• 대한교통학회지
• /
• 제24권5호
• /
• pp.135-142
• /
• 2006

교통류 이론에서 fundamental diagram이라고 불리는 교통량-밀도 관계는 stationary 상태에서의 교통량과 밀도사이의 평형관계 (equilibrium relation)를 나타낸다 본 연구에서는 개별차량 데이터를 이용하여 교통량-밀도 관계의 전제조건인 stationary 조건을 만족하는 데이터를 추출하는 방법을 제시하였고, stationary 조건을 만족하는 데이터를 교통량-밀도 평면에 도시하였다. 개별차량의 흐름이 자유교통류상태와 혼잡교통류상태에서 상이하며 지점에서 관측된 데이터가 서로 다른 특성의 시계열특성을 보인다는 점에 근거하여 두 가지 상태에 따라 서로 다른 stationary조건을 제시하였다. 본 논문에서 제시된 stationary 조건을 실제로 관측된 데이터에 적용한 결과 자유교통류상태의 stationary조건을 만족하는 데이터는 현재까지 알려진 바와 같이 교통류-밀도 관계의 왼쪽가지에 위치하고. 혼잡교통류상태의 stationary조건을 만족하는 데이터는 교통류-밀도관계의 오른쪽 가지에 위치한다. 또한 본 연구에서 제시된 방법론에 따라 교통류-밀도관계의 전범위에 걸쳐 stationary조건을 만족하는 데이터를 구별하여 교통류-밀도평면에 도시한 결과 교통류의 거의 전영역에 걸쳐 재현 가능한 관계가 나타나는 것을 확인할 수 있었다.

• 대한교통학회지
• /
• 제22권3호
• /
• pp.179-201
• /
• 2004

지능형 교통체계(intelligent transport systems)의 구축이 점차 널리 확대됨에 따라 교통류의 실시간 모형화(online traffic flow modeling)의 중요성이 증대되고 있다. 교통량-밀도 관계는 주어진 교통량, 밀도 상황에서 교통류의 행태를 나타낼 뿐만 아니라 거시 교통류 모형의 결과에 많은 영향을 미친다. 현재까지 교통량-밀도관계에 관한 대부분의 연구는 그 관계식을 규명하는데 그치고 있다. 상류부와 하류부의 교통 상태에 따른 교통량-밀도관계의 시간적 변화는 교통류의 모형화에 반드시 고려되어야 할 특성이지만, 현재까지 그에 대한 연구가 폭넓게 이루어지지 않고 있는 실정이다. 본 논문에서는 한 지점에서의 교통량-밀도관계가 시간의 흐름에 따라 분석되었고 states diagram으로 표현되었다. 동적 교통량-밀도관계 (dynamic flow-density relation)는 states diagram으로부터 fuzzy-logic을 이용하여 유추되었고, 거시 교통류모형을 실시간으로 응용할 수 있는 기초를 제공하였다. 동적 교통량-밀도관계를 거시 교통류 모형에 이용함으로써 교통류의 실시간 모형화 과정에서 발생하는 모수추정 (parameter calibration) 문제를 완화하였다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 Proceedings 제34회 추계 학술발표회
• /
• pp.3-10
• /
• 1998

본 연구에서는 동적통행시간예측을 위한 하나의 방법으로 블록밀도법을 도입하여 가로상의 일정한 구간을 세분화하고 몇 개의 블록으로 분할한 후 교통류를 유체근사화시키고 각 블록의 밀도를 일정시간 마다 갱신해 나가는 방법을 채택하였다. 즉, 각 블록에서 주어진 밀도의 초기치와 최하류부의 블록에서 유출교통량을 이용하여 일정시간 간격으로 모든 블록에서의 밀도를 수정해 가는 유체의 연속방정식의 개념을 도입하였다. 또한, 본 연구에서는 첨단교통시스템에 적용될 동적통행시간 예측을 위해 기존의 연속교통류만을 대상으로 하던 것에서 벗어나 신호등을 포함한 단속교통류를 대상으로 하였다. 또한 교통류의 저밀도 구간과 고밀도 구간을 분리하여 Ele복합모형을 적용하여 교통류를 해석하고 가급적 실제 상황과 유사하게 근접시키고자 하였다. 이 이론을 근거로 구축된 모델에 실제 현장에서 얻어진 교통량, 밀도, 속도 등의 자료들을 투입하고 통행시간의 예측을 도모하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2018년도 추계학술대회
• /
• pp.275-277
• /
• 2018

선박 및 해상교통관제에 있어서 교통 혼잡구역에 대한 선박교통밀도 예측은 선박충돌사고 예방에 중요하다. 선박 교통밀도 예측정보는 사전에 진입하는 선박들에게 속력조정, 우회항로 이용 등 사전 조치가 가능하다. 본 연구에서는 해상 선박교통상황을 딥러닝 네트워크에 학습한 주의구역 선박교통류 예측 모델(Ship Traffic Extraction Network, STENet)을 제안하여 주의구역의 선박교통류 예측을 수행하고자 한다. STENet 모델 학습을 위해 여수해역 AIS 데이터를 전처리하고, 생성된 입력(해상교통상황)-출력(주의구역 교통밀도) 쌍 데이터를 적용하여 STENet 모델을 학습하였다. 학습된 모델을 이용하여 선박교통류 예측을 한 결과, 중기예측은 표준 절대 오차(mean absolute error)가 0.4-0.5척이 였으며, 장기예측은 0.7-0.8척의 오차로 기존의 Dead Reckoning에 의한 방법보다 50% 이상 교통밀도 예측성능이 향상 되었다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2013년도 추계학술대회
• /
• pp.71-73
• /
• 2013

선박 및 VTS에서 선박교통량이 밀집되는 혼잡해역의 선박교통밀도 평가는 중요하다. 본 연구에서는 선박 충돌 회피를 위한 적절한 반경인 Ship Domain 영역과 혼잡구역 내 선박 체류시간 및 전 방위 통항류를 고려하여 혼잡해역의 항로가동률 및 실시간 해상교통밀도 산출 모델을 제안하고자 한다. 또한 제안된 모델식을 기반으로 시뮬레이터를 프로그래밍하여, 실 해역 해상교통 데이터를 적용하여 제안한 모델식의 유효성을 평가하고자 한다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 제34회 추계 학술발표회
• /
• pp.297-297
• /
• 1998

고속도로의 교통혼잡을 관리하기 위해서는 근본적으로 혼잡지점 상류부의 진입교통량을 제어해야 한다. 이를 위한 효과적인 램프미터링 운영전략이나 고속도로 교통정보제공방안을 수립하기 위해서는 혼잡영향권(대기행렬길이)에 관한 신뢰성 있는 데이터가 반드시 필요하다. 고속도로의 대기행렬길이를 산정하기 위해 일반적으로 충격파이론과 Queueing이론을 제시하고 있다. 그러나, 기존의 충격파 이론을 포물선형의 교통량-밀도관계식을 근거로 하고 있어 충격파간에 발생하는 부수적인 충격파를 해석하는 과정이 수학적으로 불가능하여 실질적인 목적으로 사용할 수 없음은 이미 잘 알고 있는 사실이다. 최근에 이러한 한계를 극복할 수 있는 새로운 방법으로 교통량 밀도간의 관계식을 삼각형으로 가정하고 교통량 대신에 누적교통량을 사용하는 Simplified Theory of Kinematic Waves In Highway Traffic이 개발(Newell, 1993)되었지만, 이 방법을 적용하기 위해서는 기본적으로 대상 고속도로 구간의 교통량-밀도관계식을 규명해야 하는 어려움이 있다.(사실 실시간으로 밀도데이터를 수집하기란 불가능하다.) Queueing이론에서 제시하는 대기행렬은 모두 대기차량이 병목지점에 수직으로 정렬하여 도로를 점유하지 않는 Point Queue(혹은 Vertical stack Queue)로서 실제로 도로상에 정렬된 대기행렬(Real Physical Queue)과는 전혀 다르다. 이미 입증된 바 있어, Queueing이론을 이용함은 타당성이 없다. 이러한 사실에 근거하여 본 연구는 고속도로 대기행렬길이를 산정할 수 있는 모형개발을 위한 기초연구로서 혼잡상태의 연속류 특성을 분석하는데 목적이 있다. 이를 위해, 본 연구에서는 서울시 도시고속도로에서 수집한 실제 데이터를 이용하여 진입램프지점의 혼잡상태에서 대기행렬의 증가 또는 감소하는 과정을 분석하였다. 주요 분석결과는 다음과 같다. 1. 혼잡초기의 대기행렬은 다른 혼잡시기에 비해 상대적으로 급속한 속도로 증가함. 2. 혼잡초기의 대기행렬의 밀도는 다른 혼잡시기에 비해 비교적 낮음. 3. 위의 두 결과는 서로 관계가 있으며, 혼잡시 운전자의 행태(차두간격)과 혼잡기간중에도 변화함을 의미함. 4. 교통변수 중에서 대기행렬길이를 산정하는데 적합한 교통변수를 교통량과 밀도로 판단됨. 5. Queueing이론에서 제시하는 대리행렬길이 산정방법인 대기차량대수$\times$평균차두간격은 대기행렬내 밀도가 일정하지 않아 부적합함을 재확인함. 6. 혼잡초기를 제외한 혼잡기간 중 대기행렬길이는 밀도데이터 없이도 혼잡 상류부의 도착교통량과 병목지점 본선통과교통량만을 이용하여 추정이 가능함. 7. 이상에 연구한 결과를 토대로, 고속도로 대기행렬길이를 산정할 수 있는 기초적인 도형을 제시함.

• 한국ITS학회 논문지
• /
• 제13권4호
• /
• pp.20-29
• /
• 2014

거시적인 3대 교통변수(교통량, 속도, 밀도)와 고속도로 서비스 수준의 효과척도(밀도, 교통량 대 용량비) 모두 해당되는 변수는 밀도이다. 특히 도로의 서비스 수준을 평가함에 있어 가장 정확하고 우수한 효과척도로 알려져 있다. 이러한 중요성에도 불구하고 측정방법의 어려움으로 인해 타 변수에 비해 밀도를 활용한 연구가 상대적으로 부족하였다. 기존 밀도추정방법의 경우 측정시각에 따라 동일한 교통류의 밀도값이 변화하는 등의 한계가 있다. 본 연구에서는 서울외곽순환고속도로 사패산 터널 내부의 CCTV 영상을 정합하여 파노라마 영상을 제작한 후, 제작된 파노라마 영상을 이용하여 실제 밀도를 측정하는 방법을 연구하였다. 중심극한정리를 이용하여 분석한 결과, 1 km 사진 24개(혹은 24초)를 이용하여 밀도를 측정하면 당시 교통상황을 잘 반영할 수 있었다. 즉, 본 연구에서 제시한 밀도 수집 주기를 준수하여 수집한 구간영상으로 밀도를 측정할 경우 측정시각에 관계없이 평균적인 밀도값을 측정할 수 있으며, 현실 교통류를 대변하는 현실적인 밀도를 취득할 수 있다.

• 대한토목학회논문집
• /
• 제29권4D호
• /
• pp.443-450
• /
• 2009

A연속류도로는 교통량-속도-밀도 간에 상호 밀접한 관계가 있기 때문에 연결로교통류가 본선에 합류하게 되면 속도나 밀도가 변할 뿐만 아니라 이들 간의 상관관계를 나타내는 모형식도 달라진다. 따라서, 본 연구는 합류영향권역에서 시공간적으로 연속된 교통자료를 이용하여 속도-밀도 변수간의 상관관계 변화구간을 파악하고, 구간별 변화내용을 분석하였다. 분석결과, 상류 및 합류구간에서는 "Underwood"모형의 지수형태를 보이며, 합류구간을 통과한 하류구간에서는 "Greenshields"모형의 직선형태를 나타내었다. 속도-밀도 상관관계가 변화된 하류변화구간은 연결로와 접속한 3차로의 합류 종점부를 기점으로 하류 100m~500m 범위에서 내측차로로 갈수록 점차 하류방향으로 이동하는 현상을 보였다. 또한, 상류구간, 합류구간, 하류변화구간은 속도-밀도 모형에서 자유속도(상수)와 혼잡밀도에 대한 자유속도비(기울기)가 통계적으로 서로 다른 이질적인 교통류로 나타났다.

• 대한토목학회논문집
• /
• 제26권1D호
• /
• pp.49-58
• /
• 2006

본 연구는 도시개발밀도와 교통시설용량 간의 영향관계를 실증적으로 분석하여, 교통성과(transportation performance)를 극대화하기 위한 토지이용방안을 모색하는 것이다. 이를 위해 서울시 도심을 사례분석지역으로 선정하여 다양한 개발밀도 시나리오에 따라 교통용량의 한계를 감안한 개발용량을 산정하였다. 개발밀도 변화에 따른 교통영향분석을 위한 분석모형으로 SECOMM모형이 제시되었고, 이를 활용하여 20개의 다양한 개발밀도 대안의 영향을 분석하였다. 분석 결과, 도심고밀개발시교통 관점에서 볼 때 분석상 교통적으로 가장 지속가능성이 높은 수준은 도심혼잡통행료를 징수하고 용적률을 460% 까지 개발했을 때인 것으로 나타났다. 한편 도심용적률이 460%를 상회해도 서울시 전체적인 교통상황이 지속적으로 개선되는 것으로 분석되어, 통행료 수준을 높임으로써 지속가능한 교통여건을 달성하는 것이 보다 바람직할 것으로 판단된다. 한편, 도심에서 혼잡통행료를 부과하지 않는다면 도심에서 최대 용적률 430%까지 밖에 고밀화를 진행할 수 없고 이때 서울시 전체적으로 개선폭도 그리 크지 않은 것으로 분석되었다. 따라서 도심고밀화를 위해서는 교통수요관리시책(TDM)과 병행하는 것이 필수적일 것으로 사료된다.

• 한국ITS학회 논문지
• /
• 제19권6호
• /
• pp.208-221
• /
• 2020

본 연구는 첨단운전자보조시스템(Advanced Driver Assistance System, ADAS)이 빠르게 보급됨에 따라 표본 프로브 차량에 설치된 ADAS로부터 얻은 개별차량의 궤적 데이터와 전방차량과의 차두거리 데이터를 이용하여 연속류의 교통밀도를 추정 및 분석하는 것을 목적으로 한다. 과거 연속류 교통밀도는 주로 차량검지시스템(Vehicle Detection System, VDS)에서 수집되는 교통량, 속도, 점유율 등의 데이터를 가공하여 추정되거나, CCTV등의 영상정보를 활용하여 직접 차량 대수를 계수하여 추정되었다. 이러한 방식은 교통밀도 추정의 공간적 제약이 있고, 교통 혼잡시 추정의 신뢰도가 낮다는 한계를 보였다. 이에 본 연구에서는 선행연구의 한계를 극복하기 위해 ADAS로부터 수집된 개별차량 궤적 데이터와 차두거리 정보를 활용하여 도로의 공간을 검지하고 일반화된 밀도(Generalized Density)방식을 이용하여 시공간적 교통밀도를 추정한다. 이에 따라 ADAS차량의 표본율에 따른 교통밀도 추정의 정확도를 분석한 결과, 30%의 표본율일 경우 교통밀도 참 값과 약 90% 일치하는 것으로 나타났다. 이를 통해 본 연구는 향후 ADAS 및 자율주행차량이 혼재되는 도로 상황에서 신뢰도 높은 교통밀도 추정을 가능하게 하며 효율적인 교통운영관리에 기여할 수 있을 것으로 판단된다.