관측교통자료의 수집이 실시간으로 가능해짐으로써 혼잡교통류에 대한 교통류 관련 변수들 간의 전이 과정 등 교통류 특성에 대한 연구가 활발히 진행되고 있다. 또한 관측교통량을 이용한 O-D 추정방법에 대해서도 관심과 연구가 집중되고 있다. 이와 같이 고속도로의 교통류 특성을 보다 명확히 파악하여 동적 O-D를 구축할 수 있다면, 계획, 설계, 운영, 관리 등 다양한 분야에서 효율화를 도모할 수 있다. 하지만 동적 O-D 구축을 위한 기존연구에서는 다음과 같은 문제점이 지적되고 왔다. 첫째로, 동적 교통류 구현을 위해 교통시뮬레이션모형에 사전 O-D가 필요하며 동적 교통류모듈과 동적O-D추정모듈 간 Bi-level Problem으로 접근해야 한다는 점과 둘째로, 혼잡교통류 상황에 대한 특성이 반영되지 못하여 혼잡교통류 상항에 대한 예측력이 떨어지는 문제점이 지적되어 왔다. 본 연구에서는 기존의 문제점인 Bi-level Problem접근 방법을 해결하기 위해, VDS자료를 이용한 차량의 궤적을 추적하여 링크분포비율을 계산함으로써 반복적 수행이 없도록 하였으며 혼잡교통류 상황을 반영할 수 있도록 교통류 예측모듈을 구성하여 동적 O-D 예측모형을 구축하였다. 혼잡교통류에 대한 특성을 반영하기 위해 속도와해현상 및 혼잡 확산등 실제 혼잡교통류에 대한 분석을 통해 속도, 점유율, 교통량 등 교통류 변수들의 관계를 교통상황별로 구분하여 규명하였다. 본 연구에 적용된 모형은 동적 O-D 예측 및 추정모형에서 기존의 Bi-level Problem을 해소할 수 있어 적용이 용이하여 실제 검지기 자료를 활용하여 교통상황을 예측하게 되므로 혼잡교통류에 대한 예측력이 향상되었다고 판단된다.
관측교통자료의 수집이 실시간으로 가능해짐으로써 혼잡교통류에 대한 교통류 관련 변수들 간의 전이 과정 등 교통류 특성에 대한 연구가 활발히 진행되고 있다. 또한 관측교통량을 이용한 O-D 추정방법에 대해서도 관심과 연구가 집중되고 있다. 이와 같이 고속도로의 교통류 특성을 보다 명확히 파악하여 동적 O-D를 구축할 수 있다면, 계획, 설계, 운영, 관리 등 다양한 분야에서 효율화를 도모할 수 있다. 하지만 동적 O-D 구축을 위한 기존연구에서는 다음과 같은 문제점이 지적되고 왔다. 첫째로, 동적 교통류 구현을 위해 교통시뮬레이션모형에 사전 O-D가 필요하며 동적 교통류모듈과 동적O-D추정모듈 간 Bi-level Problem으로 접근해야 한다는 점과 둘째로, 혼잡교통류 상황에 대한 특성이 반영되지 못하여 혼잡교통류 상항에 대한 예측력이 떨어지는 문제점이 지적되어 왔다. 본 연구에서는 기존의 문제점인 Bi-level Problem접근 방법을 해결하기 위해, VDS자료를 이용한 차량의 궤적을 추적하여 링크분포비율을 계산함으로써 반복적 수행이 없도록 하였으며 혼잡교통류 상황을 반영할 수 있도록 교통류 예측모듈을 구성하여 동적 O-D 예측모형을 구축하였다. 혼잡교통류에 대한 특성을 반영하기 위해 속도와해현상 및 혼잡 확산등 실제 혼잡교통류에 대한 분석을 통해 속도, 점유율, 교통량 등 교통류 변수들의 관계를 교통상황별로 구분하여 규명하였다. 본 연구에 적용된 모형은 동적 O-D 예측 및 추정모형에서 기존의 Bi-level Problem을 해소할 수 있어 적용이 용이하여 실제 검지기 자료를 활용하여 교통상황을 예측하게 되므로 혼잡교통류에 대한 예측력이 향상되었다고 판단된다.
In order to estimate a dynamic origin and destination demand between on and off-ramps in the freeways, a traffic flow theory can be used to calculate a link distribution proportion of traffics moving between them. We have developed a dynamic traffic estimation model based on the three-phase traffic ...
In order to estimate a dynamic origin and destination demand between on and off-ramps in the freeways, a traffic flow theory can be used to calculate a link distribution proportion of traffics moving between them. We have developed a dynamic traffic estimation model based on the three-phase traffic theory (Kerner, 2004), which explains the complexity of traffic phenomena based on phase transitions among free-flow, synchronized flow and moving jam phases, and on their complex nonlinear spatiotemporal features. The developed model explains and estimates traffic congestion in terms of speed breakdown, phase transition and queue propagation. We have estimated the link, on and off-ramp volumes at every time interval by using traffic data collected from vehicle detection systems in Korea freeway sections. The analyzed results show that the developed model describes traffic flows adequately.
In order to estimate a dynamic origin and destination demand between on and off-ramps in the freeways, a traffic flow theory can be used to calculate a link distribution proportion of traffics moving between them. We have developed a dynamic traffic estimation model based on the three-phase traffic theory (Kerner, 2004), which explains the complexity of traffic phenomena based on phase transitions among free-flow, synchronized flow and moving jam phases, and on their complex nonlinear spatiotemporal features. The developed model explains and estimates traffic congestion in terms of speed breakdown, phase transition and queue propagation. We have estimated the link, on and off-ramp volumes at every time interval by using traffic data collected from vehicle detection systems in Korea freeway sections. The analyzed results show that the developed model describes traffic flows adequately.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 상태는 속도가 현저히 떨어지며 교통량도 적게 관측되는 특징을 보인다고 하였다. 각 교통류상황과 속도, 밀도, 교통량간의 관계를 검지기 자료를 통하여 규명함으로써 기존 거시적 모델이 가지는 문제점 및 한계점을 지적하였다.
본 연구에 적용된 모형은 동적 O-D 예측 및 추정모형에서 기존의 Bi-level Problem을 해소할 수 있는 방법론의 문제점인 예측모형의 부재를 해결하는데 목적을 두었다. VDS 자료를 이용하기 위해 교통류 변수들의 상호관계를 파악하며 각 변수들을 예측하여 교통류 예측모형을 구축하였으며 혼잡 발생에 대한 예측이 정확하도록 역점을 두었다.
본 연구에서는 속도와해 현상이 일어나는 지점으로 유입하게 되는 상류부에 위치한 차량궤적을 추적하여 진입교통량을 예측하였다. 즉, dK(과거시간)의 상류부 i링크자료를 이용하여 예측시간대 t의 하류부 a링크의 진입교통량을 예측하게 된다.
가설 설정
교통류 상황의 전이가 발생하지 않는 시점에서의 교통류 변수들의 변화는 크지 않았다. 같은 교통상황에서의 교통류 변수들에 대한 예측값은 회귀분석식을 이용하여 예측된 교통량과 속도 및 밀도의 관계를 통해 예측할 수 있다고 가정하였다. 따라서 동적 교통류 예측모형에서는 우선적으로 교통상황 변화를 판단하는 것이 우선되어야 한다.
본 논문에서는 검지기 자료를 이용하여 실시간 0D비율 매트릭스를 추정하는데 주안점을 두고 있으며, 시간대별 OD 패턴에 대한 사전 정보는 취득하기 불가한 것으로 가정한다. 따라서, 이전 시간대와 현재 시간대의 OD비율간의 관계를 표현하는 매트릭스 F(k)는 고유벡터(eigenvector)로 대체하여 적용하였다.
제안 방법
[그림 2]는 분석대상지역을 나타내며 검지기 자료는 33개 지점의 집계간격 5분 자료를 활용하였다. 40일간의 자료에 대해 데이터의 오류 발생을 점검하여 사용하였다.
목적을 두었다. VDS 자료를 이용하기 위해 교통류 변수들의 상호관계를 파악하며 각 변수들을 예측하여 교통류 예측모형을 구축하였으며 혼잡 발생에 대한 예측이 정확하도록 역점을 두었다. 하지만, 향후에는 동적 O-D 예측의 정확도를 향상시키기 위한 노력이 필요하며 이러한 분석을 위해 다양한 형태의 모형 평가가 필요하다고 판단된다.
교통상황을 예측하기 위해 분석대상지역의 교통상황을 VDS 속도자료를 통해 3단계로 구분하였다.
[1]에 의해 개발되었다. 두 연구에서는 시간대별-링크별 검지된 통행속도를 이용하여 차량군의 선두차량 위치궤적을 추적하고, 이에 근거한 시간대별 링크별 차량분포비율을 주정하는 기법을 제안하였다.
모듈의 구축을 위하여 칼만필터를 이용하여 관측교통량과 예측교통량의 오차가 최소가 되도록 하였다. 칼만필터는 시간대별 동적 0-D 비율의 변화식에 근거하여 과거의 O-D비율에 따른 다음 시간대의 0-D 비율을 예측하고, 에측된 O-D 비율을 이용하여 다음시간대의 모든 링크교통량을 추정하여 관측치와 오차를 계산하게 된다.
본 논문에서는 김주영(2005) [1]에 의해 제안된 교통류 특성변수를 이용한 차량궤적을 계산하는 방법을 적용하였으며 혼잡교통류에 대한 특성을 반영한 혼잡교통류 예측모듈을 추가함으로써 동적 O-D 모형의 사용범위를 확장 하였다.
분석되었다. 본 연구에서는 5분 간격동안 속도의 변화량이 자유교통류단계→혼잡교통류 I 단계로는 10km, 혼잡교통류 I 단계→혼잡교통류 II 단계로는 15km이상의 차이가 날 경우에 대해 속도와해 현상이 일어나는 것으로 판단하여 전이가 발생하는 시점의 교통류 변수만을 선별하였다. 즉, 각 링크의 한계교통량(용량)으로 파악될 수 있으며 (1)과 같은 조건을 이용하여 전이과정의 변수만을 추출하였다.
본 연구에서는 교통량에 대한 예측을 차량궤적추적에 의해 할 수 있으므로 나머지 교통류변수들에 대해서는 교통상황별, 링크별로 교통량에 따른 속도 및 점유율의 관계를 회귀모형을 이용하여 구축하였다.
본 연구에서는 교통류 상황을 자유교통류와 혼잡교통류I , 혼잡교통류II 의 세 단계로 구분하였다.
영동고속도로의 교통류 변화 패턴을 분석하기 위해 혼잡발생시점지역인 동수원 IC 인접링크의 점유율-교통량, 점유율-교통량의 관계를 시간진행에 따른 변화를 통해 파악하였다.
예측되어진 속도자료를 통하여 각 링크마다 교통량 및 밀도를 계산하게 되고 예측 검지기 자료를 이용하여 링크별 차량분포비율을 계산하게 된다.
예측된 0-D Trip과 실제 관측된 0-D Trip에 대해 예측교통류모형의 사용한 경우와 실제검지기를 이용한 경우로 분류하여 분석하였다. 이는 예측교통류모형을 사용하였을 경우의 오차가 발생하는지를 판단하기 위해서이며 교통류상황에 대해서도 혼잡상황과 비혼잡상황으로 분류하였다.
예측모형에 대한 결과비교는 동적교통류 예측모형에 대한 평가와 동적OD 예측모듈로 구분하여 분석하여 제시하였다. 동적교통류는 속도와해 현상이 발생한 링크와 그렇지 않은 링크의 속도와 교통량을 이용하였다.
경우로 분류하여 분석하였다. 이는 예측교통류모형을 사용하였을 경우의 오차가 발생하는지를 판단하기 위해서이며 교통류상황에 대해서도 혼잡상황과 비혼잡상황으로 분류하였다. 분석 결과는 예측교통류모형을 사용하였을 경우 오차가 실제 검지기 자료를 이용하였을 때보다 크게 발생하였는데 이는 예측모형을 사용함으로써 오차가 누적되기 때문인 것으로 판단된다.
본 연구에서는 5분 간격동안 속도의 변화량이 자유교통류단계→혼잡교통류 I 단계로는 10km, 혼잡교통류 I 단계→혼잡교통류 II 단계로는 15km이상의 차이가 날 경우에 대해 속도와해 현상이 일어나는 것으로 판단하여 전이가 발생하는 시점의 교통류 변수만을 선별하였다. 즉, 각 링크의 한계교통량(용량)으로 파악될 수 있으며 (1)과 같은 조건을 이용하여 전이과정의 변수만을 추출하였다.
최종적으로 1시간의 동적 0-D 를 생성하였고 TCS를 이용해 구해진 실제 0-D와 비교하였다. 비교는 RMAE (Relative Mean Absolute Error) 값을 이용하였다.
최종적으로 속도, 점유율 데이터를 생성하여 교통류 구현 모듈에 데이터를 입력하였다
대상 데이터
나타낸 것이다. 34.6km와 35.9km 링크의 속도 와해 현상이 발생하는 시점(수식(1)의 방법에 의해)의 교통량에 대해서도 데이터화 하였다.
4km 구간을 선정하였다. [그림 2]는 분석대상지역을 나타내며 검지기 자료는 33개 지점의 집계간격 5분 자료를 활용하였다. 40일간의 자료에 대해 데이터의 오류 발생을 점검하여 사용하였다.
동적 O-D 예측을 위한 대상지역은 영동고속도구간 서창J.C에서 신갈J.C까지의 41.4km 구간을 선정하였다. [그림 2]는 분석대상지역을 나타내며 검지기 자료는 33개 지점의 집계간격 5분 자료를 활용하였다.
데이터처리
비교는 RMAE (Relative Mean Absolute Error) 값을 이용하였다.
이론/모형
실제 동수원 IC 진입교통량을 함께 분석하였을 때 예측력이 높은 결과를 나타냈다. 이후의 교통상황 전이는 Shockwave 속도식을 적용하였다.
성능/효과
교통상황간의 전이현상(속도와해현상)은 교통류 상태의 변화가 10분이내의 짧은 시간에 발생하는 것으로 분석되었다. 본 연구에서는 5분 간격동안 속도의 변화량이 자유교통류단계→혼잡교통류 I 단계로는 10km, 혼잡교통류 I 단계→혼잡교통류 II 단계로는 15km이상의 차이가 날 경우에 대해 속도와해 현상이 일어나는 것으로 판단하여 전이가 발생하는 시점의 교통류 변수만을 선별하였다.
이는 예측교통류모형을 사용하였을 경우의 오차가 발생하는지를 판단하기 위해서이며 교통류상황에 대해서도 혼잡상황과 비혼잡상황으로 분류하였다. 분석 결과는 예측교통류모형을 사용하였을 경우 오차가 실제 검지기 자료를 이용하였을 때보다 크게 발생하였는데 이는 예측모형을 사용함으로써 오차가 누적되기 때문인 것으로 판단된다. 또한 혼잡교통류상태가 비혼잡교통류의 경우보다 오차가 좀 더 크게 발생하였는데 혼잡교통류 상황이 좀 더 복잡하고 불규칙적 성향을 가지고 있기 때문으로 해석되었다.
후속연구
또한 각 모형의 예측력을 높이기 위한 노력이 뒷받침되어야 하리라 판단된다. 그 예로, 속도와해 예측모형에 영향이 크다고 판단되는 IC 의 진 · 출입교통량을 고려할 필요가 있으며 차량군의 분포 및 확산에 대한 연구가 진행되어야 하리라고 판단된다. 그리고 다양한 모형의 동적 O-D 예측모형이 사용되어야 하리라 판단된다.
그 예로, 속도와해 예측모형에 영향이 크다고 판단되는 IC 의 진 · 출입교통량을 고려할 필요가 있으며 차량군의 분포 및 확산에 대한 연구가 진행되어야 하리라고 판단된다. 그리고 다양한 모형의 동적 O-D 예측모형이 사용되어야 하리라 판단된다.
VDS 자료를 이용하기 위해 교통류 변수들의 상호관계를 파악하며 각 변수들을 예측하여 교통류 예측모형을 구축하였으며 혼잡 발생에 대한 예측이 정확하도록 역점을 두었다. 하지만, 향후에는 동적 O-D 예측의 정확도를 향상시키기 위한 노력이 필요하며 이러한 분석을 위해 다양한 형태의 모형 평가가 필요하다고 판단된다. 또한 각 모형의 예측력을 높이기 위한 노력이 뒷받침되어야 하리라 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.