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 국내의 교통류 상황에 적합하도록 속도의 변화와 속도 표준편차의 변화에 따른 사고율의 변화를 살펴보고, 속도 자료를 이용한 사고율 예측 모형 개발에 초점을 두고 연구를 수행하였다.
- 본 연구에서는 개별차량의 속도와 사고율간의 관계가 아닌 구간별 속도의 특성을 이용하여 사고율과의 관계를 도출하였으므로 기존연구에서 구간속도와 사고율에 관련된 연구를 참고로 하여 모형을 수립하였다. 본 연구에서는 Baruya(1994)와 Taylor 등(2000)에 의한 모형을 초기모형구조로 설정하였으며, 기존연구에서 도출한 속도와 사고율간의 관계식을 <표 2>에 제시하였다.
- 본 연구에서는 경부고속도로의 속도자료와 교통사고 자료를 이용하여 속도와 교통사고 간의 관계에 대한 모형식을 제시하였다. 사고건수를 이용해 사고율을 계산하여 종속변수로 설정하였다.
- 본 연구에서는 교통사고예측 및 속도변화와 사고위험의 관계와 관련된 기존연구 고찰을 수행하였다.
- 본 연구에서는 속도 표준편차가 증가함에 따라 교통사고 발생 건수, 즉 사고율이 증가한다는 기존에 일반화된 사실을 정량화 할 수 있도록 모형을 제시하였다. 본 연구에서 제시한 모형을 이용하여 속도의 변화에 의한 사고율의 변화를 단기간에 평가함으로써 현재의 교통상황에 대한 위험도 분석 및 교통안전도 평가를 수행 할 수 있을 것이다.
- 본 연구에서는 속도의 특성이 교통사고에 미치는 영향을 분석하기 위해 2005~2009년 경부고속도로 천안~양재 구간에서 발생한 사고자료와 구간별 루프검지기 자료를 기초로 사고율과 속도와의 관계를 분석하였다. 천안~양재 구간을 12개의 인터체인지와 분기점, 요금소를 기준으로 양방향 총 22구간으로 분류하여 연구를 수행하였으며 분석구간과 분석구간에 대한 정보를<표 1>에 제시하였다.
- 본 연구에서는 속도의 특성이 교통사고에 미치는 영향을 분석하기 위해 차량의 속도와 교통사고 발생간의 연관성을 중점적으로 검토하였다. 고속도로에서 발생하는 교통사고와 속도와의 관계를 도출하기 위해 2005~2009년 5년간의 경부고속도로 천안~양재 구간을 12개의 인터체인지를 기준으로 양방향 총 22구간으로 분류하였으며, 대상구간에서 발생한 차-시설, 차량단독, 추돌, 충돌 4가지 유형의 486건의 사고자료와 구간별 루프검지기 자료를 기초로 분석을 수행하였다.
제안 방법
- 본 연구에서는 속도의 특성이 교통사고에 미치는 영향을 분석하기 위해 차량의 속도와 교통사고 발생간의 연관성을 중점적으로 검토하였다. 고속도로에서 발생하는 교통사고와 속도와의 관계를 도출하기 위해 2005~2009년 5년간의 경부고속도로 천안~양재 구간을 12개의 인터체인지를 기준으로 양방향 총 22구간으로 분류하였으며, 대상구간에서 발생한 차-시설, 차량단독, 추돌, 충돌 4가지 유형의 486건의 사고자료와 구간별 루프검지기 자료를 기초로 분석을 수행하였다. 구간별 속도의 중앙 집중화 경향(Central tendency)을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15 percentile의 값을 산출하였으며, 변동성(Variability)을 나타내는 표준편차, 변동계수(평균/표준편차), 최대값-최소값, 최대값-평균, 평균-최소값, 85percentile15percentile을 산출하였다.
- 구간별 사고율 산출 후 사고율이 0인 구간, 즉 사고가 발생하지 않은 구간은 분석구간에서 제외시킨 후, 앞서 산출한 속도의 중앙 집중화 경향을 나타내는 변수와, 변동성을 나타내는 변수, 구간정보를 나타내는 변수를 독립변수로 설정하고 사고율을 종속변수로 설정하여 사고율과 속도와의 관계를 수립하였다. <그림 1>에 본 연구의 흐름도를 제시하였다.
- 국외의 속도변화와 사고위험 간 관계 관련 연구에서는 평균속도와 속도 표준편차가 증가하면 사고율도 증가한다고 제시하고 있지만, 국내연구에서는 속도와 사고위험간의 관계 수립이 미흡한 실정이다. 따라서 본 연구에서는 검지기 속도자료와 고속도로 사고 자료를 이용하여 속도를 이용한 고속도로 구간 사고율 예측모형을 수립하였다.
- Baruya의 모형에서 사용한 변수는 속도의 특성만을 사용한 Taylor의 모형과 달리 제한속도, 교통량, 구간길이, 차로폭 등의 구간정보도 함께 사용하여 모형을 수립하였다. 따라서 본 연구에서는 구간정보(Croad)와 속도의 특성을 함께 분석하는 경우(Case 1)와 검지기에서 수집할 수 있는 속도자료만으로 분석하는 경우(Case 2)에 대하여 분석을 수행하였다.
- 구간별 속도의 중앙 집중화 경향(Central tendency)을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15 percentile의 값을 산출하였으며, 변동성(Variability)을 나타내는 표준편차, 변동계수(평균/표준편차), 최대값-최소값, 최대값-평균, 평균-최소값, 85percentile15percentile을 산출하였다. 또한 연평균 일 교통량, 구간길이, 차로폭 등의 정보를 이용하여 구간정보를 나타내는 변수를 산출하여 사고율에 영향을 미치는 요인을 찾고 이를 이용하여 속도와 사고위험간의 관계를 분석하였다.
- 본 연구에서 개발된 모형의 사고율 예측 정확성을 검증하기 위해 실제 사고자료를 이용하여 산출한 사고율과 개발 모형을 통한 예측치 간의 상관성을 분석하였다. 분석결과 실제사고율과 모형에 의해 산출된 사고율간의 상관계수(유의확률)가 0.
- 본 연구에서 개발한 속도와 사고율 모형을 이용하여 2010년 3~5월, 10월, 11월 부산방향 경부고속도로 천안~양재 구간별 사고율을 예측해 보았다. 사고자료를 이용하여 산출한 실제 사고율과 예측된 사고율간의 관계를 산점도와 상관분석을 통해 분석하였다.
- 본 연구에서는 경부고속도로의 속도자료와 교통사고 자료를 이용하여 속도와 교통사고 간의 관계에 대한 모형식을 제시하였다. 사고건수를 이용해 사고율을 계산하여 종속변수로 설정하였다. 검지기 속도 자료를 15분 단위로 집계하여 연도별 구간별로 분류한 후, 속도의 중앙 집중화 경향을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15percentile을 산출하였고, 변동성을 나타내는 표준편차, 변동계수(표준편차/평균), 최대값최소값, 최대값-평균, 평균-최소값, 85percentile-15 percentile을 산출하였다.
- 검지기 속도 자료를 15분 단위로 집계하여 연도별 구간별로 분류한 후, 속도의 중앙 집중화 경향을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15percentile을 산출하였고, 변동성을 나타내는 표준편차, 변동계수(표준편차/평균), 최대값최소값, 최대값-평균, 평균-최소값, 85percentile-15 percentile을 산출하였다. 연평균 일 교통량, 구간길이, 제한속도 등의 도로 구간 정보를 이용하여 Croad를 산출하여 속도의 특성과 도로 구간정보인 Croad를 독립변수로 설정한 Case 1과 속도의 특성만을 독립변수로 설정한 Case 2의 두 가지 경우에 대하여 분석을 수행하였다. 속도자료를 이용하여 산출한 독립변수 후보를 이용하여 Stepwise기법으로 변수를 선택한 결과, Case 1의 경우 Croad와 중앙값, 표준편차가 채택되었으며, Case 2의 경우 중앙값과 최소값, 표준편차가 채택되었다.
- 기존 연구(Baruya, Taylor 등)에서는 단순선형 모형 보다는 곱셈모형이 속도와 교통사고의 관계를 더 잘 나타내며, 속도평균, 표준편차와 사고율의 관계 모형을 거듭제곱 함수와 지수함수 형식으로 제시하고 있다. 이에 본 연구에서는 속도의 중앙 집중화 경향에 관련된 변수는 거듭제곱 형식으로 표현하였으며, 변동치 관련 계수는 지수형식으로 표현하여 모형식에 적용하였다.
- 따라서 본 연구에서는 여러 변수선택방법중 일반적으로 가장 널리 사용되는 Stepwise기법을 사용하여 변수를 선택하였다. 종속변수를 ln(사고율)로 설정하고, 독립변수를 Case 1의 경우 속도의 중앙집중화 경향을 나타내는 변수와 변동성을 나타내는 변수, 구간정보를 나타내는 Croad변수를 이용하였으며, Case 2의 경우 속도와 관련된 변수만을 사용하여 모형을 수립하였다.
- 천안~양재 구간을 12개의 인터체인지와 분기점, 요금소를 기준으로 양방향 총 22구간으로 분류하여 연구를 수행하였으며 분석구간과 분석구간에 대한 정보를에 제시하였다.
- 도로유형을 도시 내 혼잡도로, 시내도로, 교외도로, 외곽 고속도로로 구분하여 분석을 시행하였으며, 도로유형에 상관없이 평균속도가 커질수록 사고빈도가 증가한다는 결과를 제시하였다. 혼잡도로에서 사고빈도수와 사고증가율이 높게 나타났으며, 속도의 표준편차와 평균속도를 고려한 사고빈도 산출 모형을 지수함수로 제시하였다. Zheng 등(2010)은 고속도로 구간 교통사고 자료를 이용하여 사고발생 가능성과 속도의 표준편차와의 영향을 Case-control 방법을 이용하여 분석하였다.
대상 데이터
- 따라서 전체 속도자료를 이용하여 15분 단위로 집계하여 연도별 구간별로 분류한 후 중앙 집중화 경향을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15percentile을 산출하였고, 변동성을 나타내는 표준편차, 변동계수, 최대값-최소값, 최대값-평균, 평균-최소값, 85percentile- 15percentile을 산출하였다. 교통사고자료는 사고유형별 분류를 통해 차량 속도와 관련이 없는 차대사람, 화재, 기타사고를 제외한 차-시설, 차량 단독, 추돌, 충돌 사고자료만을 이용하였다. 또한 등급별 분류를 통해 사고등급 C등급 이상의 사고자료만을 이용하였다.
- C급은 부상 1명 이상, 도로시설물 피해액 30만원 이상, 관련차량 3대 이상 사고 중 하나에 해당한 경우로 정의하고 있으며, D급 사고는 그 외의 사고가 해당된다. 따라서 부산방향 241건, 서울방향 245건, 총 486건(5년)의 사고자료를 이용하였으며, 교통량에 비하여 사고건수가 매우 작기 때문에 본 연구에서는 사고율을 산출하여 연구를 수행하였다. 사고율(AR: Accident Rate) 산출식은 식(1)과 같다.
- 교통사고자료는 사고유형별 분류를 통해 차량 속도와 관련이 없는 차대사람, 화재, 기타사고를 제외한 차-시설, 차량 단독, 추돌, 충돌 사고자료만을 이용하였다. 또한 등급별 분류를 통해 사고등급 C등급 이상의 사고자료만을 이용하였다. 고속도로 사고등급은 한국도로공사(2005)에서 사고의 심각도에 따라 정한 등급으로 A급은 사망 3명이상, 사상 10명이상, 부상 20명이상, 도로시설물 피해액 1,000만원, 관련차량이 10대 이상이거나, 5대 이상 사망사고중 하나에 해당한 경우로 정하고 있다.
- 본 연구에서는 차량의 속도와 사고율 간의 관계 수립을 목표로 설정하였기 때문에 검지기로부터 수집된 교통량, 속도, 점유율 자료 중 속도자료만을 이용하였다. 속도자료는 차량간의 간섭이 없는 상황을 반영하기 위해 LOS C이상의 교통류 상태의 속도만 추출하여 분석을 수행하였으나, 지점검지기 자료의 한계 및 자료의 부족 등의 이유로 통계적으로 유의한 모형이 수립되지 않았다.
데이터처리
- 사고건수를 이용해 사고율을 계산하여 종속변수로 설정하였다. 검지기 속도 자료를 15분 단위로 집계하여 연도별 구간별로 분류한 후, 속도의 중앙 집중화 경향을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15percentile을 산출하였고, 변동성을 나타내는 표준편차, 변동계수(표준편차/평균), 최대값최소값, 최대값-평균, 평균-최소값, 85percentile-15 percentile을 산출하였다. 연평균 일 교통량, 구간길이, 제한속도 등의 도로 구간 정보를 이용하여 Croad를 산출하여 속도의 특성과 도로 구간정보인 Croad를 독립변수로 설정한 Case 1과 속도의 특성만을 독립변수로 설정한 Case 2의 두 가지 경우에 대하여 분석을 수행하였다.
- 고속도로에서 발생하는 교통사고와 속도와의 관계를 도출하기 위해 2005~2009년 5년간의 경부고속도로 천안~양재 구간을 12개의 인터체인지를 기준으로 양방향 총 22구간으로 분류하였으며, 대상구간에서 발생한 차-시설, 차량단독, 추돌, 충돌 4가지 유형의 486건의 사고자료와 구간별 루프검지기 자료를 기초로 분석을 수행하였다. 구간별 속도의 중앙 집중화 경향(Central tendency)을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15 percentile의 값을 산출하였으며, 변동성(Variability)을 나타내는 표준편차, 변동계수(평균/표준편차), 최대값-최소값, 최대값-평균, 평균-최소값, 85percentile15percentile을 산출하였다. 또한 연평균 일 교통량, 구간길이, 차로폭 등의 정보를 이용하여 구간정보를 나타내는 변수를 산출하여 사고율에 영향을 미치는 요인을 찾고 이를 이용하여 속도와 사고위험간의 관계를 분석하였다.
- 속도자료는 차량간의 간섭이 없는 상황을 반영하기 위해 LOS C이상의 교통류 상태의 속도만 추출하여 분석을 수행하였으나, 지점검지기 자료의 한계 및 자료의 부족 등의 이유로 통계적으로 유의한 모형이 수립되지 않았다. 따라서 전체 속도자료를 이용하여 15분 단위로 집계하여 연도별 구간별로 분류한 후 중앙 집중화 경향을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15percentile을 산출하였고, 변동성을 나타내는 표준편차, 변동계수, 최대값-최소값, 최대값-평균, 평균-최소값, 85percentile- 15percentile을 산출하였다. 교통사고자료는 사고유형별 분류를 통해 차량 속도와 관련이 없는 차대사람, 화재, 기타사고를 제외한 차-시설, 차량 단독, 추돌, 충돌 사고자료만을 이용하였다.
- 본 연구에서 개발한 속도와 사고율 모형을 이용하여 2010년 3~5월, 10월, 11월 부산방향 경부고속도로 천안~양재 구간별 사고율을 예측해 보았다. 사고자료를 이용하여 산출한 실제 사고율과 예측된 사고율간의 관계를 산점도와 상관분석을 통해 분석하였다. <그림 3>에 실제 사고율과 예측 사고율간의 관계를 산점도로 제시하였다.
- 선형회귀 분석을 이용하여 모형을 수립하기 위해 로그함수를 적용하였으며, 식(2)와 식(3)과 같은 방법으로 속도의 변화와 사고율간의 관계를 분석하여 모형을 수립하였다.
이론/모형
- 그 결과 <표 3>과 같이 모형의 회귀계수가 통계적으로 유의한 것으로 나타났다. Baruya의 모형에서 사용한 변수는 속도의 특성만을 사용한 Taylor의 모형과 달리 제한속도, 교통량, 구간길이, 차로폭 등의 구간정보도 함께 사용하여 모형을 수립하였다. 따라서 본 연구에서는 구간정보(Croad)와 속도의 특성을 함께 분석하는 경우(Case 1)와 검지기에서 수집할 수 있는 속도자료만으로 분석하는 경우(Case 2)에 대하여 분석을 수행하였다.
- 독립변수가 많을수록 모형의 이식성이 떨어지고, 독립변수와 종속변수간의 관계가 불명확해지므로 변수선택법을 이용하여 사고율과 관계가 명확한 변수를 선택해야한다. 따라서 본 연구에서는 여러 변수선택방법중 일반적으로 가장 널리 사용되는 Stepwise기법을 사용하여 변수를 선택하였다. 종속변수를 ln(사고율)로 설정하고, 독립변수를 Case 1의 경우 속도의 중앙집중화 경향을 나타내는 변수와 변동성을 나타내는 변수, 구간정보를 나타내는 Croad변수를 이용하였으며, Case 2의 경우 속도와 관련된 변수만을 사용하여 모형을 수립하였다.
- 본 연구에서는 Baruya(1994)와 Taylor 등(2000)에 의한 모형을 초기모형구조로 설정하였으며, 기존연구에서 도출한 속도와 사고율간의 관계식을 에 제시하였다.
- 초기모형구조를 선정하기 위해 Baruya와 Taylor가 제시한 모형에 2005~2009년 경부고속도로 천안~양재 구간별 자료를 이용하여 사고율 모형을 도출하였다. 그 결과 <표 3>과 같이 모형의 회귀계수가 통계적으로 유의한 것으로 나타났다.
성능/효과
- 그러나 Case 1의 경우 모형이 현실과 상이한 결과가 도출되어 최종 모형식은 Case 2로 설정하였다. Case 2에서 선택된 변수인 중앙값과 최소값, 표준편차를 독립변수로 설정하고 사고율을 종속변수로 설정하여 모형을 수립한 결과 식(5)와 같이 모형이 수립되었으며, 속도와 사고율간의 관계는 중앙값과 최소값, 표준편차의 값이 증가하면 사고율도 증가하며, 속도의 표준편차가 사고율에 가장 큰 영향을 미치는 것으로 확인되었다. 본 연구에서 제시한 모형의 적합도를 확인하기 위해 실제 사고율과 예측 사고율을 비교해본 결과 상관계수(유의확률)가 0.
- 곡선부 주행 시 차량의 속도와 해당 도로구간의 교통사고자료를 비교 · 분석하여 평면곡선 내의 속도변화와 교통사고발생간의 관계를 규명하였으며, 곡선부에서의 속도변화폭이 클수록 사고위험성과 사고발생건수가 높다는 결론을 제시하였다.
- 국내외의 기존문헌을 검토한 결과 속도가 감소하는 경우에 사고비율이 감소하며, 속도의 표준편차가 감소하면 사고의 비율이 감소한다는 것을 확인 할 수 있었다. 또한 속도에 따라 반드시 사고가 증가하지는 않으며, 속도의 분산이 증가하는 경우에 사고율이 증가한다는 결론을 제시하였다.
- 실제 검지기 자료를 모형에 적용하여 사고율을 산출한 결과, 전체적으로 사고율이 실제 값보다 낮게 예측 되는 것을 확인할 수 있었다. 그러나 실제 사고율과 예측 사고율간의 Pearson상관계수는 0.823로 관측치와 예측치 간의 상관도가 높아 실제 사고율과 예측 사고율의 경향이 높은 선형 상관관계를 보이는 것을 확인할 수가 있다. 따라서 본 모형을 이용하여 사고율 예측시 실제 사고율과는 차이가 있겠지만, 상대적으로 위험한 구간을 예측할 때 효과적으로 활용될 수 있을 것으로 기대된다.
- 하태준과 이석(2002)은 속도분산차, 차량진행방향 가속도차, 곡선반경방향 가속도차를 이용하여 새로운 안전성 평가방법을 제안하였다. 기존의 안전성평가 방법과 비교한 결과, 제안된 방법이 보다 적절하며, 속도 분산이 도로의 위험도(EDPO)와 통계적으로 유의한 상관관계를 나타내었다고 제시하였다. Solomon(1964)은 Case-control방법을 이용하여 속도군 분류에 따른 사고율을 비교하였다.
- Taylor 등(2000)은 속도의 표준편차와 사고빈도와의 관련성을 제시하였다. 도로유형을 도시 내 혼잡도로, 시내도로, 교외도로, 외곽 고속도로로 구분하여 분석을 시행하였으며, 도로유형에 상관없이 평균속도가 커질수록 사고빈도가 증가한다는 결과를 제시하였다. 혼잡도로에서 사고빈도수와 사고증가율이 높게 나타났으며, 속도의 표준편차와 평균속도를 고려한 사고빈도 산출 모형을 지수함수로 제시하였다.
- 국내외의 기존문헌을 검토한 결과 속도가 감소하는 경우에 사고비율이 감소하며, 속도의 표준편차가 감소하면 사고의 비율이 감소한다는 것을 확인 할 수 있었다. 또한 속도에 따라 반드시 사고가 증가하지는 않으며, 속도의 분산이 증가하는 경우에 사고율이 증가한다는 결론을 제시하였다. 국외에서는 속도와 사고와의 관계 연구가 활발히 진행되고 있지만, 국내의 경우는 속도와 사고와의 관계 연구 보다는 도로기하구조에 따른 사고발생 관련 연구가 주로 진행되고 있음을 확인할 수 있었다.
- 모형수립 결과 사고율에 영향을 미치는 변수는 속도의 중앙값, 최소값, 표준편차로 설정이 되었고, 중앙값, 최소값, 표준편차가 증가하면 사고율이 증가한다는 사실을 확인했다. 또한 중앙값, 최소값, 표준편차 중 표준편차의 표준화계수가 0.683으로 속도의 표준편차가 사고율에 가장 큰 영향을 미치고, 중앙값, 최소값 순으로 사고율에 영향을 미치는 것으로 확인되었다.
- 모형수립 결과 사고율에 영향을 미치는 변수는 속도의 중앙값, 최소값, 표준편차로 설정이 되었고, 중앙값, 최소값, 표준편차가 증가하면 사고율이 증가한다는 사실을 확인했다. 또한 중앙값, 최소값, 표준편차 중 표준편차의 표준화계수가 0.
- Case 2에서 선택된 변수인 중앙값과 최소값, 표준편차를 독립변수로 설정하고 사고율을 종속변수로 설정하여 모형을 수립한 결과 식(5)와 같이 모형이 수립되었으며, 속도와 사고율간의 관계는 중앙값과 최소값, 표준편차의 값이 증가하면 사고율도 증가하며, 속도의 표준편차가 사고율에 가장 큰 영향을 미치는 것으로 확인되었다. 본 연구에서 제시한 모형의 적합도를 확인하기 위해 실제 사고율과 예측 사고율을 비교해본 결과 상관계수(유의확률)가 0.610(0.000)으로 만족스러운 결과를 얻을 수 있었다. 본 연구에서 개발한 모형에 2010년 3~5월, 10월, 11월 경부고속도로 검지기 자료를 이용하여 사고율을 예측한 결과 전체적으로 실제 값 보다 낮게 예측되는 것으로 나타났지만, 실제 사고율과의 경향은 유사한 것으로 나타나 구간별 상대적인 값을 비교하여 위험구간 예측시 활용될 수 있을 것으로 보인다.
- 본 연구에서 개발된 모형의 사고율 예측 정확성을 검증하기 위해 실제 사고자료를 이용하여 산출한 사고율과 개발 모형을 통한 예측치 간의 상관성을 분석하였다. 분석결과 실제사고율과 모형에 의해 산출된 사고율간의 상관계수(유의확률)가 0.610(0.000)으로 나타났다. 이는 크게 높은 값은 아니지만 국내 기존 연구에 속도와 사고율 예측 모형을 개발한 사례가 거의 없으며, 사고는 복합 적인 요인에 의해 무작위로 드물게 발생하는 이벤트로, 예측하기 어려운 점을 감안하면 우수한 예측력을 보인다고 할 수 있다.
- Zheng 등(2010)은 고속도로 구간 교통사고 자료를 이용하여 사고발생 가능성과 속도의 표준편차와의 영향을 Case-control 방법을 이용하여 분석하였다. 분석결과, 속도표준편차의 승산비는 평균 1.08로, 속도의 표준편차가 1mph로 증가 시에는 사고발생 확률이 8% 증가한다는 결론을 제시하였다.
- 본 연구에서는 차량의 속도와 사고율 간의 관계 수립을 목표로 설정하였기 때문에 검지기로부터 수집된 교통량, 속도, 점유율 자료 중 속도자료만을 이용하였다. 속도자료는 차량간의 간섭이 없는 상황을 반영하기 위해 LOS C이상의 교통류 상태의 속도만 추출하여 분석을 수행하였으나, 지점검지기 자료의 한계 및 자료의 부족 등의 이유로 통계적으로 유의한 모형이 수립되지 않았다. 따라서 전체 속도자료를 이용하여 15분 단위로 집계하여 연도별 구간별로 분류한 후 중앙 집중화 경향을 나타내는 평균, 중앙값, 최대값, 최소값, 85percentile, 15percentile을 산출하였고, 변동성을 나타내는 표준편차, 변동계수, 최대값-최소값, 최대값-평균, 평균-최소값, 85percentile- 15percentile을 산출하였다.
- <그림 3>에 실제 사고율과 예측 사고율간의 관계를 산점도로 제시하였다. 실제 검지기 자료를 모형에 적용하여 사고율을 산출한 결과, 전체적으로 사고율이 실제 값보다 낮게 예측 되는 것을 확인할 수 있었다. 그러나 실제 사고율과 예측 사고율간의 Pearson상관계수는 0.
- Solomon(1964)은 Case-control방법을 이용하여 속도군 분류에 따른 사고율을 비교하였다. 주행속도가 교통류의 속도보다 10kph 이상의 차이가 발생하는 경우 사고발생 가능성이 높다는 결론을 제시하였다. Nilsson(1982)은 평균속도의 변화 시 예측되는 사고발생 및 인명 피해를 평균 속도 함수로서 나타낸 결과, 사고율은 사고 전 · 후의 평균 속도 변화비의 제곱에 비례하고 부상사고는 3제곱, 사망사고는 4제곱에 비례한다는 결과를 제시하였다.
후속연구
- 823로 관측치와 예측치 간의 상관도가 높아 실제 사고율과 예측 사고율의 경향이 높은 선형 상관관계를 보이는 것을 확인할 수가 있다. 따라서 본 모형을 이용하여 사고율 예측시 실제 사고율과는 차이가 있겠지만, 상대적으로 위험한 구간을 예측할 때 효과적으로 활용될 수 있을 것으로 기대된다.
- 또한 사고건수와 사고율로 분석하는 방법에 대한 추가검토와 사고심각도와 속도와의 관계에 대한 추가적인 분석이 필요하다. 또한 본 연구에서는 인터체인지, 분기점, 요금소 기준으로 구간을 세분화 하여 연구를 수행하였으나, 도로의 구간을 세분화하는 방법은 다양한 기준이 있기 때문에 다양한 구간분류를 통한 추가연구가 필요하다.
- 현재 고속도로에서도 지점검지기를 이용하여 가공한 정보를 제공하고 있지만, 하이패스와 같은 DSRC(Dedicated Short Range Communication) 단말기 보급률이 확산됨에 따라 향후 DSRC로부터 수집되는 자료를 이용한 분석이 필요하다. 또한 사고건수와 사고율로 분석하는 방법에 대한 추가검토와 사고심각도와 속도와의 관계에 대한 추가적인 분석이 필요하다. 또한 본 연구에서는 인터체인지, 분기점, 요금소 기준으로 구간을 세분화 하여 연구를 수행하였으나, 도로의 구간을 세분화하는 방법은 다양한 기준이 있기 때문에 다양한 구간분류를 통한 추가연구가 필요하다.
- 본 연구에서 제시한 모형을 이용하여 속도의 변화에 의한 사고율의 변화를 단기간에 평가함으로써 현재의 교통상황에 대한 위험도 분석 및 교통안전도 평가를 수행 할 수 있을 것이다. 또한 여러 속도정책대안에 따른 효과를 비교하여 보다 효과적인 속도정책대안 수립에 기여할 것으로 기대되며, 합리적인 제한속도 설정 및 여건 변화에 따른 지속적 재조정, 모니터링을 통한 사후평가시 활용하여 교통안전성 확보와 효율적인 속도정책의 시행에 기여할 수 있을 것으로 기대된다.
- 000)으로 만족스러운 결과를 얻을 수 있었다. 본 연구에서 개발한 모형에 2010년 3~5월, 10월, 11월 경부고속도로 검지기 자료를 이용하여 사고율을 예측한 결과 전체적으로 실제 값 보다 낮게 예측되는 것으로 나타났지만, 실제 사고율과의 경향은 유사한 것으로 나타나 구간별 상대적인 값을 비교하여 위험구간 예측시 활용될 수 있을 것으로 보인다.
- 본 연구에서 나타난 한계점을 보완하고, 보다 신뢰성 있는 모형을 수립하기 위해서는 지점속도를 수집하는 루프검지기 자료뿐만 아니라 구간속도의 자료를 이용한 분석이 필요하다. 현재 고속도로에서도 지점검지기를 이용하여 가공한 정보를 제공하고 있지만, 하이패스와 같은 DSRC(Dedicated Short Range Communication) 단말기 보급률이 확산됨에 따라 향후 DSRC로부터 수집되는 자료를 이용한 분석이 필요하다.
- 본 연구에서는 속도 표준편차가 증가함에 따라 교통사고 발생 건수, 즉 사고율이 증가한다는 기존에 일반화된 사실을 정량화 할 수 있도록 모형을 제시하였다. 본 연구에서 제시한 모형을 이용하여 속도의 변화에 의한 사고율의 변화를 단기간에 평가함으로써 현재의 교통상황에 대한 위험도 분석 및 교통안전도 평가를 수행 할 수 있을 것이다. 또한 여러 속도정책대안에 따른 효과를 비교하여 보다 효과적인 속도정책대안 수립에 기여할 것으로 기대되며, 합리적인 제한속도 설정 및 여건 변화에 따른 지속적 재조정, 모니터링을 통한 사후평가시 활용하여 교통안전성 확보와 효율적인 속도정책의 시행에 기여할 수 있을 것으로 기대된다.
- 본 연구에서 나타난 한계점을 보완하고, 보다 신뢰성 있는 모형을 수립하기 위해서는 지점속도를 수집하는 루프검지기 자료뿐만 아니라 구간속도의 자료를 이용한 분석이 필요하다. 현재 고속도로에서도 지점검지기를 이용하여 가공한 정보를 제공하고 있지만, 하이패스와 같은 DSRC(Dedicated Short Range Communication) 단말기 보급률이 확산됨에 따라 향후 DSRC로부터 수집되는 자료를 이용한 분석이 필요하다. 또한 사고건수와 사고율로 분석하는 방법에 대한 추가검토와 사고심각도와 속도와의 관계에 대한 추가적인 분석이 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.