Abstract
Traffic accidents on highways are likely to happen when there is an imbalance in the complex relationships among key elements such as road geometries, driver related factors, and mechanical performances. The Demand-Effort Model (DEM), which evaluates highway safety, can be explained by the imbalance, which occurs when the level of demand of the driver's attention to the road environment exceeds that of the response from the driver. This study suggests a new model that improves the reliability of the current DEM through the reinterpretation on the physiological signals with the help of the Neural Network Model (NNM). The data were collected from 149 subjects, who drove a test vehicle on the Yongdong, Honam, and Seohaean Expressways in Korea. Three important results could be drawn from the recursive tests as follows; (1) Only 5 out of 10 parameters on the physiological signals which are currently used were proven to be meaningful through the Normality Test, Cluster Analysis, and Mann-Whitney Analysis. (2) The revised DEM, which internally uses the NNM, showed more reliable results than existing DEM. Group 1, which is based on the new DEM showed 80.0% of accuracy in measuring the level of driver's efforts, however, that of Group 2 based on the current DEM was 74.3%. (3) Field tests on the Honam Expressway showed lower 'type II error' with the new DEM (40.5%) than the old DEM (58.8%). The DEM is designed as a quick and easy way to determine highway safety prior to the minute road safety audit (RSA) by a professional audit team. Then a new DEM, which is based on the NNM, needs to be considered since it showed higher reliability and lower error.
도로환경요인과 운전자의 능력의 부조화상태에서 교통사고 위험성이 높아진다는 개념으로부터 도로위험수준을 평가를 하고자 하는 것이 요구-노력모형이다. 본 연구에서는 요구-노력모형의 노력수준을 결정하는 운전자 생체신호의 재분석을 통하여 요구-노력모형의 신뢰성을 높일 수 있는 새로운 신경망 모형구조를 제안하였다. 영동, 호남 및 서해안고속도로에서 149명의 피실험자를 대상으로 검증한 연구결과는 다음과 같이 나타났다. 첫째, 생체신호 파라메타 값에 대하여 Normality Test, Cluster Analysis와 Mann-Whitney 분석에서 기존 요구-노력 모형에서 사용하던 10개의 생체신호 중 5개의 생체신호만이 통계적으로 유의함을 입증하였다. 둘째, 신경망모형은 운전자의 노력수준의 평가에 대한 정확도는 매우 높게 나타났다. 신경망구축을 위해 사용한 집단1의 피실험자별 전체 노력수준의 정확도는 80.0%, 집단 2의 피실험자별 전체 노력수준의 정확도가 74.3%로 나타났다. 셋째, 요구-노력모형에서 노력수준 경계값 결정방법에 따라 호남고속도로 전주IC${\rightarrow}$회덕JCT구간의 단위분석지점에 대하여 도로위험도를 판별한 결과, 2종 오류가 신경망모형 40.5%, 기존 모형 58.8%로 나타났다. 요구-노력모형에 의한 도로위험도 평가가 최종적이기 보다는 전문가 그룹에 의한 상세한 도로안전진단에 앞서 도로위험도를 대략적으로 판별하고자 하는 의도였다고 한다면 보다 많은 검토대상구간을 판별하고, 더 낮은 2종 오류비율을 보인 신경망을 이용한 방법이 요구-노력모형의 취지에 적합하다고 볼 수 있다.
