PURPOSES : This study aimed to derive the factors that contribute to crash severity in mixed traffic situations and suggest policy implications for enhancing traffic safety related to these contributing factors. METHODS : California autonomous vehicle (AV) accident reports and Google Maps based on accident location were used to identify potential accident severity-contributing factors. A decision tree analysis was adopted to derive the crash severity analyses. The 24 candidate variables that affected crash severity were used as the decision tree input variables, with the output being the crash severity categorized as high, medium, and low. RESULTS : The crash severity contributing factor results showed that the number of lanes, speed limit, bus stop, AV traveling straight, AV turning left, rightmost dedicated lane, and nighttime conditions are variables that affect crash severity. In particular, the speed limit was found to be a factor that caused serious crashes, suggesting that the AV driving speed is closely related to crash severity. Therefore, a speed management strategy for mixed traffic situations is proposed to decrease crash severity and enhance traffic safety. CONCLUSIONS : This paper presents policy implications for reducing accidents caused by autonomous and manual vehicle interactions in terms of engineering, education, enforcement, and governance. The findings of this study are expected to serve as a basis for preparing preventive measures against AV-related accidents.

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.

최근 자율주행 차량의 등장으로 인해 기존의 교통 시스템에 많은 변화가 생길 것으로 보이며, 운전자가 주행하던 차량과는 다른 행태로 인해 기존 비자율주행 차량들이 초래하는 고위험 상황의 요인과는 다른 새로운 요인들이 도출될 것으로 보인다. 하지만, 현 시점 국내 에서는 자율주행 차량이 실제로 주행하고 있지 않기 때문에 주행행태를 포함한 데이터 기반의 주요 요인 분석 및 도출에 한계가 있다. 따라서 현 시점에서 자율주행 차량이 혼재하는 환경에서 고위험한 상황을 정의할 수 있는 요인을 도출하기 위해서는 사례 중심의 분석이 필요하다. 따라서 본 연구에서는 기존 국내·외 자율주행차량과 관련된 다양한 논문 사례를 DB화하여 이를 정량적으로 평가할 수 있는 메타 분석(Meta-Analysis) 기법을 통해 향후 자율주행차량이 혼재하는 교통 네트워크에서 안전성을 증진하기 위한 고위험 유발의 주요 요인을 도출하고자 하였다. 본 연구에서 DB화한 논문은 자율주행 차량과 관련된 총 4가지(사고요인, 시나리오, 예측모델, 법규)에 해당 하는 분야로 분류하여 수집하였으며, 2015년부터 2024년 까지 최근 10개년에 해당 되는 사례를 수집하여 분석을 수행하고 주요 요인을 도출하였다. 본 연구의 결과는 향후 자율주행 차량 혼재 시 고위험 상황의 주요 요인들을 바탕으로 각 요인에 기반한 자율주행차량 혼재 시 고위험 상황에 대한 정의를 할 수 있으며, 이러한 고위험 요인들에 의해 도로교통의 안전성이 저해될 수 있는 요인에 대한 사전 예방을 수행할 수 있을 것으로 기대된다.

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.

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.

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.

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.

PURPOSES : Basic research to calculate the appropriate gap acceptance for autonomous vehicles at merging section. Research on whether users prefer short or long gap acceptance. METHODS : Using a driving simulator, experience autonomous driving with different gap acceptance in different weather condition, and analyze which gap acceptance is preferred using survey and biometric data. RESULTS : Regardless of the weather condition, long gap acceptance was preferred, and difference was especially clear in rainy or foggy situation. CONCLUSIONS : It was analyzed that users prefer long gap acceptance over short gap acceptance, and that they feel less frustrated due to long gap acceptance when weather condition is poor.

The purpose of this study is to propose future-oriented high-rise buildings where the vehicle is parked at the top of the building. At the same time, the vehicle is used as a part of the building along with the advent of the era of autonomous driving. The suspended structure is proposed as a suitable structural system for architectural planning. This system is free to design because there are no limitations on column planning compared to conventional designs. In particular, the low-floor plan can be used as an open space because colums are not arranged in the lower-floors. Thereby opened low-floor plan has advantages that visual perception of the space is improved, noise problems along the side of the street is solved and planning underground parking spaces are easier. These advantages can solve the problem of overlapping columns with vehicle traffic in the building. However, there are some problems that the suspension structure is mainly a formal form and the usable area is small compared to the core area because it is a core-oriented structural system. In this regard, a new structural system was proposed by combining the concept of suspended structure and cable stayed column. Therefore, this paper analyzes the existing style of high-rise housing suspended Structure and proposes a new structural system and the concept of design for autonomous vehicles.

자율주행차는 운전자의 부주의로 인한 사고를 줄일 수 있는 반면, 기계에 어느 정도의 자율성을 허용해야 할 것인지의 문제를 제기한다. 특히 돌발상황의 발생시에 운전자와 보행자 중에서 누구를 선택해야 할 것인지에 대한 의사 결정은 모두가 합당하다고 생각하는 도덕적 원칙을 기반으로 일관적으로 실시되어야 한다. 본 연구(N = 103)에서는 한국 사회에서 자율주행차의 윤리적 의사결정을 프로그래밍한다고 가정했을 때, 의사결정과정에 영향을 끼칠 수 있는 개인적/상황적 변인을 검증하였다. 이에 따라 개인적 변인으로서 참가자의 자율주행차의 자동화 기술에 대한 수용도를 측정한 후, 상황적 변인으로 문장완성과제를 통해 참가자에게 성취 또는 배려의 가치를 활성화시켰다. 이후 자율주행차의 사고상황에서 공리주의 의사결정의 비율 및 자율주행차 구매의향이 어떻게 달라지는지를 설문지를 통해 비교하였다. 그 결과 연구참가자에게 성취의 가치를 활성화시켰을 때, 자신이 차 안의 운전자로 가정된 상황에서 다수의 보행자를 배려하는 공리주의 의사결정의 비율이 가장 낮게 나타났다. 또한 연구참가자가 자율자동차 기술을 긍정적으로 생각할수록 공리주의 원칙으로 설계된 자율주행차의 구매의향이 전반적으로 높았지만, 성취-운전자 조건에서 참가자의 구매의향이 다른 조건보다 유의하게 낮게 나타났다. 이 결과는 자율주행차의 사고상황에서 의사결정의 과정이 개인적 변인뿐만 아니라 특정 상황에서 활성화된 가치 및 관점의 차이에 따라 영향을 받을 가능성을 시사한다. 논의에서는 연구결과의 제한점 및 후속 연구방향에 관해 논의하였다.

딥러닝에 기반 한 인공지능과 다양한 센서기술의 발전이 빠르게 진행 되면서 운전자 없이도 도로를 주행할 수 있는 자율주행 기술을 가능하게 하고 있다. 이러한 상황에서 미국을 비롯한 선진 각국은 자율주행자동차의 상용화를 촉진하기 위해 기존의 법규와 제도를 바르게 개선하고 있으며, 예상되는 자율주행자동차의 사고 가능성에 대비하여 관련 법 개정은 물론 현재 진행 중인 실험 자율주행 차량에 대해서도 책임 범위의 명확한 한계와 신속한 피해구제를 위해 다양한 노력을 펼치고 있다. 그러나 앞으로 자율주행자동차의 상용화가 이루어지면 보험사기 역시 더욱 복잡하고 지능화될 것으로 예상됨에 따라 보험사기에 대처하는 방향 역시 지금과는 다른 모습으로 바뀌어야 할 것이다. 우선, 보험 경영학 측면에서 보다 적극적인 홍보 및 교육이 요구된다. 매체 접촉률이 높은 동영상 위주의 홍보와 함께, 보험 계약 시의 법정 의무교육 등의 제도 도입이 요구된다. 한편으로 보험사기에 대처하기 위한 DB의 구축과 보험 사기범에 대한 운전면허의 중지나 금융 거래 및 해외 출국금지 등의 강도 높은 제재방안도 검토해야 할 것이다. 또한, 자율주행자동차 사고는 매우 복잡하고 난해한 사고가 많아지기 때문에 새로운 보험제도 도입의 필요성이 있는데, 이 새로운 보험제도는 피해자 보호에 너무 치중하는 나머지 보험사기에 쉽게 노출될 수 있다는 단점을 보완해야 한다. 이런 문제점들을 해결하기 위해서는 사이버 보안에 있어 전문 인력의 확충과 양성을 통한 조직적이고 전문적인 조사와 수사체계를 구축해야 할 것이다. 더불어서 자율주행자동차 사고 보험사기 조사 조직을 일원화하고 일선 수사기관에 전담조직을 설치 운영함으로써 보험사기를 미연에 방지하려는 노력이 필요하다. 이러한 노력이 결실을 이룬다면 보험사기로 인해 낭비되는 사회적 비용의 절감과 더불어 선량한 보험계약자의 피해를 최소화 할 수 있을 것이다.