차량 통신 및 지능형 교통 시스템의 기술 향상으로 인해 자율 차량이 시장에 서서히 도입될 것으로 예상된다. 본 연구는 자율주행차량이 네트워크 효율성에 미치는 영향을 분석한 것이다. 네트워크의 효율성을 측정하기 위해 이 연구에서는 미시적 및 거시적 시뮬레이션을 결합한 순차적 단계를 적용했다. 미시적 시뮬레이션은 도로에서 자율주행차량의 비율에 의한 용량 변화를 고려하는 반면, 거시적 시뮬레이션은 네트워크 전체의 개선을 식별하기 위해 시뮬레이션 결과를 이용한다. 예상대로, 자율주행차량은 인간의 운전보다 기존 도로 용량을 효율적으로 활용한다. 특히, 고속도로에서 최대 용량 개선은 190.5%로 예상된다. 상당한 용량의 변화는 자율주행차량의 비율이 약 80% 이상일 때 관찰된다. 이러한 개선 사항은 자율주행차량의 보급을 통해 전반적인 네트워크 효율성을 향상시킬 수 있는 거시적 모델로 변환된다. 그러나 본 연구는 자율 주행 차량의 시장 첫 출연이 자유로운 흐름 조건을 보장하지 않는 다는 것을 확인하며, 이는 자율주행차량 시대에 맞는 시스템 최적의 경로 체계의 가능한 필요성을 의미한다.
차량 통신 및 지능형 교통 시스템의 기술 향상으로 인해 자율 차량이 시장에 서서히 도입될 것으로 예상된다. 본 연구는 자율주행차량이 네트워크 효율성에 미치는 영향을 분석한 것이다. 네트워크의 효율성을 측정하기 위해 이 연구에서는 미시적 및 거시적 시뮬레이션을 결합한 순차적 단계를 적용했다. 미시적 시뮬레이션은 도로에서 자율주행차량의 비율에 의한 용량 변화를 고려하는 반면, 거시적 시뮬레이션은 네트워크 전체의 개선을 식별하기 위해 시뮬레이션 결과를 이용한다. 예상대로, 자율주행차량은 인간의 운전보다 기존 도로 용량을 효율적으로 활용한다. 특히, 고속도로에서 최대 용량 개선은 190.5%로 예상된다. 상당한 용량의 변화는 자율주행차량의 비율이 약 80% 이상일 때 관찰된다. 이러한 개선 사항은 자율주행차량의 보급을 통해 전반적인 네트워크 효율성을 향상시킬 수 있는 거시적 모델로 변환된다. 그러나 본 연구는 자율 주행 차량의 시장 첫 출연이 자유로운 흐름 조건을 보장하지 않는 다는 것을 확인하며, 이는 자율주행차량 시대에 맞는 시스템 최적의 경로 체계의 가능한 필요성을 의미한다.
Thanks to technical improvement on the vehicle to vehicle communication and the intelligent transportation system, gradual introduction of the autonomous vehicles is expected soon in the market. The study analyzes the autonomous vehicles' impacts on the network efficiencies. In order to measure the ...
Thanks to technical improvement on the vehicle to vehicle communication and the intelligent transportation system, gradual introduction of the autonomous vehicles is expected soon in the market. The study analyzes the autonomous vehicles' impacts on the network efficiencies. In order to measure the network efficiencies, the study applies the sequential procedures that combines the microscopic and macroscopic simulations. The microscopic simulation attends to the capacity changes due to the autonomous vehicles' proportions on the roadway while the macroscopic simulation utilizes the simulation results in order to identify the network-wide improvement. As expected, the autonomous vehicles efficiently utilizes the existing capacity of the roadway than the human driving does. Particularly, the maximum capacity improvements are expected by the 190.5% on the expressway. The significant capacity change is observed when the autonomous vehicles' proportions are about 80% or more. These improvements are translated into the macroscopic model, which also yields overall network efficiency improvement by the autonomous vehicles' penetration. However, the study identifies that the market debut of the autonomous vehicles does not promise the free flow condition, which implies the possible needs of the system optimal routing scheme for the era of the autonomous vehicles.
Thanks to technical improvement on the vehicle to vehicle communication and the intelligent transportation system, gradual introduction of the autonomous vehicles is expected soon in the market. The study analyzes the autonomous vehicles' impacts on the network efficiencies. In order to measure the network efficiencies, the study applies the sequential procedures that combines the microscopic and macroscopic simulations. The microscopic simulation attends to the capacity changes due to the autonomous vehicles' proportions on the roadway while the macroscopic simulation utilizes the simulation results in order to identify the network-wide improvement. As expected, the autonomous vehicles efficiently utilizes the existing capacity of the roadway than the human driving does. Particularly, the maximum capacity improvements are expected by the 190.5% on the expressway. The significant capacity change is observed when the autonomous vehicles' proportions are about 80% or more. These improvements are translated into the macroscopic model, which also yields overall network efficiency improvement by the autonomous vehicles' penetration. However, the study identifies that the market debut of the autonomous vehicles does not promise the free flow condition, which implies the possible needs of the system optimal routing scheme for the era of the autonomous vehicles.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서 다루는 용량증대 효과는 α→α′인 자율주행차량의 효율적인 자동주행으로 결정되는 부문만을 고려하는 것이다.
(2017)의 경우, 실증적인 분석에 바탕을 두고 있으나, 용량증대효과에 대해 일본의 사례에 바탕을 두어 우리나라의 교통여건에 대한 고려가 적절하게 이루어지지 않은 것으로 판단된다. 본 연구에서는 자율주행의 도입 효과를 가장 미시적 단계인 교통류 흐름에서부터 시작하고 여기에서 산출된 용량변화 효과를 거시적 관점에서 분석하고자 한다.
자율주행차량 관련 국·내외 연구동향은 자율주행환경 및 차량의 안전성·통신·보안·운전자 지원 등 산업· 기술적 범위에서 활발하게 진행되고 있다. 본 연구의 선행연구 고찰에서는 자율주행차의 도입으로 인한 용량변화 및 이에 따른 광범위한 도로 네트워크의 효율성 변화관련 연구를 다룬다.
이어지는 선행연구고찰에서는 개념적 측면에 머물러 있는 자율주행차량 도입의 다양한 기대효과를 교통 효율성 측면에 중점을 두어 요약․정리한다. 본론에서는 자율주행차량의 도입효과를 미시적 관점과 거시적 관점에서 분석한다. 짧은 인지·반응시간을 필요로 하는 자율주행차량의 도입이 미시적 교통흐름에 어떠한 영향을 미치는지를 파악하고 그 결과를 거시적 측면의 교통 수요분석에 적용하여 교통 효율성 증진 효과를 계량화 한다.
운전자의 개입이 없이 인간의 운전보다 정확하고 신속한 차량 제어를 통한 자율주행이 어떠한 파급효과를 미칠 것인가에 대한 연구가 필요한 시점에서 본 연구는 미시적, 거시적 접근방법을 적용하여 자율주행차량의 도입으로 인한 도로 네트워크의 효율성 변화분석을 수행하였으며 그 기대효과를 제시하였다. 미시적 교통류 분석을 통해서는 자율주행차량의 세밀한 주행 능력으로 인한 기존 도로의 용량증대 효과를 알아보았으며, 그러한 효과가 고규격 도로, 그리고 혼입률이 높아야만 극대화 될 수 있음을 파악할 수 있었다.
하지만, 자율주행차량의 기술 진보만큼 국가가 담당하는 도로 인프라의 고도화가 병행되어야 함에도 불구하고 아직 인프라 기술의 고도화 및 발전 방안에 대해서는 구체적인 정책이 없는 실정이다. 이는 자율주행차량 도입이 가져올 상당한 기대 효과가 이에 관련된 정부 정책 수립을 위한 추진 근거로 작용하기에는 아직 미흡한 수준인 것으로 판단되는 바, 본 연구는 개념수준에 머물러 있는 자율주행차량의 기대 효과를 우리나라를 대상으로 한 구체적인 사례 분석을 수행함으로써 장래 자율주행차량의 원활한 도입에 관련된 전반적인 정책 수립에 관한 정당성을 구체화하고자 한다. 이에 본 논문은 우리나라를 대상으로 자율주행차량 도입에 따른 교통 네트워크의 효율성 변화를 계량적으로 산정하는데 그 목적이 있다.
이는 자율주행차량 도입이 가져올 상당한 기대 효과가 이에 관련된 정부 정책 수립을 위한 추진 근거로 작용하기에는 아직 미흡한 수준인 것으로 판단되는 바, 본 연구는 개념수준에 머물러 있는 자율주행차량의 기대 효과를 우리나라를 대상으로 한 구체적인 사례 분석을 수행함으로써 장래 자율주행차량의 원활한 도입에 관련된 전반적인 정책 수립에 관한 정당성을 구체화하고자 한다. 이에 본 논문은 우리나라를 대상으로 자율주행차량 도입에 따른 교통 네트워크의 효율성 변화를 계량적으로 산정하는데 그 목적이 있다.
가설 설정
VDF의 형태를 결정하는 BPR (eq. [1])의 α, β에 대해 장래에도 같은 값을 유지할 것이라는 가정을 하였다.
검토 결과, 정지거리, 차두시간, 추종거리 변동성 그리고 간격수락 최소 차두시간과 같은 주행 관련 변수가 시뮬레이션 분석 대상 변수로 선정되었으며 ([Table 1] 참조), 이들 변수들이 자율주행으로 인해 인간의 운전보다 더욱 광범위한 범위를 가진다는 가정을 하고 이 변수들을 변화시켰을 시 용량의 변화정도를 살펴보았다. 용량분석을 위한 시뮬레이션 환경은 1.
자율주행차량이 차두시간을 인간의 한계보다 더 짧은 상태로 주행할 수 있는 것은 기계적인 가능성과 이를 허용하는 사회적 합의를 가정하였을 경우 가능하다. 기계적인 주행 가능성의 경우, 현재에도 밀리세컨드 단위로 주행상황을 센싱하고 이를 바탕으로한 ADAS system이 장착된 차량이 출시되는 바, 전자는 가능한 것으로 보았으며 이를 바탕으로한 자율주행차량의 적극적 (assertiveness) 주행 (안전을 위해 자율주행 차량이 보수적으로 주행하는 것이 아닌 기계의 능력을 충분히 활용하여 headway를 극단적으로 줄이거나 적극적으로 차로 변경을 하는 등의 주행을 의미)에 대해 장래에는 사회적 합의에 도달할 수 있을 것으로 가정하였다. 이러한 가정은 자율주행차량의 적극적 주행에 대한 기존 시나리오 연구 (DfT, 2016)를 바탕으로 하고 있다.
시간적 및 공간적 조건을 고정한채 2025년의 혼입률을 30% 및 70%로 가정하여 해당 년도의 서울 광역권 네트워크에 기·종점 통행량을 배정한 결과는 다음과 같다.
제안 방법
우리나라에서는 Moon(2015)의 경우, ITS·자율주행차량의 도입에 의한 도로용량산정방법의 재검토 방안을 제시하였다. ITS관련 요소들이 기존 용량분석에 반영되지 못하는 한계점을 지적하고 「도로용량편람」의 고속도로 기본구간 및 신호교차로의 용량산정식에 ITS운영에 따른 보정계수를 도입하는 방안을 제안하였다. 고속도로 기본구간의 경우 가변속도제어 및 차로제어, 자율주행으로 인한 차두간격 감소 효과, 신호교차로는 출발손실시간 감소 및 포화-차두시간 감소, 보행자감응 기반 보행신호 운영 효과를 도로용량 산정시 반영이 가능하며 ITS운영에 따른 효과를 다양한 방법으로 검토하여 제시할 필요가 있다고 제언하였다.
시뮬레이션을 위한 환경설정은 5km를 분석구간으로 설정(램프구간 1km)하고 분석시간은 1시간(3,600s)을 기준으로 하였다. 다차로도로의 경우 도로 등급별로 1km당 신호등 밀도 범위가 정해져 있기 때문에 신호등 밀도 기준값과 유사한 밀도로 교차로를 배치(신호주기 120s)하여 시뮬레이션을 실시하였다.
추가적으로 개별적인 차량 주행 관련 변수의 파급 효과가 아닌 이들의 조합에 대한 영향력을 분석하였다. 모든 변수 조합을 고려하는 것은 비효율적이고 차두시간의 변화가 다른 변수의 파급효과보다 훨씬 큰 영향을 미치는 것으로 분석되었으므로 실험적 의미에서 테스트를 진행 하였다. CC0=0.
7s의 결과와 거의 일치하는 것으로 분석되었다. 모든 조합에 대한 분석을 바탕으로 자율주행차량의 성능 구현을 위한 가장 영향력 있는 변수를 선정해야 하나 본 연구에서는 차두시간의 지배적인 효과를 근거로 자율주행차량의 파급효과를 시뮬레이션 하는 가장 적절한 변수로 선정하였다.
미시적 교통류 분석에서 나타난 도로 유형별 자율주행차량 도입에 의한 용량변화는 각 VDF의 용량부분에 적용되어 서울 광역권 도로 네트워크의 효율성 분석에 이용된다. 미시적 시뮬레이션의 결과를 거시적 교통수요 분석 모델의 혼잡 함수 즉, VDF를 통해 반영하는 것이 다소 과도한 집계화로 보여 질 수 있으나, 본연구에서는 자율주행차 도입의 거시적 효과를 계량화하는데 있어 택할 수 있는 일종의 방법론 중의 하나로 판단하여 이러한 연구 전개 방식을 택하였다.
따라서 자율주행차량 혼입률에 따른 용량변화 분석은 위 17개 도로 유형을 대상으로 수행된다. 본 분석에서는 VISSIM을 이용하여 자율주행차량의 속성을 반영한 후 혼입률에 상응하는 임의의 자율주행차량 집단을 생성하는 방식으로 자율주행차량 혼입에 따른 용량 변화를 분석하였다.
VISSIM에서는 교통류 흐름을 모형화하기 위해 차량 간 추종모형은 단속류 (Wiedemann 74 car-following)와 연속류 (Wiedemann 99 car-following)로 구분하여 시뮬레이션에 적용하고 있으며, 이외에도 차로 변경 행태 (lane change behavior), 기타 졸음운전과 같은 운전자 특성 (driver model)을 반영하고 있다. 본 연구에서는 위 차량 주행 관련 변수 중 자율주행으로 인해 인간의 주행과 차별화 될 수 있는 주행 관련 변수를 선정한 후이를 자율주행차량의 속성에 적용하여 그 파급효과를 측정하였다. 선별적으로 차량 주행 관련 변수를 선정한 것은 졸음운전과 같은 자율주행차량과는 상관없는 변수들에 대한 분석은 불필요하기 때문이다.
본 연구에서는 이를 위해 KTDB에서 제공하는 최신의 서울 광역권 도로 네트워크와 기·종점 통행량을 이용하였으며, 이를 트럭과 승용차 두 개 class 로 구분하여 아래와 같은 UE에 의거한 통행배정을 실시하였다.
여기서, 각 도로유형별 VDF는 BPR함수에 적용되는 기준 용량이 있다. 시뮬레이션에서 관측되는 도로의 용량과 기준 용량이 정산되어야 이 후 분석의 결과가 의미를 가지므로 각 도로유형별로 이에 대한 정산을 실시하였다. 도로유형별 VDF의 기준 용량에 대한 정산 결과는 [Table 3]과 같다.
(2017)은 자율주행차량의 도입으로 인한 파급효과를 정량적으로 추정하였다. 자율주행차량 보급 비율에 따른 용량증대 및 속도 향상효과를 BPR (Bureau of Public Raod) 함수에 대입하고 새로운 BPR 모형을 가정하여 KTDB를 이용한 통행배정을 실시하였다. 분석 결과 자율주행차량 보급 비율이 증가할수록 교통사고 절감 편익이 증가하며, 도로 혼잡(V/C)이 개선되어 도로용량 증대 없이도 도로 네트워크의 효율성이 크게 증가 될 것으로 예상하였다.
짧은 인지·반응시간을 필요로 하는 자율주행차량의 도입이 미시적 교통흐름에 어떠한 영향을 미치는지를 파악하고 그 결과를 거시적 측면의 교통 수요분석에 적용하여 교통 효율성 증진 효과를 계량화 한다.
추가적으로 개별적인 차량 주행 관련 변수의 파급 효과가 아닌 이들의 조합에 대한 영향력을 분석하였다. 모든 변수 조합을 고려하는 것은 비효율적이고 차두시간의 변화가 다른 변수의 파급효과보다 훨씬 큰 영향을 미치는 것으로 분석되었으므로 실험적 의미에서 테스트를 진행 하였다.
대상 데이터
KTDB에서 제공하는 서울 광역권의 도로 네트워크는 총 17개 도로유형으로 구성되어 있다. 따라서 자율주행차량 혼입률에 따른 용량변화 분석은 위 17개 도로 유형을 대상으로 수행된다. 본 분석에서는 VISSIM을 이용하여 자율주행차량의 속성을 반영한 후 혼입률에 상응하는 임의의 자율주행차량 집단을 생성하는 방식으로 자율주행차량 혼입에 따른 용량 변화를 분석하였다.
데이터처리
VISSIM에서는 확률에 따른 변동성이 발생하기 때문에 분석결과의 집계화는 random seed를 바꾸어 가며 반복 실행한 결과 값의 평균값을 사용하였다.
이론/모형
미시적 교통류 분석을 수행하기 위해, 본 연구에서는 VISSIM 시뮬레이션을 이용하였다. 이어지는 단락에 서는 위 분석툴에 적용되는 교통류 모델을 바탕으로 차량 제어변수를 설명한다.
성능/효과
모든 변수 조합을 고려하는 것은 비효율적이고 차두시간의 변화가 다른 변수의 파급효과보다 훨씬 큰 영향을 미치는 것으로 분석되었으므로 실험적 의미에서 테스트를 진행 하였다. CC0=0.5m, CC1=0.7s CC2=2.0m의 설정한 결과는 CC1=0.7s의 결과와 거의 일치하는 것으로 분석되었다. 모든 조합에 대한 분석을 바탕으로 자율주행차량의 성능 구현을 위한 가장 영향력 있는 변수를 선정해야 하나 본 연구에서는 차두시간의 지배적인 효과를 근거로 자율주행차량의 파급효과를 시뮬레이션 하는 가장 적절한 변수로 선정하였다.
1이고 혼입률을 변화시켰을 때의 시뮬레이션 결과를 나타낸다. 고속국도 3차로 이상의 경우 기준용량 대비 최대 약 190.5% 증대효과를, 2차로 이하의 경우 152.0%를 보였다. 도시 고속도로의 경우 3차로 이상일 때, 기준용량대비 최대 약 153.
기존 연구결과는 V/C 가 LOS (Level Of Service) A 혹은 B 수준에 해당되는 링크가 대부분임에 반해 본 연구의 결과는 약 15% 이상의 링크 (V/C ≥0.6)에서 혼잡이나 교통류의 흐름이 불안정해지기 시작해지는 것으로 예측되었다.
즉, 자율주행차 혼입률이 100%일 때의 용량증가 효과를 100으로 보면 혼입률이 80% 정도일 때 50의 효과가 나타나고 나머지 50은 나머지 20%에 의해 달성된다는 것이다. 다차로도로의 경우에도 혼입률 80% 이상에서 증대효과가 그 이하의 혼입률에 비해 크다고 할 수 있으나 연속류 구간에 비해 완만한 곡선 형태를 보이는 것으로 나타났다.
9% 증대 효과를 보이며 고속국도와 유사한 패턴으로 용량증가 현상을 나타냈다. 다차로도로의 용량증대 범위는 등급별 차이가 있으나 약 111.6%~ 158.4%로 연속류 구간에 비해 증대 효과는 낮은 것으로 나타났으며 특히 1차로의 경우 6개 유형 평균이 117.8%로 용량증대 효과가 낮은 것으로 나타났다. 램프구간의 경우 최대 용량증대 효과는 130.
도로유형별 시뮬레이션 분석 결과, 자율주행차량 혼입률 및 CC1 (차두시간) 변화에 따라 비선형적 관계로 용량이 증대되는 것으로 분석되었다. 먼저, 단순히 CC1만을 변화시켰을 경우 용량처리 변화를 보아도 도로의 교통량 처리 능력이 증대되는 것을 알 수 있다.
도로유형별 시뮬레이션 분석 결과, 자율주행차량 혼입률 및 CC1 (차두시간) 변화에 따라 비선형적 관계로 용량이 증대되는 것으로 분석되었다. 먼저, 단순히 CC1만을 변화시켰을 경우 용량처리 변화를 보아도 도로의 교통량 처리 능력이 증대되는 것을 알 수 있다. ([Table 4] 참조).
첫째, 자율주행차량의 단계적 도입방식에 대한 방향을 제시하고 있다. 미시적 교통류 분석 결과에 의하면, 고규격 도로 일수록, 그 도입효과가 다른 유형의 도로에 비해 큰 것을 알 수 있다. 고규격 도로의 주 기능이 이동성이므로 자율주행의 도입효과가 가장 크게 나타나는 고규격 도로를 필두로 자율주행 시스템을 추진하는 것이 효과적임을 의미한다.
미시적 교통류 분석에서의 용량증대 효과는 자연스럽게 거시적 분석에도 이어져 자율주행차량의 도입은 상당한 효율성 증진효과를 얻을 수 있는 것으로 추정되었다. 특히, 도로 유형별로 다른 용량증대 효과를 적용한 결과, 연속류 도로 위주로 교통 상황이 개선되는 것을 알 수 있었다.
운전자의 개입이 없이 인간의 운전보다 정확하고 신속한 차량 제어를 통한 자율주행이 어떠한 파급효과를 미칠 것인가에 대한 연구가 필요한 시점에서 본 연구는 미시적, 거시적 접근방법을 적용하여 자율주행차량의 도입으로 인한 도로 네트워크의 효율성 변화분석을 수행하였으며 그 기대효과를 제시하였다. 미시적 교통류 분석을 통해서는 자율주행차량의 세밀한 주행 능력으로 인한 기존 도로의 용량증대 효과를 알아보았으며, 그러한 효과가 고규격 도로, 그리고 혼입률이 높아야만 극대화 될 수 있음을 파악할 수 있었다. 이를 거시적인 대규모 네트워크의 효율성 분석에 적용한 결과, 자율주행차량이 대부분을 차지하는 상황에서도 교통 혼잡이 없는 (congestion free) 상황은 기대할 수 없어, 장래 경로정보제공에 대한 효율성 증진 측면의 정책이 필요함에 대한 시사점을 제시할 수 있었다.
자율주행차량 보급 비율에 따른 용량증대 및 속도 향상효과를 BPR (Bureau of Public Raod) 함수에 대입하고 새로운 BPR 모형을 가정하여 KTDB를 이용한 통행배정을 실시하였다. 분석 결과 자율주행차량 보급 비율이 증가할수록 교통사고 절감 편익이 증가하며, 도로 혼잡(V/C)이 개선되어 도로용량 증대 없이도 도로 네트워크의 효율성이 크게 증가 될 것으로 예상하였다.
선정된 차량 주행 속성 변수를 자율주행차량의 주행 속성에 적용하여 용량변화 효과를 분석한 결과, 차두시간 변화로 인한 용량증대 효과가 다른 변수에 비해 상당히 높은 것을 알 수 있다.
고규격 도로의 주 기능이 이동성이므로 자율주행의 도입효과가 가장 크게 나타나는 고규격 도로를 필두로 자율주행 시스템을 추진하는 것이 효과적임을 의미한다. 여기에, 100% 자율주행 시스템이 구현되었을 때의 효과를 100이라고 본다면 혼입률이 80%일 때 50~ 60 정도가 실현되는 분석 결과에 의하면 일반차량에 의해 자율주행의 효과가 반감되는 것을 알 수 있다. 따라서 자율주행 시스템을 고규격 도로의 자율주행차량 전용으로 추진할 필요가 있음을 시사한다.
Talebpour and Mahmassani(2016)의 경우, 일반차량, 자율주행차량 그리고 connected vehicle이 혼재된 주행 상황에 대한 미시적 시뮬레이션 분석 프레임웍을 구축하였다. 이러한 미시적 시뮬레이션 분석 툴은 자율주행차량 그리고 connected vehicle의 시장 점유율에 따른 용량 변화를 분석해 낼 수 있었으며 그 결과로써 자율주행차량 그리고 connected vehicle의 점유율이 높아질수록 용량의 증가가 나타남을 밝혀내었다.
미시적 교통류 분석을 통해서는 자율주행차량의 세밀한 주행 능력으로 인한 기존 도로의 용량증대 효과를 알아보았으며, 그러한 효과가 고규격 도로, 그리고 혼입률이 높아야만 극대화 될 수 있음을 파악할 수 있었다. 이를 거시적인 대규모 네트워크의 효율성 분석에 적용한 결과, 자율주행차량이 대부분을 차지하는 상황에서도 교통 혼잡이 없는 (congestion free) 상황은 기대할 수 없어, 장래 경로정보제공에 대한 효율성 증진 측면의 정책이 필요함에 대한 시사점을 제시할 수 있었다.
자율주행차량의 혼입률 증가 및 CC1의 동시적 변화에 따른 용량증가 패턴을 살펴보면, 고속도로, 도시고 속도로 모두 점유율 80% 이상에서 용량증대가 크게 나타나는 것을 알 수 있다. ([Fig.
미시적 교통류 분석에서의 용량증대 효과는 자연스럽게 거시적 분석에도 이어져 자율주행차량의 도입은 상당한 효율성 증진효과를 얻을 수 있는 것으로 추정되었다. 특히, 도로 유형별로 다른 용량증대 효과를 적용한 결과, 연속류 도로 위주로 교통 상황이 개선되는 것을 알 수 있었다. [Fig.
도로유형별 VDF의 기준 용량에 대한 정산 결과는 [Table 3]과 같다. 해당 도로 유형에 알맞은 기준 속도와 차로수 및 차로폭을 설정한 결과 대부분의 VDF에서 기준 용량과 큰 차이를 보이지 않을 수 있었다.
후속연구
ITS관련 요소들이 기존 용량분석에 반영되지 못하는 한계점을 지적하고 「도로용량편람」의 고속도로 기본구간 및 신호교차로의 용량산정식에 ITS운영에 따른 보정계수를 도입하는 방안을 제안하였다. 고속도로 기본구간의 경우 가변속도제어 및 차로제어, 자율주행으로 인한 차두간격 감소 효과, 신호교차로는 출발손실시간 감소 및 포화-차두시간 감소, 보행자감응 기반 보행신호 운영 효과를 도로용량 산정시 반영이 가능하며 ITS운영에 따른 효과를 다양한 방법으로 검토하여 제시할 필요가 있다고 제언하였다.
이러한 접근은 지금까지의 연구와 다음과 같은 차별성을 갖는다. 대부분의 연구가 자율주행차량의 도입효과를 교통류 흐름의 변화를 분석하는 것으로 연구의 범위를 국한 짓는 반면, 본 연구에서는 미시적 교통류 흐름의 변화를 통해 산출한 자율주행차량의 도입효과를 대규모 네트워크에 적용하여 거시적 교통 효율성 분석을 수행하는 것으로 이는 기존의 자율주행차량의 도입효과를 단순히 교통 혼잡비용을 산정하는 접근방식에서 벗어나 더욱 정밀한 분석툴을 기반으로 자율주행차량의 도입효과를 분석하는 것으로 보다 현실성 있고 구체적인 도입 효과를 산정할 수 있을 것으로 기대된다.
본 논문은 자율주행차의 도입 영향을 파악하기 위해 미시적 교통류 분석의 결과를 거시적 모형인 교통수요 분석 모형에 적용함에 있어 VDF를 이용하였는데, 이러한 접근은 이론적 배경이 강하지 못해 본 연구의 한계로 지적된다. 향후, 이를 개선하기 위해 수학적 결정론에 기반한 문제의 formulation과 이를 해결하기 위한 iterative method와 같은 solution algorithm의 개발을 향후 연구 방향으로 남겨 둔다.
현재에도 스마트폰의 보편적인 보급으로 인해 많은 이용자들이 경로선택에 있어 네비게이션에 의존하는 현실에 근거하면 자율주행 시대에는 경로선택부터 모든 것을 자율주행차량이 자동적으로 결정하는 상황은 쉽게 예상 가능하다. 이러한 경로정보는 지금보다 훨씬 광범위하고 정확한 교통소통 자료를 바탕으로 생성될 것이다. 그러한 상황에서 경로정보 제공자는 자신이 제공한 경로정보를 통해 전체 시스템의 통행비용을 결정 할 수 있게 된다.
하지만, 본 연구의 결과, 즉, 자율주행 시대에도 congestion free 상태를 기대하기 어려운 장래 교통상황은 두 통행배정간의 차이가 발생한다는 것으로 경로 제공을 통해 시스템 전체의 비용을 제어할 수 있는 상황에서 시스템의 전체 비용을 최소화하기 위한 방안으로 경로생성 및 제공에 대한 정책적 가이드라인, 예를 들면, 경로 정보 제공자에게 SO에 기반한 경로 정보를 제공하도록 유도하는 정책 등 이 필요할 수 있음을 시사한다.
본 논문은 자율주행차의 도입 영향을 파악하기 위해 미시적 교통류 분석의 결과를 거시적 모형인 교통수요 분석 모형에 적용함에 있어 VDF를 이용하였는데, 이러한 접근은 이론적 배경이 강하지 못해 본 연구의 한계로 지적된다. 향후, 이를 개선하기 위해 수학적 결정론에 기반한 문제의 formulation과 이를 해결하기 위한 iterative method와 같은 solution algorithm의 개발을 향후 연구 방향으로 남겨 둔다.
질의응답
핵심어
질문
논문에서 추출한 답변
세계 최초의 자율주행차는 언제, 어디서 제작되었는가?
1977년 일본 쓰쿠바 기계공학 연구소에서 세계 최초의 자율주행차를 제작(시속 30km/h)한 이래 자율주행 차량 관련 기술은 계속적으로 진보하고 있으며, 2018년 현재 자율주행 레벨 2 이하의 기능을 갖춘 차량들이 양산되고 있는 상황이다.
Park et al.은 자율주행차량의 이점은 무엇으로 예상하였는가?
Park et al.(2015) 또한 불확정적이며 불규칙한 주행 오류의 감소로 정체 및 교통사고의 감소, 그리고 통행시간 절감, 대기오염의 감소효과까지 기대할 수 있을 것으로 예상되고 있다.
자율주행차량이란?
자율주행차량은 자동차 스스로 주변 환경을 인식, 위험을 판단, 주행경로를 계획하여 운전자 주행조작을 최소화하며 스스로 안전주행이 가능한 인간 친화형 자동차로 정의된다. 더불어, 인간의 주행보다 훨씬 짧은 인지, 반응 시간으로 인해 자율주행차량은 교통흐름에 긍정적인 효과를 미칠 것이라 기대되고 있다 (Anderson et al.
참고문헌 (20)
Anderson J. M., Kalar N., Stanely K. D., Sorensen P., Samaras C. and Olumatola O. A. (2014), Autonomous vehicle technology; A guide for policymakers, RAND Corporation
Bose A. and Ioannou P. A. (2003), "Analysis of Traffic Flow with Mixed Manual and Semiautomated Vehicles," IEEE Transactions on Intelligent Transportation Systems, vol. 4, pp.173-188.
Center for Urban Transportation Research (CUTR) (2013), Highway capacity Impacts of autonomous vehicles: an assessment.
Department for Transport (DfT) (2016), Research on the Impacts of Connected and Autonomous Vehicles (CAVs) on Traffic Flow.
Dokic J., Muller B. and Meyer G. (2015), European roadmap smart systems for automated driving, European Technology Platform on Smart System Integration.
Fernandez P. and Nunes U. (2012), "Platooning with IVC-enabled autonomous vehicles: Strategies to mitigate communication delays, improve safety and traffic flow," IEEE Transactions on Intelligent Transportation Systems, vol. 13, no. 1, pp.91-106.
Kesting A., Treiber M. and Helbing D. (2010), "Enhanced intelligent driver model to access the impact of driving strategies on traffic capacity," Philos. Trans. Roy. Soc. A 368, pp.4585-4605.
Ko Y., Yook D. and Noh J. (2017), Traffic network capacity change effect due to the autonomous vehicle's proportions, A Study on the national territory 93issue, Korea Research Institute for Human Settlements, pp.17-24.
Lee B., Yook D., Kim K., Cho C., Jang K., Bellemans T. and Cho S. (2017), An Evaluation of the impacts of Autonomous Vehicles on Use of National Territory, Korea Research Institute for Human Settlements, Sejong.
Litman T. (2013), Autonmous vehicle implementation predicitons; Implications for transport planning, Victoria Transport Policy Institute.
Milanes V. and Shladover S. E. (2014), "Modeling cooperative and autonomous adaptive cruise control dynamic responses using experimental data," Transportation Research Part C 48, pp.285-300.
Moon Y. (2015), "Autonomous system development direction and traffic-flow measure of effectiveness," Telecommunications Review, vol. 25, no. 3, SKtelecom, pp.442-448.
National Statistical Office (2016), future population projection: 2015-2065years, report material.
Park I., Lee J., Lee J. and Hwang K. (2015), "Highway traffic-flow effect due to the autonomous vehicle's proportions," Korea ITS Society Journal, vol. 14, no. 6, pp.21-36.
Pinjari A. R., Augustin B. and Menon N. (2013), Highway capacity impacts of autonomous vehicles: An assessment, University of South Florida.
Talebpour A. and Mahmassani H. S. (2016), "Influence of connected and autonomous vehicles on traffic flow stability and throughput," Transportation Research Part C 71, pp.143-163.
Tientrakool P., Ho Y. -C. ans Maxemchuk N. F. (2011), "Highway capacity benefits from using vehicle-to-vehicle communication and sensors for collision avoidance," Vehicular Technology Conference, IEEE, pp.1-5.
Wardrop J. G. (1952), "Some theoretical aspects of road traffic research," Proc. Inst. Civil Engr., vol. 2, no. 1, pp.325-378.
Zhou J. Ma F. and Demetsky M. J. (2012), "Evaluating mobility and sustainability benefits of cooperative adaptive cruise control using agent-based modeling approach," Systems and Information Engineering Design Symposium, pp.74-78.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.