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
- 이러한 점을 보완하고자 시·종점 사이의 경로를 세분화된 링크로 구분하고 링크별 통행시간을 동적합산하여 경로통행시간을 산정하는 방식이 대안으로 현재에도 사용되고 있다. 본 연구에서는 링크통행시간 동적합산방안에서 합리적인 공간적 집계기준에 대한 검토를 수행하였다.
- 이러한 배경에서 본 연구는 중·장거리 통행에서 경로통행시간 산정시 합리적인 링크단위별 공간집계방식을 검토하는 것을 목적으로 한다.
가설 설정
- DSRC는 현재 한국도로공사에서 제시하는 기준설치간격인 3~6km3)이며 출발시각 기준의 이력데이터를 기준데이터로 사용하였다. 또한 공간적 집계방식별 비교를 위해 PBM 방식의 경로통행시간을 참값으로 가정하였다.
제안 방법
- Oliver et al.(2006)의 지점검지기와 TCS자료를 이용한 고속도로 통행시간산정 및 단기예측방법론에 관한 연구에서 인접구간 TCS 데이터를 이용하여 단거리 영업소간 통행시간을 산정하였다. 하지만, 단거리 통행이 잦은 도시부 지역과 같은 경우에는 이러한 방법이 가능하지만 장거리 통행일 경우에는 적용하기가 곤란하다는 결론을 도출하였다.
- 또한, 인접도로를 통과하는 OBU 장착차량 검지, RSE 이상, 톨게이트 회차차량, IC 인근 설치 RSE, 갓길 정차차량 등에 의해 불규칙한 통행패턴이 발생할 수 있다.5) 이러한 불규칙 통행패턴, 중복및 이상데이터 제거를 위해 이상치 및 오류데이터 제거 과정을 수행하였다.
- 5분 단위 표본수 만족여부 분석결과 장거리구간인 서울TG~금호JC 구간 중 LBM 방식의 JC 링크는 최소 표본수를 만족시키지 못하고 있으므로 최소표본수 만족 여부를 확인하기 위해 시간적 단위의 확장을 통한 추가 분석을 실시하였다.
- 공간적 집계기준에 대한 분석을 위해 현재 한국도로공사에 설치된 하이패스 교통정보시스템의 원시데이터를 활용해서 중·장거리 통행인 서울TG∼대전IC, 서울 TG∼금호JC 구간에 대해 PBM, LBM 방식의 경로통행시간을 산정하였다. LBM 방식 경로통행시간 산정을 위하여 고속도로 주요노드들을 결합하여 RSE, Conzone, IC, JC 링크로 대안을 설정하였고, 각 LBM 방식과 PBM 방식에 대해서 표본수 만족여부, 결측률, 경로통행시간 등의 비교와 LBM 방식의 통계적 동질성 여부에 대한 분산분석을 실시하였다. 본 연구의 주요결과는 다음과 같이 요약할 수 있다.
- LBM 방식 경로통행시간과 PBM 방식 경로통행시간과의 정확도를 비교하기 위해 이상치 및 중복데이터가 제거된 원시데이터를 이용하여 LBM 방식의 링크구성별 통행시간을 시·공간 동적 합산하여 경로통행시간을 산정하였다.
- LBM 방식의 공간적 집계단위별로 오차는 거의 유사하게 나타났으나 이는 수치적 차이이므로 통계적 검정을 통해 공간적 집계단위별 경로통행시간이 동일한지 분석하였다. 통계적 검정은 유의수준 5%에서 일원분산 분석을 수행하였으며, 귀무가설은 Eq.
- 심상우 등(2013)의 연구에서는 Off-line 경로통행시간 산출을 위해 RSE 링크기반의 LBM 방식을 적용하여 PBM 방식의 경로통행시간을 보완하는 방안을 검토하였다. PBM 통행시간 대비 LBM 방식의 통행시간 정확도를 분석하여 대체가능성을 검토하였으나 공간적 집계기준을 김재진(2006)의 연구와 동일한 교통정보수집 매체로 구성된 링크방식으로 한정해서 분석하였다. 또한, 수집표본수 확보가 어려우며 PBM, LBM 통행시간이 유사하지 않은 중·장거리 통행에 대한 검토를 수행하지 않았다.
- 공간적 집계기준에 대한 분석을 위해 현재 한국도로공사에 설치된 하이패스 교통정보시스템의 원시데이터를 활용해서 중·장거리 통행인 서울TG∼대전IC, 서울 TG∼금호JC 구간에 대해 PBM, LBM 방식의 경로통행시간을 산정하였다.
- 공간적 집계단위별 경로통행시간을 비교하기 위해 5분단위 통행시간에 대해서 PBM 방식의 Path 링크 통행 시간을 참값으로 설정하고 LBM 링크별 산출 통행시간을 비교하였다. 분석을 위한 지표는 평균절대오차(Mean Absolute Error, 이하 MAE)와 평균절대비율오차 (MAPE)를 사용하였다.
- 국내 FTMS에서 대부분 사용하고 있는 시간적 집계 간격인 5분을 기초로 데이터를 분석하며, 필요 시 추가 분석을 실시하였다. DSRC는 현재 한국도로공사에서 제시하는 기준설치간격인 3~6km3)이며 출발시각 기준의 이력데이터를 기준데이터로 사용하였다.
- 고속도로 네트워크에는 나들목(Interchange, 이하 IC)과 분기점(Junction, 이하 JC), 톨게이트(Tollgate, 이하 TG) 등과 ITS 장비운영측면에서 VDS, RSE 설치 지점 등 다양한 종류의 지점속성이 존재한다. 본 연구에서 LBM 방식 통행시간산출 링크를 JC, IC, Conzone, RSE 링크 등 4개 방식으로 구성했다. 이 중, Conzone 링크는 FTMS에서 교통류 관리를 위해 사용하는 개념으로 고속도로에 위치한 주요 노드(IC, JC, 본선형 TG4))를 연결한 링크로 IC∼IC/JC, JC∼IC/JC 형태로 링크가 구성되게 된다.
- 연구절차는 선행연구에 대한 검토를 통해 시사점을 살펴본 후, 실제 하이패스 교통정보시스템에서 수집된 원시자료에 대해 전처리과정을 통해 분석가능한 데이터로 가공하여 본 연구에서 설정한 공간적 집계방법별로 최소표본수 만족여부, 결측률을 분석하였다. 이후, 참값으로 설정한 실제 시·종점을 모두 통과한 차량으로 산출한 경로통행시간과 단위구간별로 집계한 경로통행시간의 차이 분석을 통해 정확도 분석을 실시하였으며 공간적 집계단위별로 산출된 통행시간의 통계적 유의성을 분석하였다.
- 요인별 분석결과를 통해 지방부 주말 지정체구간과 도시부 상습 지·정체구간의 최적 지점 및 구간검지기 본선 설치간격을 제시하였다.
- 이상치 제거를 위한 기법은 선행연구인 한국도로공사 도로교통연구원(2012)에서 제시, 적용하고 있는 오류데이터, 중복데이터, 1, 2차 이상치 제거 등의 전처리과정을 동일하게 적용하였다.8) 해당 연구에서 제시하고 있는 1차 이상치 제거조건은 다음 Eq.
- 정확도 분석 기준자료인 PBM 방식의 Path 링크 집 계단위는 최소표본수를 만족시키지 못하므로 대표성을 가지는 표본수를 결정하여야 한다. 이에 본 연구에서는 Wang and Nakamura(2013)의 지점검지기와 프로브의 조합을 통한 고속도로 통행시간 산출에 관련된 연구에서 제시한 프로브 차량의 최소구성대수인 5대를 준용하여 5대 이상의 표본수를 나타내는 주기에 대해서만 PBM 방식과 LBM 방식의 경로통행시간을 비교하였다.
- 표본수 및 결측률 분석을 위해서 이상치 제거 후 대부분의 교통정보 시간적 집계단위인 5분을 기준으로 데이터를 집계하였다. 공간적 집계단위에 따른 5분 평균 수집표본수과 5분 집계시간대에 통행 데이터가 존재하지 않는 링크의 비율인 결측률을 분석한 결과는 Table 3~4와 같다.
대상 데이터
- 국내 FTMS에서 대부분 사용하고 있는 시간적 집계 간격인 5분을 기초로 데이터를 분석하며, 필요 시 추가 분석을 실시하였다. DSRC는 현재 한국도로공사에서 제시하는 기준설치간격인 3~6km3)이며 출발시각 기준의 이력데이터를 기준데이터로 사용하였다. 또한 공간적 집계방식별 비교를 위해 PBM 방식의 경로통행시간을 참값으로 가정하였다.
- 시·종점이 동일하더라도 다양한 통행경로가 존재하므로 통행경로별 통행 시간의 편차를 없애기 위하여 시·종점간 최빈경로를 이용한 차량만을 연구대상으로 하였다. 또한 차종별 통행 시간 편차를 최소화하기 위해 승용차1)를 분석대상차량으로 설정하였다.
- 본 연구의 공간적 범위는 시·종점 통행거리가 100km 이상 중·장거리 경로로 한정하였다.
- 시·종점이 동일하더라도 다양한 통행경로가 존재하므로 통행경로별 통행 시간의 편차를 없애기 위하여 시·종점간 최빈경로를 이용한 차량만을 연구대상으로 하였다.
- 실시간(Real-Time Data, On-Line) 데이터는 구간 검지방식의 특성상 통행이 완료된 이후에 데이터를 수집할 수 있기 때문에 도착시간 기준으로 집계되며, 통행을 모두 완료한 상황이 아닐 수 있으므로 출발, 도착기준으로 모두 분류가 가능하고 모든 차량의 도착이 완료된 상태인 이력데이터(Historical Data, Off-Line)를 대상으로 연구를 수행하였다.
- 현재 하이패스 단말기가 장착가능한 차종은 승용차와 버스, 4.5톤 미만의 화물차이며, 본 연구에서는 표본수 확보가 용이하고 일반적 통행특성을 보이는 승용차만을 대상6)으로 전처리하여 분석에 활용하였다.
데이터처리
- 이후, 참값으로 설정한 실제 시·종점을 모두 통과한 차량으로 산출한 경로통행시간과 단위구간별로 집계한 경로통행시간의 차이 분석을 통해 정확도 분석을 실시하였으며 공간적 집계단위별로 산출된 통행시간의 통계적 유의성을 분석하였다.
- LBM 방식의 공간적 집계단위별로 오차는 거의 유사하게 나타났으나 이는 수치적 차이이므로 통계적 검정을 통해 공간적 집계단위별 경로통행시간이 동일한지 분석하였다. 통계적 검정은 유의수준 5%에서 일원분산 분석을 수행하였으며, 귀무가설은 Eq. (7)과 같다.
이론/모형
- 공간적 집계단위별 경로통행시간을 비교하기 위해 5분단위 통행시간에 대해서 PBM 방식의 Path 링크 통행 시간을 참값으로 설정하고 LBM 링크별 산출 통행시간을 비교하였다. 분석을 위한 지표는 평균절대오차(Mean Absolute Error, 이하 MAE)와 평균절대비율오차 (MAPE)를 사용하였다. 산출식은 Eq.
성능/효과
- LBM 방식의 공간집계방식별로 산출된 최소표본수와 실제 수집 평균표본수를 분석한 결과 장거리구간 중 서울TG~금호JC의 JC 링크 합산방식을 제외하고는 모두 만족시키고 있는 것으로 나타났다. 5분당 평균표본수, 실제 수집 평균표본수, 공간적 집계단위별 최소 표본수와 만족여부에 대한 분석결과는 Table 5~6과 같다.
- 공간적 집계단위별 분석결과 가장 짧은 집계단위인 RSE 링크단위의 산출통행시간이 MAE 및 MAPE가 가장 크게 나타났으며, 공간적 집계단위가 확장될수록 오차가 감소하는 것으로 분석되었다. 서울TG~대전IC와 서울TG~금호JC 구간의 공간적 집계단위별 통행시간 변화추이는 Fig.
- 추가분석 시간단위는 15분, 30분, 1시간이며 분석결과 전체 분석시간대에서 LBM 방식의 모든 공간집계 방식 방법에서 최소표본수를 만족시키고 있는 것으로 확인되었다. 그러나, 기준값인 PBM 방식의 Path 링크는 15분, 30분, 1시간 모두 실제 수집표본수가 최소 표본수를 만족시키기 못하고 있는 것으로 나타났다. 집계시간단위별 최소표본수 만족여부는 Table 7~9와 같다.
- 심상우 등(2013)은 고속도로 하이패스 교통정보시스템의 경로통행시간 추정방법으로 시·종점을 모두 통과한 차량을 대상으로 하는 경로기반방식(Path-Based Method, 이하 PBM)이 아닌 경로의 세부링크를 동적으로 시·공간 합산 집계하는 링크기반방식(Link- Based Method, 이하 LBM)을 제시하였다. 단거리 통행인 서울~안성구간 하이패스 교통정보시스템 자료를 이용하여 PBM과 LBM 방식 경로통행시간 분석결과 평균절대비율오차인 MAPE(Mean Absolute Percentage Error)가 3%로 나타났다.
- 둘째, 참값으로 가정한 PBM 방식의 경로통행시간을 기준으로 LBM 방식의 집계단위별 경로통행시간의 오차를 비교한 결과 집계단위별 경로통행시간별 오차의 차이는 크게 나타나지 않았으며, LBM 집계방식별 차이에 대한 통계적 검정결과 집계방식별 차이는 없는 것으로 분석되었다. 이는 PBM Path 링크를 이용한 경로통행시간 산출 시 최소표본수를 만족시키지 못할 경우 현재 LBM 방식으로 보완하고 있는데, 경로통행시간 보완 시 시스템 처리시간, 부하 등을 고려하여 다양한 대안을 적용할 수 있다는 것을 의미한다.
- 이에 따라, PBM 방식만 사용하여 경로통행시간을 산출한다면 제공정보의 대표성 보장이 어려우며, 결측주기 과다로 정보제공의 안정성을 확보하기 어려움이 예상된다. 또한, PBM 방식에 비해서 안정적이고 표본수 확보가 용이한 LBM 방식이 경로통행시간을 추정하는 방법 중 하나의 대안이며, PBM 방식을 우선으로 하되 결측시간대에 대해서 LBM 방식으로 경로통행시간을 보완하는 것이 바람직하다.
- 이는 통행거리 증가에 따라 개별차량의 통행시간 분산이 증가하기 때문이며 이러한 원인으로는 운전행태, 휴게소 이용차량의 휴게소 체류 시간의 편차가 주된 이유로 판단된다. 또한, 통행시간의 변동추세에 대한 확인결과 LBM과 PBM 방식이 유사한 패턴으로 변동되는 특징을 확인할 수 있었다.
- (2001)은 시뮬레이션 결과로 획득한 반복적 혼잡상황의 프로브 데이터를 이용해서 경로기반과 링크합산기반의 경로통행시간 예측을 수행하였다. 링크 합산기반과 경로기반 예측통행시간을 실제값과 비교한 결과 경로기반 예측통행시간의 정확도가 나은 것으로 나타났다.
- 분산분석 결과, 서울TG~대전IC 구간 P-value는 0.98, 서울TG~금호JC 구간 P-value은 0.14로 유의 수준인 0.05보다 크게 나타나 귀무가설을 채택하는 것으로 나타났다.
- (2009)는 링크통행시간 산정, 경로통행시간 산정, 링크통행시간 예측, 경로통행시간 예측 등의 4개의 항목에 대한 최적 집계시간 간격을 정의하기 위해 텍사스 휴스턴의 AVI 자료를 통해 MSE(Mean Square Error)를 이용해서 항목별 최적 집계시간 간격을 분석하였다. 분석결과 최적 집계시간 간격은 통행시간처리의 목적 및 교통류 상태와 상관관계가 있는 것으로 분석되었다.
- 4대/5분)를 동일하게 적용하였을 때 LBM 방식은 집계방식별로 최소표본수를 모두 만족시키고 있다. 서울TG~금호JC 구간도 LBM 방식의 최소표본수를 모두 만족시키고 있으며 결측률은 서울TG~대전IC 구간 4.75%, 서울TG~금호JC 구간 6.33% 정도로 크지 않은 것으로 나타났다.
- 셋째, 선행 연구결과를 보면 서울TG∼안성IC 사이의 단거리 통행에서는 PBM 방식과 LBM 방식이 오차가 유사하게 나타난 반면 본 연구결과 중·장거리 통행에서는 PBM 방식과 LBM 방식의 경로통행시간이 큰 차이를 보이는 것으로 나타났다.
- 이러한 결과는 중·장거리구간에 대한 경로통행시간 산출을 위해 PBM 방식만 적용할 경우 최소표본수가 미확보 될 확률이 클 수 있음을 의미하며 현재의 분석결과로 PBM 방식의 교통정보를 생성할 때 약 30% 주기에서 교통정보가 생성되지 않음을 나타낸다.
- 중거리구간인 서울TG~대전IC구간 LBM 방식의 산출통행시간 분석결과 평균 MAE가 15분 내외, MAPE 가 약 13% 정도로 나타났다. 장거리구간인 서울TG~금호JC는 MAE가 20분 내외, MAPE가 약 12%로 중거리 구간에 비해 다소 높게 나타났다.
- 참값으로 설정한 PBM 방식 Path 링크의 최소표본수는 기준 최소표본수보다 훨씬 낮은 표본수를 나타내고 있으며, 결측률은 서울TG~대전IC구간은 27%, 서울TG~금호JC은 30.1%로 분석되었다. 이러한 결과는 중·장거리구간에 대한 경로통행시간 산출을 위해 PBM 방식만 적용할 경우 최소표본수가 미확보 될 확률이 클 수 있음을 의미하며 현재의 분석결과로 PBM 방식의 교통정보를 생성할 때 약 30% 주기에서 교통정보가 생성되지 않음을 나타낸다.
- 첫째, 대구IC 구간의 공간적 집계단위에 따른 경로통행시간 분석 결과 가장 많은 집계횟수를 나타내는 RSE 링크가 가장 높은 오차를 나타내며, 공간적 집계단위가 클수록 오차는 감소하는 것으로 나타났다. 이러한 현상은 공간 적 집계단위가 증가할수록 개별 차량의 통행시간 분산 이 증가하여 개별차량의 행태를 반영하고 실제 차량의 통행시간 분산이 증가하여 개별차량의 행태를 반영하고 실제 차량의 통행패턴과 유사해지는 반면에 공간적 집계간격이 줄어들수록 단위구간별 통행시간의 분산이 줄어들게 되므로 실제 차량의 통행패턴과 차이가 발생하게 되기 때문인 것으로 판단된다.
- 추가분석 시간단위는 15분, 30분, 1시간이며 분석결과 전체 분석시간대에서 LBM 방식의 모든 공간집계 방식 방법에서 최소표본수를 만족시키고 있는 것으로 확인되었다. 그러나, 기준값인 PBM 방식의 Path 링크는 15분, 30분, 1시간 모두 실제 수집표본수가 최소 표본수를 만족시키기 못하고 있는 것으로 나타났다.
- 추이분석 결과 Path 링크 기반 통행시간의 변동에 따라 LBM 기반의 경로통행시간의 추세도 유사하게 변동하는 패턴을 나타내고 있다. 하지만, 전술한 바와 같이 휴게소 이용차량으로 인해 PBM, LBM 방식간 일정수준 경로통행시간의 차이가 발생하며 PBM 방식의 통행 시간이 LBM 방식의 경로통행시간에 비해 크게 나타나고 있다.
- 김재진(2006)의 연구에서는 출발시간 기준 On-line 통행시간 산정 알고리즘의 개발, 추정오차와 통행시간 산출 구간길이, 혼잡수준의 관계 분석, 시간처짐 간격과 구간길이 및 혼잡수준의 관계분석을 실시하였다. 통행 시간 정보를 위한 공간적 최적설계를 위한 분석결과는 On-line 통행시간 정보제공을 위해서 경로단위보다 동적특성을 반영한 링크단위의 통행시간 정보제공이 오차가 더 적게 나타나며 이에 따른 적정구간길이는 약 4km, 시간적 최적설계안은 4분으로 제시하였다.
- 중·장거리구간 모두 동일하게 공간적 집계단위가 증가함에 따라 수집표본수는 감소하고, 결측률도 증가하고 있다. 특히, PBM 방식 Path 링크는 LBM 방식의 링크조합보다 월등히 높은 결측률을 나타내고 있는 것으로 나타났다. 이러한 원인은 공간적 집계단위가 작은 경우는 서로 다른 시·종점을 가지더라도 해당 구간을 통과하는 차량이 모두 수집되지만 PBM Path 링크 방식은 동일 기·종점을 통과한 차량만 수집되므로 장거리 통행이 많지 않은 경우 결측률이 상대적으로 높게 나타나기 때문이다.
- (2006)의 지점검지기와 TCS자료를 이용한 고속도로 통행시간산정 및 단기예측방법론에 관한 연구에서 인접구간 TCS 데이터를 이용하여 단거리 영업소간 통행시간을 산정하였다. 하지만, 단거리 통행이 잦은 도시부 지역과 같은 경우에는 이러한 방법이 가능하지만 장거리 통행일 경우에는 적용하기가 곤란하다는 결론을 도출하였다.
후속연구
- 또한 이러한 방법을 적용하면 시·종점이 동일하나 다수의 경로가 있을 경우에도 각 경로별 통행시간 추정이 가능하므로 경로별 통행시간 예측이나 우위경로 파악 등에도 활용될 수 있을 것이다. 그러나 본 연구 결과를 기반으로 보다 정확한 경로통행시간을 산출하기 위해서는 휴게소 체류시간을 보정할 수 있는 추정모형 개발을 통해 LBM, PBM 방식의 경로통행시간이 통계적으로 동일하다는 것을 확보할 필요가 있다. 휴게소 체류시간의 추정모형은 휴게소 체류시간에 대한 행태분석이 선행되어야 하며 행태분석결과를 토대로 통행거리, 소통상태에 따른 휴게소 체류시간 모형을 구축하여 LBM 방식으로 산출된 통행 시간에 상황별 휴게소 체류시간을 가중하여 경로통행시간을 산출하는 연구가 뒤따라야 할 것이다.
- 이러한 현상은 공간 적 집계단위가 증가할수록 개별 차량의 통행시간 분산 이 증가하여 개별차량의 행태를 반영하고 실제 차량의 통행시간 분산이 증가하여 개별차량의 행태를 반영하고 실제 차량의 통행패턴과 유사해지는 반면에 공간적 집계간격이 줄어들수록 단위구간별 통행시간의 분산이 줄어들게 되므로 실제 차량의 통행패턴과 차이가 발생하게 되기 때문인 것으로 판단된다. 다만, 이러한 결과를 일반화하기 위해서는 다양한 통행조건에 대한 연구의 보완이 필요하다.
- 따라서 시·종점 데이터뿐만 아니라 차량운행궤적, 고속도로 본선 구간별 통행시간 및 소통상태를 알 수 있는 하이패스 교통정보시스템2)의 특징을 충분히 반영한 경로통행시간 산정방법론을 개발할 필요가 있다.
- 또한 이러한 방법을 적용하면 시·종점이 동일하나 다수의 경로가 있을 경우에도 각 경로별 통행시간 추정이 가능하므로 경로별 통행시간 예측이나 우위경로 파악 등에도 활용될 수 있을 것이다.
- 그러나 본 연구 결과를 기반으로 보다 정확한 경로통행시간을 산출하기 위해서는 휴게소 체류시간을 보정할 수 있는 추정모형 개발을 통해 LBM, PBM 방식의 경로통행시간이 통계적으로 동일하다는 것을 확보할 필요가 있다. 휴게소 체류시간의 추정모형은 휴게소 체류시간에 대한 행태분석이 선행되어야 하며 행태분석결과를 토대로 통행거리, 소통상태에 따른 휴게소 체류시간 모형을 구축하여 LBM 방식으로 산출된 통행 시간에 상황별 휴게소 체류시간을 가중하여 경로통행시간을 산출하는 연구가 뒤따라야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.