Earticle

접근성은 철도 수요를 결정하는 가장 중요한 요소 중 하나이며, 접근통행의 질 개선은 철도 이용률을 높일 수 있는 수단이다. 따라서 철도 수요를 예측하기 위해서는 접근통행에 대한 정 확한 조사가 필요하다. 하지만 현재 국내에서는 접근통행에 대한 간접적인 조사만이 이루어지 고 있으며, 지역 통행특성이 고려되지 않은 접근시간이 일괄적으로 적용되고 있다. 이러한 배 경을 바탕으로 본 연구는 실증데이터인 모빌리티 데이터를 사용하여 접근통행을 정의하고, 지 역별 접근통행 특성을 분석하는 알고리즘을 개발하였다. 접근통행을 정의하기 위해 교통량의 변화율을 확인하였으며, 접근통행의 지역별 특성을 분석하기 위해 DBSCAN으로 군집화를 진 행하였다. 또한 개발된 알고리즘을 검증하기 위해 오송역에 대한 사례연구를 진행하였다. 사례 연구 결과, 청주시는 대중교통이 잘 분산되어 있는 반면, 세종시는 일부 지역에만 서비스가 집 중되어 있는 것으로 나타났다. 대전시의 경우 이동시간이 70분을 초과함에도 불구하고 여전히 오송역을 이용하여 노선을 증설할 필요가 있었다. 이러한 결과는 해당 알고리즘을 통해 접근 통행을 효과적으로 정의하고 분석할 수 있음을 시사하며, 실증데이터로부터 접근통행 특성을 추출할 수 있다는 데 의의가 있다.

Accessibility is one of the most critical factors determining railway demand, and improving the quality of access trips could potentially increase the railway. However, there is no practical way to accurately know where and how people are coming to the station. For those reasons, the access trips and their travel patterns are assumed to be uniformly distributed and have the same speed and travel patterns. Additionally, variables related to access trips, such as access time or speed, are applied as fixed values in the mode choice analysis, which leads to errors in railways demand forecasting and causes the project to fail the preliminary feasibility study. This study proposes an algorithm to define access trips and analyze the characteristics of their travel patterns by region using empirical mobility data instead of survey data. We utilized the traffic volume change rate from the mobility data to define an access boundary and applied DBSCAN to group access trips. Finally, the algorithm was validated using a case study of Osong Station in the Republic of Korea. The results showed that while some areas have a well-distributed public transport system, others have services concentrated in a limited area. In another area, despite travel times exceeding 70 minutes, Osong Station was still used, indicating a need to increase stop routes in that region. These results suggest that the proposed algorithm can be used to define and analyze access trips effectively, and it is significant that access trip characteristics can be extracted from empirical data.

보행자는 보도, 계단 등 다양한 보행자시설을 이용하며, 이러한 시설의 서비스수준은 보행 자의 안전성, 편안함, 만족도뿐만 아니라 시설의 적정 규모를 평가하는 핵심 지표로 활용된다. 이를 위해 도로용량편람에서는 보행자시설의 용량 산정 및 서비스수준 평가를 위한 기준을 제 시하고 있다. 그러나 기존 도로용량편람의 계단 분석방법을 적용하여 서비스수준을 산정할 경 우, 보행량이 많음에도 불구하고 A 수준으로 평가되는 문제가 발생할 수 있으며, 이는 실제 보행 환경을 반영하지 못하는 한계를 갖는다. 특히 부정확한 서비스수준 평가로 인해 계단의 적절한 폭을 확보하지 못할 경우, 보행자의 안전과 보행 환경에 부정적인 영향을 미칠 가능성 이 높다. 이에 본 연구에서는 지하철 역사 승강장 내 계단을 대상으로 보행교통류율, 보행밀도, 보행속도 등을 실측하여 기존 서비스수준 기준의 한계를 분석하고, 보다 현실적인 계단 서비 스수준 기준을 도출하였다. 분석 결과, 본 연구에서 제안한 새로운 기준이 실제 보행 환경을 보다 현실적으로 반영할 수 있음을 확인하였다. 이를 통해 보다 합리적인 계단 설계 및 운영 기준을 마련하는 데 기여할 수 있을 것으로 기대된다.

People utilize various pedestrian facilities, including sidewalks and stairways, and the level of service (LOS) of these facilities serves as a key indicator for assessing pedestrian safety, comfort, satisfaction, and the appropriate facility capacity. To this end, the Highway Capacity Manual provides guidelines for estimating pedestrian facility capacity and evaluating LOS. However, inaccurate LOS assessments of stairways may lead to insufficient stair widths, negatively impacting pedestrian safety and walking conditions. This study conducts an empirical investigation of flow characteristics, including pedestrian volumes, walking speeds, densities, and flow rates on stairways in subway stations. Based on this analysis, the limitations of existing LOS criteria are identified, and more realistic stairway capacity and LOS thresholds that reflect contemporary pedestrian behavior are proposed.

지정차로제는 교통류 관리 측면에서 차량 유형별 차로 이용을 규제해 혼잡을 줄이고 교통사고 를 예방하는 데 중요한 역할을 한다. 그러나 많은 운전자들이 이를 알고도 법규를 준수하지 않아 관리와 감시 시스템의 개선 필요성이 제기된다. 본 연구는 지정차로제 위반을 검지하기 위해 시각 거대언어모형(large language model, LLM)과 합성곱 심층신경망(convolutional neural network, CNN) 기반 multi-modal 알고리즘을 제안한다. 연구 과정에서 국내 도로 주행 영상을 수집하고, LLM 프롬프트를 정의해 도로 이미지 정보를 추출하였다. 이를 바탕으로 multi-modal CNN 모델을 학습시켰다. 분석 결과, 제안된 모델은 단순히 이미지나 텍스트만 학습한 비교대상 모델보다 높은 정확도를 보였다. 본 연구는 정보가 없는 이미지에서 LLM을 활용해 정보를 추출 하고, 이를 바탕으로 학습된 모델을 이용하여 지정차로제 위반을 검지함으로써 도로교통 안정성 향상에 기여할 것으로 기대된다.

The designated lane system plays a crucial role in reducing congestion and preventing traffic accidents by regulating lane usage based on the vehicle types from a traffic flow management perspective. On the other hand, non-compliance remains prevalent despite the drivers' awareness of the regulations, highlighting the need for improved monitoring and enforcement systems. This study proposes a multi-modal algorithm for detecting designated lane violations using a combination of large language models (LLMs) and convolutional neural networks (CNNs). This research collected driving footage from domestic roads, and LLM prompts were defined to extract road image information. A multi-modal CNN model was trained based on this, and its results were analyzed. The proposed model showed higher accuracy than traditional models trained solely on either image or text data. This study is expected to improve road traffic safety by leveraging LLMs to extract information from raw images and using a trained model to detect designated lane violations effectively.

자율협력주행의 안전성을 확보하기 위해 자율주행 및 차량 간의 통신은 필수적이다. 본 연 구에서 제시하는 TSB 주행은 선두 차량의 진행 방향을 나타내는 yaw와 방향성의 차이인 yaw_ iff(yaw_difference)를 사용하였다. 곡선과 직선 주행의 주행을 달리하기 위하여 모델이 예측한 값은 주행 모드 결정의 기준으로 사용한다. 정보 전달을 위해 V2X 네트워크를 기반으로 실험 을 진행하였고, 주행 경로 오차를 줄이기 위하여 TSB 주행 간에 선두 차량의 현재 위치를 보정 값으로 활용하였다. 보정 비율은 25:1이 가장 적정한 값으로 도출되었고, 이를 보정 빈도로 사 용하였다. Carla Autopilot, waypoints 기반 주행과 비교를 진행한 결과, 추종 차량의 연산량을 줄이기 위해 제시한 TSB 주행 또한 안전한 주행이 가능하다는 것을 확인하였다. 따라서 TSB 주행을 통한 안전하고 효율적인 자율주행 환경을 제시한다.

In order to secure the safety of autonomous cooperative driving, autonomous driving and communication between vehicles are essential. TSB driving proposed in this study used the yaw of the leading vehicle and the yaw_diff, which is the direction of the vehicle. The values predicted by the model to differ the driving of curved and straight lines are used as criteria for determining the driving mode. An experiment was conducted based on the V2X network for information delivery, and the current position of the leading vehicle during TSB driving was used as a correction value to reduce the driving route error. The correction ratio was 25:1 was derived as the most appropriate value, and this was used as the correction frequency. As a result of comparing with Carla Autopilot and waypoints-based driving, it was confirmed that the TSB driving proposed to reduce the computational amount of the following vehicle is also possible. Therefore, it presents a safe and efficient autonomous driving environment through TSB driving.

어린이 보호구역은 교통사고 예방을 위해 제한속도 하향 및 교통안전시설을 도입하고 있으 나, 이러한 조치의 중·장기적 효과에 대한 연구는 부족하다. 기존 연구들은 교통안전시설이 단 기적으로 속도 저감에 기여한다고 보고하였지만, 운전자가 반복된 시각 자극에 익숙해지면서 감속 효과가 점차 감소할 가능성이 제기되고 있다. 본 연구는 강원도 동해시의 두 보호구역을 대상으로 디지털 교통안전 표지판 설치 전후의 차량 속도와 제한속도 준수율 변화를 분석하고 감속 효과의 지속성을 검토하였다. 사전 및 사후 1·2차 조사를 실시하고 AI 기반 영상 분석 기법을 통해 시간평균속도와 제한속도 순응률을 산출하였다. 분석 결과, 표지판 설치 직후에는 최대 18.2%의 속도 저감과 6.5%p의 순응률 증가가 나타났으나, 사후 2차 조사에서는 효과가 일부 감소하였고, 특히 야간에서 저감 효과 약화가 뚜렷하게 관찰되었다. 이는 습관화와 주의 력 분산 등 운전자 인지 특성에 기인한 것으로 해석되며, 감속 유도 효과의 지속을 위해 운전 자 행동 특성에 기반한 맞춤형 대책이 요구된다. 본 연구는 디지털 표지판의 실효성을 실증적 으로 검토하고 지속 가능한 교통안전 정책 수립에 시사점을 제공한다.

School zones are designated to prevent traffic accidents through measures such as speed limit reductions and the installation of traffic safety facilities. However, there is a lack of research on whether these effects are sustained over time. While previous studies have demonstrated the short-term effectiveness of such interventions, there is growing concern that drivers may become desensitized to repeated visual stimuli, leading to a gradual decline in speed reduction behavior. This study examined changes in vehicle speed and speed limit compliance before and after the installation of digital traffic signs in two school zones in Donghae, South Korea, and evaluated the long-term effectiveness of these signs. Using AI-based video analysis, time-mean speed and speed limit compliance rates were measured through pre-installation and two follow-up surveys. The results showed that immediately after installation, daytime speeds decreased by up to 18.2%, and compliance rates improved by 6.5 percentage points. However, these effects diminished over time, particularly during nighttime hours. This suggests that driver habituation and attentional decline may reduce the effectiveness of digital signage over time. The findings underscore the need for driver behavior– based, adaptive safety strategies to sustain speed reduction in school zones.

우리나라 전세버스 시장은 이용수요 대비 공급량의 지속적인 증가로 가격 덤핑, 안전관리 미흡 등의 문제점을 야기하고 있다. 이러한 문제를 해결하기 위해 국토교통부는 전세버스 과 잉 공급으로 인해 발생되는 문제를 해결하기 위해 시장의 수요와 공급 상태를 진단하여 차량 증차 여부를 결정하는 수급조절(수요, 공급 조절) 정책을 시행하고 있다. 수급조절 정책의 시행 여부를 결정하기 위해서는 전세버스 수요(이용자)와 공급(전세버스 운행대수)량을 정확히 예 측해야 한다. 본 연구에서는 과거 1983년부터 2024년까지 전세버스를 이용한 이용객수를 수요 량으로 보고, 전세버스 등록대수를 공급량으로 하여 향후 2030년까지의 수요, 공급 상황을 예 측하였다. 적용한 예측 방법론은 시계열 분석에 사용하는 지수평활법과 ARIMA 모형을 활용 하였다. 예측 결과, 수요량과 공급량 모두 ARIMA 모형의 예측정확성이 높았다. 예측모형은 2024년부터 2030년까지 수요량과 공급량 모두 지속적으로 증가할 것으로 전망하였다.

Accurately predicting and regulating the supply and demand of charter buses is essential for establishing transportation policies and stabilizing the market. However, in recent years, the charter bus market has been faced with a continued rise in supply compared to demand, resulting in issues in the market, such as price dumping by bus operators, inadequate safety management, and the proliferation of contract drivers. In this study, the number of charter bus passengers from 1983 to 2024 was set as the demand volume and the number of charter bus registrations was set as the supply volume to predict the demand and supply situation until 2030. The forecasting methodologies applied in this study are exponential smoothing and ARIMA models, which are commonly used in time series analysis. The results showed that the ARIMA models outperformed exponential smoothing in terms of predictive accuracy. Based on the results, it is projected that both demand and supply for chartered buses will continue to rise from 2024 to 2030

본 연구에서는 무인교통단속장비의 단속 건수 데이터의 시계열적 특성과 이에 영향을 주는 요인에 대해 분석하였다. 이를 위해 최근 2년(2022-2023년) 동안 전국 17개 시·도 경찰청에서 단속 건수가 가장 많은 5개씩 총 85개소의 일별 단속 건수와 설치 환경에 대한 자료를 수집하 였다. 연구 결과, ARIMA 모형을 통해 증가, 감소, 횡보 세 가지의 뚜렷한 시계열 추세유형을 확인하였으며, 설치 환경에 따른 아홉 가지 독립변수를 통해 시계열 추세에 유의미한 영향을 주는 요인을 탐색하였다. 연구결과를 바탕으로 무인단속장비의 운영효율성과 교통안전성을 높일 수 있는 정책을 제언하였다.

This study analyzes the time-series characteristics of enforcement counts recorded by automated traffic enforcement systems and the factors influencing these patterns. Using data from the top five enforcement locations in each of 17 provincial police agencies in South Korea over two years (2022 to 2023), ARIMA modeling resulted in the identification of three distinct time-series trends, viz., growth, decline, and stagnation. In addition, nine independent variables related to installation conditions were examined to determine whether they significantly impacted these trends. Based on our findings, policy recommendations are proposed to enhance the operational efficiency of automated traffic enforcement systems and improve overall traffic safety.

개인형 이동장치 이용의 증가로 교통사고, 불법주차 등 다양한 교통문제가 발생하고 있다. 하지만 개인형 이동장치 안전과 관련된 연구는 대부분 개인형 이동장치 이용특성과 관련되어 있다. 본 연구에서는 안전한 개인형 이동장치 이용을 위한 도로환경 분야의 개선항목에 대해 살펴보고 항목의 우선순위를 도출하였다. 선행연구 텍스트마이닝, FGI를 통해 도로환경 개선 요인 13가지를 도출하였고, AHP를 통해 개선항목의 우선순위를 선정하였다. 분석결과 도로시 설 측면에서는 자전거도로 설치, 교통안전시설 측면에서는 노면표시와 안전표시판 설치, 교통 안전제도 측면에서는 보도통행 금지단속이 가장 우선순위가 높았다. 이는 개인형 이동장치 안 전을 위해서는 PM과 보행자, 자동차를 분리가 가장 우선되어야 한다는 것을 의미한다. 본 연 구 결과는 개인형 이동장치를 비롯한 자전거도로 설치 등 안전성을 높이기 위한 계획과 정책 마련 시에 방향성과 우선순위를 설정하는데 활용 할 수 있을 것으로 기대된다.

As the use of personal mobility devices increases, various traffic problems, such as accidents, are increasing. Accordingly, by using AHP this study derives 13 road environment improvement factors for the safe use of personal mobility devices their priorities. Analysis shows that the highest priority in terms of road facilities is the installation of bicycle lanes; in terms of traffic safety facilities, it is installation of road markings and safety signs; in terms of traffic safety systems, it is a crackdown on sidewalk traffic prohibition. This means improving the current road environment should be a priority, and the results of this study can be used to set appropriate directions when establishing plans and policies to enhance safety.

본 논문에서는 27–32 GHz의 주파수 대역에서 동작하는 Ka-대역 결합선로 커플러에 대한 설계 및 해석을 제안한다. 제안된 Ka-대역 커플러는 밀리미터파 주파수에 적합한 구조인 접지 형 동평면 도파관(coplanar waveguide with ground, CPWG) 기술을 기반으로 하였다. 본 연구에 서는 CPWG 기반 Ka-대역 결합선로 커플러에 대한 이론적 해석, 설계 및 시뮬레이션을 중점적 으로 다룬다. 커플링 비율와 목표 동작 주파수 특성을 만족시키기 위해 선폭, 선로 길이 및 선 로 간 간격 등 주요 설계 변수들이 체계적으로 최적화되었다. 제안된 커플러는 우수한 결합 특성을 나타내며, 5G 시스템에 적합한 특성을 가진다. 소형화, 낮은 손실, 높은 격리도 특성으 로 인해 밀리미터파 집적 회로에 적합하다.

This paper proposes an design and analysis of a Ka-band coupled line coupler operating in the 27–32 GHz frequency range. The proposed Ka-band coupler utilizes a coplanar waveguide with ground (CPWG) technology, which is suitable for millimeter-wave frequencies. This study focused on the theoretical analysis, design, and simulation of the CPWG-based Ka-band coupled line coupler. The key design parameters, including the line width, length, and gap distance, were optimized systematically to achieve the desired coupling ratio and operating frequency. The proposed coupler exhibited excellent coupling characteristics, rendering it suitable for 5G systems. Its compact size, low loss, and high isolation render it an appealing choice for integrated millimeter-wave circuitry.

자율주행차량의 기술 발전과 보급률 증가로 인해 기존 비자율주행차량 교통사고와는 다른 유형의 사고가 새롭게 등장하고 있다. 본 연구는 다양한 센서를 기반으로 주행하는 자율주행 차량의 교통사고 원인을 분석하기 위해, 은닉 마르크프 모델(HMM)을 활용한 사고원인 추적 방법을 제안한다. 제안된 모델은 전체 사고 발생과정을 충돌 전(Pre-crash), 충돌 상태(In-crash), 충돌 후(Post-crash)로 구분하고, 각 단계의 상태 전이와 주요 요인 간 상호작용을 확률적 접근 법으로 분석할 수 있도록 설계되었다. 또한 3W (Who, Why, What) 포맷을 기반으로 주요 자율 주행교통사고 시나리오를 제시하여 모델의 활용 가능성을 검증하였다. 본 모델은 복잡한 사고 원인을 체계적으로 분석하는 데 높은 성능을 보이며, 특히 Pre-crash 단계에서 알 수 없는 블랙 데이터인 은닉 상태를 효과적으로 추적하여 사고 대응 및 예방에 기여할 것으로 기대된다.

With the advancement of autonomous vehicle technology and its increasing adoption, new types of accidents distinct from those involving conventional vehicles have emerged. This study proposes a Hidden Markov Model (HMM)-based approach to systematically track and analyze the causes of autonomous vehicle accidents. The proposed model categorizes the accident process into three stages: Pre-crash, In-crash, and Post-crash. It is designed to analyze the transitions between states in each stage and the interactions among key factors using a probabilistic approach. Furthermore, the study introduces practical applications of the model by presenting major autonomous vehicle accident scenarios based on the 3W (Who, Why, What) framework. The model demonstrates high performance in systematically analyzing complex accident causes, particularly by effectively tracking hidden states, or "black data," in the Pre-crash stage. This capability is expected to contribute significantly to improving accident response and prevention.

자율주행차는 차량 영상 센서를 이용해 다양한 교통신호등을 인식해야 한다. 교통신호등은 보행자, 버스, 차량용 신호 표시를 표출하고 있어 도로 환경에서의 시각적 이미지 데이터를 다 양하게 만들 수 있다. 본 논문에서는 14종의 교통신호등 표시를 갖는 26,864장의 원천 데이터 셋을 사용했고, 원천 데이터는 도로를 주행하는 상황의 운전자 시선 관점에서 교통신호등과 배경을 포함한 FHD 데이터이다. 원천 데이터셋은 14종의 클래스 유형을 가지며 도로 주행 환 경에서 다양한 배경과 인스턴스를 포함한다. 원천 데이터셋은 클래스별 데이터 편향성을 포함 하고 있으므로 본 연구에서는 데이터 불균형성을 분석하고, 데이터를 최적으로 증강한 후 원 천 데이터와 증강 데이터의 교통신호등 인식 성능을 비교했다. 이때 실험에 사용한 학습 모델 은 YOLOv11이고, 데이터 증강 데이터로 학습한 교통신호등 인식 모델의 성능은 원천 데이터 셋 보다 향상된 0.973의 결과를 얻었다. 본 논문에서는 교통신호등 인식 성능 향상을 위해 데이 터 불균형 분석과 데이터 증강 최적화 방법을 제안하였다.

Autonomous vehicles rely on onboard vision sensors to recognize various traffic signals for pedestrians, buses, and vehicles, contributing to diverse visual data in road environments. This study utilizes a dataset of 26,864 images containing 14 types of traffic signal displays. The raw dataset consists of Full HD images captured from a driver’s perspective, including both traffic signals and background elements in real driving scenarios. Since the dataset exhibits class imbalance, this study analyzes the imbalance, applies optimal data augmentation techniques, and compares traffic signal recognition performance between the raw and augmentated datasets. The YOLOv11 model was used for training, and the model trained with augmented data achieved an improved recognition performance of 0.973. This study proposes data imbalance analysis and optimized data augmentation methods to enhance traffic signal recognition performance.

본 논문은 자율주행 시스템의 안전성을 확보하기 위해 복잡한 도심 환경에서 Fail-Operational 설계를 제안하고 검증하였다. 회전 교차로는 곡률 반경, 도로 경계, 진입 및 탈출 조건이 복합적으 로 작용하여 조향 및 속도 제어의 정밀성과 안정성이 요구되는 환경으로, 경찰청 교통사고 데이 터를 기반으로 주요 단독 사고 유형을 분석하여 시나리오를 도출하였다. ISO 26262 Part 3의 개념 설계 단계에 따라 주요 기능의 오작동 가능성을 평가하고, ASIL 등급 산출을 통해 가속, 감속, 조향 기능의 Fail-Operational 설계를 구체화하였다. 이를 통해 고장 탐지 및 복구 메커니즘을 포함한 1oo2D 안전 매커니즘을 설계하였다. 회전 교차로와 같은 복잡한 도로 환경에서 자율주행 시스템의 안전성 강화를 위한 실질적인 설계 방안을 제시하며, Fail-Operational 설계를 MIL 기반 시뮬레이션을 통해 주요 오류 주입 시나리오에서 설계의 유효성을 검증하였다.

This paper proposes and validates a Fail-Operational design to ensure the safety of autonomous driving systems in complex urban environments. Roundabouts, which combine various factors such as curvature radius, road boundaries, and entry/exit conditions, demand high precision and stability in steering and speed control. Based on traffic accident data from the National Police Agency, key single-vehicle accident types were analyzed to derive representative scenarios. Following the concept phase outlined in ISO 26262 Part 3, the potential malfunctions of critical functions were evaluated, and ASIL levels were determined to formulate detailed Fail-Operational designs for acceleration, deceleration, and steering functionalities. Subsequently, a 1oo2D safety mechanism incorporating fault detection and recovery strategies was developed. This study presents practical design methodologies to enhance the safety of autonomous driving systems in complex traffic conditions, such as roundabouts, and verifies the efficacy of the Fail-Operational design through MIL-based simulations and fault injection scenarios.

본 연구는 협력주행 통신장치 장착 실차 안전 성능 평가법의 실효성을 검증하기 위해 차량 2대를 활용한 V2V(Vehicle to Vehicle) 통신 실도로 평가를 수행하였다. 기존 연구에서 수신지 점이 고정된 상태에서 실험이 진행된 반면, 본 연구에서는 실제 도로 환경을 반영하기 위해 이동하는 차량 간의 통신을 기반으로 평가법을 수정하고 검증을 진행하였다. 직선로, 교차로, 경사로 환경에서 3가지 정적 평가(원거리 직선로, 경사로 상승·하강) 및 3가지 동적 평가(근거 리에서 원거리 직선, 원거리에서 근거리 직선, 교차로)를 수행하였으며, 표준도로(K-City) 환경 에서도 동일한 검증을 진행하였다. 실험 결과, 표준도로 기반 평가법이 실도로 조건에서도 적 절하게 적용될 수 있음을 확인하였는데, 본 연구를 통해 표준도로와 실도로 간 평가 결과의 일관성을 확인하였으며, 두 환경 모두 기존 연구에서 제시한 성능 적합 기준인 수신 세기(RSSI, Received Signal Strength Indicator) 및 패킷 에러율(PER, packet Error Rate) 조건을 충족함을 확인 하였다. 이를 통해 평가법이 실도로에서도 V2X(Vehicle to everything) 통신장치의 성능을 신뢰 성 있게 반영할 수 있고 보편적 적용이 가능함을 확인하였다.

This study evaluates the effectiveness of a real vehicle safety performance assessment method for cooperative driving communication devices through a V2V(Vehicle to Vehicle) communication test on actual roads using two vehicles. Unlike previous studies, where experiments were conducted with fixed receiving points, this research modifies the assessment method to reflect real-world road conditions by utilizing moving vehicles for communication verification. The evaluation includes three static tests (long-distance straight road, uphill, and downhill) and three dynamic tests (short-to-long distance straight road, long-to-short distance straight road, and intersection) in various environments such as straight roads, intersections, and slopes. Additionally, the same verification was conducted in a standardized test environment (K-City). The results confirm that the standardized road-based assessment method can be effectively applied in real-road conditions. This study verifies the consistency between standardized and real-road evaluations and confirms that both environments meet the performance suitability criteria suggested in previous research, including received signal strength indicator (RSSI) and packet error rate (PER). These findings demonstrate that the assessment method reliably reflects V2X(Vehicle to everything) communication device performance in real-road conditions and can be widely applied.