초록
지금까지의 링크통행시간에 대한 연구는 개별 차량의 평균을 통한 평균링크통행시간 산정 및 추정의 제한적인 연구가 대부분이었다. 그러나, 링크통행시간은 교통조건, 신호운영조건, 도로조건 등 다양한 영향인자로 인해 통행시간 분포가 구분되는 특성을 나타낸다. 링크통행시간 분포특성에 대한 선행연구결과 통행시간이 양분되어 분포하는 것으로 나타났으며 따라서, 링크통행시간의 경우 평균통행시간에 의한 결과보다 신호지체가 발생하지 않는 통행시간과 신호지체가 발생하는 통행시간으로 구분하는 것이 교통상황을 인식하는데 바람직할 것이다. 본 연구에서는 통행시간 분포특성 및 원인을 분석하였으며, 프로그램을 이용한 시뮬레이션을 통해 보다 다양한 조건을 부여하여 링크통행시간분포비율에 영향을 주는 변수들에 대한 검토하고 통행시간 분포비율을 추정할 수 있는 모형을 구축하였다. 먼저 링크통행시간 분포비율을 추정하는 회귀모형과 퍼지근사추론 모형을 구축하였다. 추정 모형을 구축하기 위한 변수를 분석한 결과 잔류녹색시간과 대기행렬 대수가 높은 상관성을 가지는 것으로 분석되었으며, 따라서 이를 이용하여 추정모형을 구축하였다. 구축결과를 비교 검토한 결과 퍼지근사추론 모형이 회귀모형에 비해 추정의 신뢰성 및 적용성에서 더욱 우수한 것으로 나타났다.
Most research for until at now link travel time were research for mean link travel time calculate or estimate which uses the average of the individual vehicle. however, the link travel time distribution is divided caused by with the impact factor which is various traffic condition, signal operation condition and the road conditional etc. preceding study result for link travel time distribution characteristic showed that the patterns of going through traffic were divided up to 2 in the link travel times. therefore, it will be more accurate to divide up the link travel time into the one involving delay and the other without delay, rather than using the average link travel time in terms of assessing the traffic situation. this study is it analyzed transit hour distribution characteristic and a cause using examine to the variables which give an effect at link travel time distribute using simulation program and determinate link travel time distribute ratio estimation model. to assess the distribution of the link travel times, this research develops the regression model and the fuzzy model. the variables that have high level of correlations in both estimation models are the rest time of green ball and the delay vehicles. these variables were used to construct the methods in the estimation models. The comparison of the two estimation models-fuzzy and regression model- showed that fuzzy model out-competed the regression model in terms of reliability and applicability.