최근, 근거리 무선통신(DSRC), GPS 등 위치기반 및 전송기술에 힘입어 하이패스, 교통카드, 차량 내비게이션 등 다양한 데이터의 확보가 가능한 환경이 되었다. 이로 인하여 통행자의 이동과정과 교통운영 과정에서 다양한 데이터가 끊임없이 생성되고 축적되고 있으며, 향후 자율주행차량의 등장으로 그 양은 폭발적으로 증가될 것으로 판단된다. 고속도로의 경우 본선에 설치되어 있는 DSRC(Dedicated Short Range Communication) 시스템을 통하여 도로변 기지국(RSE)과 주행 차량 내 OBU와 무선통신으로 교통정보를 수집하고 있다. DSRC 시스템에서는 개별차량의 통행 궤적, 링크 통행속도 등이 수집되며, 고속도로에 설치된 총 978개소의 도로변 기지국(RSE)에서 전체 고속도로 이용차량의 약 30% 차량에 대해서 정보를 수집하고 있다 본 연구에서는 고속도로에서 수집되는 개별차량의 경로정보를 수집 및 가공하여 분석을 수행하였다. 분석의 시간적 범위는 대표 평일과 명절을 대상으로 하였으며, 세부적인 분석항목은 차종별, 시간대별로 선택하는 통행경로 및 국도우회 행태, 특정도로 구간을 통과하는 차량의 기종점, 통행거리 및 통행발생 특성 등이다.분석을 통해 고속도로 이용차량의 교통상황에 따른 통행경로 및 통행거리, 통행시간에 대한 특성이 평일과 명절에 어떻게 달라지는지, 경로별 통행시간에 따른 통행경로 이용률의 변화 등을 파악할 수 있었다. 또한 이러한 분석을 통해 산출된 결과를 고속도로 교통관리 정책에 활용할 수 있는 세부 방안을 도출하였다.

무등산도립공원 탐방객 수와 통행 패턴을 파악하기 위하여 증심사지구, 원효사지구, 중머리재 등 3개 지역, 16개지점에서 2008년 여름부터 2009년 봄까지 계절별로 각 3일씩 조사를 실시하였다. 조사결과 무등산도립공원의 연간탐방객 수는 총 2,789,924명으로 추정되었다. 조사지점을 통한 입장객 수는 1,864,623명, 차량을 이용한 공원구역 통과객 수는 832,070명, 조사지점 외 탐방객 수는 93,231명으로 추정되었다. 전체 입장객 중 증심사지구로 입장하는 탐방객 비율이 74%, 원효사지구로 입장하는 탐방객이 26%로서 양 지역간 약 2.8배의 차이가 있었다. 증심사지구와 원효사지구 입장객이 중머리재를 방문하는 비율은 34.1%로 나타났으며, 중머리재 방문자 중 30.3%가 정상부를 탐방하는 것으로 나타났다. 또한, 무등산도립공원 장불재, 입석대, 규봉 등 정상부를 방문하는 탐방객은 전체 입장객의 21.1%로 나타났다.

설악산국립공원의 탐방객 수는 1990년부터 1997년까지 연평균 3%의 증가율을 보이고 있고 전체 탐방객 중 79%가 접근성이 용이하고 편의시설이 잘 갖추어진 외설악지구로 탐방하고 있었다. 외설악지구의 설악동매표소를 통과한 탐방객 중 정상을 향한 등반비율은 6~17%수준이었고 그 나머지는 가까운 거리의 울산바위나 비선대, 마등령 방향으로 등반하고 하산하는 것으로 나타났다. 오색매표소에서 대청봉으로의 등반객 수는 여름철보다 가을철에 더 많았다. 설악산국립공원에서의 탐방객의 통행패턴은 지역별, 계절별, 요일별로 차이가 있었다.

The extreme weather conditions negatively affect the traffic flow performance, and the change of traffic systems has significant impacts on the air pollutant emission. This study identifies the correlation between rainfall, traffic volume, travel speed and air pollution concentration (NO2 and PM10) in Seoul. We employed a path analysis using rainfall data from Korea Meteorological Administration and Seoul’s air quality and traffic monitoring data in July and August on 2014. It is found that the occurrence of rainfall decreases NO2 and PM10 concentration due to the higher washing effect, while rainfall increases NO2 and PM10 concentration via the changes in traffic volume and traffic speed. The analysis of the rainfall intensity reveals that the rainfall increases NO2 concentration due to the traffic volume increase and the traffic speed reduction if an hourly rainfall is more than 5mm. It is to note that the current model succeeds in identifying the relationship between weather conditions, traffic flow performance and air pollution in a unified and consistent framework, which can be used for better predicting the changes in air pollution concentration.