Earticle

본 연구는 이동통신 로그 데이터를 통해 산출된 교통량 정보를 활용하여 기존 검지기에 준 하는 교통량 정보를 추정하기 위해, 머신러닝의 앙상블 기법을 기반으로 하는 최적의 이동통 신 기반 교통량 추정 모형을 개발하는 것이다. 이동통신 데이터를 통해 계측된 교통량 등의 정보와 VDS 실측 데이터를 활용하여 머신러닝 모형들을 통해 비교·분석한 결과, LightGBM 모형이 교통량 추정의 최적모형으로 선정되었다. 국도 1, 3, 6호선 검지영역 96개소를 대상으 로 교통량 추정 모형의 성능을 평가한 결과, 전체 검지영역의 경우 MAPE 8.49로 교통량 추정 정확도가 91.51%로 분석되었다. VDS가 설치되지 않은 구간의 경우 교통량 추정 정확도는 92.6%로, VDS 설치가 어려운 구간에서도 LightGBM 교통량 추정 모형이 적용 가능하였다.

This study develops an optimal mobile-communication-based National Highway traffic volume estimation model using an ensemble-based machine learning algorithm. Based on information such as mobile communication data and VDS data, the LightGBM model was selected as the optimal model for estimating traffic volume. As a result of evaluating traffic volume estimation performance from 96 points where VDS was installed, MAPE was 8.49 (accuracy 91.51%). On the roads where VDS was not installed, traffic estimation accuracy was 92.6%.

본 연구의 목적은 신호교차로의 적정황색신호시간 산정을 위한 것으로, 황색신호시간 산정 시 접근속도와 교차로 폭에 따른 연관성을 알아보고 신호 운영에 따라 변화되는 교차로 내 상 충과 딜레마구간을 최소화하여 교차로 운영 안전성을 확보하는 데 있다. 이를 위해 5개 교차로 의 6824건의 자료를 수집 분석하였다. 주요 연구결과는 첫째, 차로별 개별차량 접근속도를 분 석하고 방향별 상충을 고려해 교차로 폭을 정의하였다. 둘째, 기존 산식의 문제점을 보완한 접 근속도와 상충 지점 기반 다중회귀모형식을 개발하였다. 셋째, 개발 산정식을 통해 접근속도와 교차로 폭에 따른 적정황색신호시간 적용 기준표를 제시하였으며, 와의 관계를 이용해 황색신 호시간과 딜레마구간을 교차 분석할 수 있는 산정표를 제시하여 황색신호시간 변화에 따른 딜 레마 길이의 안전성을 판단하는 방안을 제시하였다.

The purpose of this study was to calculate the appropriate yellow-signal time for intersections, to find out the relationship between the approach speed and intersection width when calculating the time, and to secure safety by minimizing conflicts and dilemma sections in intersections that change according to the signal operation. For this purpose, 6,824 data points from 5 intersections were collected and analyzed. The main results of the study are as follows. First, the approach speed of individual vehicles in different lanes was analyzed, and the width of an intersection was defined by considering the conflict in each direction. Second, we developed a multiple regression model based on the approach speed and conflict points, which compensated for the problems of an existing formula. Third, a standard table is presented for applying the appropriate yellow-signal time according to the approach speed and intersection width based on a development formula. A method is also presented to determine the safety of the length of the dilemma according to the change in the yellow-light time by presenting a calculation table that can cross-analyze the yellow-signal time and a dilemma section using the relationship.

그동안 차두시간분포를 나타내는 확률분포로 음지수분포, Erlang 분포, 정규분포 등 다양한 단일확률분포들이 사용되어져 왔다. 그러나, 실제 도로에서 차두시간분포의 조사결과는 단일 확률분포로서 설명하기 어려운 경우가 있었다. 본 연구는 차량의 차두시간에 대해 두 개의 정 규분포가 일정한 관련성을 가지고 결합된 복합확률분포의 파라메타에 대해 최우추정법 중 하 나인 EM 알고리즘을 이용하여 추정하는 접근방법을 시도하였다. 이에 대한 분석결과 기존에 알려진 단일확률분포로서 잘 설명되기 어려웠던 차량도착 차두시간 분포를 EM 알고리즘을 이 용하여 복합확률분포의 파라메타를 추정하여 설명하였다. χ2 test 적합도 검정결과, 유의수준 1%에서 통계학적으로 유의성이 확보되어 EM 알고리즘을 이용한 복합확률분포의 파라메타 추 정의 신뢰성이 입증되는 것으로 분석되었다

Various single probability distributions have been used to represent time headway distributions. However, it has often been difficult to explain the time headway distribution as a single probability distribution on site. This study used the EM algorithm, which is one of the maximum likelihood estimations, for the parameters of combined mixture distributions with a certain relationship between two normal distributions for the time headway of vehicles. The time headway distribution of vehicle arrival is difficult to represent well with previously known single probability distributions. But as a result of this analysis, it can be represented by estimating the parameters of the mixture probability distribution using the EM algorithm. The result of a goodness-of-fit test was statistically significant at a significance level of 1%, which proves the reliability of parameter estimation of the mixture probability distribution using the EM algorithm.

최근 국내 많은 지능형교통체계 사업에서 스마트교차로를 설치하고 있으나, 교통량 수집 및 통계분석 이외에 교통신호운영에 활용하는 사례가 미비한 상태이다. 하지만, 고질적인 교통 혼잡에 대응하기 위해서는 스마트교차로에서 수집된 자료를 활용하여 효율적인 신호운영을 수행하는 방안이 필요한 실정이다. 따라서, 본 연구에서는 효율적인 교통신호운영을 위해 스마 트교차로 자료를 활용한 실시간 교통신호제어 알고리즘 운영을 위한 절차를 수립하였으며, 기 존 알고리즘을 개선하여 실제 스마트교차로에서 운영이 가능하도록 하였다. 효과 분석 결과, 교차로 지체가 감소하였고 옵셋 조정 시 구간 속도도 개선되는 효과가 나타나는 것으로 확인 되었다.

Recently, smart intersections have been installed in many intelligent transportation system projects, but few cases use them for traffic signal operations besides traffic volume collection and statistical analysis. In order to respond to chronic traffic congestion, it is necessary to implement efficient signal operations using data collected from smart intersections. Therefore, this study establishes a procedure for operating a real-time traffic signal control algorithm using smart intersection data for efficient traffic signal operations and improving the existing algorithm. Effect analysis confirmed that intersection delays are reduced and the section speed improves when the offset is adjusted.

본 연구는 고속도로 상의 반복적인 교통 혼잡 문제를 해결하기 위한 현실적인 대안 중 하나 인 고속도로 갓길차로제를 효과적으로 운영하기 위해 강화학습 기법을 적용하고자 하였다. 강 화학습의 DQN을 활용한 갓길차로제 운영 알고리즘을 개발하였고 미시교통시뮬레이션 프로그 램 VISSIM을 활용하여 경부선 기흥IC-수원IC 구간의 데이터를 활용하여 강화학습 에이전트를 학습시켰고 그 효과를 평가하였다. 효과평가는 크게 이동성과 안전성의 두 가지 측면에서 진 행하였다. 분석 결과 DQN 기반 갓길차로제 운영을 통해 시간당 최대 26km/h의 속도 개선 효과 가 발생하였으며, DQN 에이전트는 기존 운영 기준인 60km/h 보다 약 10km/h 높은 속도로 갓길 차로제를 운영하였다. 안전성 효과의 경우 기존 운영 방식과 DQN 기반 운영을 통해 발생되는 차량 간 상충건수를 비교하였고 산출된 상충건수의 차이가 크지 않아 10km/h의 운영 기준 속 도의 차이가 큰 영향을 주지 않은 것으로 판단하였다. 이러한 결과를 종합적으로 고려할 때 강화학습 기반 고속도로 갓길차로제 운영은 이동성 측면에서는 분명한 효과가 존재하였고 현 재 운영 기준 속도의 조정을 고려해볼 필요가 있을 것으로 판단된다.

This study applies reinforcement learning to effectively operate expressway hard shoulder running (HSR). An HSR algorithm was developed, and its effectiveness was evaluated using the VISSIM microscopic simulation program. The simulation evaluated two aspects: mobility and safety. The DQN-based HSR algorithm found speed improvement of up to 26 km/h. Compared to the current method, the difference in the number of conflicts was not significant. Considering the results, a DQN-based HSR operation has a clear effect, and it is necessary to consider adjusting the current operational criteria.

도시부 교통정보 수집은 VDS, DSRC, 레이더 등 다양한 시스템에 의해 수집되고 있다. 최근 딥러닝 기술의 발전으로 스마트교차로시스템이 확대 보급되고 있으며 교통량, 속도, 차종 등 다양한 정보수집이 가능하다. 그러나 관련 문헌을 고찰한 결과 지금까지의 성능평가 기준은 딥러닝 영역을 고려하지 않은 RBS기반 평가체계로 ‘기준값-측정값’의 퍼센트 오차만 고려하고 있어 기존 평가방식으로는 딥러닝 부분의 평가를 수행할 수 없어 새로운 성능평가 방법이 필 요하다. 따라서, 본 연구에서는 데이터 비율 및 가중치를 고려하여 Precision과 Recall 등 딥러닝 성능지표를 고려한 오차산정식을 개발하여 개별오차와 구간 오차, 전체오차를 산정하였다. 연 구결과, 측정값 1의 오차율은 3.99와 3.54, 측정값 2는 5.34와 5.07로 기존 산정식과 오차율에 차이가 있는 것으로 나타났으며, 반복측정 분석결과 개발 산정식이 우수한 것으로 나타났다.

Urban traffic information is collected by various systems such as VDS, DSRC, and radar. Recently, with the development of deep learning technology, smart intersection systems are expanding, are more widely distributed, and it is possible to collect a variety of information such as traffic volume, and vehicle type and speed. However, as a result of reviewing related literature, the performance evaluation criteria so far are rbs-based evaluation systems that do not consider the deep learning area, and only consider the percent error of 'reference value-measured value'. Therefore, a new performance evaluation method is needed. Therefore, in this study, individual error, interval error, and overall error are calculated by using a formula that considers deep learning performance indicators such as precision and recall based on data ratio and weight. As a result, error rates for measurement value 1 were 3.99 and 3.54, and rates for measurement value 2 were 5.34 and 5.07.

전방 낙하물과 같은 돌발상황이 발생했을 때 신속하고 적절한 정보 제공은 도로 위 이용자 들의 편의를 가져다주고 2차 교통사고 또한 효과적으로 줄일 수 있다. 도로 상의 돌발상황은 현재 국내에서 루프 검지기나 CCTV 등 ITS 기반 검지 체계를 사용하여 주로 검지하고 있다. 이러한 방식은 검지기의 검지 구간에서의 도로 위 데이터만을 얻을 수 있다. 때문에, 기존 ITS 기반 검지체계의 공간적 음영구간에서 돌발상황을 찾아내기 위하여 새로운 검지 수단이 필요 하다. 이에 본 연구에서는 차량 내 설치된 단말기에서 촬영된 영상으로부터 돌발상황을 검지 및 분류하는 ResNet 기반 알고리즘을 제안한다. 국내 고속도로 전방 주행영상을 수집하였고, 돌발상황 유형을 클래스로 정의하여 각 데이터를 라벨링한 후, 제안한 알고리즘으로 데이터를 학습시켰다. 학습 결과, 개발한 알고리즘은 데이터 수가 상대적으로 적었던 일부 클래스를 제 외하고 정의한 돌발상황 클래스에 대하여 높은 검지율을 보였다.

Swift and appropriate responses in emergency situations like objects falling on the road can bring convenience to road users and effectively reduces secondary traffic accidents. In Korea, current intelligent transportation system (ITS)-based detection systems for emergency road situations mainly rely on loop detectors and CCTV cameras, which only capture road data within detection range of the equipment. Therefore, a new detection method is needed to identify emergency situations in spatially shaded areas that existing ITS detection systems cannot reach. In this study, we propose a ResNet-based algorithm that detects and classifies emergency situations from vehicle camera footage. We collected front-view driving videos recorded on Korean highways, labeling each video by defining the type of emergency, and training the proposed algorithm with the data.

개인형 이동수단의 이용이 활성화됨에 따라, 관련한 PM 사고도 급격하게 증가하였다. 이러 한 사고 증가에 대응하기 위해, 2021년 5월 13일 정부에서는 관련 규정을 강화하였지만, PM 가해사고의 증가 추이는 피해사고의 증가 추이보다 크게 감소하지 않았다. 이러한 PM 가해사 고의 대부분은 보행자와의 충돌 사고로, 보행자들의 안전이 위협받고 있는 것을 알 수 있었다. 이에 본 연구에서는 PM 대 보행자 충돌사고를 중점적으로 규제 및 기상환경, 도시건조환경 특성 등을 반영하여, PM 대 보행자 교통사고 심각도에 영향을 미치는 요인들을 분석하였다. 2020년부터 2021년 간 서울시에서 발생한 PM 대 보행자 교통사고를 수집하였으며, 이항 로지 스틱 회귀분석을 활용하여 분석을 수행하였다. 주요 분석결과를 통해 정책적 시사점을 도출하였다.

Personal Mobility (PM)-related accidents have increased rapidly since PM use was activated. In response to the increase in these accidents, the government strengthened regulations for PM users on May 13, 2021. The number of the accidents in which the PM user was a victim decreased significantly. In contrast, the increasing number of accidents in which PM user was the offender did not decrease significantly. In most of these accidents, the PM user was the offender who crashed into pedestrians. Hence, the safety of pedestrians is threatened. Therefore, this study analyzed the factors, such as the regulations, urban built environment, and personal characteristics, affecting the severity of PM-pedestrian accidents by focusing on PM-pedestrian crashes. This study analyzed the PM-pedestrian accidents in Seoul from 2020 to 2021 using binary logistic regression model. Through these results, this study proposed the policy implications.

유럽과 미국을 중심으로 내연기관 자동차에서 나오는 배기가스를 줄이기 위해 친환경 자동 차를 적극적으로 보급하는 정책이 펼쳐지고 있다. 우리나라에서도 ‘제4차 친환경자동차 기본 계획’을 통해 충전인프라 개선과 인센티브제도 확대로 2025년 113만대의 친환경 자동차 보급 을 목표하고 있어 전기자동차의 급격한 성장이 예상된다. 따라서 대략적이지만 구체적인 성장 규모와 그에 따른 전력수요량을 도출하는 것이 필요하다. 본 연구에서는 성장모형 중 향후 전 기자동차의 보급대수를 잘 설명할 수 있는 모형을 활용하여 전기자동차의 대수를 예측하였다. 그리고 선행연구에서 제시한 전기에너지 산출모형을 활용하여 ｢제10차 전력수급기본계획｣의 목표연도인 2036년까지 전기자동차의 보급대수와 전력수요량을 제시하였다. 본 연구 결과를 토대로 향후 전기자동차 인프라 계획·구축을 위한 기초 연구자료로 활용될 것을 기대된다.

European and American countries are actively promoting eco-friendly cars to reduce exhaust emissions from internal combustion engines. In Korea, the "4th Basic Plan for Eco-Friendly Vehicles" aims to promote eco-friendly cars by improving charging infrastructure, expanding incentive systems, and targeting the supply of 1.13 million eco-friendly cars by 2025. As rapid growth in the number of electric vehicles sold is expected, estimates are required of this growth and corresponding power demands. In this study, the authors used a growth model to predict future growth in the electric vehicle market and a previously derived electricity generation model to estimate corresponding power demands up to 2036, the target year of the "10th Basic Plan for Power Supply and Demand". The results obtained provide useful basic research data for future electric vehicle infrastructure planning.

최근 코로나19로 인해 사회 전반적인 분야에서 대부분의 서비스가 비대면/무인화로 제공되 고 있다. 하지만 여전히 디지털 격차를 해소하기 위한 연구는 요인 분석에 그치고 있으며, 특히 교통분야에서의 디지털 격차와 관련된 연구는 전무한 상황이다. 이에 본 논문은 설문조사를 기반으로 교통부문에서의 디지털 격차의 현황에 대해 파악하고자 한다. 첫째, 전국 성인남녀를 대상으로 디지털 기기 이용현황을 조사하여 연령, 학력, 소득 등으로 구분하여 디지털 취약계 층을 선정하였다. 둘째, Chi-squared Text를 활용하여 디지털 취약계층과 비 취약계층을 대상으 로 교통부문 모바일 앱 이용현황을 비교하였다. 그 결과, 모바일 앱의 인지도와 선호도에서 취 약계층이 비 취약계층에 비해 낮은 것으로 나타났고 이용 횟수에서도 유의한 수준으로 낮은 것으로 나타났다. 셋째, 교통부문 모바일 앱 능숙도를 비교하였다. 마찬가지로 취약계층이 비 취약계층에 비해 모바일 앱 이용 절차 전반에서 능숙도가 유의한 수준으로 낮은 것으로 나타 났다. 이러한 조사 결과가 향후 교통부문에서의 디지털 격차를 개선하기 위한 정책수립의 기 초자료로 활용될 것으로 기대한다.

The ongoing COVID-19 pandemic has led to a widespread shift towards non-face-to-face /uncrewed services in various sectors of society. Despite this, research on the digital divide has focused predominantly on analyzing various factors, with the notable absence of studies addressing the digital divide. Therefore, study examined the current digital divide in the transportation sector through a survey-based approach. First, a nationwide survey was conducted among adult men and women to assess their digital device usage. Vulnerable groups sesceptible to digital disparities were identified based on factors such as age, education, and income. Second, comparative analysis was conducted to examine the usage patterns of mobile applications related to the transportation sector among the vulnerable and non-vulnerable groups using chi-squared test. These findings suggest that the vulnerable group exhibited lower awareness and preference for mobile applications, a significantly lower frequency of application usage than the non-vulnerable group. Finally, a comparison of the proficiency in utilizing transportation sector mobile applications was conducted, showing that the vulnerable group demonstrated a significantly lower level of proficiency across all aspects of application usage procedures compared to the non-vulnerable group. These survey results provide a valuable foundation for future policy formulation to reduce the digital divide in the transportation sector. By highlighting the current state of digital disparities, the research contributes to developing evidence-based strategies to enhance inclusivity and equal access to digital services in tjwtransportation.

철도나 지하철 역사의 경우 교통약자가 편리하게 역사 내 시설물을 이용할 수 있도록 주변 환경을 고려한 맞춤형 길 안내 서비스를 필요로 하는데, 현재 철도역에서 열차 승차, 환승 등이 복잡하다. 넓은 실내에서 안내는 대부분 표지판, 전광판 등을 통하거나, 안내데스크에서 직접 문의를 통하여 이루어지는 경우가 많다. 그러나, 장애인, 노약자 등 교통약자는 신체적 불편, 인지력 저하, 언어 소통의 불편함 등으로 역무원 등과 같이 주변 사람들의 직접적인 도움을 통하여 이루어지고 있다. 본 논문에서는 기존에 활용하던 개별 위치 측위 기법이 아닌 여러 형태의 다중 위치 측위 기법을 결합하는 AI 융·복합 측위 기술을 적용하여 교통약자 유형에 따라 최적화된 이동 가능한 경로 제공으로 맞춤형 실내 길안내서비스 제공방안을 연구하였다. 이처럼 철도역사 내에서 환승시설 등 복잡하고 넓은 실내 공간에서 교통약자의 보편적 이동 편의 제공을 위해서 복잡한 철도역 환경에서도 안전하고 편리하게 장애 유형별 맞춤형 길 안 내 서비스를 제공할 수 있는 시스템구축 방안을 제시하고자 한다.

Our society is rapidly changing, and there is a growing demand for various convenience services in our daily lives. Among these services, railway and subway stations require tailored wayfinding services to accommodate individuals with disabilities. Currently, signage and information desks are the primary means of navigation. However, individuals with disabilities often rely on assistance from others due to physical discomfort or cognitive impairments. In this paper, we propose a customized wayfinding system within railway stations to assist individuals with disabilities. This system aims to ensure safe and convenient mobility in complex indoor environments, including transfer facilities.

로보택시에 대한 거부감을 낮추고 수용도를 높이기 위해서는, 사용자 친화적인 경험 디자인 요소를 파악하기 위한 선행 연구가 필요하다. 이 연구의 목표는 로보택시의 다양한 설계 요인 간의 우선순위를 분석하여 사용자 경험에 기반한 설계 가이드라인을 제시하는 것이다. 로보택 시의 최상위 가치를 편안함과 안전감으로 설정하고, AHP 기법을 사용하여 4개의 상위 설계 요인과 16개의 하위 디자인 요소에 대한 잠재 탑승 고객들의 중요도 인식 우선순위를 분석하 였다. 분석 결과, 인공지능 에이전트가 가장 중요한 설계 요인으로 평가되었다. 그다음 주행 안내 정보설계, 내부 디자인, 외관 디자인 순으로 중요도가 평가되었다. 이 연구 결과는 로보택 시 관련 전문가들에게 수요자들이 기대하는 설계 요인과 디자인 요소의 중요도 우선순위를 제 시하여, 합리적 의사 결정을 지원하는 사용자 경험 기반 가이드라인으로 활용될 수 있다.

research on user-friendly experience design is crucial to reduce resistance and enhance acceptance of robotaxis. This study analyzes the prioritization of design factors in robotaxi systems and provides design guidelines based on user experience. Using the AHP(Analytic Hierarchy Process) technique, users' perceived importance of four primary design factors and sixteen 16 sub-design elements were assessed, and comfort and safety were top priorities. The results showed that the artificial intelligence agent was the most critical design factor, followed by driving guidance information, interior design, and exterior design. These findings offer valuable insights for robotaxi professionals, and could assist in informed decision-making and creating user-centered design guidelines.

자율주행차량에서 핵심적인 역할을 수행하는 LiDAR는 운전자의 눈을 대신하여 주변 환경 을 검지하는 데 활용되며, 그 역할이 점차 확대되고 있다. 이에 따라 최근에는 자율주행차량에 장착된 LiDAR의 성능을 시험하는 요구가 높아지고 있다. 많은 LiDAR 성능 시험은 시뮬레이 션 및 실내환경에서 수행되고 있어, 실외환경 및 실도로 환경에서의 시험은 미미한 상황이다. 이에 본 연구는 LiDAR 성능을 실내와 실외에서 동일한 조건으로 비교하여, 실내외 시험 간의 관계를 확인하고, 각각의 특징과 역할을 정립하고자 하였다. 실험결과 조광환경(직사광선, 실 내) 및 검지물체에 따라 LiDAR 검지성능이 달라지는 것을 확인하였다. 특히, 거리증가와 강우 량 증가에 따른 Intensity 감소 영향은 실외에서 보다 크게 나타남에 따라 물체에 대한 LiDAR 검지 성능 시험 시 실내외 실험이 모두 필요함을 제시하였다. 본 연구의 결과는 LiDAR 센서 활용 연구 수행 기관 및 LiDAR 대응 시설물 연구 기관에서 유용하게 활용될 것으로 기대된다.

LiDAR plays a key role in autonomous vehicles, where it is used to detect the environment in place of the driver's eyes, and its role is expanding. In recent years, there has been a growing need to test the performance of LiDARs installed in autonomous vehicles. Many LiDAR performance tests have been conducted in simulated and indoor(lab) environments, but the number of tests in outdoor(field) and real-world road environments has been minimal. In this study, we compared LiDAR performance under the same conditions lab and field to determine the relationship between lab and field tests and to establish the characteristics and roles of each test environment. The experimental results showed that LiDAR detection performance varies depending on the lighting environment (direct sunlight, led) and the detected object. In particular, the effect of decreasing intensity due to increasing distance and rainfall is greater outdoors, suggesting that both lab and field experiments are necessary when testing LiDAR detection performance on objects. The results of this study are expected to be useful for organizations conducting research on the use of LiDAR sensors and facilities for LiDAR sensors.

미래 모빌리티 환경에서 인포테인먼트 시스템은 사용자와 차량을 연결하는 중추적 역할을 수행할 것으로 예상된다. 이 연구는 커넥티드카 인포테인먼트 애플리케이션인 안드로이드 오 토의 사용자 리뷰에서 사용자 경험 요인을 도출하고, 만족도에 영향을 미치는 요인을 분석하 여 인포테인먼트 시스템의 만족도 개선 방안을 제안하였다. 이를 위해 인포테인먼트 시스템 사용자 경험 요인을 구성하고, 토픽 모델링을 통해 실제 사용자 리뷰에서 도출한 토픽을 적용 하였다. 감성분석과 로지스틱 회귀분석 결과, 만족도에 긍정적 영향을 미치는 요인으로 사용 용이성과 이해 용이성이, 불만족 요인으로 유연성과 안전성, 유희성이 도출되었으며, 이를 기 반으로 설계 개선 전략을 제안하였다.

In the future, infotainment systems are expected to play a pivotal role in mobility ecosystems connecting users and vehicles. This study draws user-experience factors from reviews of Android Auto, a car infotainment application, and analyzes factors that affect satisfaction. The user-experience factors of infotainment have been redefined based on previous studies. To analyze actual user-experience factors, topics are obtained, applied, and interpreted from user discourse through topic modeling. Sentiment analysis and logistic regression are used to determine positive and negative user-experience factors that affect satisfaction. Results of the empirical analysis show that Ease of Use and Understandability are factors that have the greatest impact on satisfaction, and Flexibility, Safety, and Playfulness are factors that have the most critical effect on dissatisfaction. Therefore, this paper suggests ways to improve the satisfaction level of the infotainment system, and establishes a strategy accordingly.