본 연구는 다양한 기상 요인의 영향 정도에 따른 속도 변화를 분석하여 고속도로의 교통상황 분류를 목적으로 하였다. 서해대교의 RWIS와 VDS 자료를 활용하여 요인분석한 결과 교통상황에 영향을 주는 기상요인은 날씨, 온도, 시정거리로 나타났다. 각 요인에 따른 교통상황을 분류하기 위해 요인별로 분산분석을 실시한 결과 날씨는 맑음과 강우, 온도는 $5^{\circ}C$ 이하와 이상, 시정거리는 강우 시에만 10km 이하와 이상으로 분류되어 총 5개 유형의 교통상황으로 분류되었다. 보다 원활한 교통관리를 위해 각 상황별로 교통량-속도 모형을 추정하였으나 분석자료의 부족으로 설명력은 다소 낮게 나타났다. 그러나 장기간의 자료를 본 연구에서 제시된 분석과정에 입각하여 분석할 경우 기상요인에 따른 유형별 교통관리가 가능할 것으로 기대된다.
본 연구는 다양한 기상 요인의 영향 정도에 따른 속도 변화를 분석하여 고속도로의 교통상황 분류를 목적으로 하였다. 서해대교의 RWIS와 VDS 자료를 활용하여 요인분석한 결과 교통상황에 영향을 주는 기상요인은 날씨, 온도, 시정거리로 나타났다. 각 요인에 따른 교통상황을 분류하기 위해 요인별로 분산분석을 실시한 결과 날씨는 맑음과 강우, 온도는 $5^{\circ}C$ 이하와 이상, 시정거리는 강우 시에만 10km 이하와 이상으로 분류되어 총 5개 유형의 교통상황으로 분류되었다. 보다 원활한 교통관리를 위해 각 상황별로 교통량-속도 모형을 추정하였으나 분석자료의 부족으로 설명력은 다소 낮게 나타났다. 그러나 장기간의 자료를 본 연구에서 제시된 분석과정에 입각하여 분석할 경우 기상요인에 따른 유형별 교통관리가 가능할 것으로 기대된다.
The purpose of this paper is to classify the traffic condition in freeway by the impacts of road weather. The factor analysis showed that weather factors, which are considered as influential, are identified as weather condition (rain or clear), temperature and sight distance with RWIS and VDS data i...
The purpose of this paper is to classify the traffic condition in freeway by the impacts of road weather. The factor analysis showed that weather factors, which are considered as influential, are identified as weather condition (rain or clear), temperature and sight distance with RWIS and VDS data in Seohae bridge used. The result of ANOVA shows that weather is dividedinto clear and rainy; temperature into below and equal or above $5^{\circ}C$ and sight distance into below or equal or above 10km. Based on those factors, the freeway traffic condition has been classified as five different types. The flow-speed model for each traffic conditions was proposed, which was not significant due to the lack of smaple data. Although not sufficient, the methodology to categorize traffic situation model presented in this paper may shed light on the idea for the future and can be used for proper traffic management for each weather condition.
The purpose of this paper is to classify the traffic condition in freeway by the impacts of road weather. The factor analysis showed that weather factors, which are considered as influential, are identified as weather condition (rain or clear), temperature and sight distance with RWIS and VDS data in Seohae bridge used. The result of ANOVA shows that weather is dividedinto clear and rainy; temperature into below and equal or above $5^{\circ}C$ and sight distance into below or equal or above 10km. Based on those factors, the freeway traffic condition has been classified as five different types. The flow-speed model for each traffic conditions was proposed, which was not significant due to the lack of smaple data. Although not sufficient, the methodology to categorize traffic situation model presented in this paper may shed light on the idea for the future and can be used for proper traffic management for each weather condition.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
왜냐하면 모든 기상요인을 고려할 경우 분류되는 집단의 수는 2n개가 되어 불필요한 연산을 추가적으로 수행해야 되기 때문이다. 따라서 본 연구에서는 다양한 기상요인에 대하여 요인분석을 실시하여 교통 상황에 영향을 주는 주요인을 찾아 전술한 문제를 해결하고자 하였다. 왜냐하면 요인분석은 변수 간의 상관행렬로부터 공통요인을 끄집어내어 그 공통요인을 이용해서 변수 간의 상관관계를 설명하고, 공통요인과의 관계에 의해서 각 변수의 성질을 간결한 형태로 기술하여 변수나 관측대상의 분류를 위해 이용되는 통계적 분석기법의 하나이기 때문이다.
이는 날씨 이외에 다른 기상 요인도 교통 상황에 영향을 줄 수 있는 것을 보여주는 한 예이다. 따라서 본 연구에서는 이러한 기상요인에 따라 고속도로의 교통상황을 분류하기 위해 통계분석을 실시하였다.
따라서 본 연구의 목적은 RWIS를 통해 수집되는 다양한 기상 요인의 영향 정도에 따른 속도변화를 분석하여 고속도로의 교통상황을 분류하는 것이다. 이를 위해 서해대교의 2008년 1월~6월의 RWIS와 VDS(Vehicle Detection Sys tem) 자료를 활용하였고, 교통량과 같은 교통특성의 영향을 최소화하기 위해 교통량이 유사한 자료를 분석대상으로 하였다.
본 연구는 다양한 기상 요인의 영향 정도에 따른 속도 변화를 분석하여 고속도로의 교통상황을 분류하는 것을 목적으로 하였다. 이를 위해 서해대교의 2008년 1월~6월의 RWIS와 VDS 자료를 활용하여 요인 및 분산분석을 수행하였다.
제안 방법
1성분인 습도와 시정거리의 경우 두 변인의 상관관계가 높게 나타나 둘 중 하나만 적용해야 하는데 시정거리가 운전자에게 영향을 주는 요인으로 이해하기 쉬우므로 시정거리를 주요 변수로 선정하였다. 2성분의 경우는 풍향이 가장 큰 비중을 가지고 있으나 이에 대한 인식을 운전자가 거의 하지 못하므로 온도와 풍속 중 비중이 더 높은 온도를 주요 변수로 선정하였으며, 3성분은 강우량이 더 큰 비중이 있으나 기상에 따른 결과이므로 기상을 주요 변수로 선정하였다.
1성분인 습도와 시정거리의 경우 두 변인의 상관관계가 높게 나타나 둘 중 하나만 적용해야 하는데 시정거리가 운전자에게 영향을 주는 요인으로 이해하기 쉬우므로 시정거리를 주요 변수로 선정하였다. 2성분의 경우는 풍향이 가장 큰 비중을 가지고 있으나 이에 대한 인식을 운전자가 거의 하지 못하므로 온도와 풍속 중 비중이 더 높은 온도를 주요 변수로 선정하였으며, 3성분은 강우량이 더 큰 비중이 있으나 기상에 따른 결과이므로 기상을 주요 변수로 선정하였다. 따라서 본 연구에서는 기상, 온도와 시정거리가 주요 변수로 선정하여 교통상황을 분류하였다.
기상요인에 따른 교통상황을 분류하였으나 속도는 기상요인 외에도 교통변수인 교통량의 영향을 많이 받는다. 따라서 기상상황을 고려한 교통관리를 위해서는 기상요인 외에 교통량과 같은 교통변수도 동시에 고려해야 하므로 각 교통상황에 대한 교통량-속도 모형을 추정하였다.
수집기간을 볼 때 맑은 날씨가 대다수인데 비해 강우상황이 상당히 적으므로 2개 상황을 단순비교하기에는 무리가 있다. 따라서 본 연구에서는 강우일자를 기준으로 전주와 차주의 동일한 요일과 시간에 수집된 44시간의 VDS 속도와 교통량의 평균을 산출하여 강우상황의 교통량과 속도를 비교분석하였으며, 각 날씨에 따른 교통량과 속도는 표 2와 같다.
2성분의 경우는 풍향이 가장 큰 비중을 가지고 있으나 이에 대한 인식을 운전자가 거의 하지 못하므로 온도와 풍속 중 비중이 더 높은 온도를 주요 변수로 선정하였으며, 3성분은 강우량이 더 큰 비중이 있으나 기상에 따른 결과이므로 기상을 주요 변수로 선정하였다. 따라서 본 연구에서는 기상, 온도와 시정거리가 주요 변수로 선정하여 교통상황을 분류하였다.
요인분석 시 추출방법은 주성분분석과 공통요인분석 2가지가 있는데 공통요인분석의 경우는 측정변수간의 상관을 설명하는 공통요인을 추출하는데 비해 주성분분석은 측정변수의 선형결합을 통해 주성분을 추출하므로 본 연구에서는 주성분분석을 이용하여 분석하였다. 또한 기상요인에 대한 수집 자료들의 범위가 동일한 것이 아니기 때문에 수집 자료를 그대로 요인분석을 수행할 경우 변수들에 대한 공분산 및 고유치가 제대로 산출되지 않으므로 표준화 값을 이용하여 분석을 수행하였다. 요인분석의 대상 변수는 온도, 습도, 풍향, 풍속, 강우량, 적설량, 시정거리, 기상, 낮밤(시간)이며, 낮은 오전 6시부터 오후 8시까지로 설정하였다.
본 연구에서는 분산분석을 이용하여 각 집단의 수를 합·분류하였으나 모든 집단을 분석한 것이 아닌 각 요인인 날씨, 온도, 가시거리에 대해 각각 분석하였다.
요인분석 시 추출방법은 주성분분석과 공통요인분석 2가지가 있는데 공통요인분석의 경우는 측정변수간의 상관을 설명하는 공통요인을 추출하는데 비해 주성분분석은 측정변수의 선형결합을 통해 주성분을 추출하므로 본 연구에서는 주성분분석을 이용하여 분석하였다. 또한 기상요인에 대한 수집 자료들의 범위가 동일한 것이 아니기 때문에 수집 자료를 그대로 요인분석을 수행할 경우 변수들에 대한 공분산 및 고유치가 제대로 산출되지 않으므로 표준화 값을 이용하여 분석을 수행하였다.
개별 기상요인에 대하여 상관분석을 실시한 결과 대부분 상관관계가 없는 것으로 나타나 요인분석을 통해 변수를 축소하였다. 일반적으로 요인은 고유치 1 이상인 경우만 추출하며, 이 때 해당 변수가 설명하는 분산의 양이 클수록 주요한 변수가 되는데 본 연구에서는 표 4와 같이 3개의 성분이 고유치가 1보다 크므로 3개의 성분으로 기상 요인들을 분류하였다.
자료수집 기간은 2008년 1월1일~6월2일(153일)이며, RWIS와 VDS 수집주기는 표 1과 같다. 표 1과 같이 두 자료의 수집 주기가 서로 다르기 때문에 본 연구에서는 두 자료를 동일 주기로 매칭하기 위해서 VDS 자료를 10분 주기로 다시 집계하여 분석하였다.
대상 데이터
왜냐하면 각 요인별로 차이가 없다면 해당 요인에 따라 분류된 집단들 역시 모두 동일한 집단으로 묶이기 때문이다. 그리고 기상상황 외에 속도에 영향을 줄 수 있는 요일 및 월별 특성을 반영할 수 있는 자료로 분석하였으며, 해당 자료의 수는 528개이다.
기상요인의 영향에 따른 고속도로의 교통상황을 분류하기 위해서는 동일한 지점에서 기상과 교통자료를 수집하여야 정확도가 증대되므로 본 연구에서는 RWIS와 VDS가 같이 구축된 서해대교를 대상으로 자료를 수집하였다. 자료수집 기간은 2008년 1월1일~6월2일(153일)이며, RWIS와 VDS 수집주기는 표 1과 같다.
또한 기상요인에 대한 수집 자료들의 범위가 동일한 것이 아니기 때문에 수집 자료를 그대로 요인분석을 수행할 경우 변수들에 대한 공분산 및 고유치가 제대로 산출되지 않으므로 표준화 값을 이용하여 분석을 수행하였다. 요인분석의 대상 변수는 온도, 습도, 풍향, 풍속, 강우량, 적설량, 시정거리, 기상, 낮밤(시간)이며, 낮은 오전 6시부터 오후 8시까지로 설정하였다.
따라서 본 연구의 목적은 RWIS를 통해 수집되는 다양한 기상 요인의 영향 정도에 따른 속도변화를 분석하여 고속도로의 교통상황을 분류하는 것이다. 이를 위해 서해대교의 2008년 1월~6월의 RWIS와 VDS(Vehicle Detection Sys tem) 자료를 활용하였고, 교통량과 같은 교통특성의 영향을 최소화하기 위해 교통량이 유사한 자료를 분석대상으로 하였다.
데이터처리
본 연구는 다양한 기상 요인의 영향 정도에 따른 속도 변화를 분석하여 고속도로의 교통상황을 분류하는 것을 목적으로 하였다. 이를 위해 서해대교의 2008년 1월~6월의 RWIS와 VDS 자료를 활용하여 요인 및 분산분석을 수행하였다.
성능/효과
분류된 요인을 대상으로 분산분석을 수행한 결과 날씨에 따라 맑음과 강우, 온도는 5℃를 기준으로 분류되었으며, 시정거리는 강우 시에만 10km를 기준으로 분류되 었다. 각 분류 기준에 의해 교통상황은 5가지 상황으로 분류되었으며, 이는 동일한 날씨, 교통량이 있더라도 다른 기상 요인에 따라 교통상황이 변할 수 있다는 것을 의미한다. 또한 보다 원활한 교통관리를 위해 각 상황에 대한 교통량속도 모형을 추정하였으나 설명력이 대부분 낮게 나타났다.
강우 시 5℃ 이상일 때 시정거리 3개의 집단에 대하여 ttest를 통해 비교한 결과 10km 이하와 10km 이상인 경우에 속도 차이가 발생하여 분류되었으며, 10km 이상인 경우는 차이가 없어 동일한 집단으로 합류되었다.
최정순 등(1999)는 고속도로 교통류를 설명하는 기본적인 관계식이 비가 올 때 어떻게 변화하는지를 상세히 분석하고자 올림픽대로 교통관리시스템의 영상검지기를 통해 수집된 현장조사자료를 이용하여 속도-교통류율, 교통류율-점유율, 용량, 임계속도, 임계점유율 등의 변화를 분석하였다. 그 결과 비가 올 경우 서비스 교통류율이 약 200pcphpl 정도 감소 하는 것으로 나타났으며, 관측된 서비스 교통류율은 맑은 날에 비해 약 10~20% 정도 감소하는 것으로 나타났다. 또한 비가 올 경우 전체 차로의 소통능력은 맑은 날에 비해 감소하지만 기상변화에 따른 차로별 임계속도와 임계점유율은 큰 변화가 없는 것으로 나타났다.
오주삼 등(2002)는 안개에 의한 교통흐름 특성 변화를 분석하고자 일반국도 48호선을 대상으로 도로조건이 동일하고 교통량이 유사한 경우에 대해서 안개에 따른 교통속도를 분석하였다. 그 결과 자유 교통류 상태에서 안개로 인해 1차로 상행(서울 방면) 3.33%, 하행(김포 방면) 16.69%, 2차로 상행 4.8%, 하행은 6.21%가 감소하는 것으로 나타났다. 최필순(2003)은 맑은 날과 비오는 날에 따른 5분 교통량의 평균속도의 차이를 알아본 결과 10mm/h 이하의 강우 상황과 맑은 날씨의 속도 분포가 유의한 차이를 보이는 것으로 나타났으며, 기상 외에 도로 경사도 및 단속카메라 등의 시설의 영향도 받는 것으로 나타났다.
날씨별 온도에 대한 분산분석 결과 표 10~12와 같이 맑음과 강우상황 모두 온도에 따라 속도가 다른 것으로 나타났으며, 온도가 낮을수록 속도 차이가 작게 나타났다. 이는 낮은 온도로 인한 결빙 등을 우려해 다소 낮은 속도로 운행하여 발생한 것으로 판단된다.
날씨별 온도에 따른 집단의 수준수를 증가시키며 t-test를 수행한 결과 5℃ 이하인 경우와 6℃ 이상인 경우가 동일한 집단으로 나타나 5℃ 를 기준으로 2개의 집단으로 분류되었다. 반면 시정거리에 대하여 분산분석을 수행한 결과 표 13, 14와 같이 맑은 날에는 동일하게 나타난데 비해 강우 시에는 시정거리에 따라 속도의 차이가 있는 것으로 나타났다.
날씨에 대한 분석 결과 교통량은 동일하게 나타난데 비해 속도는 차이가 있는 것으로 나타났으며, 강우 시 맑은날에 비해 15.9% 정도 속도가 감소하며, 주간(9.4%)에 비해 야간 (28.9%)에 더 많이 감소하는 것으로 나타났다. 또한 온도, 습도, 풍속, 시정거리 등의 기상요인에 대한 요인분석 결과 3개의 주요 성분(습도와 시정거리, 온도 및 풍속, 기상)으로 분류되었다.
기상과 관련된 국내외 연구를 검토해 본 결과 대부분 강우 또는 강설과 같은 날씨에 따른 교통특성 변화를 대상으로 하였으며, 일부는 강우량 및 안개, 가시도와 같은 기상요인을 대상으로 연구하였다. 대부분의 연구 결과 강우 시 속도가 맑은 날에 비해 감소하며, 강우량이 많을수록 감소폭은 증가하였고, 안개 등과 가시도에 영향을 받을 경우 역시 속도가 감소하는 것으로 나타났다.
그 결과 비가 올 경우 서비스 교통류율이 약 200pcphpl 정도 감소 하는 것으로 나타났으며, 관측된 서비스 교통류율은 맑은 날에 비해 약 10~20% 정도 감소하는 것으로 나타났다. 또한 비가 올 경우 전체 차로의 소통능력은 맑은 날에 비해 감소하지만 기상변화에 따른 차로별 임계속도와 임계점유율은 큰 변화가 없는 것으로 나타났다.
서해대교의 RWIS 및 VDS 자료를 기반으로 할 때 서해대교는 5개의 기상에 따른 교통상황으로 분류되며, 각 상황에 대하여 비교하면 일반적으로 비가 오면 맑은 경우에 비해 속도가 낮게 나타났다. 또한 서해대교가 교량이라는 특징 때문에 온도가 낮을 경우에는 결빙을 우려하여 기상과 관계 없이 낮은 속도로 운행하는 것으로 나타났으며, 시정거리는 일반적인 인식과 동일하게 시정거리가 짧을수록 속도가 더 낮게 나타났다.
9%)에 더 많이 감소하는 것으로 나타났다. 또한 온도, 습도, 풍속, 시정거리 등의 기상요인에 대한 요인분석 결과 3개의 주요 성분(습도와 시정거리, 온도 및 풍속, 기상)으로 분류되었다. 분류된 요인을 대상으로 분산분석을 수행한 결과 날씨에 따라 맑음과 강우, 온도는 5℃를 기준으로 분류되었으며, 시정거리는 강우 시에만 10km를 기준으로 분류되 었다.
선정된 3개 성분에 대하여 보다 변수의 특성을 잘 나타내기 위해 베리맥스법에 의해 5차례 반복계산 후에 산출된 결과는 표 5와 같다. 분류된 3개의 성분 중 1성분은 습도와 시정거리, 2성분은 온도, 풍향 및 풍속, 3성분은 강우량과 기상으로 나타났다.
또한 온도, 습도, 풍속, 시정거리 등의 기상요인에 대한 요인분석 결과 3개의 주요 성분(습도와 시정거리, 온도 및 풍속, 기상)으로 분류되었다. 분류된 요인을 대상으로 분산분석을 수행한 결과 날씨에 따라 맑음과 강우, 온도는 5℃를 기준으로 분류되었으며, 시정거리는 강우 시에만 10km를 기준으로 분류되 었다. 각 분류 기준에 의해 교통상황은 5가지 상황으로 분류되었으며, 이는 동일한 날씨, 교통량이 있더라도 다른 기상 요인에 따라 교통상황이 변할 수 있다는 것을 의미한다.
김성환과 이청원(2008)은 기존의 강우 상황에서의 교통류율 변화 분석에서 한 단계 더 나아가 강우량에 따른 고속도로의 최대교통류율과 속도 변화를 분석하였다. 분석 결과 강우량이 증가할수록 최대교통류율 및 자유류 속도는 감소하며, 감소율은 해외 사례에 비해 다소 크게 나타났다.
서해대교의 VDS 자료를 통해 소통상황을 분석한 결과 모든 차량이 50km/h 이상으로 운행하여 안정류 상태로 나타났으며, 그 결과 교통량의 영향이 매우 낮게 나타났다. 특히 낮은 온도에서 비가 온 기상상황 5의 경우 교통량 범위는 800~1200대/시로 나타났으나 속도 범위는 59~62km/h로 거의 변화가 없어 관계 모형 역시 거의 상수에 가까운 형태로 나타났다.
기상 요인의 상관분석 결과는 표 3과 같이 나타났다. 이를 보면 각 기상요인간의 상관관계는 거의 없는 것으로 나타났으나 습도와 시정거리는 음의 상관관계가 크게 나타났으며, 강우량 역시 기상과 약간의 상관관계가 있는 것으로 나타났다. 이는 습도가 증가할수록 시정거리가 줄어들고, 비가 와야 강우량이 검지되기 때문에 나타난 결과로 판단된다.
표 2를 보면 주·야간의 교통량은 날씨에 따라 큰 차이를 보이지 않으나 속도는 맑은 경우가 강우상황보다 높게 나타났다.
후속연구
특히 강설의 경우는 자료가 수집되지 않아 분류 요인으로 검토할 수 없었다. 따라서 보다 정확한 교통상황 분류 및 모형을 제시하기 위해서는 도로기상자료가 수집되는 다양한 지역에서 장기간 수집된 더 많은 이력자료 분석을 통해 모형을 추정할 필요가 있으며, 보다 정확한 분석을 위해 교통량-속도 모형을 혼잡 및 비혼잡에 따라 다른 모형을 구축하여야 할 필요가 있다.
하지만 이러한 모형은 서해대교 6개월 자료를 기반으로 한 것이기 때문에 더 많은 이력자료 분석을 통해 모형을 추정할 필요가 있다. 또한 본 연구에서는 분석 자료의 한계로 교통량-속도 모형을 밀도를 하나의 상수로 가정하여 선형식으로 추정하였으나 본래 그 관계가 비선형이므로 혼잡 및 비혼잡에 따라 다른 모형을 구축하여야할 필요가 있다.
이는 본래 비선형관계인 교통량-속도 모형을 분석 자료수의 부족으로 선형관계로 추정하여 나타난 결과로 판단된다. 하지만 본 연구의 결과를 활용할 경우 기상상황에 따른 유형별 교통관리가 가능할 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
지능형교통체계의 역할은?
최근 20년 동안 국내에서는 새로운 도로를 건설하는 것 대신에 지능형교통체계(ITS: Intelligent Transport Systems)를 도입하여 기존 시스템의 효율을 극대화하고 있다. 이를 위해 교통자료를 수집·가공하여 신호 운영 및 교통정보를 제공하고 있다.
교통상황은 어디에 영향을 받는가?
그러나 교통상황은 해당 지점의 교통량이나 속도와 같은 요인 외에 기상 및 도로환경 등과 같은 다양한 요인에 영향을 받고 있다. 실례로 첨단교통 모델 도시 중 하나인 제주시에서 ITS를 구축한 초기에 강설로 통행이 불가능함에도 불구하고 소통원활이라는 교통정보를 제공하여 문제가 된 적이 있다.
지능형교통체계 정립을 위해 제공하는 것은?
최근 20년 동안 국내에서는 새로운 도로를 건설하는 것 대신에 지능형교통체계(ITS: Intelligent Transport Systems)를 도입하여 기존 시스템의 효율을 극대화하고 있다. 이를 위해 교통자료를 수집·가공하여 신호 운영 및 교통정보를 제공하고 있다.
참고문헌 (17)
김성환, 이청원(2008) 강우량에 따른 고속도로 최대교통류율 및 속도 변화 분석, 제58회 대한교통학회 학술발표회, 대한교통학회, pp. 500-509.
오주삼, 최대순, 조윤호, 정진혁(2002) 안개로 인한 속도변화 특성에 관한 연구-일반국도를 중심으로-, 대한토목학회논문집, 대한토목학회, 제22권 제4D호, pp. 677-685.
최정순, 손봉수, 최재성(1999) 기상조건에 따른 도시고속도로 교통류 변화 분석, 대한교통학회지, 대한교통학회, 제17권 제1호, pp. 29-40.
Brilon, W. and Ponzlet, M. (1996) Variability of speed-flow relationships on german autobahns, Transportation Research Record 1555,Transportation Research Board, pp. 91-98.
Edward Chung, Osamu Ohtani, Hiroshi Warita, Masao Kuwahara and Hiroshi Morita (2006) Does Weather Affect Highway Capacity?
Hanbali, R.M. and Kuemmel, D.A. (1993) Traffic volume reductions due to winter storm conditions, Transportation Research Record: Journal of the Transportation Resea rch Board 1387, pp. 159-164.
Hassan, Y. A. and Barker, J. J. (1999) The impact of unseasonable or extreme weather on traffic activity within lothian region, Transport Geography, Vol 7, No. 3, pp. 209-213.
Ibrahim, A. T. and Hall, F. L. (1994) Effect of adverse weather conditions on speed-occ upancy relationships, Transportation Resea rch Board 1457, pp. 184-191.
Ju Sam Oh, Yong Un Shim, and Yoon Ho Cho (2002) Effect of weather conditions to traffic flow on freeway, KSCE Journal of Civil Engineering, 대한토목학회, Vol. 6, No. 4, pp. 413-420.
Knapp K. K. and Smithson L. D. (2000) Winter storm event volume impact analysis using multiple-source archived monitoring data, Journal of the Transportation Research Board 1700, pp. 10-16.
Keay, K. and Simmonds, I. (2005) The asso ciation of rainfall and other weather vari ables with road traffic volume in melbou rne, Accident Analysis and Prevention, Vol. 37, pp. 109-124.
Lamm, R.,Choueiri, E. M., and Mailaender, T. (1990) Comparison of operation speed on dry and wet pavements of two-lane rural highway, Transportation Research Record 1280, pp. 199-207.
Manish Agarwal, Thomas H. Maze, and Reginald Souleyrette (2005) Impacts of weather on urban freeway traffic flow characteristics and facility capacity, Proceedings of the 2005 Mid-Continent Transportation Research Symposium.
May. A. D. (1998) Capacity and Level of Service for Freeway Systems,3rd Interim Report, Phase C-Tasks C1 through C10.
Michael Kyte, Zaher Khatib, Patrick Shannon, and Fred Kitchener (2001) Effect of Environmental Factors on Free-Flow Speed,pp. 108.
Robert Hranac, Emily Sterzin, Daniel Krechmer, Hesham Rakha and Mohamadreza Farzsn도 (2006) Empirical Studies on Traffic Flow in Inclement Weather, FHWA-HOP-07-03.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.