Earticle

최근 코로나 19의 영향으로 이륜자동차 교통사고의 발생은 이전보다 급격히 증가하게 되었 고 이륜자동차 사고방지를 위한 다각적인 노력이 필요한 시점이다. 본 연구에서는 XGBoost를 활용하여 최근 10년간 발생한 이륜자동차 교통사고 자료로 사고 심각도에 영향인자를 도출하 여 각 영향인자가 주는 영향력을 분석하였다. 전체 변수 중 교통사고 심각도에 영향을 주는 변수는 신호 위반을 하였을 경우가 압도적으로 높았으며, 운전자 연령대가 60대 이상일 경우, 이륜자동차 단독사고일 경우, 중앙선 침범 사고일 경우 순으로 높은 것으로 나타났다. 연구 결 과를 바탕으로 이륜자동차의 심각한 교통사고의 방지와 안전관리를 강화하기 위한 합리적인 제도 개편방안을 제시하였다.

Emergence of the COVID 19 pandemic has resulted in a sharp increase in the number of two-wheeler vehicular traffic accidents, prompting the introduction of numerous efforts for their prevention. This study applied XGBoost to determine the factors that affect severity of two-wheeled vehicular traffic accidents, by examining data collected over the past 10 years and analyzing the influence of each factor. Among the total factors assessed, variables affecting the severity of traffic accidents were overwhelmingly high in cases of signal violations, followed by the age group of drivers (60s or older), factors pertaining only to the car, and cases of centerline infringement. Based on the research results, a reasonable legal reform plan was proposed to prevent serious traffic accidents and strengthen safety management of two-wheeled vehicles. Based on the research results, we propose a reasonable legal reform plan to prevent serious traffic accidents and strengthen safety management of two-wheeled vehicles.

본 연구에서는 영동고속도로 용인IC∼양지IC구간을 대상으로 2020년 데이터를 활용하여 자율주행자동차의 시장점유율 변화가 교통류에 미치는 영향을 추정하였다. 교통류에 미치는 영향 정도를 추정하기 위해 미시교통시뮬레이션 모형인 VISSIM을 활용하였다. 자율주행자동 차의 종방향 제어를 반영하기 위해서 intelligent driver model(IDM)을 구축 후 VISSIM에 적용하 여 일반차와 비교를 수행하고 주행행태를 검증하였다. 자율주행자동차의 시장점유율에 따른 이동성 및 안전성 분석 결과, 자율주행자동차 도입 시 시장점유율이 높아질수록 네트워크의 이동성은 향상되지만, 안전성의 경우 차종이 혼재되었을 때 교통류가 불안정해지므로 더욱 안 전 관리에 집중해야 한다는 것을 확인하였다.

In this study, the impact of traffic flow on the market penetration rate of autonomous vehicles(AV) was analyzed using the data for the year 2020 of the Yongin IC∼Yangji IC section of Yeongdong Expressway. For this analysis, a microscopic traffic simulation model VISSIM was utilized. To construct the longitudinal control of the AV, the Intelligent Driver Model(IDM) was built and applied, and the driving behavior was verified by comparison with a normal vehicle. An examination of the study results of mobility and safety according to the market penetration rate of the AV, showed that the network’s mobility improves as the market penetration rate increases. However, from the point of view of safety, the network becomes unstable when normal vehicles and AVs are mixed, so there should be a focus on traffic management for ensuring safety in mixed traffic situations.

교통사고의 발생원인 중 85-90%는 인적요인으로서, 인지·판단·제어 속도가 빠른 자율주행 차는 인적요인으로 인한 교통사고를 예방하기 위한 대안이 될 수 있다. 그러나 자율주행차 도 입을 통한 교통사고 피해 감소를 위해서는 자율주행의 안전성 확보가 선행되어야 한다. 따라 서 실도로와 유사한 환경에서 반복·재현 시험주행을 통해 도로·교통 환경 변화에 따라 자율주 행차가 적절하게 대응할 수 있는지를 검증할 필요가 있다. 이 연구에서는 기구축된 국내외 테 스트베드의 현황 비교·분석 및 자율주행차 실험도시(K-City)의 경영환경분석(PEST, SWOT 분 석)을 통해 K-City의 고도화 및 차별화, 체계적인 발전을 위한 다양한 관점에서의 전략을 수립 하였으며, 각 발전 전략을 달성하기 위한 전략 과제를 도출하였다.

85-90% of the causes of traffic accidents are human factors, and autonomous vehicles with little free running distance can be an alternative to prevent traffic accidents caused by human factors. However, securing safety of autonomous vehicles should be preceded in order to reduce traffic accident damage through the introduction of autonomous vehicles. Therefore, it is necessary to verify whether the vehicle can respond appropriately to changes in the road and traffic environment through repeated and reproduced test runs in an environment similar to the actual road. In this study, K-City's development strategies for upgrading, differentiating, and systematic development were established by comparing and analyzing the current status of domestic and foreign testbeds and business environment analysis. Furthermore, we derive challenge tasks to achieve each strategy.

돌발상황으로 인한 비반복정체로 발생하는 높은 교통비용과 혼잡을 효과적으로 해소하기 위해서 돌발상황 처리시간을 예측하는 것은 중요하다. 본 연구에서는 인공신경망을 활용한 예 측모델 개발을 위해 국내 도로상황에 적합한 돌발상황 처리시간 영향요인을 분석하고, 이를 학습데이터로 생성하였다. 기존 연구에서 장시간 소요되는 돌발상황 처리시간에 대한 과소 예 측 문제가 발생하여 이에 대한 해결방안으로 본 연구에서는 SMOGN기법을 적용한 오버샘플 링 학습데이터를 생성하여 이를 모델에 적용하였다. 그 결과 SMOGN기법을 적용한 DNN모델 이 MAE 18.3분으로 연구 과정에서 구축된 모델 중 가장 높은 정확도로 돌발상황 처리시간을 예측하여, 기존에 개발된 예측모델의 한계점을 보완할 수 있을 것으로 기대한다.

Predicting the incident clearance time is important for eliminating the high transportation costs and congestion from non-repetitive congestion caused by incidents. In this study, the factors influencing the clearance time suitable for domestic road conditions were analyzed, using a training dataset for predicting the incident clearance time using artificial neural networks. In a previous study, the under-prediction problem for high incident clearance time was used. In the present study, over-sampling training data applied using the SMOGN technique was obtained and applied to the model as a solution. As a result, the DNN model applying the SMOGN technique could compensate for the limitations of the previously developed prediction model by predicting the clearance time with the highest accuracy among the models developed in the research process with MAE = 18.3 minutes.

본 연구는 민원데이터를 분석함으로써 교통경찰에 대한 국민의 치안 수요를 탐색하고자 하 였다. 이를 위해 교통경찰 관련 국민신문고 민원데이터 2,062건을 대상으로, 토픽모델링 방법 중 하나인 잠재 디리클레 할당(Latent Dirichlet Allocation)을 통해 주요 토픽을 추출하고 높은 비중을 차지한 위반신고에 대해 추가분석을 시도하였다. 이 과정에서 키워드와 대표문서의 일 관성과 합치성을 함께 고려하였다. 분석 결과 교통경찰 관련 민원은 시설개선, 신호에 따른 교 차로통행방법, 번호판 영치, 개인형 이동장치 등 41개의 토픽으로 분류할 수 있었다. 교차로 내 위반과 이륜자동차의 위반에 대한 단속을 강화하고 무인교통단속장비, 횡단보도, 신호등의 설치 및 운영에 대한 선제적인 조치, 최근 개정된 법령과 시행된 정책, 경찰교통민원 사이트, 단속 사후 절차에 대한 더욱 활발한 홍보가 필요한 것으로 판단된다.

This study aims to investigate the security demand about the traffic policing by analyzing civil complaints. Latent Dirichlet Allocation(LDA) was applied to extract key topics for 2,062 civil complaints data related to traffic policing from e-People. And additional analysis was made of reports of violations, which accounted for a high proportion. In this process, the consistency and convergence of keywords and representative documents were considered together. As a result of the analysis, complaints related to traffic police could be classified into 41 topics, including traffic safety facilities, passing through intersections(signals), provisional impoundment of vehicle plate, and personal mobility. It is necessary to strengthen crackdowns on violations at intersections and violations of motorcycles and take preemptive measures for the installation and operation of unmanned traffic control equipments, crosswalks, and traffic lights. In addition, it is necessary to publicize the recently amended laws a implemented policies, e-fine, procedure after crackdown..

본 연구에서는 세종시 포장도로 구간을 대상으로 모바일매핑시스템(MMS)과 딥러닝 균열 감지시스템을 활용한 도로포장 모니터링 방안을 제시하고 경제성 분석을 통한 최적 유지보수 공법을 제시하였다. 나아가, 기존 대부분의 연구에서는 도로포장 조사 차량에 의해 취득된 데 이터를 활용한 사례가 대부분이었으나 본 연구에서는 직접 모니터링 조사를 통해 취득한 도로 포장 상태등급을 기준으로 경제성 분석을 실시하였다. 도로포장 상태 모니터링 결과 일반국도, 시도, 지방도의 순서대로 도로포장 상태가 양호한 것을 확인하였다. 또한 포장파손모델을 활용 한 경제성 분석 결과, 예방적 유지보수공법인 마이크로서페이싱 공법을 적용하는 것이 유지보 수비용과 이용자 편익 측면에서 가장 경제적인 것으로 나타났다. 본 연구의 성과는 지자체의 기반시설 관리계획 수립을 위한 기초적 자료로 활용될 것으로 기대된다.

In this study, a novel method for monitoring road pavements using the Mobile Mapping System (MMS) and a deep learning crack detection system was presented. Furthermore, an optimal maintenance method through economic analysis was presented targeting the pavement section of Sejong City. As a result of monitoring the pavement conditions, it was confirmed that the pavement ratings were good in the order of national highways, municipal roads, and roads of provinces. In addition, economic analysis using the pavement deterioration model showed that micro-surfacing, one of the preventive maintenance methods, is the most economical in terms of maintenance costs and user benefits. The results of this study are expected to be used as fundamental reference for local governments' infrastructure management plans.

본 논문에서는 GBAS의 VDB 시스템에 사용되는 4각 배열 다이폴 안테나를 하나의 안테나 로 대체할 수 있는 3중 폴디드 무지향성 마이크로스트립 안테나(중심주파수 118 MHz)를 제안 하였다. 먼저 λ/2 마이크로스트립 안테나에서 무지향성 방사 패턴을 얻기 위해 λ/4로 폴디드된 안테나를 제작하였으며, 또한 섭동 효과를 이용하여 3중 폴디드 형태의 소형화된 안테나로 변 형시켰다. 그 결과, 중심주파수 118MHz 대역에서 S11은 –13.91 dB, –10 dB 대역폭은 1.5 MHz(1.27%)의 특성을 얻었다. 또한, yz-plane, xy-plane에서 Eθ 성분이 전방향성 방사 패턴을 나타내며, 안테나의 크기는 기준안테나 대비 64.2% 소형화를 얻어, 최종적으로 제안된 하나의 안테나로써 GBAS의 VDB용 안테나로써 적합함을 확인하였다.

In this paper, we proposed a microstrip antenna (center frequency 118 MHz) with an omnidirectional radiation pattern that can replace the antennae used in VDB systems in GBAS. First, to obtain an omnidirectional radiation pattern from a microstrip antenna, we constructed a folded antenna. We then designed a miniaturized triple-folded antenna using perturbation effects. Thus we obtained suitable characteristics with a S11 of –13.91dB, –10 dB bandwidth of 1.5 MHz (1.27%) in the center frequency of 118 MHz. Furthermore, in the yz-plane and xy-plane, the component exhibits an omnidirectional radiation pattern, and the size of the antenna achieves miniaturization of 64.2% compared to the reference antenna. Finally, it is suitable as an antenna for VDB systems in GBAS.

도로 노면 파손 탐지는 쾌적한 주행 환경과 안전사고의 예방을 위해 필요하다. 도로 관리 기관은 자동화 기술 기반의 검사 장비와 시스템을 활용하고 있다. 이러한 자동화 기술 중에서 도 도로 노면의 파손을 탐지하는 기술은 중요한 역할을 수행한다. 최근 들어 딥러닝을 이용한 기술에 대한 연구가 활발하게 진행 중이다. 이러한 딥러닝 기술 개발을 위해서는 도로 영상과 라벨 영상이 필요하다. 하지만 라벨 영상을 확보하기 위해서는 많은 시간과 노동력이 요구된 다. 본 논문에서는 이러한 문제를 해결하기 위하여 준지도 학습 기법 중 하나인 적대적 학습 방법을 제안했다. 이를 구현하기 위해서 5,327장의 도로 영상과 1,327장의 라벨 영상을 사용하 여 경량화 심층 신경망 모델을 학습했다. 그리고 이를 400장의 도로 영상으로 실험한 결과 80.54%의 mean intersection over union과 77.85%의 F1 score를 갖는 모델을 개발하였다. 결과적 으로 라벨 영상 없이 도로 영상만을 학습에 추가하여 인식 성능을 향상시킬 수 있는 기술을 개발하였고, 향후 도로 노면 관리를 위한 기술로 활용되길 기대한다.

Road surface damage detection is essential for a comfortable driving environment and the prevention of safety accidents. Road management institutes are using automated technology-based inspection equipment and systems. As one of these automation technologies, a sensor to detect road surface damage plays an important role. For this purpose, several studies on sensors using deep learning have been conducted in recent years. Road images and label images are needed to develop such deep learning algorithms. On the other hand, considerable time and labor will be needed to secure label images. In this paper, the adversarial learning method, one of the semi-supervised learning techniques, was proposed to solve this problem. For its implementation, a lightweight deep neural network model was trained using 5,327 road images and 1,327 label images. After experimenting with 400 road images, a model with a mean intersection over a union of 80.54% and an F1 score of 77.85% was developed. Through this, a technology that can improve recognition performance by adding only road images was developed to learning without label images and is expected to be used as a technology for road surface management in the future.

우리나라는 대부분의 화물 운송이 도로를 이용하여 이루어지기 때문에 화물차 군집주행에 관한 관심이 증가하고 있다. 화물차 군집주행은 연속된 두 대 이상의 화물차들이 하나의 군집 을 구성해 주행하는 것으로 도로 용량의 증가와 연비를 개선할 수 있다. 본 연구에서는 화물차 군집주행이 교통류에 미치는 영향을 분석하기 위해 교통 조건, 화물차 군집주행 운영 조건에 따른 시나리오를 생성하였다. 화물차 군집주행 운영 조건의 영향이 미치는 영향을 파악하고자 평균통행속도, 차로변경방해건수, 진출입구간방해건수와 상관분석을 실시하여 결과를 도출하 였다. 군집 내 화물차 수, 군집 내 화물차 간격, 군집 간 간격은 평균통행속도와 차로변경방해 건수에 영향을 미치는 것으로 나타났으며, 군집주행 화물차 비율이 LOS와 무관하게 평균통행 속도와 차로변경방해건수에 강한 연관성을 가지는 것으로 나타났다.

In Korea, interest in truck platooning is increasing because most cargo transportation is done by road. Truck platooning is the operation of two or more trucks in a row to form one platoon, which can increase road capacity and improve fuel efficiency. In this study, to analyze the effect of truck platooning on traffic flow, scenarios were created according to traffic conditions and truck platooning operating conditions. In order to understand the effect of the truck platooning operating conditions, correlation analysis was conducted with the average travel speed, the number of lane change disturbance, and the number of disturbance in the entry/exit section. As a result, the number of trucks in the platoon, the spacing of trucks in the platoon, and the spacing between platoons were found to have an effect on the average speed and the number of lane change disturbance In addition, the truck platooning ratio was found to have a strong correlation with the average travel speed and the number of lane change disturbance regardless of the LOS.