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.

일반차량과 자율주행차량이 혼재하는 상황에서 발생가능한 미래 재난상황에 대한 관리방안 준비가 필요하다. 특히 재난 상황 중 안 개 발생 시 시야 확보가 어려운 일반차량 운전자와 센서기반 자율주행차량의 주행 특성이 다를 수 있다. 해당 상황에서의 문제점을 도출하고 이를 극복하기 위해 혼합교통류 관리 방안을 제안하고자 한다. 본 연구에서는 다양한 재난 상황 중 안개를 연구 대상으로 설정하였다. 과거 기상 상황별 일반차량을 주행 특성을 이력자료로 분석한 후, 안전한 교통흐름을 유지하기 위하여 자율주행차에게 정 보를 제공하는 방안을 제안한다.

PURPOSES : Even when autonomous vehicles are commercialized, a situation in which autonomous vehicles and regular drivers are mixed will persist for a considerable period of time until the percentage of autonomous vehicles on the road reaches 100%. To prepare for various situations that may occur in mixed traffic, this study aimed to understand the changes in traffic flow according to the percentage of autonomous vehicles in unsignalized intersections. METHODS : We collected road information and constructed a network using the VISSIM traffic simulation program. We then configured various scenarios according to the percentage of autonomous vehicles and traffic volume to understand the changes in the traffic flow in the mixed traffic by scenario. RESULTS : The results of the analysis showed that in all scenarios, the traffic flow on major roads changed negatively with the mix of autonomous vehicles; however, the increase or decrease was small. By contrast, the traffic flow on minor roads changed positively with a mix of autonomous vehicles. CONCLUSIONS : This study is significant because it proactively examines and designs traffic flow changes in congested traffic that may occur when autonomous vehicles are introduced.

저탄소 녹색성장 기본법에서 명시한 ‘대중교통과 자전거 이용 활성화’를 위하여, 국내 여러 지자체에서 공공자전거 사업을 시행하였 으며, 자전거 이용자 수가 많이 증가하였다. 현재 국내에서 규정하는 자전거의 통행방식은 간접좌회전(hook turn) 방식으로, 증가된 자 전거교통량이 횡단보도를 통해 좌회전 통행 시 상충 가능성이 증가할 수 있다. 또한 자율주행차량의 혼재교통상황을 고려하여, 자전거 가 차량과 함께 통행할 시 안전성을 보장받을 수 있는지 혼재교통류에 적합한 통행방식을 연구할 필요가 있다. 따라서 본 연구에서는 혼재교통환경에서 자전거 이용자가 안전하고 운영성 높은 방식으로 통행할 수 있도록 4가지 자전거 좌회전 통행방식을 적용하고, 자 율주행차량 점유율에 따른 적합한 통행방식을 제시하고자 한다. Hook-turn 방식을 기본 시나리오로 하여, 자전거 우선 신호를 도입한 bike box, 일반 bike box, 자전거 전용 신호를 도입한 narrow lane 시나리오를 비교하였다. bike box의 크기가 분석 결과에 큰 영향을 미 치는 요인이 될 수 있으므로, 5m 폭의 크기로 고정하였다. 시뮬레이션 환경에서 첨두시와 비 첨두시 교통량을 적용하여 분석하였으며, 안전성 평가지표로 CPI(Crash Potential Index)과 운영성 평가지표로 지체시간(Delay time)을 활용하여 결과를 비교하였다. hook turn시나 리오는 사고 발생 위험도가 작으며, 자전거 전용 신호가 적용된 narrow lane과 일반 bike box에서 사고 발생 위험도가 높게 나타났다. 또한 자전거 전용 신호를 적용한 bike box를 도입한 시나리오에서 운영성 측면에서 지체가 작게 나타났으며, 자율주행차량 점유율이 증가할 시 차간거리를 고려함에 따라 교통류 안전성도 향상되는 것으로 나타났다. 향후 자율주행차량 혼재 교통류를 고려하여 자전거 좌회전 통행방식을 자전거 우선 신호를 적용한 bike box 방식으로 규정한다면, 접근로별 50대 미만/시의 자전거 교통량이 관측되는 신 호교차로에서 안전성과 운영성이 향상되는 효과를 확인할 수 있다.

전 세계적으로 실도로에서의 자율주행차 안전성능을 검증하고 자율주행 시스템 기술의 개발을 위해 다양한 실증을 수행하고 있다. 미국의 경우 캘리포니아, 오하이오, 애리조나 등 다양한 주에서 자율주행차의 실도로 테스트를 진행하고 있으며, 독일의 경우 페가수 스 및 이매진 프로젝트 등을 통해 자율주행 성능 및 협력 운행 테스트를 수행하였다. 그러나, 자율주행차의 주행 성능 측면의 평가에 국한되어 실증이 진행되고 있다는 한계가 존재한다. 실도로 환경에서 자율주행차는 비자율주행차, 보행자 및 자전거 등과 상호작용하 며, 다양한 도로 기하구조에서 주행안전성 저하 문제가 발생할 수 있다. 따라서, 본 연구에서는 혼재교통상황에서 자율주행차의 주행 안전성을 저하시키는 도로 기하구조를 도출하였다. 또한, 캘리포니아 Department of Motor Vehicles (DMV)에서 제시한 자율주행차 관련 사고자료 검토를 통해 유사한 도로 기하구조에서 발생할 수 있는 사고 유형을 검토함으로써 선제적인 대안을 마련하고자 한다. 시뮬 레이션 분석을 위한 자율주행차 거동구현의 경우 real-world automated vehicle data (AVD) 기반 주행행태 분석을 통해 VISSIM 파라미 터를 조정하였다. 위험구간 도출을 위해 평가지표를 선정하고 주행안전성 분석을 수행하였으며, 위험 구간의 도로 기하구조의 특성을 도출하였다. 마지막으로 위험구간의 도로 기하구조와 유사한 구간에서 발생한 실제 자율주행차 관련 사고 보고서를 검토함으로써 본 연구에서 도출된 위험구간의 도로 기하구조에서 발생할 수 있는 잠재적 사고 원인을 제시하였다. 본 연구의 결과를 통해 향후 자율주 행차의 실도로 도입을 위해 선제적인 대책을 마려하는데 기초자료로 활용될 수 있으며, 나아가 자율주행차 안전성 향상을 위한 경고 정보 서비스 개발, 정보 제공 인프라 설치 우선순위, 도로 기하구조 개선 사업에 활용할 수 있을 것으로 기대된다.

PURPOSES : This study is to initiated to estimate the impact of mixed traffic flow on expressway section according to the market penetration rate(MPR) of automated vehicles(AVs) using a enhanced intelligent driver model(EIDM). METHODS : To this end, microscopic traffic simulation and EIDM were used to implement mixed traffic flow on basic expressway section and simulation network was calibrated to understand the change of impact in mixed traffic flow due to the MPR of AVs. Additionally, MOEs of mobility aspects such as average speed and travel time were extracted and analyzed. RESULTS : The result of the impact of mobility MOEs by MPR and level of service indicated that 100% MPR of AVs normally affect positive impact on expressway at all level of service. However, it was analyzed that improvements in the level of service from LOS A to C are minimal until the MPR of AVs reaches 75% or higher. CONCLUSIONS : This research shows that impact of MPR of AVs using EIDM of mixed traffic flow on basic expressway. Increasing MPR of AVs affects positive impact on expressway at all level of services. However, MPR from 25% to 75% of AVs in LOS A to C shows minimal impacts. Therefore, to maximize the effectiveness of AVs, appropriate traffic operation and management strategies are necessary.

PURPOSES: This study proposes a novel method based on microscopic simulation models to evaluate bicycle passing ways in mixed traffic flow conditions at signalized intersections. METHODS: Both operational efficiency and safety are taken into consideration in the evaluation. A widely used performance measure, delay, is used for evaluating the operational efficiency. Regarding the safety evaluation, surrogate safety measures (SSM) to represent traffic conflicts and the level of crash severity, DeltaS and Max.DeltaV, are applied in the proposed method. RESULTS: Extensive simulations and statistical tests show that an integrated bike-box way is identified as the best in terms of operational efficiency and safety. CONCLUSIONS: The proposed method and outcomes of this study will be valuable for bicycle traffic operations and facility design.