PURPOSES : This study aimed to compare the object detection performance based on various analysis methods using point-cloud data collected from LiDAR sensors with the goal of contributing to safer road environments. The findings of this study provide essential information that enables automated vehicles to accurately perceive their surroundings and effectively avoid potential hazards. Furthermore, they serve as a foundation for LiDAR sensor application to traffic monitoring, thereby enabling the collection and analysis of real-time traffic data in road environments. METHODS : Object detection was performed using models based on different point-cloud processing methods using the KITTI dataset, which consists of real-world driving environment data. The models included PointPillars for the voxel-based approach, PartA2-Net for the point-based approach, and PV-RCNN for the point+voxel-based approach. The performance of each model was compared using the mean average precision (mAP) metric. RESULTS : While all models exhibited a strong performance, PV-RCNN achieved the highest performance across easy, moderate, and hard difficulty levels. PV-RCNN outperformed the other models in bounding box (Bbox), bird’s eye view (BEV), and 3D object detection tasks. These results highlight PV-RCNN's ability to maintain a high performance across diverse driving environments by combining the efficiency of the voxel-based method with the precision of the point-based method. These findings provide foundational insights not only for automated vehicles but also for traffic detection, enabling the accurate detection of various objects in complex road environments. In urban settings, models such as PV-RCNN may be more suitable, whereas in situations requiring real-time processing efficiency, the voxelbased PointPillars model could be advantageous. These findings offer important insights into the model that is best suited for specific scenarios. CONCLUSIONS : The findings of this study aid enhance the safety and reliability of automated driving systems by enabling vehicles to perceive their surroundings accurately and avoid potential hazards at an early stage. Furthermore, the use of LiDAR sensors for traffic monitoring is expected to optimize traffic flow by collecting and analyzing real-time traffic data from road environments.

PURPOSES : This study aimed to investigate the factors affecting the severity of traffic crashes caused by personal mobility (PM) devices compared with those involving victims. METHODS : Traffic crashes involving PM devices were used to build a non-parametric statistical model using a classification tree. Based on the results, the factors influencing both at-fault and victim-related crashes caused by PM devices were analyzed. The factors affecting accident severity were also compared. RESULTS : Common factors affecting the severity of traffic crashes involving both perpetrators and victims using PM devices include occurrences at intersections, crosswalks at intersections, single roads, and inside tunnels. Traffic law violations by PM device users (perpetrators) influence the severity of crashes. Meanwhile, factors such as the behavior of perpetrators using other modes of transportation, rear-end collisions, road geometry, and weather conditions affect the severity of crashes where PM device users are the victims. CONCLUSIONS : To reduce the severity of traffic crashes involving PM devices, it is essential to extend the length of physically separated shared paths for cyclists and pedestrians, actively enforce laws to prevent violations by PM device users, and provide systematic and regular educational programs to ensure safe driving practices among PM device users.

PURPOSES : In this study, the speed limit violation behavior of drivers after experiencing traffic law punishment was analyzed. Simultaneously, the tendency of such drivers to violate other traffic laws besides the speed limit was empirically analyzed. METHODS : Over a two-month period (May–June, 2024), 1,235 responses were collected through a mobile on-line survey targeting drivers living in the urban areas of Chungnam Province, South Korea. After building a binary logit regression model on drivers’ speed limit violations with their personal attributes (e.g., gender, age, education, job, marital status, driving frequency, and driving experience) and the number of past traffic law violations as explanatory variables, the speed limit violation determinants were derived. Additionally, the relationship between the different types of traffic violations were investigated. RESULTS : As the driver age increased, the rate of speed limit violations decreased. Drivers working in relatively high-paying jobs are more likely to incur in speed limit violations. The greater the driving experience, the lower the possibility of a speed limit violation. The greater the number of fines imposed in the previous 12 months, the more likely it is to violate the speed limit. Additionally, drivers who had violated the speed limit were found to be more likely to violate laws by failing to follow stop lines at crosswalks, not activating turn signal lamps, entering intersections under a red light, and not wearing seatbelts on public roads. CONCLUSIONS : Fines work as a means of sanctioning to ensure their effectiveness in suppressing repeated law violations. Particularly, there is a limit to the fact that compulsory collection cannot be implemented when the arrears are not large, and institutional improvements are required to improve awareness of the fact that when a violator is imposed with a fine, it is not considered seriously. Meanwhile, there is a need to develop educational programs so that drivers can follow traffic laws under any circumstance, expand crackdowns on traffic violations, and strengthen preventive campaigns and promotions for traffic safety. Additionally, continuous efforts are needed to help drivers who repeatedly violate traffic laws develop negative attitudes toward violating these laws.

PURPOSES : The reliability of traffic volume estimates based on location intelligence data (LID) is evaluated using various statistical techniques. There are several methods for determining statistical significance or relationships between different database sets. We propose a method that best represents the statistical difference between actual LID-based traffic volume estimates and the VDS values (i.e., true values) for the same road segment. METHODS : A total of 2,496 datasets aggregated for 1-h LID and VDS data were subjected to various statistical analyses to evaluate the consistency of the two datasets. The VDS data were defined as the true values for comparison. Four different statistical techniques (procrutes, 2-sample t-test, paired-sample t-test, and model performance rating scale) were applied. RESULTS : In cases where there is a specific pattern (e.g., traffic volume distribution considering peak and off-peak times), distribution tests such as Procrustes or Kolmogorov-Smirnov are useful because not only the prediction accuracy but also the similarity of the data distribution shape is important. CONCLUSIONS : The findings of this study provide important insight into the reliability of LID-based traffic volume estimation. To evaluate the reliability between the two groups, a paired-sample t-test was considered more appropriate than the performance evaluation measure of the machine-learning model. However, it is important to set the acceptance criteria necessary to statistically determine whether the difference between the two groups in the paired-sample t-test varies according to the given problem.

PURPOSES : According to government data, the Black Spot Program has resulted in an average 28.8% reduction in traffic accidents within one year of project implementation in areas where road conditions improved. However, there has been a lack of in-depth analysis of the midto- long-term effects, with a predominant focus on short-term results. This study aimed to analyze the mid-to-long-term effects of the Black Spot Program to assess the sustainability of its reported short-term impact. Additionally, the differences in the mid-to-long-term effects were investigated based on the scale of traffic accidents at intersections and the characteristics of these effects are revealed. METHODS : The mid-to-long-term effects of the Black Spot Program were analyzed at 122 intersections in Seoul, Korea, where the program was implemented between 2013 and 2017, using traffic accident data spanning five years before and after implementation. Additionally, the differences in the program's effects were analyzed at the top-100 intersections with the highest traffic accident concentration in Seoul using the chi-square test to identify these differences. To theoretically validate these differences, the Hurst exponent, commonly used in economics, was applied to analyze the regression to the mean of the intersections and reveal the correlation with improvement. RESULTS : Through the Black Spot Program at 122 intersections, a 33.3% short-term accident reduction was observed. However, the midto- long-term effect analysis showed a 25.8% reduction, indicating a slightly smaller effect than previously reported. Specifically, the top-100 intersections exhibit a 15.4% reduction. A chi-square test with a 95% confidence level indicated significant differences in the program’s effects based on the scale of traffic accidents at intersections. The Hurst index (H ) was measured for the top-100 intersections, yielding H = 0.331. This is stronger than the overall H = 0.382 for all intersections in Seoul, suggesting that the regression to the mean is more pronounced, which may lead to a lower effectiveness of the improvement. CONCLUSIONS : The mid-to-long-term effects of the Black Spot Program were relatively lower than its short-term effects, with larger differences in effectiveness observed based on the scale of traffic accidents at intersections. This indicates the need to redefine the criteria for selecting project targets by focusing on intensive improvements at intersections, where significant effects can be achieved.

PURPOSES : This study aimed to derive the factors that contribute to crash severity in mixed traffic situations and suggest policy implications for enhancing traffic safety related to these contributing factors. METHODS : California autonomous vehicle (AV) accident reports and Google Maps based on accident location were used to identify potential accident severity-contributing factors. A decision tree analysis was adopted to derive the crash severity analyses. The 24 candidate variables that affected crash severity were used as the decision tree input variables, with the output being the crash severity categorized as high, medium, and low. RESULTS : The crash severity contributing factor results showed that the number of lanes, speed limit, bus stop, AV traveling straight, AV turning left, rightmost dedicated lane, and nighttime conditions are variables that affect crash severity. In particular, the speed limit was found to be a factor that caused serious crashes, suggesting that the AV driving speed is closely related to crash severity. Therefore, a speed management strategy for mixed traffic situations is proposed to decrease crash severity and enhance traffic safety. CONCLUSIONS : This paper presents policy implications for reducing accidents caused by autonomous and manual vehicle interactions in terms of engineering, education, enforcement, and governance. The findings of this study are expected to serve as a basis for preparing preventive measures against AV-related accidents.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

교통안전시설물의 관리는 도로교통의 안전과 직결되는 문제이다. 운전자는 신호등, 표지판, 노면표시 등을 통해 운전에 필요한 정보 를 얻는다. 노후된 표지판과 노면표시는 운전자에게 잘못된 정보를 제공할 수 있으므로 주기적인 시설물의 관리가 필요하다. 본 연구 는 딥 러닝 기술을 활용해 운전자 시각의 영상 자료에서 교통안전표지를 자동으로 탐지하고자 하며, 교통안전표지의 공통된 색상 특 징을 기반으로 클래스를 그룹으로 묶어 데이터셋을 구축하는 방법을 제안한다. 객체탐지의 성능지표로 널리 활용되는 mAP를 사용해 클래스 묶음 여부에 따른 탐지 성능을 비교한 결과, 색상 기반 클래스 묶음을 적용한 모델의 탐지 성능이 비교군에 비해 약 36% 상승 함을 확인하였다.

전 세계적으로 지하도로의 건설이 활발히 이루어지고 있지만, 지하도로에서의 운전자 행태에 대한 연구는 여전히 부족한 실정이다. 또한 현재 지하도로 설계기준은 주로 지상도로나 터널 기준을 준용하고 있어, 지하 특유의 환경적 요인을 충분히 반영하지 못하고 있 다. 이에 따라, 지하도로에서의 운전자 행태를 분석하고 이를 반영한 설계기준 마련이 필요하다. 본 연구는 지하도로에서 운전자가 차로 변경을 어떻게 수행하는지 분석하고, 정보 제공 방식이 운전자 행태에 미치는 영향을 평가 하는 것을 목적으로 한다. 이를 통해, 향후 지하도로 설계 및 운영에 필요한 개선 사항을 제안하고자 하였다. 이를 위해 본 연구에서 는 소형차 전용도로의 설계 재원을 기준으로한 VR 기반 주행시뮬레이터 맵을 구성하였고 34명의 피실험자를 모집하여 주행시뮬레이 터 실험을 수행하였다. 첫 번째로 차로변경 행태를 살펴보기 위하여 현행 차로 변경 허용 구간 기준인 400m와 대안으로 차로 변경 허용 구간 2km로 비교하 여 운전자의 차로변경 행태에 대해 분석을 수행하였다. 두 번째로는 현행 정보제공 체계 기준인 분기전 2km, 1km, 150m 전 정보안내 대안과 대안으로 추가 500m 지점에 정보를 제공하는 방안에 대해 주행시뮬레이터 실험을 수행하고 대안별 효과를 비교하였다. 실험결과를 검토한 결과, 지상 도로보다 지하 도로에서 운전자들은 차로 변경을 더 어려워하는 경향이 있었다. 두 번째로 운전자들은 차로 변경 허용구간에 따른 주행패턴의 유의미한 변화는 존재하지 않는 것으로 나타났으며, 평소의 주행 습관에 따라 차로 변경을 하 는 것으로 나타났다. 세 번째로는 정보 제공 횟수를 늘릴 경우 운전자들은 차로 변경과 진출 지점을 더 빨리 결정하며, 차로 변경 지 점의 분포가 작아지는 현상이 관찰되었다. 이는 많은 운전자들이 비슷한 지점에서 차로 변경을 하게 되어 상충 구간이 줄어들고, 그에 따라 교통 안전성이 증가할 수 있음을 의미한다.

현재, 교통안전진단의 경우 차량 및 보행자의 교통사고를 미연에 방지하고 도로의 전체적인 안전을 도모하고자, 교통안전법 제34조 에 의거하여, 수행 조건에 부합한 경우 교통안전진단을 받도록 규정하고 있다. 교통안전진단의 경우 도로의 구분에 따라 다른 기준을 적용하고 있으며, 도로별 길이를 기준으로 수행 여부를 판단하고 있다. 교통안전진단의 경우 도로의 설계단계, 개시 전 단계 및 운영단계 등 3가지로 구분되어 수행되고 있으며, 각각의 단계별로 진단 수행 내용 및 범위가 조금씩 다르게 진행된다. 설계 단계에서의 교통안전진단의 경우, 해당 도로의 실시 설계 내용을 바탕으로 도로의 안전 을 판단하며, 개시 전 단계의 경우 도로의 신설 이후 운영 전 도로의 안전을 평가한다. 마지막으로 운영 단계의 교통안전진단의 경우 현재 운영 중인 도로에 대하여 도로의 안전을 평가하는 것이다. 본 연구에서는 진단단계별 교통안전진단 중 도로 설계단게에서 수행 시 발생될 수 있는 한계점을 파악하고, 이를 보완할 수 있는 방 안을 제시하여 그 효과를 분석하고자 한다. 또한, 국제 기준으로 운영되고 있는 iRAP(International Road Assessment Programme)의 SR4D( Star Rating for Design)을 통해 설계단계의 교통안전진단 수행 시 효과적이고 안전한 진단결과를 도출해내고자 한다.

본 연구는 차내 정보 제공시스템을 통해 운전자에게 신호의 상태변화를 실시간으로 제공하는 것이 운전자의 운전행동에 어떤 영향 을 미칠지를 분석하고자 하였다. 신호정보제공에 따른 운전자의 반응은 신호등화의 변경시점과 브레이크 제동, 차량의 출발에 소요되 는 반응시간과 교차로 구간별 속도의 변화를 분석하였다. 또한 주행시험 전후 피시험자를 대상으로 서비스에 대한 사전 사후 설문을 실시함으로서 운전자의 성향과 서비스에 대한 만족도를 조사하고자 하였다. 실시간 교통신호상태정보 제공에 따른 설문조사는 일반설문과 사전설문, 사후설문으로 구성하여 피시험자 60명을 대상으로 수행하였 다. 장치조작에 익숙한 20-30대는 신호정보제공에 대한 기대 및 선호도가 낮게 나타났으며 60대 이상에게 운전편의성 및 선호도에 대 해 높은 만족도를 보였다. 연령대가 낮은 운전자에게서는 단순 정보제공의 의미, 고령운전자에게서 차량속도 조절 등 운전편의 효과를 확인 할 수 있었다. 주행시험은 동일한 경로를 주행하되 잔여시간정보를 제공하지 않는 일반주행과 정보를 제공하는 2번의 주행시험을 실시하였고, 반응 시간과 주행속도를 분석하였다. 잔여시간 정보를 제공하는 경우 브레이크 제동상태에 대한 반응시간은 전 연령대에서 통계적으로 유 의미한 반응시간 감소 효과가 있음을 확인하였다. 브레이크 반응시간은 평균 0.38초 감소하였고 특히 고령운전자 그룹에서의 반응시간이 66%가량 감소했다. 반면 2030대 운전자 그룹에 서는 등화가 변경되기 전에 예측반응하는 비율이 크게 증가하는 효과도 있었다. 그러나 예측반응은 제동상태의 변화가 있었던 것을 의미하므로 차량이 실제 움직인 예측출발과는 차이가 있다. 동일 데이터 분석 시 실제 2030대운전자 그룹에서 등화가 변경되기 전에 예측 출발한 빈도는 정보를 제공하기 전과 후 모두 7%로 변화가 없었기 때문이다. 출발인지반응은 전체반응시간의 감소가 통계적으로 유의하지 않았으나, 고령운전자 그룹에서 반응시간이 2.1초에서 1.8초로 -0.3초 통 계적으로 유의미한 감소가 있었던 것으로 분석되었다. 신호정보제공에 따른 주행속도의 변화는 적색등화 상태로 교차로 접근시의 평 균속도가 약 2km/h 감소하였으나, 녹색등화시에는 구간의 평균주행속도에는 큰 영향을 미치지 않는 것으로 분석되었다. 다만, 일반주 행 시 차량의 속도는 정지선으로부터 차량의 위치에 영향을 많이 받지만 잔여시간정보를 제공할 때는 거리보다 잔여시간의 영향이 더 크다는 사실을 확인하였다.

2011년 발생한 동일본대지진의 영향으로 후쿠시마 원자력발전소 폭파사고 이후 국제원자력기구(IAEA)의 방사선비상계획구역(EPZ) 확 대를 권고하였으며, 이에 따라 우리나라에서도 방사선비상계획구역(EPZ, Emergency Planning Zone)를 기존 반경 8~10km에서 20~30km 로 확대를 하였다. 이에 따라 방사선 비상시 대규모 대피에 관한 관심이 높아지며 원활한 대피를 위한 교통운영관리전략 수립이 필요 한 실정이다. 방사선 비상과 같은 대규모 재난이 발생하면 동시다발적인 대피수요가 발생하고 한정된 도로교통망에 차량이 집중되어 극심한 혼잡이 발생할 것으로 예상된다. 따라서, 본 연구에서는 교통분야에서 활용되는 도로운영관리전략 중 방사선비상시 적용 가능 한 전략 및 적용기준을 수립한다. 또한, 선정된 도로운영관리전략의 효과분석을 위하여 TOVA를 활용하였으며, Sub Network 기능으로 대상지역의 네트워크를 추출 후 분석을 시행하였다. 방사선비상시 도로운영관리전략은 도로용량 증대, 통행속도 향상, 교통수요 관리 및 기타 등 네 가지로 구분하여 분류하였다. 이 중 우리나라에 도입되지 않은 역류차로제 전략 도입 효과분석을 수행하였다. 시뮬레이 션 대상지는 고리원자력 발전소의 사고가 발생한 것으로 가정하며, 대피인원은 원자력발전소에서 부산광역시로 이동하는 것으로 설정 하였다. 효과분석 결과, 시행시 120.6%의 교통량(시간당 7,600대)과 117% 속도(30.21km/h → 65.55km/h)가 증가되는 것으로 분석되었다

과거 삼각교통섬은 교차로 안전성 향상, 차량 소통 원활화 등 긍정적인 이유로 전국적으로 설치되었다. 하지만 최근에는 고속주행 하는 우회전 차량과 보행자의 상충으로 인한 안전성 문제, 협소한 크기로 인해 보행자 대기공간으로서 제대로 된 역할을 하지 못하고 불필요한 횡단 횟수를 증가시켜 보행자 편의를 저해하는 문제 등 다양한 부정적 이슈가 제기되고 있다. 이에 따라 기설치 시설의 개 선 필요성을 제시하고, 문제의 원인이 설치준거와 설계기준의 미흡함에서 기인하여 이들에 대한 개선 조치가 필요하다는 연구가 진행 된 바 있다. 본 연구는 교통안전과 소통을 모두 고려하여 삼각교통섬을 설치 및 개선할 수 있도록 근거를 마련하는 데 목적이 있다. 이를 위해 국내·외 삼각교통섬 설치준거 및 설계기준을 비교·검토하고, 설치 현황 분석 및 철거·개선사례 조사를 통해 전반적인 현황 을 검토한다. 검토한 내용을 바탕으로 쟁점사항을 도출하고 항목별 분석을 통해 최종적으로는 삼각교통섬 설치준거 및 설계기준 개선 방향을 제시하고자 한다.

This study examines and redefines the transportation policy directions for Seoul, focusing on the diagnosis of existing traffic management strategies and the establishment of new policy directions. The research analyzes major transportation policies implemented in Seoul from 2015 to 2024 and evaluates key initiatives within the city’s mid-term urban transportation improvement plan (2022-2026). Based on this evaluation, new policy directions are proposed, emphasizing "traffic efficiency," "traffic safety," and "citizen convenience," while also incorporating "sustainable eco-friendly approaches" and the "establishment of institutional foundations." In addition to existing initiatives, this study highlights the need for further focus on "technological innovation and development," "environmental sustainability," and "improvements in laws, institutions, and administration." A comprehensive roadmap is developed, offering short, medium, and long-term action plans for the improvement of traffic operations. Key recommendations include the advancement of smart signal systems using AI and big data, the introduction of an integrated mobility platform, the enhancement of safety for vulnerable road users through autonomous driving technologies, and the development of eco-friendly transport systems. The study emphasizes the importance of adapting to rapid social and technological changes through proactive policy formulation and administrative streamlining.

2020년 국토교통부에서는 ‘결빙 취약구간 평가 세부 배점표’에 의하면, 전국의 고속국도 및 일반국도를 대상으로 결빙 취약 구간 464 개소를 선정하여 관리중에 있다. 그러나 감사원은 2020년 진행한 주요 사회기반시설(도로ㆍ고속철도) 안전관리실태 감사에서 결빙 취 약 구간 선정 시 터널 입출구부 등 결빙위험이 큰 구간이 도로포장 홈파기 대상구간에서 누락된 점을 지적하였다. 이러한 근거로 결 빙에 취약한 터널 입ㆍ출구에서 결빙사고가 우려되는 등 ‘겨울철 도로교통 안전 강화대책’의 실효성이 저하될 가능성이 제시되었다. 또한 본 연구에서 자체적으로 검토한 결과, 4개 특성 12개 항목으로 구성된 ‘결빙 취약구간 평가 세부 배점표’의 도로시설 항목에서 터널, 교량 등 도로시설물의 배점 부여 기준을 확인하기 어려웠으며, 각 도로시설에 대한 정의가 모호하여 평가표의 현장 적용성이 제 한되거나 신뢰도 검증이 부족한 점을 확인하였다. 본 연구에서는 국토교통부에서 제공하는 노드(Node) 및 링크(Link) 기반의 국내 도로망 GIS(Geographic Information System)데이터 에 결빙사고 데이터의 위치정보를 결합하여 고속국도 및 일반국도의 터널 및 교량 등을 포함하는 도로시설물 및 그 주변에서 발생한 결빙사고 이력을 자료화하였다. 최종적으로 도로시설물별 결빙사고 발생 비율 및 사고 심각도(사망자, 부상자 수)에 대한 분석을 통해 도로시설물의 결빙사고 상관 정도와 영향 범위를 파악하였다.

고속도로의 제한속도는 교통류, 운행 시간, 에너지 소비, 교통사고 발생률 등에 직접적인 영향을 미치는 중요한 요인이다. 제한속도 의 상향 조정은 운행 시간 단축과 경제적 이점을 가져올 수 있지만, 교통사고 위험성을 높일 수 있으며, 반대로 하향 조정은 사고율을 감소시킬 수 있으나 운행 시간 증가와 교통 혼잡을 초래할 수 있다. 이러한 상반된 영향으로 인해 제한속도 조정이 도로 안전성과 효 율성에 미치는 구체적인 변화를 분석하는 연구가 필요하다. 본 연구는 미시교통시뮬레이션 도구인 VISSIM과 SSAM을 활용하여 제한 속도 및 교통량 변화에 따른 고속도로 구간별 상충횟수를 분석하고, 위험성이 높아지는 구간을 식별하였다. 이를 통해 향후 단속지점 설정과 구간별 맞춤형 개선방안 마련에 실증적인 근거를 제공하고자 한다.

일반차량과 자율주행차량이 혼재하는 상황에서 발생가능한 미래 재난상황에 대한 관리방안 준비가 필요하다. 특히 재난 상황 중 안 개 발생 시 시야 확보가 어려운 일반차량 운전자와 센서기반 자율주행차량의 주행 특성이 다를 수 있다. 해당 상황에서의 문제점을 도출하고 이를 극복하기 위해 혼합교통류 관리 방안을 제안하고자 한다. 본 연구에서는 다양한 재난 상황 중 안개를 연구 대상으로 설정하였다. 과거 기상 상황별 일반차량을 주행 특성을 이력자료로 분석한 후, 안전한 교통흐름을 유지하기 위하여 자율주행차에게 정 보를 제공하는 방안을 제안한다.

자율주행차가 보급되어 도로에서 사람 운전자와 함께 운영되는 미래가 다가오고 있다. 사람 중심으로 운영되는 도로 체계가 자율주 행차와 공존하는 형태로 변화하고 있으며, 도로 시스템도 사람 운전자와 자율주행차가 혼재된 혼합교통류를 대상으로 변화하고 있다. 현재 도로에서는 예상하지 못한 상황들이 다양하게 발생한다. 교통사고, 도로 낙하물 등 교통흐름에 영향을 주는 상황들이 발생하며, 대응을 위한 전략들이 각 지방자치단체에서 준비되어 있다. 미래 교통상황에는 도로상에 자율주행차가 혼재되어 있으며 이를 포함하 는 돌발 및 재난상황에 대한 제어전략은 아직 부재하다. 본 연구에서는 돌발 및 재난상황 발생 시 자율주행차 제어전략에 대한 설계 방안을 제안한다. 돌발 및 재난상황 범위에 대해 정의하며, 상황 구분을 위한 기준을 제시하여 각 상황에서 자율주행차가 안전하게 대 응할 수 있도록 제어전략을 제시한다.

도로 위 노면전차 트램를 포함한 다양한 이동수단 흐름을 원활하게 유지하기 위해서는 효율적인 교통 신호 제어가 필요하다. 검증 되지 않은 기술의 현장 평가는 교통안전 측면에서 위험하기에 대부분 가상환경을 통해 적용 기술검증을 선행한다. 본 연구는 다양한 교통신호 제어 알고리즘을 센터 수준에서 적용하는 가상 실험환경 마련을 위한 기능적 요구사항을 정의한다. 기능적 요구사항으로 가 상환경 센터 기반으로 실험을 시작하거나 중지하는 기능, 교통량 등 입력값을 입력하는 기능 등의 기본적 요구사항을 도출하였다. 이 렇게 정의된 기능적 요구사항은 향후 트램 등 다양한 교통수단을 대상으로 하는 가상환경 센터 구축 과정에 효율적으로 참조될 수 있 을 것으로 기대된다.

기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.