• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.65-80
• /
• 2023

본 연구에서는 교통상황을 대변할 수 있는 주요 요인변수 도출을 목적으로 교통상황 유형에 대해 분류분석을 수행하였다. TTI(Travel Time Index)를 교통상황 판단 기준으로 사용하였고 VDS에서 일반적으로 검지되는 데이터를 활용하여 분석을 수행하였다. 먼저 요인분석을 통해 교통상황에 영향을 주는 주요인을 선정하였고, 주요인에 대하여 군집분석을 통해 교통상황을 군집화하였다. 그 후 TTI를 기준으로 각 군집별 분산분석을 실시하고 유사한 군집을 병합하여, 교통상황 유형을 분류하였다. 분석 결과 교통상황을 대변할 수 있는 주요 요인변수로 최대대기행렬길이와 점유율을 도출하였다. 본 연구 방법론을 통해 교통상황에 영향을 미치는 주요 요인변수만을 활용하여 효율적인 교통혼잡 관리가 가능할 것으로 기대된다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.276-290
• /
• 2023

현재 국내에서는 자율주행차량의 상용화를 목표로 다양한 노력을 기울이고 있으며 자율주행차량이 운영 가이드라인에 따라 안전하고 신속하게 주행할 수 있는 연구들이 대두되고 있다. 본 연구는 자율주행차량의 경로탐색을 미시적인 관점으로 바라보며 Deep Q-Learning을 통해 자율주행차량의 차로변경을 학습시켜 효율성을 입증하고자 한다. 이를 위해 SUMO를 사용하였으며, 시나리오는 출발지에서 랜덤 차로로 출발하여 목적지의 3차로까지 차로변경을 통해 우회전하는 것으로 설정하였다. 연구 결과 시뮬레이션 기반의 차로변경과 Deep Q-Learning을 적용한 시뮬레이션 기반의 차로변경으로 구분하여 분석하였다. 평균 통행 속도는 Deep Q-Learning을 적용한 시뮬레이션의 경우가 적용하지 않은 경우에 비해 약 40% 향상되었으며 평균 대기 시간은 약 2초, 평균 대기 행렬 길이는 약 2.3대 감소하였다.