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
- 이를 위해 Tabel 3과 같이 도로노면 상태를 총 7가지 강도로 구분하였으며, 분석결과 노면상태의 강도가 높아짐에 따라 포화교통류율은 20% 감소, 속도는 최대 30%가 감소하는 것으로 나타났다. 강우의 영향으로 인해 포화교통류율 및 차량의 속도가 감소함을 수치적으로 제시한 연구로 본 연구의 의의와 직접적인 연관이 있다고 할 수 있다.
가설 설정
- H0(귀무가설): 그룹 내의 시간당 강우량에 따른 포화차두시간은 차이가 없다.
- H0(귀무가설): 그룹 내의 시간당 강우량에 따른 포화차두시간은 차이가 없다.
- H0(귀무가설): 시간당 강우량에 따른 포화차두시간은 차이가 없다.
- H1(대립가설): 그룹 내의 시간당 강우량에 따른 포화차두시간은 차이가 없다고 할 수 없다.
- H1(대립가설): 그룹 내의 시간당 강우량에 따른 포화차두시간은 차이가 없다고 할 수 없다.
- H1(대립가설): 시간당 강우량에 따른 포화차두시간은 차이가 없다고 할 수 없다.
제안 방법
- t-test의 검정결과 강우량에 따른 포화차두시간이 변화하는 그룹을 총 3개로 구분하였다. 해당 그룹 내의 경우 강우량에 따른 포화차두시간의 차이가 발생하는지를 별도의 분산분석을 통해 검증하였다.
- 각 그룹별 분산분석 결과는 Table 10과 같이 모두 귀무가설을 기각하지 못하였으며, 이를 이용하여 시간당 강우량 별 포화차두시간 자료를 구축하였다.
- 각 그룹별로 ANOVA-test를 총 3회 시행하였으며 귀무가설과 대립가설은 다음과 같이 설정하였다.
- 자료 분석을 통해 각 지점의 시간당 강우량별 포화차두시간 및 포화교통류율 값을 산출하였다. 각 지점의 시간당 강우량 별 포화차두시간 중 시간당 강우량이 동일한 포화교통류율 값은 통계적 검정을 통해 같은 시간당 강우량 별 포화차두시간 자료는 하나의 시간당 강우량 자료로 간주하여 분석에 활용하였다.
- 본 연구에서는 이러한 영향을 분석하기 위해 강우강도별로 차두시간을 실측하여 포화교통류율을 산정하였다. 강우량과 포화교통류율, 차두시간간의 상관관계를 분석하였으며, 강우에 의해 변화 발생하는 강우량을 기준으로 강우보정계수를 산정하여 결과를 제시하였다. 이 결과는 KHCM(2013)에 반영되어 적용되고 있다.
- 5mm/h 지점에서 차두시간의 차이가 크게 나타나므로 이 지점을 기준으로 시간당 강우량을 구분하여 강우보정계수를 제시하였다. 강우상황에서 0mm/h 이상에서 2mm/h 미만, 2mm/h 이상에서 4.5mm/h 미만, 4.5mm/h 이상으로 3구간으로 나누어 강우보정계수를 제시하며, 그 값은 범위 내의 시간당 강우량 별 강우보정계수의 평균값을 사용하였다.
- 고속도로 구간을 대상으로 강우의 영향에 따른 용량 및 속도를 분석하였으며 이때 강우강도를 Table 4와 같이 Light Rain 과 Heavy Rain 등 2가지로 구분하였다.
- 적색신호시 대기하고 있었던 차량이 녹색신호로 신호변경에 의해 가속을 할 경우 정지상태에서 출발하기 때문에 지체(출발손실시간) 가 발생한다. 따라서 녹색신호 전환시 초기차량의 출발 손실시간을 제외한 이후 차량들의 차두시간 평균값을 사용하였으며 본 연구에서는 출발손실시간을 제외한 차두 시간 측정을 위해 USHCM(2010)에서 제시한 Figure 3과 같이 5번째 차량부터 차두시간을 측정하였다.
- 즉, 본 연구에서 데이터를 구득한 3개 지점의 경우, 강우량이 동일할 경우 포화차두시간은 통계학적으로 큰 차이가 없음을 의미한다. 따라서 본 연구에서는 동일한 강우량에서 수집된 포화차두시간은 지점에 관계없이 통합하여 산출하여 분석에 활용하였다.
- 기존 연구 검토결과와 같이 기상상황이 교통류에 미치는 영향은 연속류를 중심으로 시도되었으며, USHCM(2010) 또한 연속류 날씨보정계수만 도입되었다. 따라서 본 연구에서는 일반적인 단속류의 교통류 영향을 평가하는 방법을 차용하여 강우가 교통류에 미치는 영향을 분석하였으며, 그 방법은 다음과 같다.
- 문헌 및 선행 연구고찰에서 USHCM(2010)과 KHCM(2005)와의 비교를 통해 단속류 신호교차로 용량 산정방안을 검토하였으며 포화교통류율에 관한 이론적 고찰 및 기존의 기상조건 변화에 따른 국내외 연구사례를 검토하였다. 이를 통하여 포화교통류율을 실측하기 위한 포화차두시간의 개념 정의 및 산정방법, 기상조건에 따른 강우보정 계수(fre)의 도출방법 등을 제시하였다.
- 본 연구를 수행하기 위해 강우시 신호교차로 현장에서 차량의 통행행태를 비디오 레코딩 하였다. 이와는 별도로 서울지방경찰청 종합교통정보센터의 신호교차로 CCTV를 구득하였으며, 수집된 영상정보를 이용하여 포화교통류율의 변화를 측정하였다.
- 본 연구에서는 기상조건의 범위를 일반적인 강우로 한정하였으며 태풍, 폭우 등으로 인한 통행제한, 도로침수 등과 같은 피해가 발생되는 기상재해에 해당하는 강우에 대해서는 방재측면에서 고려해야 할 사항으로 판단하여 본 연구에서는 제외하였으며, 강우 및 일반적인 단속류 신호교차로 교통류 특성과 직접적인 관계가 없는 요소는 배제하고 분석을 시행하였다.
- 본 연구에서는 이러한 영향을 분석하기 위해 강우강도별로 차두시간을 실측하여 포화교통류율을 산정하였다. 강우량과 포화교통류율, 차두시간간의 상관관계를 분석하였으며, 강우에 의해 변화 발생하는 강우량을 기준으로 강우보정계수를 산정하여 결과를 제시하였다.
- 신호교차로 용량 분석을 위한 방법론은 고정식 및 감응식 신호기에 따라 Figure 2와 같이 별도로 구분하여 제시하고 있다. 신호교차로 분석을 위한 입력자료에 해당하는 기하구조 및 신호주기 등을 조사하고, 이를 이용하여 도출한 포화교통류율값은 용량과 v/c를 산정하기 위한 투입자료로 이용한다. 이러한 과정을 거쳐 최종적으로 단속류에 해당하는 신호교차로의 서비스수준을 판정하게 된다.
- 영상자료는 프레임 분석을 통해 포화차두시간간격을 도출하였다. 영상자료를 수집한 3개 지점별 시간당 강우량에 따른 포화차두시간, 표본표준편차, 포화교통류율 및 해당 강우시의 차량수를 검토한 결과는 Table 7-9와 같다.
- 이는 검정시행에서 설정한 그룹 내에서는 시간당 강우량에 따른 포화차두시간의 차이가 있다고 하기는 어렵다는 것을 의미한다. 이를 바탕으로 그룹별로는 포화차두시간을 기준으로 신호교차로의 영향을 대표하는 값을 산정하였으며, 이러한 영향을 이용하여 강우시 보정계수를 산출하였다.
- 문헌 및 선행 연구고찰에서 USHCM(2010)과 KHCM(2005)와의 비교를 통해 단속류 신호교차로 용량 산정방안을 검토하였으며 포화교통류율에 관한 이론적 고찰 및 기존의 기상조건 변화에 따른 국내외 연구사례를 검토하였다. 이를 통하여 포화교통류율을 실측하기 위한 포화차두시간의 개념 정의 및 산정방법, 기상조건에 따른 강우보정 계수(fre)의 도출방법 등을 제시하였다. 자료 수집에서는 검토된 선행연구과정에서 제시된 방법들을 이용하여 단속류 신호교차로의 포화교통류율을 산정하기 위한 자료수집과정을 제시하였으며 분석결과에서는 자료 분석결과를 살펴보고 통계적 유의성 검정을 수행하였으며, 이를 통해 분석에 알맞은 모델을 제시하였다.
- 본 연구를 수행하기 위해 강우시 신호교차로 현장에서 차량의 통행행태를 비디오 레코딩 하였다. 이와는 별도로 서울지방경찰청 종합교통정보센터의 신호교차로 CCTV를 구득하였으며, 수집된 영상정보를 이용하여 포화교통류율의 변화를 측정하였다. 자료의 구득 측면에 있어 경찰청에서 구득한 CCTV는 특정 구간의 연속적인 영상을 확보하기 어려우며, 검지기를 이용한 차두시간 분석은 검지기의 상태 등 현실적인 제약에 의해 활용하지 못하였다.
- 회귀모형으로 강우보정계수를 산출하는 방안보다 포화교통류율 분석결과를 바탕으로 특정 강우량을 기준으로 구분하여 강우보정계수를 산정하는 것이 보다 설명력이 높게 나타났다. 자료 분석 결과 비강우상황과 강우상황, 2mm/h 지점과 4.5mm/h 지점에서 차두시간의 차이가 크게 나타나므로 이 지점을 기준으로 시간당 강우량을 구분하여 강우보정계수를 제시하였다. 강우상황에서 0mm/h 이상에서 2mm/h 미만, 2mm/h 이상에서 4.
- 자료 분석을 통해 각 지점의 시간당 강우량별 포화차두시간 및 포화교통류율 값을 산출하였다. 각 지점의 시간당 강우량 별 포화차두시간 중 시간당 강우량이 동일한 포화교통류율 값은 통계적 검정을 통해 같은 시간당 강우량 별 포화차두시간 자료는 하나의 시간당 강우량 자료로 간주하여 분석에 활용하였다.
- 본 연구에서 도출한 강우시의 포화차두간격과 비 강우시의 포화차두간격의 관계를 이용하여 강우보정계수를 도출할 수 있다. 즉, 강우보정계수를 강우에 의해 감소한 포화차두간격 정도를 통계학적으로 분석하여 산정하였다. 이때 강우보정계수를 산정하는 식은 식(5) 및 식(6)과 같다.
- 자료의 구득 측면에 있어 경찰청에서 구득한 CCTV는 특정 구간의 연속적인 영상을 확보하기 어려우며, 검지기를 이용한 차두시간 분석은 검지기의 상태 등 현실적인 제약에 의해 활용하지 못하였다. 포화교통류율은 포화차두시간을 기준으로 산정하였으며, 구득한 영상자료를 30프레임/초 단위로 분석하여 포화차두시간을 산출하였다.
대상 데이터
- 본 연구에서는 실시간으로 업데이트 되는 기상자료 중 15분 강우량과 60분 강우량 자료를 활용하였다. 교통자료 수집지점의 강우량 데이터의 정확도 향상을 위해 서울시내 AWS 세부위치를 점검하였으며, 분석대상 신호교차로와 가장 인접한 AWS의 강우량 데이터를 이용하였다.
- 본 연구를 수행하기 위해 KHCM(2005)의 신호교차로 부분에 제시되어 있는 이상적인 조건에 부합하는 지점을 선정하였다. 이는 포화교통류율을 감소시키는 요소를 최소화 하고, 강우만에 의한 영향을 측정하기 위함이다.
- 본 연구에 적합한 교통자료 수집지점 선정을 위하여 서울시내 편도 4차로 이상 도로를 대상으로 검토하였다. 이와 함께 영상 레코딩장비 설치가 가능한 공간이 확보 되는 지점의 존재 여부를 기준으로 최종적으로 월드컵경기장 사거리, 종로2가사거리, 안국역사거리 등 세 지점을 최종 교통정보 수집대상 신호교차로로 선정하였다.
- 본 연구에 필요한 기상자료는 기상청을 통해 구득하였다. 기상청에는 지역별 기상자료를 수집하기 위해 기 상대와 자동기상관측장비(Automatic Weather System, 이하 AWS)를 설치하여 운영 중에 있으며, 이를 통해 수집된 기상자료는 기상청 홈페이지를 통해 실시간으로 업데이트 되고 있다.
- 기상청에는 지역별 기상자료를 수집하기 위해 기 상대와 자동기상관측장비(Automatic Weather System, 이하 AWS)를 설치하여 운영 중에 있으며, 이를 통해 수집된 기상자료는 기상청 홈페이지를 통해 실시간으로 업데이트 되고 있다. 본 연구에서는 실시간으로 업데이트 되는 기상자료 중 15분 강우량과 60분 강우량 자료를 활용하였다. 교통자료 수집지점의 강우량 데이터의 정확도 향상을 위해 서울시내 AWS 세부위치를 점검하였으며, 분석대상 신호교차로와 가장 인접한 AWS의 강우량 데이터를 이용하였다.
- 본 연구의 시간적·공간적 범위는 2011년 4-8월과 2012년 3-8월이며, 서울시 도시부 십자(十)형 신호교차로인 월드컵경기장사거리, 종로가사거리 및 안국역사거리 등 세 지점의 직진 차로의 데이터를 이용하여 연구를 수행하였다.
- 수집시간은 주·야 영향을 배제하기 위해 낮시간(오전 9시-오후 6시)으로 한정하였다.
- 본 연구에 적합한 교통자료 수집지점 선정을 위하여 서울시내 편도 4차로 이상 도로를 대상으로 검토하였다. 이와 함께 영상 레코딩장비 설치가 가능한 공간이 확보 되는 지점의 존재 여부를 기준으로 최종적으로 월드컵경기장 사거리, 종로2가사거리, 안국역사거리 등 세 지점을 최종 교통정보 수집대상 신호교차로로 선정하였다.
- 현장의 영상자료의 수집은 Table 5와 같이 2011년 4-8월 및 2012년 3-8월 등 총 11개월간 수집하였다. 수집시간은 주·야 영향을 배제하기 위해 낮시간(오전 9시-오후 6시)으로 한정하였다.
데이터처리
- 해당 그룹 내의 경우 강우량에 따른 포화차두시간의 차이가 발생하는지를 별도의 분산분석을 통해 검증하였다. 귀무가설을 기각하지 못한 시간당 강우량의 포화차두시간 자료를 각 그룹으로 나누어 95% 신뢰수준을 기준으로 ANOVA-test를 시행하였다. 이를 위하여 검정을 시행한 그룹은 총 3가지이며 각 그룹의 분류는 다음과 같다.
- 수집된 지점이 서로 다른 자료를 시간당 강우량이 동일한 하나의 자료로 가공하기 위한 통계적 검증은 분산분석(ANOVA test)을 시행하였다. 분석에 사용한 그룹은 총 4가지이며, 항목은 다음과 같다.
- 이를 통하여 포화교통류율을 실측하기 위한 포화차두시간의 개념 정의 및 산정방법, 기상조건에 따른 강우보정 계수(fre)의 도출방법 등을 제시하였다. 자료 수집에서는 검토된 선행연구과정에서 제시된 방법들을 이용하여 단속류 신호교차로의 포화교통류율을 산정하기 위한 자료수집과정을 제시하였으며 분석결과에서는 자료 분석결과를 살펴보고 통계적 유의성 검정을 수행하였으며, 이를 통해 분석에 알맞은 모델을 제시하였다. 본 연구의 시간적·공간적 범위는 2011년 4-8월과 2012년 3-8월이며, 서울시 도시부 십자(十)형 신호교차로인 월드컵경기장사거리, 종로가사거리 및 안국역사거리 등 세 지점의 직진 차로의 데이터를 이용하여 연구를 수행하였다.
- t-test의 검정결과 강우량에 따른 포화차두시간이 변화하는 그룹을 총 3개로 구분하였다. 해당 그룹 내의 경우 강우량에 따른 포화차두시간의 차이가 발생하는지를 별도의 분산분석을 통해 검증하였다. 귀무가설을 기각하지 못한 시간당 강우량의 포화차두시간 자료를 각 그룹으로 나누어 95% 신뢰수준을 기준으로 ANOVA-test를 시행하였다.
이론/모형
- 이러한 배경에 의해 본 연구가 시작되었으며, 본 연구의 결과를 바탕으로 개정된 KHCM(2013)에는 도로용량산정방안이 수록되었다. 본 논문은 KHCM(2013)의 강우시 단속류 신호교차로의 강우시 용량산정방안 및 강우보정계수의 도출방법론을 중심으로 작성되었다.
- USHCM(2010)에서는 유의한 수준의 포화교통류율을 산정하기 위해서는 대기행렬 차량이 8대 이상이며, 최소 15번의 신호주기를 반복 측정해야 한다고 제시되어 있다. 본 연구에서는 USHCM(2010)에서 제시하고 있는 기준을 준수하여 포화교통류율을 산정하였다.
성능/효과
- 영상자료를 수집한 3개 지점별 시간당 강우량에 따른 포화차두시간, 표본표준편차, 포화교통류율 및 해당 강우시의 차량수를 검토한 결과는 Table 7-9와 같다. 3개 지점 모두 비강우시때 보다 강우시에 포화차두시간이 큰 폭으로 증가하는 것을 알 수 있었으며, 도로의 용량에도 영향을 미침을 알 수 있다.
- 시간당 강우량에 따른 포화차두시간의 자료를 이용하여 Table 14와 같이 포화교통류율을 산출하였다. 시간당 강우량에 따른 포화교통류율을 분석한 결과 시간당 강우량이 높아짐에 따라 포화교통류율이 감소하는 추세로 나타나는 것을 확인하였다. 그러나 5mm/h 이상의 시간당 강우량에서는 포화교통류율의 변동이 크지 않은 것으로 나타났다.
- 시간당 강우량에 따른 포화차두시간을 분석한 결과 시간당 강우량이 증가함에 따라 포화차두시간이 증가하는 추세를 보임을 확인하였다. 그러나 5mm/h 이상의 시간당 강우시에는 포화차두시간의 변화가 크지 않은 것으로 나타났다.
- (2003)은 기상조건에 따른 교차로의 적절한 신호시간 산정을 위해 교통변수의 변화를 분석하였다. 이를 위해 Tabel 3과 같이 도로노면 상태를 총 7가지 강도로 구분하였으며, 분석결과 노면상태의 강도가 높아짐에 따라 포화교통류율은 20% 감소, 속도는 최대 30%가 감소하는 것으로 나타났다. 강우의 영향으로 인해 포화교통류율 및 차량의 속도가 감소함을 수치적으로 제시한 연구로 본 연구의 의의와 직접적인 연관이 있다고 할 수 있다.
- 그러나 5mm/h 이상의 시간당 강우량에서는 포화교통류율의 변동이 크지 않은 것으로 나타났다. 특히 비강우상황에서 강우상황으로 변화할 경우 큰 폭으로 포화교통류율이 감소하였으며 2.0mm/h 와 4.5mm/h에서 포화교통류율이 큰 폭으로 감소하는 것을 확인하였다.
- 강우영향을 회귀모형으로 분석한 결과를 Figure 5와 같다. 회귀모형으로 강우보정계수를 산출하는 방안보다 포화교통류율 분석결과를 바탕으로 특정 강우량을 기준으로 구분하여 강우보정계수를 산정하는 것이 보다 설명력이 높게 나타났다. 자료 분석 결과 비강우상황과 강우상황, 2mm/h 지점과 4.
후속연구
- 본 연구는 실험적인 연구로, 향후에는 통행속도 및 차두간격에 영향을 미칠 수 있는 외부적 요인에 대한 통제를 명확히 하여 보다 정밀한 값을 측정 및 비교·검토하여 활용도를 향상시킬 수 있을 것으로 예상한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.