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
- 본 연구는 차량 모의실험 자료를 이용하여 돌발상황 발생시 차량의 지ㆍ정체 자료를 구축하고, 이를 이용하여 교통사고 유형별 지ㆍ정체를 예측하는 모형을 개발하였다. 따라서 모의실험의 정산에 적용된 미시적 교통 파라미터를 설명한 후, 설정된 분석 시나리오에 대해 설명하도록 한다. 차량 시뮬레 이터는 VISSIM를 이용하였으며, 차로별 용량은 2,000(대/시)으로 설정하였다.
- 따라서 본 연구에서는 다양한 첨단 교통서비스 중 안전성 편익에 대한 산정방법을 제시하였다. 이를 위해 돌발상황을 유형구분하고, 이에 대한 지체 시간을 일반적인 모형으로 제시하여 스마트도로로 인한 추가적인 안전성을 추가편익항목으로 계량화하였다.
- 그러나 현행의 투자평가지침에서는 편익으로 계상하지 않고 있다. 따라서 본 연구에서는 이를 추가 편익항목으로 계량화하고자 한다. 이를 위해 우선 돌발상황을 유형별로 구분하고, 이에 대한 지체시간을 일반적인 모형으로 제시하였다.
- 본 연구는 가장 먼저 스마트화가 진행될 것으로 예상되는 고속국도를 중심으로 원단위 회귀모형을 제시하고자 한다. 돌발상황 지체시간은 운영적 요인, 돌발상황 자체 특성, 기타 환경적 요인에 의해 달라질 뿐만 아니라 상류부 교통수요에 의해서도 다양하게 달라지므로, 이러한 다양한 요인에 대한 실제 자료를 확보하기가 어렵다.
- 따라서 독립변수를 최소화하고 본 연구의 목적에 적합한 모형의 개발이 필요하다. 본 연구는 스마트 도로의 안전성 향상으로 인한 효과를 사전 평가단계에서 직접적으로 고려가 가능한 방법론을 제시하고자 한다. 따라서 돌발상황으로 인한 지ㆍ정체를 명료한 변수를 이용하여 직접 추정할 수 있는 모형의 개발이 필요하다.
- 본 연구는 차량 모의실험 자료를 이용하여 돌발상황 발생시 차량의 지ㆍ정체 자료를 구축하고, 이를 이용하여 교통사고 유형별 지ㆍ정체를 예측하는 모형을 개발하였다. 따라서 모의실험의 정산에 적용된 미시적 교통 파라미터를 설명한 후, 설정된 분석 시나리오에 대해 설명하도록 한다.
제안 방법
- 고속도로 돌발상황의 대부분은 교통사고이므로, 한국도로공사에서 구축한 2006～2008년의 3년간 교통사고 DB를 기반으로 각 사고 형태 및 항목별로 도로차단 (해당방향 모든 차로 차단) 시간을 분석하였다. 3년간 고속도로 본선에서 발생한 총 5,913건의 교통사고 자료를 이용하여 도로차단시간을 분석하였으며, 공사 등 그 발생 및 작업시간이 예측 가능한 돌발상황은 제외하였다. 분석결과, 돌발상황으로 인한 평균차단시간은 약 38분으로 나타났으며, 전체 사고의 29.
- 고속도로 돌발상황의 대부분은 교통사고이므로, 한국도로공사에서 구축한 2006～2008년의 3년간 교통사고 DB를 기반으로 각 사고 형태 및 항목별로 도로차단 (해당방향 모든 차로 차단) 시간을 분석하였다. 3년간 고속도로 본선에서 발생한 총 5,913건의 교통사고 자료를 이용하여 도로차단시간을 분석하였으며, 공사 등 그 발생 및 작업시간이 예측 가능한 돌발상황은 제외하였다.
- 관련 연구결과 및 최근 년도 고속도로 돌발상황 관련 자료를 이용하여 돌발상황 특성에 대한 범위 및 계급값을 설정하였으며, 돌발상황 시나리오는 도로차로수, 교통수요, 차단시간, 차단 차로수, 용량 감소율로 구분하여 다음과 같이 설정하였다.
- 적용대상은 스마트하이웨이사업의 후보노선 중 세종∼용인구간으로 선정하였다. 교통시설투자평가지침의 편익항목은 총 4개로 통행 시간감소, 차량운행비용 감소, 교통사고비용 감소, 환경비용 감소(대기오염, 소음감소) 항목으로 구성하였으며, 스마트 교통편익은 4개 항목에 안전성 향상 편익을 포함하여 총 5개의 항목으로 구성하였다.
- 용량 감소율은 식(1)과 같이 산정하였으며, 평상시 최대통과교통량은 단위시간당 네트워크를 빠져 나가는 차량대수로 정의하였고 차로당 2,000대/시로 설정하였다. 돌발상황시 통과교통량은 위와 같은 조건에서 돌발상황 발생지점 통과 직후의 시간당 통과교통량으로 산출하였다.
- 따라서 본 연구에서는 다양한 시나리오를 합리적으로 설정하고, 모의실험을 통해 지체를 분석한 후, 이를 회귀식으로 모형화하는 방법을 분석기법으로 설정하였다. 안전성 향상 효과 추정을 위한 분석 과정은 <그림 2>와 같이 5 단계로 구성된다[18].
- 앞에서 설명한 바와 같이 사전 평가단계에서 교통사고로 인한 지ㆍ정체를 추정하기 위한 모형을 개발해야 하기 때문에 실제 적용할 수 있는 변수는 한정된다. 따라서 본 연구에서는 돌발상황으로 인한 차량의 지체(초/대)를 예측하기 위한 독립변수로서 돌발상황의 주요변수인 V/C, 돌발지속시간, 그리고 용량감소비율을 이용하였다. 돌발상황으로 인한 평균지체시간을 다중선형 회귀모형으로 1차 평가한 결과, 1,000초 이하의 평균지체에서는 지체를 과다추정하고, 1,500초 이상에서는 지체를 과소 추정하는 문제가 발생하였다.
- 또한 모형의 구조상 이론적으로 음의 값이 도출될 수 있다. 따라서 설명변수가 지체에 미치는 비선형적인 영향을 나타내기 위해 1차로 구축된 다중선형모형을 음지수모형의 종속변수로 다시 적용한 모형을 개발하였으며, 개발된 비선형 회귀모형은 식 (2)와 같다. 개발된 모형은 지체시간의 비선형적 특성을 반영하므로 다중 선형회귀모형에서 나타나는 지체시간 과다추정 및 과소추정 문제를 해결하였다.
- 따라서 시나리오 설정이 가능한 차로수, 차단 차로수, 그리고 사고 발생 차로를 이용하여 와 같이 돌발상황 발생 시나리오를 16개로 설정하였다.
- 분석구간은 대기차량을 모두 포함할 수 있는 연장인 200km로 설정하였으며, 설정된 돌발상황 시나리오 값을 입력자료로, 각 시나리오별로 돌발상황으로 인한 혼잡이 완전히 해소될 때까지 모의실험을 수행하였다. 또한 시나리오별로 10회 반복 수행한 결과를 이용하여 돌발상황 시나리오별 지ㆍ정체 패턴을 분석하였다.
- Northwestern 모형(Ozbay and Kachroo, 1999)은 Illinois 도로국에서 제공된 121건의 돌발상황 자료를 이용하여 소거시간(Clearance time)을 평가하기 위하여 제안되었다[11]. 모형의 독립변수는 견인차 사용 여부, 관련된 대형 차량의 대수, 과적여부, 액체, 벌크형 화물의 여부, 심각한 상해건수, 노변 시설 훼손, 기상조건이다. Garib 등(1997)은 2개월 동안 205 건의 교통사고자료를 이용하여 유고지속시간을 예측하기 위한 log 기반(Log-based) 모형을 개발하였다.
- 또한 중차량 구성비를 고려하면 차로당 평균 용량은 약 2,000(대/시/차로)이다. 분석구간은 대기차량을 모두 포함할 수 있는 연장인 200km로 설정하였으며, 설정된 돌발상황 시나리오 값을 입력자료로, 각 시나리오별로 돌발상황으로 인한 혼잡이 완전히 해소될 때까지 모의실험을 수행하였다. 또한 시나리오별로 10회 반복 수행한 결과를 이용하여 돌발상황 시나리오별 지ㆍ정체 패턴을 분석하였다.
- 선형회귀모형은 실제 교통사고 자료와 모의시험 자료를 이용한 모형으로 구분하여 고찰하였다. Ozbay & Kachroo(1999)는 미국의 I-880 고속도로 교통사고 자료를 이용하여 교통사고로 인한 지체를 추정하기 위하여 실측 자료를 기반으로 두 개의 다중선형 회귀모형을 개발하였으며, 모형의 구조는 차단 차로수, 관련 차량대수, 지속시간, 교통수요가 증가할수록 지체가 증가하도록 설계되었다[11].
- 연구의 활용도 제고를 위해 기존 투자평가지침과 본 연구에서 제시하는 스마트 교통인프라 평가 방법을 고려할 경우 편익의 변화를 비교/분석하였으며, 과 같다.
- 따라서 본 연구에서는 다양한 첨단 교통서비스 중 안전성 편익에 대한 산정방법을 제시하였다. 이를 위해 돌발상황을 유형구분하고, 이에 대한 지체 시간을 일반적인 모형으로 제시하여 스마트도로로 인한 추가적인 안전성을 추가편익항목으로 계량화하였다. 분석결과, 안전성은 기존 편익(통행시간절감편익)에 대비하여 많은 부분을 차지하지는 않지만, 투자비용 대비 우수한 편익을 도출하는 것으로 나타났다.
- 따라서 본 연구에서는 이를 추가 편익항목으로 계량화하고자 한다. 이를 위해 우선 돌발상황을 유형별로 구분하고, 이에 대한 지체시간을 일반적인 모형으로 제시하였다. 본 연구에서 제시된 투자평가방법(안)을 현재 연구개발이 진행되고 있는 스마트 하이웨이에 적용하여 편익을 산출하고, 그 결과를 현행 투자평가방법론의 편익 규모와 비교/분석하였다.
- 정부는 이러한 사전 타당성 평가의 중요성을 인지하고 ‘교통시설투자평가지침’에 사전 평가에 필요한 다양한 편익 및 비용 지표와 해당 원단위를 제시하고 있다. 해당 지침에서는 통행시간, 차량운행비, 교통사고비용, 대기오염발생량, 온실가스발생량 및 차량소음발생량 감소와 통행시간 신뢰성 향상 등을 편익으로 구분하고 있으며, 이러한 지표와 원단위를 기반으로 신규 교통인프라에 대한 사전 경제성 평가를 수행한다.
대상 데이터
- 적용대상은 스마트하이웨이사업의 후보노선 중 세종∼용인구간으로 선정하였다.
데이터처리
- 이를 위해 우선 돌발상황을 유형별로 구분하고, 이에 대한 지체시간을 일반적인 모형으로 제시하였다. 본 연구에서 제시된 투자평가방법(안)을 현재 연구개발이 진행되고 있는 스마트 하이웨이에 적용하여 편익을 산출하고, 그 결과를 현행 투자평가방법론의 편익 규모와 비교/분석하였다. 스마트하이웨이사업의 후보 중 하나인 세종∼용인구간에 적용한 결과, 안전성 향상으로 인한 편익은 30년 동안 1,392억 원에 이르는 것으로 분석되었다.
이론/모형
- 조건부 확률 모형은 Golob 등(1987)가 지적한 “각각의 돌발상황 단계(Phase)는 이 단계의 돌발상황의 길이에 의해 영향을 받는다”는 돌발상황의 연속성에 기초한다.
- 따라서 모의실험의 정산에 적용된 미시적 교통 파라미터를 설명한 후, 설정된 분석 시나리오에 대해 설명하도록 한다. 차량 시뮬레 이터는 VISSIM를 이용하였으며, 차로별 용량은 2,000(대/시)으로 설정하였다. KHCM은 설계속도 120 kph일 때 용량≦ 2,300(승용차/차로/시), 100 kph의 경우 2,200으로 제시하고 있으나, 실제 용량은 약 2,200 수준이다.
- 확률분포(Probabilistic distribution)모형은 확률밀도함수를 이용하여 돌발 지속시간을 예측하며, 주로 Lognormal, Log-logistic, 그리고 와이블(Weibull)분포를 이용하여 개발되었다. Golob 등(1987)은 332개의 고속도로 본선 사고자료와 193개의 연결부 사고자료를 이용하여 Lognormal 확률분포모형을 제시하였다[5].
성능/효과
- 따라서 설명변수가 지체에 미치는 비선형적인 영향을 나타내기 위해 1차로 구축된 다중선형모형을 음지수모형의 종속변수로 다시 적용한 모형을 개발하였으며, 개발된 비선형 회귀모형은 식 (2)와 같다. 개발된 모형은 지체시간의 비선형적 특성을 반영하므로 다중 선형회귀모형에서 나타나는 지체시간 과다추정 및 과소추정 문제를 해결하였다. 개발모형은 <그림 4>, <그림 5>와 같이 구축자료의 추세를 설명하였으며, 산포도의 결정계수(R2)는 0.
- 개발모형의 적합도 검증결과는 와 같으며, 회귀계수 및 회귀식 검증의 유의수준(%)은 모두 0.0001이하로 나타나 5% 수준에서 매우 양호한 것으로 분석되었으며, 회귀식의 결정계수(R2)는 0.846으로 우수하게 나타났다.
- 따라서 본 연구에서는 돌발상황으로 인한 차량의 지체(초/대)를 예측하기 위한 독립변수로서 돌발상황의 주요변수인 V/C, 돌발지속시간, 그리고 용량감소비율을 이용하였다. 돌발상황으로 인한 평균지체시간을 다중선형 회귀모형으로 1차 평가한 결과, 1,000초 이하의 평균지체에서는 지체를 과다추정하고, 1,500초 이상에서는 지체를 과소 추정하는 문제가 발생하였다. 또한 모형의 구조상 이론적으로 음의 값이 도출될 수 있다.
- 스마트 교통편익중 안전성 향상 편익은 스마트 인프라 시설로 인한 사고 감소율을 10%로 가정하였을 경우, 30년 동안 총 1,392억 원에 이르는 것으로 분석되었다. 따라서 총 편익은 약 4조 3,532억 원으로 현행의 산정방식에 비해 3.3% 증가하였다.
- 모의실험에 의해 분석된 V/C (교통량 대비 용량 비율)에 따른 지ㆍ정체 시간 및 영향을 받는 차량대수는 와 같으며, 사고 1건당 평균 지체시간은 704(초/대), 영향을 받는 차량대수는 1,680(대/차로)로 분석되었다.
- Garib 등(1997)은 2개월 동안 205 건의 교통사고자료를 이용하여 유고지속시간을 예측하기 위한 log 기반(Log-based) 모형을 개발하였다. 모형의 개발에 이용된 6개 주요 독립변수는 영향 차로수, 관련 차량 대수, 트럭관련 여부, 일중 시간대, 경찰 대응 시간, 기상 상태였으며, 모형의 결정계수(R2)는 0.81로 높았다[7].
- 3년간 고속도로 본선에서 발생한 총 5,913건의 교통사고 자료를 이용하여 도로차단시간을 분석하였으며, 공사 등 그 발생 및 작업시간이 예측 가능한 돌발상황은 제외하였다. 분석결과, 돌발상황으로 인한 평균차단시간은 약 38분으로 나타났으며, 전체 사고의 29.9%인 1,767건이 정상통행이 가능한 것으로 분석되었다. 30분 이내 차단은 2,106건으로 전체의 35.
- 이를 위해 돌발상황을 유형구분하고, 이에 대한 지체 시간을 일반적인 모형으로 제시하여 스마트도로로 인한 추가적인 안전성을 추가편익항목으로 계량화하였다. 분석결과, 안전성은 기존 편익(통행시간절감편익)에 대비하여 많은 부분을 차지하지는 않지만, 투자비용 대비 우수한 편익을 도출하는 것으로 나타났다.
- 분석결과, 현재 교통시설 투자평가지침에 의한 세종～용인 구간의 30년간 총 편익은 할인율을 적용하여 약 4조 2,140억 원으로 산정되었다. 스마트 교통편익중 안전성 향상 편익은 스마트 인프라 시설로 인한 사고 감소율을 10%로 가정하였을 경우, 30년 동안 총 1,392억 원에 이르는 것으로 분석되었다.
- 이상의 기존연구 고찰 결과, 일부 모형은 차량의 지ㆍ정체를 예측하지만 대부분의 모형은 돌발상황 지속시간을 예측하여 현장의 운영수준에서 활용하도록 개발되었다. 또한 예측된 돌발상황 지속시간은 전통적으로 적용되는 결정론적 대기행렬법 또는 시뮬레이션의 입력값으로 이용되어 돌발상황으로 인한 차량의 지ㆍ정체 정도를 예측하고 있다.
후속연구
- 그러나 현실적으로 계획단계에서 다양한 교통정보를 수집하는 것은 불가능한 현실이다. 따라서 독립변수를 최소화하고 본 연구의 목적에 적합한 모형의 개발이 필요하다. 본 연구는 스마트 도로의 안전성 향상으로 인한 효과를 사전 평가단계에서 직접적으로 고려가 가능한 방법론을 제시하고자 한다.
- 스마트도로 건설로 인한 통행시간 감소, 차량운행비 감소, 교통사고비용 감소 등과 같은 기존 교통 편익 외에 양방향 교통정보로 인한 지ㆍ정체 및 돌발상황 감소 등의 추가적인 교통편익이 발생할 것으로 판단된다. 교통사고의 감소는 직접적으로 두 가지 효과가 예상되며, 이는 ① 사고 감소에 따른 인한 인적/물적 피해 감소측면과 ② 지ㆍ정체 시간의 감소로 구분할 수 있을 것이다.
- 이동성 및 접근성 중심의 교통인프라 건설에서 탈피하여 지능화된 스마트 교통인프라 건설로 교통인프라의 패러다임이 변화하고 있는 시점에서, 본 연구의 결과는 관련 법ㆍ제도의 수정에 적절한 근거 자료로 활용될 수 있을 것이다. 특히, 본 연구에서 제시한 스마트 교통인프라의 투자평가방법을 활용하여 “투자평가지침(국토해양부)”, “예비타당성조사 지침(기획재정부)” 등의 관련내용을 개선할 수 있을 것으로 판단된다.
- 특히, 본 연구에서 제시한 스마트 교통인프라의 투자평가방법을 활용하여 “투자평가지침(국토해양부)”, “예비타당성조사 지침(기획재정부)” 등의 관련내용을 개선할 수 있을 것으로 판단된다.
- 돌발상황 지체시간은 운영적 요인, 돌발상황 자체 특성, 기타 환경적 요인에 의해 달라질 뿐만 아니라 상류부 교통수요에 의해서도 다양하게 달라지므로, 이러한 다양한 요인에 대한 실제 자료를 확보하기가 어렵다. 특히, 지체시간을 산정하기 위해서는 돌발상황 특성자료 외에 돌발상황 발생구간의 검지기자료들에 대한 상세한 분석이 필요하나, 돌발상황 유형별로 검지기 자료를 확보하기가 어렵고 지체시간 산정에 비효율적으로 많은 시간이 소요될 것으로 판단된다.
- 특히, 본 연구에서 제시한 스마트 교통인프라의 투자평가방법을 활용하여 “투자평가지침(국토해양부)”, “예비타당성조사 지침(기획재정부)” 등의 관련내용을 개선할 수 있을 것으로 판단된다. 향후 스마트 교통인프라로 인한 쾌적성 및 관리성 향상 등 정성적 평가지표들에 대한 연구가 수행되어야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.