PURPOSES : Despite the availability of larger traffic data and more advanced data collection methods, the problem of missing data is yet to be solved. Imputing missing data to ensure data quality and reliability of statistics has always been challenging. Missing data are imputed via several existing methods, such as autoregressive integrated moving average, exponential smoothing, and interpolation. However, these methods are complicated and results in significant errors. METHODS : A deep-learning method was applied in this study to impute traffic volume data of the South Korean national highway. Traffic data were trained using the long short-term memory method, which is a suitable deep-learning method for time series analysis. RESULTS : Three cases were proposed to estimate the traffic volume. In the first case, which represented the general conditions, the mean absolute percentage error (MAPE) was 12.7%. The second estimation case, which was based on the opposite traffic flow, exhibited a MAPE of 17%~18%. The third case, which was estimated using adjacent-section data, had a MAPE of 18.2%. CONCLUSIONS : Deep learning may be a suitable alternative data imputation method based on the limited site and data. However, its application depends on the specific situation. Furthermore, deep-learning models can be improved using an ensemble method, batch-size, or through model-structure optimization.

PURPOSES: The demand for extending national highways is increasing, but traffic monitoring is hindered because of resource limitations. Hence, this study classified highway segments into 5 types to improve the efficiency of short-term traffic count planning. METHODS : The traffic volume trends of 880 highway segments were classified through R-squared and linear regression analyses; the steadiness of traffic volume trends was evaluated through coefficient of variance (COV), and the normality of the data were determined through the Shapiro-Wilk W-test. RESULTS : Of the 880 segments, 574 segments had relatively low COV and were classified as type 1 segments, and 123 and 64 segments with increasing and decreasing traffic volume trends were classified as type 2 and type 3 segments, respectively; 80 segments that failed the normality test were classified as type 4, and the remaining 39 were classified as type 5 segments. CONCLUSIONS : A theoretical basis for biennial count planning was established. Biennial count is recommended for types 1~4 because their mean absolute percentage errors (MAPEs) are approximately 10%. For type 5 (MAPE =19.26%), the conventional annual count can be continued. The results of this analysis can reduce the traffic monitoring budget.

PURPOSES: This study has been conducted to determine a homogeneous segment and integration to improve the efficiency of short-term traffic count. We have also attempted to reduce the traffic monitoring budget. METHODS: Based on the statistical approach, a homogeneous segment in the same road section is determined. Statistical analysis using t-test, mean difference, and correlation coefficient are carried out for 10-year-long (2004-2013) short-term count traffic data and the MAPE of fresh data (2014) are evaluated. The correlation coefficient represents a trend in traffic count, while the mean difference and t-score represent an average traffic count. RESULTS : The statistical analysis suggests that the number of target segments varies with the criteria. The correlation coefficient of more than 30% of the adjacent segment is higher than 0.8. A mean difference of 36.2% and t-score of 19.5% for adjacent segments are below 20% and 2.8, respectively. According to the effectiveness analysis, the integration criteria of the mean difference have a higher effect as compared to the t-score criteria. Thus, the mean difference represents a traffic volume similarity. CONCLUSIONS : The integration of 47 road segments from 882 adjacent road segments indicate 8.87% of MAPE, which is within an acceptable range. It can reduce the traffic monitoring budget and increase the count to improve an accuracy of traffic volume estimation.

가변축은 대형화물자동차에 주로 장착되는 보조차축으로써, 물류비용 절감과 도로포장면 파손방지, 유류비 등의 차량운행비용 절감을 목적으로 도입되었다. 그러나 유류비절감 측면에 대한 가변축의 사용효과가 실증적 실험을 통해 입증되지 않았을 뿐만 아니라, 일부 운전자들의 막연한 기대심리로 인한 잘못된 가변축 활용사례가 발생되고 있다. 본 연구에서는 가변축 사용 여부에 따른 연료소모량 변화를 확인하고자 실제 도로주행 실험을 수행하였으며, 실험결과를 바탕으로 연료소모원단위 모형을 개발 및 적용하여 가변축 사용여부별 연료소모량을 비교하였다. 그 결과, 가변축을 사용하지 않을 시에 연료소모량 감소가 예상되었으며, 수치상으로 공차주행 시 -0.83%, 만차주행 시 -2.15%를 나타내었다. 공차주행 시 절감율은 제도의 효과를 정량적으로 나타내는 수치로써, 금액으로 환산 시 약 300억 원에 달한다.

본 연구는 이상적인 실험환경이 아닌 실제 일반국도(국도 3호선)를 분석 대상으로 실시간으로 수집된 교통자료와 NOx 대기 오염 측정 자료를 이용하여 이들 사이의 관계를 규명하고 그 특성을 분석하고자 한다. 또한 이러한 관계를 이용하여 현장에서 실제 적용이 가능하며 대기오염도를 모니터링을 할 수 있는 일반국도의 차량배출가스로 인한 NOx 대기오염도 추정 모형을 개발하고자 한다. 모형의 구축에 있어서 측정 장비 및 기타 변동요인으로 인한 특이점을 제거하기 위하여 로버스트 분석을 이용하였고 바람의 영향을 고려하지 않은 경우와 바람의 영향을 고려한 경우에 대해서 모형을 구축하였다. 본 연구의 결과는 교통정책 시행에 따른 차량배출가스로 인한 대기오염 현황을 파악하고 교통정책의 환경적 효과를 평가하는데 활용될 수 있을 것이다.

도로를 주행하는 차량들을 구분하는 차종자료는 도로 및 포장의 설계와 관리 등 여러 분야에서 기초자료로 활용되고 있다. 본 연구에서는 차종구분에 차량높이라는 분류기준을 적용하기 위해 주행하는 차량의 높이를 계측할 수 있는 방법을 고안하고 현장에 장비를 설치한 후 실험을 통해서 차량길이와 차량최고높이 자료를 획득하였다. 차량높이 측정과 동시에 동영상을 촬영하여 국토해양부 12종 차종분류에 의거하여 차종분류 기준값을 작성하였다. 영상을 통해 작성된 차종자료 기준값과 측정된 차량길이와 차량높이를 토대로 판별함수를 이용한 차종분류값을 서로 비교한 결과 88.6%의 차종정확도를 확인하였다. 이를 통해 차량높이라는 분류기준을 적용하여 차종분류에 활용할 수 있는 방안을 제시하였다.

센싱 기술의 발달로 다양한 종류의 매체를 이용한 우수한 차량 검지장비들이 개발되고 있는 요즘, 간단한 구조의 저가형 검지장비 또한 적은 예산으로 여러 곳에 설치할 수 있다는 장점 때문에 지속적인 연구가 이루어지고 있다. 본 연구에서는 저가형 차량 검지장비로서 센서를 사선으로 설치하여 좌우 및 전후 바퀴의 통과시간 간격과 차량의 윤거값을 적용하여 차량속도를 추정하는 방법을 제안하였다. 출고된 차량의 제원조사에서 얻어진 대표 윤거값을 축거와 뒤윤거의 비율에 따라 소형과 대형 차량으로 구분하여 적용하므로 기존의 연구보다 정확한 속도추정이 가능하도록 개선하였다. 특히, 소형과 대형차량을 구분하는 파라미터를 통하여 조사지점의 차종구성 비율을 고려한 정확도 보정이 가능하다. 간단하고 저가로 개발된 본 연구의 사선형 센서를 이용한 검지장비는 적은 비용으로 교통상황을 설명하는데 효율적으로 활용될 것으로 기대된다.

차량의 바퀴궤적의 횡방항 변동을 의미하는 원더링(wandering)은 포장의 설계 및 유지보수를 위하여 중요한 요소임에도 불구하고 계측의 어려움 때문에 심도 있게 다루어지지 못하고 있다. 본 연구에서는 왕복 2차로(3.5m차로 폭)와 4차로(3.25m 및 3.5m 차로 폭)인 일반국도 직선 구간에서 차량 바퀴궤적을 조사하여 횡방향 이동 특성을 분석하였다. 조사 결과에서 좌우 바퀴 위치는 서로 다른 분포형태를 보였으며, 포장 설계에 적용할 경우 좌측바퀴에 의하여 얻어진 분포의 특성치가 포장에 미치는 영향이 더 크기 때문에 좌측바퀴의 특성치를 적용하는 것이 합리적인 것으로 나타났다. 좌측바퀴 위치의 평균값은 좌측차선을 기준으로 할 때, 승용 승합차량인 경우 3.25m차로 폭에서 59.5cm, 3.5m일 경우 80.7cm에 위치하였고, 화물차량일 경우 각각 58.4cm와 73.6cm인 것으로 나타났다. 차량 축수에 따른 구분에서 2축 차량의 경우 차로 폭에 따라서 60.7cm와 79.1cm 이고, 3축이상일 경우 44.5cm 및 69.2cm 인 것으로 나타났다. 결국, 바퀴의 중심위치는 차로 폭에 따라 다르며, 그 차는 차로 폭의 차이에 기인하는 것으로 판단된다.

차량의 동적하중이 도로상에 작용하는 위치를 계측하기 위한 원더링 계측용 사선센서의 적정 설치각도를 제안하였다. 이를 위해서 테이프스위치 센서를 이용하여 원더링 계측용 장비를 개발하였고, 개발된 장비와 실험차량을 이용하여 평가용 자료를 수집하였다. 수집자료 분석 결과, 사선센서의 설치각도가 커질수록 원더링 수집자료의 오차가 감소하였고, 이러한 오차의 감소는 통계적으로도 의미가 있는 것으로 분석되었다. 그러나 사선센서를 30˚ 이상으로 설치할 경우, 탠덤축의 제원상의 이유로 인해 오류자료가 수집되는 것을 확인할 수 있었다. 따라서 본 연구에서는 국내 차량제원 등을 종합하여 원더링 계측용 사선센서의 적정 설치각도를 20˚~25˚로 제안하였다.

본 연구는 도로설계 시 차로수 결정에 사용되는 적정 설계시간계수값의 특성분석과 적정 설계시간계수값을 적용하는데 있어 세부기준을 제시하기 위해 국내 일반국도 93개 상시교통량 조사지점에서 8년 동안 수집한 시간교통량 및 AADT 자료를 이용하여 AADT 증가와 시간적 변화에 따른 설계시간계수값의 변화를 회귀식 모형을 통해 분석하였다. 회귀식 모형은 30번째 시간교통량을 독립변수로 AADT를 종속변수로 하는 상수항이 없는 단순회귀식으로 구성하였으며, 회귀식은 차로수 구분(2차로, 4차로)과 AADT 수준(3개 그룹)에 따라 별도로 적용하였다. 분석결과, 제안한 회귀식 모형은 추정오차가 작고 모형의 설명력이 높게 나타났으며, 설계시간계수의 시계열적인 변동특성 분석결과, 설계시간계수는 연도별 변화가 크지 않고 차로수 또는 교통량이 클수록 작아지는 특성이 뚜렷하게 확인되었다. 연구의 한계로는 기존방법에서 채택하고 있는 30번째 혹은 100번째 순위의 설계시간계수는 맞다는 가정하에 분석을 진행한 것으로, 주 5일제 확대에 따른 여가통행 증가, 도로의 지역적 교통특성 등에 따른 설계시간계수 변화를 반영하지 못하고 있어 향후에 국내 실정에 맞는 최적순위의 설계시간계수 제시를 위한 연구가 추가적으로 필요하다.

본 연구에서는 결측된 일교통량의 대체를 위하여 교통공학에서 많이 활용되고 있는 기존의 선형내삽법에 공간상관성 기법을 고려한 새로운 선형내삽법을 제안하였다. 일교통량과 같이 시간적 특성을 지닌 자료를 공간위에 배치하여 공간적 상관성을 고려할 수 있도록 하였다. 공간상관성을 측정하기 위하여 일교통량의 순환성을 감안하여 같은 주의 요일간 상관성과 주별 같은 요일의 상관성을 나타내는 지표로서 Moran Index를 사용하였다. 실제 분석을 위하여 한국건설기술연구원에서 제공한 2004년 11월의 28일간의 일교통량 자료를 4×7 격자 형태로 배치하여 일별 교통량자료를 공간화 시켜 공간 상관성을 살펴보았으며, 여러 가지 통계적 지표를 통하여 공간 선형내삽법의 우수성을 확인하였다.

일반적으로 도로의 차로수 산출시에 30번째 혹은 100번째의 설계시간교통량을 활용하게 된다. 이러한 설계시간교통량은 설계시간계수에 연평균일교통량을 곱하여 산출하고 있다. 본 논문에서 고속국도에서 운영 중인 34개소의 상시교통량 조사 자료를 기초하여 연평균일교통량 5만대를 기준으로 하여 30번째와 100번째의 시간교통량을 추정할 수 있는 회귀모형을 각각 구축하였다. 30, 100번째 순위의 시간교통량의 추정능력을 평가지표 MAPE(Mean Absolute Percentage Error)를 활용하여 기존방법과 비교 평가했을 때, 30번째 시간교통량을 추정에서 5만대 이하 모형에서는 추정오차가 기존방법에 비해서 11.83% 감소하고 5만대 이상에서는 22.17% 감소하는 것으로 분석되었다. 또한 100번째 시간교통량 추정능력 평가에서는 5만대 이하일 때는 추정오차가 기존방법에 비해서 8.16%감소하고 5만대 이상에서는 15.25% 감소하는 것으로 평가되었다.

현재 국내의 차종 분류 기준은 그 조사목적과 조사지점에 따라 이원화되어 운영되고 있다. 고속국도와 지방도의 경우는 8종 분류 기준이 그리고 일반국도의 경우는 11종 분류 기준이 활용되고 있는데, 이러한 이원화된 분류 기준은 자료 활용의 효율성을 저하시키고 있는 실정이다. 본 연구는 이러한 이원화된 차종 분류 기준의 문제점을 해결하기 위해 통합된 차종 분류 기준을 제시하고 있다. 분류 기준은 차량 제원에 의한 기계식 조사에 초점을 맞추었으며, 현장 조사의 문제점을 완화하기 위해 인력식 조사에도 적용이 가능하도록 설정되었다. 제안된 차종 분류 기준은 차량의 다양화 및 대형화 추세를 반영하고, 기타 차종 분류 기준과의 호환성을 고려하고 있어 보다 합리적인 차종 분류 기준이라 할 수 있다.

교통량, 속도, 차종 등으로 대표되는 교통자료는 도로를 계획하고 설계하는데 있어 매우 중요한 기초자료로 활용된다. 교통자료를 기준으로 해당 도로의 장래 서비스수준을 예측하며, 신설 및 확장될 도로의 기하구조가 결정되기 때문이다. 1985년 이후부터 건설교통부에서는 일반국도에 대해서 수시 교통량 조사와 상시 교통량 조사를 병행하고 있다. 이러한 교통조사는 일반국도와 일반국도 또는 일반국도와 고속국도가 만나는 네트웍 상의 노드를 중심으로 교통조사 구간을 설정하고, 이들 교통조사 구간에 대해서 교통량 조사를 수행하고 있다. 이러한 교통조사구간 설정 방법은 주요 도로가 만나는 결절점 사이의 구간에서는 교통량 변화패턴이 유사하다는 것을 전제로 하고 있다. 최근 우회도로의 신설, 중앙분리대 설치 등의 도로 기하구조 및 교통 시설물의 설치로 인하여 기존 구간의 특성이 변화되었다. 따라서 전국 일반국도를 대상으로 교통조사 구간의 유사성을 평가하여 국도의 동질성 구간에 대한 분석을 수행하였다. 유사성 평가를 위해서는 유전자 알고리즘을 적용한 모형을 구축하고, 모형의 적용을 통해 교통조사 구간을 정의하였다.

교통량 자료는 도로의 계획, 설계 및 운영 등에 폭넓게 활용되는 자료이다. 일반국도를 대상으로 1955년부터 전국 규모의 교통조사가 시행되고 있으며, 도로의 결절점을 기준으로 구간을 설정한 후 상시조사를 실시하고 있다. 그러나 전 구간에서 상시조사를 수행하는 데에는 한계가 있기 때문에 우선순위를 결정하는 것은 중요한 문제이다. 본 연구에서는 우선순위 결정을 위한 방법론으로 AHP(Analytic Hierarchy Process)를 적용한 다기준 의사결정 기법 (MCDM : Multiple Criteria Decision Making)을 적용하였다. 판단 기준변수로는 도로계획 [AADT, VKT, 첨두시간 교통량, 도시부유출입구간] 도로설계 [Volume(pcu), 방향별교통량, 중차량비], 그리고 도로운영 (속도, 밀도, V/C)으로 정의하였다. 평가자료를 정량화 및 규준화하였고, 설문조사를 통해 얻은 쌍대비교 값들을 가지고 고유벡터 방법으로 계층별, 가중치를 구하였다. 교통량 조사구간에 대한 교통조사 우선순위 선정은 규준화 값과 계층별, 가중치를 곱하여 구한 대안 값의 전체 합의 크기에 따라 결정하였다. 이를 통하여 상시 교통량 조사를 위해 다수의 구간으로 분할된 일반국도를 대상으로, 상시 교통량 조사 지점 우선순위를 결정하였다.

도로분류체계는 도로의 기능. 설계기준을 정의하기 위한 기초가 된다. 본 연구는 요인분석을 활용한 일반국도 유형분류에 대해 다루고 있다. 이를 위해 2004년도 상시 교통량 조사지점에서 수집된 교통자료를 이용한 요인분석을 수행함으로써 일반국도를 유형별로 분류하였다. 적용된 변수는 총 9개로 AADT(연평균 일교통량), K30(설계시간계수) D30(중방항계수), 중차량 비율, 주간 교통량 비율, 첨두율, 일요일 계수, 휴가철 계수, 그리고 COV(변동계수)이다. 요인분석 결과, 교통량 변동 특성 요인과 중차량 및 방향별 특성요인이 추출되었다. 군집분석 결과 전체 353개 상시지점이 3개의 그룹으로 분류되었으며 그룹 I은 관광부도로, 그룹 II는 지방부도로, 그룹 III은 도시부도로로 판단된다.