Journal of Korean Society of Transportation ISSN:1229-1366(Print) 2234-4217(Online) 대한교통학회지

본 연구는 장래교통수요 예측 기법의 4단계 추정법 중 마지막인 통행배정 결과에 가장 밀접한 통행비용함수(Volume delay function, VDF)의 정확한 정산방안을 제시하였다. 그간 VDF를 기반으로 가상환경 안의 교통 네트워크에 거시적 교통흐름을 할당하여 각 링크에서 계산되어지는 통행시간을 이용하여 통행을 배정하였다. 통행시간을 기반으로 할당된 교통량은 실제 교통량과 비교해서 그 오차를 줄이는 정산작업을 수반한다. 해외 선진국은 여러 가지 최적화기법을 통하여 각 지역의 교통특성을 잘 반영하도록 정산작업을 하고 있으나 우리나라는 KTDB에서 제공하는 획일화된 계수값들을 사용하고 있는 실정이다. 정해진 VDF 상관계수값은 지역별로 다른 통행행태를 제대로 반영하지 못하고 이로 인해 부정확한 장래교통수요를 수행하고 있다. 따라서 본 연구는 이러한 점을 극복하고자 GPS 궤적데이터(Trajectory data)를 활용하여 지역 내 도로위계에 따라 최적의 값을 정산하는 방법론을 개발하였다. 개발된 알고리즘을 연속류와 단속류에 적용하고 효과평가를 위해 평균제곱근오차(Root Mean Square Error, RMSE)를 활용하였다. 그 결과, 연속류는 GPS기반 속도와 시뮬레이션기반 속도 간의 평균제곱근오차는 약 9.67이나, 단속류는 38.38로 상대적으로 높았다. 이는, 교통신호와 같은 통행에 영향을 주는 요소가 단속류에서 고려되지 않았기 때문으로 판단된다. 향후에는 이를 고려하여 단속류 구간을 세분화하여 통행속도 보정을 위한 VDF 상관계수 값 도출 필요할 것으로 판단된다.

혼잡한 도심부 도로에서 교통사고나 재난 상황 시 시민의 안전을 위한 긴급차량 운행은 필연적이다. 긴급차량의 골든타임 확보를 위한 긴급차량 우선신호 시스템 시범 운영이 여러 도시에서 시행되고 있다. 하지만 긴급차량 우선신호로 인하여 일반차량들은 더 긴 지체시간을 경험하게 되고 고정된 주기로 인해 교차로 전체 지체시간 또한 증가하는 경향을 보인다. 본 논문에서는 긴급차량 우선신호 운영시간과 기존 현시의 중단시간을 산정하여 회복시간을 산정하고 긴급차량 통과 후 기존 신호시간에 회복시간을 제공하여 중단된 기존 현시에 대기하고 있던 일반차량의 지 ‧ 정체 시간을 보상하였다. 회복시간 제공 시 긴급차량이 교차로를 통과한 후 해당 교차로의 방향별 대기행렬을 파악하여 우선적으로 신호 운영이 필요한 교통류에게 녹색신호를 우선 제공하거나 연장함으로써 일반차량의 지 ‧ 정체를 감소시켜 교통흐름을 원활하게 하고자 한다.

현 녹색 교통 시대에서 버스는 친환경 수단 중 하나로, 도로의 효율적인 이용을 위한 대체 수단으로 일컬어졌다. 그러나 대부분의 간선도로는 일반 차량 중심의 신호 운영으로, 버스는 일반 차량과 주행 패턴이 상이하여 빈번히 정지 현상을 보였다. 현재까지 다양한 버스 우선 신호가 개발되었으나 이는 일반 차량에 부정적인 영향을 미칠 여지가 있다. 이에 본 연구는 버스의 주행 패턴을 고려하는 동시에 일반 차량의 연속 진행을 보장하는 신호 연동 방법론인 STEPBAND를 설계하였다. STEPBAND는 버스가 정류장에서 승객의 승하차를 위해 항상 정지하는 현상을 고려하여 정류장 단위로 신호 연동 그룹(BUS-SA)을 분할한 뒤, 양방향 연동폭 최대화 방법론인 MAXBAND LP2 모형을 이용해 정류장 단위로 양방향 연동폭을 최대화한다. STEPBAND의 효과를 평가하기 위해 STEPBAND와 MAXBAND LP2모형으로 산출한 최적 신호를 시뮬레이션을 이용해 비교하였다. 분석 결과 STEPBAND가 기존 모형에 비해 일반 차량과 버스의 지체가 모두 낮게 산출됨을 확인하였다. 본 연구는 BUS-SA의 연동폭을 이용하는 모든 교통수단이 자유속도로 상류부 정류장에서 하류부 정류장까지 정지 없이 주행이 가능하다는 점에서 차별성을 확보하였다. 향후 연동폭 이용을 실패한 이동류까지 고려할 경우 더욱 효율적인 신호 운영 방안으로 활용 가능할 것으로 기대된다.

활동기반 통행모형에 따르면 개인의 통행행태를 이해하는 데는 공간적 경향성을 현실적으로 고려하기 위해 생활 권역의 특성을 파악하는 것이 필요하다. 본 연구는 개인의 통행행태를 활동의 종류와 행해진 순서에 따라 분류하고 분석하는 연구와 주변 시가지의 속성에 따라 나타나는 통행행태의 변화에 대한 연구들의 연장 선상에서 개인의 통행행태에 대하여 주된 경향성을 파악하고 거주지와 직장 주변의 토지이용이나 교통 기반시설 수준이 통행행태에 미치는 영향을 연구하였다. 가구통행실태조사 자료에 기반하여 주성분 분석과 K-means++ 기법을 통한 군집 분석으로 개인의 통행행태를 6가지로 분류하였으며, 각 군집에 대해 주성분의 계수 값 분포와 각 군집의 시간별 통행목적 비율을 통해 여가 및 소비 활동의 여부, 오후 첨두시간대의 이동 시점, 업무 및 직장 활동 시간에 따라 통행행태들이 분류될 수 있다는 것을 파악하였다. 다항 로짓모형을 통하여 각 군집의 사회경제적 요소, 주거지 및 직장 인근의 토지이용과 교통 기반시설 수준으로 인한 영향에 대하여 분석한 결과, 거주지 주변에 단독주택의 비율이 높고 직장 인근에 상업과 주거가 혼재된 복합지역의 비율이 낮을수록 소비나 여가활동이 비교적 많은 통행행태를 보일 가능성이 큰 것으로 나타났다. 또한, 거주지의 상업 업무 면적 비율이 오후 첨두시간대의 이동 시점에 영향이 있는 것으로 나타났으며, 직장에서의 주된 활동 시간대가 결정되는 데에는 상업-주거 복합지역 면적 비율이 영향을 주는 것으로 분석되었다.

코로나바이러스는 사람과 동물에 감염될 수 있는 바이러스로서 의학적으로는 SARS-CoV-2 감염에 의한 호흡기 증후군으로 정의된다. 2019년 말 발생되었으며 이로 인해 전 세계는 경제 및 사회활동을 위한 이동이 멈추었고 미래학자들은 몇 년 주기로 이와 같은 상황이 발생할 것이 라고 예언하고 있다. 코로나19와 같은 감염병이 발생될 때 사람들에게 교통서비스를 지속적으로 제공할 수 있는 대책이 필요하며 감염병확산으로 인해 사람들의 이동패턴을 파악 할 수 있는 연구가 필요하다. 본 연구는 이러한 배경하에 코로나19로 인한 대중교통이용 변화패턴을 파악하고 지역적 특성을 확인하여 대중교통이용 정책을 수립할 수 있는 근거를 마련하고자 한다. 코로나19의 확산에 따른 이동패턴 변화의 가장 민감한 시기였던 2020년 상반기를 중심으로 경기도 버스이용패턴 변화를 분석하고 지역특성과 상관성을 분석하였다. 그 결과로 인한 시사점은 다음과 같다. 첫째, 코로나19 확진자 발생으로 인한 통행변화 영향은 환승이 이루어지는 대규모의 정류소에 집중적으로 나타났다. 둘째, 코로나19 확진자수가 증가하면 중심지역보다 경제적으로 비활동적인 주변지역에 위치한 정류소의 통행량이 증가하며, 반대로 코로나19 확진자수가 감소하면 주변지역 보다 산업 혹은 경제활동이 활발한 중심지역의 통행량이 증가하였다. 이와 같은 분석결과는 기존의 이용자를 대량으로 집적화하고 운송하는 효율성측면의 교통체계에서 전염병 감염 등과 같은 상황을 대비하여 안전성을 고려하는 교통정책의 새로운 방향을 제시한다고 할 수 있다.

국내 보행자의 안전 수준은 OECD 회원국 중 최하위에 머무른다. 현재 보행자 안전향상을 위한 법 ‧ 제도 마련, 공학적 ‧ 환경적 설계 등 다양한 접근이 이루어지고 있으나, 보행자 행동에 대한 직접적인 개입은 시도되지 않았다. 이에 본 연구는 보행자 안전 향상을 위한 대안으로 행동분석적 접근을 도입하여 프롬프트 적용이 보행자 안전행동에 미치는 영향을 검증하였다. LED 전광판을 이용하여 횡단 절차에 따른 세 가지 안전행동에 대한 프롬프트를 제시하였고, 프롬프트 제시의 적시성에 따라 적시적 프롬프트와 비적시적 프롬프트로 구분하여 적용하였다. 연구 결과, 프롬프트를 적용하지 않은 기저선에 비해 프롬프트를 적용한 처치 단계에서 보행자 안전행동 비율이 유의하게 높은 것으로 나타났으나, 처치 단계 내 두 프롬프트 제시 유형 간 효과 차이는 나타나지 않았다. 따라서 프롬프트 처치가 보행자의 안전행동을 증가시키는 데 효과적이라고 할 수 있으나, 프롬프트 제시 유형 간 특성을 명확하게 밝히기 위한 후속 연구가 진행될 필요가 있다.

본 연구는 도로운송 분야의 온실가스 배출량 저감을 위한 방안 중 전기 화물차 도입에 대한 효과를 분석하였다. 이를 위해 화물 운송, 전기 자동차, 환경정책 등의 자료를 수집하고, 도로교통 분야의 전기 화물차 도입에 관한 주요 변수를 정의하였으며, 이 변수들을 예측하기 위한 시뮬레이션 모형은 시스템 다이내믹스 방법론으로 구축하였다. 우선 전기 화물차 도입에 대하여 인과지도를 작성한 후 주요 변수들을 포함한 세부모듈을 경제모듈, 화물차 등록모듈, 환경모듈로 구성하여 작성하였으며, 시뮬레이션 수행 후 핵심변수의 평가를 통하여 시뮬레이션 모형을 검증하하였다. 그 결과, 이산화탄소 배출량은 시뮬레이션 종료 기간인 2050년에 2020년 대비 20.6% 증가할 것으로 예측되었다. 이에 본 연구는 이산화탄소 배출량 저감을 위한 방안으로 전기 화물차 도입 정책을 구성하고, 정책을 반영하기 위한 시뮬레이션 모형을 구축하였다. 이어서 전기 화물차 등록대수의 변화에 따른 이산화탄소 배출의 감축량을 산정 하고, 환경 비용편익 분석을 실시하였다. 전기 화물차가 도입되었을 경우 도입되지 않았을 때보다 이산화탄소 배출량이 약 71.4-79.6% 감소할 것이라 분석되었으며, 총 시뮬레이션 기간 동안의 배출 감소량은 시나리오 별로 81,244-121,345 천tCO₂가 감소될 것이라 전망되었다. 또한 전기 화물차 1대당 시나리오 별로 최소 2,176,416원에서 최대 2,255,214원의 환경비용 절감을 가져올 것이라 예상되었다. 본 연구를 통하여 전기 화물차 도입이 도로운송 분야에서 조속히 이루어져야 하는 방안이라는 것을 판단할 수 있으며, 앞으로 화물차의 이산화탄소 배출량 저감에 전기 화물차 도입이 크게 기여할 것으로 기대해 볼 수 있다.

초연결 ‧ 초지능사회의 진입은 DNA(Data, Network, AI) 기술을 구현하여 “스마트” 도로, 시티 등, 우리 삶에서 기존에 접하지 못한 지능화된 스마트 비즈니스 및 서비스 개발을 가능케 한다. 특히, 자율협력주행기술은 미래 기술 중 대표 선도기술로 주목받고 있어 국내 ‧ 외 공공 ‧ 민간 마다할 것 없이 모빌리티 “자동화(Automation)”에 지속적인 투자 및 연구가 진행되고 있다. 아울러 지구 온난화를 극복하고자 세계적으로 에너지 전환 시대에 국면함에 따라 내연기관으로 작동하던 다양한 기술들을 탈탄소화 기술을 적용시키기 위해 “전기화(Electrification)”로 전환 중이다. 기존에 구축 ‧ 운영되지 않던 신기술은 결국 통신 ‧ 센서 기술로 “초연결화(super-Connected)”되어 다양한 데이터 및 인공지능 기반의 의사결정을 하므로 이로 인한 시스템 결함이나 사이버 보안에 대한 이슈가 발생되고 이로 인해 사회는 극심한 인명피해를 받을 수 있다. 각국 정부 및 관련 기관들은 이러한 문제점을 인식해 뉴노멀 시대에 돌파구로 유엔(UNECE WP29 AUTOMOTIVE CYBERSECURITY REGULATION), SAR(ISO/SAE FDIS 21434), 국내(한국판 뉴딜) 등 다양한 정책 및 규약을 수립 중이다. 그럼에도 불구하고 새로운 모빌리티 환경인 ACE’S(Automation, Connected, Electrification, and Sharing)에서 사이버 보안에 대한 규약 및 정보 플랫폼 정립이 미비하며 디지털 상 교통안전 관련 문제 발생 시 대처방법에 대한 평가체계가 전무한 실정이다. 본 연구에서는 이러한 배경하에 ACE’S 환경 구현 시 발생 가능한 사이버 보안 유형을 분류하고 해당 취약점을 설명하며 해당 보안 구성요소를 진단할 수 있는 프레임워크를 제안한다. 이를 통해 향후 다가오는 모빌리티 혁명 시대 디지털 범죄를 선제하며, 해킹 등 사고 발생 시에도 정확하고 체계적인 분석을 지원할 수 있는 마중물로 사용될 것으로 기대해본다.

본 연구는 항만 내 도로를 이용하는 이동장비의 안전시거 제약으로 인한 사고 발생을 예방하기 위해 IoT 기술을 활용한 상충예측모형을 제안한다. Cell 환경에서의 교차로 내 사고에 대한 사고감지에 관한 기술을 개발하였다. 차량 위치 정보, 속도, 이동 방향 정보를 바탕으로 발생 가능한 사고유형을 추돌사고, 직각 충돌사고로 분류하였다. 분류된 유형별 사고판단을 세분화하여 TTC 기반 사고예측을 판단하였다. 제안된 알고리즘을 VISSIM을 통해 알고리즘 적용 전 ‧ 후의 SSAM 분석을 통한 모의실험을 수행하였다. 모의실험의 경우 정보를 제공받은 차량에 대한 보호 운전을 하는 차량으로 감속도를 -3.0m/s²를 설정하여 실험을 진행하였다. 모의실험 결과 평균 43.34%의 잠재적 상충횟수가 감소된 것으로 확인하였다. 현장평가에는 항만 대형 이동장비를 통한 기능점검에 한계가 있어 유사 이동장비를 통해 수행하였다. 시나리오 개발을 통해 제공된 정보에 대한 제공 시점의 이동장비 위치와 정지시거의 비교를 통해 유효성 평가를 수행하였다. 유효성 평가 결과, 90% 수준에서 유효 정보를 제공한 것으로 확인하였다. 개발된 모형에 대해 대형 네트워크 환경에서 다수의 차량을 통한 모형 검증, 항만 이동장비를 활용한 현장 적용성 평가 등의 추가 연구를 제언한다.

안전한 공로 자율주행을 위하여 도로에서 자율주행차량이 디지털 형태로 교통안전시설을 인지하고 해독하려는 연구가 활발히 진행되고 있다. 자율주행차량의 교통안전시설 인식 센서기술은 전기, 전자, 통신 부문에서 개발되나 시설의 인식 여부로 내용이 제한되고, 영상해석 부문에서 해독을 연구하나 숨어있는 의미를 파악하기 쉽지 않다. 실제 도로교통에서 많이 사용되는 조건부 통제, 시차제 운영 같은 복합 정보가 바르게 파악되기 위해서 보다 많은 정보의 전달과 해독 노력이 필요하다. 본 논문은 교통안전시설에 사물인터넷 디바이스 장치를 부착하여 이를 통해 디지털 교통안전시설 정보를 자율주행차에 전달하는 방식을 제안한다. 해당 정보는 ‘기본정보’와 ‘보조정보’군을 포함한다. ‘기본정보’는 도로 및 시설과 관련된 위치 및 관리 정보이다. ‘보조정보’는 규제의 범위, 조건과 내용을 구체화하는 ‘지시’, ‘수치’, ‘운영’ 등 보조적인 정보이다. 이들 정보 조합 구성에 따라 총 다섯 가지 종류의 통신 메시지 데이터 세트를 마련하여, 다양한 현장 상황에 따라 이들이 선택적으로 적용되도록 하였다. 교통안전시설의 디지털정보화를 통해 자율주행차량이 오류없는 정확한 교통안전정보를 상시 수령하게 하여 공공 교통안전이 확보될 수 있다.

도로 및 철도 교통사고뿐 아니라 해양 교통사고 예방을 위한 정책도 꾸준히 추진되고 있으나, 최근 5년간 해양사고 발생 건수 및 인명피해는 연평균 10%의 증가율로 급격히 증가하고 있다. 또한, 다양한 유형의 해양사고가 지속적으로 발생하고 있지만, 사고 유형에 따른 사고 원인 분석 연구는 부족하였다. 특히, 최근 5년간 해양사고의 89%가 연안해역에서 발생한 것으로 집계되어 연안해역에 대한 해양사고 예방대책이 시급하다. 본 연구의 목적은 연안해역에서 발생하는 사고를 대상으로 사고 유형별 사고 위험요인을 탐색하고 해양사고 예방을 위한 시사점을 제시하는 것이다. 본 연구에서는 해양사고 유형별 위험요인을 확인하기 위해 이항 로지스틱 회귀분석 모형을 활용하였다. 분석 결과, 해양사고 유형별로 위험요인의 계수 부호가 상이함을 발견하였으며, 이를 통해 해양사고 유형별 원인 분석의 필요성을 확인할 수 있었다. 사망 및 중상사고를 증가시키는 위험요인으로는 선박의 톤수, 발생해역, 월, 시간대, 어선 용도 등이 도출되었으며, 이를 고려한 해양사고 유형별 맞춤형 예방대책이 요구된다.

최근 5년간 중앙정부의 전체 예산은 매년 4.9%의 비율로 증가하고 있으나, 도로부문의 유지관리 예산은 매년 줄고 있다. 또한 도로법의 개정 및 지속가능한 기반시설 관리 기본법의 신설에 따라 모든 지자체에서 유지관리와 성능개선을 위해 5년 단위의 기본계획을 수립해야 한다. 하지만 상대적으로 예산이 적은 지자체에서 도로관리를 위한 고가의 장비를 도입하기는 현실적으로 어려운 실정이다. 이에 본 연구는 인공지능을 활용하여 상대적으로 가격이 저렴한 Mobile Mapping System(MMS)와 드론을 활용한 도로균열 검출 방법을 제시하는 것을 연구의 목적으로 한다. MMS와 드론을 활용하여 얻은 해상도 높은 도로 노면 사진데이터를 취득하고 데이터의 특성에 따라 인공지능을 학습시키기 위하여 전처리를 수행하였다. 딥러닝 학습을 위해 도로 파손 유형에 따라 균열이 있는 곳과 없는 곳, 또는 도로가 아닌 곳으로 라벨링을 진행하였고 Basic CNN모델과 Mobilenetv2신경망을 수정하여 학습을 진행하였다. Mobilenetv2의 알고리즘의 분류정확도는 MMS데이터 95%, 드론데이터 78%를 얻었다. 이는 MMS와 드론을 활용하여 정도 높은 균열 분류가 가능하다는 결론을 도출할 수 있었다. 향후 본 연구에서 개발된 알고리즘을 기반으로 지자체와 시설물 관리 기관에서 도로균열을 체계적으로 관리될 것이다. 또한 사용자 중심의 소프트웨어를 활용하여 도로를 이용하는 시민들에게도 도움이 될 것으로 기대된다.