Earticle

코로나바이러스감염증-19(COVID-19) 유행은 우리 사회에 큰 영향을 미쳤다. 고령자의 경우 COVID-19에 취약하고 통행 제약이 크므로, 지하철의 교통카드 자료를 이용해 COVID-19가 역 별 고령자의 통행량에 미친 영향을 연구하고자 한다. 이를 위해 COVID-19 발생 전후 3개년 간의 고령자 하차통행량과 지하철역 주변 환경 관련 변수 사이에 다중선형회귀분석을 시행하 여 서로 비교하였다. 분석 기간 전체에서 지하철 환승 노선 수, 하천 유무, 전통시장 면적, 한방 병의원 수, 문화시설 수, 대형상업시설 수 등이 고령자의 통행량에 긍정적인 영향을 미치는 것 으로 나타났으며, COVID-19 이후 대중교통 관련 변수와 종사자 수, 실내 여가시설의 영향은 감소하고 야외 시설, 전통문화 관련 시설의 영향은 더 커지는 것으로 분석되었다. 이러한 결과 는 서울시 고령자의 통행에 팬데믹으로 인해 분명한 변화가 있었음을 시사하며, 향후 고령자 에게 더 안전하고 접근성 있는 환경을 만들 근거가 될 것으로 보인다.

The COVID-19 pandemic significantly impacted societies, particularly the elderly with higher susceptibility and mobility constraints. This study investigates COVID-19's influence on elderly travel at subway stations using card data. Analyzing pre/post-COVID-19 data via multilinear regression, we found factors like subway transfer lines, presence of rivers, the area of traditional markets, number of traditional Korean medicine clinics, number of cultural facilities, and number of large commercial facilities correlated positively with elderly travel. Post-COVID-19, effects of variables related to public transportation and employment, and indoor leisure facilities decreased, while the effects of outdoor and traditional culture-related facilities increased. These findings indicate significant pandemic-induced alterations in the mobility patterns of senior citizens in Seoul, highlighting shifts towards safer, more accessible environments.

본 연구에서는 갓길차로제 운영시작속도 외에 종료속도와 최소운영시간 등을 포함하는 동 적 갓길차로제 알고리즘을 개발하고 운영방안을 제시하였다. 알고리즘은 1단계는 red로 갓길 차로의 차량통행이 금지된다. 2단계는 red amber로 운전자들에게는 갓길차로 통행을 예고해주 고 운영자에게는 갓길차로에 차량통행을 방해할 요소가 있는지를 점검할 시간을 주게 된다. 3단계는 green으로 갓길차로의 차량통행이 허용되는 단계이다. 4단계는 amber로 차량통행은 허용되면서 갓길차로 종료가 임박했다는 신호를 운전자들에게 주게 된다. 그리고 green 과 red 에는 최소운영시간을 적용하되 red의 경우에는 정체가 심한 경우 조기 종료되도록 하여 정체 가 악화되지 않도록 하고 본선램프미터링과 차로수 조화로 상‧하류부 교통류를 안정적으로 관 리되도록 하였다. 운영기준속도는 고속도로를 이용하는 차량과 운전자 특성을 반영하고 시뮬 레이션한 결과를 토대로 소통측면과 안전측면을 고려하여 7090을 최적 운영기준속도로 선정 하였다. 최소운영시간은 갓길차로가 운영되는 개별 링크거리를 최저속도로 나눈 통행시간을 제안하여 통행의 연속성이 확보되도록 하였다.

This study, developed a dynamic hard shoulder running(HSR) algorithm that includes ending speed and minimum operation time in addition to the starting speed for HSR, and presented an operation plan. The first stage of the algorithm was red, which means vehicles are prohibited from HSR. The second stage is red/amber, in which drivers are notified of HSR, and operators are given time to check whether there is any obstacle to HSR. Stage 3 is green, which vehicles are permitted for HSR. Stage 4 is amber, in which a signal is given to drivers that the end of HSR is imminent. In addition, a minimum time is applied to green and red, but if congestion is severe, red is terminated early to prevent congestion from worsening. The upstream and downstream traffic flow is managed stably through main line ramp metering and lane number matching. The operating standard speed reflects the characteristics of vehicles and drivers, and based on simulation results, 7090 was selected as the optimal operating standard speed considering traffic flow and safety aspects. Therefore it is desirable to apply the travel time divided by the minimum speed of the HSR link as the minimum operating time in order to ensure continuity of traffic flow

본 연구는 자전거도로에서의 사고 예방 및 위험요소 관리를 위해 이동형 IoT 센서 장비 운 용을 위한 자전거도로 위험 감지요소 선정 및 서비스 적용방안을 제시하였다. 전문가 심층조 사를 통해 12개의 자전거도로 위험 감지요소를 도출하였고, 도로·교통 전문가 30명을 대상으 로 Fuzzy AHP 기반의 중요도 분석을 수행하였다. 그 결과, 시인성이 낮으나 사고 위험성이 높 은 포장상태 손상(전체 1순위), 환경적 장애요소(2순위)가 최상위권에 선정되었다. 중상위권으 로는 단절노선 발생(4순위), 인공적 장애요소(5순위), 유효 폭(6순위), 배수 불량(7순위) 등 시설 관리 요소들이 선정되었다. 노면표시 손실(11순위), 여유공간 폭(12순위)과 같이 직접적인 사고 유발 요인이 아닌 요소들은 최하위권에 선정되었다. 이를 토대로 자전거도로 위험 감지 서비 스 적용방안 및 실시간성에 따른 서비스 운영전략을 함께 제시하였다. 향후 자전거도로 유형 별 분석, 서비스 실증 및 시범운영 등 후속연구가 활발히 진행되어, 국민들이 안전하게 이용할 수 있는 자전거도로 운영 및 관리가 이루어지길 기대한다.

This study selected bicycle road hazard detection factors for mobile IoT sensor device operation and developed service application plans. Twelve bicycle road hazard detection factors were derived through a focused group interview, and a fuzzy AHP-based importance analysis was conducted on 30 road and transportation experts. As a result, ‘damage to pavement’ (1st overall) and ‘environmental obstacle’ (2nd) with low visibility but a high risk of accidents were selected the most. The factors in terms of facility management, such as ‘disconnected route occurrence’ (4th), ‘artificial obstacle’ (5th), ‘effective width’ (6th), and ‘poor drainage’ (7th), were selected as the upper and middle areas. Factors that are not direct accident-inducing factors, such as ‘loss of road markings’ (11th) and ‘free space width’ (12th), were selected the least. Based on this, a plan was presented to apply the bicycle road hazard detection service and a service operation strategy according to real-time performance. Nevertheless, follow-up studies, such as human behavioral analysis based on bicycle operators, analysis according to the bicycle road type, service demonstration, and pilot operation, will be needed to develop safe bicycle road management is expected.

최근 자율주행 차량을 지원하기 위한 다양한 신규 ITS 서비스들이 등장하고 있다. 인프라 가이던스 서비스도 자율차의 주행능력을 향상시킴으로서 비자율차 운전자와 조화를 이루는 교통흐름을 유도하기 위해 등장한 신규 ITS 서비스중 하나이다. 이와 같은 신규 ITS서비스를 도입하기 위한 검증절차로서 연구자는 시뮬레이션 및 테스트베드 검증 등을 수행하게 된다. 그러나 도로에서 발생할 수 있는 다양한 공간적, 상황적 범위를 모두 고려한 테스트 시나리오 수립에는 현실적 어려움이 발생한다. 본 연구에서는 자율주행 신기술로서 연구를 수행중인 인 프라 가이던스 서비스를 중심으로 신규 ITS 서비스 검증을 위한 테스트 시나리오 설계방법에 대하여 제시하고자 한다.

Various new ITS Services to support autonomous vehicles. Infra-guidance service is also one of the new ITS services that have emerged to harmonize the traffic flow in mixed traffic by assisting autonomous vehicles. As a verification procedure to introduce a new ITS service, use cases and scenarios will be established for various spatial and situational ranges that may occur on the road, and limited test operations and living lab pilot operations will be performed. On the other hand, numerous cases occur depending on environmental factors such as the traffic volume at the time of service operation, weather and road geometric characteristics. This study presents a test scenario design method for verifying new ITS services, focusing on the infra-guidance service that is being researched as an emerging autonomous driving-supported technology.

본 연구는 기존 지자체 단위로 한정되어 지역 내에서만 운영한 긴급차량 우선신호 시스템 을 지역 경계를 넘어 광역단위로 운영할 수 있는 긴급차량 우선신호시스템에 대한 운영평가를 수행하였다. 긴급차량의 출동데이터와 통행속도 데이터를 활용하여 광역 및 지역 긴급차량 운 행시 통행속도 단축률을 분석하였다. 고양시 지역출동은 50.8%, 광역출동은 55.8% 단축되었고, 파주시 지역출동은 55.1%, 광역출동은 62.5% 단축되었다. 응급구조시 주변 큰 병원이 없는 경 우 파주시에서 고양시로 출동이 많은 것을 확인하는 등 광역 긴급차량 우선신호시스템은 지역 경계를 벗어나 긴급차량이 출동때 효과성이 입증되었다. 본 연구를 통해 광역 긴급차량 우선 신호시스템의 확산에 도움을 주고자 한다.

This study conducted an operational evaluation of an emergency vehicle preemption system that can be operated as a wide-area unit beyond the boundaries of local governments. Analyzed the speed reduction rate of emergency vehicle dispatch data and traffic speed data to analyze the speed reduction rate of emergency vehicles operating in a wide area and region. In Goyang City, local dispatches were reduced by 50.8% and regional dispatches by 55.8%, while in Paju City, local dispatches were reduced by 55.1% and regional dispatches by 62.5%. The wide-area emergency vehicle preemption system proved to be effective when emergency vehicles were dispatched outside of local boundaries, such as confirming that there were many dispatches from Paju-si to Goyang-si when there were no large hospitals nearby. This study aims to help spread the wide-area emergency vehicle preemption system. Translated with DeepL.com (free version)

최근 데이터 수집 기술의 발달은 모바일 데이터 등의 실제 통행이 반영된 데이터가 폭발적 으로 증가시키며, 이러한 데이터들을 활용한 교통분야 연구 또한 촉진 시킨다. 본 연구에서는 모바일 데이터 궤적정보와 수단별 주요 교통유발시설 데이터를 매칭하여 모델링 없이 지역간 통행수단을 추정하는 방법론을 개발하였다. 개별 수단통행은 통행궤적 내 교통유발시설 유무, 통행시간, 접근통행 유무 등의 규칙에 따라 분류되었다. 서울, 청주에 거주하는 908명의 개별 통행궤적 데이터에 제안된 방법론을 적용하였고, 통행 다이어리 데이터의 기록된 수단과의 비 교 결과를 Type Ⅰ and Ⅱ error 결과표로 나타내어 방법론의 정확도 검증을 수행하였다. 검증 결과, 본 연구에서 개발한 방법론은 항공수단 1.00, 철도수단 0.955, 버스수단 0.73 수준의 F1-Score를 보이는 것으로 나타났다.

The recent development of data collection technology, which conveys various travel data in real-world such as mobile data and probe vehicle data, facilitates transportation planners identifying specified spatio-temporal travel patterns. In this study, an easily implementable travel mode classification methodology was proposed to classify inter-regional trip-modes without modeling by superimposing trajectories generated from mobile phone signaling and transportation infrastructure points into a polygon scale of a shapefile in a GIS system. Each regional mode trip was classified according to the rules such as the presence of transportation infrastructure in the trip trajectory, travel time, and the presence of access trips. An accuracy test generates Type Ⅰ and Type Ⅱ error results table to verify the proposed methodology. As a result, it was found that the methodology developed showed the F1-Score of the air mode 1.00, rail mode 0.95, bus mode 0.73.

무인 자율차의 공도 주행이 허용됨에 따라 연구에 활용가능한 자율차의 실도로 주행 데이터 가 증가하는 추세이다. 따라서 혼합교통류 상황에서 실제 자율차가 교통안전에 미치는 영향을 분석할 수 있게 되었다. 자율차가 교통안전에 미치는 영향을 파악하기 위해서는 자율차의 주행 행태를 효과적으로 반영할 수 있는 평가지표의 활용이 요구된다. 본 연구의 목적은 Waymo Open Dataset을 통해 자율차의 주행행태를 분석하여 단속류 도로 구간별 주행안정성을 평가하 기 위한 주요 지표를 도출하는 것이다. 주성분 분석을 통해 단속류 도로 구간별 데이터에 대한 설명력이 높은 평가지표를 선별하고 주요 평가지표로 정의하였다. 이때, 종방향과 횡방향 주행 안정성을 구분하여 각각에 대한 주요 평가지표를 제시하였다. 이후 동일한 주요 평가지표가 도출된 단속류 도로 구간을 대상으로 주행안정성을 비교하였다. 비신호교차로 대비 곡선 단일 로 구간에서 종방향 주행안정성이 약 35.48% 높게 도출되었다. 횡방향 주행안정성의 경우 비신 호교차로 대비 신호교차로 구간에서 주행안정성이 76.08% 높게 도출되었으며, 직선 단일로가 곡선 단일로에 비해 146.87% 높은 것으로 도출되었다. 본 연구의 결과는 자율차의 실도로 주행 데이터를 활용한 자율차의 교통안전 영향 분석 시 기초 자료로 활용할 수 있을 것으로 기대된다.

As autonomous vehicles are allowed to drive on public roads, there is an increasing amount of on-road data available for research. It has therefore become possible to analyze impacts of autonomous vehicles on traffic safety using real-world data. It is necessary to use indicators that are well-representative of the driving behavior of autonomous vehicles to understand the implications of them on traffic safety. This study aims to derive indicators that effectively reflect the driving stability of autonomous vehicles by analyzing the driving behavior using the Waymo Open Dataset. Principal component analysis was adopted to derive indicators with high explanatory capability for the dataset. Driving stability indicators were separated into longitudinal and lateral ones. The road segments on the dataset were divided into four based on the characteristics of each, which were signalized and unsignalized intersections, tangent road section, and curved road section. The longitudinal driving stability was 35.48% higher in the curved road sections compared to the unsignalized intersections. With regard to the lateral driving stability, the driving stability was 76.08% higher in the signalized intersections than in the unsignalized intersections. The comparison between curved and tangent road segments showed that tangent roads are 146.87% higher regarding lateral driving stability. The results of this study are valuable for the further research to analyze the impact of autonomous vehicles on traffic safety using real-world data.

자율주차의 요소 중 하나인 경로계획(Path-planning)을 제안한다. 실제 주차장을 참고하여 수 직주차와 수평주차로 주차장의 차로 너비, 주차 공간의 너비, 길이 등 주차장 구조와 주차 환경 을 다양하게 설정한다. 출발점와 도착지점 등 각도와 환경을 다양하게 설정하여 경로데이터를 수집하고 수집한 데이터를 Deep Learning model에 넣어 학습시켜 자동주차경로계획 모델을 제 안한다. 분석결과, 기 알고리즘(Hybrid A-star, Reeds-Shepp Curve)과 딥러닝 모델 모두 장애물에 충돌하지 않고 비슷한 경로를 생성하지만, 거리와 소모시간이 각각 0.59%, 0.61% 감소하여 효 율적인 경로가 생성되었다. 또한, Switching point도 1.3개에서 1.2개로 감소하여 직진과 후진을 최대한으로 줄여 운전자의 피로를 줄일 수 있을거라 생각된다. 마지막으로 경로생성시간은 42.76% 감소하여 효율적이고 신속한 경로생성이 가능하여 향후 자율주행 중 자율주차의 경로 계획생성에 활용될 수 있으며, 차량작도에 따라 이동하는 주차로봇의 경로생성에도 활용될 수 있을 것으로 보인다.

Several studies have focused on developing the safest and most efficient path from the current location to the available parking area for vehicles entering a parking lot. In the present study, the parking lot structure and parking environment such as the lane width, width, and length of the parking space, were vaired by referring to the actual parking lot with vertical and horizontal parking. An automatic parking path planning model was proposed by collecting path data by various setting angles and environments such as a starting point and an arrival point, by putting the collected data into a deep learning model. The existing algorithm(Hybrid A-star, Reeds-Shepp Curve) and the deep learning model generate similar paths without colliding with obstacles. The distance and the consumption time were reduced by 0.59% and 0.61%, respectively, resulting in more efficient paths. The switching point could be decreased from 1.3 to 1.2 to reduce driver fatigue by maximizing straight and backward movement. Finally, the path generation time is reduced by 42.76%, enabling efficient and rapid path generation, which can be used to create a path plan for autonomous parking during autonomous driving in the future, and it is expected to be used to create a path for parking robots that move according to vehicle construction.