본 연구에서는 일반국도 수시조사 지점의 AADT 추정값의 정확도를 높이기 위하여 새로운 그룹핑방법을 제시하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정 하므로 상시조사 지점을 그룹핑할 때 상기 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다. 이 방법은 기존의 월보정계수와 요일보정계수만을 이용하여 그룹핑한것과 비교하여 시간대별 교통량을 적용한 것에 있어서 차이가 있다. 그룹핑 결과 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타났다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 매우 크다고 판단된다.
본 연구에서는 일반국도 수시조사 지점의 AADT 추정값의 정확도를 높이기 위하여 새로운 그룹핑방법을 제시하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정 하므로 상시조사 지점을 그룹핑할 때 상기 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다. 이 방법은 기존의 월보정계수와 요일보정계수만을 이용하여 그룹핑한것과 비교하여 시간대별 교통량을 적용한 것에 있어서 차이가 있다. 그룹핑 결과 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타났다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 매우 크다고 판단된다.
This study shows how to estimate AADT(Annual Average Daily Traffic) on temporary count data using new grouping method. This study deals with clustering permanent traffic counts using monthly adjustment factor, daily adjustment factor and a percentage of hourly volume. This study uses a percentage of...
This study shows how to estimate AADT(Annual Average Daily Traffic) on temporary count data using new grouping method. This study deals with clustering permanent traffic counts using monthly adjustment factor, daily adjustment factor and a percentage of hourly volume. This study uses a percentage of hourly volume comparing with other studies. Cluster analysis is used and 5 groups is suitable. First, make average of monthly adjustment factor, average of daily adjustment factor, a percentage of hourly volume for each group. Next estimate AADT using 24 hour volume(not holiday) and two adjustment factors. Goodness of fit test is used to find what groups are applicable. MAPE(Mean Absolute Percentage Error) is 8.7% in this method. It is under 1.5% comparing with other method(using adjustment factors in same section). This method is better than other studies because it can apply all temporary counts data.
This study shows how to estimate AADT(Annual Average Daily Traffic) on temporary count data using new grouping method. This study deals with clustering permanent traffic counts using monthly adjustment factor, daily adjustment factor and a percentage of hourly volume. This study uses a percentage of hourly volume comparing with other studies. Cluster analysis is used and 5 groups is suitable. First, make average of monthly adjustment factor, average of daily adjustment factor, a percentage of hourly volume for each group. Next estimate AADT using 24 hour volume(not holiday) and two adjustment factors. Goodness of fit test is used to find what groups are applicable. MAPE(Mean Absolute Percentage Error) is 8.7% in this method. It is under 1.5% comparing with other method(using adjustment factors in same section). This method is better than other studies because it can apply all temporary counts data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 수시조사 지점의 AADT 추정을 위하여 보정계수들을 그룹핑하여 연평균 일교통량을 산출하는 방법에 대해 다루고자 한다. 현재 수시조사 지점에서 수집되는 자료는 1년 1~5회의 시간대별 교통량 자료와 차종비율 자료이다.
국토해양부에서 시행하고 있는 교통량조사는 크게 일반국도의 상시조사, 수시조사와 고속국도 지방도의 10월 셋째 주 목요일에 시행되는 수시조사로 나누어진다. 상시조사란 특정 지점에 교통량 조사장비를 설치하여 장기간의 교통량을 조사함으로써, 해당 지점의 교통 변동에 대해 월별, 계절별 특성을 포함하여 시계열적으로 파악하는데 목적이 있다. 수시조사는 기본 교통량 자료가 필요하다고 판단되는 모든 구간에 대하여 광범위하게 실시하는 조사로서, 전체적인 도로 이용 상황을 파악하기 위한 조사이다.
시간대별 교통량 자료를 활용하여 그룹핑한 방법과 기존 방법을 비교·분석하여 AADT추정 정확도와 적용가능성에 대하여 검토하고자 한다.
수시조사는 기본 교통량 자료가 필요하다고 판단되는 모든 구간에 대하여 광범위하게 실시하는 조사로서, 전체적인 도로 이용 상황을 파악하기 위한 조사이다. 이 조사의 목적은 지점 또는 도로 구간의 연평균 일교통량(AADT)의 산출을 위한 기본 교통량을 구하는 것이다[1].
이러한 현실적인 문제점을 개선하기 위해 본 연구에서는 새로운 방법의 보정계수 그룹핑방법을 모색하여 기존 연구와 오차를 비교·분석, 적용가능한 그룹핑방법을 제시하고자 한다.
일반국도 수시조사 지점에서 수집되는 자료는 평일의 시간대별 교통량과 차종비율이므로 조사된 자료를 적용하려면 그룹핑된 각 그룹에서 시간대별 교통량의 특성이나 차종 특성이 가미되어 있어야 한다. 정확한 AADT추정을 위해서는 차종의 비율보다는 교통량 자료이므로 본 연구에서는 차종 비율은 감안하지 않고 시간대별 교통량의 특성을 그룹핑에 적용시키고자 한다. 위 식에 의하면 AADT를 추정하기 위해서는 월보정계수와 요일보정계수, 일교통량이 필요하며, 수시조사 자료로 수집되는 교통량의 특성은 평일의 시간대별 교통량뿐이므로 본 연구에서는 상시조사 지점을 그룹핑하기 위해 월보정계수와 요일보정계수, 평일의 시간대별 교통량 비율을 활용하였다.
제안 방법
스크리도표는 인자 개수 결정을 위해 이용하는 그림이며 총 변동에 연연하지 않고 주성분 분산 설명 변동 크기가 갑자기 줄어들기 전까지의 개수로 적절한 인자개수를 결정하기 위해 요인을 도식화한 그림이다. 그룹핑을 위해 활용된 변수 43개를 요인분석한 결과 고유치가 1 이상인 요인은 7개 선택되었지만 스크리도표에서는 고유치가 3번째 변수부터 갑자기 줄어들었으므로 본 연구에서는 요인분석에서 2개의 변수만 활용하였다.
기존 연구 중 오차가 적은 것으로 분석된 동일 대구간의 상시조사 지점 보정계수를 적용하는 방법과 본 연구를 비교·분석하기 위하여 대구간 내 상시조사지점이 2개 이상 설치된 74개 지점을 대상으로 두가지 방법을 적용시켜 보았다.
기존 연구에서 동일 대구간에 기초한 방법이 오차가 적은 것으로 분석되어, 본 연구에서 제시한 방법과 동일 대구간에 기초한 방법을 비교·분석하였다.
하지만 추정값이 과소 또는 과대 추정될 경우 예산낭비가 우려되어 정확한 AADT의 추정이 요구되고 있다. 기존에도 수시조사 지점의 AADT 추정을 위해 많은 연구가 있었으나, 실제 적용에는 다소 무리가 있어 현실적으로 적용 가능한 방법을 알아보았다.
대부분의 지점이 군집1~3에 포함되므로 군집1~3의 특성을 알아보기 위하여 3개의 군집만으로 월보정계수와 요일보정계수, 시간대별 교통량의 비율을~로 새로 표현하여 보았다.
또한 기존 연구에서 동일 대구간 내에 상시조사지점이 없을 경우 적용할 수 있는 보정계수가 없어 일반적으로 적용하기 어렵다는 한계점을 없애기 위해 수시조사 지점에서 수집되는 시간대별 교통량 패턴을 적용하였다. 본 연구에서 제시한 그룹핑 방법으로 얻을 수 있는 계수는 각 그룹별로 월보정계수, 요일보정계수, 시간대별 교통량 비율이다.
본 연구에서 일반국도 상시조사 지점을 그룹핑하기 위하여 월보정계수와 요일보정계수, 시간대별 교통량 비율을 이용하여 요인분석을 실시하여 변수를 축소하고, 해당 변수로 군집분석을 실시하였다. 요인분석은 변수들의 내재된 상관관계를 이용하여 요인(공통개념)을 구하고 이를 이용하여 변수들을 분류하고 그룹에 적절한 의미를 부여하는 방법이다.
또한 기존 연구에서 동일 대구간 내에 상시조사지점이 없을 경우 적용할 수 있는 보정계수가 없어 일반적으로 적용하기 어렵다는 한계점을 없애기 위해 수시조사 지점에서 수집되는 시간대별 교통량 패턴을 적용하였다. 본 연구에서 제시한 그룹핑 방법으로 얻을 수 있는 계수는 각 그룹별로 월보정계수, 요일보정계수, 시간대별 교통량 비율이다. 수시조사에서 수집된 시간대별 교통량 자료를 이용하여 시간대별 교통량 비율을 산출하고, 본 연구에서 제시된 각 그룹별 시간대별 교통량 비율과 적합도 검정을 하여 해당 수시조사 지점이 어느 그룹에 속하는지 판단한 후 해당 그룹의 월보정계수와 요일보정계수를 적용하여 AADT를 산출할 수 있다.
본 연구에서는 상시조사 자료를 기준으로 그룹핑한 자료에 수시조사 지점을 각 그룹에 적용할 수 있도록 변수에 시간대별 교통량을 추가하여 군집분석을 시도하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정하므로 상시조사 지점을 그룹핑할 때 월보정계수와 요일보정계수, 시간대별 교통량의 패턴 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다.
본 연구에서는 에 제시된 방법들의 한계점을 극복하기 위하여 보정계수를 그룹핑할 때 시간대별 교통량 패턴을 적용하여 그룹핑하였고, 각 그룹별 보정계수의 평균값을 수시조사 지점에 적용시켜 실제 AADT와의 오차를 비교하였다.
는 추정값을 의미한다. 분석대상 상시조사 지점을 이용하여 정확한 AADT를 산출할 수 있으므로 해당 지점의 AADT를 참값으로 이용하고 각 분석방법을 통해 추정된 AADT값을 추정값으로 하여 오차를 계산하여 어떤 방법이 오차가 적은 지를 살펴보았다.
분석대상지점 74개의 평일교통량을 기준으로 동일 대구간 내 상시조사 지점의 보정계수를 적용한 방법(방법 1)과 본 연구(방법 2)에서 그룹핑하여 제시한 군집으로 ~의 보정계수를 적용한 방법을 비교하였다.
본 연구에서 제시한 그룹핑 방법으로 얻을 수 있는 계수는 각 그룹별로 월보정계수, 요일보정계수, 시간대별 교통량 비율이다. 수시조사에서 수집된 시간대별 교통량 자료를 이용하여 시간대별 교통량 비율을 산출하고, 본 연구에서 제시된 각 그룹별 시간대별 교통량 비율과 적합도 검정을 하여 해당 수시조사 지점이 어느 그룹에 속하는지 판단한 후 해당 그룹의 월보정계수와 요일보정계수를 적용하여 AADT를 산출할 수 있다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 크다고 판단된다.
만약 A라는 수시조사 지점의 시간대별 교통량 패턴이 군집 1과 유사하다면, 군집 1의 월보정계수와 요일보정계수를 적용하여 AADT 추정값을 산출하면 된다. 시간대별 교통량 패턴이 어느 군집에 포함되는지 알아보기 위하여 카이스퀘어의 적합도 검정을 실시하면 된다. 적합도 검정이란 어떤 확률변수가 가정한 분포를 따르는지의 여부를 표본자료를 이용하여 검정하는 것을 말하며, 다음과 같은 표로 표현된다[9].
본 연구에서는 요인추출을 위해 주성분 분석을 이용하고 요인추출을 통해 얻어진 요인행렬을 해석하기 쉬운 형태로 변환하기 위하여 직교 회전방법 중 배리맥스법을 이용하였다. 요인회전 과정을 거친 후 케이스별 요인 점수를 산출하고, 산출된 요인점수를 기초로 계층적 군집분석을 수행하였다. 각 대상간의 거리계산은 제곱한 유클리디안거리를 사용하였으며 군집결합은 집단간 평균결합방식을 적용하였다.
정확한 AADT추정을 위해서는 차종의 비율보다는 교통량 자료이므로 본 연구에서는 차종 비율은 감안하지 않고 시간대별 교통량의 특성을 그룹핑에 적용시키고자 한다. 위 식에 의하면 AADT를 추정하기 위해서는 월보정계수와 요일보정계수, 일교통량이 필요하며, 수시조사 자료로 수집되는 교통량의 특성은 평일의 시간대별 교통량뿐이므로 본 연구에서는 상시조사 지점을 그룹핑하기 위해 월보정계수와 요일보정계수, 평일의 시간대별 교통량 비율을 활용하였다.
본 연구에서는 상시조사 자료를 기준으로 그룹핑한 자료에 수시조사 지점을 각 그룹에 적용할 수 있도록 변수에 시간대별 교통량을 추가하여 군집분석을 시도하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정하므로 상시조사 지점을 그룹핑할 때 월보정계수와 요일보정계수, 시간대별 교통량의 패턴 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다.
계층적 군집분석을 그림화한 것이 덴드로 그램이며 <그림 2>를 참고하면 된다. 적정 군집 개수를 판단하기 위하여 각 군집별로 요인점수의 그룹내 오차를 산출하여 비교하였다. 그룹내 오차의 산출법은 다음과 같다.
대상 데이터
만약 A라는 대구간에 a와 b의 상시조사 장비가 있다고 가정하면, a지점의 AADT를 모른다고 가정하고 b지점의 월보정계수와 요일보정계수를 a지점에 적용하여 a지점의 AADT를 추정한 뒤 실제 a지점의 AADT와 비교를 하여야 오차를 알 수 있다. 동일 대구간에 기초한 방법과 본 연구에서 제시한 방법을 비교하기 위해서는 동일 대구간 내에 상시조사 지점이 2개 이상 설치된 지점을 대상으로 분석하여야 하므로 본 연구에서 기존연구와 비교분석은 2010년 일반국도 상시조사 지점 중 대구간 내에 상시조사 지점이 2개 이상 설치된 74개 지점을 대상으로 분석하였다.
본 연구에서는 일반국도 상의 2010년도 상시조사 지점 중 365일 자료가 모두 수집된 300개 지점의 교통량 자료를 활용하여 분석하였다. 기존 연구에서 동일 대구간에 기초한 방법이 오차가 적은 것으로 분석되어, 본 연구에서 제시한 방법과 동일 대구간에 기초한 방법을 비교·분석하였다.
기존 연구들은 상시조사 지점의 보정계수들을 그룹핑하여 수시조사 지점을 적절한 그룹에 배정하여 적용하도록 하였으나, 적정 그룹에 배정하는 객관적인 방법이 없는 한계점을 가지고 있다. 이러한 한계점을 극복하기 위해 본 연구에서는 수시조사 자료를 적용 가능하도록 보정계수 그룹핑에 시간대별 교통량 자료를 활용하였다. 시간대별 교통량 자료를 활용하여 그룹핑한 방법과 기존 방법을 비교·분석하여 AADT추정 정확도와 적용가능성에 대하여 검토하고자 한다.
본 연구에서는 수시조사 지점의 AADT 추정을 위하여 보정계수들을 그룹핑하여 연평균 일교통량을 산출하는 방법에 대해 다루고자 한다. 현재 수시조사 지점에서 수집되는 자료는 1년 1~5회의 시간대별 교통량 자료와 차종비율 자료이다. 기존 연구들은 상시조사 지점의 보정계수들을 그룹핑하여 수시조사 지점을 적절한 그룹에 배정하여 적용하도록 하였으나, 적정 그룹에 배정하는 객관적인 방법이 없는 한계점을 가지고 있다.
이론/모형
요인회전 과정을 거친 후 케이스별 요인 점수를 산출하고, 산출된 요인점수를 기초로 계층적 군집분석을 수행하였다. 각 대상간의 거리계산은 제곱한 유클리디안거리를 사용하였으며 군집결합은 집단간 평균결합방식을 적용하였다. 집단간 평균결합방식은 한 군집 내에 속해 있는 모든 관측대상과 다른 군집 내에 속해 있는 모든 관측대상의 쌍집합에 대한 거리를 평균적으로 계산하며 다음 식에 의하여 계산된다.
기존 연구 중 오차가 적은 것으로 분석된 동일 대구간의 상시조사 지점 보정계수를 적용하는 방법과 본 연구를 비교·분석하기 위하여 대구간 내 상시조사지점이 2개 이상 설치된 74개 지점을 대상으로 두가지 방법을 적용시켜 보았다. 두 가지 방법의 오차를 비교하기 위하여 본 연구에서는 오차평가지표로 널리 활용되는 평균절대오차백분율(Mean Absolute Percentage Error : MAPE)를 활용하였다. MAPE는 오차의 절대값의 평균을 의미하며 다음 식과 같이 계산된다.
요인분석에서 요인추출은 여러 가지 방법중 관측된 요인의 선형결합인 주성분분석이 주로 이용된다. 본 연구에서는 요인추출을 위해 주성분 분석을 이용하고 요인추출을 통해 얻어진 요인행렬을 해석하기 쉬운 형태로 변환하기 위하여 직교 회전방법 중 배리맥스법을 이용하였다. 요인회전 과정을 거친 후 케이스별 요인 점수를 산출하고, 산출된 요인점수를 기초로 계층적 군집분석을 수행하였다.
성능/효과
적용방법은 보정계수 그룹핑에 기초한 방법과 동일 대구간에 기초한 방법, 최단거리에 기초한 방법이다. 3가지 방법 중 동일 대구간에 기초한 방법이 오차가 가장 적은 것으로 분석되었다. 하지만 현재 상시조사 지점이 설치된 대구간은 전체 대구간의 60%이며 수시조사 지점의 40%가 적용할 수 있는 상시조사 지점이 없어 AADT를 추정하기에 어려움이 있다.
그룹핑 결과 각 집단을 설명하기에 특성이 뚜렷하게 나타난 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.
5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.
각 보정계수를 기준으로 오차분석한 결과 요일별로는 모두 방법 2가 방법 1보다 오차가 적은 것으로 나타났다. 월별로는 12월, 1월, 2월, 8월이 방법1보다 오차가 조금 더 큰 것으로 나타났지만, 평균적으로는 방법 2가 오차가 더 적은 것으로 나타났다.
그룹핑 결과 각 집단을 설명하기에 특성이 뚜렷하게 나타난 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다.
본 연구에서 제시한 방법으로 오차범위에 따른 지점 수를 살펴본 결과 AADT 추정오차가 5%이하인 지점이 기존 연구보다 1개 지점 더 많게 나타났고 5~10%인 지점도 6개지점 더 많은 것으로 나타났다. 실제로 각 지점별 오차의 평균은 방법 1은 10.
수시조사로부터 수집되는 시간대별 교통량을 반영할 수 있도록 그룹핑하기 위해 월보정계수와 요일보정계수, 시간대별 교통량 패턴으로 군집분석을 시행한 결과 5개의 그룹으로 분류되었다. 기존 연구 중 오차가 적은 것으로 분석된 동일 대구간의 상시조사 지점 보정계수를 적용하는 방법과 본 연구를 비교·분석하기 위하여 대구간 내 상시조사지점이 2개 이상 설치된 74개 지점을 대상으로 두가지 방법을 적용시켜 보았다.
본 연구에서 제시한 방법으로 오차범위에 따른 지점 수를 살펴본 결과 AADT 추정오차가 5%이하인 지점이 기존 연구보다 1개 지점 더 많게 나타났고 5~10%인 지점도 6개지점 더 많은 것으로 나타났다. 실제로 각 지점별 오차의 평균은 방법 1은 10.2%, 방법 2는 8.7%로 시간대별 패턴을 반영하여 보정계수를 그룹핑하여 새로운 보정계수를 산출하는 것이 오차가 더 적은 것으로 나타났다. 각 방법별로 보정계수를 산출한 값과 실제 보정계수값을 비교하여 오차를 살펴본 것은 <표 7>과 <표 8>과 같다.
7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타나 본 연구에서 제시한 방법으로 AADT를 산출하는 방법이 더 좋은 것으로 분석되었다.
해당 식을 보면 알 수 있듯이 검정통계량이 적을수록 해당 군집에 가장 적합하다는 것을 알 수 있다. 적합도 검정을 통해 가설검정을 하면 해당 군집의 시간대별 교통량 비율과 적합한지 알 수 있지만, 만약 가설검정에서 2개 이상 군집이 적합하다고 분석되면 검정통계량이 더 작은 군집이 더 적합한 것으로 볼 수 있으므로 검정통계량으로 비교하는 것이 더 좋은 것으로 판단된다.
해당 식을 보면 알 수 있듯이 검정통계량이 적을수록 해당 군집에 가장 적합하다는 것을 알 수 있다. 적합도 검정을 통해 가설검정을 하면 해당 군집의 시간대별 교통량 비율과 적합한지 알 수 있지만, 만약 가설검정에서 2개 이상 군집이 적합하다고 분석되면 검정통계량이 더 작은 군집이 더 적합한 것으로 볼 수 있으므로 검정통계량으로 비교하는 것이 더 좋은 것으로 판단된다.
후속연구
이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 크다고 판단된다. 향후 실무로 활용하기 위하여 본 연구방법을 연도별로 적용하여 연구결과를 간략화하여 실제 적용할 수 있는 방안을 연구하고, 더 좋은 상시조사 지점의 그룹핑방법이 연구되었을 때, 시간대별 교통량의 비율을 고려하여 그룹핑한다면 수시조사 지점의 AADT 추정의 정확도는 더 향상될 것이라 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
국토해양부에서 시행하고 있는 교통량조사는 어떻게 구분되는가?
국토해양부에서 시행하고 있는 교통량조사는 크게 일반국도의 상시조사, 수시조사와 고속국도 지방도의 10월 셋째 주 목요일에 시행되는 수시조사로 나누어진다. 상시조사란 특정 지점에 교통량 조사장비를 설치하여 장기간의 교통량을 조사함으로써, 해당 지점의 교통 변동에 대해 월별, 계절별 특성을 포함하여 시계열적으로 파악하는데 목적이 있다.
교통량조사 중 상시조사의 목적은?
국토해양부에서 시행하고 있는 교통량조사는 크게 일반국도의 상시조사, 수시조사와 고속국도 지방도의 10월 셋째 주 목요일에 시행되는 수시조사로 나누어진다. 상시조사란 특정 지점에 교통량 조사장비를 설치하여 장기간의 교통량을 조사함으로써, 해당 지점의 교통 변동에 대해 월별, 계절별 특성을 포함하여 시계열적으로 파악하는데 목적이 있다. 수시조사는 기본 교통량 자료가 필요하다고 판단되는 모든 구간에 대하여 광범위하게 실시하는 조사로서, 전체적인 도로 이용 상황을 파악하기 위한 조사이다.
연평균 일교통량이 도로 계획 및 설계 시 중요한 기초자료로 활용되는 이유는?
연평균 일교통량(Annual Average Daily Traffic : AADT)은 도로를 계획하고 설계하는데 있어 매우 중요한 기초자료로 활용된다. AADT를 기준으로 해당 도로의 장래 서비스 수준을 예측하며, 신설 및 확장될 도로의 기하구조가 결정되기 때문이다. 따라서 AADT가 정확히 산출되어야 도로를 경제적으로 건설할 수 있으며, 또한 적절한 서비스 수준을 유지하면서 교통소통을 원활히 할 수 있다.
참고문헌 (9)
국토해양부 예규 제 101호, 도로교통량 조사지침, 2009.
도철웅, 교통공학원론, 청문각, 1998.
FHWA, "Traffic Monitoring Guide", 2001.
Flaherty, J. "Cluster Analysis of Arizona Automatic Traffic Recorder Data", Transportation Research Record Vol.1410, pp.93-99, 1993.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.