서론

국내 신호 운영시스템은 고정식 신호방식, TOD(Time-Of-Day) 제어 방식, 실시간 제어 방식으로 구분할 수 있다. 고정식 신호방식은 사전에 정해진 신호 시간을 교통량의 변화와 관계없이 24시간 동일한 신호로 제어하는 방식이며, TOD 제어 방식은 사전에 교통조사를 시행하여 교통량의 변화에 따라 요일별, 시간대별 다른 신호 계획을 운영하는 방식이다. 실시간 제어 방식은 도로 위의 교통상황을 실시간으로 반영하여 최적 신호를 산출하고 운영하는 방식이다. 실시간 신호 제어시스템은 한국의 COSMOS(Cycle, Offset, Split model of Seoul), 호주의 SCATS(Sydney Coordinated Adaptive Traffic System), 영국의 SCOOT(Split Cycle Offset Optimization Technique), 미국의 OPAC(Optimized Policies for Adaptive Control) 등 여러 시스템이 존재한다. 그중 한국의 COSMOS는 실시간으로 수집된 방향별 교통량에 따라 현시를 배분하는 실시간 대응제어 기능을 제공하는 신호 운영시스템이다(Seoul Metropolitan Police Agency, 2001). 신호 제어 주요 변수로는 신호 주기(cycle length), 현시시간(green split), 옵셋(offset) 및 좌회전 현시순서(left-turn phase sequence)가 존재하며 신호 최적화의 변수로는 교통상황을 반영하기 위한 이동류별 특성이 반영된 변수가 사용된다. 그 예로 COSMOS는 수요교통량을 포화교통류율로 나눈 임계 포화도(CDS, Critical Degree of Saturation) 값을 기준으로 현시 배분을 수행한다(Seoul Metropolitan Police Agency, 2001).

본문에서 다루고자 하는 교통 신호 계획 업데이트 알고리즘은 TOD 제어 방식에 의해 운영되는 지역의 교통 이력 자료를 수집하여 주기적으로 개별 교차로의 이동류별 지체 수준과 교차로의 서비스수준을 확인하고 신호를 최적화할 것인지 판단하여 최적화가 필요할 경우 새로운 신호 계획을 도출한다. 제안하는 알고리즘은 교통상황에 대한 자료를 수집하는 검지기와 신호제어기가 연동되지 않은 교차로에 활용할 수 있으며, SA의 연동 문제나 그 외 다양한 이유로 실시간 신호 제어가 어려운 교차로에 적용할 수 있다.

선행연구

국내외에서는 시간대별로 최적 신호 시간을 고정적으로 사용하는 TOD 방식과 실시간으로 수집한 교통정보를 통해 실시간으로 최적 신호를 운영하는 실시간 신호 제어 방식을 주로 이용한다. 도심구간에서는 교차로 간 간격이 좁아 연동 운영만으로도 운영 효율성이 높아지는 효과가 있어 유지관리 비용이 낮고 편의성이 높은 TOD 방식이 일반적으로 사용된다. TOD 제어는 교통 패턴에 따라 구분한 시간대별로 정해진 신호 계획에 의해 교차로 신호를 운영하는 것이다. 국내 COSMOS 시스템의 TOD 제어 특징은 근접한 몇 개의 교차로를 하나의 제어그룹(SA, Sub-Area) 단위로 구분하여 운영하고, 사전에 최대 16개의 패턴을 정하여 요일별 시간대별 교통류 특성에 따라 패턴을 달리 운영하는 것이다. TOD 방식의 신호 운영이 효율성을 확보하기 위해서는 현장의 교통 패턴을 효율적으로 반영하기 위한 정기적인 신호 시간의 갱신이 필수적이다(Jeong, 2018). 신호 시간 갱신 주기에 대한 명확한 규정은 없으나 교통량이 10-15% 이상 변동하거나 특별한 이벤트 상황이 발생했을 경우 신호 시간을 갱신해야 할 필요가 있다(Koonce, 2008). 네트워크 신호 최적화 모형 연구에서는 지체 최소화 모형을 기반으로 네트워크를 구성하는 교차로 전체의 평균 지체를 최소화하는 목적함수를 설정하여 최적화 전략을 구성하였다(Kim, 2000). Cell Transmission 이론 기반의 최적 신호 산정 연구에서는 네트워크 교통망에서 전체 차량이 경험하는 통행시간을 최소화하는 것을 목적으로 최적 신호를 산정하였다(Lee, 2002). 구간 검지 체계의 통행시간 정보를 이용한 신호 제어 연구에서는 통행시간을 기반으로 신호를 제어하여 접근로별 대기행렬을 균등화하는 것을 목표로 하였다(Jung, 2005).

실시간 신호 제어는 현재 수집되는 교통정보를 가공하여 신호 최적화 알고리즘에 입력하고 최적 신호를 산출하여 곧바로 그 신호 계획을 운영하는 방식이다. 자료를 수집하고 운영하기까지의 시간이 짧아 최적화 알고리즘의 수행 시간이 짧아야 한다는 제약이 존재하지만, 현재 교통상황을 반영하여 적합한 신호 운영이 가능하다는 장점이 있다. 스마트 신호 운영시스템 연구에서는 예측 상황 제어 전략을 통해 혼잡 발생을 예측하고, 혼잡 발생 이전에 적극적인 사전 관리 제어를 통해 혼잡 발생을 늦추거나 발생 강도를 약화하는 기술을 목표로 신호 최적화 전략을 수립하였다(An et al., 2016; Korean National Police Agency, 2019). Kim(2022)는 실시간 신호 제어 시스템 CAERUS(Control Algorithm for Delay Reduction Using Travel Time)의 녹색시간 조정 알고리즘을 고도화하여 시뮬레이션 환경에서 이동류별 지체 시간을 균등화하여 교차로의 소통 상황을 개선하는 시나리오를 분석하였다.

교통정보 수집 기술의 발전에 따라 대기행렬길이, 대기시간, 교통량, 지체 시간, 통행 속도 등의 정보를 기반으로 기계학습을 활용한 신호 최적화 알고리즘 연구 또한 활발하게 수행되었다. Zheng(2019a, 2019b)는 FRAP(Flipping and Rotation and considers All Phase configurations)이라는 모델을 통해 더 수요가 높은 이동류에 우선순위를 부여하여 신호를 최적화하고 기존 강화학습에 비해 다양한 기하구조와 교통 조건에 적합하게 적용되는 모델을 제안하였으며, 이후 연구에서는 차량의 이동 시간을 최소화하기 위한 LIT(Light-IntellighT)라는 모델을 제안하여 다양한 보상과 상태 값의 조합을 기반으로 이동 시간 최소화 효과를 비교하여 강화학습의 효과를 높이기 위한 필수 요소를 분석하였다. Chen(2020)은 교통 공학 이론과 강화학습 기술을 통해 1,000개 이상의 신호 네트워크를 대상으로 MPLight모델을 설계하고 실제 뉴욕시 맨해튼의 2,510개의 신호등에 대한 시나리오 시뮬레이션을 통해 분석하였다. 해당 연구에서는 기존의 교통 공학 모델 및 기계학습 모델과 제안한 모델을 비교한 결과, 제안한 모델을 통해 신호 운영을 하였을 때 차량의 통행시간이 감소하고 동일 분석 시간 동안 통행을 완료한 차량의 수가 늘어난 것을 확인하였다. Wang(2018, 2020)는 자가 적응형 교통 관제 시스템에 대한 통찰을 기반으로 시공간 다중 에이전트 강화학습 모델을 통해 다중 교차로에 대한 신호 최적화를 수행하여 비교한 교통 공학 모델 및 기계학습 모델과 비교하면 이동류별 이동 시간의 표준 편차가 균등한 결과를 끌어냈다.

기존의 신호 TOD가 1-2년 주기로 갱신되는 것에 비해 본 연구에서 제안하는 알고리즘은 2주 단위의 짧은 주기로 주요 교차로와 준중요 교차로에 설치된 영상검지기를 기반으로 수집된 교통량 자료를 활용하여 최적 신호 계획을 산출한다. 교차로 내 지체 시간 최소화와 이동류별 서비스수준 편차 최소화를 목표로 산출한 신호 운영 계획을 운영자의 판단에 따라 사용 여부를 결정하도록 한다. 따라서 비교적 최근의 교통상황을 반영한 시간대별 신호 계획을 산출할 수 있다는 장점이 있다. 또한 자동으로 산출한 신호 계획을 곧바로 해당 지역에 적용하는 것이 아닌 운영자에게 최적 신호 계획을 제공하여 운영자의 판단에 따라 실제 상황을 고려하여 신호 운영 계획을 변경할지 결정할 수 있게 한다. 단일 교차로가 아닌 축 단위 또는 네트워크 단위로 교통 신호 계획 업데이트 알고리즘을 적용할 경우, 분석 지역 내 포함된 모든 교차로의 연동 효율화를 위해 적용할 수 있는 옵셋 조합을 모두 연산하는 것 대신 옵셋을 최적화할 수 있는 기준을 설정하여 운영자가 기준을 참고하여 옵셋을 설정할 수 있도록 하였다. 기존의 신호 TOD와 실시간 신호 제어, 본 연구에서 제안하는 알고리즘의 특징을 비교한 결과는 Table 1과 같다.

신호 계획 업데이트 알고리즘

제안하는 신호 계획 업데이트 알고리즘은 개별 교차로 운영 신호의 주기적인 업데이트를 고려하기 위하여 교통 이력 데이터를 기반으로 개별 교차로의 서비스수준 분석과 교차로 내 이동류의 서비스수준 차이 비교를 통해 신호 계획의 업데이트 여부를 판단하고 신호를 최적화하는 과정을 담고 있다.

교통 이력 자료는 교차로 및 이동류의 서비스수준을 판단하기 위한 데이터로 방향별 교통량, 용량, 포화교통류율을 분석 기간 동안 수집한 데이터이다. 수집한 자료를 통해 분석일자별 시간대별 교차로 종합 지체와 방향별 지체에 해당하는 한국 도로용량편람 기준의 서비스수준 값(A, B, C, D, E, F, FF, FFF)을 판단한다. 본 연구에서는 시간 기존 현황 TOD의 각 신호 계획별 신호 패턴이 변경되는 시간대를 기준으로 데이터를 집계하였다.

신호 계획 업데이트 알고리즘은 분석 대상지의 교통상황을 판단하기 위해 기존 신호 계획에 의한 시간 경계 분할에 해당하는 기준 시간대 단위로 교통 자료를 가공한다. 교차로의 종합 서비스수준은 교차로의 목표 서비스수준과 비교하여 신호 주기 및 녹색시간 최적화 여부를 확인하며, 이동류별 서비스수준의 편차를 기준값과 비교하여 녹색시간 최적화 요청 여부를 확인한다. 분석 기간 중 최적화 요구한 비율이 절반 이상일 경우, 최적화를 요구한 일자들의 자료만 집계하여 해당 데이터를 기반으로 신호 최적화 과정을 수행한다. 신호 최적화 과정에는 신호 주기 및 녹색시간 최적화 알고리즘이 포함된다.

신호 주기와 녹색시간 최적화 과정 이후 옵셋 조정에 있어서는 운영자가 옵셋을 조정할 수 있는 지표들을 제시하였다. 일반적으로 옵셋 조정 시에 활용되는 연동 폭 관련 지표 두 가지와 본 논문에서 새롭게 제안하는 통행시간 관련 지표이다. 통행시간 관련 지표는 차량이 연속된 교차로를 통행할 때 소요되는 통행시간이 최소화될 수 있는 옵셋 조합을 찾는 지표이다.

Figure 1.

Traffic signal schedule update algorithm

1. 교통 이력 자료 활용

교통 이력 자료로는 교차로별 신호 운영 자료와 신호 교차로에 설치된 영상검지기를 통해 수집되는 교차로의 이동류별 교통량, 초기 대기 차량 대수를 활용한다. 영상검지기는 객체 인식 기술을 통해 차종별 교통량과 녹색시간 시작 시의 대기 차량 대수 수집이 가능하다. 차종별 수집되는 데이터는 승용차 기준 데이터로 값을 환산하여 사용한다. 활용하는 교통 이력 자료로는 돌발상황(도로 점유 공사, 사고, 기상 악화 등)에서 수집된 자료는 이상치로 간주하여 제외한다고 가정한다. 이력 자료를 통해 신호 최적화 판단 여부를 확인하기 위하여 개별 교차로의 종합 서비스수준과 이동류별 서비스수준 계산을 우선으로 수행한다.

1) 제어 지체 계산 및 서비스수준 판정

신호 교차로에서의 서비스수준은 차량당 평균 제어 지체 시간에 의해 판단되며, 차량당 평균 제어 지체 시간은 차량당 균일지체와 차량당 증분 지체, 차량당 추가 지체의 합으로 이루어진다(Lee, 2013). 본문에서 이동류는 접근로별 우회전 교통류를 포함한 직진 교통류와 좌회전 교통류를 뜻한다.

비포화 상황과 포화 상황의 이동류별 차량당 제어지체와 교차로의 차량당 평균 제어지체는 한국 도로용량편람에 의해 구할 수 있다. 각 이동류별 제어지체와 교차로 별 제어 지체 또한 한국 도로용량편람에서 해당하는 구간의 신호 교차로 서비스수준으로 판정된다.

2) 신호 최적화 여부 판단

분석 기간에 개별 교차로에서 목표하는 서비스수준과 해당 교차로의 서비스수준을 비교하여 현재 서비스수준이 목푯값보다 낮으면 교차로의 신호 주기 및 녹색시간 최적화가 필요한 것으로 판단하여 분석 기간 대비 최적화 요구 비율을 구한다.

이때 개별 교차로의 목표 서비스수준 값은 한국 도로용량편람에 따라 설계 서비스수준인 C나 D를 사용하며, 혼잡한 도시부 도로의 경우 교통량과 지체 수준을 고려하여 E 또는 F로 설정하도록 한다.

신호 최적화는 분석 기간 중 최적화 요구를 한 일자의 비율이 50% 이상일 경우 최적화 요구를 한 이력 데이터만을 집계하여 해당 시간대의 신호 최적화를 진행한다. 최적화 요구 비율은 해당 시간대의 신호 최적화 요구 비율이 반절 이상일 경우, 미래에도 유사한 교통수요가 존재할 때 최적 신호로 반절 이상의 상황에서 더 나은 신호를 운영할 수 있다고 보아 기준치를 50%로 설정하였다.

교차로의 서비스수준 비교를 통해 최적화를 수행할 때 최적화 요구를 한 이력 데이터만을 집계하여 평균 교차로 종합 서비스수준과 이동류별 서비스수준을 구한다. 집계 데이터의 이동류별 서비스수준 차이가 2단계 이상일 경우, 예를 들어 B와 E일 때 신호 주기 최적화 없이 녹색시간만을 최적화하며 2단계 미만일 경우 해당 시간대의 신호 주기 및 녹색시간 최적화를 진행한다. 이동류별 서비스수준 차이가 크면 녹색시간 최적화를 하는 것은 이동류 간 녹색시간의 재배분을 통해 지체도가 큰 이동류의 지체를 낮추고 이동류 간 서비스수준의 균등화를 이룰 수 있기 때문이다.

서울시 대부분의 신호 교차로는 TOD 제어로 평일 중 월요일 운영 패턴을 TOD Plan 1, 화요일부터 금요일은 TOD Plan 2, 토요일은 TOD Plan 3, 일요일 및 공휴일은 TOD Plan 4로 구분하여 각 TOD 계획별 시간 경계와 시간대별 최적 신호를 운영한다. 따라서 화요일부터 금요일에 동일한 신호로 운영되는 지역에서 목표 서비스수준이 E이고, Table 2과 같이 교차로의 서비스수준이 관측되었다고 한다면, 신호 주기 및 녹색시간 최적화 요구를 한 비율을 구할 수 있다.

Table 2에서 최적화 요구 비율이 50% 이상인 시간대는 07:00부터 10:30 시간대와 16:30부터 21:00 시간대이다. 최적화 여부 판단 이후 신호 최적화 과정에서 교통 변수가 활용된다. 이때 이용되는 값으로는 신호 최적화를 요구한 날들의 교통 이력 자료만 집계한 하나의 데이터 세트를 만들어 평균 교통량을 활용한다. 최적화를 요구하였을 때만의 데이터를 사용하는 것은 그 시간대의 서비스수준이 낮은 상황을 특히 개선할 수 있는 신호 계획을 하기 위해서이다. 따라서 07:00부터 10:30 시간대의 신호 최적화 시 활용되는 데이터는 week 1의 화요일, 수요일, 금요일, week 2의 목요일 데이터이며 16:30부터 21:00 시간대의 신호 최적화 시 활용되는 데이터는 week 1의 수요일, week 2의 화요일, 수요일, 목요일 데이터이다.

교차로 목표 서비스수준과 비교하는 것과는 별개로 이력 데이터로 판단한 교차로의 이동류별 서비스수준의 편차를 비교하여 한 교차로 내에 이동류별 서비스수준 차이가 2단계 이상일 경우 녹색시간 최적화를 요구하였다고 판단한다. 앞서 설명한 신호 최적화 여부 판단과 유사한 과정을 통해 교차로 이동류별 서비스수준 편차가 2단계 이상인 때는 녹색시간 최적화 요구를 하였다고 판단한다. 이때도 동일하게 정해진 분석 기간 동안 분석 시간대의 해당 교차로의 이동류별 서비스수준 편차가 2단계 이상인 기간이 50% 이상이면 신호 주기는 기존과 같은 값을 사용하여 녹색시간만을 재배분한다. 녹색시간 최적화 시 역시 녹색시간 최적화 요구를 한 데이터만을 집계하여 활용한다.

2. 신호 최적화 알고리즘

신호 최적화를 요구한 데이터들이 집계된 데이터 세트를 이용하여 이동류별 서비스수준을 다시 계산한다. 이동류별 서비스수준의 편차가 2단계 이상 차이가 날 때 신호 주기 최적화 없이 녹색시간 최적화를 진행하며, 2단계 미만으로 차이가 날 때 최적 신호 주기를 산출한 이후 녹색시간을 최적화한다. 이때 다시 계산된 이동류별 서비스수준이 모두 F, FF, FFF일 경우에는 이동류별 서비스수준 편차와 관계없이 최적 신호 주기를 산출한 이후 녹색시간을 배분한다.

교통량 정보를 기반으로 개별 교차로의 지체를 최소화하는 신호 계획을 산정하기 위해 Webster model을 기반으로 최적 신호 주기 길이를 산출하고 녹색시간을 배분한다. 이동류별 교통량비(y)를 비교하여 현시별 통행하는 차로군 중에 교통량비가 가장 큰 차로군을 임계차로군으로 결정한다. 교차로의 4현시 체계에서 배리어 및 현시 구분과 현시별 통행하는 이동류에 대한 교통량비를 표현하면 Figure 2와 같다.

Figure 2.

Degree of saturation of movement

단일링(Single-ring) 기준으로 운영되는 신호 교차로에서는 각 현시에서 교통량비가 큰 이동류가 임계차로군이 된다. 이 경우 임계 교통량비는 Equation 1과 같이 계산한다.

where, y_c,i : Critical degree of saturation of phase, ∀i = 1, 2, 3, 4

y_i : Degree of saturation of movement, ∀i = 1, 2, 3, 4

이중링(Dual-ring) 기준으로 운영되는 신호 교차로에서는 Equation 2와 같이 배리어 그룹을 기준으로 임계 교통량비를 결정한다.

where, y_c,i : Critical degree of saturation of barrier, ∀i = 1, 2

y_i : Degree of saturation of movement, j = i × 2

단일링과 이중링이 혼합 운영되는 신호 교차로의 경우 단일링으로 운영되는 배리어 그룹에 대해서는 두 개의 현시에 대해 Equation 1을, 이중링으로 운영되는 배리어에서는 한 개의 배리어 그룹에 대해 Equation 2를 사용한다.

임계 교통량비 y_c와 손실시간 L을 이용하여 Equation 3과 같이 최적 신호 주기 길이 C_opt를 계산한다. 손실시간 L은 황색 시간과 같다고 가정한다. 녹색시간의 최적화 과정에서는 Equation 4에 의해 각 이동류별 녹색시간이 결정된다. 이때 교차로에서 정해진 최소 신호 주기 및 최대 신호 주기, 각 현시별 최소 녹색시간 및 최대 녹색시간 제약 조건을 모두 확인한다. 이동류별 녹색시간 및 신호 주기 길이는 교차로마다 정해진 최솟값과 최댓값 범위 내에 존재해야 한다. 만약 최소 조건을 만족하지 못하면 최솟값을 사용하며, 최대 조건을 만족하지 못하면 최댓값을 사용한다.

where, C_opt : 최적 신호 주기 길이(sec)

L : 손실시간(sec)

y_c : 임계 교통량비(sec)

y : 교통량비(sec)

네트워크 옵셋 최적화는 연동 폭(BW, Band Width) 관련 지표와 통행시간 지표를 활용하여 옵셋 값을 조정하는 방안을 제시한다. 연동 폭 관련 지표 한 가지는 연동 폭 효율성(BW Efficiency)으로 Equation 5과 같으며, 다른 한 가지는 연동 폭 활용성(BW Attainability)으로 Equation 6와 같다. 연동 폭이 커질수록 교차로 간 연동 효과가 좋다고 볼 수 있다. 한 가지 지표를 분석 지역의 특성을 반영한 기준값과 비교하여 기준값 미만일 경우 중요 교차로부터 차례로 Efficiency 또는 Attainability 값이 증가하는 방향으로 조정한다.

where, BW : 연동 폭(sec)

C : 신호 주기 길이(sec)

G_min : 최소녹색시간(sec)

통행시간 지표는 차량이 연속된 교차로를 통과할 때 소요되는 통행시간을 기반으로 하였다. outbound 기준의 통행시간 최솟값과 최댓값, inbound 기준의 통행시간 최솟값과 최댓값을 이용하여 지표를 구성하였다.

where, OutboundTT_min : outbound 기준의 통행시간 최솟값

OutboundTT_max : outbound 기준의 통행시간 최댓값

InboundTT_min : inbound 기준의 통행시간 최솟값

InboundTT_max : inbound 기준의 통행시간 최댓값

Equation 7-1은 outbound 기준의 통행시간 최솟값과 최댓값의 합이 최소화되는 옵셋 조합, Equation 7-2는 inbound 기준의 통행시간 최솟값과 최댓값의 합이 최소화되는 옵셋 조합, Equation 7-3은 outbound와 inbound 기준의 통행시간 최솟값과 최댓값의 합이 최소가 되는 옵셋 조합으로 세 가지 경우를 나누어 조정하는 방안을 마련하였다. 운영자는 시간대에 따라 Outbound 기준의 통행시간이 최소화되는 옵셋, Inbound 기준의 통행시간이 최소화되는 옵셋 또는 Outbound와 Inbound가 조화를 이루는 옵셋 조합을 찾아 설정할 수 있다.

시뮬레이션 분석

교통 신호 계획 업데이트 알고리즘의 효과 분석을 위해 독일 PTV사의 VISSIM 프로그램을 이용해 미시적 시뮬레이션 분석을 수행하였다. 분석 대상지는 서울시 강남구 개포동의 도곡역 교차로, 대치역 교차로와 각 교차로의 상류부 교차로를 포함하여 구현하였으며, 교통량 입력값으로는 실제 교차로에서 영상검지기를 통해 관측된 이동류별 교통량의 회전 비율 및 교차로 접근로별 교통량 추세를 반영하였다. 기반 자료로는 Table 3과 같이 2021년 10월 27일 수요일부터 29일 금요일까지 3일 동안 오전 7시 00분부터 오전 10시 30분까지 수집된 이동류별 교통량과 초기 대기 차량 대수를 기반으로 수요교통량을 구하여 활용하였다. 수요교통량은 Ahn(2022)의 연구를 기반으로 이동류별 정지선을 통과하는 차량 대수와 녹색시간 종료 시점에 검지 영역 내 존재하는 차량 대수의 합으로 구하였다. 정보의 활용을 위해 총 3시간 30분 동안 수집된 교통량을 1시간 교통량 값으로 환산하여 각 교차로의 접근로별 회전 비율과 이동류별 교통량 값을 사용하였다.

시뮬레이션 분석의 시간적 범위는 구축한 분석 지역의 기존 TOD 계획번호 2번(화요일-금요일 신호 운영 계획)의 오전 첨두시간대(오전 7시 00분-오전 10시 30분) 대상으로 하였다. 영상검지기 수집 자료를 통해 교차로별 신호 최적화 요구 여부를 판단하기 위한 교차로의 목표 서비스수준으로는 해당 분석 대상지가 도시 지역의 일반도로이며, 첨두시간대의 교통수요가 많은 지역임을 고려하여 2개 교차로 모두 목푯값으로 LOS F로 설정하였다. 현장의 일부 교차로를 대상으로 최적화를 수행하였기에 분석 대상지의 연동성을 고려하여 네트워크 옵셋은 조정하지 않았다.

구축한 시뮬레이션 환경을 통해 관측한 현황 TOD 제어 시 오전 첨두시간대의 2개 교차로의 서비스수준은 Table 4와 같이 FFF이며, 이동류 간 서비스수준 차이가 최대 5에서 6으로 큰 차이가 존재하였다. 분석 대상 교차로 모두 이동류별 서비스수준 편차가 2단계 이상인 비율이 50% 이상이었기 때문에 녹색시간 재배분 과정이 이루어졌다.

산출한 최적 신호 계획에서는 도곡역 교차로의 경우 기존 신호 계획에서 지체 수준이 높은 SBL(South Bound Left-turn) 이동류의 녹색시간이 증가하였으며, 대치역 교차로는 기존 신호 계획에서 지체 수준이 높은 SBL과 NBL(North Bound Left-turn) 이동류의 녹색시간이 증가하였다.

최적 신호 계획을 동일한 VISSIM 네트워크상에 적용하여 변화한 교차로 및 이동류의 지체 수준을 확인하였다. 분석 결과, 도곡역 교차로의 경우 Figure 3(a)과 같이 기존 신호에서 지체 시간이 다른 이동류에 비해 높았던 SBL의 지체 시간이 업데이트된 신호 계획에서는 Figure 3(b)처럼 크게 줄어 교차로의 종합 지체가 61% 감소하는 효과가 있었으며 대치역 교차로의 경우, SBL과 NBL 이동류의 지체 수준이 Figure 3(c)에서 Figure 3(d)과 같이 개선되어 교차로의 종합 지체가 78% 감소하는 효과가 있었다.

Figure 3.

Degree of saturation of movement in TOD and Updated Signal

서비스수준 측면에서는 Table 4와 같이 도곡역 교차로와 대치역 교차로의 교차로 서비스수준이 각각 FF와 F로 각 교차로가 기존 신호에 비해 1, 2단계 개선되었다. 또한 개별 교차로 내의 이동류 차원에서도 서비스수준이 일부 개선되었으며 기존 신호 계획에 비해 이동류별 지체 수준이 균등화된 것을 확인하였다.

결론

교통 신호 계획 업데이트 알고리즘은 TOD 제어로 운영 중인 교차로의 영상검지기에서 수집된 자료를 토대로 분석 시간대별 교통류 특성에 더 적합한 신호 계획을 산출한다. 제안하는 알고리즘은 실시간으로 신호 주기 단위의 정보를 수집하여 곧바로 다음 신호 주기에 신호 계획을 산출하여 운영하기 어려운 교차로에서 적합하다. 또한 비교적 최근의 교통수요 패턴을 반영한 최적의 신호 계획을 산출할 뿐만 아니라 산출한 신호 계획을 곧바로 교차로에 적용하는 것이 아닌 운영자에게 계획을 제공함으로써 해당 계획으로 신호를 운영할지 정할 수 있도록 한다.

본 연구에서는 서울시 강남구의 분석 지역을 대상으로 실제 데이터를 바탕으로 알고리즘의 효과평가를 하였다는 것에 의의가 있다. 제안한 알고리즘에서는 신호 최적화 과정에서 최적 신호 주기 길이를 산출하고 이동류별 녹색시간의 배분을 수행했으나 옵셋은 실제로 계산하지는 않았다. 향후에는 본 연구에서 기준으로 제시한 옵셋 산출 지표를 통해 네트워크 옵셋 최적화를 교통 신호 계획 업데이트 알고리즘상에서 자동으로 수행하면 교차로 간 연동 효율성을 고려한 최적 신호 계획을 산출하여 분석 지역의 지체 수준을 좀 더 효과적으로 감소시킬 뿐만 아니라 이동류별 서비스수준을 균등화할 수 있을 것으로 기대한다. 수행한 연구에서는 알고리즘의 효과 평가를 위해 미시적 관점에서의 시뮬레이션 분석을 진행하였으나, 향후 현장에서 알고리즘을 적용할 것을 고려하면 최적 신호 운영 시 결과 또한 영상검지기를 통해 교통 자료 수집이 가능하다. 이때 결과 자료 또한 차종별 통과교통량 및 대기행렬길이의 수집이 가능하기 때문에 향후에는 수집 자료 자체에 의한 녹색 신호 동안 통과하는 차종별 교통량 분석 및 대기행렬 길이의 변화를 비교하여 신호 운영의 효과를 평가할 수 있다. 또한 현재 연구에서는 기존에 계획된 시간 경계 분할을 그대로 사용하여 시간대별 신호 최적화 여부를 판단하고 최적 신호를 산출하였다. 향후 연구에서는 영상검지기에서 수집되는 교통 자료를 기반으로 신호 최적화 자료로 사용하는 것뿐만 아니라 교통 패턴의 변화를 분석하는 데에 활용하여 시간 경계 분할에 관한 연구를 포함하여 시간대별 신호 최적화를 수행한다면 더욱더 교통상황을 적절하게 반영한 최적 신호 운영이 가능할 것이다.