Earticle

초록

영어

This study proposes a spatiotemporal risk-based optimal patrol routing method using Autonomous Road Maintenance Vehicles (AMVs). Accident and incident data and CCTV shadow areas were aggregated at the link level, and Latent Class Analysis (LCA) was applied to identify time-dependent priority patrol links. Patrol routes were generated using a weighted A* algorithm and evaluated through a simulation-based case study in Hwaseong City. Results show that the proposed AMV patrol strategy improves patrol coverage of accident-prone and shadow links while reducing patrol overlap. Future validation using actual operational data is required.

한국어

본 연구는 자율주행 도로관리차량(AMV)을 활용한 시공간 위험도기반 최적 순찰경로 탐색방법론을 제안한다. 사고·돌발건수와 CCTV음영구간을 링크단위로 정리하고, 잠재계층분석(LCA)을 통해 시간대별 우선순찰링크를 도출하였다. 이후 가중치 A* 알고리즘을 적용하여 순찰경로를 생성하고, 화성시 실증지역기반 시뮬레이션을 통해 기존 유인순찰전략과 비교하였다. 분석결과, 제안된 AMV 순찰경로는 순찰커버리지와 사고다발구간 및 음영링크 커버율을 향상시키고, 중복순찰율을 감소시키는 것으로 나타났다. 다만 시뮬레이션 기반 분석에는 한계가 있으므로, 향후 실제 운영데이터를 활용한 검증이 필요한 것으로 보인다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 시공간 위험도 기반의 최적 순찰경로 탐색 방법론
1. 최적 순찰경로 탐색 방법론 개요
2. 우선 순찰링크 선정을 위한 잠재계층분석
3. 순찰경로 설정
Ⅲ. 화성시 실증지역 대상 Case study
1. 네트워크 기본 데이터 구축
2. 우선 순찰링크 선정
3. 자율주행 도로관리차량의 순찰경로 설정
4. 자율주행 도로관리차량의 순찰경로 비교·분석결과
Ⅳ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 강지혜 [ JiHye Kang | 서울연구원 스마트교통연구실 연구원 ] 주저자
• 김원호 [ WonHo Kim | 서울연구원 스마트교통연구실 선임연구위원 ] 교신저자
• 정영제 [ YoungJe Jeong | 서울연구원 스마트교통연구실 연구위원 ] 공저자
• 이진학 [ Jinhak Lee | 서울연구원 스마트교통연구실 연구원 ] 공저자
• 연준형 [ JunHyoung Yeon | 서울연구원 스마트교통연구실 연구원 ] 공저자
• 강지민 [ JiMin Kang | 서울연구원 스마트교통연구실 연구원 ] 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