Earticle

초록

영어

This study shows how to estimate AADT(Annual Average Daily Traffic) on temporary count data using new grouping method. This study deals with clustering permanent traffic counts using monthly adjustment factor, daily adjustment factor and a percentage of hourly volume. This study uses a percentage of hourly volume comparing with other studies. Cluster analysis is used and 5 groups is suitable. First, make average of monthly adjustment factor, average of daily adjustment factor, a percentage of hourly volume for each group. Next estimate AADT using 24 hour volume(not holiday) and two adjustment factors. Goodness of fit test is used to find what groups are applicable. MAPE(Mean Absolute Percentage Error) is 8.7% in this method. It is under 1.5% comparing with other method(using adjustment factors in same section). This method is better than other studies because it can apply all temporary counts data.

한국어

본 연구에서는 일반국도 수시조사 지점의 AADT 추정값의 정확도를 높이기 위하여 새로운 그룹핑방법을 제시하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조사된 24시간 교통량을 이용하여 AADT를 추정하므로 상시조사 지점을 그룹핑할 때 상기 세 가지 요인(43개 변수)을 모두 적용하여 그룹핑하였다. 이 방법은 기존의 월보정계수와 요일보정계수만을 이용하여 그룹핑한것과 비교하여 시간대별 교통량을 적용한 것에 있어서 차이가 있다. 그룹핑 결과 5개의 군집이 가장 적당한 것으로 분석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3개의 군집에서 각각 출퇴근로, 관광부도로, 지방부도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정한 결과 평균적으로 오차가 8.7%인 것으로 나타났다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타났다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 매우 크다고 판단된다.

목차

요약
 Abstract
 Ⅰ. 서론
 Ⅱ. 이론적 고찰
 Ⅲ. 대상자료 및 분석방법
  1. 대상자료
  2. 분석방법
 Ⅳ. 분석결과
 Ⅴ. 결론
 참고문헌

키워드

저자

• 하정아 [ Jung-Ah Ha | 한국건설기술연구원 첨단교통연구실 전임연구원 ] 주저자
• 오세창 [ Sei-Chang Oh | 아주대학교 건설교통공학부 교수 ] 공저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338