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
- V2X 통신이 가능한 차량이 보급이 되면 도심지 혼잡해소를 위한 새로운 데이터 생성이 가능하게 된다. 따라서 본 연구에서는 도시지역 신호교차로에서 발생하는 지체를 최소화하기 위해 V2X 환경 하에서 개별차량 기반 수집 데이터를 활용하여 독립교차로(isolated intersection)의 실시간 교통상황대응 최적 제어 알고리즘 개발을 하였다. 또한 개발된 알고리즘을 평가하기 위하여 미시교통시뮬레이션 모델인 VISSIM을 이용하여 기존 신호체계에서의 지체 결과와 V2X 환경에서 개발된 알고리즘의 결과를 비교하였다.
- (2010)의 연구에서는 V2V차량의 존재가 전체 교통 네트워크에 어떤 영향을 주는지 연구하였다. 특히 사고 발생 상황에서 connected vehicle 화 되어 있는 것이 이후의 네트워크에 끼치는 영향을 정량적으로 보이고자 하였다. 분석 결과, V2V 차량 비율이 증가할수록 사고가 일어날 확률이 감소하는 것을 알 수 있었다.
가설 설정
- (2000)은 시뮬레이션 모형이 아닌, 수식으로 나타낸 각 진입로의 대기차량 예측모델을 이용하여 다음 주기에서의 대기차량수를 예측하고 이를 통해 최적 신호시간을 산출하였다. 차량도착모형 구축을 위해 해당 연구에서는 각 접근로의 차량 도착률은 일정(Uniform)하다고 가정하였으며, 링크 이동시 차량밀도가 변하는 차량분산현상 또한 없는 것으로 가정하였다[5].
제안 방법
- 개발된 알고리즘을 적용하기 위하여 Vissim에서 제공하는 외부 모듈인 Com interface 모듈을 이용하였으며 visual basic을 이용하여 코드를 작성하였다.
- 본 연구에서는 매초 간격으로 V2X 통신환경에서 수집되는 정보를 이용하여 주기, 현시, 현시 순서를 결정하는 알고리즘과 이 알고리즘 안에서 감응식 신호를 적용하여 독립신호 교차로의 신호 최적제어를 실시하였다. 개발된 최적제어 알고리즘은 Vissim을 이용하여 toy network에서의 지체, 정지 수, 평균 속도 등을 산출하였다. 또한 신호최적화 프로그램인 Synchro를 이용하여 toy network의 신호를 최적화하여 개발된 알고리즘과 비교를 실시하였으며 시장점유율에 따른 도입 시기 등을 평가하였다.
- phase의 순서는 그룹번호와 링 번호에 귀속되기 때문에 phase(1, 2), phase(5, 6), phase(3, 4), phase (7, 8)끼리 계산하게 된다. 그룹의 최대녹색시간 안에서 해당 ring의 직진교통량과 좌회전 교통량의 예측교통량을 이용하여 각 phase의 최대녹색시간을 계산한다. 이후 각 phase의 최대녹색시간동안 생기는 정지지체를 매초간격으로 계산하여 현시순서를 경정하게 된다.
- 네트워크 구성 시나리오는 각 접근로 교통량을 500, 1000, 1500(대/시)로 구분하였으며, 모든 시나리오의 회전비율은 직진, 좌회전, 우회전 6:3:1의 비율을 적용하였다. 구성된 네트워크의 평가는 기존 신호알고리즘의 경우 신호최적화 프로그램인 Synchro 6.
- (2012)는 지체시간과 연동성 두 가지 척도를 동시에 고려하는 신호교차로 거시적 시뮬레이션 모형을 개발하였다. 두 가지 척도를 동시에 고려하기 위해서 각 셀의 밀도를 통해 지체도와 연동지표를 개발하고 이를 시뮬레이션 모형에 반영하였다. 정의한 지체도와 연동지표를 이용해 구축한 거시적 시뮬레이션 모형과 기존의 지체모형 및 연동 모형의 효과척도를 비교 분석한 결과, 기존 신호최적화 모형에서 산출한 지체시간과 비교하여 유사한 패턴을 나타내는 것을 확인하였다[6].
- 따라서 [Fig. 4]와 같은 현상을 보정시키기 위하여 V2X 통신환경 차량의 정지위치에 따라 현재 교통량을 보정하는 알고리즘을 추가하였다. [Fig.
- 따라서 매초 간격으로 V2X 통신환경에서 수집되는 정보를 이용하여 주기, 현시, 현시 순서를 결정 하는 알고리즘과 이 알고리즘 안에서 감응식 신호 운영을 적용하여 독립신호 교차로의 최적 제어를 실시하였다. 만일 V2X 통신이 가능한 차량의 시장 점유율이 100%라고 하면 Gap out이나 신호연장시 간을 고려하지 않은 감응신호 운영이 가능하나, 시장점유율이 100%가 되기 이전까지는 그 차이를 극복하기 위하여 지점 검지기 기반 감응식 신호 운영을 함께 운영하는 것이 타당하다고 판단하였다.
- 이러한 정지지체는 신호가 고려되지 않은 차량의 도착에 따른 정지지체만을 고려한 값이다. 따라서 차량 도착 테이블과 정지지체 테이블을 이용하여 신호 최적제어 알고리즘을 구현할 변수인 Group 의 최대 녹색시간, phase의 최대 녹색시간, phase 순서를 계산한다.
- 개발된 최적제어 알고리즘은 Vissim을 이용하여 toy network에서의 지체, 정지 수, 평균 속도 등을 산출하였다. 또한 신호최적화 프로그램인 Synchro를 이용하여 toy network의 신호를 최적화하여 개발된 알고리즘과 비교를 실시하였으며 시장점유율에 따른 도입 시기 등을 평가하였다.
- 또한 개발된 알고리즘을 평가하기 위하여 미시교통시뮬레이션 모델인 VISSIM을 이용하여 기존 신호체계에서의 지체 결과와 V2X 환경에서 개발된 알고리즘의 결과를 비교하였다. 마지막으로 V2X 통신이 가능한 차량이 점차 증가함에 따라 개발된 알고리즘의 효과가 나타나는 시나리오를 설정하여 개발된 알고리즘의 도입 시기를 평가하였다.
- 또한 교통신호 산출 S/W인 Synchro를 이용하여 toy network의 신호를 적용하여 개발된 알고리즘과 성능을 비교하였다. 마지막으로 개발된 알고리즘의 적용시점을 파악하기 위하여 V2X 통신이 가능한 차량의 비율을 변경하여 정확한 알고리즘의 도입 시기를 살펴보았다.
- 마지막으로 시장점유율에 따른 개발된 알고리즘이 어떻게 변화하는지를 알아보기 위하여 V2X 통신환경이 가능한 차량이 100%, 75%, 50%, 25%로 구분하여 평가하였다.
- 본 연구에서 개발된 알고리즘에서 최대주기 산출 시 예측교통량을 이용하게 된다. 하지만 시장점 유율에 따라서 V2X 통신환경 차량이 감소하게 됨에 따라 주기 산정에 오차가 발생할 수밖에 없다.
- 본 연구에서 제안하는 최적 신호제어 알고리즘은 V2X 환경에서 수집된 차량의 위치정보를 이용 하여 최대녹색시간을 계산하고 그 시간 안에서 실시간 감응신호로 제어하게 된다. 따라서 Group의 최대 녹색시간을 결정하고, phase의 최대 녹색시간, phase의 순서를 결정하게 되면 각 phase 별로 gap out 과 max out이 발생함에 따라 신호가 진행되어진다.
- 본 연구에서는 V2X 환경에서 수집되는 교통정보인 차량의 위치, 차량의 속도를 이용하여 독립신호 교차로에 신호최적 제어 알고리즘에 사용되는 변수인 주기(cycle), 현시(phase), 현시 순서(phase sequence)를 결정하게 된다. 매초 간격으로 V2X에서 수집 정보 중 차량의 위치는 차량의 교차로 접근방향, 차로의 위치, 교차로 정지선까지의 남은거리 등을 포함하고 있다.
- 본 연구에서는 매초 간격으로 V2X 통신환경에서 수집되는 정보를 이용하여 주기, 현시, 현시 순서를 결정하는 알고리즘과 이 알고리즘 안에서 감응식 신호를 적용하여 독립신호 교차로의 신호 최적제어를 실시하였다. 개발된 최적제어 알고리즘은 Vissim을 이용하여 toy network에서의 지체, 정지 수, 평균 속도 등을 산출하였다.
- 본 연구의 신호최적화 알고리즘을 구현하기 위하여 V2X 통신차량에서 매 초 간격으로 수집되어진 차량 ID, 속도, 접근방향, 위치정보(정지선까지 거리 및 차선위치)를 이용하여 다음 Eq. [1]을 통해 차량이 정지선 혹은 대기차량 뒤에 도착할 시간 테이블을 작성한다.
- 신호 현시를 할당하는 알고리즘은 신호 현시의 순서 및 길이를 배정하는 데 사용하였다. 신호최적화 알고리즘은 Upper level과 Lower level로 구분하였고, Upper level은 다시 Forward recursion과 Backward recursion으로 구성하였다. 이 알고리즘은 신호 최적화의 목적함수를 총 차량지체 최소화와, 대기길이 최소화 두 가지로 선정하였다.
- 신호최적화 알고리즘은 Upper level과 Lower level로 구분하였고, Upper level은 다시 Forward recursion과 Backward recursion으로 구성하였다. 이 알고리즘은 신호 최적화의 목적함수를 총 차량지체 최소화와, 대기길이 최소화 두 가지로 선정하였다. 도착정보를 추정하는 데 사용되는 알고리즘은 EVLS(Estimation of Location and Speed) 알고리즘을 적용하였다.
- 일반적으로 신호 연동모델은 고정 주기 하에 평균 유입 교통량을 산출한 후 선형 최적화 이론을 통해 최적 신호를 산출한다. 하지만 해당 연구에서는 주기별 차량도착률을 이용해 대기 차량 길이를 예측하고 이를 통해 주기별 주기길이 및 현시신호시간을 최적화할 수 있는 거시적 모형을 제시하였다[4].
데이터처리
- 개발된 최적 제어 알고리즘은 Vissim을 이용하여 toy network에서의 평균 지체, 평균 정지지체, 정지수, 평균속도를 산출하였다. 또한 교통신호 산출 S/W인 Synchro를 이용하여 toy network의 신호를 적용하여 개발된 알고리즘과 성능을 비교하였다.
- 따라서 본 연구에서는 도시지역 신호교차로에서 발생하는 지체를 최소화하기 위해 V2X 환경 하에서 개별차량 기반 수집 데이터를 활용하여 독립교차로(isolated intersection)의 실시간 교통상황대응 최적 제어 알고리즘 개발을 하였다. 또한 개발된 알고리즘을 평가하기 위하여 미시교통시뮬레이션 모델인 VISSIM을 이용하여 기존 신호체계에서의 지체 결과와 V2X 환경에서 개발된 알고리즘의 결과를 비교하였다. 마지막으로 V2X 통신이 가능한 차량이 점차 증가함에 따라 개발된 알고리즘의 효과가 나타나는 시나리오를 설정하여 개발된 알고리즘의 도입 시기를 평가하였다.
- 개발된 최적 제어 알고리즘은 Vissim을 이용하여 toy network에서의 평균 지체, 평균 정지지체, 정지수, 평균속도를 산출하였다. 또한 교통신호 산출 S/W인 Synchro를 이용하여 toy network의 신호를 적용하여 개발된 알고리즘과 성능을 비교하였다. 마지막으로 개발된 알고리즘의 적용시점을 파악하기 위하여 V2X 통신이 가능한 차량의 비율을 변경하여 정확한 알고리즘의 도입 시기를 살펴보았다.
- 평가를 위한 MOE는 개별차량의 평균 지체, 평균 정지지체, 평균 정지횟수, 평균 속도를 이용하였으며 random seed를 변화하여 시나리오 당 5번의 분석 결과를 평균 내어 산출하였다.
이론/모형
- 네트워크 구성 시나리오는 각 접근로 교통량을 500, 1000, 1500(대/시)로 구분하였으며, 모든 시나리오의 회전비율은 직진, 좌회전, 우회전 6:3:1의 비율을 적용하였다. 구성된 네트워크의 평가는 기존 신호알고리즘의 경우 신호최적화 프로그램인 Synchro 6.0을 이용하여 각 시나리오의 최적 신호를 적용하였다.
- 이 알고리즘은 신호 최적화의 목적함수를 총 차량지체 최소화와, 대기길이 최소화 두 가지로 선정하였다. 도착정보를 추정하는 데 사용되는 알고리즘은 EVLS(Estimation of Location and Speed) 알고리즘을 적용하였다. 분석결과 시장점유율이 100%인 경우 총 지체와 대기길이가 각각 감소함을 알 수 있고, 시장점 유율이 최소 50% 이상이어야만 알고리즘이 효과적으로 작동하며 수요가 많은 경우에는 connected vehicle이 증가하여 알고리즘의 오류가 감소하는 것으로 확인하였다[8].
- 최적주기란 지체를 최소화시키는 주기를 말하며 녹색신호 때 통과시켜야 할 차량 대수는 적색신호에서 기다리는 차량뿐만 아니라 녹색 및 황색시간 때에 도착하는 차량도 통과시켜야 한다[11]. 따라서 최적주기를 산출하기 위하여 각 Group의 지체를 최소로 하는 최대 녹색시간 값을 구하기 위해 Webster 방법을 이용하였다[11].
- 본 연구에서 개발된 알고리즘을 평가하기 위하여 국내에서 많이 사용되는 미시교통시뮬레이션모형인 VISSIM ver 6.0을 이용하여 편도 3차로인 독립교차로의 toy network를 구성하였다.
- (2015)의 연구에서는 connected vehicle 자료를 기반으로 실시간 감응 교통 제어 알고리즘을 제시하였다. 신호 현시를 할당하는 알고리즘은 신호 현시의 순서 및 길이를 배정하는 데 사용하였다. 신호최적화 알고리즘은 Upper level과 Lower level로 구분하였고, Upper level은 다시 Forward recursion과 Backward recursion으로 구성하였다.
성능/효과
- 이는 개발된 알고리즘이 교통량의 변동에 맞게 최적 주기를 산출하고 더불어 감응신호 운영을 하였기 때문인 것으로 판단된다. 1,500대의 교통량의 경우 Synchro에서 산출된 최적 주기는 180초로 나타났으나 개발된 알고리즘 에서는 최대 140초에서 최소 80초 사이에서 주기가 운영되었음을 파악할 수 있었다.
- Synchro에서 산출된 신호현시와 본 연구에서 개발된 알고리즘을 비교하면 전제적으로 평균 지체, 평균 정지지체, 정지횟수, 평균속도가 개선되었음을 나타나고 있으며, 교통량이 많아질수록 개선 폭이 커지는 것으로 분석되었다. 이는 개발된 알고리즘이 교통량의 변동에 맞게 최적 주기를 산출하고 더불어 감응신호 운영을 하였기 때문인 것으로 판단된다.
- 분석 결과, 일반적인 감응 신호 제어보다 성능이 좋게 나오지만 포화 및 과포화 상태에서는 높은 수준으로 신호 제어를 하지 못해 만족할 만한 결과를 얻기 힘들었다. 또한 개발된 알고리즘에서 connected vehicle에 따른 시장점유율 변화와 관련하여 평가한 결과 50%일 때 지체 및 정지수 측면에서 결과가 좋았으나, 50% 미만일 때는 Unconnected vehicle이 증가함에 따라 기존의 신호시스템이 더 나은 효과가 나타났다[7].
- 또한 시장점유율에 따른 도입 시기 평가는 평균 지체의 경우 교통량이 500대의 경우 시장점유율이 50%이하로 내려가면 기존 신호알고리즘보다 지체가 높아지는 것으로 나타났으나 교통량이 1000대일 경우 시장점유율 25% 이하에서 지체가 높아졌다.
- 따라서 매초 간격으로 V2X 통신환경에서 수집되는 정보를 이용하여 주기, 현시, 현시 순서를 결정 하는 알고리즘과 이 알고리즘 안에서 감응식 신호 운영을 적용하여 독립신호 교차로의 최적 제어를 실시하였다. 만일 V2X 통신이 가능한 차량의 시장 점유율이 100%라고 하면 Gap out이나 신호연장시 간을 고려하지 않은 감응신호 운영이 가능하나, 시장점유율이 100%가 되기 이전까지는 그 차이를 극복하기 위하여 지점 검지기 기반 감응식 신호 운영을 함께 운영하는 것이 타당하다고 판단하였다.
- 특히 사고 발생 상황에서 connected vehicle 화 되어 있는 것이 이후의 네트워크에 끼치는 영향을 정량적으로 보이고자 하였다. 분석 결과, V2V 차량 비율이 증가할수록 사고가 일어날 확률이 감소하는 것을 알 수 있었다. 또한 심각한 지체 상황 에서 V2V 차량이 존재할 때 통행 시간이 오히려 증가하는 것을 확인하였다[1].
- 미래 15초 간격으로 목적 함수 최적화를 하여 현시를 할당하는 것이 특징이며 목적 함수는 지체 또는 정지 수, 가속도 등과의 조합으로 결정된다. 분석 결과, 일반적인 감응 신호 제어보다 성능이 좋게 나오지만 포화 및 과포화 상태에서는 높은 수준으로 신호 제어를 하지 못해 만족할 만한 결과를 얻기 힘들었다. 또한 개발된 알고리즘에서 connected vehicle에 따른 시장점유율 변화와 관련하여 평가한 결과 50%일 때 지체 및 정지수 측면에서 결과가 좋았으나, 50% 미만일 때는 Unconnected vehicle이 증가함에 따라 기존의 신호시스템이 더 나은 효과가 나타났다[7].
- (2015)의 연구에서는 수단 선택과 교통 네트워크 이동성에서 connected vehicle의 효과를 평가하는 것으로 수단(mode)을 선택하는 것과 교통량을 배정하는 두 부문으로 구성된다. 분석결과 connected vehicle이 증가함에 따라 전체 승용차(auto mode)의 평균 통행시간은 감소하였으며, connected vehicle의 비율이 높을 때 통행시간이 감소하는 것은 동적 경로 안내 시스템에 의한 것으로 판단하였다[9].
- 도착정보를 추정하는 데 사용되는 알고리즘은 EVLS(Estimation of Location and Speed) 알고리즘을 적용하였다. 분석결과 시장점유율이 100%인 경우 총 지체와 대기길이가 각각 감소함을 알 수 있고, 시장점 유율이 최소 50% 이상이어야만 알고리즘이 효과적으로 작동하며 수요가 많은 경우에는 connected vehicle이 증가하여 알고리즘의 오류가 감소하는 것으로 확인하였다[8].
- 하지만 1,500대일 경우 시장점유율에 25%에 불과해도 기존의 신호제어 알고리즘보다 지체가 낮아지는 것으로 분석되었다. 이는 알고리즘의 도입 시기가 시장점유율 50%이상일 때 도입이 원활하게 가능할 것으로도 판단될 수 있으며, 다른 측면에서는 V2X 통신이 가능한 차량의 규모가 증가할수록 본 연구에서 개발된 알고리즘이 잘 작동하는 것으로 보여주고 확인된다.
- 두 가지 척도를 동시에 고려하기 위해서 각 셀의 밀도를 통해 지체도와 연동지표를 개발하고 이를 시뮬레이션 모형에 반영하였다. 정의한 지체도와 연동지표를 이용해 구축한 거시적 시뮬레이션 모형과 기존의 지체모형 및 연동 모형의 효과척도를 비교 분석한 결과, 기존 신호최적화 모형에서 산출한 지체시간과 비교하여 유사한 패턴을 나타내는 것을 확인하였다[6].
- 평가 결과, Synchro에서 산출된 신호현시와 본 연구에서 개발된 알고리즘을 비교하면 전제적으로 평균 지체, 평균 정지지체, 정지횟수, 평균속도가 개선되었음을 나타나고 있으며, 교통량이 많아질수록 개선 폭이 커지는 것으로 분석되었다.
- 5]에서 보인 바와 같이 평균 지체의 경우 교통량이 500대의 경우 시장점유율이 50%이하로 내려가면 기존 신호알고리즘보다 지체가 높아지는 것으로 나타났으나 교통량이 1,000대일 경우 시장점유율 25% 이하에서 지체가 높아졌다. 하지만 1,500대일 경우 시장점유율에 25%에 불과해도 기존의 신호제어 알고리즘보다 지체가 낮아지는 것으로 분석되었다. 이는 알고리즘의 도입 시기가 시장점유율 50%이상일 때 도입이 원활하게 가능할 것으로도 판단될 수 있으며, 다른 측면에서는 V2X 통신이 가능한 차량의 규모가 증가할수록 본 연구에서 개발된 알고리즘이 잘 작동하는 것으로 보여주고 확인된다.
후속연구
- 하지만 본 연구에서는 단순히 기존의 신호시스 템과 개발된 알고리즘을 비교하였기 때문에 이러한 좋은 결과가 나타난 것으로 판단된다. 기존의 감응 신호와 개발된 알고리즘을 비교하면 개선폭이 지금 보다 낮아질 것으로 판단되며 기존의 검지기 정보를 융합하게 된다면 더 낮은 V2X 시장점유율에서도 적용이 가능할 것으로 판단된다. 따라서 추후 연구에서는 감응신호와의 비교와 단순히 독립신호교차로에서 벗어나 연동교차로 에서의 V2X 신호알고리즘 개발이 필요할 것으로 판단된다.
- 기존의 감응 신호와 개발된 알고리즘을 비교하면 개선폭이 지금 보다 낮아질 것으로 판단되며 기존의 검지기 정보를 융합하게 된다면 더 낮은 V2X 시장점유율에서도 적용이 가능할 것으로 판단된다. 따라서 추후 연구에서는 감응신호와의 비교와 단순히 독립신호교차로에서 벗어나 연동교차로 에서의 V2X 신호알고리즘 개발이 필요할 것으로 판단된다. 마지막으로 교차로에서의 교통안전은 무엇보다 중요하기 때문에 추후 연구에서는 안전성평가 또한 수반되어야할 필요성이 존재한다.
- 따라서 추후 연구에서는 감응신호와의 비교와 단순히 독립신호교차로에서 벗어나 연동교차로 에서의 V2X 신호알고리즘 개발이 필요할 것으로 판단된다. 마지막으로 교차로에서의 교통안전은 무엇보다 중요하기 때문에 추후 연구에서는 안전성평가 또한 수반되어야할 필요성이 존재한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.