서론

고속도로에서 주행 시 대형화물차량을 따라 주행하는 경우 대형차량의 차량크기 및 적재된 화물로 인해 도로 앞 상황에 대한 시야가 일반승용차에 비해 상대적으로 좁아지게 된다. 대형차량의 경우 사각지대를 지나는 차량을 인지하지 못하는 경우도 발생하여 자칫하면 사고로 이어지기도 한다. U.S. DOT(2018)에서는 대형화물차의 전방 20ft (약 6m), 후방 30ft (9m)까지 사각지대이며, 좌측운전자 기준으로 왼쪽으로는 1차로, 오른쪽으로는 2차로까지 보이지 않는 ‘노 존(No zone)’이 존재한다고 설명하고 있다. Im(2016)은 차종별 후방 사각지대가 승용세단기준 평균 9.6m임에 비해 5톤 트럭의 경우에는 11.6m로 약 1.2배 길다고 제시하였다. 이러한 대형화물차량의 사각지대 등으로 인하여 교통사고가 발생하면 대형사고로 이어질 개연성이 높아진다.

2017년 교통사고자료를 분석한 결과, 가해자와 피해자 차종이 모두 승용차인 사고는 약 7만 건으로 247명의 사망자가 발생하여 치사율은 0.35%이지만, 화물차와 승용차간 사고(약 2만 건)에서 가해차종이 화물차인 경우 1.76%로 대형화물차가 교통사고가 발생할 경우 사고의 심각도는 약 5.03배가 높아지는 것으로 나타났다. 이러한 사고의 심각성을 이미 운전자들은 인지하고 있으며, 도로를 주행하면서 주변에 대형차량이 주행할 경우 대형화물차량을 피해 주행하는 심리적인 압박감으로 작용하게 된다.

본 연구에서는 선행차량 차종에 후방을 추종하는 주체차량 운전자의 주행패턴에 미치는 영향을 분석하기 위한 주행시뮬레이션 실험을 수행하였으며, 주행궤적자료를 활용하여 선행차량의 차종에 따른 주체차량의 위험노출정도를 비교하였다. 본 실험에서 위험노출도는 전방공사구간으로 인해 강제적인 차로변경을 수행해야할 때 주체차량이 얼마나 위험에 노출되는지를 비교할 수 있도록 Crash Potential값을 지표로 활용하였다. 운전자의 실제 주행패턴을 반영하기 위하여 2대의 주행시뮬레이터를 연결하여 동일한 주행환경에 대해 분석할 수 있는 Multi-Agent 구현이 가능한 주행시뮬레이터를 활용하여 고속도로 주행환경을 구현하였으며, 전방 공사구간으로 인해 강제적으로 차로변경을 해야하는 상황에서 선행차량과 후행차량의 주행특성 변화에 대하여 실험하였다. 실험 시나리오는 선행차량 차종이 화물차와 승용차 2가지로 설정하였으며, 실험에서 수집한 개별차량 주행궤적자료를 활용하여 차량추종 특성 및 주행안전특성을 분석하였다. 차량추종 특성은 주체차량의 속도와 선행차량과의 간격을 검토하였으며, 주행안전특성은 주체차량의 ‘Crash Potential값(위험노출도)’을 산출하여 각 시나리오별로 비교하였다.

본 연구의 구성은 다음과 같다. 기존연구고찰에서는 연구에서 설계한 주행환경인 고속도로에 관한 주행안전성 관련 연구와 시뮬레이션을 활용한 연구에 대한 선행연구를 고찰하여 연구의 차별성을 제시하였다. 다음으로 연구결과의 비교분석 지표인 위험노출도를 산출하는 방법론에 대하여 서술하였으며, 산출된 지표를 비교분석하여 선행차량 차종에 따른 주행안전특성 분석결과를 제시하였다. 마지막으로 결론과 향후 연구과제를 제시하였다.

기존연구고찰

본 연구에서는 추종하는 선행차량의 차종에 따라 주체차량의 차량추종 특성이 어떻게 변화하며, 그에 따른 주행안전성이 변화하는지에 대해 관찰하기 위하여 Multi-Agent 구현이 가능한 주행시뮬레이션을 활용하여 분석을 수행하였다. 본 연구에서는 기존연구를 검토하여 고속도로 주행 안전성 분석 및 주행시뮬레이션을 활용한 기존 연구방법을 고찰하였으며, 기존 연구와의 차별성을 제시하였다.

1. 고속도로 주행안전성 분석연구

본 연구의 분석 대상인 고속도로의 일반적 주행 안전성에 대한 연구에 대하여 기존연구문헌을 고찰하였다. 기존 연구는 주로 고속도로 운영에 관한 안전성 분석이나, 고속으로 주행하는 교통특성을 가진 고속도로에서 운전자 주행특성을 분석하는 연구가 수행되었다. 먼저, 고속도로 운영에 관한 안전성 분석에 대한 연구는 Bassan(2018)이 고속도로 및 도로의 터널에서 SSD (Stopping Sight Distance)와 DSD (Decision Sight Distance)의 관계에 대해 평가하였다. 이 연구에서는 고속도로 기하구조 설계의 가장 큰 목적은 운전자가 사고를 일으키지 않고 충돌을 회피할 수 있는 충분한 시간을 제공하는 것이라고 하였으며, SSD와 DSD에 따른 고속도로 설계 기준을 제시하였다. Aleksandar et al.(2013)은 Vissim 시뮬레이션을 활용하여 신호교차로에서 신호시간에 따른 충돌횟수를 비교분석하였다. 이 연구에서 초기신호체계와 최적화된 신호체계의 예상충돌횟수를 분석한 결과 초기신호체계보다 충돌횟수가 약 7% 감소하는 것으로 결과를 분석하였다. Park et al.(2014)는 기상정보시스템에서 수집되는 시정거리와 차량검지기에서 수집되는 속도자료를 이용하여 교통류의 안전성을 판단하는 연구를 수행하였다. 이 연구에서는 VDS (Vehicle Detection Systems)에서 수집된 속도자료를 활용하여 산출한 정지시거와(SSD) RWIS (Road Weather Information Systems)에서 수집한 VD (Visibility Distance)와의 관계를 분석하여 교통류 안전성을 판단하는 알고리즘을 개발하였다. 또한, 고속도로의 주행행태에 대해 많은 연구가 수행되었는데, Kim et al.(2017)은 드론영상을 활용하여 고속도로의 차량주행행태에 대한 분석을 수행하였다. 이 연구에서 고속도로 주요구간의 차량주행행태를 교량부와 공사구간으로 구분하여 분석하였으며, 드론영상을 활용하여 개발차량의 주행행태 분석을 통해 정밀하고 실증적인 미시 교통분석의 가능성을 제시하였다. Park et al.(2017)는 고속도로 드론 영상자료를 이용하여 공사구간과 일반구간의 차로변경 행태를 비교하는 연구를 수행하였다. 이 연구는 일반구간에 비해 공사구간 차로변경행태가 차로변경 중 속도가 감소하며 교통류의 혼잡이 발생할 수 있고, 한정된 거리에서 차로변경을 실시해야 하기 때문에 차량속도 감속을 통해 수락간격을 확보하는 것으로 분석결과를 도출하였다. 고속도로를 주행하는 운전자의 특성에 관한 연구는 Du et al.(2007)가 안구운동 기록계를 활용하여 고속도로 터널 진출입 구간에서 운전자의 시각부하에 따른 주행안전성을 평가하였으며, 운전자의 시각적 부하를 덜 느끼게 하는 적정 주행거리를 도출하였다. Leonard et al.(1983)은 고속도로를 주행하는 운전자와 차량 특성에 따른 주행안전성과의 관계를 측정하는 연구를 수행하였다. 이 연구에서는 차량면허, 차량연식, 운전자 나이, 교통사고 기록, 성별, 동승자 여부, 안전벨트 착용여부, 차량무게 등에 따라 주행안전성의 차이에 대해 연구를 수행하였다. 또한, Britton et al.(2018)은 기상조건과 교통네트워크의 안전성, 이동성, 신뢰성에 관한 분석을 차량추종 행동을 통해 평가하는 연구를 수행하였으며, Nengchao et al.(2018)은 고속도로의 감속 차선에서 운전자의 행동을 분석하여 사고감소를 유도하는 방법에 대해 연구를 수행하였으며, 시험도로를 주행한 피실험자의 주행패턴을 분석하여 성별, 직종, 경험 등에 따라 운전자의 차선변경과 속도프로파일의 특성에 대해 분석결과를 도출하였다.

2. 주행시뮬레이션을 이용한 차량 간 상호작용 관련 연구

주행시뮬레이션은 가상의 주행 환경을 구현하여 여러 시나리오에 대한 운전자 주행특성을 분석할 수 있다는 특징이 있으며, 실제 도로실험과 비교하여 비용 및 시간을 절약할 수 있고 상대적으로 안전하기 때문에 교통분야 분석에 자주 활용된다. 고속도로의 주행 안전성 특성에 대해 분석한 연구는 다수 존재하나, 주행시뮬레이션을 이용하여 고속도로의 주행 안전성 분석을 수행한 연구는 부족한 실정이다. 고속도로 내 공사구간이 있을 때 차량 이동성 및 안전성 지표를 비교하거나, 운전자의 주행안전성을 평가하기 위한 연구가 수행된 바 있다(Shakouri et al., 2014, Park et al., 2017). 특히, Park et al.(2017)은 이동공사구간에서의 주행 안전성을 평가하기 위하여 주행시뮬레이션을 통해 운전자의 주행행태를 분석하고, 이동공사 시 운전자가 작업보호차량을 신속히 인지할 수 있도록 적절한 경고제공을 할 수 있는 교통안전 향상방안을 제안하였다. 운전자에게 적절한 정보제공을 위한 방안을 도출하기 위하여 Kang and Slalh(2018)의 연구에서도 주행시뮬레이션 분석방법이 활용되었다. 운전자에게 교통안전정보를 제공하는 교통안전표지에 대해 청각경보음의 존재여부에 따른 인식률을 비교하였으며, 청각경보음을 사용하였을 때 운전자가 도로변의 교통안전정보 표지 인식률이 더 높은 것으로 나타났다. Hooft et al.(2018)은 주행 시뮬레이터에서 운전속도, 제동, 조향, 측면위치, 선행차량까지의 거리 유지 등과 관련하여 다차원 운전 성향에 대한 예측가치를 산정하는 연구를 수행하였다. 이 연구에서 주행 시뮬레이터 실험과 운전 특성에 대한 운전자 대상 설문 점수를 비교하여 운전자의 다차원 운전 성향에 대한 예측가치를 산정하였고, 분석결과 다양한 운전 성향을 가진 운전자들을 구분할 수 있는 진단 도구로써 주행시뮬레이션을 활용하여 다차원 운전성향 가치를 측정하는 분석방법론의 효과를 긍정적으로 평가하였다.

3. 기존연구와의 차별성

교통안전의 다양한 특성을 분석하기 위하여 주행시뮬레이션을 활용한 연구는 수행되어 왔지만, Multi-Agent 주행 시뮬레이터를 활용한 연구는 미비하다. 주행시뮬레이션 분석은 실제 도로환경이 갖고 있는 다양한 특성, 특히 차량 간 상호작용을 분석할 수 없다는 점이 한계점으로 지적되어 왔다. 본 연구에서는 이러한 주행시뮬레이션의 한계를 극복하기 위하여, 2대의 주행 시뮬레이터를 연결하여 하나의 가상 주행환경에서 주행할 수 있는 Multi-Agent가 가능한 주행시뮬레이션을 분석에 활용하였다. Multi-Agent 주행 시뮬레이터를 활용하여 2명의 운전자가 상호작용하는 주행차량의 주행안전성을 비교하였고, 위험에 노출되는 정도를 비교할 수 있는 위험노출도 지표를 활용하여 선행차량의 차종에 따른 주체차량의 주행안전성을 비교했다는 점에서 기존연구와 차별성을 가진다. 또한, 본 연구에서는 교통안전 개연성을 계량화 할 수 있는 Surrogate Safety Measures 중 Stopping Sight Distance (SSD)와 Stopping Distance Index (SDI), Time for SDI to equal 0 (TSO)를 활용하여 주체차량의 위험노출될 확률을 나타내는 지표인 Crash Potential (CP)를 산출하여 차량의 위험노출도를 계량화 했다는 점에서 기존연구와의 차별성을 가진다.

방법론

1. 개요

본 연구에서는 선행차량의 차종에 따른 주체차량의 주행안전성을 분석하기 위하여 주행 시뮬레이터에서 수집된 자료를 활용하여 차량추종 특성 및 주행안전성 평가지표를 산출하고 시나리오별로 비교분석하였다. 먼저 차량추종 특성은 주행궤적자료로부터 속도, 가감속도, 차로변경 위치 등을 수집하고, 주행차량과 선행차량의 간격을 산출하였다. 주행안전특성은 전방 공사구간으로 인해 강제적인 차로변경을 수행해야 할 때 주체차량이 얼마나 위험에 노출되는지를 분석할 수 있도록 위험노출도 지표를 산출하였다. 본 논문에서는 Park et al.(2017)이 개발한 지표를 이용하여 차로변경 수행 시 주체차량과 주변차량과의 상호작용을 분석하여 주행안전성을 평가하였다. 여기서 위험노출도는 개별차량의 속도와 차량간격으로 차량의 충돌개연성을 Exponential Decay Function을 활용하여 0-1 사이의 확률값으로 나타내는 지표이며, 위험노출도가 1에 가까울수록 위험에 노출될 확률이 높다는 것을 의미한다.

연구에 활용한 방법론을 Figure 1에 제시하였다. 첫째, 선행차량 차종에 따른 강제적 차로변경 이벤트(공사구간)의 주행 안전특성 분석이라는 연구목적을 설정하였다. 둘째, 연구목적을 달성하기 위하여 Multi-Agent기반 주행시뮬레이션 실험설계 및 시나리오를 설정하였다. 시나리오는 2가지로 선행차량이 승용차일 경우와 대형화물차일 경우로 구성된다. 셋째, 설정한 시나리오를 바탕으로 실험을 수행하고, 그 결과로 개별차량별 주행궤적자료를 수집하였다. 넷째, 개별차량의 속도와 차간간격 데이터를 활용하여 산출된 SSD (Stopping Sight Distance), SDI (Stopping Distance Index) 및 TSO (Time for SDI to equal ‘0’)를 계산하고, Crash Potential을 산출하여 주행안전특성을 비교하는 지표인 위험노출도를 분석하였다. 마지막으로 시나리오별 선행차량 차종에 따른 위험노출도 값을 비교 분석하였다.

Figure 1.

Overall framework

2. 주행시뮬레이션 실험설계

본 실험에서는 주체차량은 승용차로 동일하게 설정하였으며, 실험 시나리오는 선행차량의 차종에 따라 승용차와 대형화물차 두 가지로 설정하였다. 실험에 적용한 차량의 제원은 주행시뮬레이션에서 제공하는 차량을 기준으로 적용하였으며, 승용차의 차량특성은 차량길이 4.8m, 차량높이 1.47m, 대형화물차의 차량특성은 차량길이, 차량높이를 각각 12.15m, 3.75m를 적용하였다. 피실험자는 시나리오별 20-30대 운전자 10명(남성 4명, 여성 6명)이 참여하였다. 1회 주행 시 2명의 피실험자가 참여하며, 피실험자 1개 그룹 당 총 1회를 주행하여 시나리오별 20개의 주행궤적 자료를 수집하였다.

주행시뮬레이션 환경은 Figure 2와 같다. 3km 연장의 4차로의 고속도로이며, 도로의 제한속도는 일반구간은 100kph, 공사구간 내에서는 80kph로 설정하였다. 공사구간 시점은 주행시작 지점으로부터 2.28km에 위치하며, 2차로 차단공사로 설정하였다. 주행시뮬레이션 상의 공사구간 테이퍼 길이는 한국도로공사의 고속도로 공사장 관리기준(2013)의 기준을 활용하였다. 또한, 주행 시뮬레이션 네트워크 설계기준 시점과 동일하게 공사구간 내 제한속도를 80kph로 설계하여 실험을 수행하였다. 실험에서 활용한 주행시뮬레이션의 세부적인 도로특성, 차량특성 및 기타 특성은 Table 1에 항목별 기술통계량 값을 나타냈다.

Figure 2.

Driving simulation environment

Table 1. Driving simulation conditions

Multi-Agent기반 주행시뮬레이션 실험 진행 시 주체차량은 선행차량을 따라 주행하며 선행차량을 앞지르지 않도록 하였다. 3차로로 주행을 시작하여, 도로 공사구간 시점에 도착하기 전에 2차로로 차로를 변경하게 된다. 주행 시 제한속도를 초과하지 않도록 하였고, 주체차량, 선행차량 모두 차로변경을 완료한 시뮬레이션 종료지점에서 주행을 완료하도록 하였다. Figure 3은 동일한 가상 주행환경에서 실험에 참여하고 있는 주체차량 운전자와 선행차량 운전자를 나타낸 것이다.

Figure 3.

Multi-Agent driving simulation

3. 주행안전특성 분석 방법론

본 연구에서 강제적 차로변경 이벤트가 발생할 때 주체차량의 주행 안전특성분석을 위하여 위험노출도를 분석 평가지표로 활용하였다. Multi-Agent 주행시뮬레이션을 통해 수집된 차량의 개별 주행궤적자료를 이용하여 위험노출도 지표인 CP (Crash Potential)를 산출하는 과정을 Figure 4에 도식화하였다.

Figure 4.

Methodology for estimating crash potential

CP를 산출하는 과정은 총 5단계로 구성된다. 1단계에서 주행궤적자료에서 속도 및 차간간격 자료를 추출하고, 2-4단계에서 SSD, SDI 및 TSO를 차례로 산출 한 후 최종적으로 CP값을 산출하게 된다. 먼저, 최소정지거리인 SSD에 대한 산출식은 Equation 1과 같다.

여기서, $SS{D}_t^{ks}$: 시간 t에서 주체차량의 최소정지거리(최소정지거리=공주거리+제동거리)
$V_t^{ks}$: 시간 t에서 주체차량의 주행속도
$tr$: 인지반응시간(2.5s 적용)
$a$: 주체차량의 감속도
             가정: 모든 운전자의 인지반응시간($tr$)은 동일

SSD 산출시 분석에 반영한 인지반응시간은 ‘도로의 구조 ‧ 시설 기준에 관한 규칙 해설 및 지침(Ministry of Land, Infrasrtucture and Transport, 2013)’을 참조하여 사용하였으며, 본 연구에서는 인지반응시간을 2.5s로 사용하였다. 선행차량과 주체차량 간 SSD를 산출한 뒤, 개별차량의 시간 t에서의 안전거리인 SDI를 Equation 2와 같이 산출한다. SDI는 시간 t에서 전방 위험요소와의 안전거리를 나타내는 지표로, 공사구간일 경우 전방 위험요소의 길이와 전방위험요소의 최소정지거리를 0으로 가정하면 결과적으로 SDI는 주체차량과 전방 위험요소간의 이격거리($s_t$)에서 주체차량의 최소정지거리($SS{D}_t^{ks}$)의 차이로 산출할 수 있다. 본 연구에서는 전방위험요소를 선행차량으로 설정하였으므로 SDI는 시간t에서 전방 선행차량과의 안전거리를 산출하여 분석에 적용하였다. 또한, 전방 위험요소의 길이는 선행차량 차종에 따른 차량길이를 적용하여 분석에 활용하였다.

여기서, $SD{I}_t$: 시간 t에서 전방 위험요소와의 안전거리
$s_t$: 시간 t에서 주행차량과 전방 위험요소와의 이격거리
$SS{D}_t^{kf}$: 시간 t에서 전방 위험요소의 최소정지거리(공사구간일 경우, 최소정지거리는 0)
$SS{D}_t^{ks}$: 시간 t에서 주체차량의 최소정지거리
$l_{kf}$: 전방 위험요소의 길이(공사구간일 경우, ‘0’)

산출된 SDI를 주체차량의 주행속도로 나누어 TSO를 산출한다. TSO는 주체차량이 시간t에서 주행속도를 일정하게 유지할 경우, 주체차량과 전방 위험요소와의 SDI가 0이 될 때까지의 잔여시간으로, 주체차량이 TSO 이내에 회피행동(예: 정지)을 취하지 않는다면 전방의 위험요소와 충돌할 개연성이 높아지게 된다.

여기서, $TS{O}_t$: 주체차량이 시간 t에서의 주행속도를 일정하게 유지할 때, 주체차량과 전방 위험요소와의 SDI가 0이 될 때까지의 잔여시간
$SD{I}_t$: 시간 t에서 전방 위험요소와의 안전거리
$V_t^{ks}$: 시간 t에서 주체차량의 주행속도

마지막으로, 산출된 TSO를 활용하여 차량의 CP를 산출한다. CP는 Exponential Decay Function (EDF)을 기반으로 하고 있기 때문에, 충돌 개연성을 나타내는 결과값이 0-1 사이의 확률값을 가진다. TSO가 0보다 크거나 같을 경우 CP값은 0-1 사이의 값으로 산출되며, CP값이 1에 가까울수록 충돌 개연성이 크며, 위험한 상태임을 의미한다. 반대로 TSO가 0보다 작으면, SDI가 0보다 작아 충돌이 발생하기 때문에 $P\left(Cras{h}_t\right|TS{O}_t)$값은 1이 된다.

여기서, 가정: EDF 적용 시 a와 b를 각각 0과 1로 가정함

분석결과

선행차량 차종에 따른 강제적 차로변경 이벤트(공사구간)의 주행 안전특성을 분석하기 위하여, Multi-Agent 주행 시뮬레이션에서 수집한 개별차량의 속도와 차간간격 자료를 시나리오별로 비교분석한 결과는 다음과 같다.

1. 차로변경 특성분석

실험에 참여한 피실험자 10명 중에 주행시뮬레이션 실험결과 이상치로 나타난 피실험자 2명의 실험값을 제외한 뒤, 총 8명의 피실험자 주행궤적자료를 분석하여 결과를 도출하였다. 주체차량이 선행차량을 추종할 때, 차종에 따른 차량추종 특성은 Table 2와 같이 차량속도 평균, 차량가감속도 평균, 차로변경위치의 평균으로 산출하여 분석하였다. 여기서 차로변경위치는 주행시작 후 강제적 차로변경을 수행해야 하는 상황 시 주체차량의 차로변경위치를 나타낸다. 선행차량이 승용차인 시나리오 1의 주체차량 평균속도는 82.45kph로, 선행차량이 화물차인 시나리오 2의 71.07kph보다 약 16.0% 높게 나타났다. 차량의 평균 가감속도는 시나리오 1과 2에서 각각 0.22㎨, 0.15㎨로 나타났으며, 선행차량이 승용차일 때 차량의 평균 가감속도가 약 46.6% 높게 도출되었다. 또한, 선행차량과 주체차량의 상대속도와 상대위치에 대한 분석을 수행하였다. 시나리오 1의 상대속도는 0.33mps로 시나리오 2의 상대속도 0.30mps에 비해 선행차량의 속도가 약 9% 빠른 것으로 분석되었다. 상대위치의 경우에도 시나리오 1일 때 68.78m로 시나리오 2의 59.80m보다 약 8.98m 더 차이나는 것으로 나타났다.

Table 2. Analysis of lane change characteristic

주체차량의 차로변경 위치는 공사구간으로 인한 차로변경이 완료되는 시점을 기준으로 하였다. 피실험자 10명의 차로변경 위치 평균값은 시나리오 1에서 1690.7m, 시나리오 2에서 1690.8m로 나타났다. 주행시뮬레이션에서 공사구간은 주행 시작점으로부터 2,280m에서 시작되는 것으로 설정하였는데, 시나리오별 차로변경 위치는 거의 차이가 없는 것으로 분석되었다.

2. 주행안전특성 분석

주행안전특성 분석은 위험노출도인 CP값을 산출하기 위하여 먼저 피실험자 8명에 대한 SSD, SDI, TSO를 Table 3과 같이 분석하였다. 각 지표에 대한 결과는 피실험자별 단위길이당 산출된 지표들의 평균을 사용하여 나타내었다. 시나리오별 분석결과, 선행차량이 승용차일 경우 주체차량의 최소정지거리인 SSD는 303.28m, 전방위험요소와의 안전거리를 의미하는 SDI는 각각 103.30m 주체차량과 전방 위험요소와의 SDI가 0이 될 때까지의 잔여시간을 의미하는 지표인 TSO는 761.47s로 도출되었다. 선행차량의 화물차량일 경우 SSD는 247.64m, SDI는 80.21m, TSO는 693.03s로 분석되었다.

Table 3. Results of SSD, SDI and TSO by scenario

피실험자 8명 중 7명의 운전자들은 화물차를 추종할 때 SSD가 승용차를 추종할 때보다 더 짧게 나타났다. SSD의 경우 주체차량의 속도에 큰 영향을 받는 지표이다. 본 연구는 주행시뮬레이션이라는 실험환경하에서 두 차량 간의 상호작용에 초점을 맞춘 분석이다. 또한 주행 시뮬레이션 실험 시 주체차량과 선행차량 외의 차량은 실험환경에서 구현하지 않았으며 주체차량은 선행차량을 추월하거나 선행차량이 차로변경하기 전에 차로변경을 수행할 수 없도록 가정하고 실험을 진행하였다. 그 결과 선행차량이 화물차일 경우의 시나리오 2가 시나리오 1일 때보다 선행차량 속도가 낮았고, 추종하는 주체차량의 속도도 낮아져 SSD가 상대적으로 짧은 것으로 판단된다.

SDI의 경우에는 선행차량-주체차량 간 차간간격, 선행차량과 주체차량의 최소정지거리의차 및 선행 차량길이를 고려하여 산출되는 지표이다. 또한 선행차량과 주체차량 간 최소정지거리의 차로 나타낼 수 있는 SDI가 ‘0’보다 같거나 낮을 때 위험한 상황이라고 정의하고 분석을 수행하였다. 분석결과, 일반적으로 시나리오 2의 SDI가 시나리오 1 보다 짧게 나타났는데, 그 이유는 시나리오 1에 비해 선행차량-주체차량 간 최소정지거리의 차($SS{D}_t^{kF}-SS{D}_t^{ks}$)가 작은 것으로 관찰되었고, 피실험자별 단위시간당 SDI가 0보다 작은 경우가 많은 것으로 나타났다. 이는 후행차량의 최소정지거리가 선행차량의 최소정지거리보다 길어 후행차량이 안전하게 정지할 수 있는 거리가 확보되지 않는 상황으로 선행차량이 화물차량일 때가 승용차량일 때보다 안전하게 정지할 수 있는 거리가 미확보된 상태가 본 실험에서는 더 많이 나타났기 때문이다.

TSO는 선행차량과 주체차량의 SDI가 0m가 될 때까지의 잔여시간에 대한 지표로, 값이 작을수록 위험하다고 판단할 수 있다. TSO의 값은 위험노출도 산출시 활용하였다.

피험자별로 산출된 각 지표값을 활용하여 본 연구에서 안전특성을 계량화하기 위하여 적용한 위험노출도를 시나리오별로 Table 4와 같이 산출하였다. 위험노출도는 분석구간인 3km 중 공사구간 시점인 2.28km 지점 기준으로 전방 1km, 후방0.5km를 영향구간으로 정의한 후 산출하였다. 분석결과, 선행차량이 대형화물차일 때 CP값은 평균 0.28로 나타났으며, 이는 선행차량이 승용차일 때의 0.23보다 상대적으로 21.7% 높게 분석되었다. 이는 선행차량이 화물차량일 경우 승용차량일 경우보다 도로 주행 시 위험에 노출될 확률이 약 21.7% 높다는 것을 시사하는 결과로 볼 수 있다.

Table 4. Results of crash potential

Table 3에서 제시한 SSD, SDI 및 TSO를 활용하여, 주체차량의 위험노출도를 주행거리에 따라 산출하였으며 이를 시나리오별로 Figure 5에 도식화하였다. Figure 5는 공사구간 시점(2,20km) 전 1km, 후 0.5km를 영향구간으로 설정하고 분석을 수행하였다. 공사구간의 시점은 총 주행길이 3,000m 중 2,280m에 위치하고 있으며, 평균적으로 공사구간 시점 약 590m 전인 1,690m 부근에서 차로변경을 실시하였다. 선행차량이 승용차인 시나리오 1의 CP 변화는 청색 실선, 화물차인 시나리오 2의 CP 변화는 황색 파선으로 표시되어 있다. 각 시나리오별 위험노출도가 가장 높게 나타난 지점은 시나리오 1가 2 모두 공사구간시점에서 약 460m 전인 1,820m 부근으로 나타났다. 이는 두 시나리오 모두 공사구간 시점을 인지한 뒤 차로변경을 수행하면서 위험노출도가 증가한 것으로 판단된다. 또한, 그래프의 파형을 분석해보면, 선행차량이 승용차인 시나리오 1보다 화물차인 시나리오 2의 위험노출도가 조금 더 앞선 지점에서 선변화하는 것을 볼 수 가 있다. 이는 선행차량이 화물차일 때 주체차량의 운전자가 선제적인 차선변경을 위해 차로변경 및 속도를 변화시키는 등의 영향으로 위험노출도가 증가하는 것으로 판단된다.

Figure 5.

Example of crash risk profiles

추가적으로 1,280-2,780km의 영향구간에 대해서 각 지점별로 어떠한 시나리오의 위험노출도가 높게 나타나는지 분석하였다. 이 분석을 통하여 실험구간을 주행하면서 상대적으로 선행차량이 어떤 종류일 때 위험에 대한 노출확률이 높은지를 도출하고자 하였다. 분석결과, 1.5km 구간길이에서 총 62.7% 길이에서 선행차량이 화물차량일 때 위험노출도가 높게 나타났다. Figure 6에 구간길이에 따른 위험노출도가 높은 시나리오를 제시하였으며, 시나리오 2가 높을 경우 회색, 시나리오 1이 높을 경우 검정색으로 표시하였다.

Figure 6.

CP difference among construction sites (by scenario)

결론 및 향후연구과제

대형화물차량은 일반차량보다 넓은 사각지대가 존재하며, 고속도로 주행 시 큰 차체로 인하여 후방을 추종하는 차량의 시거제약 등 영향을 미치게 된다. 대형화물차의 교통안전성 제고를 위해, 본 연구에서는 Multi-Agent 주행시뮬레이션을 이용하여 고속도로 상에서 강제적 차로변경 이벤트가 발생하는 상황을 실험하고, 차량추종 특성 및 주행안전특성을 분석하여 고속도로 주행 안전성 향상방안을 제시하고자 하였다.

총 2가지의 시나리오에 따라 각각 10명의 운전자를 대상으로 Multi-Agent가 가능한 주행시뮬레이션 실험을 수행하였다. 실험에서는 선행차량 종류에 따른 안전특성 비교를 위하여 화물차, 승용차의 2가지 차종을 구분하여 시나리오를 설정하였다. 또한 차량추종 특성은 속도와 차간간격, 주행안전특성은 충돌개연성을 활용한 위험노출도를 분석하였다. 실험에 참여한 피실험자 10명중 이상치를 제외한 8명의 피실험자 주행자료를 바탕으로 분석을 수행하였다.

차량추종 특성 분석결과, 선행차량이 승용차량일 경우 주체차량의 평균속도는 82.45kph로 나타났으며, 차량의 평균 가감속도는 0.22㎨으로 분석되었다. 또한 차로주행 시 전방의 공사구간 인지로 인한 차로변경 위치는 공사구간 시점으로부터 589.3m 전에서 차로변경을 수행하였다. 선행차량이 화물차량일 경우 주체차량의 평균속도는 71.07kph, 평균 가감속도 0.15㎨, 차로변경 위치는 공사구간 시점으로부터 589.2m 전에서 수행하는 것으로 분석되었다. 선행차량이 화물차량일 때보다 승용차량일 때, 차량평균속도는 16.0%, 차량가감속도는 46.6% 크게 나타났다.

주행 안전특성 분석결과, 선행차량이 화물차량일 때 위험노출도를 나타내는 CP값이 0.28으로 승용차량일 때 0.23보다 약 21.7% 높은 값을 나타냈으며, 화물차량이 선행할 때 후행차량인 주체차량의 위험노출도가 증가하는 것으로 나타났다. 도로구간 길이별 위험노출도가 가장 높은 구간은 선행차량이 승용차량일 경우 1.8km구간에서 가장 높게 나타나는 것으로 분석되었고, 선행차량이 화물차량일 경우도 동일하게 1.8km 구간에서 가장 높게 나타나는 것으로 분석되었다. 그러나 전체 구간길이를 0.1m 기준으로 시나리오별 위험노출도를 비교해보았을 때, 영향구간 1.5km 중에서 약 62.7% 이상에서 시나리오 1보다 시나리오 2의 위험노출도가 높게 나타났다. 이는 차량이 도로를 주행할 때 선행차량이 화물차량일 경우 상대적으로 위험에 노출될 확률이 더 높다는 것으로 판단된다.

본 연구에서는 강제적 차로변경 이벤트 발생 시 선행차량의 차종에 따른 위험노출도를 주행시뮬레이터를 활용하여 평가하였다. 실제 운전자의 운전행태를 반영할 수 있는 주행시뮬레이션을 활용하여 연구를 수행하였으며, Multi-Agent 기반 주행시뮬레이터를 사용하여 차량 간 상호작용을 분석할 수 없다는 한계를 극복하고자 하였다. 그러나 본 연구배경에서 거론한 운전자가 선행차량의 차량 크기에 따른 시거제약이나, 적재물로 인한 주체차량 운전자의 심리상태를 반영하는 변수를 실험에 반영하지 않았기 때문에, 향후 선행차량의 시거제약 또는 화물적재물로 인한 운전자의 심리적 특성을 반영할 수 있는 연구를 수행하는 것이 필요하다.

또한 본 연구에 대한 한계점을 극복하기 위해 추가적인 연구가 수행되어야 한다.

첫째, 시나리오를 선행차량 차종에 따라 2가지로 적용하였는데, 이는 실제 도로를 주행하는 모든 차량의 특성을 나타낼 수 없다는 한계가 존재하므로 보다 다양한 차종을 고려한 분석이 필요하다. 둘째, 주행시뮬레이션 실험에 추가적인 피실험자를 고려하여 보다 일반적인 결과를 도출하기 위한 노력이 필요하다. 본 연구에서는 피실험자 10명으로 실험을 수행하였고, 분석결과 이상치로 나타난 2명을 제외한 총 8명으로 분석결과를 제시하였다. 향후 피실험자의 case를 늘려 추가분석 수행이 필요할 것으로 판단된다. 셋째, 본 연구에서는 고려하지 못한 운전자의 심리적인 특성을 고려할 수 있는 변수를 추가하여, 실제 대형화물차가 선행하였을 때 느끼는 운전자의 심리적인 부담감을 반영한 분석이 필요하다. 마지막으로 본 연구의 실험에서는 주변차량에 대한 상호작용에 대해 고려하지 않았고, 차로변경 시 옆차로의 후방차량에 대한 인지 및 확인과정에 대한 부분이 반영되지 않았다. 향후 연구에서는 선행과 주체차량의 상호작용뿐만 아니라 주변차량과의 상호작용에 대한 영향도 실험에 반영될 수 있는 연구수행이 필요할 것으로 판단된다.

본 연구결과는 강제적 차로변경이 필요한 차로차단 도로 주행 시 차로변경 시점, 차로수 감소 안내 목적의 교통표지 설치 위치 선정 등 다양한 교통운영관리 전략에 활용할 수 있을 것으로 기대된다.