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
- DSRC 검지기를 통해 수집된 교통정보 데이터를 분석하기에앞서 부산광역시 DSRC 교통정보 수집 시스템의 구성부터 살펴보고자 한다.
- 따라서 본 연구에서는 가공 데이터로 생성된 구간 통행속도에대한 정확성 평가와 신뢰수준별 최소 표본수 산정을 통하여 적합성 여부를 수행하였다.
- 이에 본 연구는 부산광역시 도시고속도로인 번영로를 대상으로 DSRC 교통정보의 신뢰성을 높이기 위하여 DSRC 검지기로부터 수집된 구간별 원시 데이터의 특성을 분석하고, 이를 기반으로 이상치 발생 시의 최적 제거 방안을 도출, 이를 적용하여 가공한 교통정보에 대한 정확성과 신뢰 수준별 최소 표본수의 만족 여부 등을 평가하고자 하였다.
- 이에 본 연구에서는 부산광역시 도시고속도로인 번영로를 대상으로 DSRC 교통정보의 신뢰성을 높이기 위하여 DSRC 검지기로부터 수집된 구간별 원시 데이터의 특성 분석과 이상치 발생 시의 최적 제거 방안을 도출, 이를 적용하여 가공한 교통정보에 대해 정확성 평가, 신뢰 수준별 최소 표본수의 만족 여부를 평가하였고, 그 결과를 요약하면 다음과 같다.
- 이에 본 연구에서는 실제 체감속도와 유사한 신뢰성 있는 구간 교통정보를 생성하기 위하여 다음과 같이 제안하고자 한다.
가설 설정
- Shim et al. (2013)는 링크기반 경로통행시간 추정 방식의 적용 가능성을 평가하기 위한 비교 지표로 평균절대오차(MAE : Mean Absolute Error)와 MAPE를 사용하였으며, 경로기반의 경로통행 시간을 참값으로 가정하여 적용하였다.
- 이 때 실 주행차량은 번영로의 기종점인 문현↔구서 구간을 주행한 차량 중 구간 내 설치된 모든 DSRC 검지기에서 검지된 프로브 차량으로서 평균속도로 운영하였다고 가정하였으며, 이때 실 주행차량의 구간 통행속도를 참값으로 하였다.
제안 방법
- 1) 또한 신뢰수준 95%와 90%에서의 허용오차를 5kph로 설정하여 최소 표본수도 산정하여, 이상치 제거 후의 표본수에 대한 적정성 여부에 대해서도 평가를 수행하였다.
- 기존 DSRC 연구가 대부분 시스템 설치 여건 및 통신환경 구성이양호하고 프로브 대수가 충분한 고속도로 위주로 연구가 진행된 반면, 본 연구는 유출·입 램프가 짧은 간격에 다수 존재하여 이들 램프를 유출·입하는 차량과 하부 연결도로의 신호교차로로 인하여 직접적인 영향을 받는 도시부에 위치한 도시고속도로를 대상으로 DSRC 원시 데이터의 특성을 분석하고, 이상치를 제거한 후의 구간 통행속도를 시험차량 측정값과 비교하였다.
- 다음으로 평균과 표준편차를 고려한 신뢰구간을 설정하고 그 범위를 벗어난 값은 이상치로 판단하여 이를 제거한다.
- 연구방법은 먼저 기존 이론에 대해 살펴보고, DSRC 교통정보수집시스템의 프로세스에 대해 고찰하였다. 다음으로는 번영로에서 수집된 DSRC 원시 데이터의 특성을 분석하여 문제점을 도출하고, 이를 해결할 수 있는 방안을 검토, 적용하여 구간 통행속도를 생성하였다.
- 또한 버스전용차로 존재 시 버스와 승용차를 분리할 필요가 있음을 제시하였고, 신뢰수준 95%의 적정 표본수를 만족시키는 시간 집계간격을 5분으로 설정하여 대표치를 산출하였다. Off-line 경로통행시간 추정모형에서는 95% 신뢰수준에서 TCS (Toll Collection System) 통행시간과 동일한 결과가 나타났으며, On-line 경로통행 시간 추정 모형에 마지막 링크통행시간을 추정하는 방안을 적용한결과, 오차는 감소하는 것으로 분석하였다.
- 연구방법은 먼저 기존 이론에 대해 살펴보고, DSRC 교통정보수집시스템의 프로세스에 대해 고찰하였다. 다음으로는 번영로에서 수집된 DSRC 원시 데이터의 특성을 분석하여 문제점을 도출하고, 이를 해결할 수 있는 방안을 검토, 적용하여 구간 통행속도를 생성하였다.
- 원시 데이터에 대한 이상치를 제거한 후, 표본수가 적정한가에 대해 신뢰수준별 허용오차에 대한 최소 표본수를 산정하였다.
대상 데이터
- 본 연구에서는 2013.11.05(화) 번영로 DSRC 검지기를 통해 수집된 하이패스 차량 수집 데이터를 분석하였다.
- 본 연구의 공간적인 범위는 도시고속도로인 번영로로 부산광역시 동구 충장 고가도로에서 부산광역시 금정구 구서IC까지 총 15.7km 구간의 도로이며, 경부 고속도로, 국도 7호선, 중앙대로, 충렬대로 등 시내 주요 도로와 접하면서 부산광역시의 남북축의 교통을 담당하고 있다.
- 본 연구의 범위는 부산광역시의 대표적 도시고속도로인 번영로를 대상으로 하였다.
- 현재 DSRC 검지기는 한국도로공사 6개 차종을 기준으로 1, 2, 3, 6종의 차량을 수집되고 있다. 특히 3종은 버스로서 다른 차종과 통행특성이 다를 수 있으나, 본 연구의 대상도로가 도시고속도로이고 버스전용차로가 존재하지 않아 차종별 통행특성은 분석하지 않았다.
데이터처리
-
4.6 정확성 평가
가공 데이터로 생성된 구간 통행속도에 대한 정확성 평가를 위하여 실 주행차량의 관측치와 비교 분석하였다.
- 본 연구에서는 원시 데이터와 가공 데이터로 산출된 구간 통행속도가 통계적으로 동일한지 여부를 확인하기 위해 대응표본 T검정 (Paired Sample T-test)을 수행하였으며, 이때의 가설은 다음과 같다.
- 이렇게 생성된 구간 통행속도를 실 주행차량의 관측치와 오차의 크기를 비교 분석하였으며, 이 과정에서 정확도를 평가하기 위하여 평균절대오차백분율(MAPE : Mean Absolute Percentage Error) 과 평균제곱근오차(RMSE : Root Mean Square Error)를 사용하였다.1) 또한 신뢰수준 95%와 90%에서의 허용오차를 5kph로 설정하여 최소 표본수도 산정하여, 이상치 제거 후의 표본수에 대한 적정성 여부에 대해서도 평가를 수행하였다.
이론/모형
- 사용된 산출식은 Shrinivasan and Jovanis (1996), Lee and Lee (2002), Shim (2011) 등의 기존 연구들에서 적용된 중심극한 정리를 이용하였으며, 신뢰수준은 95%, 90%, 허용오차는 5kph로 설정하였다.
- 정확성 평가의 지표는 MAPE와 RMSE를 이용하였다.
성능/효과
- MAPE는 최소 2.2%, 최대 9.7%, 평균 5.1%이었고, RMSE는 최소 2.2, 최대 7.5, 평균 4.7로 나타나 실 주행 차량과 매우 유사한 구간 통행속도로 평가되었다.
- 또한 버스전용차로 존재 시 버스와 승용차를 분리할 필요가 있음을 제시하였고, 신뢰수준 95%의 적정 표본수를 만족시키는 시간 집계간격을 5분으로 설정하여 대표치를 산출하였다. Off-line 경로통행시간 추정모형에서는 95% 신뢰수준에서 TCS (Toll Collection System) 통행시간과 동일한 결과가 나타났으며, On-line 경로통행 시간 추정 모형에 마지막 링크통행시간을 추정하는 방안을 적용한결과, 오차는 감소하는 것으로 분석하였다.
- 그 결과 PBM과 LBM의 통계적 검정 결과는 동일하였으나, 교통상황이 변화하는 시간대에서는 집계주기 내에 통행시간 변화가 일어나, LBM의 경로통행시간이 약간 우측으로 이동하여 PBM에 비해 통행시간이 증가하는 시점이 다소 늦게 나타났다고 분석하였다.
- 그 결과, 수집주기는 5분, 신뢰수준은 5%범위를 제거한 경우와 표준편차 범위 내의 데이터만 가공하는 것이 오차가 가장 적다고 제시하였다. 또한 대표값은 중앙값이 가장 정확하고, DSRC 설치간격은 약 3.
- Jeon (2012)은 서울TG∼오산IC 구간의 DSRC 자료와 VDS (Vehicle Detection System) 자료의 통행속도를 기반으로 생성된 정체 맵을 분석하였다. 그 결과, 지점별로는 VDS, 구간별로는 DSRC가 정체를 먼저 검지함을 밝혔고, 교통정보 제공 및 정체상황 판정에 있어서는 DSRC 자료를 이용하는 것이 적절하다고 판단하였다.
- 그러나 석대→원동 구간의 경우에는 오후 첨두시간대에 신뢰수준 90%, 허용오차 5kph에서 최소 표본수를 만족하는 것으로 나타났다.
- 넷째, 망미→광안 구간처럼 DSRC 검지기 구간 내에 유출·입 램프가 존재하지 않고 터널이 존재하는 경우에는 매우 적은 표본수로도 신뢰성 있는 교통정보를 얻을 수 있음을 알 수 있었다.
- 다섯째, DSRC 설치간격이 짧은 경우에는 적은 통행속도 차이로도 오차비율이 커질 가능성이 있으며, 긴 경우에는 운전자 성향에 큰 차이를 보이는 경향이 일반화 되어 있으나, 본 연구를 통해 살펴본 결과에서는 도로형태 즉, 터널, 유출·입램프의 유무에 따라서도 다를 수 있음을 알았다.
- 둘째, 번영로 전체 12개 구간에 대한 5분 수집주기 중 표본수가 3대 이하인 수집주기가 12.9%로 나타났다.
- 둘째, 전체 수집주기 중 표본수가 3대 이하인 수집주기가 12.9%로, 주로 새벽시간대(0시~05시)에 발생하여 도로소통상황이 매우 원활한 관계로 고속 주행하는 일부 차량이 존재할 수 있어, 이때 수집된 관측치 중 최고치와 최저치에 따라 해당 주기의 대표값이 달라질 수 있다.
- 그 결과, 수집주기는 5분, 신뢰수준은 5%범위를 제거한 경우와 표준편차 범위 내의 데이터만 가공하는 것이 오차가 가장 적다고 제시하였다. 또한 대표값은 중앙값이 가장 정확하고, DSRC 설치간격은 약 3.37km 간격으로 설치한 경우 교통정보의 오차비율이 적게 나타나는 것으로 분석하였다.
- 세 번째, DSRC 설치 지점은 진입램프가 있는 경우에는 본선과 합류한 지점 이후에 설치하고, 진출램프가 있는 경우에는 분류되기 이전 지점에 설치하여야 한다.
- 셋째, 고가도로와 하부도로가 존재하는 구간에 설치된 DSRC 검지기의 경우, DSRC의 무선 환경으로 인하여 차량이 본선 진입 전에 하부도로에서부터 검지되어 지연차량으로 분류되는 문제가 있었다.
- 셋째, 석대→원동 구간에서처럼 고가도로와 하부도로가 존재하는 구간에 설치된 DSRC 검지기의 경우, DSRC의 무선 환경으로 인해 하부도로에서부터 검지되어 전반적인 구간 통행시간 분포와 다른 지연차량이 매우 많이 나타났다.
- 3 and 4를 비교한 결과, 비 혼잡시간대에는 전체 구간 통행시간과 달리 지연차량이 다수 발생되었다. 이러한 지연차량으로 인한 결과로서 해당구간의 구간 통행속도가 낮게 나타날수 있는 문제가 있음을 파악하였다. 반면 혼잡시간대에는 이상치로 판단되는 지연차량이 크게 나타나지 않은 것을 알 수 있었다.
- 이에 본 연구에서 제안한 방안 즉, 1단계 최대값과 최소값을 이용한 이상치 제거, 2단계 평균과 표준편차를 고려한 신뢰구간으로 이상치를 제거 방안을 적용한 결과, 실 주행 차량의 관측치와 매우 유사한 결과를 얻었으며, 최소 표본수도 확보되는 것으로 나타나 매우 적절한 이상치 제거 방안임을 알 수 있었다.
- 전체 12개 구간 중 11개 구간에서 신뢰수준 95%, 허용오차 5kph 범위 내에서 매우 적정한 것으로 분석되었다.
- 전체 3,456개의 수집주기 동안 평균 31.7대의 표본수가 수집되 었으나, 447개 수집주기(12.9%)에서 3대 이하의 표본수가 수집되 었고, 0시~5시에 집중되어 있는 것으로 나타났다. 이처럼 표본수가 충분하지 않은 경우에는 해당 수집주기 내의 최고치와 최저치에 따라 대표값이 결정되고, 이로 인해 전·후 수집주기의 대표값과 편차가 커져, 교통상황이 급변하는 흐름으로 나타날 수 있다.
- 지점별 수집 건수에 비례해 구간 통행시간 생성 건수도 매우 유사한 결과가 나타났으나, 석대와 회동의 경우에는 지점별 수집건 수가 많음에도 구간 통행시간 생성 건수는 적게 나타났다. 이는 해당 지점에 검지된 프로브 차량이 DSRC 설치 지점 중간의 진출 램프로 유출된 경우와 무선통신 기반인 DSRC 특성상의 이유로 인하여 하부도로 주행차량도 일부 검지되어 구간 통행시간이 생성 되지 않은 경우로 판단되었다.
- 첫 번째, 번영로의 최고제한속도와 구간별 통행속도를 고려하여 최대값(최고제한속도의 1.5배)2)와 최소값을 상수값으로 설정하여 극단적인 프로브 차량의 통행속도는 제거한다.
- 첫째, 비 혼잡 및 혼잡시간대를 비교한 결과, 비 혼잡시간대에 전체 구간 통행시간과 달리 지연차량이 다수 발견되었고, 이러한 지연차량으로 인하여 해당구간의 구간 통행속도가 낮게 나타날 수 있는 문제가 있었다.
- 특히 망미→광안 구간은 적은 표본수로도 매우 신뢰성 있는 교통정보를 수집할 수 있는 것으로 분석되었다.
후속연구
- 그러나 앞서 살펴본 바와 같이, 모든 이상치를 완벽하게 제거하는 방안은 없으며, 해당도로의 특성과 수집 데이터를 분석한 후 최적의 방안을 모색하여 적용하는 것이 바람직하다 할 것이다.
- 끝으로 DSRC 교통정보수집시스템은 특정 프로브 차량에 대해서만 교통정보 수집원으로 사용하는 단점을 가지고 있으므로, 이를 보완하기 위해서는 루프 검지기 데이터의 활용, AVI (Automatic Vehicle Identification) 설치가 필요한 것으로 판단된다.
- 더욱이 DSRC 수집 데이터를 가공하여 제공하고 있는 도시고속도로 구간의 통행속도는 해당 도로가 항만물류 수송을 담당하고 고속도로와도 연결기능을 하는 등 부산광역시의 핵심 중추도로임을 감안할 때 정책 결정을 위한 기반자료로 신뢰성이 높아야 할 것이다.
- 또한 기존 연구와 달리 본 연구에서는 5분 수집 주기 동안 충분한 프로브 수가 수집되지 않으면서 개별 차량 간 속도 편차가 매우 심한 새벽 시간대에 대한 추가적인 연구가 수행되어 그 의의가 크다고 하겠다.
- 향후 단속류 도로의 DSRC 분석 시에는 신호운영에 큰 영향과 더불어 버스전용차로가 존재하는 경우, 차종별 통행특성을 추가로 분석할 필요가 있으며, 다양한 이상치 제거 방안을 적용하여 최적의 이상치 제거 방안을 도출할 필요가 있다. 또한 최근 화두가 되고 있는 빅 데이터 분석의 일환으로 DSRC 수집 데이터와 기상정보, 사고정보 등을 융합한 실시간 통행시간 예측기법 개발 연구가 필요하다.
- 최근 DSRC 교통정보수집시스템의 구축이 고속도로에서 전국 지자체로 확산되고 있음을 감안해 볼 때, 본 연구가 도시부 도로에 설치 운영 중인 DSRC 검지기로부터 수집된 원시 데이터의 특성 분석을 통해 최적의 이상치 제거 방법을 도출, 이를 적용한 후 정확성 평가, 최소 표본수 산정 등을 수행하여 타 지자체의 해당 시스템 구축 및 운영에 실질적인 도움이 되리라 판단된다.
- 하지만 최소 표본수 산정은 기존 연구를 통해 널리 이용된 중심극한정리가 적합한 것으로 판단되며, 정확성 평가는 MAPE 뿐만 아니라 RMSE를 통해서도 평가할 필요가 있다고 판단된다.
- 향후 단속류 도로의 DSRC 분석 시에는 신호운영에 큰 영향과 더불어 버스전용차로가 존재하는 경우, 차종별 통행특성을 추가로 분석할 필요가 있으며, 다양한 이상치 제거 방안을 적용하여 최적의 이상치 제거 방안을 도출할 필요가 있다. 또한 최근 화두가 되고 있는 빅 데이터 분석의 일환으로 DSRC 수집 데이터와 기상정보, 사고정보 등을 융합한 실시간 통행시간 예측기법 개발 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.