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.

PURPOSES : This study aims to develop a congestion mitigation strategy at lane drop bottleneck with low Connected and Automated Vehicle (CAV) penetration. METHODS : The proposed strategy is designed to assign a role of a moving bottleneck to CAVs to reduce low-speed lane changes at bottleneck locations, which are the main cause of bottleneck capacity drop. Through this, it aims to induce proactive upstream lane changes for Human-Driven Vehicles (HDVs,). Therefore, this study includes the control algorithm for CAVs, and the evaluation of the strategy assumes penetration rates of 5% and 10% in a Microsimulation VISSIM environment. The assessment is conducted by comparing the capacity drop and total travel time. Additionally, a sensitivity test for the parameter of the CAV control algorithm, reduced speed, is performed to find the optimal parameter. RESULTS : In this study, three scenarios, a) Base, b) CAV with no control, and c) CAV with control, are designed to evaluate the effects of the CAV control strategy. Analysis of segment density and lane change distribution reveals that the control strategy effectively prevented vehicle congestion due to the bottleneck effect. Additionally, the analysis of capacity changes before and after the bottleneck and total travel time shows the effectiveness of the control strategy. The sensitivity test on CAV control speed emphasized the importance of selecting an appropriate speed for maintaining efficient traffic flow. Lastly, as the CAV penetration rate increased, the control strategy exhibited greater effectiveness in mitigating capacity drop. CONCLUSIONS : The proposed strategy is intended for use at low CAV penetration rates and is expected to provide assistance in mitigating congestion at bottlenecks during the early stages of CAV commercialization. Furthermore, since the role of CAV in the strategy can be performed by CVs or even HDVs, it can be applied not only immediately but also in the near future.