[국내논문]차량속도배열의 누적이동평균(IMA)을 활용한 혼잡예측모형 구축에 관한 연구 A Study on Forecasting Traffic Congestion Using IMA (Integrated Moving Average) of Speed Sequence Array원문보기
본 연구는 연속류 도로에서 안정교통류를 유지하기 위하여 교통흐름이 불안정한 현상을 감지하기 위한 방안을 제시하였다. 연속류 도로의 안정성이론에 기초하여 안정 교통류의 임계수준을 판단할 수 있는 교통류지표들 간의 관계를 도출하였다. 안정교통류임을 판단할 수 있는 거시적인 교통류 지표들이 다양한 상황에서 적용하기 어려운 점을 감안하여 본 연구에서는 검지기를 통해 측정된 연속차량의 속도배열에 대한 누적이동평균(IMA: IntegratedMoving Average)을 사용하여 연속류 도로의 불안정성을 파악하는 모형을 개발하여 혼잡상황이 발생하기 이전에 진입교통량을 감소시키거나 속도제한을 통하여 혼잡을 사전에 예방할 수 있는 모형을 제시하였다. 천안-논산고속도로의 혼잡상황 자료를 바탕으로 분석한 결과 불안정 교통류 상황을 나타내는 안정도 평가지수인 값의 변화추세가 혼잡으로 인한 속도와 점유율 등의 시계열적 변화와 유사한 것으로 분석되었다.
본 연구는 연속류 도로에서 안정교통류를 유지하기 위하여 교통흐름이 불안정한 현상을 감지하기 위한 방안을 제시하였다. 연속류 도로의 안정성이론에 기초하여 안정 교통류의 임계수준을 판단할 수 있는 교통류지표들 간의 관계를 도출하였다. 안정교통류임을 판단할 수 있는 거시적인 교통류 지표들이 다양한 상황에서 적용하기 어려운 점을 감안하여 본 연구에서는 검지기를 통해 측정된 연속차량의 속도배열에 대한 누적이동평균(IMA: Integrated Moving Average)을 사용하여 연속류 도로의 불안정성을 파악하는 모형을 개발하여 혼잡상황이 발생하기 이전에 진입교통량을 감소시키거나 속도제한을 통하여 혼잡을 사전에 예방할 수 있는 모형을 제시하였다. 천안-논산고속도로의 혼잡상황 자료를 바탕으로 분석한 결과 불안정 교통류 상황을 나타내는 안정도 평가지수인 값의 변화추세가 혼잡으로 인한 속도와 점유율 등의 시계열적 변화와 유사한 것으로 분석되었다.
This paper presents an analysis of the instability phenomenon on motorways, with the aim of arriving at the definition of a control strategy suitable for keeping the flow stable. By using some results of the motorway reliability theory, a relationship and some flow characteristics is obtained, which...
This paper presents an analysis of the instability phenomenon on motorways, with the aim of arriving at the definition of a control strategy suitable for keeping the flow stable. By using some results of the motorway reliability theory, a relationship and some flow characteristics is obtained, which shows that the existence of a reliability threshold critical for flow stability. The macroscopic flow characteristics corresponding to this threshold are very different in different situations, so that this control of flow stability requires the analysis of speed and density microscopic process surveyed on a cross section of the motorway carriage ways to be controlled. A method is presented, based on integrated moving average(IMA) analysis in real time of these processes, by which it is possible to detect the approach of instability before its effects become manifest, and to single out the proper control strategy in different situations.
This paper presents an analysis of the instability phenomenon on motorways, with the aim of arriving at the definition of a control strategy suitable for keeping the flow stable. By using some results of the motorway reliability theory, a relationship and some flow characteristics is obtained, which shows that the existence of a reliability threshold critical for flow stability. The macroscopic flow characteristics corresponding to this threshold are very different in different situations, so that this control of flow stability requires the analysis of speed and density microscopic process surveyed on a cross section of the motorway carriage ways to be controlled. A method is presented, based on integrated moving average(IMA) analysis in real time of these processes, by which it is possible to detect the approach of instability before its effects become manifest, and to single out the proper control strategy in different situations.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이는 충격파(shockwave) 이론에 의하여 안정교통류에서 불안정교통류로 전이 될 때 교통량이나 점유율의 변화차이가 매우 크기 때문에 교통정체를 사전에 예방하는 실시간 교통관리 측면에서의 효용성이 높지 않다고 볼 수 있다. 본 논문은 고속도로 교통흐름이 불안정해지는 상황(instability phenomenon)을 파악할 수 있는 모형을 개발하는 것이다.
본 연구는 검지기를 통해 측정된 연속차량의 속도배열에 대한 누적이동평균(IMA: Integrated Moving Average)을 사용하여 연속류 도로의 불안정성을 파악하는 모형을 개발하여 혼잡상황이 발생하기 이전에 진입교통량을 감소시키거나 속도제한을 통하여 혼잡을 사전에 예방할 수 있는 기틀을 마련하는 것이다.
본 연구에서는 검지기를 통해 측정된 연속차량의 속도배열[vt]에 대한 누적이동평균(IMA: Integrated Moving Average)을 사용하여 정체가 발생하게 될 가능성을 사전에 판단 할 수 있는 확률적인 모형을 제시한다. IMA모형은 시계열자료(time series data)의 분석에 널리 사용되는 모형으로 과거와 현재의 시계열변수 값을 이용하여 미래의 값을 추정하여 예측하는 것이다.
본 연구는 연속류 도로에서 차량의 속도변화로 인한 교통정체가 발생되는 확률이 높아질 경우 이를 사전에 예측하는 불안정 교통류 예측모형을 제시하고 연속류 도로의 안정성 이론에 기초하여 안정 교통류의 임계수준을 판단할 수 있는 교통류지표들 간의 관계를 도출하였다.
본 연구는 교통정체 발생을 예측할 수 있는 Φ값을 유도하는 연구로서 정체 내용이 검증된 상황의 자료를 통해 값이 유효한지를 살펴보았으며 실제로 유효한 값임을 입증하였다. 차후 실제로 Φ값을 활용하기 위해서는 좀 더 다양한 환경 데이터를 통해 Φ값의 유효성을 테스트를 진행해야 하겠다.
가설 설정
밀도가 동일할 경우 교통류 1의 P(X/D)가 교통류 2보다 높다. P(X/D)의 정지상태가 발생하는 것을 의미하는 임계치 P* 에 상응하는 교통밀도 D*를 한계밀도라 가정한다. 한계밀도 D2*가 D1* 보다 크므로, 한계밀도는 ∆v가 감소함에 따라 증가한다.
σ2과 D가 교차하는 점의 값보다 작을 경우 속도의 급격한 변동이 발생하지 않으나 클 경우에는 속도의 급격한 변동이 발생할 확률이 높으므로 이 점의 D*를 한계밀도로 가정한다.
거시적인 교통류 지표들이 다양한 상황에서 적용하기 어려운 점을 감안하여 본 연구에서는 검지기를 통해 측정된 연속차량의 속도배열에 대한 누적이동평균(IMA: Integrated Moving Average)을 사용하여 연속류 도로의 불안정성을 파악하는 모형을 개발하여 혼잡상황이 발생하기 이전에 진입 교통량을 감소시키거나 속도제한을 통하여 혼잡을 사전에 예방할 수 있는 모형을 제시하였다.
이를 위하여 본 논문의 구성은 2장에서 불안정한 교통류 현상을 밀도와 속도변화와 비교하여 설명하였으며 3장에서는 속도·밀도 관계를 이용하여 정체발생 확률 추정식을 그리고 4장에서는 천안·논산 고속도로의 실제정체시의 데이터를 통해 추정식의 적용성을 검토하였다.
천안-논산고속도로에는 81Km 연장에 총 94개의 루프검지기와 영상검지기가 설치되어 매 30초 단위로 교통량, 평균속도, 점유율, 차종에 대한 자료가 수집되고 있다. 분석은 천안-논산 고속도로에서 발생한 교통정체에 관한 교통자료를 활용하였으며, 모형의 평가를 위하여 교통량, 속도, 점유율 등의 시계열 자료와 비교하였다.
교통정체의 발생 확률을 사전에 예측하는 차량속도배열의 불안정을 나타내는 Φ값의 활용 가능성을 국내 고속도로의 실시간 교통자료를 활용한 분석을 수행하였다.
실측된 상황과 Φ값에 의해 예측되어진 정체 시점이 일치하는 지를 알아보기 위해 천안-논산 고속도로의 정체 상황을 이용하였으며 실측데이터의 시간에 따른 점유율 및 교통량과 속도의 변화는 다음과 같다.
모형의 개념은 연속류 도로에서 실시간으로 수집된 속도와 차두간격의 배열에 기초로 하고 있다. 차량 속도배열 [vt]의 누적이동평균(IMA)을 이용한 확률론적 과정으로 모형화고, 교통밀도 D가 불안정한 한계밀도 D*를 초과하지 않는 속도 수준의 조건확률을 나타내는 Φ를 측정하였다. 천안-논산고속도로의 혼잡상황 자료를 바탕으로 분석한 결과 불안정 교통류 상황을 나타내는 안정도 평가지수인 Φ값의 변화추세가 혼잡으로 인한 속도와 점유율 등의 시계열적 변화와 유사한 것으로 분석되었다.
대상 데이터
본 연구는 고속도로의 혼잡으로 인한 정체현상을 사전에 파악하기 위한 모형자료로 천안-논산고속도로의 교통량 증가로 인한 혼잡상황 자료를 활용하였다. 천안-논산고속도로에는 81km 연장에 총 94개의 루프검지기와 영상검지기가 설치되어 매 30초 단위로 교통량, 평균속도, 점유율, 차종에 대한 자료가 수집되고 있다.
교통량 증가로 인한 혼잡상황은 2003년 5월 3일부터 시작 된 어린이날 연휴기간 동안 호남고속도로의 정체가 천안-논산고속도로 연무대 분기점을 거쳐 천안-논산고속도로 본선구간에 까지 영향을 미친 상황에 대한 교통자료를 대상으로 하였다. 교통 혼잡시 분석에 활용된 검지기의 위치가 호남분기점과 인접해 있어 호남고속도로의 정체여파를 반영할 수 있었다.
데이터처리
실험적으로 안정교통류로 판명된 초기속도 수준 V0과 교통량 Q간의 관계(#)를 고려하여 Q, T, M의 0.995와 0.880 사이의 Φ에 대한 회귀분석이 수행되었다.
이론/모형
Ferrari (1991)의 시뮬레이션 기법을 이용하여 교통량 Q, 시간주기 T와 상수 M의 다양한 값들에 대한 안정도 Φ를 산출하였다.
성능/효과
차량 속도배열 [vt]의 누적이동평균(IMA)을 이용한 확률론적 과정으로 모형화고, 교통밀도 D가 불안정한 한계밀도 D*를 초과하지 않는 속도 수준의 조건확률을 나타내는 Φ를 측정하였다. 천안-논산고속도로의 혼잡상황 자료를 바탕으로 분석한 결과 불안정 교통류 상황을 나타내는 안정도 평가지수인 Φ값의 변화추세가 혼잡으로 인한 속도와 점유율 등의 시계열적 변화와 유사한 것으로 분석되었다.
즉, 밀도 D가 증가할수록 at 변화의 분산 값 σ2이 감소하며, 모든 직선들은 σ2 =1.5m2s--2와 D=30v/km(InD=3.4)를 교차하는 것을 볼 수 있다.
그림 7~9는 천안-논산고속도로의 교통량 증가로 인한 정체 상황에 대한 시계열 분석이다. 점유율과 평균속도의 증가폭이 상당히 완만한 것이 특징이며, 22시12분까지 5% 수준의 점유율에서 평균 90-110km/h 수준을 유지하던 교통상황이 54분간에 걸쳐 점유율 40%까지 증가하였고, 평균속도도 10km/h 수준으로 하락하였다.
또한 속도제한이 운전자들에게 잘 수용되기 위해서는 속도제한 표시를 Φ값이 상한 값에 근접할 경우 100km/h로 제시하며, 상한 값보다 낮을 경우에는 80km/h로 유지하는 것이 바람직 한 것으로 시뮬레이션 결과 도출되었다.
두 영역이 접하는 구간이 Q와 M값이 조금만 변화하게 되어도 불안정한 교통류가 발생할 가능성이 큰 위험범위이다. 다양한 M값을 갖는 교통류의 교통량과 밀도와의 상관관계로부터 해당 구간의 최대 교통용량은 M값이 증가하면서 급격히 감소한다는 것을 알 수 있다.
후속연구
본 연구는 교통정체 발생을 예측할 수 있는 Φ값을 유도하는 연구로서 정체 내용이 검증된 상황의 자료를 통해 값이 유효한지를 살펴보았으며 실제로 유효한 값임을 입증하였다. 차후 실제로 Φ값을 활용하기 위해서는 좀 더 다양한 환경 데이터를 통해 Φ값의 유효성을 테스트를 진행해야 하겠다. 또한 Φ값을 활용한 연구를 진행하거나 실제 도로운영에 적용할 경우 각 연구·운영 지역의 해당 데이터를 통한 검증을 진행하는 것이 명확한 혼잡예측을 하는데 도움이 될 것이다.
차후 실제로 Φ값을 활용하기 위해서는 좀 더 다양한 환경 데이터를 통해 Φ값의 유효성을 테스트를 진행해야 하겠다. 또한 Φ값을 활용한 연구를 진행하거나 실제 도로운영에 적용할 경우 각 연구·운영 지역의 해당 데이터를 통한 검증을 진행하는 것이 명확한 혼잡예측을 하는데 도움이 될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
IMA모형이란 무엇인가?
본 연구에서는 검지기를 통해 측정된 연속차량의 속도배열[vt]에 대한 누적이동평균(IMA: Integrated Moving Average)을 사용하여 정체가 발생하게 될 가능성을 사전에 판단 할 수 있는 확률적인 모형을 제시한다. IMA모형은 시계열자료(time series data)의 분석에 널리 사용되는 모형으로 과거와 현재의 시계열변수 값을 이용하여 미래의 값을 추정하여 예측하는 것이다. IMA모형의 기본개념은 현재의 관측 값과 과거의 관측 값 간의 오차를 선형함수로 표현이 가능하다는 것이다(Box and Jenkins, 1976).
IMA모형의 기본개념은 무엇인가?
IMA모형은 시계열자료(time series data)의 분석에 널리 사용되는 모형으로 과거와 현재의 시계열변수 값을 이용하여 미래의 값을 추정하여 예측하는 것이다. IMA모형의 기본개념은 현재의 관측 값과 과거의 관측 값 간의 오차를 선형함수로 표현이 가능하다는 것이다(Box and Jenkins, 1976).
국내에서 현재 운영되고 있는 자동유고감지 기법의 대부분은 이미 발생된 유고상황을 사후에 감지(detection)하는 것들이며, 이들은 교통정체를 사전에 예방하는 실시간 교통관리 측면에서의 효용성이 높지 않은데, 그 이유는 무엇인가?
국내에서 현재 운영되고 있는 자동유고감지 기법의 대부분은 이미 발생된 유고상황을 사후에 감지(detection)하는 것들이다. 이는 충격파(shockwave) 이론에 의하여 안정교통류에서 불안정교통류로 전이 될 때 교통량이나 점유율의 변화차이가 매우 크기 때문에 교통정체를 사전에 예방하는 실시간 교통관리 측면에서의 효용성이 높지 않다고 볼 수 있다. 본 논문은 고속도로 교통흐름이 불안정해지는 상황(instability phenomenon)을 파악할 수 있는 모형을 개발하는 것이다.
참고문헌 (8)
천안-논산고속도로(주) (2003) 천안-논산 구간 검지기자료, 천안-논산고속도로(주) 내부자료.
Box, G.E.P. and Jenkins, G.M. (1976) Time Series Analysis: Forecasting and Control, 2nd ed. San Francisco: Holden-Day.
Ferrari, P. (1988) The reliability of the motorway transport system, Transportation Research 22B, pp. 291-310.
Ferrari, P. (1991) The control of motorway reliability, Transportation Research A, pp. 419-427.
Michaels, R. M. (1963) Perceptual factors in car following, Proceedings of the 2nd Int. Symposium on the Theory of Traffic Flow, OECD, Paris, pp. 44-59.
Newell, G. F. (1963) Instability in dense highway traffic, A review, Proceedings of the 2nd Int. Symposium on the Theory of Traffic Flow, OECD, Paris, pp. 73-83.
Schofield, M. (1986) Speed, flow and capacity on the M6 motorway, Traffic Engineering Control 27, pp. 509-513.
Treiterer, J. and Myers, J.A. (1974) The hysteresis phenomenon in traffic flow, Proceedings of the 6th Int. Symposium on Transport and Traffic Theory, Reed Pty Ltd., pp. 13-38.
이 논문을 인용한 문헌
저자의 다른 논문 :
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.