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
- BIS시스템에서 실시간 수집되고 있는 버스의 운행정보에는 링크구간, 교차로에서의 모든 교통상황이 잠재적으로 포함되어 있는 데이터이다. 따라서 본 연구에서는 BIS시스템에서 수집되는 버스운행 데이터를 이용하여 거시적인 링크통행시간 추정모형을 구축하고자 하였다.
- 따라서 본 연구에서는 BIS시스템에서 수집된 데이터에서 버스정류장에서의 정차시간에 해당되는 버스서비스시간을 제외한 통행시간을 산출하여 버스의 통행시간 특성을 분석하였다.
- 따라서 본 연구에서는 BIS운행정보를 활용하여 링크통행 시간을 추정하는 연구를 수행하였다. 물론 노선버스는 일정한 경로를 정해진 배차계획에 따라 운행하기 때문에 일반 승용차의 주행특성과 다소 차이가 있을 수 있다.
- 따라서 본 연구에서는 링크통행시간 추정 모형을 구축하기 전에 버스통행시간 특성을 분석하였다.
- 버스의 경우 일정한 노선을 정해진 배차시간에 따라 운행하며 버스정류장에서 정차가 이루어지기 때문에 링크를 통행하는 일반차량의 운행과 다소 차이가 있을 수 있을 것으로 예상할 수 있다. 따라서 본 연구에서는 버스 통행시간 특성분석을 통해 일반 차량의 링크통행시간 추정의 가능성을 분석하였다.
- 본 연구에서는 BIS시스템에서 수집되고 있는 데이터를 이용하여 도시교통관리와 교통정보 제공을 위한 기본적인 요소인 링크통행시간을 추정하기 위한 연구를 수행하였다.
- 본 연구에서는 GPS위치데이터를 처리하여 생성된 후 정보를 제공하기 직전의 다양한 분석데이터를 활용하여 연구를 수행하였다.
제안 방법
- BIS시스템에서 수집·관리하고 있는 데이터 특성을 살펴보기 위해 데이터의 구성요소를 분석하였으며 버스통행시간과 일반차량의 링크통행시간과의 유사성을 분석하기 위해 버스통행시간 분포를 분석하였다.
- BIS시스템에서 수집된 버스의 통행시간 데이터와 비교·분석하기 위해 승용차를 이용하여 오전 7~10시, 오후 12~14시, 저녁 17~20시 총 8시간 동안 현장조사를 실시하였다.
- 정영재 등(2005년)은 구간검지체계의 통행시간 정보를 이용하여 신호제어 알고리즘을 개발하는 연구를 수행하였다. 구간검지체계로부터 개별차량의 구간통행시간을 산출하여 대기행렬을 산정하고 이를 이용하여 신호제어를 수행하는 알고리즘을 연구하였다.
- 그리고 최종적으로 현장조사를 통해 수집된 승용차 통행시간과 버스통행시간을 비교·분석하고 통계적 기법을 적용하여 도시내 링크통행시간 추정모형을 구축하였다.
- 기존이론 검토결과를 바탕으로 본 연구에서도 링크통행시간 분포를 분석하여 군집별로 링크통행시간을 추정하는 모형을 구축하였다.
- 따라서 본 연구에서는 두 개의 군집으로 나누어지는 통행 시간을 추정하는 모형을 별도로 구축하였다. 먼저, 버스통행시간을 두 군집으로 분류하기 위해 통계소프트웨어인 PASW Statistics 17.
- 따라서 본 연구에서는 버스의 통행특성을 분석하고 일반차량의 링크 통행특성과 비교·분석하여 링크통행시간 추정의 가능성을 분석하였으며 최종적으로 BIS운행정보를 이용하여 링크통행시간을 추정하는 모형을 구축하였다.
- 박신형외 2명(2006년)에서는 BIS데이터를 이용하여 버스의 실시간 통행시간을 예측하였는데 이 연구에서는 각 노선 및 해당 노선의 차량별로 수집된 정류장 도착시각을 기반으로 버스 이용시 예상 통행시간을 제공하였으며 정류장을 노드로, 정류장간을 링크로 네트워크를 구성하였다.
- 버스통행시간의 분포 특성분석 결과를 살펴볼 때 두 개의 군집으로 형성되는 링크통행시간을 하나의 평균값으로 추정하는 것은 불합리한 것으로 판단되어 본 연구에서는 두 개의 군집 평균을 별도로 추정하는 모형을 구축하였다. 모형의 구축은 통계소프트웨어인 PASW Statistics 17.
- 버스통행시간이 두 개의 군집으로 분리되는 현상을 통행시간 추정모형 구축에 반영하기 위해 군집 1의 평균통행시간(T1), 군집 2의 평균통행시간(T2)으로 구분하여 추정모형을 구축하였다.
- 본 연구에서는 링크통행시간의 분포특성을 고려하여 두 개의 군집을 대표하는 통행시간을 추정하였다. 그러나 두 개의 군집의 분포비율을 알아야 링크통행시간을 확률적으로 추정할 수 있을 것이다.
- 분석대상 도로를 주행한 모든 노선버스를 대상으로 하루 동안의 데이터를 정리하고 분석하였으며 실험차량을 이용한 링크통행시간 조사는 오전 7~10시, 오후 12~14시, 저녁 17~20시 총 8시간동안 현장조사를 실시하였다.
- 통행시간을 측정하기 위한 현장조사 방법은 실험차량주행조사법을 이용하였다. 승용차에 GPS수신기를 장착하고 조사대상 링크를 주행하면서 차량의 주행궤적과 시간을 PDA단말기에 저장하고 이를 후처리 분석을 통해 링크통행시간을 산출하였다.
- 현장조사 대상구간은 울산광역시의 도심 주요간선도로인 삼산로, 중앙로, 태화로 3개 가로를 대상으로 하였으며 삼산로는 15개링크로 이루어져 있으며 중앙로는 5개링크, 태화로는 13개 링크로 구성되어 있어 총 분석대상 링크는 33개이다. 조사데이터는 33개 링크를 방향별, 시간대별로 나누어 분석하였다.
- 통행시간이 하나의 군집으로 나타나는 경우와 통행시간이 두 개의 군집으로 나타나는 경우 상대적으로 짧은 그룹의 평균통행시간을 T1으로 하여 추정모형을 구축하였다.
대상 데이터
- 본 연구는 BIS시스템이 구축되어 운영중인 울산광역시를 대상으로 버스운행 데이터을 수집하여 연구를 진행하였다.
- 본 연구를 수행하기 위해 BIS시스템이 구축되어 운영 중인 울산광역시에서 하루 동안 운행한 모든 노선버스를 대상으로 데이터를 수집·분석하였다.
- 연구대상은 승용차로 한정하였으며 교차로의 포화도는 비포화 상황만을 대상으로 연구 하였다. 정보수집기술은 비콘, DSRC와 같이 차량과 검지기간의 양방향 무선통신을 통해 차량의 ID와 검지기 통과시각을 수집하는 방식이다.
- 연구의 공간적 범위는 울산광역시의 도시내 주요 간선도로인 삼산로, 중앙로, 태화로 3개 구간의 33개 링크를 대상으로 하였다.
- 현장조사 대상구간은 울산광역시의 도심 주요간선도로인 삼산로, 중앙로, 태화로 3개 가로를 대상으로 하였으며 삼산로는 15개링크로 이루어져 있으며 중앙로는 5개링크, 태화로는 13개 링크로 구성되어 있어 총 분석대상 링크는 33개이다. 조사데이터는 33개 링크를 방향별, 시간대별로 나누어 분석하였다.
- 현장조사에서는 링크통행시간 이외에 링크길이, 차로수, 유출입구수 등 링크의 기하구조 및 신호현시, 연동 등 신호운영에 대한 각종 데이터를 수집하였다.
데이터처리
- 구축된 추정모형의 통계적 검정은 통계소프트웨어를 이용하여 T-test를 실시하였는데 분석결과 귀무가설을 기각하지 못하여 추정모형이 통계적으로 유의한 결과를 나타내는 것으로 분석되었다.
- 따라서 본 연구에서는 두 개의 군집으로 나누어지는 통행 시간을 추정하는 모형을 별도로 구축하였다. 먼저, 버스통행시간을 두 군집으로 분류하기 위해 통계소프트웨어인 PASW Statistics 17.0을 이용하여 분류분석을 실시하였다. 분류분석방법은 K-평균 군집분석을 적용하였다.
- 모형구축은 통계소프트웨어인 PASW Statistics 17.0을 이용하여 선형 및 곡선추정 회귀분석을 실시하였다. 회귀분석 결과 가장 적합도가 높은 모형이 곡선식 중 2차회귀모형으로 분석되었다.
- 버스통행시간의 분포 특성분석 결과를 살펴볼 때 두 개의 군집으로 형성되는 링크통행시간을 하나의 평균값으로 추정하는 것은 불합리한 것으로 판단되어 본 연구에서는 두 개의 군집 평균을 별도로 추정하는 모형을 구축하였다. 모형의 구축은 통계소프트웨어인 PASW Statistics 17.0을 이용하여 선형 및 곡선추정 회귀분석을 실시하였다.
- 본 연구결과 추정된 모형의 신뢰성을 통계적으로 검정하기 위해 통계소프트웨어를 이용하여 T-test를 실시하였다.
이론/모형
- 0을 이용하여 분류분석을 실시하였다. 분류분석방법은 K-평균 군집분석을 적용하였다.
- 통행시간을 측정하기 위한 현장조사 방법은 실험차량주행조사법을 이용하였다. 승용차에 GPS수신기를 장착하고 조사대상 링크를 주행하면서 차량의 주행궤적과 시간을 PDA단말기에 저장하고 이를 후처리 분석을 통해 링크통행시간을 산출하였다.
성능/효과
- T-test 결과를 살펴보면 두 추정모형 모두 p-value가 α=0.05보다 큰 것으로 분석되어 귀무가설을 기각하지 못하는 것으로 나타났다.
- 군집 2의 버스통행시간과 승용차통행시간의 관계를 분석한 결과 높은 상관성을 가지지 못하는 것으로 분석되었다. 그러나 링크길이를 변수로 추가한 결과 높은 상관성을 가지는 것으로 분석되었다.
- 즉, 현장조사에 의한 링크통행시간과 추정모형의 추정값에 차이가 있다고 할 수 없다. 따라서 95% 신뢰수준에서 추정 값이 통계적으로 유의한 것으로 분석되었다.
- 버스통행시간의 분포특성이 일반차량의 링크통행시간의 분포특성과 거의 동일한 결과를 나타내는 것을 볼 때 버스통행시간을 설명변수로 하는 링크통행시간의 추정이 가능할 것으로 판단된다.
- 본 연구결과는 BIS시스템에서 실시간으로 수집되고 있는 데이터를 이용하여 링크통행시간을 추정하고 도시교통관리, 교통정보의 제공 등에 충분히 활용될 수 있다는 것을 보여주고 있다.
- 분류분석 결과 조상대상 링크 중 50.3%에서 두 개의 군집으로 분류되는 것으로 분석되었으며 하나의 군집으로 나타나는 경우가 48.4%로 분석되었다.
- 상대적으로 짧은 통행시간 군집의 링크통행시간(T1)을 분석한 결과 버스통행시간을 설명변수로 하는 2차회귀모형이 구축되었으며 두 개의 통행시간 군집 중 긴 통행시간 군집의 링크통행시간(T2)을 분석한 결과 버스통행시간과 링크길이를 설명변수로 하는 2차회귀모형이 구축되었다.
- 정류장 정차시간을 제외한 버스통행시간의 분포를 살펴보면 통행시간의 분포가 두 개의 통행시간 군으로 구분되는 것으로 나타났다. 물론 한 주기에 모든 차량이 통과할 경우에는 하나의 통행시간 군집을 형성하게 된다.
- 추정모형을 이용한 예측값과 현장조사 결과값을 비교한 결과 통계적 검정을 통해 확인하였듯이 대체적으로 높은 적합성을 보이고 있으나 통행시간이 길어지는 경우에 다소 오차가 발생하는 것으로 나타났다.
- 추정모형을 이용한 추정값과 현장조사 결과값을 그래프를 통해 비교·분석한 결과 전반적으로 유사한 결과를 나타내었으며 통행시간이 길어질수록 오차가 다소 커는 것으로 분석되었다.
- 통행시간이 짧은 구간에서는 승용차 통행시간이 버스통행시간에 비해 짧은 것으로 나타났으며 버스통행시간이 증가하더라도 승용차의 통행시간의 증가율은 버스에 비해 크지 않은 것으로 나타났다. 그러나 링크통행시간이 일정시간이상 길어지면 승용차통행시간과 버스통행시간의 차이가 작아지며 증가율도 유사한 것으로 나타났다.
- 0을 이용하여 선형 및 곡선추정 회귀분석을 실시하였다. 회귀분석 결과 가장 적합도가 높은 모형이 곡선식 중 2차회귀모형으로 분석되었다.
후속연구
- 노선버스는 도시내 대부분의 주요도로를 주행하고 있기 때문에 BIS시스템에서 수집·관리되고 있는 버스 운행정보는 도시내 주요도로의 다양한 교통정보를 포함하고 있으며 수집 데이터는 보다 많은 교통분야에 활용될 수 있을 것이다.
- 노선버스는 도시의 주요 간선도로를 대부분 주행하고 있으며 BIS는 운행 중인 모든 노선버스의 운행궤적을 실시간으로 추적하여 교통정보를 수집하고 있다. 따라서 BIS시스템의 실시간 수집정보는 교통관리 및 운전자에게 교통정보를 제공하기 위한 기초적인 데이터로 충분히 활용될 수 있을 것이다.
- 이러한 현실을 고려할 때 BIS시스템의 실시간 버스운행정보를 이용하여 링크통행시간을 추정하면 도시교통관리에 상당한 도움이 될 것이며 필요에 따라 BIS의 정보제공시스템을 활용하여 운전자에게 실시간 교통정보를 제공할 수도 있어 기존 구축되어 운영 중인 BIS시스템의 활용도를 높일 수 있을 것으로 기대된다.
- 향후 BIS데이터를 활용하여 링크통행시간의 분포비율을 추정하는 연구가 필요할 것으로 판단되며 통행시간의 기본단위인 링크통행시간뿐 아니라 일정구간 또는 전체 경로를 대상으로 하는 통행시간 추정에 대한 연구도 지속적으로 진행되어야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.