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.

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.

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.

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.

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 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.

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.

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.

교통안전 분야는 명확한 판단 근거와 실제 사례를 기반으로 정책이 수립되고 시행되는 특 성이 있다. 그렇기에 범용 대규모 언어모델(large language model, LLM)을 활용하는 데는 한계 가 존재한다. 따라서, 본 연구는 교통안전 분야에 특화된 LLM의 구축 가능성과 활용성을 실증 적으로 검토하고, 이를 위한 체계적인 개발 프로세스를 제시하고자 한다. 이에 따라 본 연구에 서는 교통사고 유형과 관련 정보를 기반으로 교통안전대응책을 제시할 수 있도록 파인튜닝 (fine-tuning)과 검색 증강 생성(retrieval-augmented generation) 기법을 적용한 소규모 언어모델 (small language model, SLM)을 개발하고, 실제 개선사업 사례를 통해 모델의 응답을 정성적으 로 평가하였다. 이 과정에서 학습 데이터의 구조화, 다차원적 맥락 정보의 반영, 그리고 정교한 평가체계의 필요성이 핵심 고려사항으로 도출되었으며, 본 연구는 교통안전 분야의 특성과 실무 환경을 반영한 SLM 구축의 방향성과 기반을 마련했다는 점에서 학술적·실무적 의의가 있다.

The field of traffic safety requires policies to be established and implemented based on clear evidence and real-world cases, which limits the applicability of general-purpose large language models (LLMs). This study investigates the feasibility and applicability of domain-specific LLMs for traffic safety and proposes a systematic development process. To this end, a small language model (SLM) was developed using fine-tuning and retrieval-augmented generation (RAG) techniques to generate countermeasures based on traffic accident types and related information. The model’s responses were qualitatively evaluated through actual improvement project cases. Key considerations derived from this process include the structuring of training data, incorporation of multidimensional contextual information, and establishment of a rigorous evaluation framework. This study provides both academic and practical implications by presenting the direction and foundation for developing traffic safety domain-specific SLMs.

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.