선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서, 본 연구에서는 앞서 제시한 바와 같이 사망률이 높은 곡선부를 대상으로 도로의 설계요소를 바탕으로 측정이 가능한 사고율과 직선부와 녹선부에서의 속도차를 활용히여해당 도로의 안전도를 평가할 수 있는 모듈을 작성히고, 이들을 통합히여 히니의 모델을 제시함으로써 도로 곡선 부의 안전도를 등급화히는 방법을 제시히는 것으로 목적으로 하고 있다.
- 이러한 기존연구와 차별성 확보를 위해 본 연구는 곡선 부를 대상으로 하고 있는 점과 도로기하구조에서 도출한 사고율 기반의 안전도 뿐 아니라, 곡선부와 곡선부 진입전 직선 부에서의 속도차를 기반으로 한 안전도를 평가하는 통합모델을 제시하는 데에 초점을 두고 있다.
- 본 연구를 통하여 도로 곡선부의 설계단계 혹은 운영 중인 도로의 개선과정에서 안전도를 예측할 수 있는 곡선부 안전도 등급화 모형을 제시하였다. 안전도 판단지수와 사고율, 최대 속도차와 사고율의 회 귀 모형 의 결정계 수(7『)은 각각 0.
제안 방법
- 본 연구의 구성은 첫째, 안전도 등급화와 관련된 선행연구를 살펴봄으로써 연구의 방향을 설정하고, 둘째 모형의 구성 논리 및 모형구성을 위한 조사로서 전국 사고잦은 지점 중 조사대상 지점을 선정히여 설계요소, 교통사고 그리고 현장에서 속도의 변화에 대한 조사와 실험결과를 제시하고 있다. 세 번째는 이들 자료를 기반으로 사고율과 각 설계 요소 간의 상관관계를 분석히여 제 1서브모델로 사고기반 안전도 추정모형을 개발하였으며 , 동시에 곡선부를 주행히는 차량의 직선 부와 녹선부에서의 최대 속도차를 주정히여 제2서브모델인 속도기반 안전도 추정모형을 제시하고 있다.
- 있다. 세 번째는 이들 자료를 기반으로 사고율과 각 설계 요소 간의 상관관계를 분석히여 제 1서브모델로 사고기반 안전도 추정모형을 개발하였으며 , 동시에 곡선부를 주행히는 차량의 직선 부와 녹선부에서의 최대 속도차를 주정히여 제2서브모델인 속도기반 안전도 추정모형을 제시하고 있다. 네 번째는 이들 서브 모델을 통합한 히나의 통합모델을 제시히는 것으로 연구가 구성되어 있다.
- 연구방법은 문헌조사를 통해 각종 사고자료를 분석히고, 실제 현장조사를 통해 속도조사를 시행함으로써 현실적인 모형이 개빌되도록 노력히였다.
- 본 연구에서 제시하는 모형은 두 개의 서브모델과 이들을 통합한 통합모델로 구성된다. 두 개의 서브모델은 모두 도로의 기하구조를 기반으로 하고 있다.
- 이들 자료의 수집을 위해서 먼저 전국 시도 및 도로별 사고 잦은 곳 현황을 이용하여 경기도, 충청도, 강원도, 전라북도의 2차로 일반국도 곡선부 중 사고 잦은 지점을 선정하였다. 그리고 해당지역의 국도유지관리사무소에서 보관하고 있는 준공도면, 또는 도로대장을 열람하여 각 지점의 설계요소자료를 수집하고 도로교통안전관리공단에서 관리하고 있는 사고자료를 입수하여 지점별 개별 사고 자료를 확보하였다.
- 그리고 해당지역의 국도유지관리사무소에서 보관하고 있는 준공도면, 또는 도로대장을 열람하여 각 지점의 설계요소자료를 수집하고 도로교통안전관리공단에서 관리하고 있는 사고자료를 입수하여 지점별 개별 사고 자료를 확보하였다. 또한, 속도자료는 미국 NU-Metric사의 NC97 검지기를 현장에 설치하여 직접 실험을 통하여 수집하였으며, 이들 자료들을 통합하여 지점별 DB를 구축하였다.
- 그리고 해당지역의 국도유지관리사무소에서 보관하고 있는 준공도면, 또는 도로대장을 열람하여 각 지점의 설계요소자료를 수집하고 도로교통안전관리공단에서 관리하고 있는 사고자료를 입수하여 지점별 개별 사고 자료를 확보하였다. 또한, 속도자료는 미국 NU-Metric사의 NC97 검지기를 현장에 설치하여 직접 실험을 통하여 수집하였으며, 이들 자료들을 통합하여 지점별 DB를 구축하였다.
- 한편, 도로에 일정 수준 이상의 경사가 있을 경우 차량의 주행에 또 다른 영향을 미칠 수 있다고 판단되어 종단경사가 5% 이상이거나 음주, 무면허 등 절대적인 운전자 요인에 의한 사고 21건 등 6개 지점은 분석에서 제외하였다. 또한 42개 지점') 중 20%에 해당하는 9개 지점의 데이터는 개발된 모형의 검증에 이용하기 위한 “테스트 데이터 세트” 로 구분하고, 나머지 33개 지점의 자료는 “분석용 데이터 세트, , 를 구성하여 모형을 개발하였다.
- 사고자료를 이용하여 각 지점의 사고율(건/백만대 . km)을계산하고, 사고율과 6개 설계요소의 상관분석을 수행하였다 (참고 표 4). 그 결과, 시거와 곡선반경이 곡선부에서의 교통사고와 가장 관계 깊은 것으로 나타났으며, 길어깨폭과 차로 폭, 종단구배도 약간의 상관관계를 보이나, 곡선길이는 상관관계가 상대적으로 낮은 것으로 분석되었다.
- 또한 이들 각 상관계수가 전체 상관계수의 합에서 차지하는 비율을 고려하여 가중치 (weight factor, &)를 계산하였다. 즉, 기하구조 요소와 사고율과의 상관분석 결과 드러난 상관계수 절대값과 전체 합에 대한 각 요소별 백분율(%)을 해당 기하요소의 가중치로 정하였다.
- 계산하였다. 즉, 기하구조 요소와 사고율과의 상관분석 결과 드러난 상관계수 절대값과 전체 합에 대한 각 요소별 백분율(%)을 해당 기하요소의 가중치로 정하였다.
- 설계수준별로 사고가 많이 발생하는 범위에는 낮은 점수를, 사고 발생이 적은 범위에는 높은 점수를 부여하였다. 가장 상관도가 높은 시거와곡선반경은 4등급으로, 갓길폭은 3등급으로 나누明 점수를 부여하였고, 사고율과 큰 상관관계가 없는 차로폭, 종단경사, 곡선길이는 간격을 세분할 이유가 없으므로, 사고율의 차이가 나타나는 값을 기준으로 이분하였다.
- 이러한 방법으로 각 지점에 대한 안전도 판단지수를 계산하고 사고율과의 관계를 분석하기 위해 선형, 지수, 로그 등 여러 형태의 방정식을 적용해 보았다. 그 중 가장 설명력이 뛰어난 로그형 방정식(식 2)3 회귀모형을 수립하였다.
- 형태의 방정식을 적용해 보았다. 그 중 가장 설명력이 뛰어난 로그형 방정식(식 2)3 회귀모형을 수립하였다. (상수 t = 6.
- 모형의 개발을 위해 차량의 곡선부 주행속도에 영향을 미칠 것으로 예상되는 11개의 설명변수들2)을 1차로 선정하여 산포도를 이용한 상관분석을 수행히였고, 여기서 속도외의 상관성이 높은 것으로 나타난 곡선반경, 시거, 교각을 회귀모형의 설명변수로 선정하여 5가지 형태의 후보 모형을 수립하였다. 이 모형들의 성능을 비교한 결과, 3가지 변수를 모두 고려한 중회귀 모형의 경우 통계적 유의성을 획*보히지 못히-고다소 불합리한 결과를 보였고, 시거를 단일변수로 이용할 경우 설명력이 낮았다.
- 위에서 설명한 사고 및 속도기반 곡선부 등급화 기법을 통해 표 8과 같이 곡선부 등급화 모형을 제안하였다. 추정 사고율은 그림 3과 그림 4에 나타난 회귀모형으로 계산이 가능히다.
- 추정 사고율은 그림 3과 그림 4에 나타난 회귀모형으로 계산이 가능히다. 두 가지 서브모델을 통해 안전도 등급을 결정한 후, 두 가지 중 낮은 등급을 해당지점의 최종 안전도 등급으로 결정한다.
대상 데이터
- 본 연구의 대상은 도로선형이나 주변환경이 상대적으로 복잡한 지방부 국도를 주요 대상으로 히-고 있으며, 특히 가능한 왕복2차로 도로의 곡선부를 세부대상으로 설정하였다.
- 그러나, 우리나라의 2차로 일반국도는 상당부분 도로대장이 구축되어 있지 않아 자료수집에 어려움이 있었으며, 경기도, 충청북도, 강원도 그리고 전라북도에서 48개 지점을 연구대상 지점으로 선정하여 319건의 교통사고자료 등 데이터를 수집하였다. 한편, 도로에 일정 수준 이상의 경사가 있을 경우 차량의 주행에 또 다른 영향을 미칠 수 있다고 판단되어 종단경사가 5% 이상이거나 음주, 무면허 등 절대적인 운전자 요인에 의한 사고 21건 등 6개 지점은 분석에서 제외하였다.
- 다양한 도로의 구성요소들 중에서 곡선부의 안전과 관련이 깊을 것으로 예상되는 요소를 1차적으로 선정하여 검토한 결과, 요소간 중복성이 발견되어 최종적으로 차로폭, 갓길폭, 곡선반경, 종단경사, 곡선의 길이, 시거 등 6개 요소를 모델 구성을 위한 지점별 도로설계요소로 선정하였다. 차로폭, 갓길 폭, 곡선반경, 종단경사, 곡선길이는 도면에서 직접 수집이 가능하며, 시거는 ASSHTO (1994)에서 제시한 Scale Method 를 이용하여 도면으로부터 측정하였다.
데이터처리
- 이러한 결과의 통계적 유의성을 검토히기 위해 각 지점의 회귀 식에 대한 오차를 계산히여 오차의 분포를 표준화하였다. 그 결과, 파회커브1와 송계화단 등 두 지점의 편차가 90% 유의수준을 벗어나 통계적 의미에서의 이상 자점으로 간주티- 였으며(참고 그림 2.
- 각 지점의 최대 속도차와 실제 사고율의 관계를 분석히기위해 이들 사이의 회귀모형을 수립하였다. 이 과정에서 개별자료마다 표준화 잔차(Standardized Residual)와 영향도 (leverage)를 산출하여 이들이 회귀계수에 미치는 영향력을 살펴보았으며, 2개 지점에서 수집한 지료가 통계적 의미에서 이상 점인 것으로 파악되어 분석에서 제외히였다.
이론/모형
- 위한 지점별 도로설계요소로 선정하였다. 차로폭, 갓길 폭, 곡선반경, 종단경사, 곡선길이는 도면에서 직접 수집이 가능하며, 시거는 ASSHTO (1994)에서 제시한 Scale Method 를 이용하여 도면으로부터 측정하였다.
성능/효과
- 이들을 종합히면 직선부에서는 과속에 의한 사고가 많고, 곡선 부에서 일어나는 사고는 곡선반경이 작은 경우에 특히 높게 나타나며, 평면시거 및 종단시거가 불량할수록 사고율이 증가한다. 또한 곡선부에서는 차량단독 도로이틸시517} 많이 빌생히는 것으로 나타난다.
- 등, 1988a, 1999). 또한, 미국의 경우 곡선장이 운행속도에 영향을 미치는 것으로 분석된 반면에 편 경사나 시거는 운행속도에 큰 영향을 미치지 않는 것으로 나타났다.
- 특히 서브모델 특히 곡선부 운행속도 추정모형에서 적용된 요소들에 대한 국내외 사례 조사 결과를 표 2에 정리하였으며, 그 결과 곡선반경, 희망속도, 종단경사 등이 가장 많이 적용되었다.
- km)을계산하고, 사고율과 6개 설계요소의 상관분석을 수행하였다 (참고 표 4). 그 결과, 시거와 곡선반경이 곡선부에서의 교통사고와 가장 관계 깊은 것으로 나타났으며, 길어깨폭과 차로 폭, 종단구배도 약간의 상관관계를 보이나, 곡선길이는 상관관계가 상대적으로 낮은 것으로 분석되었다.
- 표준화하였다. 그 결과, 파회커브1와 송계화단 등 두 지점의 편차가 90% 유의수준을 벗어나 통계적 의미에서의 이상 자점으로 간주티- 였으며(참고 그림 2.), 이 지점을 제외히고 재작성한 회귀모형은 (식 3)과 같으며, 결정계수가 0.477로 다소 향상된 결과를 보였다. 결정계수(巾)가 0.
- 이상의 연구결과를 바탕으로 표 6과 같이 뚜렷한 사고율의 단계가 설정되는 점을 기준으로 곡선부의 안전도를 4개 등급을 결정히였다. 결과적으로 안전도 판단지수 40, 60, 90을 기준으로 단계가 구분되며, 사고율은 2, 4, 6건遡민대 .
- 결정히였다. 결과적으로 안전도 판단지수 40, 60, 90을 기준으로 단계가 구분되며, 사고율은 2, 4, 6건遡민대 .km 가등급 구분의 기준이 된다.
- 본 모형의 검증결과, 9개의 테스트 데이터 중 A등급에 포함되는 데이터는 없었으며, 오차가 90% 신뢰구간을 벗어나는 두 개 지점을 제외히면 대체로 모형과 일치히는 결과를 보인다. B등급의 경우와 모형에서 추정된 사고율의 범위를 벗어나는데, 이것은 데이터의 수가 적은 데 기인한 것으로 사료된다.
- 이 모형들의 성능을 비교한 결과, 3가지 변수를 모두 고려한 중회귀 모형의 경우 통계적 유의성을 획*보히지 못히-고다소 불합리한 결과를 보였고, 시거를 단일변수로 이용할 경우 설명력이 낮았다. 이러한 이유로 곡선반경을 단일 변수로 적용한 모델이 가장 합리적인 것으로 나타났다.
- 2. 모형과 매개변수의 유의성은 모두 95% 유의수준으로 분석한 결과이다.
- 3. 중회귀 모형의 경우 조정된 결정계수(Adj -R2)를 제시하였다.
- 평가되었다. B등급 두 지점의 사고율은 평균 0.43, C등급 네 지점의 사고율은 평균 4.84, D등급 세지점의 사고율은 평균 8.22S. 나타나, C, 。등급에서는 추정 추정 사고율의 범위와 일치하였다.
- 412의 값을 갖는데, 이는 동 분야의 기존 연구 결과에 비해 비교적 높은 값이다. 또한 모형 개발과정에서 사용되지 않은 검증데이터를 이용해 모형을 검증한 결과, 회귀모형에 의해 계산된 추정사고율과 실제 사고율의 범위가 상당 부분 일치하는 것으로 나타났다. 그 오], 사고기반 등급화 기법의 경우 검증 데이터 추정 사고율의 오차분포를 살펴본 결과, 78%事 90% 신뢰구간에 포함되는 등 통계적으로 유의 한결 과가 도출되었다.
후속연구
- 본 연구의 결과는 도로의 설계단계에서 구조적으로 사고의 위험을 내포하고 있는 도로를 판별하는데 이용할 수 있으며, 도루- 개선사업의 우선순위를 결정하는 과정에서도 활용이 가능하다. 특히 도로 곡선부에서는 이러한 등급화에 따른 적절한 안전시설의 설치를 통해 재원낭비 방지, 교통사고 예방을 통한 인적 재난 감소, 이용자 편의 등을 달성할 수 있다.
- 특히 도로 곡선부에서는 이러한 등급화에 따른 적절한 안전시설의 설치를 통해 재원낭비 방지, 교통사고 예방을 통한 인적 재난 감소, 이용자 편의 등을 달성할 수 있다. 한편, 사고 및 기하구조에 관한 자료수집이 어려워 분석대상 지점 수가 중분하지 못하여 회귀모형의 설명력이 다소 떨어지는 것이 본 연구의 한계라 할 수 있으며, 향후 자료를 추가하여 모델에 대한 개선의 여지가 남아있다고 할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.