PURPOSES : In this study, the importance of various goals, accomplishment, composition, and operation factors of autonomous driving living labs was identified, and implications for establishing strategies to expand the performance of autonomous driving living labs are presented based on their analyzed activation factors. METHODS : We set the factors for accomplishing autonomous living labs to promote technology development and commercialization, create an autonomous living ecosystem, secure the sustainability of living labs, resolve social issues related to urban transportation, and perform factor analyses. To identify the determining factors affecting performance, we performed a multiple regression analysis based on the scores of the composition and operation factors of autonomous living lab environments. RESULTS : Among the accomplishments of autonomous driving living labs, it was found that performance activation and physical environmental factors are important for the promotion of technology development and commercialization; performance activation and promotion and communication factors are important for sustainability related to ecosystem creation; and performance activation and physical environmental factors are important for sustainability related to operational experience acquisition. Additionally, operational factors related to the developer are important for the direct resolution of urban transportation problems, and promotion and communication and performance activation factors are important for the indirect resolution of urban transportation problems. CONCLUSIONS : The findings of this study clarify that activation factors differ depending on accomplishments or goals, providing basic data for establishing accomplishment-based strategies.

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.

본 연구는 2017년부터 2021년까지 고속도로에서 발생한 약 9,600건의 사고를 분석하여 자율주행 긴급차량의 신속한 대응 능력을 향 상시키고자 하였다. 조사 결과, 2차 사고가 전체 사망자의 16.8%를 차지하며, 이들 중 약 74%가 선행사고와 관련이 있다는 점이 강조 된다. 이러한 통계는 긴급차량의 신속한 대처 능력이 피해를 최소화하는 데 얼마나 중요한지를 보여준다. 연구에서는 사고의 영향권을 정의하고, 이를 기반으로 긴급차량이 보다 안전하고 효율적으로 사고 현장에 접근할 수 있도록 하는 알고리즘을 개발하였다. 실제 교 통사고 데이터를 활용하여 사고 지속 시간과 다양한 변수를 고려한 기초 분석을 실시하였으며, 도로 특성, 사고 종류, 점유 차로 등 여러 요소를 반영하여 대응 기준을 설정했다. 알고리즘은 자율주행 차량이 실시간으로 주변 정보를 수집하고 신속하게 대응 방안을 마련할 수 있도록 설계되었다. 향후 연구에서는 알고리즘의 실제 도로 환경에서의 적용 가능성을 검토하고, 다양한 변수들을 포함한 추가 연구를 통해 성능을 더욱 개선할 계획이다. 이러한 연구 결과는 교통사고로 인한 피해를 줄이는 데 기여하고, 자율주행 기술을 활용하여 2차 사고의 가능성을 감소시키는 데 중요한 역할을 할 것으로 기대된다.

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.

This study aims to analyze cooperative autonomous driving by integrating two advanced simulation tools, UC-WinRoad and VISSIM. Cooperative autonomous driving refers to the interaction of autonomous vehicles (AVs) with human-driven vehicles, infrastructure, and other road users within a dynamic traffic environment. The integration of UC-WinRoad’s realistic 3D visualization capabilities with VISSIM’s detailed microscopic traffic modeling enables the simulation of complex traffic scenarios, providing a comprehensive analysis of autonomous and connected vehicle behavior. The necessity of this study arises from the growing interest in autonomous driving technologies and the need for reliable tools to evaluate their performance and impact on real-world traffic systems. Simulations offer a safe and cost-effective environment to test AV behavior in various scenarios, including extreme or hazardous conditions that are difficult to replicate in the real world. This study also provides valuable insights into AV-infrastructure interactions, offering data-driven recommendations for policy and infrastructure planning. The outcomes of this research include the development of a methodology for linking UC-WinRoad and VISSIM, simulation results demonstrating potential improvements in traffic flow, safety, and efficiency through cooperative autonomous driving, and the identification of challenges in integrating AVs into existing traffic systems. This research contributes to the advancement of autonomous driving technologies by providing a robust framework for analyzing cooperative driving scenarios, supporting AV and human-driven systems ahead of the fully autonomous traffic systems of the future.

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.

최근 자율주행차량 기술의 급속한 발전은 교통 시스템의 효율성을 향상시키는 동시에, 도로 인프라에 새로운 도전 과제를 제기하고 있다. 자율주행차량은 차선 유지 시스템을 통해 일정하게 차선 중앙을 주행하는 특성이 있으며, 이로 인해 특정 휠패스(Wheel Path) 구 간에 하중이 집중되는 문제가 발생한다. 특히 중차량과 자율주행차량이 빈번하게 운행되는 도로 구간에서는 이러한 하중 집중으로 인 해 도로 포장층의 소성 변형과 균열이 빠르게 진행되며, 결과적으로 도로의 내구성이 크게 저하된다. 이는 도로의 유지보수 주기를 단 축시키고, 유지 비용을 증가시키며, 도로 이용자들에게 안전상의 위험을 초래할 수 있다. 이를 해결하기 위해 다양한 도로 보강 기술이 연구되어 왔으며, 그중 섬유 보강 그리드 기술이 주목받고 있다. 본 연구에서는 탄소섬 유와 유리섬유를 결합한 하이브리드형 섬유보강 그리드를 개발하고, 이를 자율주행차량이 운행하는 도로 구간에 적용함으로써 도로의 내구성 향상과 유지보수 비용 절감을 목표로 한다. 탄소섬유는 높은 강도와 내구성을 제공하여 휠패스 부위에 집중되는 하중에 대한 저항성을 강화하고, 유리섬유는 비휠패스 구간에 경제적인 보강 효과를 제공한다. 본 연구는 자율주행차량 시대에 적합한 도로 보강 솔루션을 제시하고, 이를 실증 구간에서 평가하여 그 효과를 검증하고자 한다. 이를 통해 도로의 반사균열 저항성 및 소성변형 저항성을 개선하고, 도로 수명을 연장함으로써 자율주행차량이 증가하는 교통 환경에서도 지속 가능한 도로 관리 방안을 제시할 수 있을 것이다.

본 연구는 보행로에서 주행하는 자율주행로봇의 경로 최적화를 위한 D*알고리즘 수정에 중점을 두고 있다. 기존의 D*알고리즘은 자율주행 로봇이 장애물을 인식하고 회피하는 방식으로 설계되었지만, 실제 보행환경에서는 보행로를 통행하는 사람들이 로봇을 인지 하고 스스로 회피하는 경향이 관찰되었다. 라이다 센서를 통해 수집된 사람들의 궤적 데이터를 분석하여, 사람들이 자율주행 로봇을 회피하기 시작하는 평균 거리와 회피 각도를 파악하였다. 이를 바탕으로, 사람들이 로봇을 회피할 의사가 있을 때 로봇이 기존 최적경 로를 유지하도록 하고, 그렇지 않은 경우에만 회피 경로를 채택하는 수정된 D*알고리즘을 제안하였다. 실험 결과, 수정된 D*알고리즘 을 적용한 자율주행 로봇은 운행 효율과 주행 시간 측면에서 기존 방식 대비 우수한 성능을 보였다. 이러한 연구는 제한된 배터리 용 량 하에서도 효율적인 주행이 가능하도록 하여 자율주행 로봇의 보행로 사용을 최적화하는 데 기여할 것으로 기대된다.

PURPOSES : This study explores the preference of shared autonomous vehicle service in an underground dedicated environment. METHODS : A stated preference survey was conducted to examine the mode choice behaviors on autonomous vehicle service competing with existing modes. Multinomial logit was employed to estimate the parameters of explanatory variables from the surveyed data. The model was estimated with alternative specific parameters rather than generic parameters. The value of time was also estimated using the parameters of the mode choice model. RESULTS : The results showed that the travel cost had the highest sensitivity to public transportation and the lowest to private cars. We also found that the value of the in-vehicle travel time was highest for private cars, lowest for public transportation, and intermediate for SAVs, suggesting that SAVs could serve as a premium public transport option. Additionally, the out-vehicle time coefficient was higher for public transportation compared to that for SAVs, indicating that users are more willing to tolerate longer out-vehicle times for SAVs due to their high-speed service compared to that of public transportation. CONCLUSIONS : This study presents a direction for policy regarding the adoption of shared autonomous vehicle services by considering the attributes that are valued by users of each mode.

PURPOSES : This study aims to calculate the estimation of travel time saving benefits from smart expressway construction by considering the willingness to pay for automated vehicles. METHODS : In this study, data were collected from 809 individual drivers through a stated preference survey. A multinomial logit model was constructed to analyze the choice behavior between arterial roads, expressways, and smart expressways. Through this, the values of time and benefits were estimated. RESULTS : The value of time was calculated at 19,379 won per vehicle per hour for arterial roads and expressways and 23,061 won per vehicle per hour for smart expressways. Applying these values to the Jungbu Naeryuk expressway, we evaluated the demand change and benefits resulting from the improvement to the smart expressways. The results show that the traffic volume on the Jungbu Naeryuk expressway is expected to increase by 4.7% to 20.7% depending on the changes in capacity. CONCLUSIONS : The travel time saving benefits are estimated as positive, resulting from the construction of smart expressways. The benefits resulting from the construction of new smart expressways are expected to be enhanced due to the anticipation of more significant time-saving effects.

PURPOSES : Even when autonomous vehicles are commercialized, a situation in which autonomous vehicles and regular drivers are mixed will persist for a considerable period of time until the percentage of autonomous vehicles on the road reaches 100%. To prepare for various situations that may occur in mixed traffic, this study aimed to understand the changes in traffic flow according to the percentage of autonomous vehicles in unsignalized intersections. METHODS : We collected road information and constructed a network using the VISSIM traffic simulation program. We then configured various scenarios according to the percentage of autonomous vehicles and traffic volume to understand the changes in the traffic flow in the mixed traffic by scenario. RESULTS : The results of the analysis showed that in all scenarios, the traffic flow on major roads changed negatively with the mix of autonomous vehicles; however, the increase or decrease was small. By contrast, the traffic flow on minor roads changed positively with a mix of autonomous vehicles. CONCLUSIONS : This study is significant because it proactively examines and designs traffic flow changes in congested traffic that may occur when autonomous vehicles are introduced.

자율주행에 관한 관심은 전 세계적으로 증가하고 있으며, 글로벌 자동차 제조사들과 기술기업들이 자율주행 분야에 대한 투자를 늘 리고 있어 향후 자동차 산업과 교통체계 전반에 큰 변화가 전망된다. 이처럼 자율주행 관련 연구와 개발은 끊임없이 진보하고 있으며, 관련 연구 수행은 계속해서 이루어질 것으로 보인다. 연구 수행에 있어 동향 파악은 필수 요소이며, 본 연구에서는 국내 자율주행 연 구 동향을 분석하고자 한다. 연구 동향을 분석한 다양한 분야의 선행연구 검토 결과, 각각 연구 목적에 맞는 다양한 데이터베이스를 이용하여 데이터를 수집하였으며 연구 주제어 혹은 초록을 분석데이터로 활용하였음을 확인하였다. 자율주행 연구 동향에 대해 분석 한 선행연구 검토 결과, 기존 연구들은 분야를 구분하지 않고 연구를 수집·분석하였음을 확인하였다. 자율주행은 도로, 교통, 자동차, 기계, 컴퓨터, 전자, 전기 등 다양한 분야를 포함하고 있기에 분야별 연구 동향 분석이 필요하다. 이에 본 연구에서는 도로·교통 분야 의 동향 분석을 위해 최근 5년간(2019년~2023년) 국내 도로·교통 분야 등재 학술지에 게재된 학술 논문을 대상으로 연구 동향을 분석 하였으며, 보다 많은 텍스트 데이터를 활용하기 위해 주제어가 아닌 초록을 활용하였다. 키워드 출현 빈도 분석을 통해 주요 키워드를 도출하였으며, 토픽 모델링을 통해 주요 연구주제를 도출하였다. 본 연구에서 수행한 자율주행 연구 동향 파악은 도로·교통 분야에서 향후 수행될 자율주행 연구 방향 수립에 시사점을 제공할 것이라 기대된다.

자율주행차량의 첨단 운전자 보조 시스템(ADAS)의 발전은 자율주행차량의 상용화를 가속화하고 있지만, 그 안전성을 입증하기 위한 충분한 테스트와 검증이 필요하다. 실제 차량을 이용한 대규모 테스트는 비용과 시간뿐만 아니라 다양한 시나리오를 구현하고 평가하 는 데 어려움이 있어, 다수의 연구자들은 시뮬레이션을 활용하고 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 차량 시뮬레이션 소프트웨어인 CarMaker와 교통 흐름 시뮬레이션인 VISSIM을 결합하여 공동으로 시뮬레이션을 진행한다. 또한 두 시뮬레이션의 장점 을 결합하여 자율주행차량의 데이터를 보다 포괄적으로 분석할 수 있는 프레임워크를 제안한다. 시뮬레이션 결과, 각각의 시뮬레이션 에서 얻은 Ego Vehicle의 속도 값은 미세한 차이를 보였으며, 이는 실시간 시뮬레이션의 통신 과정에서 발생하는 오류로 해석된다. 또 한, 특정 시나리오에서는 차량이 급정지 후 출발하는 형태를 보였으며, 이는 자율주행차량이 주변 차량의 주행을 인식하여 주행 패턴 에 변화를 주는 것으로 해석된다. 향후에는 도심 도로에서의 자율주행 평가를 통해 복잡한 교통 상황과 불확실한 요소들로 인해 어려 운 문제를 겪는 상황을 분석할 수 있을 것으로 기대된다.

자율주행차 상용화 시대를 가속화하기 위해 실제 도로에서 다양한 실증 프로젝트를 수행중이다. 그러나, 자율주행차와 비자율주행차 가 혼재된 혼합교통류 환경에서 발생할 수 있는 다양한 문제의 원인을 파악하고 선제적인 안전대책을 강구하는 노력은 미비한 실정이 다. 특히, 기존 비자율주행차 측면의 주행안전성을 고려하여 설계된 도로 시설 특성으로 인해 자율주행차의 주행안전성이 저하될 수 있다. 또한 기존 비자율주행차의 주행안전성을 저해함과 동시에 자율주행차의 주행안전성도 저해하는 도로 시설 특성이 존재할 가능 성이 있다. 본 연구에서는 상암 자율주행차 시범운행지구에서 수집된 automated vehicle data (AVD)를 활용하여 자율주행차와 비자율주 행차의 주행안전성을 평가하고 도로 시설 특성 측면의 영향요인을 도출하였다. 주행모드별 주행안전성 평가를 위해 autonomous emergency braking system (AEBS) 위험 이벤트 기반의 driving risk index (DRI)를 개발하였다. 구간별 DRI가 발생하지 않은 구간을 very good으로 정의하고 발생한 구간을 25 percentile로 구분하여 good, moderate, poor, very poor 등급으로 정의하여 총 5개의 등급으로 구분 하였다. 또한, 현장조사을 수행함으로써 구간별 포함되어 있는 도로 시설 특성을 수집하였다. 주행모드별 주행안전성에 영향을 미치는 도로 시설 특성을 도출하기 위해 이항로지스틱 회귀분석을 수행하였다. 종속 변수의 경우 DRI 기반 안전등급 중 poor 이상 등급을 1, 그 외의 등급을 0으로 정의하였으며, 독립변수의 경우 현장조사를 통해 수집된 교차로 유형, 차로 수, 차로 폭, 추가차로 유무, 차량 진행방향, 불법주정차 유무, 버스정류장 유무, 자전거 차로 유무에 대해 명목형 변수로 설정하였다. 도출된 주행모드별 주행안전성 영 향 요인을 검토하고 향후 자율주행차 시대에 대비하여 선제적으로 개선이 요구되는 도로 시설 특성을 도출하고 도로 운영성 및 효율 성, 안전성 측면의 개선 방향을 제시하였다.

정보통신기술(Information and Communication Technology)과 기존 교통수단의 융복합으로 수소자동차, 자율주행자동차 등과 같은 새로운 교통수단 등장으로 광역 이동과 같은 이동성이 향상될 것으로 기대되고 있다. 또한, 보다 빠른 광역 이동성 확보를 위해 BRT 전용차로 도입에 대한 논의가 계속되고 있으므로 본 연구는 BRT 전용차로 구간에서 자율주행자동차의 혼입률 및 대중교통 전환율에 따른 시나리오를 설정해 서비스수준 분석을 기반으로 잉여차로 발생 가능성을 확인하였다. 더불어, 미래교통량 증가와 자율주행 기술 의 발전이 BRT 전용차로 운영 구간에 미치는 변화를 분석해 도로의 자산가치 산정을 목적으로 하고 있다. 설정한 시나리오에서 도로 가 기능을 발휘할 수 있는 일정한 서비스수준(Level of Service, LOS)를 유지하는 자율주행자동차 혼입률 수준을 파악하였으며, A~F 의 6단계로 구분하여 결과를 도출하였다. 도로의 자산가치 산정방법은 국가회계기준에서 제시하고 있는 토지의 대체적 평가방법 4가 지 방법과 보다 객관성을 확보한 새로운 자산가치 평가방법을 준용하여 도로의 자산가치를 산정하였다. 분석 결과, 간선도로 서비스수 준을 통해 BRT 전용차로를 시행하면서 연속류 구간에서는 자율주행자동차 혼입률이 75%되는 경우 편도 3차로에서 편도 2차로로 1차 로 감소가 이루어져도 현재의 서비스수준을 유지할 수 있으며, 단속류에서는 자율주행자동차의 혼입률이 50%되는 시점에 편도 4차로 에서 편도3차로 1차로 감소 시 동일한 효과를 발휘할 수 있음을 확인하였다. 즉, 연속류 구간에서 자율주행자동차 비율이 75% 및 단 속류 구간에서는 자율주행자동차의 비율이 50%되는 시점에서 1차로에 대한 도로 자산가치가 발생할 수 있음을 알 수 있었다. 이와 같은 잉여차로는 보행약자를 위한 보행 공간 및 자전거도로, 개인형이동장치((Personal Mobility, PM)전용도로, 완충녹지 등의 완전도 로로 활용될 수 있음을 시사하고 있다.

자율주행차량을 상용화하기 위한 노력이 계속되고 있으며, 완전 자율주행 교통 환경이 조성되기 전까지 자율주행차량과 일반 차량 이 혼재된 혼합교통류가 형성될 것이라 예상된다. 이러한 혼합교통류에서 자율주행차량과 일반 차량은 주행 행태가 다르므로 기존에 는 발생하지 않았던 사고 위험상황을 유발할 수 있으며, 따라서 자율주행차량의 도입에 따른 사고 위험상황을 사전에 파악하고 이에 대한 안전관리 전략을 마련할 필요가 있다. 이러한 안전관리 전략 수립의 첫 단계로 자율주행차량 도입 시 자율주행차량이 사고위험 상황에 처할 수 있는 취약 구간과 취약 상황을 정의해야 한다. 기존 연구의 경우 자율주행 취약 구간 및 취약 상황 정의를 위해 전문 가 설문 조사 방법을 사용하였으며, 자율주행차량 데이터 구득에 어려움이 있어 주로 시뮬레이션 분석을 진행하였다. 본 연구에서는 더 실질적이고 구체적인 자율주행 취약 구간과 취약 상황을 정의하기 위해 두 가지 출처의 데이터를 활용하였으며, 다양한 방법론을 적용하여 과학적이고 다각적인 분석 결과를 도출하였다. 세종시 자율주행 실증구간에서 수집할 수 있는 자율주행차량 주행 궤적 데이 터를 활용해서는 사고위험 판단 안전 지표를 기준으로 사고 취약 구간 및 상황을 정의하였으며, 캘리포니아 DMV 자율주행차량 사고 데이터를 활용해서 연관규칙 기법과 토픽 모델링을 적용해 자율주행 사고에 영향을 미친 주요 요인들과 요인들 간의 연관성을 분석하 였다. 최종적으로는 세종시 자율주행차량 데이터 분석 결과와 캘리포니아 DMV 사고보고서 결과를 종합하여 종합적인 자율주행 취약 구간 및 상황을 정의하였다. 향후 본 연구에서 정의한 자율주행 취약 구간과 취약 상황 및 본 연구의 방법론을 활용하여 미래 교통 시스템의 안전 관리 전략을 마련할 수 있으며, 도로 운영자와 관리자의 의사결정을 도울 수 있을 것으로 기대한다.

본 연구에서는 운전 시뮬레이션을 사용하여 자율주행 환경을 구현한 후 3-수준 자율주행 조건에서 자율주행 차량 (automated vehicle: AV)으로부터 운전자에게 전달되는 제어권 인수 요구(takeover request: TOR) 정보의 양상(시각, 청각 및 시각+청각) 및 도로 형태(직선도로와 곡선도로)에 따라 운전자의 제어권 인수 시간(takeover time: TOT) 및 정신적 작업부하(제어권 인수 이후에 운전자들이 경험한 주관적 작업부하와 심장박동수에서의 변화)가 어떻게 차별 화되는지 분석하였다. 본 연구의 결과를 요약하면 다음과 같다. 먼저, AV로부터 TOR이 제시된 이후 실험참가자들 이 보인 TOT에 대한 분석 결과, TOR 정보양상의 측면에서는 시각 정보가 가장 빠른 TOT를 이끌어 낸 반면 청각 정보 조건에서 가장 느렸고, 도로 형태 측면에서는 직선도로 조건에 비해 곡선도로 조건에서의 TOT가 유의하게 더 느렸으며, 특히 청각 정보 조건에서 도로 형태에 따른 TOT에서의 차이가 가장 컸다. 둘째, 정신적 작업부하에 대한 분석 결과, TOR 정보가 시각 혹은 시각+청각적으로 제시된 조건에 비해 청각적으로 제시된 조건에서 주관적 작업부 하 측정치와 심장박동수 변화 크기 모두 전반적으로 더 낮았고 특히, 심장박동수 변화의 경우 이러한 경향은 곡선도 로 조건에서만 관찰되었다. 이러한 결과는 TOR 정보의 양상과 도로 형태에 따라 운전자의 TOT와 정신적 작업부하 수준이 달라질 수 있고, 특히 TOT가 빠를수록 정신적 작업부하 수준은 상대적으로 더 높아질 수 있음을 시사한다.