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 현재 BIS가 구축되어 운영중인 울산광역시의 하루 동안의 BIS 데이터를 모두 확보하였으며 일반차량의 교차로 지체시간을 실험 차량 주행조사법을 이용하여 수집된 BIS 데이터와 동일한 날짜에 현장조사를 통해 조사하였다.
- 본 연구는 BIS시스템의 실시간 수집데이터를 이용하여 교차로의 지체시간을 산정하기 위한 연구로 기본적으로 BIS시스템의 데이터가 필수적으로 필요하며 또한 일반차량의 교차로에서의 지체시간에 대한 현장조사가 필요하다.
- 본 연구에서는 BIS가 운영 중인 울산광역시의 삼산로를 대상으로 실시간 수집되고 있는 BIS데이터를 이용하여 지체시간을 산정하기 위한 연구를 수행하였다. 도시내 링크구간의 다양한 교통량 변화를 반영한 분석을 위해 VISSIM 5.
- 본 연구에서는 GPS 위치데이터를 분석 및 가공하여 생성된 정보를 이용자에게 제공하기 직전의 분석데이터를 활용하여 연구를 수행하였다.
- 본 연구에서는 시뮬레이션 결과가 충분히 현실을 반영할 수 있도록 하기 위해 현재 운영중인 도시가로를 대상으로 충분한 현장조사를 실시하였으며 조사된 데이터를 바탕으로 현실과 가능한 유사한 도로조건, 교통조건, 신호운영조건이 되도록 시뮬레이션을 구축하였다.
- 이러한 측면에서 본 연구에서는 실시간 교통조건을 반영하고 있을 것으로 예상되는 BIS시스템의 실시간 주행데이터를 이용하여 기존 지체모형의 한계를 극복하고 실시간으로 지체시간을 산정할 수 있는 거시적 지체모형을 구축하고자 한다.
- 이러한 현실을 고려하여 본 연구에서는 BIS 운행 데이터를 이용하여 보다 다양한 교통분야에 활용할 수 있는 방안에 대한 연구를 수행하고자 하였으며 특히 도시교통관리에 필수적으로 요구되는 효과척도인 지체시간을 산정하는 연구를 수행하였다.
가설 설정
- BIS 운행데이터에서 서비스시간을 제외한 버스 통행시간을 구축된 모형에 대입하여 산출된 지체시간값과 현장조사를 통해 조사된 지체시간값으로 연구가설을 설정하였으며 분석결과는 와 같다.
제안 방법
- 2. 지체시간 산정모형은 거시적 통계모형인 회귀 모형을 적용하였으며 버스통행시간(Bt)에서 버스정류장서비스시간(BSt)를 제외한 값을 설명변수로 직선모형, 지수모형, 거듭제곱모형, 로그모형 등을 적용하여 분석하였다. 분석결과 직선모형이 0.
- 지체시간에 대한 조사는 현장조사를 통해 수집하였으며 현장조사방법은 실험차량 주행조사법을 이용하였다. 구체적인 조사방법을 살펴보면 승용차에 GPS수신기를 장착하고 조사대상 구간인 삼산로를 주행하면서 GPS 위치데이터를 1초 간격으로 조사하였다. 조사데이터는 PDA에 연결시켜 저장한 다음 후처리를 통해 링크 구간에서의 지체시간을 분석하였다.
- 구축된 모형의 통계적 검증 및 적용성에 대한 분석을 위해서 분석대상 가로의 하루 동안 운행된 모든 노선버스에 대한 BIS실시간 수집데이터와 수집된 BIS 운행데이터와 동일한 날짜에 실험차량 주행 조사법을 이용하여 현장조사 된 데이터를 활용하여 분석을 수행하였다.
- 따라서 본 연구에서는 BIS시스템에서 수집되고 있는 항목 중 지체시간과 가장 상관성이 높을 것으로 예상되는 버스통행시간 항목을 설명변수로 이용하기 위해 시뮬레이션을 통해 노선버스의 통행시간과 일반차량의 지체시간 데이터를 수집하여 상관성을 분석한 후 거시적 모형인 회귀분석을 통해 지체 시간 산정모형을 구축하였다.
- 따라서 본 연구에서는 BIS시스템에서 실시간 수집되고 있는 노선버스의 운행데이터를 분석한 후 일반차량의 통행특성과 비교․분석하여 지체시간 산정에 대한 연구를 수행하였으며 최종적으로 BIS 운행데이터를 이용하여 실시간으로 지체시간을 산정하는 모형을 구축하였다.
- 따라서 본 연구에서는 교통량의 변화에 따른 영향을 반영한 지체시간 산정모형 구축을 위해 시뮬레이션 소프트웨어를 이용하였다. 시뮬레이션 시나리오에 따라 다양하게 포화도(v/c)를 변화시켜 데이터를 수집하였으며 시뮬레이션 결과로 수집된 데이터를 이용하여 모형을 구축하고 BIS데이터 및 현장 조사데이터를 이용하여 모형을 검증하는 방식으로 연구를 수행하였다.
- 따라서 본 연구에서는 회귀분석 결과를 바탕으로 식 (1)과 같이 직선모형을 지체산정모형으로 제시하였다.
- 모형의 구축을 위한 자료의 수집 및 분석은 일반 차량의 지체시간 데이터를 충분히 확보하기 위해 연구대상 가로를 대상으로 시뮬레이션 분석을 실시하였다.
- 본 연구결과 구축된 지체시간 추정모형을 통계적으로 검증하기 위해 실시간으로 수집되고 있는 BIS 운행데이터와 현장조사를 통해 수집된 지체시간을 이용하여 분석하였다. 현재 구축되어 운영 중인 BIS에서 실시간으로 수집되고 있는 버스 통행시간 데이터에서 버스 서비스시간을 제외한 후 모형에 적용하고 산출된 모형 추정 값과 실험차량 주행조사법으로 현장조사한 지체시간 값을 비교․분석하여 검증을 실시하였다.
- 시뮬레이션 분석을 위하여 수집된 데이터를 바탕으로 과 같이 시뮬레이션 시나리오를 구성하였다.
- 따라서 본 연구에서는 교통량의 변화에 따른 영향을 반영한 지체시간 산정모형 구축을 위해 시뮬레이션 소프트웨어를 이용하였다. 시뮬레이션 시나리오에 따라 다양하게 포화도(v/c)를 변화시켜 데이터를 수집하였으며 시뮬레이션 결과로 수집된 데이터를 이용하여 모형을 구축하고 BIS데이터 및 현장 조사데이터를 이용하여 모형을 검증하는 방식으로 연구를 수행하였다.
- 신호교차로에서 가·감속을 고려한 접근지체를 구하기 위해 접근로에 차량이 정지할 때까지 걸리는 감속시간과 정지한 차량이 처음의 자유속도로 돌아가기까지 걸리는 가속시간을 현장으로부터 산출하여 지체값을 산정한 후 HCM 2000의 모형식과 비교․분석하였다[8].
- 최장옥(2001)은 BIS 자료를 이용한 버스통행시간을 예측하였다. 이 연구는 부천시의 BIS를 이용하여 버스통행시간 예측모형을 구축하고 통행시간 예측력을 추정하였으며 역전파 알고리즘을 이용한 신경망이론을 사용하여 버스통행시간을 예측하였다[4].
- 이를 바탕으로 시뮬레이션을 통해 수집된 데이터를 분석하여 노선버스의 통행시간 데이터를 설명 변수로 하는 교차로 지체시간 산정모형을 구축하였으며 실시간 BIS 운행데이터와 현장조사 한 지체시간 값으로 지체산정모형을 검증하였다. 본 연구결과를 요약하면 다음과 같다.
- 구체적인 조사방법을 살펴보면 승용차에 GPS수신기를 장착하고 조사대상 구간인 삼산로를 주행하면서 GPS 위치데이터를 1초 간격으로 조사하였다. 조사데이터는 PDA에 연결시켜 저장한 다음 후처리를 통해 링크 구간에서의 지체시간을 분석하였다.
- 지체시간에 대한 조사는 현장조사를 통해 수집하였으며 현장조사방법은 실험차량 주행조사법을 이용하였다. 구체적인 조사방법을 살펴보면 승용차에 GPS수신기를 장착하고 조사대상 구간인 삼산로를 주행하면서 GPS 위치데이터를 1초 간격으로 조사하였다.
- 현장조사의 시간적범위는 첨두시간과 비첨두시간으로 구분하여 조사하였으며 첨두시간은 17∼18시에 조사하였으며 비첨두시간은 12∼13시에 조사를 실시하여 총 2시간 동안 조사를 수행하였다.
- 본 연구결과 구축된 지체시간 추정모형을 통계적으로 검증하기 위해 실시간으로 수집되고 있는 BIS 운행데이터와 현장조사를 통해 수집된 지체시간을 이용하여 분석하였다. 현재 구축되어 운영 중인 BIS에서 실시간으로 수집되고 있는 버스 통행시간 데이터에서 버스 서비스시간을 제외한 후 모형에 적용하고 산출된 모형 추정 값과 실험차량 주행조사법으로 현장조사한 지체시간 값을 비교․분석하여 검증을 실시하였다.
대상 데이터
- 본 연구는 현재 BIS시스템이 구축되어 운영 중인 도시의 주요간선도로를 대상으로 하였으며 본 연구대상 가로는 총 13개 링크로 구성되어 있다.
- 분석대상 교차로는 울산광역시의 도심 주요간선도로인 삼산로의 13개 링크이며 도로의 기하구조, 신호운영 현황에 대한 조사도 실시하였다.
- 시뮬레이션 모형구축은 현실에 부합하는 모형을 구축하기 위하여 본 연구의 대상가로인 울산광역시 삼산로를 적용하였으며 시뮬레이션 상의 배경은 위성지도인 *.bitmap file과 *.
- dwg file을 사용하였다. 신호운영현황은 울산광역시 ITS 하부시스템인 실시간 신호제어시스템에서 수집된 데이터를 적용하였다. 시뮬레이션 분석을 위하여 수집된 데이터를 바탕으로 <표 1>과 같이 시뮬레이션 시나리오를 구성하였다.
데이터처리
- 4. 구축된 추정모형의 통계적 검증을 위해 T-Test를 실시하였다. 분석결과 귀무가설을 기각하지 못하는 것으로 나타나 95% 신뢰수준에서 추정모형이 통계적으로 유의한 결과를 나타내는 것으로 분석되었다.
- BIS가 구축되어 운영 중인 울산광역시의 삼산로와 동일한 네트워크를 구축하여 산출되어진 서비스를 제외한 버스 통행시간을 설명변수로 거시적 분석 모형인 회귀모형을 구축하였으며 모형구축은 산점도 분석과 선형 및 곡선추정 회귀분석 위해서 PASW Statistics 18.0을 활용하여 수행하였다.
- 구축된 모형에 BIS 수집자료를 적용하여 지체시간을 산정하고 현장조사를 통해 수집된 실험주행차량의 지체시간을 비교․분석하는 방법으로 구축된 모형의 적합성에 대한 통계적 검증을 실시하였다.
- 본 연구에서는 BIS가 운영 중인 울산광역시의 삼산로를 대상으로 실시간 수집되고 있는 BIS데이터를 이용하여 지체시간을 산정하기 위한 연구를 수행하였다. 도시내 링크구간의 다양한 교통량 변화를 반영한 분석을 위해 VISSIM 5.20을 이용하여 시뮬레이션을 실시하였다.
- 서비스시간을 제외한 버스 통행시간과 일반차량 지체시간의 특성분석 결과에 따르면 두 변수 사이에 상관성이 있을 것이라 판단된다. 따라서 서비스 시간을 제외한 버스 통행시간과 일반차량 지체시간간의 직접적인 연관성을 알아보기 위하여 통계소프트웨어인 PASW Statistics 18.0을 이용하여 Pearson의 상관분석을 실시하였다.
- 본 연구결과 추정된 모형의 신뢰성을 통계적으로 검증하기 위해 통계소프트웨어인 PASW Statistics 18.0을 이용하여 T-test를 실시하였다.
- 시뮬레이션 분석을 통해 수집된 데이터가 현실을 충분히 반영하고 있는지 검토하기 위해 시뮬레이션을 통해 수집된 통행시간 분포와 실제 대상가로를 주행한 노선버스의 통행시간 분포를 대응표본이 어떤 동질성이 유지된다는 가정을 바탕으로 한 대응표본 T검정을 통해 통계적 검증을 실시하였다.
- 지체시간 산정모형을 구축하기 위하여 설명변수인 서비스시간을 제외한 버스 통행시간과 목적변수인 지체시간의 상관관계를 네가지 모형을 적용하여 회귀분석을 실시하였다.
이론/모형
- 본 연구에서 사용한 시뮬레이션 소프트웨어는 현재 유럽을 비롯한 70여 국가에서 교통류 분석프로그램으로 활용되고 있으며 도시교통과 대중교통 적용 모형에 시뮬레이션 모형을 근간으로 하여 차량의 통행시간과 평균통행속도, 교통량에 따른 지체도 등 다양한 측면에서 측정이 가능하며 차로의 구성과 교통신호 등을 분석할 수 있고 교통공학과 계획 측면에서 유효성이 검증된 VISSIM 5.20을 사용하였다.
성능/효과
- 1. Pearson의 단순 상관분석 결과에 따르면 서비스시간을 제외한 버스 통행시간과 일반차량 지체시간의 단순 상관계수는 0.909이고 유의확률이 0.000이므로 유의한 관련성이 있는 것으로 분석되었다. 유의성 검정결과 유의수준 0.
- 3. 교통소통 상황이 양호한 경우에는 높은 가속 능력으로 차량이 주행하면서 지체시간이 존재하지 않지만 교통소통 상황이 열악해질수록 통행시간이 증가하고 따라서 지체시간이 증가하는 직선의 형태 로 나타낸 것으로 판단된다.
- T-Test를 수행한 결과 P-value가 α=0.05보다 큰 것으로 분석되었다.
- 네가지 모형의 회귀분석을 실시한 결과 직선모형의 결정계수(R2)가 0.826으로 가장 높게 나타났으며 다음으로 거듭제곱모형, 로그모형, 지수모형의 순으로 분석되었다.
- 따라서 본 연구결과로 구축된 추정모형은 통계적으로 유의하다는 것을 증명하고 있는 것이다. 즉, 모형추정 값과 현장조사 값은 차이가 없으므로 95% 신뢰수준에서 추정값이 통계적으로 유의한 것으로 분석되었다.
- 구축된 추정모형의 통계적 검증을 위해 T-Test를 실시하였다. 분석결과 귀무가설을 기각하지 못하는 것으로 나타나 95% 신뢰수준에서 추정모형이 통계적으로 유의한 결과를 나타내는 것으로 분석되었다. 추정모형을 이용한 추정값과 현장조사 결과 값을 P-P도표 나타낸 결과 현장조사 값과 모형추정 값의 지체시간의 차이 값들이 y=x 직선에 가깝게 분포하기 때문에 정규성의 가정을 만족하는 것으로 분석되었다.
- 지체시간 산정모형은 거시적 통계모형인 회귀 모형을 적용하였으며 버스통행시간(Bt)에서 버스정류장서비스시간(BSt)를 제외한 값을 설명변수로 직선모형, 지수모형, 거듭제곱모형, 로그모형 등을 적용하여 분석하였다. 분석결과 직선모형이 0.826으로 가장 높은 결정계수 나타내는 것으로 분석되었다.
- 분석결과 총 13개 링크 모두 통계적으로 차이가 없다는 귀무가설을 기각하지 못하는 것으로 나타나 시뮬레이션이 현실을 충분히 반영하고 있는 것으로 나타났다. 분석결과는 <표 2>와 같다.
- 서비스시간을 제외한 버스 통행시간과 일반차량 지체시간의 상관분석 결과에 따라 두 변수 간의 상관관계가 매우 높은 것으로 나타나 서비스시간을 제외한 버스 통행시간을 설명변수로 하는 일반차량 지체시간 산정이 가능할 것으로 판단된다.
- 시뮬레이션의 현실 반영정도를 분석하기 위해 시뮬레이션 결과와 BIS데이터를 통계적으로 검정한 결과 시뮬레이션 모형이 현실을 충분히 반영하는 것으로 분석되었다.
- 000이므로 유의한 관련성이 있는 것으로 분석되었다. 유의성 검정 결과 유의수준 0.01에서 유의함으로 두 변수간의 상관관계는 매우 유의한 것으로 나타났다
- 000이므로 유의한 관련성이 있는 것으로 분석되었다. 유의성 검정결과 유의수준 0.01에서 유의함으로 두 변수간의 상관관계는 유의한 것으로 나타났다.
- 이영우(2010)는 BIS 운행데이터를 이용하여 상류부 교차로에서 동일한 녹색신호시간에 링크로 진입하여 운행 중인 교통류가 하류부교차로에서 정차하지 않고 통과하는 차량과 황색 및 적색신호로 인하여 정차하여 적색신호시간동안 대기하였다가 통과하는 크게 두 개의 군집형태로 나누어 실시간 일반 차량 링크통행시간 추정모형을 구축하였다[6,7]. 이 연구결과를 살펴보면 링크의 통행시간은 결과적으로 교차로에서의 지체로 인해 통행시간이 2개의 군집으로 구분된다는 사실을 알 수 있으며 따라서 BIS시스템에서 수집되고 있는 데이터를 이용하여 교차로에서의 지체시간을 산정할 수 있는 가능성을 확인할 수 있다.
- 따라서 본 연구결과로 구축된 추정모형은 통계적으로 유의하다는 것을 증명하고 있는 것이다. 즉, 모형추정 값과 현장조사 값은 차이가 없으므로 95% 신뢰수준에서 추정값이 통계적으로 유의한 것으로 분석되었다.
- 분석결과 귀무가설을 기각하지 못하는 것으로 나타나 95% 신뢰수준에서 추정모형이 통계적으로 유의한 결과를 나타내는 것으로 분석되었다. 추정모형을 이용한 추정값과 현장조사 결과 값을 P-P도표 나타낸 결과 현장조사 값과 모형추정 값의 지체시간의 차이 값들이 y=x 직선에 가깝게 분포하기 때문에 정규성의 가정을 만족하는 것으로 분석되었다.
후속연구
- BIS 수집데이터를 이용하여 실시간으로 도시가로의 지체시간을 산정할 수 있다면 도시교통관리에 많은 도움이 될 것으로 예상되며 기존 BIS시스템의 활용도를 극대화시키고 시스템의 효율을 증대시키는 효과를 기대할 수 있을 것이다.
- 노선버스는 도시내 대부분의 주요도로를 주행하고 있으며 BIS는 도심의 주요도로를 주행하는 노선버스의 운행정보를 실시간으로 수집․관리하고 있기 때문에 BIS운행정보는 도시내 주요도로의 다양한 교통정보를 포함하고 있다. 따라서 BIS를 통해 실시간으로 수집되고 있는 각종 교통정보는 보다 많은 교통분야에 활용 될 수 있을 것으로 기대된다.
- 링크를 통행하는 버스는 다양한 도로조건, 교통 조건, 신호조건에 따른 영향을 잠재적으로 포함하고 있을 것으로 예상되지만 향후 노선버스의 운행에 영향을 미치지 못하면서 신호교차로의 지체시간에 영향을 줄 수 있는 다양한 변수들에 대한 도입을 통해 다중공선성의 문제가 발생하지 않으면서 보다 정확한 추정이 가능한 모형 구축을 위한 추가적인 연구가 필요할 것으로 판단된다.
- 본 연구결과는 BIS에서 실시간으로 수집되고 있는 데이터를 이용하여 신호교차로에서의 일반차량 지체시간을 추정하고 도시교통관리, 교통정보의 제공 등에 충분히 활용될 수 있을 것이다.
- 본 연구에서 BIS자료는 충분한 데이터를 확보하였으나 일반차량의 지체시간은 실험차량조사법에 의해 수집되어 링크를 통행하는 많은 차량의 데이터를 확보하지 못해 대표성을 확보하는데 다소 미흡한 한계를 가지고 있으며 시뮬레이션 분석에서 교통량의 변화만을 반영한 한계를 가지고 있다.
- 수집된 데이터는 방대한 양이긴 하지만 다양하게 변화하는 교통상황를 모두 반영하는데는 한계가 있었으며 주어진 가로의 기하구조 및 신호운영 조건에서의 교통조건의 변화를 모두 구현하기에는 한계가 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.