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
- 최근 기술의 발전으로 레이더검지기의 차량궤적 정보를 이용하여 밀도를 별도의 변환과정 없이 추출이 가능 하게 되었다. 따라서 본 연구에서는 교통류 이론으로 밀도를 산출하는 방법과 점유율을 이용하여 밀도로 변환하는 과정을 살펴보고 레이더검지기 차량궤적정보를 이용한 밀도 산출값과 비교해 보았다.
- 본 연구에서는 기존에 사용되어진 VDS 자료를 이용 하여 밀도를 산출하는 과정을 살펴보기 위하여 레이더 검지기 차량궤적정보를 이용한 밀도 산출값과 비교해 보았다. 또한 레이더검지기 차량궤적 정보를 이용하여 산출된 교통변수(공간평균속도 및 밀도)와 VDS를 이용 하여 산출한 교통변수를 가지고 교통류모형을 개발하여 각 방법의 성능을 검정하였다.
가설 설정
- 본 연구에서는 레이더검지기에서 추출된 차량궤적 자료를 이용하여 추정된 밀도 값을 참값으로 가정하였다. 그리고 두 가지 다른 방법인 교통류 이론을 이용하는 방법과 점유율을 이용한 방법을 사용하여 추정한 밀도 값들을 참 값과 비교하였다.
제안 방법
- 또한 VDS 자료와 레이더검지기 차량궤적 자료를 이용하여 교통류 모형을 개발하였다. 개발된 교통류 모형의 단절점으로 교통상황의 판단기준을 살펴보았으며 현재 적용중인 판단기준과 분석대상지의 VDS 자료를 이용한 판단기준 그리고 레이더검지기 차량궤적 정보를 이용한 판단기준을 비교함으로써 각 방식의 성능을 검정하였다.
- kr/)에서 제공되는 5분 지점데이터를 이용하였다. 공간평균속도를 산출하기 위해서 5분 지점데이터 3개를 이용하여 15분 지점 데이터로 변환하는 과정을 실시하였다. 교통량의 경우 15분 지점데이터로 변환 시 합산하였으며 속도는 시간 평균속도이기 때문에 15분 지점데이터로 변환 시 조화 평균을 실시하여 공간평균속도로 바꾸었다.
- 공간평균속도를 산출하기 위해서 5분 지점데이터 3개를 이용하여 15분 지점 데이터로 변환하는 과정을 실시하였다. 교통량의 경우 15분 지점데이터로 변환 시 합산하였으며 속도는 시간 평균속도이기 때문에 15분 지점데이터로 변환 시 조화 평균을 실시하여 공간평균속도로 바꾸었다.
-
4. 밀도 산출결과 비교
교통류이론 방법을 이용하여 산출한 밀도와 점유율 자료를 이용하여 산출한 밀도 그리고 차량궤적 자료를 이용하여 산출한 밀도를 Fig. 4와 같이 나타내었다
. - 본 연구에서는 레이더검지기에서 추출된 차량궤적 자료를 이용하여 추정된 밀도 값을 참값으로 가정하였다. 그리고 두 가지 다른 방법인 교통류 이론을 이용하는 방법과 점유율을 이용한 방법을 사용하여 추정한 밀도 값들을 참 값과 비교하였다. 하지만 이러한 가정에 대한 충분한 검정이 필요하다.
- 따라서 본 연구에서는 세 가지 방법을 이용하여 추정한 밀도 값들과 VDS 및 레이더검지기에서 추정된 속도 값을 이용하여 속도₩밀도 그래프를 작성하였다.
- 또한 VDS 자료와 레이더검지기 차량궤적 자료를 이용하여 교통류 모형을 개발하였다. 개발된 교통류 모형의 단절점으로 교통상황의 판단기준을 살펴보았으며 현재 적용중인 판단기준과 분석대상지의 VDS 자료를 이용한 판단기준 그리고 레이더검지기 차량궤적 정보를 이용한 판단기준을 비교함으로써 각 방식의 성능을 검정하였다.
- 본 연구에서는 기존에 사용되어진 VDS 자료를 이용 하여 밀도를 산출하는 과정을 살펴보기 위하여 레이더 검지기 차량궤적정보를 이용한 밀도 산출값과 비교해 보았다. 또한 레이더검지기 차량궤적 정보를 이용하여 산출된 교통변수(공간평균속도 및 밀도)와 VDS를 이용 하여 산출한 교통변수를 가지고 교통류모형을 개발하여 각 방법의 성능을 검정하였다.
- 레이더검지기 및 VDS 자료의 수집시간은 2016년 3월 1일 화요일 00시00분00초부터 2016년 3월 7일 23시59분59초까지 일주일간 수집하였다. 레이더검지기 자료는 0.
- 밀도의 경우 교통류이론식을 이용하는 방법과 점유율을 이용하는 방법 두 가지를 사용하여 산출하였다. 교통류이론식의 경우 간단하게 계산이 되는 반면 점유율을 이용하는 방법은 차종비율과 평균차량길이가 필요하였다.
- 기존 연구들은 대부분 현장의 지점검지 자료를 이용 하여 밀도를 추정하였고, 참값으로 가정한 비디오 분석결과와 비교하였다. 본 연구에서는 현장에 레이더검지기를 설치하여 차량의 궤적자료를 이용한 밀도 값을 산출하고, VDS 자료를 이용하는 방법 중 교통류이론 방법 및 점유율 방법을 이용하여 산출한 밀도와 비교 하였다.
- 본 조사 구간은 동서울TG를 진입한 뒤 다른 IC나 JC가 존재하지 않기 때문에 차종비율을 산정하기 위해서 3/1일부터 3/7일까지의 동서울TG 진입교통량 TCS 자료를 이용하여 차종비율을 다음과 같이 산정하였다.
- 분석대상지에 설치된 VDS 자료의 교통량과 시간평균속도를 이용하여 분석 당시의 교통흐름을 살펴보고, VDS 점유율 자료를 이용하여 밀도로 전환하는 공식들을 적용하였으며, 그 결과를 레이더검지기 차량궤적 정보를 이용하여 산출한 밀도와 비교하였다.
- 산출된 밀도 추정값을 이용하여 속도-밀도 그래프를 살펴보고 안정류와 비안정류의 구분 지점을 파악하였다. 구분 지점은 고속도로 운영 측면에서 보다 적극적인 교통류 관리 및 안내를 할 수 있는 지표로 원활한 교통 소통에 기여할 수 있을 것으로 판단된다.
- Kim and Kim(2006)의 연구에서는 속도-점유율 관계도를 가지고 교통류 상태를 분석하여 정체류로 전이 되고 안정류로 회복하는 이력현상과 전이과정에 대한 자세한 관찰을 통해 돌발상황 검지 알고리즘을 개발하였다. 속도-점유율 관계도를 이용하여 안정류와 정체류의 교통류 영역 구분을 명확히 함으로써 교통류 상태 결정을 용이하게 제시하였다.
- 수집된 차량궤적 파일은 앞서 살펴본 Edie(1963)가 제안한 방법을 적용할 수 있도록 15분 동안의 통과차량의 총 이동시간을 다음과 같이 Visual Basic으로 소스코드를 작성하여 산출하였다.
- 앞서 살펴본 교통류이론 방법, 점유율 방법, 차량궤적 방법을 이용하여 밀도를 산출하여 보았다. 그 결과 밀도가 20 이하에서는 큰 차이가 발생하지는 않았지만 20 이상에서는 차량궤적 방법과 교통류이론 방법 및 점유율 방법 간의 차이가 발생하였다.
- 한국도로공사에서 운영 중인 기존 VDS 검지기들은 본 연구에서 설치한 레이더검지기 후방 300m(VDS ID: VDS09900)와 전방 500m(VDS ID: VDS09800) 지점에 존재하였다. 하지만 VDS09900 검지기의 경우 간헐적으로 수집의 문제가 발생하여 VDS09800 검지기만을 이용하여 분석하였다(Han et al., 2016).
대상 데이터
- VDS 자료는 한국도로공사에서 운영하는 고속도로 공공데이터 포털(http://data.ex.co.kr/)에서 제공되는 5분 지점데이터를 이용하였다. 공간평균속도를 산출하기 위해서 5분 지점데이터 3개를 이용하여 15분 지점 데이터로 변환하는 과정을 실시하였다.
- 레이더검지기 및 VDS 자료의 수집시간은 2016년 3월 1일 화요일 00시00분00초부터 2016년 3월 7일 23시59분59초까지 일주일간 수집하였다. 레이더검지기 자료는 0.05초 간격의 차량ID, X좌표(레이더검지기와의 거리), Y좌표(차로위치), X속도(순간속도), Y속도(차로변경속도), 차량길이(소형, 중형, 대형)로 구성되어 있다(Han al., 2016).
- 본 연구에서는 밀도 산출 방법론의 성능 비교를 위하여 중부고속도로 358.2km 지점(대전방향)에 레이더검지 기를 설치하여 차량궤적 자료를 수집하였다. 레이더검지 기의 유효 검지영역은 250m이며 조사각에 의한 오차를 방지하고, 정확한 자료 획득을 위하여 Overhead 방식으로 설치된 VMS 옆에 설치하였다(Han al.
- 정보수집체계는 Vehicle Detection System(VDS), Dedicated Short Range Communication(DSRC), CCTV, 민원정보 등을 통하여 고속도로 시설의 교통정보를 수집한다. 대표적인 정보수집 수단인 VDS에서는 교통량(volume), 점유율(occupancy), 속도(time mean speed) 등의 차로별 자료를 30초 단위로 수집하고 있다.
데이터처리
- 차량궤적 방법론의 정체류와 비정체류의 구분점을 찾아내기 위하여 유전자 알고리즘을 적용하였다. 유전자 알고리즘의 최적해는 속도를 기준으로 자료를 구분하여 회귀분석을 실시하여 각 구간의 회귀분석의 R-square 값의 합이 가장 높은 속도값을 최적해로 산정하였으며, 유전자 알고리즘을 구현하는 방법은 Matlab 프로그램을 이용하였다.
이론/모형
- 차량궤적 방법론의 정체류와 비정체류의 구분점을 찾아내기 위하여 유전자 알고리즘을 적용하였다. 유전자 알고리즘의 최적해는 속도를 기준으로 자료를 구분하여 회귀분석을 실시하여 각 구간의 회귀분석의 R-square 값의 합이 가장 높은 속도값을 최적해로 산정하였으며, 유전자 알고리즘을 구현하는 방법은 Matlab 프로그램을 이용하였다.
성능/효과
- (2009)은 천호대교 연속류 램프구간에서 미시교통시뮬레이션을 기반으로 두 지점의 지점검지기를 이용하여 밀도를 관측하는 방안을 개발하였다. 개발 결과, 연속류 구간에서 밀도검지가 가능하였으며, 측정 구간길이가 짧을수록 측정간격에 따른 밀도 변동이 심해지며 측정구간길이가 길수록 측정간격에 따른 밀도 변동이 완만해지는 것으로 분석하였다.
- (1999)은 고속도로에서 밀도와 점유율간의 관계를 살펴보고 대체관계가 가능한지 검토하였다. 검토 결과, 밀도와 점유율은 비정체류 영역에서는 대체로 일치하고 균등함을 보였으나, 정체류 영역에서는 분산이 상당히 큰 것으로 분석하였다. 따라서 정체류 영역에서 점유율을 정체의 준거로 사용하는데 주의가 필요하다고 주장하였다.
- 결론적으로 검지기에서 측정된 점유율 값에 의해서 속도 값이 결정되고, 그렇게 산출된 속도 값이 차이가 난다고 하는 것은 애초 측정된 점유시간 값의 오차에 기인한다. 결론적으로 VDS 자료를 이용하여 정확한 밀도를 산출하는 것에서는 오차가 존재할 수 있다.
- 검지기에서 통과차량의 속도 또한 기본적으로 점유시간 자료를 이용하여 산출된다. 결론적으로 검지기에서 측정된 점유율 값에 의해서 속도 값이 결정되고, 그렇게 산출된 속도 값이 차이가 난다고 하는 것은 애초 측정된 점유시간 값의 오차에 기인한다. 결론적으로 VDS 자료를 이용하여 정확한 밀도를 산출하는 것에서는 오차가 존재할 수 있다.
- 앞서 관련 이론(Edie, 1963)을 고찰하였을 때 언급한 바와 같이 밀도가 높아져 차량그룹들의 속도 분산이 커짐에 따라서 오차가 커지는 것으로 판단된다. 교통류 방법과 점유율 방법 그리고 차량궤적 방법의 밀도 패턴은 비슷하게 나타나는 경향은 존재하나 밀도 값의 크기에 따라 차이가 발생하는 것으로 나타났다.
- (2006)의 연구에서는 점유율, 교통량, 속도 등의 실시간 교통자료를 분석하고 교통흐름을 수학적 모형으로 나타내었다. 그 결과 안정 교통류와 불안정 교통류를 구분하는 기준으로서 점유율의 변화 크기가 혼잡상황을 구분하는 지표로 사용이 가능하며 점유율속도의 관계는 안정류와 비안정류 2개의 영역으로 명확히 구분할 수 있다고 제시하였다.
- 또한 차량궤적 자료를 이용하여 정체류와 비정체류를 살펴본 결과 78km/h의 속도일 때를 최적해로 나타났으며 현재 한국도로공사에서 적용중인 소통상황 판단 기준인 80km/h와 유사한 것으로 분석되었다.
- 산출에 앞서 레이더검지기의 단점으로 지적된 중요사항은 검지 특성상 큰 물체로 인하여 사각지역이 발생한다는 점이다. 레이더검지기에서 수집된 교통량과 VDS09800 검지기에서 수집된 교통량을 비교해 보면 VDS 교통량과 근사하게 나타났다.
- 분석결과 78km/h의 속도일 때가 최적해로 나타났다. 이는 현재 한국도로공사에서 적용중인 소통상황 판단 기준인 80km/h와 유사한 것으로 분석되었다.
- (2010)은 두 지점의 검지기를 이용한 밀도 측정 방안 개발 연구에서 순간밀도, 평균밀도, 측정간격이라는 개념을 정리하고 미시교통시뮬레이션 모형을 이용하여 측정간격에 따른 도로조건별로 구간밀도정확도에 미치는 영향을 분석하였다. 여러 개의 측정구간길이 시나리오에서 다양한 측정간격을 적용하여 평균밀도 값을 추정한 후 미시교통시뮬레이션에서 생성된 참값과 비교한 결과 측정간격이 커질수록 %오차가 커지는 것으로 분석되었다.
후속연구
- 산출된 밀도 추정값을 이용하여 속도-밀도 그래프를 살펴보고 안정류와 비안정류의 구분 지점을 파악하였다. 구분 지점은 고속도로 운영 측면에서 보다 적극적인 교통류 관리 및 안내를 할 수 있는 지표로 원활한 교통 소통에 기여할 수 있을 것으로 판단된다.
- 본 연구는 향후 차량궤적 자료를 이용하여 실시간으로 밀도를 산출하고 서비스수준을 평가함으로써 고속도로 운영관리의 자료로 활용될 수 있는 기초연구가 되길 바라며 향후 참값을 산출할 수 있는 영상 검지기 등을 이용하여 레이더 검지기의 데이터 정확성 검증이 필요 하다. 또한 레이더 검지기 특성상 설치 위치나 방법에 따른 데이터의 변동에 대한 결과와 소통원활과 정체상황의 전이구간에서의 결과에 대하여 자세히 살펴볼 필요성이 존재한다. 마지막으로 정체가 심하게 반복되는 지점에 대한 연구를 추가적으로 분석, 시행되어야 할 것으로 판단된다.
- 운전자들이 원하는대로 움직일 수 있는지의 여부 또는 고속도로 통행의 안전 측면에서 매우 중요한 앞뒤 차량과의 거리를 나타낼 수 있는 좋은 지표이므로 고속도로 서비스수준을 나타내는 주 효과척도로 사용되고 있다(MLTM, 2013). 또한 앞으로도 더욱 그 역할이 확대될 것으로 기대된다. 하지만 이러한 밀도의 중요성과 달리 수집에 어려움이 존재한다.
- 또한 레이더 검지기 특성상 설치 위치나 방법에 따른 데이터의 변동에 대한 결과와 소통원활과 정체상황의 전이구간에서의 결과에 대하여 자세히 살펴볼 필요성이 존재한다. 마지막으로 정체가 심하게 반복되는 지점에 대한 연구를 추가적으로 분석, 시행되어야 할 것으로 판단된다.
- 본 연구는 향후 차량궤적 자료를 이용하여 실시간으로 밀도를 산출하고 서비스수준을 평가함으로써 고속도로 운영관리의 자료로 활용될 수 있는 기초연구가 되길 바라며 향후 참값을 산출할 수 있는 영상 검지기 등을 이용하여 레이더 검지기의 데이터 정확성 검증이 필요 하다. 또한 레이더 검지기 특성상 설치 위치나 방법에 따른 데이터의 변동에 대한 결과와 소통원활과 정체상황의 전이구간에서의 결과에 대하여 자세히 살펴볼 필요성이 존재한다.
- 이러한 교통류 모형의 개발은 레이더검지기의 차량 궤적 자료와 VDS 자료를 이용하여 현재 적용중인 교통상황 판단기준의 적합성을 파악함으로써 고속도로 운영 측면에서 보다 적극적인 교통류 관리 및 안내를 통하여 원활한 교통소통에 기여할 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.