Earticle

최근 국내 교통사고 사망자 수는 장기적으로 감소해 왔으나, 최근에는 감소 폭이 크게 둔화 되는 경향을 보이며 도로안전시설 투자에 대한 효율적 의사결정의 중요성이 커지고 있다. 본 연구는 전국 국도를 대상으로 단일로와 교차로를 구분하고, 도시부‧지방부‧마을통과부의 지역 유형을 구분 반영하여 주요 도로안전시설의 사고감소 효과를 사고보정계수(Crash Modification Factor, CMF)를 통해 정량적으로 추정하였다. 분석에는 2021~2023년간의 사고 자료와 2022~ 2023년간의 연평균일교통량을 활용하였으며, 지역‧도로 유형별 음이항 회귀 기반 안전성능함 수(Safety Performance Function, SPF)를 구축하였다. 이후 예측사고건수 및 실제사고건수를 결합 하여 경험적 베이즈 보정을 적용한 횡단면 분석을 통해 가로등, 중앙분리대용 방호울타리, 노측 방호울타리, 안전표지의 CMF를 산출하였다. 분석 결과, 노측 방호울타리는 모든 지역에서 비교 적 일관된 사고감소 효과를 보인 반면, 가로등과 안전표지는 고위험 구간 집중 설치 특성이 반영되어 CMF가 1 이상으로 나타났다. 중앙분리대용 방호울타리는 지역별 편차가 커 설치 환 경을 고려한 정책적 해석이 필요함을 시사한다.

Although the number of traffic fatalities in Korea has decreased over the long term, the pace of reduction has recently slowed, underscoring the growing importance of efficient decision-making regarding investments in road safety facilities. This study focuses on national highways in Korea and quantitatively estimates the crash reduction effects of major road safety facilities using Crash Modification Factors (CMFs). Roadways are classified into segments and intersections, and further categorized by area type—urban, rural, and town-through sections—to account for regional heterogeneity. Crash data from 2021 to 2023 and average annual daily traffic data from 2022 to 2023 are used in the analysis. Safety Performance Functions (SPFs) are developed using negative binomial regression models for each area and roadway type. Subsequently, Empirical Bayes (EB) adjustment is applied by combining predicted crash frequencies with observed crash counts, and CMFs for street lighting, central medians, guardrails, and safety signage are derived through an EB-adjusted cross-sectional analysis. The results indicate that guardrails exhibit relatively consistent crash reduction effects across all area types. In contrast, street lighting and safety signage generally show CMFs greater than 1, reflecting their concentrated installation in inherently high-risk locations rather than adverse causal effects. Central medians display substantial variation across area types, suggesting that their safety impacts depend on installation environments and roadway conditions. These findings highlight the need for context-sensitive interpretation of CMFs in policy evaluation and investment prioritization.

도로 시설의 성능은 이상적인 조건에서 정의된 값(예: 기본 포화교통류율)을 기준으로, 실제 교통 환경의 제약 요인들을 보정계수의 형태로 반영하여 평가된다. 그러나 자율주행차량 (autonomous vehicle, AV)의 도입으로 기존 보정계수는 혼합교통 환경에서 유효하지 않을 수 있다. 이에 본 연구는 신호교차로를 대상으로 AV 혼입이 직진 및 좌회전(보호·비보호) 교통류 에 미치는 영향을 정량적으로 분석하고, 이를 반영한 기본 포화교통류율 보정계수, 보호·비보 호좌회전 보정계수를 제시하였다. 분석은 미시교통 시뮬레이션 프로그램인 VISSIM을 활용하 여 수행하였으며, 다양한 AV 주행 행태와 혼입률 시나리오를 구성하였다. 특히 보수적인 AV(Cautious)에 대해서는 자율주행 시범지구의 데이터를 활용해 주행 파라미터를 보정하였다. 분석 결과, Cautious의 혼입은 직진 및 좌회전 포화교통류율을 감소시켜 낮은 보정계수를 초래 한 반면, 상대적으로 과감한 주행 행태의 AV 및 자율협력주행이 가능한 AV(connected and autonomous vehicle, CAV)의 혼입은 혼입률이 높아질수록 포화교통류율과 보정계수가 함께 커 지는 경향을 보였다. HDV 100% 조건에서 1.00과 0.88이었던 기본 포화교통류율 보정계수 및 보호좌회전 보정계수가 Cautious 100% 조건에서는 0.93과 0.63으로 감소한 반면, CAV 100% 조 건에서는 1.79와 1.17로 증가하였다. 본 연구에서 도출된 결과는 향후 AV 혼입을 반영한 한국 형 도로용량편람 개정을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

To evaluate roadway performance, adjustment factors are commonly applied to base capacity values defined under ideal conditions. However, the introduction of autonomous vehicles (AVs) challenges the validity of conventional adjustment factors developed for human-driven vehicles (HDVs), particularly under mixed-traffic conditions. This study evaluates the impacts of mixed traffic with AVs on saturation flow rates for through and left-turn movements (protected and permitted) at signalized intersections and proposes updated base saturation flow rate and left-turn adjustment factors. Microscopic traffic simulations are conducted using VISSIM under various scenarios of AV driving behavior and penetration rates, including mixed-traffic scenarios with heterogeneous AV behaviors. For cautious AVs, simulation parameters are calibrated using field-observed data collected from autonomous driving testbeds in Seoul and Pangyo. The results indicate that cautious AVs decrease saturation flow rates for both through and left-turn movements, leading to lower adjustment factors. In contrast, aggressive AVs and connected and autonomous vehicles (CAVs) exhibit increasing saturation flow rates and adjustment factors as their penetration increases. Specifically, under full penetration of cautious AVs, the adjustment factors decrease to 0.93 for the base saturation flow rate and 0.63 for protected left turns, compared with HDV-only values of 1.00 and 0.88, respectively. Under full penetration of CAVs, the corresponding adjustment factors increase to 1.79 and 1.17, respectively. The results of this study provide a practical basis for updating the Korean Highway Capacity Manual to reflect mixed-traffic environments with AVs.

본 연구에서는 자율주행 혼재환경에서 기존 교통지표의 한계점을 보완할 수 있는 교통의 혼잡도와 안전 특성을 결합한 새로운 통합지표를 개발하였다. 통합지표 구성 변수로는 교통 혼잡도를 나타내는 TTI와 OCI 지표를 선정하고, 도로 안전성을 나타내는 TTC 지표를 선정하였 다. 각 지표에 필요한 데이터는 PTV VISSIM 시뮬레이션을 통해 수집하였다. 통합지표의 가중치 산정 방법으로는 요인분석을 활용하였으며, 요인분석 결과 TTI, OCI2 , TTC 지표의 가중치는 각각 0.363, 0.303, -0.334으로 도출되었다. 최종 통합지표 식을 산정한 후, 클러스터링을 통해 교통상황 판단 기준을 3단계로 구분하였다. 이러한 통합지표를 활용하여 도로 혼잡 및 사고 발생 시의 교통상황을 실시간으로 분석 및 판단하여 신속하게 대응할 수 있을 것으로 기대된다.

This study developed a new integrated index combining traffic congestion and safety characteristics that can supplement the limitations of existing traffic indicators in a mixed autonomous driving environment. TTI and OCI indicators representing traffic congestion were selected as the integrated indicator composition variables, and TTC indicators representing road safety were selected. The data required for each indicator were collected through a PTV VISSIM simulation. Factor analysis was used to calculate the weights of the integrated indicators, which showed that the weights of the TTI, OCI2, and TTC indicators were 0.363, 0.303, and –0.334, respectively. After calculating the final integrated indicator equation, the criteria for determining traffic conditions were divided into three stages through clustering. These integrated indicators can be used to valuate the traffic conditions at the time of road congestion and accidents in real time and respond quickly.

자율주행 기술은 상용화 단계에 본격 진입하며 실도로 기반 시험 주행과 시범사업이 활발히 추진되고 있다. 자율주행 서비스는 인지·판단·제어의 전 과정에서 센서·차량·인프라 데이터와 고정밀 지도 등 방대한 이질적 데이터에 의존하지만, 현재 데이터는 기관·장비·시스템·플랫폼별 로 분산 수집·관리되어 동일 데이터라도 표현 방식, 형식, 구조가 달라 상호운용성이 크게 저해되 고 있다. 이러한 문제를 해결하기 위한 핵심 전략으로 메타데이터의 역할이 부각되고 있으며, 본 연구는 데이터셋과 서비스 환경 모두에서 활용 가능한 메타데이터 모델을 설계하고 이를 통해 구조적 정합성과 상호운용성 강화를 도모하는 것을 목적으로 한다. 이를 위해 DCAT(Data Catalog Vocabulary) 구조를 기반으로 6개 클래스를 정의하고 총 144개 속성을 설계하였다. 다만 본 연구는 속성 정의와 구조 설계에 중점을 두어 실제 데이터셋 및 플랫폼 환경에 대한 실증적 검증까지는 수행하지 못했으며, 후속 연구에서는 실 데이터 기반 검증과 더불어 데이터 품질·재 사용성·연계성 평가 지표 확립 및 동적 속성 변화를 반영한 모델 확장이 요구된다.

Autonomous driving technology is entering a full-fledged commercialization phase, with real-road test drives and pilot projects actively underway. In addition, autonomous driving services rely on vast amounts of heterogeneous data throughout the perception, decision-making, and control processes, including sensor, vehicle, and infrastructure data as well as high-precision maps. These data are currently distributed across institutions, devices, systems, and platforms, and even for identical data, differences in representation methods, formats, and structures hinder interoperability. In response, metadata has emerged as a key strategy for resolving these issues. This study designed a metadata model applicable to datasets and service environments, ensuring structural consistency and enhancing interoperability. Accordingly, six classes were defined according to the DCAT (Data Catalog Vocabulary) structure, and 144 properties were designed. The study focused primarily on property definition and structural design, and did not include empirical validation using real-world datasets or platform environments. Future research should involve validation with actual data, the establishment of evaluation indicators for data quality, reusability, and connectivity, and the extension of the model to reflect dynamic changes in properties. Such efforts are expected to support integrated management across the entire data life cycle and contribute to the development of intelligent data platforms.

본 연구는 교통부문에서 탄소중립 이동행태를 촉진하기 위한 인센티브 제도를 설계하고 그 효과를 평가하는 것을 목적으로 하며, 세 단계의 분석 절차를 통해 수행되었다. Best–Worst Scaling(BWS)을 활용한 선호 분석을 통해 총 10개 인센티브 제도 중 이용자가 선호하는 제도를 도출하고, 선정된 5개 제도를 대상으로 조건부가치측정법을 적용하여 가상 시행 시나리오 하 에서의 지불의사를 반영한 기준금액을 산정한 후, Stated Preference(SP) 조사를 통해 인구통계 학적 특성, 통행 행태, 인센티브 금액이 각 제도의 선택 확률에 미치는 영향을 분석하였다. 분 석 결과, 소득 수준, 대중교통 정기권에 대한 인지 여부, 인센티브 금액은 사용자 선호에 유의 미한 영향을 미치는 주요 요인으로 나타났으며, 연령과 운전 빈도는 참여 가능성을 낮추는 요 인으로 확인되었다. 이러한 결과는 인센티브 제도의 효과가 단순한 제도 도입 여부가 아니라, 제도 유형과 인센티브 수준의 결합 방식에 따라 달라질 수 있음을 시사하며, 특히 인센티브 금액 변화에 대한 선택 확률의 민감도 분석을 통해 제한된 재정 여건 하에서도 정책 목표에 부합하는 인센티브 수준을 전략적으로 설정할 필요성을 보여준다. 본 연구는 이용자 선호 구 조와 금액 민감도를 체계적으로 반영한 인센티브 제도 설계가 대중교통 이용 촉진과 탄소 배 출 저감을 동시에 달성하는 데 중요한 정책적 수단이 될 수 있음을 실증적으로 제시한다.

This study design and evaluate incentive schemes that promote carbon-neutral behaviors in the transportation sector conducted in three analytical stages. First,preference analysis using the most preferred incentive schemes among alternatives. Second, baseline monetary values for five schemes are estimated using , reflecting users’ willingness to pay under hypothetical implementation. Third, a survey examine how demographic characteristics, travel behaviors, and incentive influence the probability of adopting each scheme. The results show that income, awareness of public transport passes, and incentive significantly affect user preferences,factors such as age and driving frequency reduce the likelihood of participation. The study highlights the importance of setting appropriate incentive to maximize realistic budget constraints. The findings provide practical insights for policymakers seeking to develop effective and sustainable incentive programs encourage public transport and reduce carbon emissions.

급격한 인공지능의 부상 등으로 급변하고 혼란스러운 상황에서 모빌리티 산업 분야에서 미 래에 사용될 기술에 대한 예측의 중요성이 더욱 부각되고 있으나, 소수 전문가의 주관적 판단 에 의존하는 기존 분석 방식에는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해, 대규모 학술 데이터베이스인 OpenAlex를 활용하여 방대한 학술 문헌 데이터를 자동으로 채굴, 클러스터링, 평가하는 정량적·재현가능한 기술 트렌드 분석 방법론을 제안한다. 제안된 방법론 은 거대 언어 모델 기반 데이터 추출, BERTopic을 활용한 계층적 토픽 모델링을 통한 기술 구 조 구축, 그리고 Prophet 모델과 boston consulting group(BCG) 매트릭스 변용을 통한 미래 성장 잠재력 예측 및 기술 유형을 자동 분류(부상, 성장, 성숙, 쇠퇴)하는 절차로 구성된다. 이 연구 는 데이터 기반의 객관적인 기술 탐색과 미래 예측을 통한 선제적 R&D 전략 수립의 기틀을 마련하고 급변하는 기술 환경에서 효과적인 R&D 전략 수립을 위한 이론적 토대를 제공할 수 있을 것으로 기대된다.

Future technology prediction is critical in the rapidly changing mobility industry. Existing analysis methods relying on subjective judgment have limitations. This study proposes a quantitative, reproducible technology trend analysis methodology using vast academic literature data from OpenAlex. The methodology involves LLM-based data extraction, hierarchical topic modeling via BERTopic to construct technology structures, and adapting the Prophet model and boston consulting group(BCG) matrix to classify technology types (emerging, growing, mature, declining). This research provides a foundation for data-driven, objective technology exploration and preemptive R&D strategy establishment in a dynamic environment.

본 연구는 자율주행기술 발전 속도와 시장 확산 속도 간 비동조성에 주목하여 지연 수용 메커니즘을 실증적으로 규명하고자 한다. 선행연구가 효용이나 태도에 기반한 보상적 수용 모형 에 주로 의존해 온 데 반해 본 연구는 완전자율주행이 시스템형 기술이라는 점에 근거하여 특정 병목 조건이 기술 채택을 지연시키는 비보상적 의사결정 구조를 고려한다. 한국 성인 1,020명을 대상으로 실시한 설문 데이터에 기초하여 개인의 수용장벽을 개별 요소의 평균이 아닌 최대 개선 요구치로 정의하고 CMP 모형을 활용하여 장벽 형성과 조건부 수용 결정을 연립 추정하였다. 분석 결과, 최대 수용장벽은 조건부 수용에 유의한 영향을 미치며 내생성을 통제하지 않을 경우 그 영향이 과소추정될 가능성이 확인되었다. 또한 위험감수성향과 ADAS 활성화 수준은 조건부 수용 확률을 낮추는 반면 연령이 높을수록 조건부 수용 확률이 높아지는 경향이 확인되었다. 이러한 결과는 완전자율주행기술의 확산이 기술수준 향상이나 평균적 인식 개선보다는 핵심 병목 요인의 선별적 완화를 통해 보다 효과적으로 촉진될 수 있음을 시사한다.

This study examined the mechanisms behind consumers’ delayed adoption of autonomous driving technology. Compared to the literature, which has primarily used a compensatory adoption process based on the perceived utility or attitudes, this study used a non-compensatory decision-making framework, recognizing that fully autonomous vehicles (FAVs) are a system-level technology. The individual adoption thresholds are defined as the maximum required improvement level, rather than the average across multiple components, suggesting that a single unresolved bottleneck may delay overall adoption. A Conditional Mixed Process (CMP) model was used to estimate the threshold formation and conditional adoption decisions using survey data from 1,020 Korean adults. The estimation results suggested that the maximum adoption threshold significantly affects conditional adoption, with the effect size increasing substantially after controlling for endogeneity. In addition, the risk-taking propensity and ADAS activation levels decreased the probability of conditional adoption. These findings suggest that the diffusion of FAVs may be promoted more effectively by targeting critical bottlenecks rather than focusing solely on technological improvements or average perceptions.

본 연구는 자율주행차 사고 데이터를 활용하여 사고 위험 예측을 위한 분석 구조를 구성하 고, 정형 데이터와 비정형 사고 설명문이 사고 위험 설명에 기여하는 역할을 단계적으로 검토 하였다. 먼저 사고 발생 환경, 도로 및 차량 상태와 같은 정형 데이터를 기반으로 사고 위험과 관련된 구조적 특성을 분석하고, 사고 발생 과정이 서술된 비정형 사고 설명문을 통해 사고 상황의 맥락적 특성을 정리하였다. 이를 통해 각 데이터 유형이 사고 위험을 설명하는 데 제공 하는 정보의 성격과 한계를 비교하였다. 이후 정형·비정형 데이터에서 도출된 정보를 결합한 예측 구조를 구성하고, 회귀 기반 성능 지표를 활용하여 결합 모델의 사고 위험 예측 결과를 분석하였다. 분석 결과, 결합 모델은 사고 위험 분산의 상당 부분을 설명하며, 단일 데이터 기 반 분석에서 포착하기 어려운 사고 위험 특성을 보다 안정적으로 반영하는 경향을 보였다. 본 연구는 자율주행차 사고 위험 분석에서 정형·비정형 데이터의 역할을 구분하여 정리하고, 이 를 결합한 예측 구조의 적용 가능성을 제시하였다는 점에서 의의를 가진다.

This study developed an analytical framework for predicting the crash risk using autonomousvehicle crash data by examining the roles of structured data and unstructured crash descriptions in explaining the crash risk. Structured data representing crash environments, roadway conditions, and vehicle states were first analyzed to identify the structural characteristics associated with the crash risk. In addition, unstructured crash descriptions were examined to capture contextual information describing crash scenarios and crash progression. Based on these analyses, the characteristics and limitations of each data type in explaining the crash risk were reviewed. A combined prediction framework integrating information derived from structured and unstructured data was then constructed, and the performance of the combined model was evaluated using regression-based metrics. These results showed that the combined model explains a substantial portion of the crash risk variability and provides more stable risk estimates than analyses relying on a single data type. These findings highlight the importance of integrating heterogeneous data sources for crash risk prediction and demonstrate the applicability of a structured–unstructured data fusion approach in autonomous vehicle crash analysis.