Earticle

본 연구는 iGLAD 데이터를 활용하여 교통사고 시 발생하는 상해도를 예측하는 머신러닝 모델을 개발하고 평가하는 것을 목적으로 한다. iGLAD는 국제적인 교통사고 데이터베이스로, 상해도 예측에 중요한 7가지 변수를 선정해 분석을 진행했다. 이를 통해 4가지의 머신러닝 모 델들(랜덤 포레스트, 서포트 벡터 머신, 아다부스트, 캣부스트)을 비교하고, 이 중 랜덤 포레스 트가 86%의 가장 높은 정확도를 보이며 최적의 모델로 선정되었다. 본 연구는 교통사고에 의 한 인명 피해 감소와 교통 안전 강화를 위한 정책 및 인프라 개선에 기여할 수 있는 기초 연구 로서의 가치가 있으며, 머신러닝을 활용한 교통사고 예측 및 분석은 교통 시스템의 효율성 증 가 및 사회적 비용 절감에 중요한 역할을 할 것으로 기대된다.

This research focuses on developing and evaluating a machine learning model to predict injury severity in traffic crash, utilizing the iGLAD database. iGLAD, an international traffic crash database, facilitated the analysis through seven critical variables for predicting injury severity. The study extensively compared various machine learning models, including Random Forest, Support Vector Machine, AdaBoost, and CatBoost. Random Forest emerged as the most effective model, showcasing the highest accuracy rate of 86%. This study is valuable as foundational research, contributing significantly to reducing injuries from traffic crash and enhancing overall traffic safety.

본 연구에서는 5대 광역권의 대중교통 이동성 수준을 평가하기 위해, 교통카드와 내비게이 션 데이터 등 교통 빅데이터를 활용하여 개인교통수단 대비 노선버스의 이동성을 권역별로 측 정하고 실증하였다. 분석 결과, ‘승용차 통행시간’에 대한 ‘버스 통행시간’의 상대비율은 1.20~ 2.42배 수준으로 나타났다. 5대 광역시 중 승용차 대비 버스 통행시간 차이가 가장 낮은 광역시 는 대구(1.20배)이며, 그 차이가 가장 큰 광역시는 울산(2.42배)으로 분석되었다. 추가적으로 각 권역별로 승용차·버스 간의 통행속도 상대지표에 대한 첨두·비첨두 집단간 통계검증을 수행하 였으며, 시간대에 대한 대중교통 이동성 지표 차이도 유의한 수준으로 분석되었다. 본 연구를 통해 대도시권별 노선버스 모빌리티 특성을 기반으로 분석된 대중교통 이동성 지표는 교통수 요예측 과정에서의 버스 특성을 현실적으로 모사하기 위한 수단선택모형 기초자료 및 대중교 통 정책 의사결정 등에 활용될 수 있을 것으로 기대된다.

This study used big data on transportation, including transit cards and navigation data, to measure and empirically analyze the mobility of public buses compared to personal vehicles across five major metropolitan areas. The analysis showed that the ratio of ‘bus travel time' to ‘private car travel time' ranged from 1.20 to 2.42 times. Among the five metropolitan cities, Daegu showed the smallest difference in bus travel time compared to private car travel time (1.20 times), while Ulsan showed the largest difference (2.42 times). In addition, statistical tests were conducted for peak and off-peak groups concerning the relative indicators of car and bus travel speeds for each region, and significant differences in bus mobility measures according to the time of day were analyzed. The bus mobility measures analyzed based on the characteristics of public urban buses in large metropolitan areas are expected to be used as fundamental data for mode choice models to analyze bus characteristics realistically in transportation demand forecasting processes and for decision-making in public transportation policies.

교통사고 감소를 위해 다양한 교통안전 활동을 펼친 결과, 국내 교통사고 사망자 수는 2013 년부터 감소세를 보이며 역대 최저 사망자 수(2023년)를 기록했다. 반면, 일반사고에 비해 치사 율이 6배 이상 높은 2차 사고는 지속적으로 발생하고 있어, 이에 대한 관심과 체계적인 대책 마련이 요구된다. 2차 사고는 1차 사고로 인하여 이미 안전장치가 소모되어 2차 충돌로 인한 충격을 흡수하지 못하며, 운전자가 무방비 상태에 놓여 심각도가 매우 높다. 이에 본 연구는 고속도로에서 발생하는 2차 사고의 심각도에 영향을 미치는 요인을 분석하여 2차 사고 심각도 를 줄이기 위한 방안을 제시하였다. 한국도로공사의 최근 10년간 고속도로 2차 사고 데이터를 기반으로 주요 요인들에 대한 통계분석을 실시하여 주야, 사고유형, 사고차종 등 사고 심각도 에 유의미한 영향을 미치는 요인을 도출하였다. 차량 간 통신시스템을 통해 전방사고에 대한 정보를 후속차량들에게 신속하게 전달할 수 있는 방안과 고광도 LED 경고등, 가로등의 깜빡임 과 같은 시각적 정보를 제공하는 방안 등을 모색하였다.

As a result of various traffic safety activities to reduce accidents, the number of traffic fatalities in Korea has been declining since 2013 and reached its lowest number ever in 2023. On the other hand, secondary incidents, which have a fatality rate more than six times higher than accidents in general, continue to occur and require attention and systematic countermeasures. Secondary incidents are serious because safety equipment has already been exhausted after dealing with the primary accident and emergency responders cannot properly deal with the secondary collision, leaving the vehicle occupants at risk. This study analyzes the factors that contribute to the severity of secondary incidents on expressways, and suggests measures to reduce the severity. Based on the most recent 10 years of secondary highway incident data from Korea Expressway Corporation, a statistical analysis was conducted to derive the major factors that significantly affect accident severity, such as day versus night, accident type, and vehicle type. The result is a plan to quickly transmit information about an accident to approaching vehicles by using an inter-vehicle communication system, including a proposal to provide visual information, such as high-brightness LED warning lights and blinking street lights.

국내 화물의 약 90%는 도로를 통해 운송되는 만큼, 화물운송은 도로의 유지보수 및 교통안 전의 측면에서 체계적인 관리가 필요하다. 다만, 기존 화물차량 기종점(origin-destination, O-D) 은 대면조사 및 가구통행실태조사를 기반으로 하고 있기 때문에, 지속가능성, 신뢰성, 시공간 적 해상도 등 여러 측면에서 한계를 가진다. 이러한 한계점을 극복하기 위해 모바일 이동통신 데이터를 활용하는 방법이 주목받고 있으나, 물류 통행의 분석 및 화물 운송에 이를 활용한 연구는 수행되지 않고 있다. 모바일 이동통신 데이터는 높은 표본 수를 가진다는 장점이 있으 나, 모바일 통신기기를 소지한 모든 이용자를 대상으로 수집되기 때문에 화물운전자와 비화물 운전자의 통행 식별이 선행되어야 한다. 따라서, 본 연구는 모바일 이동통신 데이터를 통해 구 축된 트립 체인 데이터의 물류 네트워크 및 O-D 구축에 활용 가능성을 판단하기 위해 트립 체인 데이터 기반 화물운전자 통행 식별 모델을 개발하였으며, 설명가능한 AI를 적용하여 화 물운전자와 비화물운전자의 통행 특성 차이를 확인하였다. 본 연구를 통해 모바일 이동통신 데이터를 활용하여 화물운전자를 분류할 수 있음을 확인하였으며, 향후 다양한 모델과 추가 데이터 수집을 통해 성능을 향상시키는 경우, 화물차량 기종점 구축 및 국내 물류 기본계획 등에서도 활용될 수 있을 것으로 기대한다.

Approximately 90% of domestic cargo is transported by road, necessitating systematic management for road maintenance and traffic safety. However, existing origin-destination (O-D) surveys rely on face-to-face and traffic data collection methods, which have limitations in sustainability, reliability, and spatio-temporal resolution. To address these issues, mobile communication data has gained attention due to its large sample size, but distinguishing cargo drivers from non-cargo drivers is essential. This study developed a cargo driver traffic identification model based on trip chain data from mobile communication data, evaluating its potential for logistics network and O-D construction. Using explainable AI, the study identified traffic characteristic differences between cargo and non-cargo drivers. The findings confirm that mobile communication data can classify cargo drivers, and with enhanced models and additional data, it could support cargo vehicle modeling and national logistics planning.

비자율주행자동차 교통사고와 달리 자율주행자동차가 관여된 교통사고는 예측하기 어려운 위험요소가 존재할 수 있다. 자율주행자동차 상용화 관련 규정 및 제도적 장치 마련을 위해서 는 자율주행자동차 교통사고에 영향을 미치는 요인들을 분석하고 정량화하는 것이 선행되어 야 한다. 따라서, 본 연구에서는 넓은 공간적 범위와 표본 수를 가진 미국 도로교통안전국의 자율주행자동차 교통사고 데이터를 활용하여 교통사고 발생 현황 및 특성 분석과 순서형 로지 스틱 회귀 모형 기반 심각도 영향요인 분석을 수행하였다. 교통사고 심각도 영향요인의 도출 결과, 주행 거리, 교통사고 발생 전 주행 행태, 충돌 대상물이 교통사고 심각도에 영향을 미치 는 것으로 나타났다. 본 연구는 실사고를 기반으로 자율주행자동차 교통사고의 심각도에 영향 을 미치는 요인들을 확인했다는 점에서 의의가 있으며, 도출된 영향 요인들은 향후 자율주행 자동차 교통사고 조사, 관련 규정 및 제도적 장치 마련에 활용될 수 있을 것으로 기대한다.

Unlike non-automated vehicle accidents, traffic accidents involving automated vehicle(AV) may involve various unpredictable risk factors. Therefore, it is crucial to identify and quantify the factors affecting AV accidents to establish relevant regulations and institutional frameworks. This study utilizes AV data published by the U.S. National Highway Traffic Safety Administration, which provides a large sample size and wide spatial coverage, to analyze the occurrence and characteristics of AV accidents. Additionally, an ordinal logistic regression model is employed to assess the factors influencing accident severity. The results indicate that AV driving distance, driving behavior before the accident, and the type of collision object significantly affect accident severity. This research is meaningful as it identifies the key factors influencing the severity of AV accidents based on real-world data. The findings are expected to serve as a foundation for future investigations into AV accidents, as well as for the development of related regulations and institutional measures.

교통수요 분석에 적용되고 있는 생성모델은 현실에 존재하는 복합적인 통행 의사결정을 모사하기 위한 활동기반 모델에 활발히 도입되고 있다. 이는 분석 대상지 내에 현실에서 수집될 수 없는 총인구 정보를 취득하기 위해 주어진 데이터를 활용하여 합성인구 생성 및 위치정보를 포함한 개인단위의 통행 일정 생성까지 통계적으로 유의미한 기초데이터를 모사하는 것을 목표로 한다. 그러나 교통수요 분석을 위해 활용되는 데이터는 미래 시점의 인구정보와 인구구조의 변화(i.e. 통행목적, 수단분담률) 등에 따른 통행행태 변화를 분석할 수 있는 조건에 대해 유연하게 반영할 수 있어야 한다. 따라서 본 연구에서는 조건부 적대적 생성모델을 활용하여 맞춤형 합성인구를 생성할 수 있는 방법론을 제안한다. 가구통행실태조사 자료의 인구정보를 토대로 생성된 데이터의 전반적인 정확성과 다양성은 정밀도(precision)와 재현율(recall)로 측정하여 F1 score 기반의 종합적인 평가를 수행하였고, 특정 조건부에 따라 생성된 데이터는 실제 데이터에서 추출한 인구정보와 비교하여 정확성을 판단하였다. 제안된 모델을 기반으로 다양한 활동기반 모형 분석에 응용될 것으로 기대된다.

The generative models applied to traffic demand analysis are actively being introduced into activity-based models that simulate complex travel decision-making in reality. These models aim to statistically replicate foundational data, including synthetic population generation and individual activity schedules with location information, based on the data available to acquire comprehensive population information that cannot be collected. Nevertheless, the data used for traffic demand analysis must flexibly reflect the conditions that allow for the analysis of future population information and changes in travel behavior (e.g., travel purpose and mode share) due to shifts in the population structure. Therefore, this study proposes a methodology that uses Conditional Generative Adversarial Networks (CGAN) to generate customized synthetic populations. The overall accuracy and diversity of the data generated based on the population information from the Household Travel Survey (HTS) were measured using precision and recall, and a comprehensive evaluation was performed using the F1 score. The accuracy of the data generated under specific conditions was also compared with actual population data. The proposed model can be applied to various activity-based model analyses.

본 연구는 혼합 교통 환경에서 자율주행차(AV)와 사람이 운전하는 차량(HDV)이 교통 흐름 과 환경 지속 가능성에 미치는 영향을 평가하기 위한 통합 거시적 시뮬레이션 프레임워크를 제안한다. 화성시 사례 연구를 통해 다양한 AV 보급률, AV의 자동화 수준, 차량-인프라 간 통 신(V2I) 시나리오를 설정했다. 그 결과, AV 도입과 V2I 구현은 차량주행거리 및 차량주행시간 과 같은 교통흐름 지표에는 제한적인 영향을 미쳤지만, 배출량을 크게 줄였다. 특히, AV 중심 환경에서 이산화탄소 배출량은 HDV중심 환경에 비해 최대 50%까지 감소했으며, 미세먼지도 비슷한 감소율을 보였다. 본 연구는 AV 보급과 V2I 인프라의 증가가 지속 가능성에 미치는 긍정적 영향을 정량적으로 제시했으며, 정책결정자와 도시계획가에게 실질적인 인사이트를 제공했다. 제안된 프레임워크는 다양한 정책 시나리오를 분석할 수 있는 기반을 마련하며, 동 적 교통패턴 및 실제 데이터로 확장하여 보다 발전된 정책 설계를 할 수 있다.

This study proposes an integrated macroscopic simulation framework to evaluate the impact of autonomous vehicles (AVs) and human-driven vehicles (HDVs) on traffic flow and sustainability in mixed traffic environments. A case study explored varying AV adoption rates, automation levels, and vehicle-to-infrastructure (V2I) communication implementations. The results showed that while AV adoption and V2I deployment had limited effects on traffic flow indicators such as vehicle kilometers traveled and vehicle hours traveled, they significantly reduced emissions. CO2 emissions decreased by up to 50% in AV-dominant scenarios compared to HDV-dominant ones. This study highlights the substantial sustainability benefits of increasing AV adoption and expanding V2I infrastructure, offering practical insights for policymakers. The proposed framework provides a foundation for analyzing diverse policy scenarios and can be further enhanced with real-world data for advanced policy development.

램프미터링은 교통혼잡 시 수행되는 교통관리기법으로 교통혼잡 상태의 교통류 특성이 잘 반영되도록 미터링율이 산정되어야 한다. 검지기 데이터 분석 결과에 의하면 소통원활 상태에 서는 점유율이 속도보다 교통량 변화에 따른 교통류 상태를 잘 반영해 주지만 혼잡상태에서는 그 반대로 나타났다. 또한 전후 시간대 교통량 변화에 따른 교통류 변화 특성도 속도가 점유율 보다 잘 반영해주는 것으로 분석되었다. 그리고 속도와 점유율의 전후 시간 차이와 비율에 대 한 상관계수가 비슷하고 전자는 별도의 조정계수가 필요하여 후자를 미터링율 산정에 적용하 였다. 그리고 속도가 용량속도 미만으로 떨어지면 램프미터링이 작동되도록 하고 전후 시간대 속도와 점유율 값의 변화를 고려하여 미터링율이 달리 산정되도록 하여 실시간 변화 특성이 잘 반영되도록 하였다. 시뮬레이션 결과에 의하면 램프 교통량이 적은 경우는 점유율 비율을 이용한 경우가, 램프 교통량이 많은 경우는 속도 비율을 이용한 경우가 통행속도 향상에 유리 한 것으로 분석되었다. 특히 속도 비율 적용이 램프에서 대기차량을 최소화시켜 가장 신뢰성 있는 결과가 도출하여 미터링율 산정에 활용이 기대된다.

Metering rates should be calculated to reflect traffic flow characteristics during traffic congestion. According to detector data analysis, in uncongested traffic, volume reflects traffic flow based on changes in the traffic volume better than using the speed of the traffic. But in congested traffic, the opposite is true. In addition, analysis shows that speed reflects traffic flow changes based on traffic volumes changes from the preceding and following time periods better than traffic volume. The correlation coefficients for the differences between the preceding and following time periods, and the ratio of speed to volume, are similar. The former require a converting coefficient, so the latter applied to calculate the metering rate. In addition, ramp metering is activated when speed falls below the posted speed limit, and the metering rate is calculated differently by considering changes in the values of speed and volume before and after certain times to better reflect real-time traffic changes. Simulation results, found that using the volume ratio is advantageous for estimating speed when ramp traffic volume is low, and the speed ratio is used when ramp traffic volume is high. In particular, the speed ratio is expected to be utilized in calculating the metering rate by minimizing the number of vehicles waiting on the ramp and deriving the most reliable results.

본 연구는 도로 및 교통안전시설, 무인 교통단속용 장비와 과속방지턱이 차량 주행 행태와 도로 안전성에 미치는 영향을 정량적으로 평가하기 위해 수행되었다. 드론 영상과 YOLO v8 알고리즘을 활용하여 차량의 주행 데이터를 수집하고, SSM(Surrogate Safety Measure) 지표를 적용하여 안전시설 설치 유무에 따른 주행 안정성을 분석하였다. 분석 결과, 단속장비 설치 구 간에서 차량 속도가 낮아지고 일정한 주행 패턴과 안정적인 차간거리가 유지되며 주행 안정성 에 긍정적인 영향을 미치는 것으로 나타났다. 반면, 단속장비가 없는 구간에서는 과속 차량 비 율이 높고 주행 속도의 변동성이 커 교통 안전성이 상대적으로 낮아질 가능성을 보였다. 또한 다양한 대리안전지표를 활용하여 단속장비가 설치된 구간의 주행 안전성을 다각도로 평가하 였다. 실제 주행 환경에서 수집된 데이터를 기반으로 객관적인 안전성 분석을 수행한 결과, 단 속장비가 도로 안전성 향상에 기여할 수 있음을 확인하였다. 향후 도로 및 교통안전시설의 설 치 효과를 입증하는 기초 자료로 활용될 수 있으며, 도로 및 교통안전시설의 안전성 평가와 개선 방안을 수립하는 데 중요한 근거가 될 것이다.

This study evaluates the impact of road and traffic safety facilities, specifically unmanned enforcement equipment and speed bumps, on vehicle behavior and road safety. Using drone footage and the YOLO v8 algorithm, driving data were collected and SSM (Surrogate Safety Measure) indicators were applied to assess stability with and without safety facilities. Results show that sections with enforcement equipment exhibit lower speeds, consistent driving patterns, and stable headway distances, positively impacting stability. In contrast, sections without enforcement equipment showed higher speeding rates and speed variability, suggesting lower safety levels. This analysis confirms that enforcement equipment can improve road safety and provides foundational data for future safety evaluations and improvement strategies.

본 연구는 정주기식 교통신호 운영을 개선하기 위해 스마트 교차로에서 수집된 자료를 활 용하여 시간제(time-of-day, TOD) 분할 방법을 구체화하고 그 성능을 평가하는 데 목적이 있다. 이를 위해 클러스터링 기반 방법을 제안하고, 부천시에 있는 교차로 군에서 수집된 영상 검지 기 데이터를 바탕으로 교통량 기반의 TOD를 분류하였다. 또한, 그 결과를 기존 TOD 및 유전 자 알고리즘을 이용하여 최적화한 TOD와 비교하여 클러스터링을 통한 TOD 분할 방법의 제어 지체 감소 효과를 평가하였다. 연구 결과, 클러스터링 기법을 이용한 TOD 분할은 제어 지체 감소 효과를 보이는 것을 확인하였으나, 일부 시간에서 유전자 알고리즘으로 최적화한 것보다 성능이 낮아 최적화 기법 적용 등의 보완 방안의 필요성이 제기되었다.

This study aims to improve fixed-time traffic signal operations by utilizing data collected from smart intersections to refine the time-of-day (TOD) segmentation method and evaluate its performance. To this end, a clustering-based approach is proposed, and traffic volume-based TOD classification was performed using video detector data collected from a group of intersections located in Bucheon City. Furthermore, the results were compared with existing TOD segmentation and TOD optimized using a genetic algorithm to evaluate the effect of clustering-based TOD segmentation on reducing control delay. The study results confirmed that the clustering-based TOD segmentation demonstrated a reduction in control delay; however, in certain time periods, its performance was lower than that of the genetic algorithm-based optimization, highlighting the need for complementary measures such as optimization techniques.

본 연구는 교통사고 예방 목적의 CCTV 관제센터 기반 동적객체 감지 기술 실현 및 실용화 를 위한 기초연구로 YOLOv8을 활용하여 다양한 실험조건에서의 교통객체 감지율을 비교분석 하였다. 전체 학습 데이터셋의 mAP50은 0.952로 실용화가 기대되는 안정적인 감지율을 나타냈 다. 8차선 학원가사거리의 RGB CCTV 영상에서 주간의 전체 감지율이 야간보다 높게 분석되 었으며, 도로규모별 분석결과는 8차선 도로가 2차선 도로보다 객체 감지율이 떨어졌고, 8차선 도로에서 보행자 감지는 차량에 비해 예측력이 낮게 분석되었다. 학원가사거리 횡단보도에서 군집보행과 다량·다종의 모빌리티가 동시다발적으로 나타나는 특징 때문으로 판단된다. 영상 유형별 분석결과, 열화상보다 높은 예측력이 확보된 RGB 영상이 전반적인 교통객체 관제에서 적합한 것으로 나타났다. 향후 기술 실현 및 실용화를 위한 후속연구가 지속적으로 진행되어 국민안전을 위한 지능형 교통관제가 이루어지길 기대한다.

This study compares traffic object detection rates under various experimental conditions using YOLOv8. The mAP50 of the entire learning dataset was 0.952, indicating a stable detection rate that is expected to be put into practical use. In RGB CCTV images of an eight-lane academy street, the overall detection rate during the day was found to be higher than at night. Based on each road size, an eight-lane main road has a lower object detection rate than a two-lane side road, and pedestrians on the eight-lane road had lower predictive power than vehicles. This is believed to be due to the characteristics of walking in clusters at a crosswalk on main roads, simultaneously showing various and large amounts of mobility. From each image type, RGB showed higher predictive power than thermal images, and accordingly, RGB images are considered advantageous for overall traffic object control. It is hoped that follow-up research for the realization and practical use of technology will continue in the future, and through this, intelligent traffic control for public safety will be achieved.This study compares traffic object detection rates under various experimental conditions using YOLOv8. The mAP50 of the entire learning dataset was 0.952, indicating a stable detection rate that is expected to be put into practical use. In RGB CCTV images of an eight-lane academy street, the overall detection rate during the day was found to be higher than at night. Based on each road size, an eight-lane main road has a lower object detection rate than a two-lane side road, and pedestrians on the eight-lane road had lower predictive power than vehicles. This is believed to be due to the characteristics of walking in clusters at a crosswalk on main roads, simultaneously showing various and large amounts of mobility. From each image type, RGB showed higher predictive power than thermal images, and accordingly, RGB images are considered advantageous for overall traffic object control. It is hoped that follow-up research for the realization and practical use of technology will continue in the future, and through this, intelligent traffic control for public safety will be achieved.

C-ITS(Cooperative-Intelligent Transport Systems)는 V2X 통신 기술을 통해 교통 정보를 수집하 고 제공함으로써, 교차로 안전 통행, 사고 예방을 위한 사전 경고 등 다양한 안전 서비스를 지 원한다. 특히, C-ITS는 교차로 사각지대에서 발생한 돌발상황의 정보를 운전자에게 미리 전달 하여 위험 상황을 예방할 수 있다. 그러나, C-ITS 환경에서 돌발상황의 종류와 정보 제공의 방 식에 따라 주행에 미치는 영향이 다르게 나타날 수 있으며, 효율적인 C-ITS 운영을 위해 다양 한 돌발상황에 대한 정보 제공이 주행 안전성과 교통 효율성에 미치는 영향을 종합적으로 평 가할 필요가 있다. 본 연구에서는 교차로 사각지대에서 발생할 수 있는 세 가지 돌발상황(포트 홀, 공사구간, 보행자) 시나리오를 정의하고, 이에 맞춰 C-ITS 기반 현장 실험을 진행하였다. 각 시나리오에서 돌발상황 정보 제공 여부를 비교하기 위해 각 상황의 GNSS 기반 차량 궤적 을 수집하였으며, 구간별 평균 통행속도, 속도 변화량, 통행 시간을 산출하여 돌발상황 정보 제공이 운전 행동에 미치는 영향을 비교 분석하였다. 그 결과, 정보를 제공받는 구간의 운전 행동이 크게 달라졌으며, 보행자 돌발상황 시나리오에서 운전자들이 가장 민감하게 반응하였 다. 이러한 결과는 교차로 사각지대의 돌발상황 종류에 따라 C-ITS 서비스의 효과가 다를 수 있음을 나타내며, 돌발상황 정보에 따라 주행 변화의 민감도 또한 상이할 수 있음을 시사한다.

Cooperative-Intelligent Transport Systems (C-ITS) support various safety services, such as intersection passage and preemptive accident warnings, by collecting and providing traffic information through V2X communication technology. In particular, C-ITS can help prevent hazardous situations in blind spots at intersections by delivering information about incidents to drivers in advance. On the other hand, the impact on driving behavior may vary according to the type of incident and the method of information provision in the C-ITS. A comprehensive evaluation of how the provision of information on various incidents affects driving safety and traffic efficiency is essential to ensure effective C-ITS operations. In this study, three potential scenarios of incidents that can occur in intersection blind spots (potholes, work zones, and pedestrians) were defined, and C-ITS-based field experiments were conducted. GNSS-based vehicle trajectory data were collected for each scenario to compare the effects of information provision on these incidents, with the average speed, speed changes, and travel time across different sections calculated. The analysis revealed statistically significant differences in driving behavior when information was provided, with drivers reacting most sensitively to the pedestrian incident scenario. These findings suggest that the effectiveness of C-ITS services may vary according to the type of incident in intersection blind spots, and the sensitivity to changes in driving behavior can differ based on the type of incident information provided.

차량행태 분석은 교통 시뮬레이션, 자율주행, 교통안전 등 다양한 분야에서 활용되고 있다. 그러나, 널리 알려진 기존 차량행태 모형은 대부분 해외 환경을 기반으로 하여 도로의 구조, 운전자 특성, 법규 등 국내 교통 상황의 특수성을 충분히 반영하지 못하고 있다. 따라서, 해외 환경이 아니라 국내 환경에 맞는 차량행태 분석의 필요한 상태이다. 본 연구에서는 영상분석 을 활용하여 도시부 도로에서의 차량행태 특성을 분석하였다. 기존 교통 CCTV 및 영상 검지 기 기반 연구의 한계를 보완하기 위해 드론을 활용하여 데이터를 수집하고 YOLOv8 객체탐지 모델을 분석에 활용하였다. 대상지에 대한 정지 시 차간거리, 추종 가속도, 출발 가속도, 정지 감속도를 제시하고 비교한 결과, 각 대상지의 물리적 특성 등에 따른 차량 행태의 차이를 확인 하였다. 그러나, 대상지가 제한적이며, 차종 구분이 이루어지지 않았다는 한계점이 존재한다. 분석 범위를 확대하고, 차종 구분을 포함함으로써 보다 현실적인 교통 행태를 반영한 연구를 진행할수 있을 것으로 예상한다.

Vehicle behavior analysis is essential in traffic simulation, autonomous driving, and traffic safety. On the other hand, most existing models are based on foreign environments and do not fully capture the unique characteristics of domestic traffic, including road structures, driver behavior, and regulations. This study addresses this gap by analyzing vehicle behavior on urban roads using video analysis. These limitations of traditional CCTV-based studies were overcome using, drones for data collection and the YOLOv8 object detection model for analysis. The key metrics, including standstill distance, following acceleration, starting acceleration, and stopping deceleration, were examined across sites, revealing behavioral differences linked to the physical site characteristics. Despite the limitations, such as a restricted number of sites and lack of vehicle type classification, expanding the scope and incorporating vehicle types in future research will enable a more accurate representation of vehicle behavior.

본 논문에서는 Lv. 3 이상 자율차의 핸디캡 극복을 위한 필수요소인 자율차의 측위 성능 개선을 위하여, 자율차의 LiDAR를 활용하여 랜드마크 기반 측위보정에 활용 가능한 신규 도로 시설물(측위 지원 시설물)을 개발하고 이에 대한 성능기반의 효과를 검증한다. 기존 도로시설 물을 랜드마크로 활용하는 것보다 일관성이 확보되고, 형상 및 측위지원 과정에서의 활용성 측면에서 유리할 수 있도록 측위 지원 시설물을 제작한다. 자율차의 LiDAR를 활용한 효과검증 결과, 측위지원 성능은 악천후 환경(강우, 안개)에서도 15cm 이내로 개발된 시설물이 자율차 측위보정을 위한 랜드마크로서 활용될 수 있음을 확인하며, 개발된 시설물 및 시설물 활용 체 계를 자율차에 탑재하여 측위보정에 대한 실차 운영 상황에서의 효과를 정량적으로 확인한다.

In this paper, in order to improve the positioning of autonomous vehicles (AV), which is an essential element for overcoming the handicap of AV of Lv. 3 or higher, we develop a new road facility that can be used for landmark-based positioning calibration using mobile LiDAR and verify its performance. The new road facility is manufactured so that it is more consistent than using existing road facilities as landmarks and has an advantage in terms of usability in terms of shape and position calibration process. As a result of the effectiveness verification using mobile LiDAR, the positioning support performance is within 15 cm even in bad weather environments (rain, fog), confirming that the developed facility can be used as a landmark for AV positioning calibration. In addition, the developed facility and facility utilization system are loaded into AV to quantitatively verify the effect on positioning calibration in actual vehicle operation situations.

정부는 4차 산업혁명과 교통 환경 변화에 대응하고 커넥티드카 및 자율주행 기술을 육성하 기 위해 2014년부터 C-ITS 시범사업과 지자체 및 고속도로 실증사업을 추진해왔다. 2024년 지 능형교통체계 기본계획에 따라 디지털 도로체계 구축에 많은 투자가 예상되며, 주요 도시와 고속도로에 C-ITS 인프라가 구축될 전망이다. 그러나 지난 10년간 많은 C-ITS 연구들이 수행 되었음에도, C-ITS 서비스에 대한 종합적인 효과를 분석하고 시사점을 도출하는 연구는 부족 했다. 따라서 본 연구는 2014년 이후 국내에서 추진해왔던 대전-세종 시범사업과 지자체 실증 사업, 고속도로 실증사업의 효과분석 방법론을 종합적으로 제시하고 그 결과를 비교분석 하였 다. 정량적 분석결과는 순응도, 주행안전성, 환경성 분석을 기반으로 제시하였으며 정성적으로 설문조사 분석결과를 기반으로 사업간 비교분석을 수행하였다.

The government has been promoting C-ITS pilot projects and demonstration initiatives for local governments and highways since 2014 to adapt to the Fourth Industrial Revolution and changing transportation environment, aiming to advance connected car and autonomous driving technology. According to the 2024 Intelligent Transport System Master Plan, substantial funding will be allocated to establish a digital road infrastructure, with C-ITS expected to be deployed across major cities and highways. However, despite a decade of C-ITS research, comprehensive analysis of the service’s effectiveness and implications remains limited. Thus, this study presents and compares evaluation methodologies for the Daejeon-Sejong pilot project, as well as for local government and highway demonstration projects conducted since 2014. Quantitative analysis covers conformity, driving safety, and environmental impact, while qualitative analysis compares projects based on survey results.

최근 PM의 증가로 교통사고와 무단 방치 따른 국민 안전 위험이 커지고 있다. 이에 부산시 남구와 금정구 지역 중심으로 공유 PM의 GPS 이용행태와 성향을 분석하였다. 대학생의 경우 통학 목적 PM 이용이 88.9%에 달해 높은 비율을 보였으며, 20,720개 승하차 지점 GPS 데이터 를 통해 PM이 주로 캠퍼스와 주변, 그리고 대중교통과 연계된 라스트마일 수단으로 활용되고 있음을 확인하였다. QGIS열지도 분석을 통해 대학상권과 학생주거지 인근에서 무단방치가 빈 번히 발생하는 것으로 나타나, 이에 대한 정책 개선의 필요성이 제기되었다. 또한 PM경험자의 운행지식수준은 57%로 비경험자보다 35.3% 높아, 경험과 지식수준에 따른 맞춤형 교육의 필 요성이 강조되었다. PM 교육필요성에는 84%가 긍정적으로 응답하였으며, 특히 PM 경험자 과 반수(55.9%)가 20대에 해당하여 10~20대를 중심 교육이 강화되어야 한다.

The recent increase in Personal Mobility (PM) usage has heightened public safety risks, particularly due to traffic accidents and unauthorized parking. This study focuses on analyzing shared PM usage patterns and user behavior in the Nam-gu and Geumjeong-gu districts of Busan, South Korea. Results show that 88.9% of students use PM primarily for commuting, with GPS data from 20,720 pickup and drop-off points confirming that PMs are largely utilized as last-mile solutions around campus areas and in connection with public transportation. QGIS heat map analysis further indicates frequent unauthorized parking in commercial and residential areas near campuses, highlighting the need for targeted policy improvements. Additionally, PM-experienced users demonstrated a 57% higher level of operational knowledge compared to non-experienced users, suggesting a need for tailored educational programs based on experience and knowledge levels. The necessity of PM education was endorsed by 84% of respondents, with over half (55.9%) of PM-experienced users being in their 20s, underscoring the importance of focusing educational efforts on users in their teens and twenties.

본 연구에서는 실차 급제동 테스트를 통해 ABS가 의무장착된 차량들의 마찰계수와 마찰계수 데이터가 전무하였던 전기자동차 마찰계수를 현행화하고자 한다. 이를 위해 차종을 세단과 RV (Recreational Vehicle), 그리고 전기자동차로 구분하여 건조한 노면과 습윤한 노면에서의 급제동 테스트를 실시하였다. 급제동 테스트로 수집된 마찰계수 데이터 중 이상치를 제거하였으며, 이러 한 데이터 전처리 후 차종 간 마찰계수 차이점을 도출하기 위하여 Welch’s t-test를 실시하였다. Welch’s t-검정 결과 건조한 노면에서는 세단과 전기자동차 간의 마찰계수에는 차이가 없는 것으 로 분석되었으나 RV와 세단 그리고 전기자동차 간의 마찰계수는 통계적으로 차이가 있는 것으 로 분석되었다. 반면 습윤한 노면에서는 세단, RV 그리고 전기자동차 마찰계수에 차이가 없는 것으로 분석되었다. 따라서 본 연구에서는 건조한 노면에서 세단과 전기자동차의 마찰계수는 0.93, RV의 마찰계수는 0.90 습윤한 노면에서는 3차종의 마찰계수를 0.73으로 제시한다.

This study aims to update the friction coefficients of vehicles equipped with mandatory ABS and establish the friction coefficient data for electric vehicles, which have previously lacked such data, through actual vehicle emergency braking tests. For this purpose, the vehicles were categorized into sedans, recreational vehicles (RVs), and electric vehicles. The emergency braking tests were conducted on both dry and wet road surfaces. Outliers from the collected friction coefficient data were removed during data pre-processing. A Welch’s t-test was conducted to identify the differences in friction coefficients between vehicle types. The Welch’s t-test results indicated that, on dry road surfaces, there was no significant difference in friction coefficients between sedans and electric vehicles; however, a statistically significant difference was found between RVs and electric vehicles. On wet road surfaces, no significant difference in friction coefficients was observed among sedans, RVs, and electric vehicles. Therefore, this study presents friction coefficients of 0.93 for sedans and electric vehicles and 0.90 for RVs on dry road surfaces, while on wet road surfaces, the friction coefficient for all three vehicle types is 0.73.

구간과속단속은 순간통행속도와 평균통행속도를 측정하는 단속 시스템이다. 그러나 일부 구간은 휴게소와 같은 회피시설이 위치하여 운전자들이 이를 이용해 단속을 회피하고 있다. 회피시설은 평균통행속도를 의도적으로 조절하여 구간 내 과속이 발생하고, 캥거루 운전으로 안전을 위협할 수 있다. 이러한 문제로 단속의 실효성이 떨어진다는 문제점이 제기되었다. 이에 본 연구는 One-way ANOVA를 활용하여 구간과속단속 구간 내 회피시설이 포함된 구간, 포함되 지 않은 구간, 그리고 단속장비가 설치되지 않은 구간을 비교하여 회피시설이 단속에 미치는 영향을 분석하였다. 분석 결과 회피시설이 포함되지 않은 구간의 통행속도와 속도편차가 가장 낮게 나타났다. 3개 구간 간 유의미한 차이를 확인한 결과 회피시설이 포함된 구간과 일반구간은 통행속도와 속도편차가 유사한 수준으로 분석되었으나, 회피시설이 포함되지 않은 구간과는 유의미한 차이가 있는 것으로 분석되었다. 이러한 결과는 구간과속단속 구간 내 회피시설이 포함된 경우 단속의 실효성이 떨어지며 단속을 시행하지 않는 구간과 유사한 것으로 확인되었다.

Section speed enforcement is a system that monitors the instant and average speeds of vehicles. In some areas, however, drivers exploit avoidance facilities such as rest areas to evade enforcement. These facilities allow drivers to deliberately adjust their average speed, resulting in speeding within the section and potentially causing dangerous "kangaroo driving" behavior, which undermines traffic safety. Therefore, concerns have been raised regarding the effectiveness of the enforcement. This study used one-way ANOVA to compare sections with avoidance facilities, sections without such facilities, and sections without enforcement systems to analyze the impact of avoidance facilities on enforcement. The sections without avoidance facilities had the lowest travel speeds and speed variance. Significant differences were observed between the three sections. Sections with avoidance facilities had similar travel speeds and speed variances to general highway sections, while sections without avoidance facilities showed significant differences. These findings suggest that enforcement is less effective in sections with avoidance facilities, making them comparable to non-enforcement sections.

본 연구는 특정 강력범죄 가중처벌 등에 관한 법률 제5조 제13항 및 도로교통법 제12조 (이 하 민식이법) 개정 전·후 어린이 보호구역 내 교통사고 발생 및 심각도의 변화를 비교하고, 어 린이 보호구역 개선이 교통사고 예방에 미친 영향을 분석하는 것을 목적으로 하였다. 연구 대 상 지역은 민식이법 시행 이후 어린이 보호구역 개선과 도로 시설 정비 사업이 진행된 대전광 역시로 선정하였으며, 인과 관계를 통한 효과를 정확히 추정하기 위해 이중차분법 (Difference-in-differences, DID) 기반 성향점수 매칭 (Propensity Score Matching, PSM)을 사용한 비교 분석을 수행하였다. 이를 통해, 어린이 보호구역 설치 및 미설치 구역 간 비교 집단을 구 성하고, 회귀분석을 사용하여 교통사고 및 사고 심각도 변화의 차이를 분석함으로써 민식이법 과 관련된 어린이 보호구역 개선의 정량적 효과를 파악하였다. 분석 결과, 민식이법 이후 어린 이 보호구역 개선이 교통사고 발생과 사고 심각도를 유의미하게 감소시켰음을 확인하였다. 본 연구는 민식이법 시행에 따른 어린이 보호구역 개선의 정책적 효과를 정량적으로 평가하였다 는 점에서 의의가 있으며, 이는 향후 교통안전과 관련된 정책 수립에 중요한 기초 자료로 활용 될 수 있을 것으로 기대된다.

This study is significant because it quantitatively evaluated the effect of school zones, and is expected to provide an important basis for future traffic safety policies. This study compared the changes in the occurrence and severity of traffic accidents in school zones before and after the enforcement of Article 5(13) of the Act on the Aggravated Punishment of Specific Violent Crimes and Article 12 of the Road Traffic Act and analyzed the effect of school zones on traffic accident prevention. The study area selected was Daejeon Metropolitan City, where school zone improvement and road facility maintenance projects have been implemented. This study used propensity score matching (PSM) based on difference-in-differences (DID) to estimate the causal effects accurately. A comparison group was created between districts with and without school zones. In addition, the effect of school zones related to law enforcement was identified by analyzing the differences in the changes in traffic accidents and accident severity using regression analysis. These results showed that the school zone improvement significantly reduced the occurrence and severity of traffic accidents. This study is significant because it quantitatively evaluated the effect of school zones and is expected to provide an essential basis for future traffic safety policies.

전이 학습은 이미 학습된 딥러닝 모델을 초기 모델로 활용하여, 다른 데이터에서 높은 성능 을 발휘하는 기술이다. 특히, 학습에 사용할 데이터의 질과 양이 충분하지 않을 때 전이 학습은 매우 유용한 것으로 알려져 있기에 높은 성능 안정성과 많은 데이터를 필요로 하는 자율주행 차 인식 분야에 응용될 수 있다. 그러나 많은 선행 연구들은 전이 학습 알고리즘 자체의 성능 향상에 초점을 맞추었다. 본 연구는 기존의 알고리즘 중심 접근 방식에서 벗어나, 여러 데이터 셋의 특징 추출기 출력을 융합한 심층 모델 융합 기법을 전이 학습에 적용하고자 한다. 실험 결과, 이러한 심층 모델 융합 기법이 전이 학습의 성능을 향상시킬 수 있음을 확인했다. 이 결 과는 앞으로 데이터가 부족한 자율주행 자동차 분야에서 전이 학습에 활용되어 물체 인지 성 능의 향상을 달성할 수 있을 것으로 기대된다.

Transfer learning is a technique that leverages a deep learning model trained on a specific dataset as an initial model that allows fast training of a high-performing model on another dataset. Because a pre-trained model already learns how to extract the features from previously trained data, it allows for faster and better performance on new datasets compared to models that are initialized randomly. Transfer learning is particularly useful when the quality and quantity of the data to be learned are insufficient. On the other hand, most studies focused on improving the performance of transfer learning algorithms themselves. This study departs from the existing algorithm-centric research approach and aims to incorporate deep model fusion techniques that combine the outputs of feature extractors from different datasets into transfer learning. These experiments show that the application of deep model fusion improves the performance of transfer learning. These findings will be applicable to transfer learning in various domains with limited data.

최근 자율주행차 상용화에 대한 기대감이 커짐에 따라 자율주행차 및 기술에 대한 실증이 점차 증가하고 있다. 정부도 자율주행 기술 경쟁력 강화 및 기술 선점을 위해 자율주행차 시범 운행지구를 조성해 실도로 환경에서 자율주행 기술을 실증하고 있다. 하지만, 실도로에서 기술 이 고도화되지 않은 자율주행차가 일반차와 혼재되어 운행하는 경우 인간과 자율주행 시스템 의 차이로 인해 발생하는 사고가 증가하고 있다. 따라서, 자율주행차가 실도로에서 안전하게 운행할 수 있는 실도로 환경을 조성하고 관제 플랫폼에서 위험 상황에 대한 지속적인 모니터 링이 필요하다. 본 연구에서는 자율주행차의 실도로 운행 데이터와 자율주행 모니터링 지표를 활용해 자율주행 위험도로구간을 도출한다. 또한, 위험도로구간의 도로구간 특성 및 자율주행 차의 운행 특성을 고려해 위험 상황을 분석하고 시범운행지구에서 활용할 수 있는 개선점 및 시사점을 제시한다. 본 연구에서 도출된 모니터링 지표와 위험도로구간 시각화 지도는 시범운 행지구의 관제 플랫폼에 활용되어 효율적인 자율주행 모니터링 시스템을 구축하고 자율주행 차의 안전한 운행을 유도할 것으로 기대한다.

With the growing anticipation of the commercialization of autonomous vehicles, there has been a steady increase in the operational testing of autonomous vehicles and related technologies. The government has established pilot zones for autonomous vehicles to strengthen competitiveness in autonomous driving technologies and secure an early lead, allowing for the testing of these technologies in real road environments. However, as autonomous vehicles with undeveloped technology mix with conventional vehicles on real roads, accidents caused by the differences between human and autonomous driving systems are increasing. Therefore, it is necessary to create a real-road environment where autonomous vehicles can operate safely and to continuously monitor hazardous situations through a monitoring platform.This study uses real-road operation data of autonomous vehicles and monitoring indicators to identify high-risk road segments for autonomous driving. Additionally, it analyzes hazardous situations by considering the characteristics of the road segments and the operating characteristics of autonomous vehicles, and provides improvement points and implications that can be applied in the pilot zones. The monitoring indicators and risk road segment visualization maps derived from this study are expected to be utilized in the monitoring platform of the pilot zones to establish an efficient autonomous driving monitoring system and promote the safe operation of autonomous vehicles.

본 연구는 자율주행 및 로봇 시스템에서의 시각적 장소 인식(Visual Place Recognition, VPR) 성능을 개선하기 위해 열적외선(Thermal Infrared, TIR) 데이터를 융합하는 새로운 방법론을 제 안한다. 제안된 방법론은 Late Fusion 방식을 채택하여, MobileNetV3를 기반으로 각 센서로부터 특징을 추출한 후, MixVPR 네트워크를 통해 두 데이터 정보를 결합한다. 실험 결과, 제안된 방법론은 기존 방법론들과 비교하여 정량, 정성적인 평가에서 우수한 성능을 보였으며, 특히 조도 변화에 따른 성능 저하를 효과적으로 극복할 수 있음을 검증하였다. 이러한 성과는 자율 주행 차량과 로봇 시스템에서 동시적 위치 추정 및 지도 작성(SLAM) 기술의 신뢰성을 높이는 데 기여할 수 있을 것으로 기대된다.

This study proposes a novel approach to enhance Visual Place Recognition (VPR) performance in autonomous driving and robotic systems by integrating Thermal Infrared (TIR) data. The proposed method employs a Late Fusion strategy, extracting features from each sensor using a MobileNetV3- based network and then combining features through the MixVPR network. Experimental results demonstrate that the proposed method outperforms existing approaches in both quantitative and qualitative evaluations, effectively mitigating performance degradation due to the illuminance variations. These findings are expected to contribute to improving the reliability of Simultaneous Localization and Mapping (SLAM) technology in autonomous vehicles and robotic systems.

자율주행 차량의 안전하고 강건한 운행을 위해서는 주변 환경을 정확히 인식하는 것이 매 우 중요하다. 인식을 위한 센서로 많이 사용하는 것은 카메라, 레이더, 라이다 등이 있다. 라이 다 센서는 빛의 성질을 이용하여 주변 환경을 3차원으로 정밀하게 측정할 수 있다. 본 논문에 서는 라이다 센서를 사용하여 객체 인식을 하기 위한 중요한 전처리 단계인 지면 분류 알고리 즘을 제시하였다. 제안된 지면 분류 알고리즘은 자율주행 차량의 주행 경로를 이용하여 관심 영역을 설정하고, 관심 영역 내의 포인트 클라우드를 사용하여 지면 분류를 위한 초기 직선을 설정한다. 초기 직선의 기울기, 절편을 사용하여 확장된 관심 영역에 포함되는 포인트 클라우 드와의 거리를 계산하여 거리가 임계값 이하인 포인트를 지면, 그 외의 포인트를 비지면으로 분류한다. 제안한 알고리즘의 성능을 검증하기 위해 실제 시험 차량에서 취득한 다양한 환경 에서의 데이터를 이용하였다. 다양한 환경에서 지면 및 비지면 분류 결과가 자율주행 운행을 위해 충분한 성능을 보였다. 또한 잡음이 많은 환경에서도 처리 시간이 단축됨을 확인하였다.

For safe and robust operation of autonomous vehicles, accurately perceiving the surrounding environment is crucial. Commonly used sensors for perception include camera, radar, and LiDAR. The LiDAR sensor leverages light properties to measure the surrounding environment in high-precision 3D. This paper presents a ground classification algorithm, an essential preprocessing step for object recognition using LiDAR sensors. The proposed ground classification algorithm sets a region of interest (ROI) based on the driving path of the autonomous vehicle, and establishes an initial line for ground classification by using the point cloud within this ROI. By calculating distances from the expanded ROI’s point cloud to this initial line, based on its slope and intercept, points within a threshold distance are classified as ground, while others are classified as non-ground. To validate the performance of the proposed algorithm, data from various environments captured by a test vehicle were used. The results of ground and non-ground classification across these diverse environments demonstrated sufficient performance for autonomous driving. Additionally, processing time was reduced even in noisy environments.

본 논문은 교통소외지역의 이동권 보장을 위한 자율주행 서비스를 위해 정의된 운행 설계 영역(ODD: Operational Design Domain)을 이탈하는 비정상 주행상황에 대한 대응 제어 시스템 개발에 대한 것이다. 도시 외곽 및 농어촌 지역의 교통 서비스의 지속성 확보를 위해 자율주행 기반 수요응답형 모빌리티 서비스의 원활한 운영을 위해 비정형 도로 환경에서 안정적인 서비스 를 제공하는 기술이 필요하다. 교통소외지역의 불규칙한 주행 환경과 예측 불가능한 상황 발생으 로 인한 ODD 이탈 가능성에 대응해야 한다. 따라서 본 연구에서는 비정상 주행상황을 판단하고, 비정상 주행상황에 따른 최적의 주행 전략을 결정하여 이를 수행하기 위한 제어기를 개발하였다. 개발된 제어기는 실도로 테스트를 통해 그 성능을 검증하였으며, 교통소외지역의 서비스 안정성 향상과 지속 가능한 모빌리티 서비스 제공에 기여할 수 있을 것으로 기대된다.

This paper discusses the development of a control system that responds to abnormal driving situations that involve deviations from the predefined Operational Design Domain (ODD) in autonomous driving services aimed at ensuring mobility access in underserved areas. To maintain the continuity of transportation services in suburban and rural regions, technology capable of providing stable services in unstructured road environments is necessary for the seamless operation of autonomous demand-responsive mobility services. These underserved areas often exhibit irregular driving conditions and unpredictable situations that may lead to ODD departures. Therefore, this study identifies abnormal driving situations and identifies optimal maneuvers for each, developing a control system to implement these maneuvers. The performance of the developed control system was validated through real-road testing, and it is expected to enhance the stability of services in underserved areas, contributing to the provision of sustainable mobility solutions.

현재 국내외 자율주행 관련 연구가 활발하고 현장 데이터의 한계로 인하여 시뮬레이션 기반의 연구가 주로 진행되고 있다. 그러나, 연구의 대상으로 하는 자율주행 기술의 범위와 시뮬레이션 내 구현 방안의 편차에 의해 연구 결과의 경향성을 파악하기 어려운 실정이다. 따라서, 본 연구는 자율주행 관련 연구의 문헌 검토를 기반으로 SAE 기술 단계별 특성을 분석하고, 분석 결과를 바탕으로 향후의 발전 방향을 제시하였다. 분석 결과, 다수 연구에서 SAE 기준과 일치하지 않는 가정으로 자율주행 차량을 구현하는 것으로 나타나 자율주행 기술 수준에 따른 교통 영향 예측과 제도 반영에 혼란을 줄 수 있을 것으로 분석되었다. 또한, 차량 행태 모형의 매개변수 선정에서 연구 간 일관성이 부족하여 비교 분석이 어려운 것으로 나타났으며 자율주행 혼재 시 객체 간의 상호작용, 미래 교통 상황 변화를 고려한 연구가 부족한 것으로 분석되었다. 향후 본 연구의 결과를 바탕으로 시뮬레이션 기반의 자율주행 연구에서 발전된 방향의 연구를 수행하고, 자율주 행 상용화를 위한 사회적 검증 과정에 기여할 수 있을 것으로 기대한다.

Currently, research on autonomous driving is actively conducted both domestically and internationally, with simulation-based studies being predominant due to the limitations of real-world data. However, it is challenging to identify trends in research outcomes due to the varying scopes of autonomous driving technologies and the differences in implementation approaches within simulations. Therefore, this study analyzes the characteristics of each SAE technology level based on a literature review of autonomous driving research and suggests directions for future advancements based on the analysis. The analysis revealed that many studies implement autonomous vehicles with assumptions that do not align with SAE standards, which could lead to confusion in predicting traffic impacts and incorporating regulations based on the level of autonomous driving technology. Furthermore, there is a lack of consistency in parameter selection for vehicle behavior models across studies, making comparative analyses difficult. Additionally, insufficient research has been conducted on interactions between entities in mixed traffic environments and future traffic condition changes. Based on the findings of this study, it is anticipated that future simulation-based research on autonomous driving will progress in more advanced directions and contribute to the social validation process necessary for the commercialization of autonomous driving.

자율주행차는 자율주행시스템이 차량의 제어권을 가지고 있고, 센서를 이용하여 자율주행 의 기능을 구현하는 점에서 사람 운전자와 차이가 있다. 이러한 자율주행 차량과 사람이 운전 하는 차량이 혼재되어 도로를 주행함에 따라, 도로교통 분야에서 많은 변화가 나타날 것으로 예상된다. 특히, 자율주행차는 자율주행 시스템에 의해 주행하므로, 자율주행 시스템이 인지하 지 못하여 기능 해제가 발생하는 구간에 대한 검토가 필요하다. 이러한 관점에서 본 연구에서 는 자율주행 기능을 활성화시켜 기존 도로를 주행하도록 하였으며, 특정 도로 시설물을 통과 하는 상황에서 기능 해제가 발생하는 상황을 분석하였다. 대상 도로 시설물은 단속류와 연속 류에 설치된 시설을 대상으로 선정하였으며, 실제 자율주행 기능을 보유한 차량을 이용하여 주행 테스트를 진행하였다. 분석 결과, 차선 마킹 훼손 또는 단절 구간, 자율차의 차로 유도가 불명확한 구간에서 해제가 발생하였으며, 제한 속도가 변경되는 구간에서 속도 감속 실패로 인한 자율주행 기능의 해제 상황도 발생하였다. 또한, 기능 해제가 발생하는 상황을 예방하기 위한 시사점을 제시하였다. 본 연구의 결과는 자율주행차의 안전한 주행을 위한 기술 개발 연 구에 활용될 수 있을 것으로 기대한다.

Autonomous vehicles(AVs) differ from human-driven vehicles(HVs) in that the AV controls itself, and uses sensors to implement driving functions. As AVs and HVs are driven on the road at the same time, many changes will occur in the traffic flow. In particular, since AVs are controlled by a self-driving system, it is necessary to review any sections where disengagement occurs because the self-driving system is not detecting them. For this study, the autonomous driving function was activated on existing roads, and analyzed in situations when the function was deactivated when passing through road facilities. Target road facilities were selected for interrupted and uninterrupted flow. As a result, deactivation occurred in sections where lane markings were damaged or disconnected, and in sections where AV lane guidance was unclear. In addition, deactivation of the autonomous driving function occurred due to failure to slow down in sections where the speed limit has changed. The results of this study are expected to be used in research on technology development for safe AVs driving.