Earticle

본 연구는 교통사고 심각도를 정량적으로 측정하기 위해 대물피해환산법(EPDO: Equivalent Property Damage Only) 지표를 활용하고, 이를 기반으로 고속도로 2차 사고의 심각도 결정 요인 을 규명하였다. 분석 자료는 한국도로공사 관할 고속도로에서 발생한 최근 10년간의 사고 데 이터(2014~2023)이며, 기초통계와 상관분석을 거쳐 강건 회귀(Robust Regression)와 분위수 회 귀(Quantile Regression)를 적용하였다. 분석 결과, 사고 규모와 사고 유형이 심각도에 가장 큰 영향을 미쳤으며, 특히 고심각도 구간에서 그 효과가 더욱 두드러졌다. 반면, 날씨·노면 상태와 같은 환경 요인은 상대적으로 제한적인 영향을 보였다. 이러한 결과는 기존의 범주형 접근의 한계를 보완하며, 사고 심각도를 사회적 비용 차원에서 정량화할 수 있는 대안을 제시한다. 정 책적으로는 다중 차량사고와 보행자 사고를 핵심 관리 대상으로 설정하고, 고속도로 2차 사고 예방을 위한 차별화된 안전대책 마련이 필요함을 시사한다.

This study applied the Equivalent Property Damage Only (EPDO) index to quantify the traffic accident severity and examined the determinants of severity in secondary accidents on expressways. The analysis was based on a ten-year dataset (2014–2023) from the Korea Expressway Corporation. Descriptive statistics and correlation analysis were first conducted, followed by robust regression (RR) and quantile regression (QR) to identify the key influencing factors. The results showed that the accident scale (number of vehicles involved) and accident type (particularly pedestrian accidents) had the most significant effects on severity, with these effects being more pronounced in high-severity accidents. In contrast, environmental conditions such as weather and road surface played a relatively minor role. These findings address the limitations of conventional ordinal categorical approaches by introducing an EPDO-based framework for quantifying the severity of accidents in terms of social cost. From a policy perspective, this study highlights multi-vehicle and pedestrian accidents as priority targets and underscores the need for differentiated safety measures to prevent secondary accidents on expressways.

본 연구는 농촌 지역의 고령화와 대중교통 서비스 한계에 대응하여, 수요응답형 교통(Demand Responsive Transport, DRT)의 효율적이고 지속가능한 운영 전략을 도출하는 것을 목적으로 한다. 이를 위해 활동기반모형과 심층생성모델을 결합하여 장래 인구 구조 변화를 반영한 합성인구를 구축하고, 개인 단위의 통행 수요를 재현하였다. DRT 운영의 핵심 요인인 수요 특성, 이용자 특성, 차량군 구성을 변수로 설정하여 충청남도 홍성군을 대상으로 총 27개 시나리오를 완전요인 설계 방식으로 시뮬레이션하였다. 분석 결과, 고령화로 인한 수요 증가(2021년 대비 2039년)는 서비스 거부율을 2.6%에서 35.1%로, 평균 대기시간을 527초에서 856초로 약 62% 증가시키며 서비스 품질을 저하시켰다. 또한 차량군 구성은 운영 효율성과 사용자 만족도 간의 뚜렷한 상충 관계를 보였다. 이러한 결과는 농촌 지역에서 정적 운영이 아닌, 인구구조 변화와 수요 수준에 대응하는 탄력적·적응형 DRT 운영 전략이 필요함을 시사한다. 다만 본 연구는 홍성군 사례에 기반하고 있어 결과의 일반화에는 한계가 있으며, 향후에는 다양한 지역 특성과 공간구조를 고려한 확장 연구를 통해 방법론의 적용 가능성을 보다 체계적으로 검증할 필요가 있다.

This study addresses the limitations of public transport in aging rural areas by exploring operation strategies for Demand-Responsive Transport (DRT). We integrate an activity-based model with a deep generative model to construct a synthetic population reflecting future demographic change and to reproduce individual travel demand. Using Hongseong County (Korea) as a case study, we simulate 27 scenarios in a full-factorial design that varies demand characteristics, passenger group size, and vehicle fleet configuration. Results show that demand growth driven by population aging (from 2021 to 2039) increases the service rejection rate from 2.6% to 35.1% and average waiting time from 527 to 856 seconds—an increase of more than 62%—ultimately degrading overall service quality. Fleet configuration exhibits a clear trade-off between operational efficiency and user experience. These findings suggest that rural DRT systems require dynamic and adaptive fleet allocation rather than static, fixed operations to accommodate shifts in population structure and demand levels. However, because this study is based on a single case region (Hongseong), the generalizability of the quantitative results is limited. Future research should apply the proposed framework to diverse rural contexts with varying demographic and spatial characteristics to more rigorously assess its applicability and to develop generalizable operational guidelines.

내리막 구간에서는 차량이 쉽게 과속 상태에 이르러 제동거리가 증가하고, 이로 인해 사고 위험이 커진다. 2024년 기준 우리나라 내리막 구간에서 발생한 교통사고 100건당 사망자 수를 의미하는 치사율은 2.52명으로, 전체 교통사고 평균의 약 두 배 수준이다. 이러한 위험을 완화 하기 위한 대표적인 개선 대책으로 미끄럼방지포장이 활용되고 있다. 본 연구는 내리막 구간 에서 미끄럼방지포장이 교통사고에 미치는 영향을 정량적으로 분석한다. 이를 위해 경상북도 국도 중 종단경사 5% 이상이면서 미끄럼방지포장이 설치된 11개 구간을 실험군으로, 교통량 과 기하구조가 유사한 32개 구간을 비교군으로 선정하였다. 이후 TAAS에 구축된 2008–2018 년 교통사고 자료를 활용하여 비교그룹 방법(Comparison Group Method)으로 미끄럼방지포장 설치 전·후의 사고 변화를 분석하였다. 그 결과, 내리막 구간의 전체 사고 건수는 설치 이후 72.6% 감소하는 것으로 나타났다. 이는 미끄럼방지포장이 내리막 구간에서 사고 발생 가능성 을 유의하게 낮추는 효과적인 도로안전시설임을 시사한다.

Vehicles tend to accelerate easily on downhill slopes, leading to longer braking distances and an increased risk of crashes. In Korea, the fatality rate on downhill slopes was 2.52 in 2024, approximately twice the national average for all road crashes. Anti-skid pavement has been a widely implemented countermeasure to mitigate such risks. This study examined the effects of anti-skid pavement on traffic crashes occurring on downhill slopes. Eleven downhill sections of national highways in Gyeongsangbuk-do with a longitudinal grade of 5% or more were selected as the treatment group, while 32 sections with similar traffic volumes and geometric characteristics were selected as the comparison group. Using the crash data from 2008 to 2018 obtained from the Traffic Accident Analysis System (TAAS), the Comparison Group Method was applied to examine the changes in crashes before and after installing anti-skid pavement. The results show that the total number of crashes on downhill slopes decreased by 72.6% after installation. These findings suggest that anti-skid pavement is an effective road safety treatment that significantly reduces the crash likelihood on downhill slopes.

본 연구는 도시부 단속류 도로에서 돌발상황 발생 시 교통 흐름 변화와 영향권을 예측할 수 있는 모형을 개발하고 검증하는 것을 목표로 수행되었다. 돌발상황으로 인해 발생하는 대 기행렬 및 교통 흐름의 변화를 시뮬레이션을 통해 분석하였으며, 다양한 시나리오를 설정하여 상류부와 하류부 구간의 교통량 변화 및 대기행렬의 길이를 예측하였다. 특히, 신호 교차로와 돌발상황 발생 지점의 상호작용을 반영한 이론적 모형을 제안하고, 이를 VISSIM 시뮬레이션 을 통해 검증하였다. 분석 결과, 돌발상황 발생 시 상류부에서는 대기행렬이 증가하고, 하류부 에서는 신호체계에 따라 대기행렬의 변화가 달라지는 양상을 보였다. 본 연구는 교통관리 시 스템의 효과적인 운영과 돌발상황 대응체계의 고도화에 기여할 것으로 기대된다.

This study was conducted to develop and verify a model that can predict traffic flow changes and the sphere of influence in the event of an unexpected situation on an interrupted road in urban areas. The changes in queues and traffic flows caused by unexpected situations were analyzed through simulation, and the traffic volume changes and the length of the queue were predicted in the upstream and downstream sections by setting various scenarios. In particular, a theoretical model reflecting the interactions between the signal intersection and the point of occurrence of an unexpected situation was proposed, which was certified through a VISSIM simulation. The analysis showed that when an unexpected situation occurs, the changes in the queue increase in the upstream part. In addition, the queue varies according to the signal system in the queue due to the signal system in the downstream part. This study is expected to contribute to the effective operation of the traffic management system and the advances in the unexpected situation response system.

최근 기후 변화로 인한 기상 악화 빈도의 증가와 공유 모빌리티의 확산 속에서, 날씨가 교 통수단 선택 및 수단 간 통행 전이에 미치는 영향을 파악하는 것은 도시 교통 계획의 중요한 과제가 되었다. 본 연구는 2023년 대전시 데이터를 활용해 기상 충격(강수·폭염·한파)이 공유 자전거(타슈)와 대중교통 이용에 미치는 영향을 VAR(Vector AutoRegression) 모형으로 분석했 다. 통행 목적의 이질성을 고려해 데이터를 주중-첨두, 주중-비첨두, 주말로 구분하여 분석을 수행하였다. 충격반응함수(IRF) 분석 결과, 기상 충격 발생 시 타슈 이용량은 모든 그룹에서 즉각적으로 급감하였다. 특히 통행 필수성이 높은 주중-첨두시간대에는 타슈 이탈 수요가 버 스가 아닌 지하철로 유의미하게 전이되는 ‘비대칭적 수단 대체 효과’가 뚜렷하게 관찰되었다. 반면, 여가 통행 위주인 주말에는 수단 대체보다는 통행 자체를 포기하는 효과가 지배적이었 다. 또한, 예측오차 분산분해(FEVD) 분석을 통해 지하철 이용량은 구조적으로 버스 이용량에 깊게 의존하고 있음이 확인되었다. 본 연구는 악천후 시 지하철의 회복 탄력성을 실증하였으 며, 기상 예보 연동 지하철 탄력 운영과 지하철-버스 간 끊김 없는 환승 연계 환경 조성을 핵심 정책으로 제언한다.

As climate change increases the frequency of adverse weather events, understanding their impact on shared mobility has become critical for urban transportation planning. This study empirically investigates the dynamic modal shift effects of weather shocks—specifically rain, heat waves, and cold waves—on shared bicycles (Tashu) and public transportation in Daejeon Metropolitan City. Using hourly traffic data from 2023, a Vector AutoRegression (VAR) model was constructed. To account for heterogeneity in trip purposes, the data were categorized into Weekday-Peak, Weekday-Off-Peak, and Weekend groups. The Impulse Response Function (IRF) analysis revealed that shared bicycle ridership significantly declined immediately upon the occurrence of weather shocks across all groups. A distinct "asymmetric modal substitution" was observed in Weekday-Peak hours, where displaced demand shifted exclusively to the subway. This indicates a "substitution failure" of buses, likely due to their lower reliability and exposure to weather compared to the subway. In contrast, on weekends, "trip cancellation" was the dominant response. Furthermore, Forecast Error Variance Decomposition (FEVD) analysis confirmed that subway ridership is structurally heavily dependent on bus ridership. Consequently, this study suggests prioritizing subway-centric resilience through weather-responsive flexible operations and enhancing bus-subway connectivity by creating seamless transfer environments to support the bus's role as a feeder mode during adverse weather.

자전거 이용 증가와 함께 자전거도로의 사고 예방 및 위험 상황에 대한 영상 기반 모니터링 의 중요성이 더욱 부각되고 있다. 그러나 계절·조도·기상 변화가 충분히 반영된 영상 데이터를 확보하는 데에는 많은 시간이 소요되고, 설상 가상으로 라벨링 비용 또한 높아 객체 탐지 모델 개발에 제약이 발생한다. 본 연구는 이러한 문제를 해결하기 위해 구조적 제약과 스타일 적응 을 동시에 반영하는 영상 합성 기법을 제안하였다. 제안한 방법은 Stable Diffusion 기반 모델에 ControlNet과 Low-Rank Adaptation을 결합하여, 마스크 영상을 통한 구조 제어와 스타일 미세조 정을 통합적으로 수행한다. 실제 CCTV 영상을 기반으로 데이터세트를 구축하고, 세 가지 Stable Diffusion 계열 기저 모델을 대상으로 합성 성능을 비교하였다. 성능 평가는 Fréchet Inception Distance와 CLIP-score를 활용하였으며, 그 결과 제안한 방법이 사실성과 텍스트 정합 성 측면에서 우수한 합성 품질을 달성함을 확인하였다. 또한 텍스트 프롬프트 조작만으로 계 절 및 기상 조건을 반영한 영상 생성이 가능함을 검증하였다. 본 연구는 촬영이 어려운 다양한 환경 조건의 데이터를 효율적으로 생성할 수 있어 자전거도로 모니터링을 위한 데이터 부족 문제 해결에 기여하며, 향후 객체 탐지 및 안전관리 기술의 고도화에 효과적으로 활용될 수 있다.

The growing use of bicycles has heightened the importance of video-based monitoring for preventing accidents and detecting hazardous situations on bicycle roads. However, collecting video data that adequately reflects variations in season, illumination, and weather requires substantial time, and the high cost of data labeling further limits the development of effective object-detection models. To address these challenges, this study proposes an image synthesis method that simultaneously incorporates structural constraints and style adaptation. The proposed approach integrates Stable Diffusion with ControlNet and Low-Rank Adaptation (LoRA), enabling unified control of scene structure through mask images and fine-grained style adjustment. A dataset was constructed using real CCTV footage, and three Stable Diffusion–based backbone models were evaluated for their synthesis performance. Fréchet Inception Distance and CLIP-score were used for quantitative assessment, demonstrating that the proposed method achieves superior realism and semantic alignment between images and text. Furthermore, the model successfully generated images reflecting seasonal and weather variations solely through prompt manipulation. This research provides an efficient solution for generating diverse environmental conditions that are difficult to capture in practice, thereby alleviating data scarcity in bicycle-road monitoring and supporting the advancement of nextgeneration object-detection and safety-management technologies.

본 논문은 전지구 위성항법 시스템(GNSS) 활용이 어려운 지하 도시철도에서 초광대역 (UWB)과 관성측정장치(IMU)를 확장 칼만 필터(EKF)로 융합한 단일 앵커 기반 열차 측위를 제안·실증한다. 본 시스템은 UWB 통신 앵커의 설치의 용이성을 위해 단일 앵커 기반 측위를 활용하여 인프라의 의존성을 낮추었다. 또한 음영지역으로 인한 UWB 통신 열화의 영향을 최 소화 하기 위해 IMU의 가속도 정보를 활용하여 시스템의 강건성을 향상시켰다. 철도기술연구 원의 특동 환경 실험에서 UWB 단독 측위 대비 유효 갱신률을 높이면서 오차를 낮추어 저인프 라 환경에서 연속성과 정밀성을 동시에 향상함을 확인하였다.

This paper proposes and experimentally validates a single-anchor train localization method that fuses ultra-wideband (UWB) and inertial measurement unit (IMU) data using an extended Kalman filter (EKF) for underground urban railways where GNSS is impractical. The system adopts single-anchor ranging to reduce infrastructure dependency and leverages IMU accelerometer information to enhance robustness without adding infrastructure and mitigate the degradation in shadowed areas. The experiments conducted in the test environment of the Korea Railroad Research Institute showed that, the proposed method increased the effective update rate and reduced the error compared to UWB-only localization, enhancing the continuity and accuracy in low-infrastructure settings.

교통사고 유형에 따라 사고 당사자의 피해 정도에는 큰 차이를 보이므로 사고유형에 적합 한 도로 기하구조의 설계 및 설치가 고려되어야 한다. 본 연구는 도로 기하구조에 따른 교통사 고 유형의 분류를 위해 정형 데이터와 이미지 데이터를 함께 학습할 수 있는 멀티모달 인공지 능 모델을 제시하였다. 멀티모달 모델은 정형 데이터 처리를 위해 ReLU 함수 기반의 맞춤 신 경망을 사용하였고, 이미지 데이터 처리를 위해 EfficientNet을 사용하였다. 학습 결과 멀티모달 모델의 정확도는 60.3%, F1 Score는 0.604로 나타나 정형 데이터 싱글모달 모델의 정확도 46.8%, 이미지 데이터 싱글모달 모델의 정확도 47.5%보다 각각 13.5%p, 12.8%p 높은 것으로 나타났다. 이를 통해 두 가지 모달리티를 함께 학습하여 인공지능을 이용한 교통사고 유형 분 류의 정확도를 높일 수 있다는 것을 보였다. 연구의 한계로 모델에 투입되는 데이터 요소의 부족으로 인해 교통사고 유형 예측을 위한 설명력의 부족, 멀티모달 모델의 이론적 타당성에 도 불구하고 성능개선이 이에 미치지 못하는 점, 멀티모달 인공지능 모델의 작동 방식을 교통 학적으로 해석하기 위해 추가적인 분석의 필요성이 지적된다.

The severity of injuries to traffic crash victims varies depending on the type of traffic crash. Therefore, it is necessary to tailor the geometric design of roads and install road features according to the specific type of traffic crash. This study presents a multimodal AI model that can learn structured and image data to classify traffic crash types based on the geometric design of roads. The multimodal model used a custom neural network based on the ReLU function to process structured data, and EfficientNet to process image data. Training results showed that the accuracy of the multimodal model was 60.3% and the F1 Score was 0.604. This is 13.5%p higher than the accuracy of the structured data single-modal model (46.8%) and 12.8%p higher than that of the image data single-modal model (47.5%). It indicates that it is possible to improve the accuracy of the type of traffic crash classification using AI by learning two modalities together. However, three issues are pointed out as limitations of the study. First, Due to the lack of structured data elements input into the model, explanatory power for predicting traffic crash types is insufficient. Second, Despite the theoretical validity of the multimodal model, its performance improvement is not up to par. Third, it is challenging to interpret the functioning of multimodal AI models in the context of transportation studies.

본 연구는 레벨 4+ 자율주행의 신뢰성과 승차감을 확보하기 위해, 임계값 중심의 반응적 계획 한계를 보완하고 전방 차량의 미래 궤적을 조기 예측해 선제적 주행 판단을 구현하는 프 레임워크를 제안한다. 제안하는 프레임워크는 전방 영상에서 차량 간 상호작용을 시공간 그래 프 구조로 표현한다. 시공간 그래프는 Temporal Graph Cross Attention(TGCA)을 통해 프레임 간 교차 어텐션으로 시간적 궤적 정보를 통합하고, 엣지 가중치를 반영해 문맥상 영향도가 큰 전 방 차량을 선택적으로 강조함으로써 전방 차량의 궤적과 기동 의도를 정교하게 추정한다. 실 제 도로에서 수집한 전방 영상 데이터로 검증한 결과, 다양한 그래프 기반 및 시계열 기반 예 측 모델 대비 주요 평가 지표에서 일관된 우위를 보였다. 이러한 성능은 시공간 정보를 통합한 TGCA의 교차 어텐션 설계가 실제 교통 장면의 상호작용 패턴을 효과적으로 반영한 결과이며, 나아가 임계값 중심의 제어에서 전방 차량 기동 예측 정보 기반 선제적 주행 판단으로의 전환 가능성을 제시한다.

The advent of level 4+ autonomous driving exposes the limitations of threshold-based reactive planning and underscores the necessity of predictive strategies to ensure safety and ride comfort. This paper presents a framework that proactively forecasts the trajectory of the front-side vehicle to enable anticipatory decision-making. Inter-vehicle interactions in the front-side view were modeled as a spatiotemporal graph, and a Temporal Graph Cross Attention (TGCA) module performed cross-frame attention to fuse temporal trajectory cues while integrating edge weights to emphasize contextually influential front-side vehicles selectively, thereby refining the estimates of their trajectories and maneuver intent. Evaluated on real-world front-side dashcam footage, the approach consistently outperforms representative graph-based and sequence-based predictors across key metrics. These findings suggest that a spatiotemporal cross-attention design for TGCA effectively captures the interaction patterns in natural traffic scenes, supporting a transition from threshold-based control to anticipatory driving decisions informed by predicted front-side vehicle maneuvers.

기후 위기 대응과 탄소중립 실현을 위한 국제적 흐름 속에서 전기차(EV) 보급은 국내외에 서 빠르게 확대되고 있으나, 보급이 일정 수준에 이르면서 기술 수용 주기의 ‘캐즘(Chasm)’이 나타나고 있으며 그 주요 원인으로 ‘주행거리 불안(Range Anxiety)’이 지목된다. 주행거리 불안 은 EV의 제한된 주행 가능 거리와 충전 인프라의 밀도·접근성 부족에서 비롯되는 심리적 불안 으로, 특히 장거리 이동이나 낯선 지역에서 두드러진다. 본 연구는 EV 이용자의 인구통계학적 특성과 주행 및 충전 행태를 바탕으로 주행거리 불안 유형을 군집화하고 군집 간 불안 수준과 충전 특성 차이를 규명하여 수요자 맞춤형 정책 설계의 근거를 제시하고자 한다. 분석 결과, EV 이용자는 출·퇴근/통학 중심의 안정형(전반적 불안 낮음), 짧은 이동·이른 충전 시작 및 추 운 날씨 민감형, 50~100km 중장거리의 계획적 충전과 낯선 지역 민감형, 통학·단거리 위주이나 추운 날씨 및 낯선 지역 복합 민감형의 네 집단으로 구분되었다. 이는 주행 목적·경로 행태·충 전 습관과 상황 요인이 상호작용을 해 불안이 형성됨을 시사하며, 단순 물량 확충을 넘어 유형 별 수요 지향형 충전 입지와 불안 임계치 연동 경로·충전소 탐색 알고리즘 등 맞춤형 지원의 필요성을 제기한다.

Amid global efforts to address the climate crisis and achieve carbon neutrality, the adoption of electric vehicles (EVs) is accelerating domestically and internationally. Despite this, a ”Chasm” in the technology adoption cycle has emerged as diffusion reaches a certain level, with “Range Anxiety” identified as a key cause. Range anxiety refers to a psychological concern arising from the limited driving range of EVs and the insufficient density and accessibility of charging infrastructure, which is particularly pronounced during long-distance trips or in unfamiliar areas. This study clusters range-anxiety types based on the EV users’ socio-demographic attributes and their driving and charging behaviors, and identifies inter-cluster differences in anxiety levels and charging characteristics to inform user-tailored policy design. The analysis distinguishes four user groups: a stable commuter/student group with generally low anxiety; a short-trip, early-charging, and coldweather- sensitive group; a 50–100 km mid-to-long-distance, planned-charging, and unfamiliar-areasensitive group; and a school-commute/short-distance, dual-sensitivity to cold weather, and unfamiliar areas group. The driving purpose, route regularity, charging habits, and situational factors interacted to shape range anxiety. Therefore, beyond simple capacity expansion, there is a need for demand-oriented, segment-specific charging siting and routing/charger-search algorithms linked to user-specific anxiety thresholds.

본 연구는 도로교통 분야 R&D 과제 정보 분석을 통해 기술 패러다임 변화가 기술 자체의 진보뿐만 아니라 정부 정책 기조의 변화에 영향을 받는다는 사실을 실증적으로 밝히고 정책과 기술 간의 공진화 관계를 설명하는 것을 목적으로 한다. 분석 자료는 2003년부터 2022년까지 국토교통부가 추진한 R&D 과제 2,174개를 활용하였으며 분석 방법은 키워드 분석, N-gram 분 석, 단어 유사도 기반 클러스터링 분석 등을 실시하여 한국 도로교통 기술 패러다임의 변화를 체계적으로 분석하였다. 분석 결과 R&D 과제는 각 정권의 정책 기조에 따라 중점 영역이 유의 미하게 변화하였으며 이는 정책이 도로교통 기술 개발의 주제와 성격을 결정하는 중요한 요인 으로 작용하였음을 실증적으로 보여준다. 본 연구는 교통공학 연구에서 정책과 기술 간 상호 작용을 분석할 수 있는 학문적이고 실무적인 분석 틀을 제공했다는 점에서 의의가 있다. 나아 가 정책적 선택이 기술 패러다임 변화 방향을 규정할 수 있음을 보임으로써 향후 교통 분야 R&D의 전략적 기획 및 정책 수립에 중요한 시사점을 제공한다.

Technological paradigm shifts in the road transportation sector arise from intrinsic technological progress, yet they are also substantially shaped by government policy. This study examines this co-evolutionary relationship by analyzing 2,174 Research and Development (R&D) projects funded by the Ministry of Land, Infrastructure and Transport between 2003 and 2022. Using keyword analysis, N-gram analysis, and word similarity–based clustering, we identify distinct shifts in R&D priorities that align with the policy orientations of successive administrations. The findings indicate that government policy is a decisive driver influencing the thematic direction and developmental trajectory of road-transport technologies. This study contributes an empirical framework for analyzing technology–policy interactions and offers practical implications for strategic R&D planning and policy formulation in the transportation sector. Our results highlight that policy choices can actively shape, accelerate, or redirect technological paradigm transitions.

지방 소도시는 고령화와 인구 감소로 교통 수요가 줄고, 이에 따른 서비스 축소가 수요 감 소를 더욱 심화시키는 악순환에 놓여 있다. 특히 정류장까지의 도보 거리 증가는 열악한 보행 환경으로 인해 교통 안전을 위협한다. 이에 따라 대기 시간과 운영 비용을 줄이고자 수요응답 형 교통(DRT)이 도입되고 있다. 본 연구는 DRT를 통합 모빌리티 서비스로 확장하기 위한 추 가 서비스 연계 가능성을 경남 양산 지역을 대상으로 조사하였다. 주민들은 통합 대중교통 앱 을 가장 선호했으며, 그 뒤로 모바일 소셜 서비스, 공유 교통, 배달 서비스 순이었다. DRT 이용 빈도와 목적에 따라 선호 서비스가 달랐으며, 고령층은 외출 빈도가 낮고 복합 방문 경향이 있어 배달 서비스에 대한 선호가 높았다. 이를 통해 지방 소도시의 지속적인 이동서비스 공급 을 위한 전략적 ․ 예산적 대안을 수립할 수 있을 것으로 기대된다.

Rural areas face a vicious cycle of declining transportation because of aging and population decline, which reduces services and lowers demand. Longer walks to stops worsen traffic safety due to poor lighting, narrow roads, and a lack of sidewalks. Demand-responsive transportation (DRT) offers flexible, on-demand service to reduce wait times and improve safety, especially for older adults. This study explored expanding DRT into full mobility-as-a-service by adding features to boost satisfaction and demand. A survey of Yangsan, South Korea residents ranked four new services: integrated transit app (most preferred), mobile social services, shared transportation, and delivery. Frequent users favored the app; commuters preferred shared transport. Older adults, who travel less and visit multiple places at once, prioritized delivery services to reduce a number of extra trips.

국내 공유 전동킥보드는 도시 내 단거리 이동 수요를 흡수하여 대중교통의 접근성을 높이 고 있으나 사고 증가와 제도 불확실성 속에서 안전과 산업 지속가능성을 동시 확보할 법·제도 설계가 요구된다. 이에 본 연구는 지속가능한 공유 전동킥보드 생태계 조성을 위한 정책 개선 의 우선순위를 도출하고자 전문가 의견을 반영하여 3개 상위 요인과 12개 하위 요인으로 계층 구조를 설계하고 AHP로 상대적 중요도를 분석하였다. 분석결과, 상위 요인인 정책 고려 주체 의 중요도는 이용자, 정부, 사업자 순으로 나타났으며, 하위 요인은 통행 규칙 명확화가 가장 높은 중요도를 보였고 사업자의 대여사업 등록제·허가제 전환과 정부의 소관 부처 명확화가 그 뒤를 이었다. 또한, 민간과 공공 부문 전문가 집단의 우선순위를 비교한 결과, 각각 안전모 착용 규제 완화와 이용 안전기준 명확화를 우선시하는 등의 차이가 나타났다. 그럼에도 두 전 문가 집단 모두 통행 규칙 명확화의 중요성을 높게 인식하고 있으므로 이를 정책 수립의 출발 점으로 삼아야 하며 나아가, 사업자의 대여사업 등록제·허가제 전환을 통해 사업자의 책임을 강화하여 시장을 체계적으로 관리할 제도적 기반을 마련하고 정부 소관 부처 명확화를 통해 이러한 정책들의 일관성을 확보하여야 한다.

Shared e-scooters in South Korea accommodate urban short-distance travel demand and enhance public transport accessibility. However, facing rising accidents and regulatory uncertainty, a legal and institutional framework capable of simultaneously guaranteeing safety and industrial sustainability is imperative. To identify policy priorities for a sustainable shared e-scooter ecosystem, this study constructed a hierarchical model comprising three upper-level and twelve lower-level factors based on expert consultation and analyzed their relative importance using the Analytic Hierarchy Process (AHP). The results indicated that among the upper-level factors, the “User” dimension carried the highest weight, followed by the “Government” and “Operators.” For the lower-level factors, “Clarification of traffic rules” was identified as the highest priority, with “Transition to a registration and licensing system” and “Clarification of the responsible ministry/agency” ranked subsequently. Furthermore, a comparative analysis between private and public sector experts revealed distinct perceptions: the former prioritized “Deregulation of mandatory helmet use,” whereas the latter emphasized “Clarification of usage safety standards.” Nonetheless, given the consensus across both groups on the critical importance of “Clarifying traffic rules,” this factor should be regarded as a prerequisite for policy formulation. Moreover, the findings imply that it is essential to establish an institutional foundation for systematic market management by enhancing operator accountability through a “Transition to a registration and licensing system,” and to ensure policy consistency by “Clarifying the responsible ministry/agency.”

본 연구는 자율주행차 도입으로 기존 도로와 차별화된 인프라 설계가 요구됨에 따라, 자율 주행전용차로와 다목적 활용공간(Flex Zone)의 주요 설계요소를 도출하고 이에 대한 중요성을 컨조인트 분석을 통해 분석하였다. 분석 결과, 자율주행 전용차로에서는 차량 이동성을 지원하 는 유도선 도색, 문형식 표지판, 연성 안전펜스, LCS 운영정보, 진출입 분리 없음이 선호된 반 면, Flex Zone에서는 이용자의 접근성과 정차 안전성을 높이는 차로 전체 도색, 편지식 표지판, 낮은 연석형 펜스, VMS 운영정보, 구역 전체 조명이 높은 선호를 보였다. 이러한 차이는 자율 주행전용차로가 연속적인 흐름 유지가 중요한 주행 공간인 반면, Flex Zone은 단속적 이용과 체류가 중심인 정차 공간이라는 기능적 특성에서 비롯된 것으로, 이용 목적에 따라 상이한 선 호 구조가 형성됨을 보여준다. 본 연구 결과는 자율주행 인프라 설계 시 고려하여야하는 시설 요소간 상대적 중요도 판단에 대한 기초 자료로 활용될 수 있다.

As autonomous vehicles require differentiated infrastructure designs from conventional roads, this study identified the key design elements of autonomous vehicle dedicated lanes and multi-purpose service spaces (Flex Zones), and analyzed the user preferences for these elements through a conjoint analysis. The results showed that, for dedicated lanes, users preferred guidance line markings, door signs, soft safety fences, LCS operational information, and the absence of access and exit separation, which support vehicle mobility. In contrast, for Flex Zones, the users preferred full-lane coloring, letter signs, curb fences, VMS operational information, and all zone lighting, which enhance user accessibility and stopping safety. These differences indicated that dedicated lanes function as continuous-flow driving spaces where maintaining traffic flow is critical. By contrast, Flex Zones serve as intermittent-use stopping spaces centered on accessibility and dwell activities. These findings can serve as foundational data for determining the relative importance of facility elements that must be considered when designing autonomous driving infrastructure.

본 연구는 도시부 첨두시간에 수요 초과로 발생하는 만성 정체와 상류 교차로까지 확산되 는 스필백을 완화하기 위한 상류부 속도제어 전략을 다룬다. 모터스포츠의 세이프티카 개념을 응용하여 상류 링크의 자율주행 선두 군집에 속도 상한을 부여하고, VISSIM 기반으로 자율주 행 시스템 보급률(Market Penetration Rate, MPR) 0%, 25%, 50%, 75% ,100%별로 시나리오를 구 성하여 대기행렬 길이와 SSAM 대리 안전지표로 효과를 평가하였다. 분석 결과 MPR 75% 이 상에서 스필백 위험과 대기행렬이 유의하게 감소하고 대기행렬이 축 방향으로 분산되었다. 다 만 과도한 감속은 안전성 향상 효과를 줄이고 변동성을 키우는 trade-off가 확인되었다. 본 연구 는 자율주행 혼재 단계에서 실시간 속도제어를 통해 완전 자율주행 도입 이전에도 교통관리와 안전성을 향상시킬 수 있음을 기대하며 그 정책적 근거를 제시한다.

This study examines an upstream speed-control strategy to mitigate chronic peak-period congestion and spillback propagation in urban corridors. Inspired by the motorsport Safety-Car concept, an upper speed limit is applied to a leading platoon of automated vehicles on upstream links. Using VISSIM, scenarios were designed for Market Penetration Rates (MPR = 0%, 25%, 50%, 75%, 100%), and their effects were evaluated through queue lengths and surrogate safety measures derived from the Surrogate Safety Assessment Model (SSAM). Results show that, at MPR levels of 75% and higher, spillback risk and queue lengths significantly decrease and queues become more longitudinally dispersed along the corridor. However, excessive deceleration partially offsets safety gains and increases variability, indicating a trade-off between stability and efficiency. The findings suggest that adaptive, real-time speed control in mixed traffic can enhance traffic management and safety even before full automation, providing a practical policy basis for early-stage autonomous driving environments.

미래 자율주행 차량의 도입은 기존 도로에서 일반 차량과의 주행 행태 차이로 인해 교통 환경 변화를 야기할 것으로 예상된다. 그러나 자율주행 혼재율을 고려한 교통 영향 분석에서 차량의 주행 성향과 차종 구성 등 현실적 요인을 동시에 반영한 연구는 부족하였다. 본 연구는 이러한 한계를 보완하고자 다양한 자율주행 차량 시장 점유율과 주행 성향, 차종 구성을 반영 한 시뮬레이션을 수행하였다. 분석 결과, 자율주행 차량 비율 증가는 반드시 교통 안전성을 향 상시키지 않으며, 혼합 교통 단계에서는 주행 행태 간 상호작용으로 충돌 위험이 증가할 수 있음을 확인하였다. 또한 도입 초기에는 기존 차량과의 상호작용으로 위험이 높아지지만, 기술 성숙과 보급 확대 이후에는 교통 효율성과 안정성이 점진적으로 개선되는 경향을 보였다. 본 연구는 자율주행 도입 과정에서 정책적·기술적 대응의 필요성을 제시하며, 향후 다양한 교통 환경과 실증 데이터 기반의 추가 연구가 요구됨을 시사한다.

The introduction of autonomous vehicles is expected to alter existing traffic environments due to behavioral differences between conventional and autonomous vehicles. However, previous studies have rarely incorporated realistic factors—such as driver behavior and vehicle type composition— when analyzing traffic impacts under mixed autonomy conditions. To address this limitation, this study conducted simulations that considered varying market penetration rates of autonomous vehicles, diverse driving behavior profiles, and heterogeneous vehicle types. The results indicate that an increased share of autonomous vehicles does not necessarily improve traffic safety; rather, interaction effects in mixed traffic can elevate collision risks during transitional phases. In the early adoption stage, safety may deteriorate due to interactions with conventional vehicles, whereas traffic efficiency and stability tend to improve as technology matures and autonomous vehicle prevalence becomes sufficiently high. This study provides important implications for policy and technology development related to autonomous vehicle deployment and highlights the need for future research incorporating diverse traffic environments and real-world data.

2022년 10월 이태원에서 발생한 군중 밀집 사고를 계기로 전 세계적으로 군중 관리의 중요 성에 대한 인식이 확산되었으나, 야외 대규모 모임에서 군중 밀도 및 이동 경로를 실시간으로 예측할 수 있는 시스템은 여전히 부족한 실정이다. 기존 연구에서는 군중 행동을 시뮬레이션 하기 위해 개별 보행자 간 상호작용을 상세하게 묘사할 수 있는 에이전트 기반 모델(ABM)과, 물리적 힘과 사회적 영향을 고려한 소셜 포스 기반 모델(SFM)이 주로 활용되어 왔다. 그러나 이러한 모델들은 에이전트 수가 증가할수록 계산량이 급격히 증가하여 실시간 적용에 한계가 있다. 이에 본 연구에서는 수학적 방법론인 Cell Transmission Model(CTM)을 기반으로 한 다방 향 보행 시뮬레이션 모델을 제안한다. 단방향 보행 CTM에서 출발하여 양방향, 다방향 구조로 모델을 단계적으로 확장하였으며, 가상 네트워크를 활용한 실험을 통해 모델의 구현 가능성과 동작 특성을 검증하였다. 그 결과, 셀 간 중복 참조와 같은 구조적 오류는 발생하지 않았으며, 시간 단계가 진행됨에 따라 셀 밀도가 점진적으로 포화되는 다중운집 양상이 관찰되었다.

Following the crowd collapse that occurred in Itaewon in October 2022, awareness of the importance of crowd management has increased worldwide. However, systems capable of predicting crowd density and movement paths in real time at large outdoor gatherings remain insufficient. To simulate crowd behavior, previous studies have primarily employed agent-based models (ABM), which can represent detailed interactions among individual pedestrians, and social force models (SFM), which consider physical forces and social influences. Nonetheless, these approaches suffer from rapidly increasing computational costs as the number of agents grows, which limits their applicability to real-time environments. Accordingly, this study proposes a multi-directional pedestrian simulation model based on the Cell Transmission Model (CTM). Starting from a un-directional pedestrian CTM, the model was progressively extended to bi-directional and multi-directional structures. Test network–based experiments were conducted to verify the implementation feasibility and operational characteristics of the proposed model. As a result, no structural errors such as duplicated cell references were observed, and crowd congestion patterns characterized by gradual cell saturation over time were identified.

자율주행차는 카메라 기반의 시각인지 소프트웨어를 통해서 스스로 주변을 판단하며 주행 하지만, 저조도·저대비 환경에서는 객체 탐지 오류가 자주 발생한다. 본 논문은 자율주행에서 도로 파손 객체를 중심으로 저조도·저대비 조건에서 시각 오인지 원인을 분석하였고, 이 문제 를 줄이는 이미지 전처리 필터를 제안하였다. 시각 오인지 원인 분석은 이미지의 픽셀 밝기 데이터를 이용하여, 정탐지와 미탐지 이미지 셋을 분류한 후 각 세트별 픽셀 히스토그램 분석 을 거쳐 8개 인덱스로 특징을 분석하였다. 특징 분석 이후, 저조도·저대비 이미지의 시각 오인 지 문제를 줄이기 위해 전처리 필터를 설계하여 성능을 비교하였다. 그 결과, 제안 필터를 적용 하였을 경우, 미탐지율은 필터 도입 전과 비교했을 때 50% 개선된 결과를 얻었다. 본 논문은 이미지 픽셀 밝기 데이터 기반 전처리 필터를 사용한다면 자율주행차 시각인지 기반 도로파손 미탐지 성능을 실질적으로 개선할 수 있다는 결과를 확인했다.

Autonomous vehicles rely on camera-based visual perception systems to make driving decisions, yet low-light and low-contrast conditions often lead to object detection errors. This study investigates the causes of visual misperception in detecting road surface damage and proposes an image preprocessing filter to mitigate these issues. Pixel brightness data were used to classify images into correctly detected and undetected sets, followed by histogram-based feature analysis across eight indices to identify key factors contributing to detection failures. Based on these findings, a brightness-adjustment preprocessing filter was developed and evaluated. Experiments show that the proposed filter reduces the miss-detection rate by about 50% compared to the baseline. These results demonstrate that pixel brightness-based preprocessing can significantly improve autonomous vehicle perception of road damage under adverse lighting conditions.

본 연구는 차량 환경에서의 실시간 영상 처리 성능 향상을 위해 뉴럴 ISP(Neural Image Signal Processor)를 설계하고 최적화하는 방법을 제안한다. 다양한 조도와 기상 조건을 반영한 Day, Evening, Snow, Night, Night Lights 다섯 가지 환경에서 차량용 카메라 센서를 이용해 HDR RAW 데이터셋을 구축하며, 채도 보정을 가미한 전통적 파이프라인 기반의 베이스라인 ISP를 통해 sRGB 타깃을 생성한다. 네트워크 구조는 MW-ISPNet을 기반으로 경량화하여 실시간성을 확보하고, 색조 힌트를 통해 저조도 환경에서의 색 안정성을 높인다. 또한 전처리 레이어를 구 현해 센서 입력부터 뉴럴 ISP까지의 파이프라인을 단순화하고 지연 시간을 최소화한다. 실험 결과, 제안된 모델은 저조도 환경에서 기존 하드웨어 ISP 대비 높은 시각적 품질을 달성했으 며, 자율주행 및 지능형 교통 시스템에 실시간 적용 가능한 수준의 성능을 확인하였다.

This paper proposes a design and optimization method for a neural image signal processor (Neural ISP) to enhance the real-time image processing performance in automotive environments. An HDR RAW dataset was constructed using an in-vehicle camera sensor under five lighting and weather conditions—day, evening, snow, night, and night lights—and sRGB targets were generated through a traditional pipeline-based baseline ISP with saturation correction. The network architecture was based on a lightweight MW-ISPNet to ensure real-time performance, while a hue hint was introduced to improve color stability under low-light conditions. In addition, a preprocessing layer was implemented to simplify the pipeline from sensor input to Neural ISP and minimize latency. The proposed model achieved superior visual quality compared to conventional hardware ISPs in low-light environments, highlighting its potential for real-time applications in autonomous driving and intelligent transportation systems.

본 연구는 자율주행차 도입과 일반차량과의 혼재 상황에서 악화될 수 있는 교통 문제를 시 나리오로 구조화하고, 이에 대응하는 관제센터 서비스와 기능을 모니터링, 의사결정 지원, 운 영전략 수행의 타임라인 관점에서 체계화하였다. 시나리오별로 정보 입력–처리–출력 흐름 에 따라 기능을 분해, 조합하여 신규 서비스를 도출하고, 상황별로 적용할 수 있는 서비스 조합 과 개입 강도를 논리적으로 검토할 수 있는 틀을 제시한다. 또한 다양한 차량과 시스템이 연계 되는 환경에서 발생할 수 있는 리스크를 고려해, 개별 기능 성능보다 시나리오 단위의 서비스 구성과 개입 수준에 대한 정의의 중요성을 강조하며, 제안한 프레임워크를 통해 향후 관제센 터 설계와 운영 원칙 수립의 기초를 제시한다.

This study systematically structured traffic problems that could worsen in the context of the introduction of autonomous vehicles and the coexistence of conventional vehicles into scenarios, and systematized control center services and functions corresponding thereto from the perspective of monitoring, decision support, and implementation of traffic management strategies. We present a framework for systematically assessing service combinations and intervention strengths that can be applied in each situation by decomposing and recombining functions according to the information input–processing–output flow for each scenario. We also emphasize the importance of defining the service composition and level of intervention at the scenario level rather than individual functional performance, with explicit consideration of the risks that may arise in an environment in which heterogeneous vehicles and systems are interconnected, and provide a conceptual basis for future control center design and operational principles through the proposed framework.