V2X 환경에서 위험운전이벤트 검지 및 분석을 통한 교통안전 모니터링기법 개발 Development of Traffic Safety Monitoring Technique by Detection and Analysis of Hazardous Driving Events in V2X Environment원문보기
개별차량의 주행궤적을 모니터링하고 개별차량의 위험운전행태를 검지하여 도로의 안전성을 평가하고 분석하는 것은 사고의 원인 분석 및 예방의 시작이라 할 수 있다. 최근 각종 센서 및 통신기술의 발달은 과거에 비해 보다 미시적이고 폭넓은 교통자료의 취득을 가능하도록 하였다. 이러한 발달된 기술력을 통해 사고 이력자료를 이용할 수밖에 없던 과거와 달리 개별차량의 주행궤적자료를 실시간으로 가공하여 교통상황과 정보를 바로 수집할 수 있는 실시간 모니터링 시스템 환경을 제공할 수 있다. 본 연구에서는 개별차량 주행자료 수집 및 차량-차량간, 차량-인프라간 무선통신이 가능한 차량 내 센서로부터 수집되는 자료를 이용하여 위험운전이벤트를 검지하였다. V2X 통신을 통해 생성된 위험운전 정보를 교통관리센터로 전달하고 도로의 위험도를 산출함으로써 실시간 유비쿼터스 환경에서의 교통안전 모니터링을 통해 도로의 안전성을 평가할 수 있는 기법을 제시하였다. 본 연구에서 제시한 교통안전 모니터링 기법은 실제 테스트베드에 구현되어 테스트 중에 있으며, 실제 구현된 교통안전 모니터링의 적용 사례 및 활용방안에 대하여 소개하고자 한다. 본 연구에서 제시한 교통안전 모니터링 기법은 도로의 전반적인 안전성을 검토함으로써 교통류 관리전략 수립을 위한 기초자료로써 활용될 수 있을 것이며 교통안전증진을 위한 다양한 정책개발 및 평가에 활용할 수 있을 것으로 기대된다.
개별차량의 주행궤적을 모니터링하고 개별차량의 위험운전행태를 검지하여 도로의 안전성을 평가하고 분석하는 것은 사고의 원인 분석 및 예방의 시작이라 할 수 있다. 최근 각종 센서 및 통신기술의 발달은 과거에 비해 보다 미시적이고 폭넓은 교통자료의 취득을 가능하도록 하였다. 이러한 발달된 기술력을 통해 사고 이력자료를 이용할 수밖에 없던 과거와 달리 개별차량의 주행궤적자료를 실시간으로 가공하여 교통상황과 정보를 바로 수집할 수 있는 실시간 모니터링 시스템 환경을 제공할 수 있다. 본 연구에서는 개별차량 주행자료 수집 및 차량-차량간, 차량-인프라간 무선통신이 가능한 차량 내 센서로부터 수집되는 자료를 이용하여 위험운전이벤트를 검지하였다. V2X 통신을 통해 생성된 위험운전 정보를 교통관리센터로 전달하고 도로의 위험도를 산출함으로써 실시간 유비쿼터스 환경에서의 교통안전 모니터링을 통해 도로의 안전성을 평가할 수 있는 기법을 제시하였다. 본 연구에서 제시한 교통안전 모니터링 기법은 실제 테스트베드에 구현되어 테스트 중에 있으며, 실제 구현된 교통안전 모니터링의 적용 사례 및 활용방안에 대하여 소개하고자 한다. 본 연구에서 제시한 교통안전 모니터링 기법은 도로의 전반적인 안전성을 검토함으로써 교통류 관리전략 수립을 위한 기초자료로써 활용될 수 있을 것이며 교통안전증진을 위한 다양한 정책개발 및 평가에 활용할 수 있을 것으로 기대된다.
Traffic management centers (TMC) collect real-time traffic data from the field and have powerful databases for analysing, recording, and archiving the data. Recent advanced sensor and communication technologies have been widely applied to intelligent transportation systems (ITS). Regarding sensors, ...
Traffic management centers (TMC) collect real-time traffic data from the field and have powerful databases for analysing, recording, and archiving the data. Recent advanced sensor and communication technologies have been widely applied to intelligent transportation systems (ITS). Regarding sensors, various in-vehicle sensors, in addition to global positioning system (GPS) receiver, are capable of providing high resolution data representing vehicle maneuverings. Regarding communication technologies, advanced wireless communication technologies including vehicle-to-vehicle (V2V) and vehicle-to-vehicle infrastructure (V2I), which are generally referred to as V2X, have been widely used for traffic information and operations (references). The V2X environment considers the transportation system as a network in which each element, such as the vehicles, infrastructure, and drivers, communicates and reacts systematically to acquire information without any time and/or place restrictions. This study is motivated by needs of exploiting aforementioned cutting-edge technologies for developing smarter transportation services. The proposed system has been implemented in the field and discussed in this study. The proposed system is expected to be used effectively to support the development of various traffic information control strategies for the purpose of enhancing traffic safety on highways.
Traffic management centers (TMC) collect real-time traffic data from the field and have powerful databases for analysing, recording, and archiving the data. Recent advanced sensor and communication technologies have been widely applied to intelligent transportation systems (ITS). Regarding sensors, various in-vehicle sensors, in addition to global positioning system (GPS) receiver, are capable of providing high resolution data representing vehicle maneuverings. Regarding communication technologies, advanced wireless communication technologies including vehicle-to-vehicle (V2V) and vehicle-to-vehicle infrastructure (V2I), which are generally referred to as V2X, have been widely used for traffic information and operations (references). The V2X environment considers the transportation system as a network in which each element, such as the vehicles, infrastructure, and drivers, communicates and reacts systematically to acquire information without any time and/or place restrictions. This study is motivated by needs of exploiting aforementioned cutting-edge technologies for developing smarter transportation services. The proposed system has been implemented in the field and discussed in this study. The proposed system is expected to be used effectively to support the development of various traffic information control strategies for the purpose of enhancing traffic safety on highways.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
교통안전 모니터링 센터는 실제 테스트베드에 구현되어 테스트 중에 있으며, 본 논문에서는 제안된 교통안전 모니터링의 적용 사례 및 활용방안에 대하여 소개하고자 한다.
본 연구에서는 OBU로부터 수집되는 가속도와 각속도를 이용하여 차량의 위험운전을 검지하였다. 수집되는 가속도와 각속도는 <그림 2>와 같이 3개의 축을 기준으로 수집된다.
본 연구에서는 개별차량 주행자료 수집 및 무선통신이 가능한 OBU(On-Board Unit)으로부터 수집되는 자료를 이용하여 위험운전이벤트를 검지하고, 검지된 위험운전이벤트 자료를 이용하여 교통안전 모니터링 지표를 개발함으로써 실시간 유비쿼터스 환경하에서의 교통안전 모니터링을 통해 도로의 안전성을 평가할 수 있는 기법을 제시하였다.
본 연구에서는 도로 구간의 위험운전을 모니터링하기 위해 위험운전 지표(Unsafe Driving Index, UDI)를 개발하였다. 위험운전 지표를 이용한 위험운전 모니터링의 경우 차량의 센서장착비율에 관계없이 모니터링에 사용될 수 있는 지표로, 차량운행 시 나타나는 개별차량의 차량주행 거동분석을 통해 위험운전행태 변수를 도출하고 지표화하여 안전도를 평가하는 방법이다.
본 연구에서는 실제 구축된 교통안전 모니터링 센터에서의 시스템성능 및 서비스 구현정도를 검증하기 위한 로그분석을 수행하였다. 서비스가 안정화된 이후인 2011년 12월부터 2012년 2월까지 수집된 데이터를 이용하여 로그 분석을 수행하였으며, 로그분석은 정보생성, 정보송수신, 정보제공, 운영관리의 4가지 측면에 대하여 수행하였다.
본 연구에서는 차량의 유비쿼터스 환경에서 개별차량의 주행궤적 및 차량거동을 실시간으로 모니터링하여 대상구간의 안전도를 평가하는 기법을 개발하였다.
제안 방법
본 연구에서는 위험운전 유형별 가중치를 산출하기 위하여 설문조사를 통해 가중치를 산출하는 AHP기법을 사용하였으며, 이를 위하여 운전면허를 소지하고 있는 일반인 남자 45명, 여자 15명, 총 60명을 대상으로 설문조사를 실시하였다. AHP기법은 전문가를 대상으로 설문조사를 실시하는 방법이지만, 본 연구에서는 위험운전 판단에 있어서 전문적인 지식이 필요 없다고 판단하여 일반인을 대상으로 설문조사를 수행하였다. 설문조사는 6가지의 위험운전 유형을 쌍대비교 형식을 통해 9점 척도로 조사하였고, 각 응답자의 응답일관성 검증을 하기 위해 10% 미만의 CR 값이 산출된 응답의견을 반영하여 가중치를 산출하였다.
014의 가중치가 산출되어 6가지 위험운전 유형 중 위험도가 가장 낮은 것으로 산출되었다. 개발된 위험운전 지표는 실제 현장에서 발생하는 위험운전 정보를 센터에서 집계하여 구간 별, 시간대 별로 대상 구간의 위험도를 산출하여 실시간으로 대상구간의 안전도를 평가한다.
개별차량 정보 생성주기는 개별차량에서 생성되는 차량주행궤적 자료의 시간차를 산출하여 평가하였으며, 위험운전이벤트 검지 정확도는 실제 위험 운전이벤트와 검지된 위험운전이벤트를 비교하여 검증하였다. 개별차량과 센터간의 정보 송수신 관련 평가지표는 개별차량에서 생성된 정보와 센터에서 수신한 정보를 비교하여 분석하였다.
개별차량 정보 생성주기는 개별차량에서 생성되는 차량주행궤적 자료의 시간차를 산출하여 평가하였으며, 위험운전이벤트 검지 정확도는 실제 위험 운전이벤트와 검지된 위험운전이벤트를 비교하여 검증하였다. 개별차량과 센터간의 정보 송수신 관련 평가지표는 개별차량에서 생성된 정보와 센터에서 수신한 정보를 비교하여 분석하였다. 또한 교통안전 모니터링 지표의 업데이트 주기는 최소 1분으로 설정하여 운영자가 조회하고자 하는 검색단위(분/시간/일/월)를 선택하여 조회할 수 있도록 센터를 구축하였다.
계산된 각 항목의 수치는 의 각 평가지표의 행렬을 구성하며, 각 행 별로 기하평균 하여 그 비율에 따라 가중치를 산출하였다.
기존 연구에서는 위험운전의 행태를 분석하고 검지하는 방법에 대한 연구를 주로 수행하였다. 기존 연구에서는 단순히 위험운전의 행태를 분석하고 검지하였다면, 본 연구에서는 위험운전의 행태를 분석하고 검지할 뿐만 아니라, 차량-차량 간, 차량-인프라 간 무선통신을 통해 이용자 및 운영자에게 정보를 제공한다. 제공된 정보를 이용하여 실시간으로 도로 구간을 모니터링 함으로써, 기존의 이력 자료를 이용한 모니터링보다 신속하고 정확한 정보를 개별운전자들에게 제공함으로써 서비스의 수준을 극대화 할 수 있을 것이다.
사행운전은 운전자가 졸음운전, 음주운전 및 휴대폰 조작 등의 운전자 부주의에 의해 발생하는 운전행태로 후방차량에 대한 급감속, 인접차량에 대한 측면 충돌 등의 위험상황을 유발할 수 있다. 따라서 본 연구에서는 위험운전을 급가속, 급감속, 급차로변경, 급선회, 1차로 사행운전, 2차로 사행운전으로 분류하여 연구를 수행하였다.
또한 교통 안전 모니터링 지표의 업데이트 주기는 최소 1분으로 설정하여 운영자가 조회하고자 하는 검색단위 (분/시간/일/월)를 선택하여 조회할 수 있도록 센터를 구축하였다.
또한 위험운전 정보는 구간별로 집계되어 실시간(분/시간/일/월) 별로 각 구간에서 발생한 위험운전 정보를 조회할 수 있도록 구축되어 있으며 센터 구축현황 및 표출정보를 에 제시하였다.
로그분석을 위한 평가항목에 따른 평가기준 및 평가결과를 에 제시하였다
무선통신이 가능한 OBU가 장착된 차량, 도로변 장치인 RSE를 이용하여 차량-차량 간, 차량-인프라 간, 인프라-센터 간 무선통신을 통해 도로 운전자들의 운전행태, 즉, 위험운전을 검지하여 모니터링하는 방법론을 소개하였다. 위험운전 유형을 급가속, 급감속, 급차로변경, 급선회, 1차로 사행운전, 2차로 사행운전으로 분류한 후, OBU가 장착된 차량으로부터 수집되는 종방향가속도와 횡방향각속도를 이용하여 차량의 위험운전을 검지하였다.
본 연구에서 제안한 교통안전 모니터링 시스템은 실제 테스트 베드에 적용하여 시범사업으로 테스트하고 있다. 2011년 6월 20일부터 남양주시 호평IC~사능IC까지의 약 4.
본 연구에서는 위험운전 검지관련 연구와 교통 안전 모니터링 관련 연구를 위주로 기존문헌을 고찰하였다.
본 연구에서는 위험운전 유형별 가중치를 산출하기 위하여 AHP에서 사용되는 쌍대비교를 통한 설문조사 방법을 이용하였다. 쌍대비교 과정에는 평가자의 판단을 어의적인 표현으로 나타내고 이에 상응하는 적정한 수치를 부여하는 수량화 과정이 포함된다.
본 연구에서는 실제 구축된 교통안전 모니터링 센터에서의 시스템성능 및 서비스 구현정도를 검증하기 위한 로그분석을 수행하였다. 서비스가 안정화된 이후인 2011년 12월부터 2012년 2월까지 수집된 데이터를 이용하여 로그 분석을 수행하였으며, 로그분석은 정보생성, 정보송수신, 정보제공, 운영관리의 4가지 측면에 대하여 수행하였다. 로그분석의 평가기준은 DSRC를 이용한 교통정보시스템 표준 성능시험방법 부문에서 통신정확도 95%이상, 검지정확도 90%이상, 정보제공 정확도 90%이상으로 설정한 기준에 준하여 평가기준을 설정하였다[17].
AHP기법은 전문가를 대상으로 설문조사를 실시하는 방법이지만, 본 연구에서는 위험운전 판단에 있어서 전문적인 지식이 필요 없다고 판단하여 일반인을 대상으로 설문조사를 수행하였다. 설문조사는 6가지의 위험운전 유형을 쌍대비교 형식을 통해 9점 척도로 조사하였고, 각 응답자의 응답일관성 검증을 하기 위해 10% 미만의 CR 값이 산출된 응답의견을 반영하여 가중치를 산출하였다. CR값이 10% 이상인 응답자는 60명 중 34명으로 나타났으며, 나머지 26명 응답자료를 기하평균법으로 계산하여 가중치를 산정하였다.
또한 교통안전 모니터링 지표의 업데이트 주기는 최소 1분으로 설정하여 운영자가 조회하고자 하는 검색단위(분/시간/일/월)를 선택하여 조회할 수 있도록 센터를 구축하였다. 센터로 수집된 교통안전 모니터링 지표는 1년동안 저장이 가능하도록 하였으며, 검색 결과를 다운로드 할 수 있도록 구축하였다. 로그분석결과, 모든 항목이 평가기준에 부합하는 것으로 나타났으며, 향후 교통안전 모니터링센터 운영의 활용 및 적용을 기대할 수 있다.
셋째, 산출된 교통안전 모니터링 지표를 이용하여 운영자가 실시간으로 도로의 구간을 모니터링 하고 운전자에게 도로의 위험정보 및 돌발상황 정보 등의 경고정보를 제공할 수 있도록 교통안전 모니터링 센터를 구축하였다.
무선통신이 가능한 OBU가 장착된 차량, 도로변 장치인 RSE를 이용하여 차량-차량 간, 차량-인프라 간, 인프라-센터 간 무선통신을 통해 도로 운전자들의 운전행태, 즉, 위험운전을 검지하여 모니터링하는 방법론을 소개하였다. 위험운전 유형을 급가속, 급감속, 급차로변경, 급선회, 1차로 사행운전, 2차로 사행운전으로 분류한 후, OBU가 장착된 차량으로부터 수집되는 종방향가속도와 횡방향각속도를 이용하여 차량의 위험운전을 검지하였다. 위험운전을 검지하게 되면 차량-차량 간, 차량-인프라 간, 인프 라-센터 간 무선통신을 통해 대상차량의 위험운전 정보가 센터로 전송이 되며, 센터에서는 위험운전 지표를 산출하게 된다.
수집되는 가속도와 각속도는 <그림 2>와 같이 3개의 축을 기준으로 수집된다. 종방향 가속도를 이용 하여 급가속과 급감속을 검지하였으며, 횡방향 각 속도를 이용하여 급차로변경, 급선회, 1차로 사행운전과 2차로 사행운전을 검지하였다. <그림 3-a>는 일반적인 가·감속과 급가·감속 시 차량의 종방향가속도 변화 패턴을 제시하였으며, <그림 3-b>는 직선구간 정상주행과 사행운전 시 차량의 횡방향각속도 변화 패턴을 제시하였다.
종방향가속도 및 횡방향 각속도의 변화가 클수록 위험도가 높은 위험운전 행태를 나타내며, 본 연구에서는 이러한 가속도와 각속도의 특성을 이용하여 위험운전을 검지하였다.
즉, 교통안전 모니터링 지표를 통해 모니터링 하고자하는 도로구간에서얼마나 많은 위험운전이 발생하고 있는지, 어떤 위험 운전이벤트가 자주 발생하는지 분석하여 도로구간의 특성 및 위험도를 간접적으로 파악할 수 있는 기법을 제시하였다.
첫째, V2V, V2I 무선통신이 가능하며 GPS(Global Positioning System)수신기, 관성측정센서(IMU, Inertial Measurement Unit)가 탑재 되어 있는 OBU로부터 수집되는 개별차량의 가속도 및 각속도 자료를 이용하여 개별차량의 위험운전을 검지하였다.
대상 데이터
본 연구에서 제안한 교통안전 모니터링 시스템은 실제 테스트 베드에 적용하여 시범사업으로 테스트하고 있다. 2011년 6월 20일부터 남양주시 호평IC~사능IC까지의 약 4.5km 구간에 6대의 RSE 시설물을 설치하였으며, OBU를 탑재한 50대의 관용차량을 통해 자료를 수집하고 있다. <그림 5>에 실제 테스트를 위해 설치된 장비들을 제시하였다.
본 연구에서는 위험운전 유형별 가중치를 산출하기 위하여 설문조사를 통해 가중치를 산출하는 AHP기법을 사용하였으며, 이를 위하여 운전면허를 소지하고 있는 일반인 남자 45명, 여자 15명, 총 60명을 대상으로 설문조사를 실시하였다. AHP기법은 전문가를 대상으로 설문조사를 실시하는 방법이지만, 본 연구에서는 위험운전 판단에 있어서 전문적인 지식이 필요 없다고 판단하여 일반인을 대상으로 설문조사를 수행하였다.
데이터처리
셋째, 산출된 교통안전 모니터링 지표를 이용하여 운영자가 실시간으로 도로의 구간을 모니터링 하고 운전자에게 도로의 위험정보 및 돌발상황 정보 등의 경고정보를 제공할 수 있도록 교통안전 모니터링 센터를 구축하였다. 마지막으로, 실제 테스트베드에서 수집된 자료를 이용하여 시스템성능 및 서비스구현 검증을 수행하였다. 교통안전 모니터링 센터는 실제 테스트베드에 구현되어 테스트 중에 있으며, 본 논문에서는 제안된 교통안전 모니터링의 적용 사례 및 활용방안에 대하여 소개하고자 한다.
본 연구에서는 보다 신뢰성 있는 로그분석 결과를 제시하기 위하여 T검정을 이용하여 평가기준과 로그분석의 결과를 비교하여 분석을 수행하였다. 로그분석을 위한 평가항목에 따른 평가기준 및 평가결과를 <표 4>에 제시하였다.
이론/모형
둘째, 계층화분석법(AHP, Analytical HierarchicalMethod)을 통해 교통사고 위험도에 따른 위험운전이벤트 별 가중치를 산정하고, 검지된 개별차량의 위험 운전을 이용하여 위험운전 지표(UDI, Unsafe DrivingIndex)를 산출하여 도로의 교통 안전도를 평가하는 교통안전 모니터링 지표로써 활용하였다.
서비스가 안정화된 이후인 2011년 12월부터 2012년 2월까지 수집된 데이터를 이용하여 로그 분석을 수행하였으며, 로그분석은 정보생성, 정보송수신, 정보제공, 운영관리의 4가지 측면에 대하여 수행하였다. 로그분석의 평가기준은 DSRC를 이용한 교통정보시스템 표준 성능시험방법 부문에서 통신정확도 95%이상, 검지정확도 90%이상, 정보제공 정확도 90%이상으로 설정한 기준에 준하여 평가기준을 설정하였다[17].
가중치 산출 결과 2차로 사행운전이 0.363으로 가장 높은 위험도를 가지는 것으로 나타났으며, 급차로변경이 0.342로 두 번째로 높은 위험도를 가지는 것으로 나타났다. 급가속의 경우는 0.
그 결과 휴대폰 사용 운전자는 졸음운전과 같은 운전 행태를 보였으며, 신호위반, 과속 등의 법규를 지키지 않는 경향을 보이는 것으로 나타났다[3].
위험운전 지표란 대상 구간의 위험도를 모니터링하기 위해 개별차량들의 위험운전 정보를 집계하여 수치적으로 나타낸 값으로, 각 위험운전 유형 별로 가중치를 부여하여 모니터링 지표를 개발하였다. 위험운전 유형 별 가중치는 AHP기법을 이용하여 산출하였으며, 그 결과 6가지 위험운전 유형 중 2차로 사행운전이 0.363으로 가장 높은 위험도를 가지는 것으로 나타났으며, 급차로변경이 0.342로 두 번째로 높은 위험도를 가지는 것으로 나타났다. 급가속의 경우는 0.
이렇게 개발된 위험운전이벤트 검지 알고리즘과 교통안전 모니터링 지표는 실제 테스트베드에 구현되어 구축이 되어 있으며, 실제 수집된 자료를 이용하여 시스템성능 및 서비스구현 정도를 분석한 결과, 총 8가지의 평가지표를 모두 만족하는 것으로 나타났다.
후속연구
첫째, 보다 신뢰성 있는 정보제공을 위하여 1년 이상의 센터 자료를 이용한 추가적인 분석을 수행해야 할 것이며, 현재 50대로 적용중인 테스트베드에 프로브차량을 추가적으로 적용하여 본 연구결과의 일반화를 위한 노력이 필요하다. 둘째, 다양한 위험운전이벤트에 대한 분석을 통해 위험운전이벤트 검지 알고리즘의 보완이 필요하다. 셋째, 위험운전 지표와 사고데이터 및 추종이론(Car-following), 차로변경이론(Lane-change model) 등의 교통류 이론을 기반으로 한 추가분석이 수행되어야 할 것이다.
따라서 발달된 기술력을 통해 사고 이력자료를 이용할 수밖에 없던 과거와 달리 개별차량의 주행궤적자료를 실시간으로 가공하여 교통상황과 정보를 바로 수집할 수 있는 실시간 모니터링 시스템 환경을 제공할 수 있을 것이다
또한 개별차량의 위험운전 정보를 센터에서 집계하여 대상구간을 모니터링하는 기법이기 때문에, 개별차량의 운전행태를 모니터링 할 수 있다. 따라서 버스 운전자들의 안전운전을 유도하여 대중교통 서비스의 질을 향상시키며, 사고를 미연에 방지하고, 위험구간을 파악하여 대중교통 노선 수립 시 유용하게 활용될 수 있을 것으로 기대된다. 또한 모니터링 정보를 인프라-차량 간 무선통신을 통해 개별차량에게 도로의 상황을 전달함으로써 보다 정밀한 도로의 위험운전 상황이나 돌발상황 정보제공을 통해 대형 연쇄추돌 사고 및 이로 인한 정체 예방에 기여할 것으로 기대된다.
기존에 여러 지자치구에서 교통관리센터를 구축하여 운영하고 있지만, 교통안전에 대한 모니터링은 시행되고 있지 않다. 따라서 본 연구에서 제시한 교통안전 모니터링 시스템은 기존에 구축되어 있는 교통관리센터에 추가 적용하여 추가 비용 없이 도로의 전반적인 안전성을 검토함으로써 교통류 관리 전략 수립을 위한 기초자료로써 활용될 수 있을 것이며 교통안전증진을 위한 다양한 정책개발 및 평가에 활용할 수 있을 것으로 기대된다.
본 연구에서 제시한 교통안전 모니터링기법은 실시간으로 도로의 상황을 모니터링 할 수 있기 때문에 운영관리자 측면에서 교통안전 기본계획 및 수립, 관련 정책의 평가에 효과적으로 활용될 수 있다. 또한 교통 상황의 지속적인 모니터링 및 분석·평가를 통해 이용자 및 운영자에게 유용한 정보를 제공할 수 있으며, 위험운전 지표를 이용하여 도로의 안전성 평가시 새로운 기준으로 사용할 수 있을 것으로 기대된다. 또한 개별차량의 위험운전 정보를 센터에서 집계하여 대상구간을 모니터링하는 기법이기 때문에, 개별차량의 운전행태를 모니터링 할 수 있다.
제공된 정보를 이용하여 실시간으로 도로 구간을 모니터링 함으로써, 기존의 이력 자료를 이용한 모니터링보다 신속하고 정확한 정보를 개별운전자들에게 제공함으로써 서비스의 수준을 극대화 할 수 있을 것이다. 또한 기존에는 도로의 모니터링 정보를 불특정 다수를 대상으로 서비스를 제공하였지만, 본 연구에서 제시한 방법론은 모니터링 정보를 인프라-차량 간 무선통신을 통해 기기의 제약에 관계없이 개인이 소유한 여러 기기를 기반으로 서비스를 제공할 수 있을 것이다.
따라서 버스 운전자들의 안전운전을 유도하여 대중교통 서비스의 질을 향상시키며, 사고를 미연에 방지하고, 위험구간을 파악하여 대중교통 노선 수립 시 유용하게 활용될 수 있을 것으로 기대된다. 또한 모니터링 정보를 인프라-차량 간 무선통신을 통해 개별차량에게 도로의 상황을 전달함으로써 보다 정밀한 도로의 위험운전 상황이나 돌발상황 정보제공을 통해 대형 연쇄추돌 사고 및 이로 인한 정체 예방에 기여할 것으로 기대된다.
센터로 수집된 교통안전 모니터링 지표는 1년동안 저장이 가능하도록 하였으며, 검색 결과를 다운로드 할 수 있도록 구축하였다. 로그분석결과, 모든 항목이 평가기준에 부합하는 것으로 나타났으며, 향후 교통안전 모니터링센터 운영의 활용 및 적용을 기대할 수 있다.
셋째, 위험운전 지표와 사고데이터 및 추종이론(Car-following), 차로변경이론(Lane-change model) 등의 교통류 이론을 기반으로 한 추가분석이 수행되어야 할 것이다. 마지막으로, 교통안전 모니터링 지표와 도로 기하구조 및 교통소통상황을 통합적으로 고려하여 적용할 수 있는 새로운 모니터링 지표 개발을 통해 통합 모니터링을 가능하도록 할 수 있을 것이다.
본 연구에서 제시한 교통안전 모니터링 기법을 발전시키고, 일반화하여 적용하기 위해서는 아래와 같은 추가적인 연구가 필요하다. 첫째, 보다 신뢰성 있는 정보제공을 위하여 1년 이상의 센터 자료를 이용한 추가적인 분석을 수행해야 할 것이며, 현재 50대로 적용중인 테스트베드에 프로브차량을 추가적으로 적용하여 본 연구결과의 일반화를 위한 노력이 필요하다.
본 연구에서 제시한 교통안전 모니터링기법은 실시간으로 도로의 상황을 모니터링 할 수 있기 때문에 운영관리자 측면에서 교통안전 기본계획 및 수립, 관련 정책의 평가에 효과적으로 활용될 수 있다. 또한 교통 상황의 지속적인 모니터링 및 분석·평가를 통해 이용자 및 운영자에게 유용한 정보를 제공할 수 있으며, 위험운전 지표를 이용하여 도로의 안전성 평가시 새로운 기준으로 사용할 수 있을 것으로 기대된다.
둘째, 다양한 위험운전이벤트에 대한 분석을 통해 위험운전이벤트 검지 알고리즘의 보완이 필요하다. 셋째, 위험운전 지표와 사고데이터 및 추종이론(Car-following), 차로변경이론(Lane-change model) 등의 교통류 이론을 기반으로 한 추가분석이 수행되어야 할 것이다. 마지막으로, 교통안전 모니터링 지표와 도로 기하구조 및 교통소통상황을 통합적으로 고려하여 적용할 수 있는 새로운 모니터링 지표 개발을 통해 통합 모니터링을 가능하도록 할 수 있을 것이다.
센터로 수집된 개별차량 주행궤적 자료 및 위험운전 정보는 차량의 위치정보 및 교통안전 모니터링 지표로써 센터 상황판에 표출되어 다양한 집계단위별(분/시간/일/ 월)로 조회할 수 있다. 이는 교통류의 안전도를 실시간으로 모니터링 하여 도로의 안전도평가를 지원하는 새로운 도구로 사용가능하며, 안전도 향상을 위한 실시간 교통류 관리전략 수립을 위한 기초자료로 활용될 수 있다.
기존 연구에서는 단순히 위험운전의 행태를 분석하고 검지하였다면, 본 연구에서는 위험운전의 행태를 분석하고 검지할 뿐만 아니라, 차량-차량 간, 차량-인프라 간 무선통신을 통해 이용자 및 운영자에게 정보를 제공한다. 제공된 정보를 이용하여 실시간으로 도로 구간을 모니터링 함으로써, 기존의 이력 자료를 이용한 모니터링보다 신속하고 정확한 정보를 개별운전자들에게 제공함으로써 서비스의 수준을 극대화 할 수 있을 것이다. 또한 기존에는 도로의 모니터링 정보를 불특정 다수를 대상으로 서비스를 제공하였지만, 본 연구에서 제시한 방법론은 모니터링 정보를 인프라-차량 간 무선통신을 통해 기기의 제약에 관계없이 개인이 소유한 여러 기기를 기반으로 서비스를 제공할 수 있을 것이다.
본 연구에서 제시한 교통안전 모니터링 기법을 발전시키고, 일반화하여 적용하기 위해서는 아래와 같은 추가적인 연구가 필요하다. 첫째, 보다 신뢰성 있는 정보제공을 위하여 1년 이상의 센터 자료를 이용한 추가적인 분석을 수행해야 할 것이며, 현재 50대로 적용중인 테스트베드에 프로브차량을 추가적으로 적용하여 본 연구결과의 일반화를 위한 노력이 필요하다. 둘째, 다양한 위험운전이벤트에 대한 분석을 통해 위험운전이벤트 검지 알고리즘의 보완이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
본 연구에서 제안하는 교통안전 모니터링 시스템이란?
본 연구에서 제안하는 교통안전 모니터링 시스템은 개별차량의 주행행태 자료를 실시간으로 수집 하고 분석하여 대상구간의 안전도를 평가하고 도로의 돌발상황 등의 경고정보를 제공하기 위한 교통 안전 관리시스템이다. 교통안전 모니터링 시스템은 자료수집 및 분석, 정보전달, 센터표출의 세 부분으로 구성되어 있으며 시스템에 대한 개념도를 <그림 1>에 제시하였다.
교통안전 모니터링 시스템은 어떻게 구성되어 있는가?
본 연구에서 제안하는 교통안전 모니터링 시스템은 개별차량의 주행행태 자료를 실시간으로 수집 하고 분석하여 대상구간의 안전도를 평가하고 도로의 돌발상황 등의 경고정보를 제공하기 위한 교통 안전 관리시스템이다. 교통안전 모니터링 시스템은 자료수집 및 분석, 정보전달, 센터표출의 세 부분으로 구성되어 있으며 시스템에 대한 개념도를 <그림 1>에 제시하였다. 시스템 구성요소에는 GPS수신기와 관성측정장치가 탑재되어있는 OBU, 차량-인프라 간 무선통신이 가능한 도로변 장치(RSE, Roadside Equipment), 교통안전을 모니터링하기 위한 교통관리센터(TMC, Transportation Management Center)가 있다.
교통안전 모니터링 기법을 발전시키고 일반화하여 적용하기 위해서 추가되어야 하는 연구는 무엇인가?
본 연구에서 제시한 교통안전 모니터링 기법을 발전시키고, 일반화하여 적용하기 위해서는 아래와 같은 추가적인 연구가 필요하다. 첫째, 보다 신뢰성 있는 정보제공을 위하여 1년 이상의 센터 자료를 이용한 추가적인 분석을 수행해야 할 것이며, 현재 50대로 적용중인 테스트베드에 프로브차량을 추가적으로 적용하여 본 연구결과의 일반화를 위한 노력이 필요하다. 둘째, 다양한 위험운전이벤트에 대한 분석을 통해 위험운전이벤트 검지 알고리즘의 보완이 필요하다. 셋째, 위험운전 지표와 사고데이터 및 추종이론(Car-following), 차로변경이론(Lane-change model) 등의 교통류 이론을 기반으로 한 추가분석이 수행되어야 할 것이다. 마지막으로, 교통안전 모니터링 지표와 도로 기하구조 및 교통소통상황을 통합적으로 고려하여 적용할 수 있는 새로운 모니터링 지표 개발을 통해 통합 모니터링을 가능하도록 할 수 있을 것이다.
K. H. Beck, F. Yan and M. Q. Wang, "Cell phone users, reported crash risk, unsafe driving behaviors and dispositions: A survey of motorists in Maryland," Journal of Safety Research 38 (2007) 683-688, 2007
W. Valaar, H. Simpson and R. Robertson, "A perceptual map for understanding concern about unsafe driving behaviours," Accident Analysis and Preventation 40(2008), pp.1667-1673, June 2008.
오주택, 조준희, 이상용, 김영삼, "위험운전 유형에 따른 임계값 개발," 한국도로학회, 한국도로학회 논문집, 제 11권, 제 1호, pp.69-83, March 2009.
Peter I.J. Wouters and John M.J. Bos, "Traffic accident reduction by monitoring driver behaviour with in-car data recorders," Accident Analysis and Prevent 32 (2000), pp.643-650, September 2000.
배기만, 박근영, 이동진, 임정식, 이상룡, 이춘영, "지능형 단말기를 사용한 탱크로리 운행 안전 모니터링 시스템 개발," 한국가스학회, 한국가스 학회지, 제12권, 제2호, pp.42-47, June 2008.
A. S. Lund and M. L. Pack, "Dynamic Wide-Area Congestion and Incident Monitoring Using Probe Data," Transportation Research Record, no. 1876, pp.1-9, 2010.
J. Wang, W. Xu and Y. Gong, "Real-time driving danger-level prediction," Engineering Applications of Artificial Intelligence, vol. 23, issue 8, pp.1247-1254. December 2010.
C. Oh, E. Jung, H. Rim, K. Kang and Y. Kang, "Inter-vehicle Safety Warning Information System for Unsafe Driving Events: Methodology and Prototypical Implementation," Transportation Research Board annual meeting, January 2012.
G. A. Miller, "The magical number seven, plus or minus two: some limits on our capacity for processing information," Psychological Rev, vol. 63, pp.61-97, March 1956.
T. L. Saaty and E. Ervener, "A new approach to performance measurement - the analytic hierarchy process," Design Methods and Theories, vol. 13, no. 2, pp.64-72, 1979.
u-Transportation 체계종합기술 개발 최종보고서 (u-T 기반 교통안전서비스 구현 지원 및 검증), 한국건설 교통기술평가원, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.