic for the urban roads, Extreme value for recreation roads. And optimal K factor are as following : $0.1{\sim}0.2 $ for two lane of rural roads, $0.09{\sim}0.14$ for the four lane of rural roads. $0.07{\sim}0.13$ for the urban roads, $0.1{\sim}0.2$ for recreation roads.
This research is to the selection of optimal probability distribution as well as the estimation for design hourly factor in consideration of traffic characteristic, such as road function, lane number and AADT. To accomplish the objectives, we are applied to various probability distribution using traffic data that observed at permanent traffic count points in 2005. The parameters or the selected 14 probability distribution were estimated based on the method of maximum likelihood and the validity condition of the estimated parameter The goodness-of-fit test, such as chi-square test. was performed as well as the estimation of design hourly factor. As a result, An appropriate distributions of each case were selected : Pearson V for two lane of rural roads, LogLogistic for the four lane of rural roads, LogLogistic for the urban roads, Extreme value for recreation roads. And optimal K factor are as following : $0.1{\sim}0.2 $ for two lane of rural roads, $0.09{\sim}0.14$ for the four lane of rural roads. $0.07{\sim}0.13$ for the urban roads, $0.1{\sim}0.2$ for recreation roads.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
설계시간계수 추정에 대한 연구가 시급하다. 본 연구는 도로의 기능 및 통행특성, 차로수, 연평균일 교통량 등을 고려하여 설계시간계수와의 관계를 살펴보고 적정 확률분포형 선정과 계수값을 추정하고자 한다. 본 연구결과는 다양한 교통변수를 고려한 적정 확률분포형을 규명하고 이를 통한 설계시간 계수값을 정립함으로써 도로의 계획 및 설계시 투자 우선순위 결정과 경제적 효율성 증대에 크게 기여할 것으로 판단된다.
본 연구에서는 최우도법을 사용하고자 한다.
가설 설정
① 연평균 일교통량의 증가와 함께 그 대상도로 구간의 K30은 일반적으로 감소한다.
② K30이 높을수록 교통량의 변화가 심하다.
③ 대상도로 구간 인접지역의 개발이 많이 이루어질수록 K30은 감소한다.
제안 방법
2. 본 연구는 AADT(교통량)에 따른 설계 시간 계수를 확률적 개념을 통해 적정 범위를 제시하였다. 도로계획 및 설계에 반영되는 설계시간계수를 보다 정확하게 반영하기 위해서는 통행특성과 교통량에 따른 설계 시간 계수에 대한 모형개발이 지속적으로 연구되어져야한다.
3. 본 연구는 기본적으로 설계시간계수 K30을 전제로 분석하였다. 도로를 계획함에 있어 1년 중 어느 정도 시간동안의 혼잡을 운전자에게 감수하도록 할 것인가에 따라 설계시간순위가 다르게 적용될 수 있다.
AADT에 따른 K계수를 추정하기 위해서 각 CASE별로 선정된 적정 확률분포가 AADT에 대한 확률분포에도 유의한지를 검토하기 위해 적합도 검정을 시행하였다. 그 결과 4개의 CASE 모두 K계수에 대한 적정 확률분포에 유의한 결과가 도출되었다.
도로의 기능 및 특성을 반영하기 위해 지방부, 도시부, 관광부도로로 나누었으며, 지방부도로는 차로 수에 따라 교통특성변화가 심하게 나타나 2차로와 4차로로 다시 나누었다. 도시부도로의 경우 4차로도로의 자료가 훨씬 많았으며 표본수를 고려하여 2차로와 통합하여 분석하였다.
본 연구에서는 도시부도로와 관광부도로의 차로별 표본 수가 확보되지 않아 통합하여 분석하였다. 추후에신뢰성 높은 많은 자료가 확보된다면 교통량, 차로 수 등을 정확히 반영한 설계시간계수가 도출될 것으로 사료된다.
본 연구에서는 연평균 일교통량에 대한 30번째 시간 교통량의 비로 정의되는 설계시간계수의 적정 확률분포형 와 계수값을 추정하였다. 이를 위해 우리나라와 미국의 도로용량편람 및 기존 연구에 대해 살펴보았고, 건설교통부에서 배포하는 2005년 도로교통량통계연보에 수록된 전국 9개도 상시교통량조사자료를 분석자료로 활용하였다.
본 연구에서는 일반국도의 기능적 분류 및 특성, 차로 수를 반영하여 설계시간계수의 적정 확률분포형과 이를 토대로 계수의 값을 추정하였다. 본 연구에 제시된 값은 미국과 한국의 도로계획 및 설계의 지침서를 토대로 비교분석하였으며 그 결과는<표 10>과 같다.
75(설계속도 80kph 기준)이상인 경우 확장여부를 판단호}는데 사용한다. 이에 반해 본 연구에서는 도로의 기능과 교통특성을 반영하기 위해 도로부/지방부/관광부로 나누고 표본수에 따라 차로수를 나누어 설계시간계수를 추정하였다. 또한 많은 가정과 모형의 한계가 있는 기존 연구와 달리 확률분포(Probability distribution) 개념을 이용하여 설명변수(설계 시간 계수)를 가장 잘 표현하는 적정 확률분포를 선정하고 그 분포의 평균, 표준편차, 최빈값, 중앙값, Skewness, Kurtosis를 통해 계수값을 주정하였다.
대상 데이터
4. 본 연구는 일반국도 265개 지점을 대상으로 설계 시간 계수를 추정하였다. 이는 현재 우리나라에서 일반국도에서만 상시조사가 이루어지고 있는데 향후 고속국도, 국가지원지방도, 지방도에 대한 적정 설계 시간 계수가 산출되어져야 한다.
본 연구는 설계시간계수의 적정 확률분포형 선정과 계수 값 추청을 위해 공간적 범위로는 광역권을 포함한 전국 9개도(경기, 강원, 충북, 충남, 전북, 전남, 경북, 경남, 제주)의 상시 교통량 조사지점으로 하였으며, 시간적 범위로는 2005년 해당 상시조사지점의 자료를 이용하였다. 기존의 회귀분석방법을 탈피한 본 연구방법은 구축된 설계시간계수 자료에 대해 일반적으로 많이 사용하는 14개의 확률분포형을 적용하였고, 각 확률분포형별로 최우도법 (Method of Maximum Likelihood) 를이용하여 매개변수를 추정하였으며, 각 분포형별로 매개변수 적합성 조건을 검토하였다.
본 연구에서는 일반국도 설계시간계수(K30) 및 관련 교통지표에 대한 자료획득을 위해 2005년도 상시교통량조사자료 (2005 도로교통량 통계연보, 건교부, 2006)를 활용하였다. 조사지점은 총 265지점이며, 자료의 전이성을 고려하기 위해 9개도의 상시조사지점을 골고루 선정하였으며, 지역적 분포는<표 1>과 같다.
계수값을 추정하였다. 이를 위해 우리나라와 미국의 도로용량편람 및 기존 연구에 대해 살펴보았고, 건설교통부에서 배포하는 2005년 도로교통량통계연보에 수록된 전국 9개도 상시교통량조사자료를 분석자료로 활용하였다. 도로의 기능 및 특성, 차로수에 따라 분류한 설계 시간 계수 자료는 일반적으로 많이 사용하는 14개의 확률분포형을 적용하였다.
조사지점은 총 265지점이며, 자료의 전이성을 고려하기 위해 9개도의 상시조사지점을 골고루 선정하였으며, 지역적 분포는과 같다.
데이터처리
각 CASE별 K계수에 대한 적정 확률분포를 선정하였다. AADT에 따른 K계수를 추정하기 위해서 각 CASE별로 선정된 적정 확률분포가 AADT에 대한 확률분포에도 유의한지를 검토하기 위해 적합도 검정을 시행하였다.
각 CASE별로 확률변수의 범위 및 매개변수 적합성조건에 부합한 확률밀도함수에 대해서 chi-square 검정을 통해 분포의 적합도(Goodness-of-fit) 순위 (rank) 를 선정하였다.
기존의 설계시간 추정에 대한 연구 방법은 도로의 기능 및 특성에 따라 자료를 구분하지 않고 서비스 수준에 따라 분류한 다음 설계시간계수(종속변수)와 AADT(독립변수)간의 관계를 단순회귀분석으로 통해 추정하였다. 이러한 방법은 실제적으로 실무에서 사용하기에는 다양한 변수를 반영하지 못해 한계가 있다.
이에 반해 본 연구에서는 도로의 기능과 교통특성을 반영하기 위해 도로부/지방부/관광부로 나누고 표본수에 따라 차로수를 나누어 설계시간계수를 추정하였다. 또한 많은 가정과 모형의 한계가 있는 기존 연구와 달리 확률분포(Probability distribution) 개념을 이용하여 설명변수(설계 시간 계수)를 가장 잘 표현하는 적정 확률분포를 선정하고 그 분포의 평균, 표준편차, 최빈값, 중앙값, Skewness, Kurtosis를 통해 계수값을 주정하였다. 주요 연구결과는 다음과 같다.
본 연구에 제시된 값은 미국과 한국의 도로계획 및 설계의 지침서를 토대로 비교분석하였으며 그 결과는과 같다.
일반적으로 임의의 확률분포형에 대한 적합도 검정(Goodness-of-fit test)은 그 확률분포의 상대도수함수(relative frequency function) 와 누가도수함수(cumulative frequency function) 의이론값과 표본값을 비교하여 그 정도를 판별하게 된다. 본 연구에서는 chi-square 적합도 검정을 사용하였다. 이 검정은 가장 널리 사용하는 적합도 검정으로서, 대상자료에 대해 적합하다고 가정한 확률밀도함수와 군집화된 자료를 이용한 빈도해석을 통하여 구해지는 경험적 확률밀도함수를 비교하는 검정방법이다.
각 확률분포형별로 최우도법 (Method of Maximum Likelihood)를 이용하여 매개변수를 추정하였으며, 각 분포형별로 확률변수의 범위 및 매개변수 적합성 조건을 확인하였다. 적정 확률분포형을 결정하기 위해 가장 널리 사용하는 chi-square 적합도 검정을 사용하였으며, 이를 통해 분포의 적합도 (Goodness-of-fit) 순위 (rank)를 선정하였다.
적정 확률분포형의 결정은 chi-square검정을 통하여 대상 분포형의 기각유무를 판단하였으며 , .그 결과에 대해 우선순위(priority)을 정하여 적정 확률분포형을 선정하였다.
이론/모형
도로의 기능 및 특성, 차로수에 따라 분류한 설계 시간 계수 자료는 일반적으로 많이 사용하는 14개의 확률분포형을 적용하였다. 각 확률분포형별로 최우도법 (Method of Maximum Likelihood)를 이용하여 매개변수를 추정하였으며, 각 분포형별로 확률변수의 범위 및 매개변수 적합성 조건을 확인하였다. 적정 확률분포형을 결정하기 위해 가장 널리 사용하는 chi-square 적합도 검정을 사용하였으며, 이를 통해 분포의 적합도 (Goodness-of-fit) 순위 (rank)를 선정하였다.
분포형의 기각유무를 판단하였으며 , .그 결과에 대해 우선순위(priority)을 정하여 적정 확률분포형을 선정하였다.
이용하였다. 기존의 회귀분석방법을 탈피한 본 연구방법은 구축된 설계시간계수 자료에 대해 일반적으로 많이 사용하는 14개의 확률분포형을 적용하였고, 각 확률분포형별로 최우도법 (Method of Maximum Likelihood) 를이용하여 매개변수를 추정하였으며, 각 분포형별로 매개변수 적합성 조건을 검토하였다.
이를 위해 우리나라와 미국의 도로용량편람 및 기존 연구에 대해 살펴보았고, 건설교통부에서 배포하는 2005년 도로교통량통계연보에 수록된 전국 9개도 상시교통량조사자료를 분석자료로 활용하였다. 도로의 기능 및 특성, 차로수에 따라 분류한 설계 시간 계수 자료는 일반적으로 많이 사용하는 14개의 확률분포형을 적용하였다. 각 확률분포형별로 최우도법 (Method of Maximum Likelihood)를 이용하여 매개변수를 추정하였으며, 각 분포형별로 확률변수의 범위 및 매개변수 적합성 조건을 확인하였다.
본 연구에서 설계시간계수(K»)에 적용한 확률분포형은 일반적으로 교통특성변수에 많이 사용되는 14가지 분포형을 선정하였으며, 그 내용은과 같다.
AADT가 평균값을 가질때 적정 K계수는 0.11 이고, 표준편차에 따라 0.09~0.14사이의 값을 갖는 것으로 분석되었다.
분석되었다. AADT가 평균값을 가질때 적정 K계수는 0.15이고, 표준편차에 따라 0.10~0.20사이의 값을 갖는 것으로 분석되었다.
각 CASE별 AADT와 K계수 관계를 살펴보면, 지 방부 2차로도로는 AADT가 2000대/일~6000대/일에서 K값의 변동폭이 크게 나타나며, 교통량이 많을수록 그 변동 폭이 감소하면서 K값도 낮아진다. 지방부 4차로 도로는 지방부 2차도로와 유사한 분포를 보이고 있으며, AADT가 10, 000대/일~30, 000대/일에 K계수의 변동 폭이 크며 교통량이 많을수록 K값도 낮아진다.
3397으로 나타났으며 skewness와 kurtosis는 계산값이 존재하지 않았다. 관광부도로는 Extreme value, Weibull분포가 가장 적합하게 분석되었다. 이 중 적정 확률분포형은 Extreme value분포로서, 평균 15.
AADT에 따른 K계수를 추정하기 위해서 각 CASE별로 선정된 적정 확률분포가 AADT에 대한 확률분포에도 유의한지를 검토하기 위해 적합도 검정을 시행하였다. 그 결과 4개의 CASE 모두 K계수에 대한 적정 확률분포에 유의한 결과가 도출되었다.
13사이의 값을 갖는 것으로 분석되었다. 넷째, 관광부도로를 보면 AADT의 평균이 12, 967대 /일, 표준편차가 9, 408대/일로 분석되었다. AADT가평균값을 가질때 적정 K계수는 0.
지방도 2차로는 PearsonV, Log-normal II 분포가 가장적합하게 분석되었다. 두 확률분포를 P-value, Shift, 통계적 지표를 종합적으로 분석한 결과, 적정 확률분포형은 PearsonV 분포로서, shift +3.7254, 평균 15.36, 표준편차 4.853, skewness 2.02, kurtosis 12.353으로 나타났다. 지방도 4차로는 LogLogistic, PearsonV분포가 가장 적합하게 분석되었다.
둘째, 지방부 4차로도로를 보면 AADT의 평균이 22, 801대/일, 표준편차가 12, 386대/일로 분석되었다.
따라서 요일변동계수, 계절변동계수, AADT을 통해 지방부와 관광부도로를 구별할 수 있다. 또한 본 연구에서는 차로별 표본수가 부족하여 2, 4차로를 통합해서 분석하였으며, 연구결과 제시된 설계 시간 계수 0.15를 기준으로 2차로도로의 경우는 0.15~0.20, 4차로도로의 경우 0.10~0.15사이의 값을 가질 것으로 판단된다.
본 연구에서는 0.10를 제시하였으며 도시부 교통 패턴 특성상 K계수가 지방부도로와 같이 0.15까지는 나타나지 않는 것으로 분석되었다.
관광부도로는 Extreme value, Weibull분포가 가장 적합하게 분석되었다. 이 중 적정 확률분포형은 Extreme value분포로서, 평균 15.3027, 표준편차 4.8998, skewness 1.1395, kurtosis 5.4로 나타났다.
09로 제시하였다. 이는 본'연구와 비교하였을 때 2차로의 경우는 도시부 도로보다는 지방부도로에 적합한 수치로 나타났으며, 반대로 4차로의 경우 지방부도로보다는 도시부 도로에 적합한 것으로 분석되었다. 관광부도로의 경우는 김윤섭 외(2006)은 차로수를 구분하여 2차로는 0.
지방도 2차로는 PearsonV, Log-normal II 분포가 가장적합하게 분석되었다. 두 확률분포를 P-value, Shift, 통계적 지표를 종합적으로 분석한 결과, 적정 확률분포형은 PearsonV 분포로서, shift +3.
353으로 나타났다. 지방도 4차로는 LogLogistic, PearsonV분포가 가장 적합하게 분석되었다. 이 중 적정 확률분포형은 Log- Logistic 분포로서, 평균 11.
첫째, 지방부 2차로도로를 보면 AADT의 평균이 4, 902대/일, 표준편차가 2, 860대/일로 분석되었다. AADT가 평균값을 가질때 적정 K계수는 0.
20)의 값으로 분석되었으며 이는 지방부 2차로도로와 동일한 값으로 나타났다. 하지만 관광부도로는 고유의 특성상 요일별, 계절별 변동이 크며 AADT의 평균값이 지방부도로보다 훨씬 높게 나타났다. 따라서 요일변동계수, 계절변동계수, AADT을 통해 지방부와 관광부도로를 구별할 수 있다.
후속연구
도로를 계획함에 있어 1년 중 어느 정도 시간동안의 혼잡을 운전자에게 감수하도록 할 것인가에 따라 설계시간순위가 다르게 적용될 수 있다. 따라서 K60 , K100 , K120 등의 합리적인 설계 시간 순위를 결정하고 본 연구결과와의 비교검토가 진행되어야 할 것이다.
본 연구는 도로의 기능 및 통행특성, 차로수, 연평균일 교통량 등을 고려하여 설계시간계수와의 관계를 살펴보고 적정 확률분포형 선정과 계수값을 추정하고자 한다. 본 연구결과는 다양한 교통변수를 고려한 적정 확률분포형을 규명하고 이를 통한 설계시간 계수값을 정립함으로써 도로의 계획 및 설계시 투자 우선순위 결정과 경제적 효율성 증대에 크게 기여할 것으로 판단된다.
추후에신뢰성 높은 많은 자료가 확보된다면 교통량, 차로 수 등을 정확히 반영한 설계시간계수가 도출될 것으로 사료된다.
주5일제 실시에 따른 주말통행이 늘어나면서 단/장거리 관광통행의 패턴을 지속적으로 모니터링할 필요가 있다. 특히 도시부 시외곽부근의 단거리 관광통행은 도로의 교통량 특성에 미치는 영향이 크기 때문에 세심한 연구가 필요할 것으로 판단된다.
참고문헌 (16)
도철웅(1998), 교통공학원론(상), 청문각
건설교통부(2000), 도로의 구조.시설기준에 관한 규칙 해설 및 지침
건설교통부(1999), 국도 기능분류 및 효율적 투자 방안 연구
건설교통부(1992,2001), 도로용량편람
김우철 외(1996), 현대통계학, 영지문화사
이창훈,전영호(1987), 공업통계학, 박영사
변상철, 김윤섭, 오주삼, 윤여환(2001), 지방부 일반국도 설계를 위한 설계시간계수 선정, 2001년 도 학술발표회 논문집, 대한토목학회
임성한,김윤섭,변상철,오주삼(2003), AADT를 이 용한 설계시간계수 추정, 대한토목학회지,제23권 제1D호
김윤섭,오주삼,김현석(2006), 관광지 종류별 일반 국도 교통량의 시간별 특성 연구, 대한토목학회지, 제26권 제1D호
이장희(2005), 고속도로설계에 있어 권역별 K값 및 D값의 적용방안, 한양대학교 석사논문
TRB(1985,2000), Highway Capacity Manual, Special Report 209
Fisher, R. A(1922), On the Mathematical Foundations of Theoretical Statistics, Philosophical Trans. of the Royal Society of London, Series A, Vol.222
Mood,A.M, Graybill,F.A, Boes,D.C(1974), Introduction to the Theory of Statistics, McGraw-Hill
Alfredo, H-s. Ang, Wilson, H. Tang(1930), Probability concepts in Engineering Planning and Design, Willey
Robert, V. Hogg, Elliot, A. Tanis(1977), Probability and Statistical Inference, Prentice Hall
※ AI-Helper는 부적절한 답변을 할 수 있습니다.