Earticle

초고령화 사회로 진입하고 있는 대한민국 노인 인구의 상황을 반영하여 노인 교통사고의 특성을 파악하고, 이항형 변수를 활용하여 노인 보행자 교통사고에서 발생한 중상 이상의 교통사 고와 경상 이하의 교통사고를 구분하여 독립변수와 종속변수의 관계를 분석하였다. 도로교통공 단 교통사고분석시스템(TAAS)에서 지난 10년간(`13년∼`22년)의 노인 보행자 교통사고 자료를 구득하여 데이터 수집, 가공, 변수 선정을 수행하였으며, 기초 통계 및 사고 요인별 분석을 실시하 였다. 로지스틱 회귀분석 모형을 적용하여 총 15개의 영향 변수를 도출하였고 노인 보행자 중상 이상의 교통사고 발생 확률에 가장 큰 영향을 미치는 영향 변수들을 도출하였다. 이후, 로지스틱 모형의 정확도 분석을 위해 통계적 검정을 수행하였으며, 노인 보행자 교통사고에 영향을 미치는 변수를 도출 및 예측모형 구축에 따른 교통사고 발생확률 예측 방법을 제시하였다.

The characteristics of elderly traffic accidents were identified by reflecting the situation of the elderly population in Korea, which is entering an ultra-aging society, and the relationship between independent and dependent variables was analyzed by classifying traffic accidents of serious or higher and traffic accidents of minor or lower in elderly pedestrian traffic accidents using binomial variables. Data collection, processing, and variable selection were performed by acquiring data from the elderly pedestrian traffic accident analysis system (TAAS) for the past 10 years (from 13 to 22 years), and basic statistics and analysis by accident factors were performed. A total of 15 influencing variables were derived by applying the logistic regression model, and the influencing variables that have the greatest influence on the probability of a traffic accident involving severe or higher elderly pedestrians were derived. After that, statistical tests were performed to analyze the suitability of the logistic model, and a method for predicting the probability of a traffic accident according to the construction of a prediction model was presented.

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.

도시부 교통정보 수집은 VDS, DSRC, 레이더 등 다양한 시스템에 의해 수집되고 있다. 최근 딥러닝 기술의 발전으로 스마트교차로시스템이 확대 보급되고 있으며 교통량, 속도, 차종 등 다양한 정보수집이 가능하다. 그러나 관련 문헌을 고찰한 결과 지금까지의 성능평가 기준은 딥러닝 영역을 고려하지 않은 RBS기반 평가체계로 ‘기준값-측정값’의 퍼센트 오차만 고려하고 있어 기존 평가방식으로는 딥러닝 부분의 평가를 수행할 수 없어 새로운 성능평가 방법이 필 요하다. 따라서, 본 연구에서는 데이터 비율 및 가중치를 고려하여 Precision과 Recall 등 딥러닝 성능지표를 고려한 오차산정식을 개발하여 개별오차와 구간 오차, 전체오차를 산정하였다. 연 구결과, 측정값 1의 오차율은 3.99와 3.54, 측정값 2는 5.34와 5.07로 기존 산정식과 오차율에 차이가 있는 것으로 나타났으며, 반복측정 분석결과 개발 산정식이 우수한 것으로 나타났다.

Urban traffic information is collected by various systems such as VDS, DSRC, and radar. Recently, with the development of deep learning technology, smart intersection systems are expanding, are more widely distributed, and it is possible to collect a variety of information such as traffic volume, and vehicle type and speed. However, as a result of reviewing related literature, the performance evaluation criteria so far are rbs-based evaluation systems that do not consider the deep learning area, and only consider the percent error of 'reference value-measured value'. Therefore, a new performance evaluation method is needed. Therefore, in this study, individual error, interval error, and overall error are calculated by using a formula that considers deep learning performance indicators such as precision and recall based on data ratio and weight. As a result, error rates for measurement value 1 were 3.99 and 3.54, and rates for measurement value 2 were 5.34 and 5.07.

화재로 인한 인명피해의 원인은 화재 가스로 인한 질식사이다. 화재 발생 시 발화점에서 제일 가까운 곳에서는 사람의 목숨을 위협하는 유독가스의 위험성은 상당히 높으며, 안전장치 가 제대로 작동되더라도 화재로 인한 높은 열과 유독가스로 사람들은 숨쉬기가 어려워 대피하 지 못하고 목숨을 잃게 된다. 다양한 건물들이 구축되어있는 요즘 시대에 화재로 인한 인명피 해를 줄이기 위해서는 구축된 건물들의 특성을 고려하고 화재 발생으로 생성되는 높은 열과 연기 속 유해 물질들의 배출 정도를 산정하여 화재 대피계획을 수립해야 한다. 본 연구에서는 실제 화재 발생 시 안전한 대피경로에 대한 시나리오 분석을 위해 VISWALK와 Fire Dynamic Simulator(FDS)를 활용하고자 한다. 시뮬레이션 상에 건물 내 사람들이 대피경로를 인지하고 있는지 등 사전 대피 시나리오를 설정하고 시뮬레이션 분석에 따른 건물 내 화재 발생 시 위험 요소를 파악하여 안전한 건물 설계의 중요성을 제시하고자 한다.

The cause of casualties caused by fire is suffocation due to fire gas. In the event of a fire, the risk of toxic gases threatening human life is considerably high in the areas closest to the ignition point. Even if the safety devices are correctly operated, people cannot escape because of the high heat and toxic gases caused by the fire, making it difficult to breathe and resulting in a loss of life. These days, when various buildings are being constructed, it is necessary to establish a fire evacuation plan to reduce casualties by considering the characteristics of the built buildings and estimating the level of high heat and harmful substances in the smoke generated by the fire. This study plans to utilize VISWALK and FDS to analyze the scenarios for safe evacuation routes in the event of an actual fire. A pre-evacuation scenario was set up, such as whether people in the building are aware of the evacuation route, and risk factors were identified in the event of a fire in the building based on the simulation analysis to suggest the importance of safe building design.

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.

고령 화물차 운전자의 고속도로 사고 위험 요인을 정량적으로 분석하기 위해 베이지안 다 수준 혼합효과 로짓모형을 적용하였다. 기존 연구들이 일반 승용차 운전자 중심이었던 것과 달리, 본 연구는 직업 운전자인 고령 화물차 운전자의 사고영향요인을 규명하는 데에 초점을 맞췄다. 분석 결과, 고령 화물차 운전자들은 톨 게이트 요금소 구간에서의 감속·가속, 피로 및 졸음 상태에서 사고 발생 확률이 높았으며 본선 주행, 야간 운전, 과속 환경에서는 상대적으로 낮은 사고 위험을 보였다. 또한, 도로 노선별 이질성이 사고 확률에 유의미한 영향을 미치며, 베이지안 다수준 모형이 기존 로짓 모형보다 높은 예측 정확도를 보이는 것으로 나타났다. 본 연구는 직업적 고령 운전자의 사고 메커니즘을 규명하고, 도로 환경 및 운전자 상태를 반영한 맞춤형 안전 대책 필요성을 강조하였다. 향후에는 차량 동역학 및 운전자 생리·심리적 요인을 통합한 연구가 요구된다.

This study applied a Bayesian Multilevel Mixed-Effect Logit Model to quantitatively analyze the risk factors influencing highway accidents involving elderly truck drivers. Unlike previous studies that primarily focused on elderly passenger car drivers, this research investigates the accident risk factors affecting elderly professional truck drivers. The analysis revealed that elderly truck drivers exhibited a higher likelihood of accidents in toll gate areas due to deceleration and acceleration, fatigue, and drowsiness. In contrast, they showed a lower accident risk on mainline highways, during nighttime driving, and in high-speed conditions. Additionally, the heterogeneity among highway routes significantly influenced accident probability, and the Bayesian multilevel model demonstrated superior predictive accuracy compared to traditional logit models. This study provides insights into the accident mechanisms of elderly professional drivers and highlights the necessity of customized traffic safety measures considering road environments and driver conditions. Future research should integrate vehicle dynamics and physiological and psychological factors to enhance accident prediction and prevention strategies.

본 연구는 수도권 지하철의 노인무임승차에 대하여 오전 및 오후 첨두시간대에 요금을 부 과하는 상황을 전제로 지하철 운송기관의 수입금 변화를 추정한다. 스마트카드자료는 노인무 임통행에 대하여 요금관 관련된 자료를 생산하지 않고 있다. 따라서 스마트카드자료를 이용해 서 노인승객의 요금을 추정하고 운송기관에 수입금으로 배분하는 별도의 방법론에 대한 검토 가 요구된다. 본 연구는 노인통행은 출발시간을 기점으로 최소시간경로를 선택하는 가정을 반 영하는 동시적 동적통행배정모형을 구축하여 통행경로를 선정하고 이를 기반으로 노인에게 부과되는 거리비례요금과 민자기관의 별도 및 독립요금을 추정하고 운영기관의 수입금으로 배분하는 모형과 방법론을 구축하고 시연한다. 2019년 및 2020년 COVID-19 전후를 대상으로 사례연구를 시행한 결과 서울교통공사의 무임손실을 연간 3600억원에서 오전첨두(07:00-08:59) 에는 6~8% 수준, 오후첨두(18:00-19:59)에는 13~16% 까지 절감될 것으로 분석된다.

This study derives quantitative data on how much the fiscal deficit of subway operation agencies can be reduced in the process of charging free rides for the elderly in metropolitan subways during peak periods. In smart card data, every trip of elderly is recorded except fares. Therefore, it is required to establish a methodology for estimating the fares of elderly passengers and distributing them to subway opertation agencies as income. This study builds a simultaneous dynamic traffic allocation model that reflects the assumption that elderly selects a minimum time route based on the departure time. The travel route of the elderly is estimated, and the distance-proportional fare charged to the elderly is calculated based on this, and the fare is distributed by reflecting the connected railway revenue allocation principle of the metropolitan subway operating agencies. As a result of conducting a case study for before and after COVID-19 in 2019 and 2020, it is analyzed that Seoul Metro's annual free loss of 360 billion won could be reduced 6~8% at the morning peak (07:00-08:59), and 13~16% at the morning and afternoon peak (18:00-19:59).

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.

보행자 교통사고가 가장 빈번하게 발생하는 교차로 횡단보도에서 보행신호시간은 보호구역 여부에 따라 차이가 있으나, 보행행태를 정밀하게 반영하지 못하는 한계가 있다. 본 연구에 서는 스마트교차로 시스템을 통해 수집이 용이한 자료를 활용하여 잔류보행량과 잔류보행자 위치를 예측하는 두 가지 모형을 개발하였다. 개발된 모형을 기반으로, 잔류보행량이 80명/시 이상이거나 잔류보행자 위치가 5.0m 이상일 때 보행신호시간을 최적화하는 체계를 구축하고, 이를 현장에 적용하였다. 그 결과, 보행신호시간을 4초 조정한 경우 잔류보행량이 평균 49.9% 감소하고, 잔류보행자의 교차로 내 위치는 56.3% 줄어드는 효과를 보였다. 본 연구는 향후 보 행수요를 반영하여 보행신호시간을 동적으로 조정할 수 있는 체계를 제시하는 데 기여할 것으 로 기대된다.

At crosswalks in intersections, where pedestrian traffic accidents are most frequent, the length of pedestrian signal time varies depending on whether the area is a designated protection zone. However, precise considerations of pedestrian behavior remain insufficient. This study developed two prediction models using data readily obtainable from smart intersection systems to predict the residual pedestrian volume and the position of residual pedestrians. Based on the developed models, a signal optimization system was established to adjust pedestrian signal time when the residual pedestrian volume exceeds 80 pedestrians per hour or when the location of residual pedestrians is more than 5.0 meters from the curb, and this system was applied in the field.. The results showed that extending the pedestrian signal time by four seconds reduced the residual pedestrian volume by an average of 49.9% and decreased the location of residual pedestrians within the intersection by 56.3%. This study is expected to contribute to establishing a system that dynamically adjusts pedestrian signal timing based on future pedestrian demand.

자율주행차 상용화를 앞당기기 위해 실제 도로에서 다양한 실증사업을 수행하고 있다. 그러 나, 자율주행차의 안전성에 대한 판단기준이 부재하여 시범운행지구에 대한 교통안전 검증체 계가 미흡한 실정이다. 본 연구의 목적은 현장에서 수집된 실제 자율주행차 데이터 분석을 통 해 자율주행차의 주행안전성 평가 방법을 제시하고 안전성 저하 요인을 도출하여 시사점을 제 시하는 것이다. 실제 도로를 주행한 자율주행차의 자율주행모드와 수동주행모드 운영시 수집 된 자료를 이용하여 거동 특성 분석과 주행안전성 평가를 수행하였다. 자율주행 시 주행안전 성 평가를 위해 advanced emergency braking system (AEBS) 작동 임계값이 반영된 지표를 제안 하였다. 또한, 잠재적 위험 요인을 도출하기 위해 도로 시설 특성 자료를 수집하여 이항 로지스 틱 회귀분석을 수행하였다. 분석 결과, 자율주행 모드의 경우 '불법주정차', '자전거 전용차로 유무', '교차로에서의 회전 동작'이 잠재적 위험 요인으로 도출되었다. 반면 수동주행 모드에서 는 '좁은 차로'와 '추가 차로'가 잠재적 위험 요인으로 확인되었다. 본 연구 결과는 교통안전 향상을 위한 정책 수립에 도움이 될 것으로 기대된다

Worldwide effortshave been made to conductvarious demonstration projects on real roads to accelerate the commercialization of autonomous vehicles (AVs). However, traffic safety issues associated with mixed traffic streams needto be systematically addressed to facilitate the adoption of AVs. this study compareand analyzethe road traffic factors that affect safety performance of autonomousand manual driving.In addition, this study attempts to identify potential risk factorsincluding road infrastructure and traffic conditions. Behaviorcharacteristics and driving safety were evaluated using data collected from AVs that drove on actual roads in ADmode and MDmode. This study also a safety evaluation indicatorthe driving risk index)based onautonomous emergency braking system eventsto evaluate driving safety. Potential risk factors identified binomial logistic regression using road facility characteristics data. Statistically significant independent variables defined as potential risk factors. Illegal parking, existence of bicycle lane, and turning movements at intersectionwere identified as potential risk factors in AD mode. The results of this study are expected to provide a foundationfor the improvement of infrastructureand to establish policies to enhance traffic safety for AVs.