한국도로공사는 2015년부터 전국 톨게이트 간 DSRC기반 통행 소요시간 예측정보를 제공하고 있다. 통행 소요시간 예측정보는 고속도로 이용자들의 합리적인 노선 결정을 지원하여 정체상황을 최소화 시킬 수 있다는 측면에서 공공데이터로서 신뢰도가 보장되어야 하며 지속적인 품질관리가 필요하다. 따라서 본 연구에서는 국내외 선행연구를 통해 통행 소요시간 예측정보 평가를 위한 측정지표 기준을 고찰해보았으며, 한국도로공사에서 운영하고 있는 전 노선을 대상으로 소요시간 예측정보를 정량적으로 평가해 보았다. 더불어, 예측오차에 원인을 파악하기 위해 EDA 분석을 수행하였다. 대부분의 노선에서 제공되는 예측정보의 신뢰성은 해당 기준을 충족시키는 것을 알 수 있었다. 다만 다수의 구간으로 구성된 장대 노선의 경우 일부 소수의 구간에서 과대 또는 과소 추정오차 발생이 노선 전체의 예측 정보 신뢰도에 영향을 줄 수 있음을 확인하였으며, 이러한 문제 노선은 상당히 오랜 기간 존치되고 있었음을 알 수 있었다. 본 연구는 국내에서 운영 중인 거의 모든 고속도로 통행시간 예측정보를 정량적으로 평가한 첫 사례라는 점에서 의의가 있다.
한국도로공사는 2015년부터 전국 톨게이트 간 DSRC기반 통행 소요시간 예측정보를 제공하고 있다. 통행 소요시간 예측정보는 고속도로 이용자들의 합리적인 노선 결정을 지원하여 정체상황을 최소화 시킬 수 있다는 측면에서 공공데이터로서 신뢰도가 보장되어야 하며 지속적인 품질관리가 필요하다. 따라서 본 연구에서는 국내외 선행연구를 통해 통행 소요시간 예측정보 평가를 위한 측정지표 기준을 고찰해보았으며, 한국도로공사에서 운영하고 있는 전 노선을 대상으로 소요시간 예측정보를 정량적으로 평가해 보았다. 더불어, 예측오차에 원인을 파악하기 위해 EDA 분석을 수행하였다. 대부분의 노선에서 제공되는 예측정보의 신뢰성은 해당 기준을 충족시키는 것을 알 수 있었다. 다만 다수의 구간으로 구성된 장대 노선의 경우 일부 소수의 구간에서 과대 또는 과소 추정오차 발생이 노선 전체의 예측 정보 신뢰도에 영향을 줄 수 있음을 확인하였으며, 이러한 문제 노선은 상당히 오랜 기간 존치되고 있었음을 알 수 있었다. 본 연구는 국내에서 운영 중인 거의 모든 고속도로 통행시간 예측정보를 정량적으로 평가한 첫 사례라는 점에서 의의가 있다.
Since 2015, the Korea Expressway Corporation has provided predicted travel time information, which is reproduced from DSRC systems over the extended expressway network in Korea. When it is open for public information, it helps travelers decide optimal routes while minimizing traffic congestions and ...
Since 2015, the Korea Expressway Corporation has provided predicted travel time information, which is reproduced from DSRC systems over the extended expressway network in Korea. When it is open for public information, it helps travelers decide optimal routes while minimizing traffic congestions and travel cost. Although, sutiable evaluations to investigate the reliability of travel time forecast information have not been conducted so far. First of all, this study seeks to find out a measure of effectiveness to evaluate the reliability of travel time forecast via various literatures. Secondly, using the performance measurement, this study evaluates concurrent travel time forecast information in highway quantitatively and examines the forecast error by exploratory data analysis. It appears that most of highway lines provided reliable forecast information. However, we found significant over/under-forecast on a few links within several long lines and it turns out that such minor errors reduce overall reliability in travel time forecast of the corresponding highway lines. This study would help to build a priority for quality control of the travel time forecast information system, and highlight the importance of performing periodic and sustainable management for travel time forecast information.
Since 2015, the Korea Expressway Corporation has provided predicted travel time information, which is reproduced from DSRC systems over the extended expressway network in Korea. When it is open for public information, it helps travelers decide optimal routes while minimizing traffic congestions and travel cost. Although, sutiable evaluations to investigate the reliability of travel time forecast information have not been conducted so far. First of all, this study seeks to find out a measure of effectiveness to evaluate the reliability of travel time forecast via various literatures. Secondly, using the performance measurement, this study evaluates concurrent travel time forecast information in highway quantitatively and examines the forecast error by exploratory data analysis. It appears that most of highway lines provided reliable forecast information. However, we found significant over/under-forecast on a few links within several long lines and it turns out that such minor errors reduce overall reliability in travel time forecast of the corresponding highway lines. This study would help to build a priority for quality control of the travel time forecast information system, and highlight the importance of performing periodic and sustainable management for travel time forecast information.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구의 첫 번째 목표는 국내외 통행 소요시간 예측정보를 제공하는 교통정보 제공 시스템을 검토하여 예측정보로서 확보해야하는 신뢰도의 기준을 고찰해보고, 현재 한국도로공사에서 운영하고 있는 노선을 대상으로 고속도로 통행 소요시간 예측정보에 대한 신뢰성을 평가하는 것이다. 두 번째 목표는 평가 결과의 적정성여부를 EDA 분석을 통해서 확인해보고자 한다. 즉 신뢰성 평가 기준이 실제 통행시간 정보의 예측력을 반영할 수 없다면, 어떠한 사례 또는 어떠한 이유 때문인지를 제시해보고자 한다.
무엇보다도 과대 또는 과소 추정의 원인을 밝히고 해당 문제점이 지속해서 발생하는지를 확인할 필요가 있다. 따라서 본 연구에서는 앞서 언급한 문제 노선들의 개별 구간을 대상으로 소요시간 예측치와 실측치간의 오차에 대해 EDA 분석을 추가로 수행하였다. 그 결과 다수의 구간으로 구성된 장대 노선의 경우 소수의 구간에서 과대 또는 과소 예측오류가 노선 전체의 예측 정보 신뢰도에 영향을 줄 수 있음을 확인하였다.
소요시간 예측정보 품질 평가를 위해서는 먼저 효과척도 선정이 선행되어야 한다. 따라서 본 연구에서는 추가적인 선행연구를 통해 통행 소요시간 예측정보 제공시 정보의 신뢰성 및 정확성에 대한 평가지표 및 기준을 제시해보고자 한다.
하지만 한국도로공사 뿐 아니라 통행시간 예측정보를 제공하는 타기관의 경우 통행 소요시간에 대한 예측정보 신뢰도 및 품질관리에 대한 연구는 부족한 실정이다. 따라서 본 연구의 첫 번째 목표는 국내외 통행 소요시간 예측정보를 제공하는 교통정보 제공 시스템을 검토하여 예측정보로서 확보해야하는 신뢰도의 기준을 고찰해보고, 현재 한국도로공사에서 운영하고 있는 노선을 대상으로 고속도로 통행 소요시간 예측정보에 대한 신뢰성을 평가하는 것이다. 두 번째 목표는 평가 결과의 적정성여부를 EDA 분석을 통해서 확인해보고자 한다.
따라서 MAPE 만으로 통행 소요시간 예측 정확도를 객관적으로 평가하기는 어려울 것으로 판단된다. 또한 선행연구를 통해서 언급되었듯이 MAPE는 이용자가 인지하는 예측 소요시간에 대한 정확도의 기준으로 적합하지 않기 때문에 본 연구에서는 통행 시간의 오차에 대한 신뢰구간 분석을 위하여 구간 추정과 더불어 EDA 분석기법 중 하나인 상자 그림(Box Plot)을 활용하여 통행 소요시간의 신뢰도를 추가적으로 평가하고자 한다.
먼저 예측정보 신뢰도 평가 지표 및 평가 기준을 확보하기 위하여 국내외 통행 소요시간 예측정보 제공 서비스 관련 연구를 조사한다. 또한 통행 소요시간의 오차에 대하여 통계적 신뢰구간 분석과 탐색적 자료 분석(EDA, Exploratory Data Analysis) 방법 중 상자 그림 분석을 활용하여 기존에 사용되고 있는 평가 지표만으로는 확인할 수 없었던 문제점들을 탐구해보고자 한다.
본 연구는 국내 고속도로 통행 소요시간 예측정보로서 확보해야하는 신뢰도의 기준을 고찰하고 한국도로공사에서 운영하고 있는 노선을 대상으로 예측정보에 대한 신뢰성을 정량적으로 평가하는데 초점을 두고 있다. 먼저 예측정보 신뢰도 평가 지표 및 평가 기준을 확보하기 위하여 국내외 통행 소요시간 예측정보 제공 서비스 관련 연구를 조사한다.
두 번째 목표는 평가 결과의 적정성여부를 EDA 분석을 통해서 확인해보고자 한다. 즉 신뢰성 평가 기준이 실제 통행시간 정보의 예측력을 반영할 수 없다면, 어떠한 사례 또는 어떠한 이유 때문인지를 제시해보고자 한다. 예측 통행시간에 대한 이러한 평가 및 분석결과는 운영 노선에 대한 지속적이고 미시적인 예측정보 품질관리 체계를 구상하기 위한 기초자료로 활용 될 수 있을 것으로 기대된다.
가설 설정
넷쩨,예측정보 DSRC, VDS, TCS 등 기초 이력데이터를 기반으로 생성되며 본 연구에서는 이들로부터 제공되는 정보의 정확성에 대한 평가는 실시하지 않았다. 즉 이력데이터 정보가 신뢰할 만하다는 가정하에 예측정보의 신뢰성을 평가하였다. 예측 알고리즘에 대한 보완 및 발전방향 뿐만 아니라 기초 데이터에 대한 관리방안 동시에 고민되어질 때 더 정확한 예측 시스템을 구성할 수 있다고 보여진다.
제안 방법
2015년~2017년 동안 일별 통행 소요시간 오차에 대한 MAPE를 계산 후 [Fig. 4]와 [Fig. 5]와 같이 방향별/노선별로 비교해보았다. 참고로 그림의 X축은 각 노선별 ID 번호로 표현되어 있으며(따라서 총 45개의 ID로 구성되어 있음), 수평선은 NTOC 기준인 10% MAPE를 나타낸다.
따라서 새로운 알고리즘을 적용 후 예측정보의 신뢰성 평가가 필요할 것으로 사료된다. 넷쩨,예측정보 DSRC, VDS, TCS 등 기초 이력데이터를 기반으로 생성되며 본 연구에서는 이들로부터 제공되는 정보의 정확성에 대한 평가는 실시하지 않았다. 즉 이력데이터 정보가 신뢰할 만하다는 가정하에 예측정보의 신뢰성을 평가하였다.
무엇보다도 과대/과소추정의 원인을 밝히고 해당 문제점의 지속성을 확인할 필요가 있다. 따라서 본 연구에서는 앞서 언급한 문제 노선들의 개별 구간을 대상으로 소요시간 예측치와 실측치간의 오차에 대해 EDA 분석을 추가로 시행하였다.
반면, 상자 그림 분석은 통계모집단의 표본을 시각화하기 위하여 최댓값, 최솟값, 중앙값, 사분편차를 사용하며 이들의 배치를 통해 표본분포(예: 대칭/비대칭 여부)를 개략적으로 확인할 수 있다. 또한 1사분위와 3사분위 범위를 IQR로 지칭하며, 1사분위에서 아래로 1.5IQR 사이의 표본 또는 3사분위에서 위로 1.5IQR 사이의 표본을 이상치로 추정되는 표본(Suspected outlier)으로 간주하며 1사분위에서 아래로 3IQR 사이의 표본 또는 3사분위에서 위로 3IQR 사이의 표본을 보다 분명한 이상치 표본(Outlier)으로 간주한다.
0버전 이후부터 ‘언제갈까?’라는 기능을 통해 앱이용자가 설정한 기종점의 예측 소요시간과 최적 경로를 제공하기 시작했다. 매 10분 간격으로 예측 교통정보를 제공한다. 국가기관으로는 서울지방국토관리청이 서울과 경기, 인천 지역의 고속도로, 도시고속도로, 일반국도 등의 교통정보와 돌발정보를 실시간으로 제공하고 있으며 동시에 이력정보를 활용하여 금일 기준 일주일 예측정보를 제공하고 있다(National Transport Information Center, 2017).
고속도로 통행시간 예측을 위해 통행료수납시스템(TCS, Toll Collection System), 차량감지시스템(VDS,Vehicle Detection System), 단거리전용통신(DSRC, Dedicated Short Range Communication)과 같은 교통 인프라로부터 수집된 교통량, 통행시간, 속도 정보 등 과거 이력정보와 실시간 교통정보를 활용한다. 먼저 과거의 교통량 및 소요시간 등 이력데이터 DB를 활용하여 회귀모형분석을 실시하여 특정 시간에 발생 교통량을 예측한 후 해당 시간에 관한 정보(요일, 시간대, 날씨 등)와 예측된 교통량을 근거로 KNN(K-Nearest Neighbos)알고리즘을 활용하여 유사 패턴을 추출한 후 최종적으로 통행시간을 예측하게 된다.
본 연구는 국내 고속도로 통행 소요시간 예측정보로서 확보해야하는 신뢰도의 기준을 고찰하고 한국도로공사에서 운영하고 있는 노선을 대상으로 예측정보에 대한 신뢰성을 정량적으로 평가하는데 초점을 두고 있다. 먼저 예측정보 신뢰도 평가 지표 및 평가 기준을 확보하기 위하여 국내외 통행 소요시간 예측정보 제공 서비스 관련 연구를 조사한다. 또한 통행 소요시간의 오차에 대하여 통계적 신뢰구간 분석과 탐색적 자료 분석(EDA, Exploratory Data Analysis) 방법 중 상자 그림 분석을 활용하여 기존에 사용되고 있는 평가 지표만으로는 확인할 수 없었던 문제점들을 탐구해보고자 한다.
3]과 같다. 먼저, 1,034일동안 전체 45개 노선으로부터 수집된 데이터를 노선별/일별 이력데이터와 예측데이터로 분류한다. 이후 이력 데이터와 예측데이터별로 해당 노선에 포함되는 모든 구간의 통행시간을 합산한 후 그 차이를 계산하여 해당 노선의 일별 예측통행시간 오차를 계산하게 되고, 동일한 과정을 노선별/일별로 반복하여 1034일에 동안에 모든 노선의 일평 예측통행시간 오차를 추출하게 된다.
MAPE는 예측정보의 신뢰성을 평가하기 위해 사용되는 대표적인 척도이지만 MAPE의 값만으로 예측정보 시스템의 문제점까지 확인하는데 한계점을 갖고 있었다. 몇몇 노선에서 NTOC 기준을 상회하는 원인을 보다 면밀히 확인하기 위해 소요시간 예측치와 실측치간의 오차에 대한 EDA 분석을 실시하였다. 먼저 그림 상자 분석을 통해 해당 노선의 경우 과대 또는 과소 추정이 발생함을 확인하였다.
신뢰구간은 통계학에서 추정기법 중 구간추정의 결과물로, 모집단에 대한 정보가 전혀 없는 상태에서 표본의 통계량으로 모집단의 모수를 예측하는 방법을 말한다. 신뢰구간은 유의수준 설정에 따라 달라질 수 있는데 본 연구에서는 가장 일반적인 유의수준인 95%를 사용하였다. 반면, 상자 그림 분석은 통계모집단의 표본을 시각화하기 위하여 최댓값, 최솟값, 중앙값, 사분편차를 사용하며 이들의 배치를 통해 표본분포(예: 대칭/비대칭 여부)를 개략적으로 확인할 수 있다.
예를 들어, 서해안선과 서울외곽선은 각각 35개와 32개의 소구간으로 구성되어 있다. 지금까지의 분석이 노선별 총 통행 소요시간에 대한 오차를 기반으로 수행되었다면, 본 절에서는 특정 노선을 구성하고 있는 구간별 EDA 분석을 수행한다. [Fig.
MAPE의 경우 직관적이며 상대평가에 유리한 지표인 반면 과대/과소 추정에 대한 설명력은 낮은 편이다. 통행 소요시간 예측 정보의 경우 과대/과소 추정여부가 운영자에게 중요한 만큼 본 연구에서는 오차 분포 특성을 확인할 수 있는 EDA 분석 중 상자 그림 분석과 신뢰구간 분석을 추가적으로 실시하였다.
대상 데이터
본 연구에서는 통행 소요시간 정보의 신뢰도 평가를 위하여 2015년 1월부터 2017년 10월까지(총1,034일) 한국도로공사에서 운영 중인 45개 노선으로부터 제공된 통행 소요시간 예측정보와 해당 노선별 DSRC 이력 정보를 제공받아 분석하였다. 하나의 노선은 복수의 소구간(Link)으로 구성되어 있는데 45개 노선을 구성하고 있는 구간은 총 1,167개이다.
한국도로공사에서 운영 중인 45개 노선을 대상으로 2015년부터 2017년까지 NTOC에서 제시하고 있는 MAPE 값을 기준으로 통행 소요시간 예측정보에 대한 신뢰성 분석 및 평가를 실시하였다. 그 결과 NTOC 기준을 충족하지 못하는 노선은 총 상행 5개(서울외곽선, 중앙선, 제2남해선, 제2경인선, 경인선), 하행 3개 노선(제2남해선, 제2경인선, 경인선)이었다.
데이터처리
첫째, 본 연구는 국내에서 운영 중인 거의 모든 고속도로 통행시간 예측정보를 정량적으로 평가한 첫 사례라는 점에서 의의가 있다. 둘째, 본 연구에서는 통행시간 예측정보의 평가 기준으로 운영자의 관점에서 활용되어 왔던 MAPE를 사용함과 동시에 이용자가 인지하는 예측 소요시간에 대한 정확도의 기준을 만족시키는지 여부를 확인하기 위해 통계적 구간추정을 기반으로 한 신뢰구간 분석을 실시하였다. 셋째 예측정보 품질 관리체계를 구성하는데 중요한 요소인 예측 오차에 대한 원인규명을 위해 방법론과 사례를 제시하였다는데 기존연구와 큰 차별점이 있다.
성능/효과
한국도로공사에서 운영 중인 45개 노선을 대상으로 2015년부터 2017년까지 NTOC에서 제시하고 있는 MAPE 값을 기준으로 통행 소요시간 예측정보에 대한 신뢰성 분석 및 평가를 실시하였다. 그 결과 NTOC 기준을 충족하지 못하는 노선은 총 상행 5개(서울외곽선, 중앙선, 제2남해선, 제2경인선, 경인선), 하행 3개 노선(제2남해선, 제2경인선, 경인선)이었다. MAPE는 예측정보의 신뢰성을 평가하기 위해 사용되는 대표적인 척도이지만 MAPE의 값만으로 예측정보 시스템의 문제점까지 확인하는데 한계점을 갖고 있었다.
따라서 본 연구에서는 앞서 언급한 문제 노선들의 개별 구간을 대상으로 소요시간 예측치와 실측치간의 오차에 대해 EDA 분석을 추가로 수행하였다. 그 결과 다수의 구간으로 구성된 장대 노선의 경우 소수의 구간에서 과대 또는 과소 예측오류가 노선 전체의 예측 정보 신뢰도에 영향을 줄 수 있음을 확인하였다. 또한 3년에 걸쳐 수집된 데이터를 분석한 결과 일부 노선 내 특정 구간에서 발생한 과대 또는 과소 추정 문제는 3년 내내 관리되지 못하고 잔존해 있었다.
다만, 서울외곽선(1000) 상행선의 경우 3년에 걸쳐 MAPE 기준에 가깝거나 상회하는 것을 알 수 있었다. 더불어, 방향별/노선별 소요시간 예측정보의 MAPE의 추이는 시간에 따라 큰 차이를 보이고 있지 않음을 확인할 수 있었다. 예를 들어 MAPE 기준 상위6개 노선을 연도별/방향별 로 정리하면 [Table 2]와 같다.
몇몇 노선에서 NTOC 기준을 상회하는 원인을 보다 면밀히 확인하기 위해 소요시간 예측치와 실측치간의 오차에 대한 EDA 분석을 실시하였다. 먼저 그림 상자 분석을 통해 해당 노선의 경우 과대 또는 과소 추정이 발생함을 확인하였다. 추가로 MAPE 기준을 충족하면서도 과대 또는 과소 추정이 존재할 수 있으며, 특히 몇몇 노선의 경우 2015년부터 2017년에 걸쳐 지속적으로 예측정보의 과대 추정이 확인되었다.
2015년 상행선(Northbound)의 경우 중앙선(5510) 그리고 하행선(Southbound)의 경우 제2남해선(1040)을 제외한 모든 노선에서 소요시간 예측정보의 MAPE는 NTOC 기준 미만인 것을 알 수 있다. 방향에 관계없이 3년에 걸쳐 NTOC 기준치를 상시 상회하는 노선은 없지만, 제2남해선(1040) 하행선과 제2경인선(1100) 하행선의 경우 2년에 걸쳐 기준치를 초과한 것을 확인할 수 있었다. 다만, 서울외곽선(1000) 상행선의 경우 3년에 걸쳐 MAPE 기준에 가깝거나 상회하는 것을 알 수 있었다.
, 2003)에서는 도쿄 고속도로 이용자를 대상으로 통행시간 예측 시 정확도를 판단할 수 있는 범위를 조사하여, 이용자의 관점에서 어느 수준의 예측 정확도를 기대하고 있는가를 분석하였다. 설문조사 결과 운전자들은 통행시간 정보에 있어서 총 통행시간 대비 예측정보가 얼마나 정확했는지를 판단하지 않았으며, 오히려 총통행시간의 길고 짧음에 상관없이 예측 통행시간보다 얼마나 빨리 또는 늦게 도착했는지 시간차이를 인지하고 있는 것으로 나타났다. [Fig.
특히 현재 신뢰구간의 경우 ±10분의 오차를 기준으로 적용하였으나 이는 일본의 기준으로 국내에 적용가능한 기준을 확보하기 위한 추가적인 연구수행이 필요하다. 셋째, 통행시간 예측을 위한 알고리즘은 시간이 지남에 따라 개선 및 보완되고 있으며, 최근 한국도로공사는 예측 알고리즘 개선을 위한 연구용역을 수행하였다. 따라서 새로운 알고리즘을 적용 후 예측정보의 신뢰성 평가가 필요할 것으로 사료된다.
[Table 2]에서 상행선과 하행선 각각에 대해서 3년에 걸쳐 4개의 노선(160,1000,1040,1200)이 중복됨을 알 수 있으며, 반대로 3년 동안 상위 6개 노선에 유일하게 포함된 노선은 상행선과 하행선 각각 2개에 불과하다. 이러한 결과는 현재 한국도로공사에서 운영중인 노선을 대상으로 MAPE 기준을 보다 엄격하게 적용하여 노선의 예측정보의 정확도를 평가한다면(예: MAPE 5%) 지속적으로 품질 모니터링이 필요한 노선이 다수 존재할 수 있음을 보여준다.
즉, 총 통행시간에 관계없이 운전자들이 기대하는 일정 수준 이상의 예측정보 신뢰도가 존재하는데, 실험 결과 과반수에 해당하는 운전자들이 ±10분의 오차를 허용할 수 있는 것으로 분석되었다.
통행시간 예측 정보에 대한 많은 서비스 제공자가 존재함에도 불구하고 예측 정확도에 대한 기준 및 실증적 평가는 미비한 것으로 확인되었다. NTOC 연구에 따르면 교통 정보 제공시 MAPE 기준 5%~20% 범위가 적절하며 이는 Meade(1982)에 따르면 최소한 ‘비교적 정확한 예측’에 해당함을 알 수 있었다.
하지만 38번 구간의 경우 타구간에 비해 상대적으로 많은 이상치가 발견되었다. 해당 구간의 예측치와 실측치에 상응하는 이력데이터를 면밀히 검토해본 결과 2015년 38번의 구간에서 실제 속도(이력데이터 기준)에 비해 높은 통행속도가 지속적으로 예측되었으며, 그 결과 38번 구간에서 실제 통행 시간에 비해 짧은 통행시간이 기록된 것을 확인할 수 있었다. 2016년에는 38번 구간에서 과소 추정이 더욱 두드러져 노선전체에서도([Fig.
후속연구
셋째, 통행시간 예측을 위한 알고리즘은 시간이 지남에 따라 개선 및 보완되고 있으며, 최근 한국도로공사는 예측 알고리즘 개선을 위한 연구용역을 수행하였다. 따라서 새로운 알고리즘을 적용 후 예측정보의 신뢰성 평가가 필요할 것으로 사료된다. 넷쩨,예측정보 DSRC, VDS, TCS 등 기초 이력데이터를 기반으로 생성되며 본 연구에서는 이들로부터 제공되는 정보의 정확성에 대한 평가는 실시하지 않았다.
먼저 미국 NTOC(National Transportation Operations Coalition)에서 제시하고 있는 ‘교통수집자료 정확도 요구수준’을 소요시간 예측정보의 정확성 평가를 위한 지표로 활용할 수 있을 것으로 사료된다.
즉 신뢰성 평가 기준이 실제 통행시간 정보의 예측력을 반영할 수 없다면, 어떠한 사례 또는 어떠한 이유 때문인지를 제시해보고자 한다. 예측 통행시간에 대한 이러한 평가 및 분석결과는 운영 노선에 대한 지속적이고 미시적인 예측정보 품질관리 체계를 구상하기 위한 기초자료로 활용 될 수 있을 것으로 기대된다.
예를 들어, 2015년 걸쳐 서해안선(150)과 경부선(10)의 경우 양방향 과대추정이 두드러지며, 2015년 서울외곽(1000) 상행선의 경우 과소 추정을 확인할 수 있다. 이러한 사실은 MAPE 값만으로 예측 정보의 정확성을 평가하는 것에 한계가 있으며 오차에 대한 추가적인 면밀한 분석이 수반되어야 함을 보여준다. 이러한 예는 2016년도와 2017년도에 수집된 데이터를 통해서도 확인할 수 있다.
첫째, 예측정보 품질관리 체계를 수립하기 위해서는 예측력 저하가 의심되는 구간 선정의 자동화가 필요하다. 추가적인 데이터의 분석을 통해 예측력 저하에 기인하는 영향요인을 분석하고 이를 품질관리 체계 수립에 적용한다면 궁극적으로 예측 정보의 신뢰성을 제고할 수 있을 것으로 판단된다. 둘째, 평가 지표에 대한 적정성에 대한 검증이 필요하다.
특히 현재 신뢰구간의 경우 ±10분의 오차를 기준으로 적용하였으나 이는 일본의 기준으로 국내에 적용가능한 기준을 확보하기 위한 추가적인 연구수행이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
2017년 말 기준 우리나라 누적 자동차 등록대수는 어떻게 됩니까?
국토교통부 통계에 따르면 우리나라 누적 자동차 등록대수는 2017년 말 기준 2,252만 8,295대로 전년대비3.3% 증가한 수치이며, 매년 자동차 등록 추이는 오름세를 보이고 있다.
실시간 소통정보 중 통행 소요시간이 가지는 정보의 한계는?
특히, 실시간 소통정보 중 통행 소요시간은 교통정보 중에서 가장 대표적이고 이용자 선호도가 높은 정보이다. 하지만 정보 수요자 측면에서 제공된 통행시간 정보는 과거정보이기 때문에 ‘시간 처짐’ 기간 동안에 발생하는 교통상황 변화로 인한 통행시간 오차가 발생하게 된다. 이러한 통행 소요시간의 차이는 제공된 소요시간과 실제 소요시간간의 차이로 이어질 수 있으며, 종국에는 고속도로 교통정보에 대한 이용자들의 만족도 및 신뢰도를 저하시킬 수 있다.
도로 신설이나 차로 확장과 같은 교통설비 용량증대가 교통정체를 해결하기 위한 근원적인 문제해결 방법이라고 보기 어려운 이유는?
3% 증가한 수치이며, 매년 자동차 등록 추이는 오름세를 보이고 있다. 매년 증가하는 교통량으로 인한 교통정체를 해결하기 위해 도로 신설이나 차로 확장과 같은 교통설비 용량증대는 공사기간과 용지 매입비용 등의 한계로 근원적인 문제해결 방법으로 보기는 어렵다. 그 대안으로 국내에서는 1990년대부터 기존 도로시설의 운영효율을 극대화하여 교통 혼잡을 완화하기 위해 지능형 교통체계(ITS, Intelligent Transportation System)를 도입하여 실시간 교통정보를 제공하고 있다.
참고문헌 (9)
Ahn G. H. and Hyun C. S.(2014), UTIS based Traffic Congestion Alleviation Time Forecast, The Road Traffic Authority, p.66.
Center for Advanced Trasportation Technology(2010), Traffic Flow Measures Implementation Guide, White Paper.
Chung E., Hiroshi W., Shamas I. B. and Masao K.(2003), "Travel time prediction: issues and benefits," In Proceedings of the 10th world conference on transport research.
INRIX, http://inrix.com, 2017.11.12.
Japan Road Traffic Information Center, http://www.jartic.or.jp, 2017.11.12.
Lim S. H., Lee H. M., Park S. L. and Heo T. Y.(2013), "A Study of Travel Time Prediction using K-Nearest Neighborhood Method," The Korea Journal of Applied Statistics, vol. 26 no. 5, pp.835-845.
Meade N.(1982), "Industrial and Business Forecasting Methods," Journal of Forecast, vol. 2, no. 2, pp.194-196.
National Transport Information Center, http://www.its.go.kr/, 2017.12.01.
Shin K. W., Shim S. W., Choi K. C. and Kim S. H.(2014), "Expressway Travel Time Prediction Using K-Nearest Neighborhood," Journal of the Korean Society of Civil Engineering, vol. 34 no. 6, pp.1873-1879.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.