Earticle

공유자전거 (SBS)는 전세계 많은 도시에서 편리한 이동수단을 제공하며 지속가능한 교통수 단으로 주목받고 있다. 그러나 운영자가 정확한 수요예측 없이 일률적이고 단순한 방법으로 자전거를 공급하고 있기 때문에 여러 대여소에서 보유대수의 불균형 문제에 직면하고 있다. 이를 해결하기 위해서는 각 대여소의 실시간 자전거 대여 및 반납수요가 정확히 추정되어야 한다. 그러나 강수량이 공유자전거 이용에 미치는 영향은 시시각각 변할 뿐만 아니라 주로 이용 자의 판단에 의존하기 때문에, 우천시의 공유자전거 수요 예측은 어려운 문제이다. 따라서 공유 자전거 수요예측 모델에 강수량 정보와 개별 이용자의 판단이 모두 포함될 필요가 있다. 본 연구의 목적은 공유자전거 대여소 수요 예측에 이용자의 인지적 특성을 고려한 강수량의 영향 을 반영하는 최적의 방법을 찾는 것이다. Random Forest와 Long Short-Term Memory (LSTM) Ensemble을 적용하여 강수량 반영 대안별, 시간별 공유 자전거 대여 및 반납 예측 모델이 구축되 었다. 각 대안의 예측 정확도를 종합적으로 비교하여 예측 성능이 가장 좋은 대안이 도출되었다. 연구 결과, 모델에 2시간 예측강수량을 반영할 경우, 예측 정확도가 향상되는 것으로 나타났다. 이는 공유자전거 이용자가 향후 2시간 동안의 강수량을 토대로 임대 여부를 결정한다는 것을 의미한다. 이러한 결과는 공유자전거 운영자가 우천시 대여소별로 적정한 자전거 배치대수를 결정하는 것에 도움이 될 것으로 기대된다.

Shared Bicycle Systems (SBS) are attracting attention as a sustainable transportation method that provides convenient mobility in many cities worldwide. However, operators face imbalances in bicycle inventory across various rental stations because they supply bicycles using uniform and simple methods without accurate demand forecasting. To address this issue, real-time bicycle rental and return demand at each station must be accurately estimated. However, predicting shared bicycle demand during rainy weather is challenging because the impact of precipitation on shared bicycle usage not only changes constantly but also primarily depends on users' decisions. Therefore, shared bicycle demand prediction models need to incorporate both precipitation information and individual users' decisions. This study proposes an optimal method to reflect the impact of precipitation, taking into account users' cognitive characteristics, in predicting the shared bicycle demand at stations. Random Forest and Long Short-Term Memory (LSTM) Ensemble methods were applied to build hourly shared bicycle rental and return prediction models for each precipitation reflection alternative. By comprehensively comparing the prediction accuracy of each alternative, the alternative with the best prediction performance was derived. The research results showed that prediction accuracy improved when next two-hour precipitation was reflected in the model. This indicates that shared bicycle users decide whether to rent based on the precipitation for the next two hours. These results are expected to help shared bicycle operators determine the appropriate number of bicycles to deploy at each station during rainy weather.

본 논문에서는 혼잡교통류의 교통량 변화를 잘 반영해주는 속도차이를 이용한 램프미터링 과 가변속도제어와 차로이용제한을 연계된 동적교통관리방안을 제시하였다. 하류부 속도가 80kph 이하로 떨어지면 램프미터링이 시작되도록 하고 속도가 70kph이하로 떨어지게 되면 교 통혼잡이 급속도로 확산되는 것을 막기 위하여 램프미터링과 함께 정체구간 상류부에 본선미 터링을 실시하여 정체가 확산되는 것을 예방하고자 하였다. 가변속도제한은 용량속도가 70kph 보다 큰 80kph와 90kph를 적용하되 교통량이 각각의 용량이하인 경우에만 이루어지도록 하였 다. 차로이용제한은 교통량이 차로이용제한시의 용량 이하일 때 이루어지도록 하였다. 시뮬레 이션 결과 network 전체 차량의 평균속도는 11.89%-15.14% 증가하였다. 합류부 통과속도는 5.05%-26.71% 증가하고 교통량도 0.41%-1.04%가 증가하는 것으로 나타났다. 후방충돌과 측면 충돌이 각각 15.97-41.68%, 51.53-53.68%로 줄어들고 사고발생 가능성도 작아지는 것으로 나타 났다. 따라서 본 논문에서 제시된 미터링기법을 정체가 발생하는 합류구간 등에 적용 시 본선 교통흐름을 저해하지 않으면서 교통류 개선과 안정화에 기여가 예상된다.

A ramp metering method using speed differences that reflects traffic volume variations in congested traffic well is proposed, and a dynamic traffic management method linked to variable speed limits and lane use restrictions is proposed. When the downstream speed drops below 80 kph, ramp metering is initiated, and when the speed drops below 70 kph, main line metering is implemented upstream of the congested section along with ramp metering to prevent rapid spread of traffic congestion. Variable speed limits of 80 kph and 90 kph, which capacity speeds are higher than 70 kph, but are implemented only when the traffic volume is below the respective capacity. Lane use restrictions are implemented when the traffic volume is below the capacity at the time of lane use restrictions. As results of the simulations, the average speed of all vehicles in the network increased by 11.89%-15.14%. The speed of merging section increased by 5.05%-26.71% and the traffic volume also increased by 0.41%-1.04%. The rear-end collision and the side collision decreased by 15.97-41.68% and 51.53-53.68%, respectively, and the possibility of accidents decreased. Therefore, when the metering method presented in this paper is applied to merging sections where congestion occurs, it is expected to contribute to improving and stabilizing traffic flow without impeding the main line traffic flow.

본 연구는 단거리 전용 통신(DSRC, Dedicated Short-Range Communication)과 영상검지기 데 이터를 융합하여 차량 궤적을 추정하고, 이를 기반으로 도로 구간의 신호 연동성을 정량적으 로 평가할 수 있는 새로운 지표를 제안한다. DSRC 검지차량은 DSRC와 영상검지기 정보를 활 용해 궤적을 추정하였으며, DSRC 비검지차량은 추정된 DSRC 검지차량 궤적과 영상검지기 정 보를 결합해 Variational Theory 기반으로 추정하였다. 이후 추정된 궤적으로부터 개별 차량의 통행속도를 산출하고, 누적확률분포(CDF) 면적을 활용해 신호 연동성을 정량적으로 평가하는 지표를 개발하였다. 시뮬레이션 결과, 기존 연동폭 기반 방식은 초기 대기행렬이나 주행속도 차이로 인한 개별 차량들의 주행 특성 차이를 반영하지 못하였으나, 제안된 지표는 이러한 특 성을 고려해 운전자가 체감하는 신호 연동성을 보다 정확하게 평가할 수 있음이 확인되었다. 또한, 개발된 지표는 실제 교통 데이터를 활용해 신호 연동 수준을 직관적이고 정량적으로 진 단할 수 있어 향후 신호 최적화 및 운영 개선을 위한 의사결정 지원 도구로 활용될 수 있을 것이다.

This study proposes a new evaluation index for traffic signal coordination along road segments by detecting and estimating vehicle trajectories. To achieve this, some vehicle trajectories are estimated using Dedicated Short-Range Communication (DSRC) and Video Detection System (VDS) data, whereas trajectories for other vehicles are estimated based on Variational Theory. The estimated trajectories are then used to propose a new index for signal coordination. The proposed approach evaluates signal coordination based on the speed of individual vehicles in order to assess the real-world signal coordination experienced by drivers. The results show that the proposed index provides more realistic and accurate evaluations compared to traditional bandwidth-based methods, with trajectory-based evaluations yielding more precise results. Simulation analysis demonstrates that the proposed approach enables efficient signal coordination evaluation based on real-time traffic information. This study provides foundational data for the development of efficient signal control systems. Future research should focus on extending the model to account for various intersection environments and traffic conditions, as well as for collecting and verifying data from real-world road environments.

도시철도(지하철) 객차처럼 폐쇄·혼잡한 환경에서 발생할 수 있는 방화·화재·흉기 난동 등 고위험 상황을 조기 포착하기 위해 영상분석 기반의 규칙형 이상상황 감지 알고리즘을 제안한 다. 정상 운행 장면과 함께 2025년 5월 31일 5호선 객차 방화 사건의 CCTV 영상을 활용해 검증 하였으며, 사람 검출에는 YOLOv5s, 다중객체 추적에는 DeepSORT를 사용하였다. 제안 안골리 즘은 가림(occlusion) 상황에서도 ID 일관성을 확보하고, 프레임 단위 평균 속도(avg_speed)와 방향각의 원형 표준편차(dir_std)를 계산한다. 집단이 한쪽 방향으로 빠르게 동조 이동하는 전이 신호를 두 지표로 간단히 포착해 빠른 이상 판단을 가능케 한다는 점이 해당 알고리즘의 핵심 강점이다. 최종 판정은 (avg_speed > 1.700 m/s) OR (dir_std < 91.0°)의 1차 조건을 연속 K=3 프레임 유지하고, 최근 W=13 프레임의 이상 비율 r≥0.45를 만족할 때 ‘이상상황’으로 판단한다. 알고리즘 평가 결과, 프레임 단위 Precision 0.905, Recall 0.909, F1 0.907, Accuracy 0.869를 달성하 였다. 이는 관제의 조기 인지와 2차 피해 억제를 통해 도시철도 안전체계의 고도화를 뒷받침하 며, 제안 로직은 현장 CCTV 기반 조기경보 모듈의 핵심으로 활용될 수 있음을 보여준다.

We present an interpretable, rule based video analysis algorithm for early recognition of high risk events (e.g., arson, fire, knife attacks) inside subway coaches. Validation uses routine operation footage and CCTV from the May 31, 2025 Line 5 arson incident. Using YOLOv5s for person detection and DeepSORT for multi object tracking, we compute frame level average speed (avg_speed) and the circular standard deviation of headings (dir_std) while preserving ID consistency under occlusion. The key advantage is rapid anomaly judgment by capturing collective behavior transitions—a sudden surge of movement aligned in one direction—through two simple statistics. The final decision declares an anomaly when (avg_speed > 1.700 m/s) OR (dir_std < 91.0°) holds for K = 3 consecutive frames and the anomaly fraction within W = 13 satisfies r ≥ 0.45. On the evaluated videos, the method achieved Precision 0.905, Recall 0.909, F1 0.907, and Accuracy 0.869 at the frame level. The results underpin enhancements to urban-rail safety by enabling earlier operator awareness and mitigating secondary harm, and the proposed rule set shows strong potential as a core component of CCTV-based early-warning modules.

본 연구는 GPS 음영 구간인 터널 환경에서 차량의 위치와 주행 방향을 실시간으로 추정하 기 위한 경량 위치 추정 프레임워크를 제안한다. 제안된 시스템은 단일 UWB 앵커와 차량 탑 재 IMU만을 활용하여, 복잡한 인프라 없이도 고정밀 위치 추정이 가능하도록 설계되었다. UWB CIR 신호로부터 지연 확산, 에너지, 엔트로피 등의 특징을 추출하여 NLOS 환경을 자동 감지하고, 거리 보정을 수행하였다. 또한, IMU 기반 방향 인식을 통해 전진·후진 여부를 판별 하고, 칼만 필터를 적용하여 실시간으로 위치를 갱신하였다. 실제 터널 실험을 통해 단일 앵커 구조에서도 평균 거리 오차를 15.56cm 수준으로 줄이고, 궤적의 연속성과 방향성을 안정적으 로 확보함을 입증하였다. 본 연구는 저비용·경량 구조로도 실도로 환경에서 활용 가능한 차량 위치 추정 기술을 제시하며, 지능형 교통안전 시스템 및 터널 사고 대응 시스템의 핵심 구성요 소로 활용될 수 있다.

This study proposes a lightweight vehicle localization framework designed for real-time estimation of position and driving direction in tunnel environments where GPS signals are unavailable. The proposed system utilizes only a single UWB anchor and an on-vehicle IMU, enabling high-precision positioning without relying on a complex infrastructure. Key features such as delay spread, signal energy, and entropy are extracted from the UWB CIR to automatically detect NLOS conditions and apply distance correction. Additionally, IMU-based direction estimation is employed to distinguish between forward and backward movement, and a Kalman filter is applied to continuously update the vehicle's position in real time. Through real tunnel experiments, the system demonstrates an average distance error of just 15.56 cm, even with a single-anchor setup, while maintaining trajectory continuity and directional stability. This study presents a cost-effective and lightweight localization solution suitable for real road environments, and it can serve as a core component of intelligent traffic safety and tunnel incident response systems.

자율주행 기술의 발전은 기존의 교통 시스템을 혁신적으로 바꿀 것이며, 운전자의 역할과 책임을 새롭게 정의할 필요성을 제기시킨다. 본 연구는 국내외 자율주행 관련 법·제도를 분석 하고, 운전자 및 전문가 의견을 수렴하여 실효성 있는 운전면허제도 개편 방안을 모색한다. 본 연구에서는 자율주행 상용화에 대비하여 자율주행차 적용 기술 및 상용화 수준 단계별로 운전 자에게 필요한 요건을 분석하여 운전면허제도 개선의 대안을 도출한다. 이를 위해 자율주행 이용자(운전자, 탑승자) 및 자율주행시스템 측면에서 도로이용자 의견을 조사･수렴하였다. 설 문조사를 통한 시사점은 다음과 같다. 우선, 일반 대중은 현재 상용화된 자율주행차 기술에 대 해 비교적 높은 안전성을 인식하고 있으나, 향후 등장할 고도화된 자율주행 기술에 대해서는 중요성을 충분히 이해하고 있으면서도 직접적인 경험이 부족해 아직까지 신뢰성이 충분히 형 성되지 않은 상태이다. 이는 자율주행 기술의 발전 수준을 고려한 운전면허제도의 개선 방향 설정에 중요한 시사점을 제공한다. 현재 자율주행차 기술은 레벨 2(Lv.2) 수준이 가장 보편화 되어 있으며, 일반 차량과 혼재하여 도로에서 운행되고 있다. 따라서, 기존의 전통적인 운전면 허 제도를 전면적으로 개편하기보다는, 이를 유지하되 자율주행차의 기능과 관련된 내용을 교 육과정에서 적극적으로 반영하여 자율주행 시스템에 대한 신뢰성을 제고할 필요가 있다. 아울 러, 현재 시장에서 보편적으로 활용되고 있는 자율주행 기술의 종류와 기능에 대해 대중을 대 상으로 한 이해도 증진 노력이 함께 요구된다. 이러한 접근은 자율주행 운전면허제도의 단계 별 도입 방안 마련의 기초적 방향성을 제공할 것이며, 궁극적으로 안전하고 효율적인 교통 환 경 조성을 위한 제도적 기반 마련에 기여할 것으로 판단된다.

Autonomous vehicle technology is fundamentally transforming existing transportation systems, highlighting the need to redefine the roles and responsibilities of drivers. This study analyzes domestic and international legal frameworks and policies related to autonomous driving, gathering opinions from both drivers and experts to develop practical strategies for reforming driver licensing systems. Specifically, the study examines driver requirements based on the technological and commercialization levels of autonomous vehicles in order to propose targeted improvements in a licensing framework. To achieve this, opinions were collected from autonomous vehicle drivers and passengers as well as perspectives on autonomous driving systems. Key insights from the survey are as follows. First, while the general public currently perceives relatively high levels of safety in commercially available autonomous vehicle technologies, they recognize the importance of forthcoming advanced autonomous technologies, but they do not trust them owing to limited direct experience. These results suggest the need to enhance existing licensing systems by reflecting current commercialization levels of autonomous driving. Given that Level 2 autonomous technology (which is currently most prevalent on the roads) is mixed with conventional vehicles, existing traditional driver's licensing systems should be maintained, and educational programs on autonomous driving functionalities need to be reinforced. Additionally, a more precise understanding of specific autonomous driving technologies currently on the market is required. Ultimately, this study can contribute to establishing an institutional foundation for a safer and more efficient transportation environment by proposing a phased introduction of autonomous vehicles

자율주행차의 실도로 주행이 증가하며 자율주행이 어려운 상황에서 운전의 주체가 자율주 행 시스템에서 운전자로 전환되는 제어권 전환이 빈번하게 발생한다. 도심부 도로에서의 빈번 한 자율주행차 제어권 전환은 사고를 유발할 수 있어 이를 예방하기 위해 제어권 전환 예측이 필요하다. 제어권 전환 발생 가능성 예측을 위해 제어권 전환 전 시간적 영향범위에 대해 적정 한 범위 설정이 요구된다. 따라서 본 연구는 자율주행차의 제어권 전환 예측을 위한 적정 시간 적 영향범위인 historical time window 도출하는 것을 목적으로 한다. 자율주행차의 실도로 주행 데이터를 수집하여 제어권 전환이 발생하는 지점을 도출하고 5가지 시나리오를 설정하였다. 제어권 전환 발생 데이터셋과 제어권 전환 미발생 데이터셋을 historical time window별 구축하 여 제어권 전환 발생 여부를 구분하였다. 또한 제어권 전환에 영향을 미칠 수 있는 7가지 주행 안전성 평가지표를 선정하였다. 제어권 전환 예측을 위한 적정 historical time window 도출을 위해 의사결정나무 분석을 수행하였으며 7가지 평가지표를 의사결정나무의 입력변수로, 제어 권 전환 발생 여부를 출력변수로 설정하여 모형을 구축하였다. 분석 결과, 7초의 historical time window가 제어권 전환 발생 여부를 분류하는데 정확도가 가장 높은 것으로 도출되었다. 본 연 구의 결과는 자율주행차의 제어권 전환 발생 가능성 예측 시 활용 데이터의 시간적 범위 설정 에 활용할 수 있을 것으로 기대된다.

Takeover occur frequently in situations where autonomous driving is difficult as autonomous vehicles are increasingly driven on the roads. Takeover prediction can prevent accidents caused by frequent takeovers on urban roads. In order to predict the probability of a takeover, it is necessary to set an appropriate time window before the takeover. Therefore, the objective of this study is to derive the historical time window, which is an appropriate historical time window for the takeover prediction of autonomous vehicles. Data was collected from real-world driving data of autonomous vehicles to derive the point where takeover occurs and established five historical time window scenarios. The dataset of takeover occurrence and normal by historical time window was constructed to distinguish whether takeover occurred or not. In addition, seven driving safety evaluation indicators that can affect takeover were considered. Decision tree analysis was performed to derive the appropriate historical time window for predicting a takeover. The model was developed by using seven feature vectors as input variables of the decision tree and whether a takeover occurred as the output variable. The results of the analysis showed that a historical time window of 7 seconds was the most accurate in classifying whether a takeover occurred. The findings of this study are expected to be utilized to establish a historical time window of data to be used to predict the probability of an autonomous vehicle takeover.

최근 정부는 자율주행차량의 상용화를 가속화하며, 2035년까지 보급률을 50% 이상으로 확 대하고 교통사고 사망자를 연간 1,000명 이하로 감축하는 것을 목표로 하는 등 자율주행차 도 입과 안전 확보를 위한 다양한 노력을 기울이고 있다. 본 연구는 이러한 사회적 배경과 더불어, 사고 이후 대응보다 사고 이전의 고위험 상황을 사전에 검지하려는 연구의 필요성에 주목하여 자율주행차 혼재 상황에서의 고위험 요인을 도출하고자 하였다. 이를 위해 기존 문헌, 사고 이 력 및 영상 데이터, 전문가 자문을 바탕으로 관련 데이터를 수집하고 분석하였으며, 문헌 및 프로젝트를 기반으로 6개의 레이어 체계를 기반으로 요인을 분류하였다. 이후 계층분석법 (AHP)을 적용하여 각 요인의 상대적 중요도를 정량화하고, 파레토 법칙을 활용해 최종적으로 28개의 핵심 고위험 요인을 도출하였다. 분석 결과, 자율주행차 혼재 환경에서 고위험 상황을 효과적으로 검지하기 위해서는 인지·판단·제어 오류와 같은 디지털 요인뿐 아니라, 차간 간격 등 차량 간 상호작용과 교통류 특성과 관련된 이동 객체 요인에 주목할 필요가 있음을 확인하 였다. 본 연구 결과는 자율주행차 초기 도입기의 사전 위험 검지 및 안전 확보를 위한 기초자 료로 활용될 수 있으며, 향후 고위험 상황 예측 모델 및 시나리오 개발 등의 후속 연구에 기반 을 제공한다는 점에서 의의가 있다.

The Korean government has recently undertaken various initiatives to accelerate the deployment of autonomous vehicles while ensuring safety, setting goals of achieving a market penetration rate of over 50% by 2035 and reducing annual traffic fatalities to fewer than 1,000. Against this backdrop, this study emphasizes the need for preemptive risk detection rather than post-accident response and seeks to identify high-risk factors that may lead to hazardous situations in mixed traffic environments involving autonomous vehicles. To this end, data were collected and analyzed based on a review of existing literature, accident records and video data, and expert consultations. The identified factors were categorized using the six-layer framework. The Analytic Hierarchy Process (AHP) was then applied to quantify the relative importance of each factor, and the Pareto principle was used to derive 28 key high-risk factors. The analysis showed that effective detection of high-risk situations in mixed traffic environments requires attention not only to digital factors—such as perception, decisionmaking, and control errors of autonomous vehicles—but also to factors related to moving objects including inter-vehicle distance and traffic flow characteristics. These findings offer a foundational resource for preemptive risk detection and safety assurance during the initial phase of autonomous vehicle deployment. Furthermore, the identified risk factors provide a basis for developing risk prediction models and conducting scenario-based safety evaluations in future research.

자율주행 리빙랩은 다양한 목적의 서비스가 공존하는 실증 환경으로, 각 서비스 특성에 적 합한 평가체계의 정립이 요구된다. 본 연구는 국토교통부 자율주행 기술개발 혁신사업의 실증 대상 서비스를 ‘이용자 이동 편의 지원 서비스’와 ‘도시 기능 효율화 서비스’로 구분하고, 서비 스 목적에 따라 사회적 가치 인식이 어떻게 달라지는지를 정량적으로 비교하였다. 이를 위해 목적별 특성을 반영한 평가지표를 구성하고, AHP 기법을 활용하여 항목별 상대적 중요도를 산정하였다. 분석 결과, 두 서비스 유형 간 핵심 가치에 대한 우선순위가 뚜렷하게 상이하였으 며, 기술 안전성은 공통의 핵심 요소로 나타났다. 본 연구는 자율주행 리빙랩 내 복수 서비스의 목적 기반 평가체계를 설계하고, 전략적 정책 기획과 실증 설계의 기반을 마련하는 데 의의를 갖는다.

Autonomous vehicle living labs serve as real-world test beds where various A/V services coexist, necessitating differentiated evaluation frameworks tailored to the purpose of each service. This study classifies pilot services from the Korean Ministry of Land, Infrastructure and Transport’s Autonomous Driving R&D Program into two categories: “user mobility services” and “urban efficiency services.” It aims to quantitatively compare how perceptions of social value differ depending on the service purpose. Evaluation indicators were developed to reflect the characteristics of each service type, and the Analytic Hierarchy Process (AHP) was applied to derive the relative importance of each criterion. The results reveal clear differences in value prioritization between the two service types, while technical safety emerged as a consistently important factor across both. This study contributes to the design of purpose-based evaluation frameworks for autonomous driving services within living lab environments and provides a foundation for strategic policy planning and pilot project design.