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
- 본 연구에서 보행자 경로선택을 위해 개발한 최단경로 선택모형을 적용・활용하고자 하였다. 적용된 최단 경로 선택모형 식은 다음과 같다(Park et al.
- 본 연구에서는 상업지역인 서울 역삼역 주변에서 보행량을 조사하고 미시적 시뮬레이션으로 재현을 통한서비스 수준을 판단해 보았다. 이를 통해 기존의 거시적 관점의 가로변 보행행태가 아닌 미시적 보행행태를반영한 평가를 수행하였다.
- 본 연구에서는 현장 조사기법의 제한적 사용을 극복하기 위하여 미시적 교통류 시뮬레이션을 활용하여보행자 도로의 보행속도를 산출하고 이를 도로용량 편람에서 제시한 평가척도인 보행속도와 비교하여 서비스 수준을 판단해 보고자 하였다. 이를 위하여 해당 지역의 보행량 등을 조사하여 시뮬레이션의 정산 및 검증을 수행하고 통계적으로 검증된 네트워크에 대하여 모의실험을 수행하고자 하였다.
- 방안을 검토해 보았다. 이는 본 연구에서 수행하는 모의실험 및 시뮬레이션의 정산 및 검증을 위한 기초자료로 활용하기 위해서이다.
- 이는 기존의 제한적인조사방식을 보다 쉽고 합리적으로 실제 조사전 사전 분석이 가능한 방안으로 판단된다. 이를 통해 시간 소요와 경제적 부담을 최소화하며 보행자 정책 수립을 사전에 검증할 수 있는 대안으로 제시하고자 한다.
- 판단하여 편의성을 판단할 수 있는 지표들을 시뮬레이션을 통해 제시하였다. 해당 연구에서는 경로이탈도, 속도의 변화 크기, 그리고 충돌 횟수라는 세 편의성 지표를 보행교통류의 편의성을 평가할 수 있는지표로 제시하였다. 이를 통해 기존의 보행 서비스 수준을 판단하는 교통류율이나 속도와 더불어 보조 지표로 활용성을 설명하였다.
제안 방법
- (2006)은 <Fig. 2>에서 보인 바와 같이 현실적인 미시 교통 시뮬레이션 구축을 위한 유전 알고리즘(genetic algorithm, GA) 기반의 최적화 알고리즘을 이용한 미시 교통 시뮬레이션 정산 절차와 검증 기법을제시하였다. 정산 절차는 시뮬레이션 모형 구축, 초기평가, 초기 정산, 타당성 검토, 정산, 파리미터 평가, 검증 및 시각화이며, 아래 그림과 같다.
- 2차 정산 후 네트워크 검증 결과 유의수준 0.05에서 현장 실측 보행량과 모의실험 보행량의 통계적 차이는 없는 것으로 분석되어 정산 절차를 완료하고 다음 분석을 수행하였다.
- VISSIM 모의실험의 네트워크 적용 정확성을 확보하기 위하여 현장조사 결과와 시뮬레이션 결과의 비교지표를 보행량으로 선정하여 현장조사 지점과 동일 네트워크 상에 보행량 정산 지점을 선정하였다. 또한 정산과정에서는 보행자의 보행속도 등을 정산 파라메타로 활용하였다.
- 다음 는 정산 지점에 대한 시간대별 모의실험 보행자 속도 결과를 보여주고 있으며, 산출된 속도에 근거하여 도로용량편람에서 제시하고 있는 보행자 도로의 서비스 수준을 판단하였다.
- 이는 보행자도로 네트워크상 도로의 폭원이 일정하지 않고 지속적으로 변화하기 때문에 구간설정에 제약이 있기 때문으로 폭원과 관련된 점유공간, 밀도는 제외하였다. 또한 보행량(교통류율)의 실측자료를 기반으로 예측모형을 사용하기 때문에 서비스 수준 판단을 위해 남은 평가지표인 속도를 사용하였다.
- 보행량으로 선정하여 현장조사 지점과 동일 네트워크 상에 보행량 정산 지점을 선정하였다. 또한 정산과정에서는 보행자의 보행속도 등을 정산 파라메타로 활용하였다. 이는 일반적인 차량 시뮬레이션에서 수행할 수 있는 지체 및 대기행렬과 같은 검증지표 사용이 제한적이고, 보행 특성을 반영하는데 많은 제약이 존재하기 때문이다.
- 모의실험 구축에서 생성된 네트워크를 기반으로 실측 보행량을 활용하여 역삼역 7, 8번 출구 주변 및 주변가로 끝단에 실측 보행량을 적용하여 네트워크 내부 정산 지점의 보행자 속도를 산출하였다. 다음 <Table 4> 는 정산 지점에 대한 시간대별 모의실험 보행자 속도 결과를 보여주고 있으며, 산출된 속도에 근거하여 도로용량편람에서 제시하고 있는 보행자 도로의 서비스 수준을 판단하였다.
- 이를 위하여 실측 보행량과 모의실험을 통해 산출된 정산 지점의 보행량을 통계적 비교 분석하는 방법을 사용하였다. 모의실험의 특성상 발생 교통량(보행량)은 변동될 수 있기 때문에 모의실험을 10회 반복 수행하여실측량과 비교 분석하였다. 비교 분석은 통계적 검증을 위해 SPSS를 활용하여 일표본 t-검정을 수행하였으며, 유의수준 0.
- 이에 보행자 속도 분포를 조정하여 정산을 수행하였으며, 기존 직선의 속도 분포를 스플라인 점을 활용하여 곡선 형태로 변환하였다. 변환 시 도로교통공단 횡단보도 보행자 속도조사의 분포치를 활용하였다. 속도 분포는 평균 값을 기준으로 보행자가 차지하는 비율을 나타낸 것으로, 시뮬레이션 특성상 별도의 정산을 하지 않는 경우, 단순분포(직선) 형태로 적용되지만, 본 연구에서는 기존 보행자 속도조사 분포치를 적용하여 <Fig.
- 유의확률이 0.05보다 작은 부분에 대해서는 VISSIM의 보행자 구성인 ‘desired speed distribution’ 변수를 정산에 활용하였으며, 이는 보행속도는 네트워크 전체에 반영되는 파라메타로 기본 값(default value)을 도로교통공단 조사치로 조정하였다. 조정은 기존 남성의 경우 4.
- (2016)은 보행자 서비스 수준을 판정하기 위해 군집의 영향을 고려하기 위해 군집보행의 특성인 ‘보행로 상에 뒤섞인 군집(platoon)이 보행 흐름에 큰 영향을 끼친다’는 사실을 규명하였다. 이는 군집의 비율이 높은 지점과 낮은 지점에서 동일한 수의 보행자가 관측되었다 하더라도 실질적인 보행속도, 혼잡도 등은큰 차이를 보일 수 있다는 것이며, 이를 고려하여 보행자 서비스 수준을 제시하였다.
- 수준을 판단해 보고자 하였다. 이를 위하여 해당 지역의 보행량 등을 조사하여 시뮬레이션의 정산 및 검증을 수행하고 통계적으로 검증된 네트워크에 대하여 모의실험을 수행하고자 하였다. 이는 기존의 제한적인조사방식을 보다 쉽고 합리적으로 실제 조사전 사전 분석이 가능한 방안으로 판단된다.
- 이를 위해 미시적 보행자 도로 서비스 수준 판단 선행 연구사례 및 교통류 시뮬레이션을 활용한 보행자분석 방안을 검토해 보았다. 이는 본 연구에서 수행하는 모의실험 및 시뮬레이션의 정산 및 검증을 위한 기초자료로 활용하기 위해서이다.
- 수준을 판단해 보았다. 이를 통해 기존의 거시적 관점의 가로변 보행행태가 아닌 미시적 보행행태를반영한 평가를 수행하였다. 그 결과, 지하철 역사에서 가까울수록 서비스 수준은 낮게 분석되었으며 이는 시간대별 차이를 보이지는 않는 것으로 나타났다.
- 이어서 서울기술연구원 연구에서 제시된 기존 상업지역 최단경로 보행자 경로선택 모형을 시뮬레이션에탑재하고, 현장조사를 통해 지점 교통량을 조사하여 이를 조사지점과 유사하게 시뮬레이션 네트워크를 구축, 정산 및 검증을 거쳐 각 지점의 시간대별 보행속도를 산출하여 이를 도로용량편람에서 제시하고 기준으로서비스 수준을 판단하였다.
- 통계적 유의미한 차이가 발견되어 추가적인 정산 과정이 필요하였다. 이에 보행자 속도 분포를 조정하여 정산을 수행하였으며, 기존 직선의 속도 분포를 스플라인 점을 활용하여 곡선 형태로 변환하였다. 변환 시 도로교통공단 횡단보도 보행자 속도조사의 분포치를 활용하였다.
- 이에 본 연구에서는 상업지역인 서울 역삼역 주변에서의 보행량 조사를 활용하여 이를 미시적 시뮬레이션 모형(microscopic simulation model)으로 재현하고 서비스 수준을 판단하였다. 이를 위해 서울기술연구원에서 개발한 최단경로 보행자 경로선택 모형을 적용하여 정산(calibration) 및 검증(validation)을 수행하였다.
- 방법 중 보행류 상충 개념을 도입하여 분석을 수행하였다. 해당 연구에서는 방향별 보행자 수에따른 상충공간과 평균 보행시간을 산정하였으며, 유효 보도면적을 산정하여 시공간 개념의 보행 점유공간을통해 서비스 수준을 재조정하였다. 이를 통해 용량 상태의 보행교통류율을 80인/분/m로 제시하였다.
- 현장 실측 보행량 자료(2019.09.25. 수요일 08시~09시)를 이용하여 정산을 위한 비교지표를 검증해 보았다. 이를 위하여 실측 보행량과 모의실험을 통해 산출된 정산 지점의 보행량을 통계적 비교 분석하는 방법을 사용하였다.
- (2013)은 미시 교통 시뮬레이션 모형을 이용한 하이패스 차로 위치별 이동성 및 안전성 평가 방법 연구에서 VISSIM 시뮬레이션 모형을 구축하고 정산하였다. 현장 조사 값인 하이패스 차로 통과속도, TCS 차로 정차 시간 그리고 연결로 상의 차량 진입속도를 바탕으로 VISSIM 관련 정산 파라미터 값을 조정하며, 현장과 유사한 시뮬레이션 모형을 구축하였다.
- 현장조사는 링크단위로 보행량이 측정되었기 때문에 이를 분석 네트워크에 반영할 수 있도록 지점 보행량으로 일부 환산하였다. 환산 방법은 현장조사에서 링크가중첩되는 부분에 대해서 각 방향에서 접근하는 보행량의 합계로 산출하였다. 시간대는 오전 피크인 08시~09 시를 기준으로 네트워크를 구축하였다.
대상 데이터
- 기존 최단경로 보행자 경로선택 모형을 사용하기 위하여 공간적 범위는 경로선택 모형이 개발된 역삼역 7, 8번 출입구를 대상 반경 500m로 하였으며, 시간적 범위는 2019년 9월 25일(수) 08:00~22:00 까지 총 14시간의 보행량 자료를 사용하였다. 다음 <Fig.
- 시뮬레이션모형은 역삼역 7, 8번 출구를 기점으로 반경 500m에 대하여 보행자 도로를 구축하였다. 보행량은 지하철 역사를 중심으로 현장에서 실측된 보행량을 사용하였고 분석 네트워크의 발생 보행량은 보행 링크 끝단을 기준으로 입력하였으며, 현장조사 결과를 반영하였다. 현장조사는 링크단위로 보행량이 측정되었기 때문에 이를 분석 네트워크에 반영할 수 있도록 지점 보행량으로 일부 환산하였다.
- 보행자 최단경로 선택모형이 구현된 알고리즘 적용을 위해 역삼역 일대를 대상으로 하였다. 시뮬레이션모형은 역삼역 7, 8번 출구를 기점으로 반경 500m에 대하여 보행자 도로를 구축하였다.
- 환산 방법은 현장조사에서 링크가중첩되는 부분에 대해서 각 방향에서 접근하는 보행량의 합계로 산출하였다. 시간대는 오전 피크인 08시~09 시를 기준으로 네트워크를 구축하였다. 다음 <Fig.
- 시뮬레이션모형은 역삼역 7, 8번 출구를 기점으로 반경 500m에 대하여 보행자 도로를 구축하였다. 보행량은 지하철 역사를 중심으로 현장에서 실측된 보행량을 사용하였고 분석 네트워크의 발생 보행량은 보행 링크 끝단을 기준으로 입력하였으며, 현장조사 결과를 반영하였다.
- 이는 일반적인 차량 시뮬레이션에서 수행할 수 있는 지체 및 대기행렬과 같은 검증지표 사용이 제한적이고, 보행 특성을 반영하는데 많은 제약이 존재하기 때문이다. 정산 비교지표 확인을 위해 지하철 주 출입구 반경 100m 내에 2개소, 1~300m 사이 4개소, 3~500m 사이에 4개소를 선정하였다. 또한, 선정지점은 보행자 도로 서비스 수준 평가를 위한 지점으로 활용할 수 있도록 하였다(Park et al.
데이터처리
- 정산 절차는 시뮬레이션 모형 구축, 초기평가, 초기 정산, 타당성 검토, 정산, 파리미터 평가, 검증 및 시각화이며, 아래 그림과 같다. 또한, 제안한 정산과정을 VISSIM 및 CORSIM으로 구축된 12개의 신호연동교차로에 적용하여 정산 및 검증 과정을 수행하였다. 수행결과, VISSIM 및 CORSIM 네트워크에서 모두효과적임이 증명되었다.
- 모의실험의 특성상 발생 교통량(보행량)은 변동될 수 있기 때문에 모의실험을 10회 반복 수행하여실측량과 비교 분석하였다. 비교 분석은 통계적 검증을 위해 SPSS를 활용하여 일표본 t-검정을 수행하였으며, 유의수준 0.05(95%신뢰수준)에 맞춰 진행하였다. 그 결과 <Table 1>과 같이 2-1, 2-2, 2-3, 3-1, 3-3, 3-4는유의확률이 0.
- 수요일 08시~09시)를 이용하여 정산을 위한 비교지표를 검증해 보았다. 이를 위하여 실측 보행량과 모의실험을 통해 산출된 정산 지점의 보행량을 통계적 비교 분석하는 방법을 사용하였다. 모의실험의 특성상 발생 교통량(보행량)은 변동될 수 있기 때문에 모의실험을 10회 반복 수행하여실측량과 비교 분석하였다.
이론/모형
- 본 연구는 지하철 출입구를 기준으로 500m의 반경에 대하여, 현재 도로용량편람에서 제시하고 있는 보행자 도로의 서비스 수준을 판단하기 위한 방안으로 미시적 교통류 시뮬레이션에 의해 산출된 보행속도를 사용하였다(Ministry of Land, Transport and Maritime Affairs, 2013).
- 모형(microscopic simulation model)으로 재현하고 서비스 수준을 판단하였다. 이를 위해 서울기술연구원에서 개발한 최단경로 보행자 경로선택 모형을 적용하여 정산(calibration) 및 검증(validation)을 수행하였다.
- 구축된 CORSIM 네트워크가 현실을 최대한 반영할 수 있도록 조정하는 과정인 정산과정을 거쳤다. 정산을 위해서 통행시간을 사용하였으며, 알고리즘으로는 유전자 알고리즘(genetic algorithm)을 사용하여 정산을 수행하였다. 정산 수행 결과, 시뮬레이션에서 산출된 통행 시간이 정산 수행 전보다 실제 값과 차이가 줄어든 것을 확인하였다.
성능/효과
- 이를 통해 기존의 거시적 관점의 가로변 보행행태가 아닌 미시적 보행행태를반영한 평가를 수행하였다. 그 결과, 지하철 역사에서 가까울수록 서비스 수준은 낮게 분석되었으며 이는 시간대별 차이를 보이지는 않는 것으로 나타났다. 본 연구의 한계점으로는 역삼역 일대만을 대상으로 수행한결과라는 점이다.
- 또한, 제안한 정산과정을 VISSIM 및 CORSIM으로 구축된 12개의 신호연동교차로에 적용하여 정산 및 검증 과정을 수행하였다. 수행결과, VISSIM 및 CORSIM 네트워크에서 모두효과적임이 증명되었다.
- 정산을 위해서 통행시간을 사용하였으며, 알고리즘으로는 유전자 알고리즘(genetic algorithm)을 사용하여 정산을 수행하였다. 정산 수행 결과, 시뮬레이션에서 산출된 통행 시간이 정산 수행 전보다 실제 값과 차이가 줄어든 것을 확인하였다.
- 지하철 출입구를 중심으로 반경 100m(Location 지역 1), 1~300m(Location 지역 2), 3~500m(Location 지역 3) 에서 서비스 수준이 차지하는 비율을 살펴보면 와 같이 시간대별 비율의 차이는 있을 수 있으나, 전반적으로 출입구로부터 가까울수록 보행자 도로의 서비스 수준이 낮으며, 멀어질수록 서비스 수준은 높은 것을 알 수 있었다.
후속연구
- 그 결과 시간대별 각 지점의 서비스 수준은 대부분 C 이상으로 나타났으나, 오전 10시~11시 ‘1-2 지점’은 서비스 수준이 D로 분석되어, 향후 이 지점에 대하여 개선 여부를 위한 보다 세부적인 조사가 필요한 것으로 확인되었다.
- 본 연구의 한계점으로는 역삼역 일대만을 대상으로 수행한결과라는 점이다. 따라서 상업지역 전체를 일반화하기 위해서는 보다 다양한 지역과 더 많은 case를 추가 분석해야 할 것으로 사료된다. 하지만 미시적 교통류 분석 프로그램을 활용하여 보행자 도로의 서비스 수준을분석할 수 있었다는 점에서 향후 보행 관련 정책 수립에 있어서 하나의 대안으로 사용될 수 있는 가능성을확인할 수 있었다는 것에 의미를 둘 수 있을 것으로 판단된다.
- 그 결과, 지하철 역사에서 가까울수록 서비스 수준은 낮게 분석되었으며 이는 시간대별 차이를 보이지는 않는 것으로 나타났다. 본 연구의 한계점으로는 역삼역 일대만을 대상으로 수행한결과라는 점이다. 따라서 상업지역 전체를 일반화하기 위해서는 보다 다양한 지역과 더 많은 case를 추가 분석해야 할 것으로 사료된다.
- 따라서 적절한 보행자 정책 수립을 위한 대체 대안으로 보행자의 미시적 경로 파악과 이를 활용한 서비스 수준 판단기술이 요구되었다. 이에 유동인구가 많은 지하철역을 중심으로 한 단거리 보행자의 미시적 경로를 예측 또는 추정할 수 있는 모델 개발을 통해 서비스 수준 분석에 활용한다면 보행자 정책을 수립하는데 도움이 될 것으로 판단하였다.
- 따라서 상업지역 전체를 일반화하기 위해서는 보다 다양한 지역과 더 많은 case를 추가 분석해야 할 것으로 사료된다. 하지만 미시적 교통류 분석 프로그램을 활용하여 보행자 도로의 서비스 수준을분석할 수 있었다는 점에서 향후 보행 관련 정책 수립에 있어서 하나의 대안으로 사용될 수 있는 가능성을확인할 수 있었다는 것에 의미를 둘 수 있을 것으로 판단된다. 향후 본 보행량 예측 및 해석방법의 실질적활용을 위해서 추가적인 정산방법 및 정산효과를 정량적으로 제시할 필요가 있을 것으로 예상된다.
- 하지만 미시적 교통류 분석 프로그램을 활용하여 보행자 도로의 서비스 수준을분석할 수 있었다는 점에서 향후 보행 관련 정책 수립에 있어서 하나의 대안으로 사용될 수 있는 가능성을확인할 수 있었다는 것에 의미를 둘 수 있을 것으로 판단된다. 향후 본 보행량 예측 및 해석방법의 실질적활용을 위해서 추가적인 정산방법 및 정산효과를 정량적으로 제시할 필요가 있을 것으로 예상된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.