PURPOSES : The purpose of this study is to build an optimization model using the capacity and initial travel speed of the volume delay functions for network calibration performed in the traffic demand analysis process. METHODS : The optimization model contains an error term between the observed traffic volume and estimated traffic volume, based on the user equilibrium principle, and was constructed as a bi-level model by applying range constraints on capacity and travel time. In addition, we searched the split section to apply the method of adjusting the section instead of adjusting the single link. The optimization model is constructed by applying the warm-start method using the bush of the origin-based model so that parameter adjustment and traffic assignment are repeatedly executed within the model and the convergence of the model configured %RSSE. RESULTS : As a result of analysis using the toy network, the optimization model is that the observed traffic volume is estimated when there are no restrictions and, when the constraint conditions were set, the error with the observed traffic volume and error rate was significantly reduced. As a result of the comparative analysis of the trial-and-error methods, KTDB optimum values, and optimization models in empirical analysis using a large-scale network, the evaluation indexes (e.g., RMSE and %RMSE) were significantly improved by applying the optimization model. CONCLUSIONS : Based on the empirical analysis, the optimization model of this study can be applied to large-scale networks and it is expected that the efficiency and reliability of road network calibration will be improved by repeatedly performing parameter adjustment and traffic assignment within the model.

자연 하천으로부터 홍수유출을 추정할 경우, 반드시 고려해야 할 중요한 인자들 중의 하나는 지체시간이다. 지체 시간은 집수형상디스크립터로 표현될 수 있는 유역의 형태적 특성의 영향아래 있음이 잘 알려져 있다. 본 논문에서는 Moussa(2003)에 의하여 제안된 등가타원의 기하학적 특성에 대한 개념을 유역 출구에 대한 지형학적 순간단위도 (GIUH)의 지체시간 산정에 적용한다. 강우-유출 관측 자료에 대한 지체시간은 Nash(1957)가 제안한 적률법을

본 연구는 Moussa(2003)에 의하여 개발된 등가타원을 기반으로 한 신집수형상디스크립터에 대한 소개 및 수문학적 적용성 평가를 목적으로 한다. 두 디스크립터 a+b, a+b+과 지체시간 사이의 상관성 분석이 수행되었고 이를 Nash 모형 매개변수들의 대표치 산정에 적용하였다. 본 연구의 실용성을 조사하기 위하여 한강 수계의 평창강 유역, 금강 수계의 보청천 유역 그리고 낙동강 수계의 위천 유역들에 각각 이 디스크립터특이 적용되었다. 그 결과, 두

신호교차로는 도로조건, 교통조건, 신호조건 능 방대한 입력자료를 바탕으로 용량분석을 시행하고 이 과정을 토대로 주요 효과척도인 지체를 산정하여 신호교차로의 서비스 수준을 판단한다. 하지만 이러한 용량 및 서비스 수준 결정에 있어 바탕이 되는 현장 데이터(회전 교통량, 도로의 기하구조, 신호시간, 접근로 구배, 중차량비, 첨두시간계수, 차량도착형태 등) 입력자료의 불확실성으로 인해 초래되는 결과의 오류에 대해서는 고려되지 않고 있는 실정이다. 이로 인해 추정된 용량 및 서비스수준에 대한 신뢰성을 검증할 수 없는 문제를 내포하고 있다. 따라서 본 연구에서는 해당 교차로 접근로의 교통량과 중차량 비율 및 도로의 기하구조 등 입력자료의 불확실성이 용량해석과 서비스수준 결정에 끼치는 영향을 고려해보고 이틀에 의한 영향을 최소화할 수 있는 방안을 제시하고자 한다.

Today freeway is experiencing a severe congestion with incoming or outgoing traffic through freeway ramps during the peak periods. Thus, the purpose of this study is to identify the traffic characteristics, analyze the relationships between the traffic characteristics and finally construct the delay predictive models on the rap junctions of freeway with 70mph speed limit. From the traffic analyses, and model construction and verification for delay prediction on the ramp junctions of freeway, the following results were obtained : ⅰ) Traffic flow showed a big difference depending on the time periods. Especially, more traffic flows were concentrated on the freeway junctions in the morning peak period. ⅱ) The occupancy also showed a big difference depending on the time periods, and the downstream occupancy(Od) was especially shown to have a higher explanatory power for the delay predictive model construction on the ramp junctions of freeway. ⅲ) The delay-occupancy curve showed a remarkable shift based on the occupancies observed : Od/〈9% and Od/≥9%. Especially, volume and occupancy were shown to be highly explanatory for delay prediction on the ramp junctions of freeway under Od/≥9%, but lowly for delay prediction on the ramp junctions of freeway under Od/〈9%. Rather, the driver characteristics or transportation conditions around the freeway were thought to be a little higher explanatory for the delay prediction under Od/〈9%. ⅳ) Integrated delay predictive models showed a higher explanatory power in the morning peak period, but a lower explanatory power in the non-peak periods.