PURPOSES : This study aims to perform a quantitative analysis of Forward Collision Warning and crash frequency using heavy vehicle driving data collected in expressway driving environments, and to classify the driving environments where Forward Collision Warnings of heavy vehicles occur for accident-prone areas and analyze their occurrence characteristics. METHODS : A bivariate Gaussian mixture model based on inter-vehicle distance gap and speed-acceleration parameters is used to classify the environment in which Forward Collision Warning occurs for heavy vehicles driving on expressways. For this analysis, Probe Vehicle Data of 80 large trucks collected by C-ITS devices of Korea Expressway Corporation from May to June 2022. Combined with accident information from the past five years, a detailed analysis of the classified driving environments is conducted. RESULTS : The results of the clustering analysis categorizes Forward Collision Warning environments into three groups: Group I (highdensity, high-speed), Group II (high-density, low-speed), and Group III (low-density, high-speed). It reveals a positive correlation between Forward Collision Warning frequency and accident rates at these points, with Group I prevailing. Road characteristics at sites with different accident incidences showed that on-ramps and toll gates had high occurrences of both accidents and warnings. Furthermore, acceleration deviation at high-accident sites was significant across all groups, with variable speed deviations noted for each warning group. CONCLUSIONS : The Forward Collision Warning of heavy vehicles on expressways is classified into three types depending on the driving environment, and the results of these environmental classifications can be used as a basis for building a road environment that reduces the risk of crashes for heavy vehicles.

교통 분야의 빅데이터 수집 및 활용은 기존에 명확하게 제시하지 못했던 다양한 분야의 연구를 가능하게 하고 있다. 특히 내비게이션 등의 개별차량 주행데이터의 경우 운전자가 주행을 시작한 시점부터 종료 한 시점까지의 주행시간과 거리, 경로 등의 데이터 수집이 가능하기 때문에 보다 다양한 분석과 정확한 결과 제시가 가능한 양질의 데이터라 할 수 있을 것이다. 기존의 경우 권역별 통행특성을 파악하기 위해 고속도로 VDS 교통량과 영업소별 통행량 자료 등을 활용하였으나, 해당 자료의 경우 고속도로를 주행한 차량에 한정되고 차량의 기점과 종점이 고속도로 영업소로 제한되기 때문에 세부 권역별 차량의 통행특성을 파악하는 것에 한계가 있으며, 운전자가 실제 주행한 총 통행시간과 휴식여부 등을 파악하는 것에도 한계가 있다. 본 연구에서는 위와 같은 문제점을 극복하기 위한 방안으로 SK텔레콤 Tmap(내비게이션)을 사용하여 하계휴가기간(2017년 7월 31일∼2017년 8월 6일) 중 수도권에서 강원권으로 이동한 개별차량의 주행데이터를 수집하여 기종점간 평균 통행시간, 고속도로 경로선택, 평균 휴식시간 등을 분석하였다. 하계휴가 기간 중 Tmap을 사용하여 수도권과 강원권(속초, 양양, 강릉, 동해, 삼척)을 이동한 통행은 총 109,621통행이며, 이중 수도권에서 강원권으로 이동한 통행이 총 50,648통행이고 해당 차량들의 평균 통행시간은 205분, 강원권에서 수도권으로 이동한 통행은 총 58,973이고 해당 차량들의 총 통행시간은 217분으로 검토되었다. 이밖에 위에서 수집된 통행량을 수도권 5개 권역(경기 남부/북부, 서울 강남/강북, 인천)과 강원권 3개 권역(속초·양양, 강릉, 동해·삼척)으로 구분하고 각각의 권역별 통행량을 기준으로 주요 이동경로와 통행시간 등의 상세분석을 시행하였으며, 분석기간 중 서울양양고속도로를 이용하여 경기 북부에서 속초·양양으로 이동한 통행량이 6,290통행으로 가장 높은 통행량을 나타냈으며, 해당 차량들의 평균 통행시간은 약 173분인 것으로 나타났다

PURPOSES : In link matching using vehicular trajectory in a car navigation system, it is technically difficult to match the location of the subject vehicle with a link on an electronic map in the vehicle on a grade separation highway segment consisting of an elevated highway and atgrade highway, because of the overlap of geometric lines of the two highways. This study was initiated to propose a link matching algorithm using the characteristics of vehicular movement of the subject vehicle. METHODS : The selected test site is the highway segment between Jeong-reung IC and Gil-eum IC where the Inner Circulation Road and Jeong-reung-ro run together. To evaluate the proposed algorithm, this study collected the raw packet data of vehicles that drove on the test site. In a simulation environment, link matching was performed using an existing algorithm as well as the proposed algorithm. RESULTS: It was clearly found that the characteristics of vehicular movements are different on the two highways. CONCLUSIONS: The proposed algorithm outperformed the existing algorithm.

고속도로 및 국도 등의 인터체인지 유출부에 대한 설계기준과 연구 내용은 주로 변이구간, 감속차로, 곡선반경, 유출각 및 노즈부의 형상 등 자동차와 도로 기하구조간의 운동역학적인 관점의 안전성 확보만 주요 관심사였다. 따라서 본 연구에서는 차량 주행속도 특성에 초점을 맞추어 첫째 현행 설계기준의 이론적 의미를 해석하고, 둘째, 유출부 완화곡선에서 차량의 주행속도 및 교통사고 특성을 살펴보았고, 셋째, 기존의 인터체인지 유출 램프부 최소곡선반경의 부적합성을 검토한 후 운전자의 완화 곡선부 주행특성에 맞는 새로운 완화곡선 설계방법을 제시하였고 그 결과를 산출하여 기존방법과 비교 검토한 결과 유출램프 완화 곡선부 설계속도 50km/h, 40km/h의 경우기존의 원심력과 구심력이 평형을 이루는 최소곡선반경에서 관성력이 커져 교통사고의 위험이 높아진다는 것을 확인할 수 있었고 새로이 제안한 감속주행 완화곡선에서는 기존의 완화곡선보다 관성력이 작아지고 곡선은 커져 기존보다 안전한 곡선으로 확인되었다.

It's declining the number of deaths in total traffic accidents, but the death of elder drivers has increasing than younger drivers. So this paper wish to prevent the traffic accident of the elder drivers using driving simulator. It can help to make better policies and planning for elder drivers.

주행하는 차량이 도로포장에 가하는 동적 하중은 포장표면의 거칠기에 따라 그 크기가 변화하게 되며 설계하중보다 큰 하중이 재하 될 경우에는 포장의 공용성에 영향을 미치게 된다. 따라서 본 논문에서는 포장표면의 평탄성에 대한 지불규정을 시방에 적용하여 포장의 성능 및 품질향상을 도모하기 위한 기본연구로써 도로포장의 표면에 거칠기가 있을 때 주행차량에 의한 동적 하중 크기의 변화를 분석하였다. 먼저 평탄성이 좋지 않은 오래된 포장과 평탄성이 좋은 새로운 포장에서 구한 평탄성 데이터를 이용하여 구조해석을 수행함으로써 이러한 포장에서 차량이 주행할 때 동적 하중의 크기 변화를 비교 분석하였다. 그리고 차량속도와 표면 거칠기의 진폭 및 파장이 차량 동적 하중 크기에 미치는 영향을 가상의 평탄성 데이터를 구성하여 분석하였다. 이러한 표면 거칠기에 의한 동적 차량하중 크기의 증가는 포장의 응력 및 변형률에 영향을 미치며 궁극적으로 포장의 공용성과 연관되기 때문에 표면 거칠기와 포장의 공용성과의 관계를 유출하는 방법을 제시하였다

A* algorithm is a global path generation algorithm, and typically create a path using only the distance information. Therefore along the path, a moving vehicle is usually not be considered by driving characteristics. Deceleration at the corner is one of the driving characteristics of the vehicle. In this paper, considering this characteristic, a new evaluation function based path algorithm is proposed to decrease the number of driving path corner, in order to reduce the driving cost, such as driving time, fuel consumption and so on. Also the potential field method is applied for driving of UGV, which is robust against static and dynamic obstacle environment during following the generated path of the mobile robot under. The driving time and path following test was occurred by experiments based on a pseudo UGV, mobile robot in downscaled UGV’s maximum and driving speed in corner. The experiment results were confirmed that the driving time by the proposed algorithm was decreased comparing with the results from A* algorithm.