[논문]최적화 모형을 이용한 고속도로 측정교통량 보정

김동호; 박동주; 김도경; 신승진

doi:10.12815/kits.2018.17.4.41

최적화 모형을 이용한 고속도로 측정교통량 보정
Correction of Measured Traffic Volume on Expressways Using Optimization Model 원문보기

韓國ITS學會論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.17 no.4, 2018년, pp.41 - 53

김동호 (서울시립대학교 교통공학과) , 박동주 (서울시립대학교 교통공학과) , 김도경 (서울시립대학교 교통공학과) , 신승진 (한국교통연구원)

초록
AI-Helper

본 연구는 도로교통량통계연보에서 제시하고 있는 고속도로 교통량을 보정하기 위해 측정오차를 최소화하면서 TCS 교통량과 교통량 균형을 만족시키는 최적화 모형을 개발하였다. 이를 위해 본 연구에서 구축한 모형을 실제교통량과 비교 검증하였다. 모형 검증 결과, 교통량 균형에 만족하도록 측정교통량을 보정할 경우, 보정교통량은 측정교통량에 비해 실제교통량과의 차이가 적은 것으로 나타났다. 경부고속도로 40개 구간에 적용 결과, 전체 구간에 대한 측정교통량은 -8.1%~9.6% 보정되었으며, 보정된 교통량만큼 측정오차가 감소하는 것으로 나타났다. 본 연구는 고속도로의 규모와 역할이 증대되고 있는 가운데 고속도로 측정교통량의 정확성을 향상시켰다는 점에서 의미가 있다.

Abstract ▼ AI-Helper

This study developed the optimization method to correct the measured traffic volume of the expressway that minimizes the measurement error and satisfies the traffic balancing with TCS. For this purpose, the model constructed in this study was compared and verified with the true traffic volume. Verification result of the model, it was found that the measurement error is reduced when the measured traffic volume is corrected for the traffic volume balance. As a result of applying it to 40 links of the Kyoungbu expressway, the measured traffic volume was corrected by -8.1%~9.6% and the measurement error was decreased as much as the corrected traffic volume. This research is meaningful in improving the accuracy of the measured traffic volume of the expressway, while the scale and role of the expressway are increasing.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구의 목적은 매년 조사를 통해 수집하고 있는 고속도로 측정교통량을 보정하기 위해 TCS (Toll Collection System) 교통량 자료를 이용하여 측정오차를 최소화하고, 교통량 균형을 만족시키는 최적화 모형을 구축하는데 있다. 또한 본 연구에서 구축한 모형을 고속도로에 적용하여 실제교통량과 비교·검증하였다.
공간적 일관성 방법은 본선 또는 램프의 정확한 실제교통량을 필요로 하나, 정확한 실제교통량을 수집하는 것이 어렵다(Kikuchi and Miljkovic, 1999). 본 연구에서는 실제교통량 수준인 TCS 교통량 자료를 활용할 수 있기 때문에 공간적 일관성 방법을 중심으로 선행 연구를 검토하였다.
본 연구에서는 측정교통량을 보정하기 위해 측정오차를 최소화하면서 동시에 TCS 교통량과 교통량 균형을 만족시키는 최적화 모형을 구축하였다. 최적화 모형을 고속도로 측정교통량에 적용한 결과, 보정교통량은 보정 전의 측정교통량에 비해 실제교통량과의 차이가 적은 것으로 나타났다.
TYPE B는 JC와 JC 사이의 본선 구간에서 방향별로 측정교통량이 수집되는 유형으로, JC와 JC 사이에 영업소가 없기 때문에 TCS 교통량으로 본선 구간으로의 유출입 교통량을 파악할 수 없다. 이에 본 연구에서는 TCS 교통량을 이용하여 본선 구간으로 유출입 교통량을 파악할 수 있는 TYPE A를 대상으로 교통량 균형을 정립한다.
Wall and Dailey(2003)은 고속도로 본선의 측정교통량을 검증하고 보정하기 위해 기준이 되는 검지기를 설정하고, 이 검지기에서 수집된 측정교통량을 초기값으로 설정하였다. 초기값으로 설정된 측정교통량은 인접한 측정교통량이 교통량 균형을 만족하는지를 검증하기 위해 사용되었다. 만약 교통량 균형을 만족하지 못할 경우 보정계수를 적용하였다.

가설 설정

FHWA Traffic Monitoring Guide(2001)에서는 교통량 균형을 위해 램프 교통량을 조정하는 모형을 제시하고 있다. TMG에서는 본선의 측정교통량이 정확하다고 가정하였다. 그러나 교통량 불균형은 단지 램프 교통량에 의해서만 발생하지 않고, 본선에서 수집된 측정교통량에서도 발생할 수 있다.
(1998)은 최소제곱 회귀모형을 이용하여 교통량 균형을 만족시키고, 동시에 보정 전후의 교통량 차이를 최소화함으로써 고속도로 본선과 램프의 측정교통량을 보정하였다. 제안한 모형은 측정교통량에 대한 표준편차를 필요로 하고, 오차는 정규분포를 가진다고 가정하였다. [Table 2]는 공간적 일관성에 기반하여 고속도로 측정교통량을 보정한 선행연구를 정리한 것이다.

제안 방법

본 연구는 천재지변, 도로공사, 교통사고 등의 사유로 2015년 10월 셋째 주 목요일에 조사되지 않은 고속도로 측정교통량은 제외하였다. 또한 TCS 교통량(6종, 경차포함)과 고속도로 측정교통량(12종)의 차종이 다르기 때문에 본 연구에서는 차종 구분없이 모든 차종을 합한 총교통량을 활용하였다.
또한 본 연구에서 구축한 모형을 고속도로에 적용하여 실제교통량과 비교·검증하였다.
본 연구는 실제교통량인 TCS 교통량을 이용하여 측정오차를 최소화하고, 교통균형을 만족시키는 측정교통량 보정 방법론을 개발한다는 점에서 기존 연구와 차별화된다. 공간적 일관성에 기반을 둔 기존 연구에서는 본선 또는 램프에서 수집된 측정교통량을 실제교통량으로 가정하고, 측정교통량을 교통량 균형에 만족하도록 보정하는 방법론을 개발하였다.
Vanajakshi and Rilett(2004)는 고속도로 본선의 검지기에서 유출하는 측정교통량과 인접한 검지기로 유입되는 측정교통량을 비교함으로써 교통량 균형을 검증하였다. 비교를 통해 차이가 발생할 경우 교통량 균형에 위배된다고 간주하고 비선형 최적화 모형을 적용하여 측정교통량을 보정하였다. Wall and Dailey(2003)은 고속도로 본선의 측정교통량을 검증하고 보정하기 위해 기준이 되는 검지기를 설정하고, 이 검지기에서 수집된 측정교통량을 초기값으로 설정하였다.
도로교통량 조사는 수시조사와 상시조사로 구분하여 차종별, 방향별, 시간대별 교통량을 수집한다. 수시조사는 10월 셋째주 목요일 하루 동안 VDS, CCTV 등을 이용하며, 상시조사는 AVC 장비를 사용하여 1년 동안 교통량을 수집한다. 그러나 수집된 고속도로 교통량은 수집 기술의 한계, 검지기 오류 등으로 부정확성을 내포하고 있다(Vanajakshi and Rilett, 2004; Lee et al.
본 연구는 고속도로의 규모와 역할이 증가하고 있는 가운데 고속도로 측정교통량의 정확성을 향상시켰다는 점에서 의미가 있으나, 많은 개선사항이 필요하다. 첫째, 본 연구는 IC와 IC, IC와 JC, JC와 IC 사이에서 수집된 측정교통량으로 공간적 범위를 한정지었다. 다시 말해 JC와 JC 사이 영업소가 없는 구간에서 수집된 측정교통량은 보정하지 않았다.
(2006)은 검지기에서 수집된 측정교통량이 일정 범위의 오차를 가진다고 가정하였다. 최적화 모형을 이용하여 오차 범위 내에서 교통량 균형이 만족하도록 본선과 램프의 측정교통량을 보정하였다. Vanajakshi and Rilett(2004)는 고속도로 본선의 검지기에서 유출하는 측정교통량과 인접한 검지기로 유입되는 측정교통량을 비교함으로써 교통량 균형을 검증하였다.

대상 데이터

본 연구는 TCS 자료를 이용하여 실제교통량이 확인 가능한 고속도로 노선의 시점 또는 종점에 인접한 12개 구간을 대상으로 모형을 검증하였다. 가령, 시점 구간의 실제교통량 #는 [Fig.
본 연구는 [Table 6]에서 보는 바와 같이 교통량 불균형이 나타나고 있는 경부고속도로 40개 구간에 본연구의 모형을 적용해 보았다. 모형 적용 결과, 경부고속도로 40개 구간의 측정교통량은 -8.
TCS 교통량은 요금징수기계화 설비에 의하여 고속도로 영업소를 이용하는 차량을 집계한 자료로써, 고속도로 영업소를 유출하고 유입하는 교통량을 알 수 있다. 본 연구는 천재지변, 도로공사, 교통사고 등의 사유로 2015년 10월 셋째 주 목요일에 조사되지 않은 고속도로 측정교통량은 제외하였다. 또한 TCS 교통량(6종, 경차포함)과 고속도로 측정교통량(12종)의 차종이 다르기 때문에 본 연구에서는 차종 구분없이 모든 차종을 합한 총교통량을 활용하였다.
본 연구에서는 고속도로 교통량 보정을 위한 최적화 모형 구축을 위해 [Table 3]과 같이 2015년 10월 셋째 주 목요일 수시조사 및 상시조사에 의해 수집한 고속도로 측정교통량과 TCS 교통량 자료를 이용하였다. 도로교통량 통계연보 자료 중 고속도로 측정교통량은 IC와 IC, IC와 JC, JC와 IC, JC와 JC 사이의 본선 구간을 이용하는 차량에 대해 방향별로 집계한 자료이다.

성능/효과

구축된 모형을 교통량 불균형이 나타나고 있는 경부고속도로 40개 구간에 적용한 결과, 경부고속도로 40개구간의 측정교통량이 -8.1%~9.6% 보정되었고, 보정된 교통량만큼 측정오차가 감소한 것으로 나타났다.
식 (3)을 이용하여 영업소 좌측과 우측에 위치한 본선의 방향별 교통량 차이의 합계가 영업소 유입 TCS 교통량과 유출 TCS 교통량 차이와 동일하게 측정교통량을 보정한다. 둘째, 측정교통량이 교통량 균형을 만족시키는 교통량으로 보정될 때 극단적인 보정될 수 있기 때문에 교통량 불균형 차이만큼 보정한다. 셋째, 측정교통량이 불균형 차이만큼 보정될 때 #와 #의 상한값 또는 하한값을 설정한다.
본 연구는 [Table 6]에서 보는 바와 같이 교통량 불균형이 나타나고 있는 경부고속도로 40개 구간에 본연구의 모형을 적용해 보았다. 모형 적용 결과, 경부고속도로 40개 구간의 측정교통량은 -8.1%~9.6% 보정 되었으며, 보정된 교통량만큼 측정오차가 감소한 것으로 나타났다. 다시 말해 모든 구간의 보정교통량은 교통량 균형을 만족시켜 보정교통량이 측정교통량에 비해 측정오차가 감소하였다.
최적화 모형을 고속도로 측정교통량에 적용한 결과, 보정교통량은 보정 전의 측정교통량에 비해 실제교통량과의 차이가 적은 것으로 나타났다. 이를 통해 교통량 불균형이 나타나고 있는 측정교통량이 교통량 균형에 만족되도록 보정할 경우 측정오차가 감소하는 것을 알 수 있었다. 구축된 모형을 교통량 불균형이 나타나고 있는 경부고속도로 40개 구간에 적용한 결과, 경부고속도로 40개구간의 측정교통량이 -8.
본 연구에서는 측정교통량을 보정하기 위해 측정오차를 최소화하면서 동시에 TCS 교통량과 교통량 균형을 만족시키는 최적화 모형을 구축하였다. 최적화 모형을 고속도로 측정교통량에 적용한 결과, 보정교통량은 보정 전의 측정교통량에 비해 실제교통량과의 차이가 적은 것으로 나타났다. 이를 통해 교통량 불균형이 나타나고 있는 측정교통량이 교통량 균형에 만족되도록 보정할 경우 측정오차가 감소하는 것을 알 수 있었다.

후속연구

향후에는 이러한 한계점을 고려하여 고속도로 측정교통량을 보정할 필요성이 있다. 둘째, 본 연구는 차종구분 없이 총 교통량 측면에서 분석하였으나, 승용차, 버스 등 차종을 구분한 분석이 수반되어야 할 것이다. 셋째, 본 연구는 경부고속도로를 대상으로 모형에 적용하였으나, 다른 고속도로 노선에도 적용이 필요할 것으로 판단된다.
마지막으로 본 연구에서는 TCS 교통량을 실제교통량으로 가정하였으나, TCS 자료 또한 오차가 내재하고 있을 것으로 판단된다. 따라서 향후에는 본 연구에서 실제교통량으로 가정한 TCS 교통량이 실제교통량으로 활용해도 되는지에 대한 규명이 필요할 것이다.
셋째, 본 연구는 경부고속도로를 대상으로 모형에 적용하였으나, 다른 고속도로 노선에도 적용이 필요할 것으로 판단된다. 마지막으로 본 연구에서는 TCS 교통량을 실제교통량으로 가정하였으나, TCS 자료 또한 오차가 내재하고 있을 것으로 판단된다. 따라서 향후에는 본 연구에서 실제교통량으로 가정한 TCS 교통량이 실제교통량으로 활용해도 되는지에 대한 규명이 필요할 것이다.
본 연구는 고속도로의 규모와 역할이 증가하고 있는 가운데 고속도로 측정교통량의 정확성을 향상시켰다는 점에서 의미가 있으나, 많은 개선사항이 필요하다. 첫째, 본 연구는 IC와 IC, IC와 JC, JC와 IC 사이에서 수집된 측정교통량으로 공간적 범위를 한정지었다.
둘째, 본 연구는 차종구분 없이 총 교통량 측면에서 분석하였으나, 승용차, 버스 등 차종을 구분한 분석이 수반되어야 할 것이다. 셋째, 본 연구는 경부고속도로를 대상으로 모형에 적용하였으나, 다른 고속도로 노선에도 적용이 필요할 것으로 판단된다. 마지막으로 본 연구에서는 TCS 교통량을 실제교통량으로 가정하였으나, TCS 자료 또한 오차가 내재하고 있을 것으로 판단된다.
다시 말해 JC와 JC 사이 영업소가 없는 구간에서 수집된 측정교통량은 보정하지 않았다. 향후에는 이러한 한계점을 고려하여 고속도로 측정교통량을 보정할 필요성이 있다. 둘째, 본 연구는 차종구분 없이 총 교통량 측면에서 분석하였으나, 승용차, 버스 등 차종을 구분한 분석이 수반되어야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	최적화 모형의 목적함수는 무엇을 산출하는가?	본 연구에서는 측정오차를 최소화하고 동시에 교통량 불균형을 보정하기 위해 식 (5)와 같이 최적화 모형을 사용한다. 최적화 모형의 목적함수는 측정오차를 최소화하는 보정교통량을 산출한다. 제약조건은 첫째, 교통량의 균형을 만족시킨다.
	측정교통량 보정에 관한 연구는 크게 근본적 일관성, 과거 자료와의 일관성, 공간적 일관성 방법으로 분류될 수 있는데, 각각의 특징은 무엇인가?	측정교통량 보정에 관한 연구는 [Table 1]과 같이 크게 근본적 일관성(Fundamental consistency), 과거 자료와의 일관성 (Historical consistency), 공간적 일관성(Network consistency) 방법으로 분류될 수 있다. 근본적 일관성 보정방법은 교통류 이론 등에 근거하여 측정교통량의 오차를 보정하나, 매우 작은 오차가 발생할 경우 측정교통량을 보정하는 것은 불가능하다(Jagadeesh et al., 2013). 과거 자료와의 일관성 보정 방법은 과거 이력 교통량을 기반으로 측정교통량의 오차를 보정한다. 그러나 교통사고, 도로신설 등으로 인해 교통량 패턴이 변화된 경우 교통량을 보정하는데 한계가 있다(De Ona et al., 2012). 공간적 일관성 방법은 본선 또는 램프의 정확한 실제교통량을 필요로 하나, 정확한 실제교통량을 수집하는 것이 어렵다(Kikuchi and Miljkovic, 1999). 본 연구에서는 실제교통량 수준인 TCS 교통량 자료를 활용할 수 있기 때문에 공간적 일관성 방법을 중심으로 선행 연구를 검토하였다.
	도로에 유입하고 유출하는 교통량의 한계점은 무엇인가?	, 1999). 다시 말해, 도로에 유입하고 유출하는 교통량은 해당 구간에 남아있는 교통량과 일치해야 하는 교통량 보존 법칙을 만족하지 못하고 있다. 일부 연구 에서는 이러한 한계를 고려하여 검지기로부터 수집된 측정교통량을 실제교통량으로 가정하고, 일정 구간 내에 측정교통량이 교통량 균형에 만족하도록 보정하였다 (De Ona et al.

참고문헌 (16)

Chen C., Kwon J., RTGe J., Skabardonis A. and Varaiya, P.(2003), "Detecting Errors and Imputing Missing Data for Single-Loop Surveillance Systems," TRR, 1855, TRB, pp.160-167.
De Ona, Juan, Penelope Gomez and Enrique M. -C.(2012), "Method to detect malfunctioning traffic count stations," IET Intelligent Transport Systems, vol. 6. no. 4, pp.364-371.

상세보기
Hu P. S.(2001), Proof of Concept of ITS as An Alternative Data Resource: A Demonstration Project of Florida and New York Data, ORNL Oak Ridge National Laboratory(US), p.33.
Jagadeesh, George R., George R. Dhinesh and Thambipillai S.(2013), "Method for accuracy assessment of aggregated freeway traffic data," IET Intelligent Transport Systems, vol. 8, no. 4, pp.407-414.
Kikuchi S. and Miljkovic D.(1999), "Method to Preprocess Measured Traffic Data for Consistency : Application of Fuzzy Optimization Concept," TRR, 1679, TRB, pp.73-80.
Kwon J., Petty K., Shieh E., Kopelias P. and Papandreou K.(2008), "Automatic Method for Imputing and Balancing Link Traffic Counts," TRB 87rd Annual Meeting, No. 08-2322, pp.1-7.
Lee H. P., NamKoong S., Kim S. H. and Kim J.(2013), "Improvement of A Preprocessing of Archived Traffic Data Collected by Expressway Vehicle Detection System," The Journal of The Korea Institute of Intelligent Transport Systems, vol. 12, no. 1, pp.15-27.

원문보기 상세보기
Ministry of Land, Infrastructure and Transport(2016), Annual traffic volume report, p.5.
Shaw J. W. and Noyce D. A.(2014), "Automated Optimal Balancing of Traffic Volume Data for Large Access-Controlled Highway Networks and Freeway-to-Freeway Interchanges," TRB 93rd Annual Meeting, No. 14-3565, pp.1-13.
Turner S. M., Eisele W. L., Gajewski B. J., Albert L. P. and Benz R. J.(1999), ITS Data Archiving: Case Study Analysis of San Antonio TransGuide Data, pp.90-113.
US Department of Transportation, Fhwa(2001), Traffic Monitoring Guide, pp.3-41.
Vanajakshi L. and Rilett L.(2004), "Loop Detector Data Diagnostics Based on Conservation-of-Vehicles Principle," TRR 1870, TRB, pp.162-169.
Wall Z. R. and Dailey D. J.(2003), "Algorithm for Detecting and Correcting Errors in Archived Traffic Data," TRR, 1855, TRB, pp.183-190.
Xin W., Hourdos J. and Michalopoulos P.(2006), Streamlining of the Traffic Modeling Process for Implementation in the Twin Cities Freeway Network-Phase II, No. MN/RC-2006-14, pp.15-18.
Zhao M., Garrick N. and Achenie L.(1998), "Data Reconciliation-Based Traffic Count Analysis System," TRR, 1625, pp.12-17.
Zheng P. and Mike M.(2012), "An Investigation on the Manual Traffic Count Accuracy," Procedia-Social and Behavioral Sciences, vol. 43, pp.226-231.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증