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.

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.

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.

단지 내 도로는 별도의 설계법 없이 AASHTO 및 TA 설계법, 한국형 도로포장 설계법을 적용하여 일률적인 포장 두께를 적용하고 있으나 비산먼지 방지 목적으로 중간층 또는 기층 포설 후, 공사차량을 사전개방하고 사업 준공 단계에서 표층을 시공하는 단계시공 을 실시하고 있다. 이에 의해 포장단면 두께는 공사차량의 영향으로 공용수명을 만족하지 못하게 되므로 포장 파손이 빈번하게 발생 하므로 이를 고려한 포장 설계법 정립이 필요하다. 따라서 공사차량 통행을 고려한 단지 내 도로포장 설계기준을 적용한 시험시공 구 간을 대상으로 현장 모니터링 조사를 수행하였으며, 구조해석 프로그램을 활용하여 단면두께에 대한 포장 공용수명을 산출함으로써 적정성을 검토하였다. 현장조사 결과, 표층 시공 후, 공사차량 교통량을 개방한 구간에서는 공용기간 48개월일 때 표면 균열율이 1% 미만으로 조사되었으며, 중간층만 포설된 단면에서 공사차량 하중이 재하되고, 표층을 포설한 구간의 균열율은 약 8%로 상대적으로 높게 나타났다. 일반적으로 균열율이 8% 초과할 경우, 노후화된 포장층으로 판단하여 유지보수를 실시(서울시, 2018)하므로 조기파손 이 발생한 것으로 제시할 수 있다. 또한, 기존 설계기준을 적용한 구간의 표면상태 조사결과와 KENPAVE를 활용한 Damage 산출 결과 가 유사한 추세로 나타났으며, 6,170 세대 이상의 공사차량이 통행할 경우 공용년수를 만족하지 못하였으므로 해당 세대수에 대해서는 상향 설계를 실시해야 한다. 유지보수 기준에 따라 5∼7년 동안 공용된 포장에서 나타나는 균열율을 기준으로 KENPAVE Damage 10%, KPRP 피로균열 6% 이하이면 10년 이상의 공용이 가능한 것으로 도출되었다. 그러나 절삭 후 덧씌우기를 진행하지 않은 포장 단면에서는 상대적으로 높은 표면 균열율이 발생하므로, 잔존수명 예측을 통해 적절한 절삭 깊이를 산출하여 목표 설계수명을 만족할 수 있는 단지 내 도로포장 설계단면의 적정 기준을 제시함으로써 공용수명을 향상시킬 수 있을 것으로 기대한다.

본 연구는 국내 도로사업의 교통수요 예측오차를 종합적으로 평가하고, 보다 효율적인 기대교통량 추정모형의 개발을 목적으로 수 행되었다. 이를 위해 본 연구에서는 1999년부터 2010년까지 수행된 예비타당성조사 및 타당성재조사 사업들 가운데 62건의 도로사업 (690개 구간)의 자료를 활용하였다. 본 연구의 주요 특징은 다음과 같다. 첫째, 기존 연구들과 달리 사업구간 뿐만 아니라 주변구간을 포함하여 교통수요 예측 오차를 평가했다는 점이다. 둘째, 본 연구는 교통수요 예측의 오차를 정확성, 추정편의, 추정연계성 등 다양한 평가지표를 활용하여 분석했다는 점이다. 실측자료를 통한 분석결과, 전체구간의 평균 백분율 오차(MPE)는 11.6%(과소추정)로 파악되 었지만, 이를 사업구간과 주변구간으로 나누어 살펴보면, 사업구간의 경우 -13.5%(과다추정), 주변구간은 16.5%(과소추정)로 상반된 결 과를 나타내었다. 추정편의 분석결과, 전체구간에서는 통계적으로 유의미한 편의가 발견되지 않았으나, 사업구간과 주변구간 각각에서 는 편의가 존재하는 것으로 나타났다. 추정연계성 분석에서는 주변구간의 경우 기준연도 정산 결과와 개통연도 오차 간 유의미한 관 계가 확인되었다. 이러한 분석결과를 바탕으로, 본 연구는 분위회귀모형을 활용한 기대교통량 추정모형을 제안하였는데, 이는 기존의 점 추정 방식의 한계를 보완하는 방안이다. 이 모형은 사업구간과 주변구간을 구분하여 개발되었으며, 실측교통량의 50% 분위를 중심 으로 95% 신뢰구간을 제시하였다. 또한, 동 모형에서는 고속도로 여부, 준공 지연 기간 등 주요 변수들의 영향을 고려하여 모형의 설 명력을 높였다는 특징을 갖는다. 본 연구의 결과는 도로사업의 교통수요 예측 정확성 향상과 투자 의사결정의 합리성 제고에 기여 할 수 있을 것으로 기대된다. 특히, 제안된 기대교통량 추정 모형은 예비타당성조사 등에서 보다 현실적인 교통수요 예측치를 제공하고, 이를 통해 경제성 분석의 신뢰도를 높이는 데 활용될 수 있을 것이다. 또한, 사업구간과 주변구간의 교통량 변화 특성이 다르다는 점 을 고려하여, 향후 도로 사업의 영향 평가 시 보다 세밀한 접근이 필요함을 시사한다.

PURPOSES : This study aims to investigate the reliability of the real-time estimation of intersection traffic volumes based on the integration of location intelligence data and smart intersection data. METHODS : Location intelligence data (LID) and smart intersection data were obtained at eight intersections in Inju-daero, Incheon. The two datasets were then integrated to estimate traffic volumes for intersections in the shadow section, where traffic information was not expected to be obtained. The traffic estimation accuracy was evaluated using the total traffic, approach traffic, and turning movement volumes at the intersections. The estimated traffic was compared with the actual traffic volumes in the smart intersection data to validate the reliability of traffic estimation. RESULTS : The average traffic estimation error for the total intersection volume was approximately 4.5% for the five intersections in the shadow section. The estimation errors for the approach volumes (less than 5%) were also consistently low, except from 12 pm to 1 pm. CONCLUSIONS : The findings of this study suggest that location intelligence data can be combined with smart intersection data to estimate real-time traffic for shadow sections on roadways. This could enable a cost-effective cooperative intelligent transport system (C-ITS) when the municipal budget is limited, ultimately leading to the sustainable operation of C-ITS.

PURPOSES : Traffic volume, an important basic data in the field of road traffic, is collected from traffic survey equipment installed at certain locations, which sometimes results in missing traffic volume data and abnormal detection. Therefore, this study presents various missing correction techniques using traffic characteristic analysis to obtain accurate traffic volume statistics. METHODS : The fundamental premise behind the development of a traffic volume correction and prediction model is to set the corrected data as the reference value, and the traffic volume correction and prediction process for the outliers and missing values in the raw data were performed based on the set values. RESULTS : The simulation results confirmed that the algorithm combining seasonal composition, quantile AD, and aggregation techniques showed a detection performance of more than 91% compared with actual values. CONCLUSIONS : Raw data collected due to difficulties faced by traffic survey equipment will result in missing traffic volume data and abnormal detection. If these abnormal data are used without appropriate corrections, it is difficult to accurately predict traffic demand. Therefore, it is necessary to improve the accuracy of demand prediction through characteristic analysis and the correction of missing data or outliers in the traffic data.

PURPOSES : This study analyzes the estimated traffic volumes on roads and railways based on econometrics. METHODS : The accuracy of traffic forecasting was analyzed based on the average difference between predicted and actual values. This study distinguishes itself from existing literature by conducting a comparative analysis categorized by project type. In this study, econometric analyses, including bias and efficiency evaluation, were conducted for 308 projects in Korea. RESULTS : We conducted econometric analysis by dividing the data into project types. This study examines the accuracy of estimates in South Korea's road and railway projects concerning various factors, including project types (mobility-focused or accessibility-focused), implementing agencies, and the performance of preliminary feasibility studies. Notably, it identifies a tendency for overestimation, particularly in railway projects and mobility-focused road projects, such as expressways and national highways, as well as in projects executed by local governments. The mean percentage error (MPE) for the analyzed projects was -46.62%, indicating a significant overestimation bias with resulting inefficiencies. However, our analysis revealed that road projects, particularly those accompanied by preliminary feasibility studies and implemented by the central government, exhibited reduced bias and improved efficiency. The presence or absence of preliminary feasibility studies significantly influenced estimation bias. Interestingly, even when preliminary feasibility studies are conducted, the choice of the implementing agency remains a crucial factor affecting estimation bias. In addition, railway projects continue to demonstrate a notable overestimation bias, warranting further attention. CONCLUSIONS : Considering bias, efficiency, and MPE is advisable when forecasting traffic.

PURPOSES : This study verifies the appropriateness of the observed traffic volume using car navigation traffic volume data. METHODS : In this study, we developed an annual average daily traffic (AADT) estimation model that can verify the total amount of traffic by using navigation traffic volume data. In addition, a method to verify the appropriateness of the observed traffic volume was developed using time-based navigation traffic volume data that can check the characteristics of traffic volume at each point. RESULTS : As a result of the analysis of this study, it was found that 674 of the 697 short-duration survey spots of the freeways were appropriate and that 23 spots needed to be revised. CONCLUSIONS : As a result of the analysis of this study, it was found that there was a strong positive correlation between the observed traffic volume and the car navigation traffic volume. Thus, the appropriateness of the observed traffic was determined by verifying the total amount of observed traffic and the observed traffic volume by time.

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.