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.

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 : 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.

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.

본 연구에서는 2006년도의 교량 유지관리 빅데이터를 이용하여 선행연구에서 개발된 차종별 교통량 데이터와 연직 변위 데이터의 상관관계를 바탕으로 광안대교의 차종별 교통량 데이터를 이용한 연직 변위 추정 모델에 대하여 10여년이 경과한 현재적 적용성을 각각의 업데이트 방법으로 개발된 모델의 변위 추정 성능을 비교 분석하였다. 개발된 모델의 현재적 적용성은 추정된 변위는 실측 변위와 유사한 것으로 분석되었으며, 구조화 회귀 분석에 기반한 모델과 주성분 분석에 기반한 모델의 변위 추정 성능은 상호간에 큰 차이가 없다는 것을 알 수 있었다. 결론적으로 본 연구에서 개발한 차종별 교통량 데이터를 이용한 연직 변위 추정 모델은 광안대교의 교통하중에 따른 거동 분석 등에 유효하게 활용될 수 있을 것으로 사료된다.

본 논문에서는 인천항의 장래 입 출항 교통량을 추정하고, 인천 조류신호소에서 제공하는 조류정보의 가치를 분석하였다. 전국항만 기본계획에 따르면 인천항의 2020년 물동량은 2005년 대비 약 2배로 증가한다. 이에 따라 해상 교통량도 크게 증가할 것이다. 또한 인천항을 통항하는 선박의 조류영향으로 인한 해양사고를 방지하기 위하여 해양수산부는 조류신호소를 운영하고 있다. 그러나 이의 가치에 대한 분석이 없어 그 효과가 정량적으로 알려진 것이 없다. 따라서 본 연구에서는 인천 조류선호소의 정보에 대한 가치를 조건부 가치측정법(CVM)으로 산출하고, 장래 교통량을 고려한 정보가치를 분석하였다. 이로써 조류정보를 직접 이용하는 교통량을 고려한 연간 정보가치는 2000년부터 2020년까지 대략 1.7~2.8억원이 되는 것으로 추산되었다.

항만개발의 적정성 및 해상교통 환경평가를 위하여 대상항만의 현재의 입출항 교통량을 이용하여 장래의 교통량을 추정하고 있다. 이는 장래 교통량의 추정을 기초로 하여 항로의 혼잡도, 항로 폭의 결정, 각종 운영규정을 설정하기 때문에 상당히 중요한 요소로 반드시 고려되어야 할 요소이다. 장래 해상교통량 추정방법은 프레터 법칙, 경향 추세식을 이용한 방법 등이 있는데 이전 연구의 대부분은 교통량 추정요소는 그 항만의 입출항 척수를 기초로 장래교통량을 추정하고 있다. 그러나 항만 특성상 입출항 선박의 종류 및 크기가 상이하여 지금과 같이 입출항 척수라는 하나의 요소로 변화 추이를 이용한 장래 교통량 예측은 상당히 어렵다. 이 논문에서는 각 항만의 해상교통 구성 특성요소인 연안 외항선박 척수, 선박 크기별 입출항 척수, 각 선박 당 수송 물동량 등의 변화 추이를 이용하여 장래 교통량 추이를 조사하여 예측하고자 한다. 그리고 수학적으로 모델을 구하기 어려운 비선형 시스템이라 할지라도 입 출력 특성을 묘사할 수 있으며, 입력정보의 왜곡, 잡음 등에 강인한 특성을 가지고 있어서 최근에 비선형 동특성 시스템의 동정(Identification)에 응용되고 있는 신경회로망을 이용하여 장래교통량을 예측한 결과와 상호 비교하고자 한다.

컨테이너항만의 물동량이 증가하는 추세에서 장래에 발생될 컨테이너선박의 교통량을 예측한다면 항만의 효율적인 계획과 운영관리를 사전에 수립할 수 있다. 해상교통 관점에서도 컨테이너선박의 입 출항 척수를 장기적으로 추정하고, 이를 근거로 해상교통수요를 원활하게 처리할 수 있는 합리적인 방안을 계획할 수 있다. 따라서 본 연구에서는 전국항만 기본계획에서 제시된 부산항, 광양항, 인천항의 컨테이너 물동량 예측자료를 토대로 각 항만에 대한 컨테이너선의 장래 입 출항 교통량을 추정하였다. 이를 위해서 컨테이너선박의 척당 물동량 추세를 ARIMA 모형을 통해 예측하고, 계절지수를 산출하였다. 이와 같이 예측된 척당 물동량을 2011년, 2015년, 그리고 2020년의 컨테이너 물동량에 대비시켜 발생예상의 해상교통량을 추정하였다.

감천항은 부산항의 늘어나는 화물 수요에 대처하고 북항의 기능을 보완하기 위해 개발되었다. 일반부두뿐만 아니라 1997년에는 컨테이너 부두가 개장되어 현재 최대 50,000DWT급 컨테이너 선박이 입 출항 하고 있다. 그러나 감천항은 어선, 잡종선 등 소형선박들의 입 출항의 비중이 50%에 가깝고, 동부두 방면에 건설 중인 공영 수산도매시장이 2008년에 개장할 예정이다. 따라서 감천항의 항만관제 운영계획을 설정하기에 앞서 입 출항하는 선박의 장래 연간교통량을 파악하는 것이 필요하다. 또한 감천항은 방파제 입구가 협소하며, 방파제 전방에서 선박이 통항할 때 교차상태가 상존한으로 해상충돌사고의 위험이 높아 이에 대한 교차상태위험 분석이 요구되고 있다. 따라서 본 연구에서는 감천항의 장래 교통량을 추정하고, 시뮬레이션을 통해 통항위험에 대한 정량적인 분석을 수행하였다.

From the point of view of safety of life and property at sea and the protection of the marine environment, the Vessel Traffic Management System along the Korea coastal waterway is inevitably introduced. But the establishing priority per area must be evaluated under the restricted budget. In this case, the estimated traffic flow has a major effect on priority evaluation. In the former paper <I>, an algorithm was proposed for estimating the trip distribution between each pair of zones such as harbours and straits. This paper aims to formulate a simulation model for estimating the dynamic traffic flow per area in the Korea coastal waterway. The model consists of the algorithm constrined by the statistical movement of ships and the observed data, the regression analysis and the traffic network evaluations. The processed results of traffic flow except fishing vessel are summarized as follows ; 1) In 2000, the traffic congestions per area are estimated, in proportion of ship's number (tonnage), as Busan area 22.3%(44.5%), Yeosu area 19.8%(11.2%), Wando-Jeju area18.1%(6.8%), Mokpo area 14.9%(9.9%), Gunsan area 9.1%(9.3%), Inchon area 8.1%(7.7%), Pohang area 5.5%(8.5%), and Donghae area 2.2%(2.1%). 2) For example in Busan area, the increment of traffic volume per annum is estimated 4, 102 ships (23 million tons) and the traffic flow in 2000 is evaluated 158, 793 ships (687 million tons). 3) consequently, the increment of traffic volume in Busan area is found the largest and followed by Yeosu, Wando-Jeju area. Also, the traffic flow per area in 2000 has the same order.

Trip distribution plays an important role in the analysis and network evaluation phases of the transportation and the traffic planing process. In this paper, the authors propose an algorithm for estimating the trip distribution between each pair of zones such as harbours and straits. The algorithm is formulated by using the observed data and introducing the concept of entropy when observed data between harbours were not existed. In order to examine the feasbility , the proposed algorithm is applied to ships on traffic route in Hanryu Sudo and in Korea costal waterway. And also, its validity is examined by comparing another algorithm through statistical test.