기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로 써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통 의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하 여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하 였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기 반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제 시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

This study intends to present a traffic node-based and link-based accident prediction models using XGBoost which is very excellent in performance among machine learning models, and to develop those models with sustainability and scalability. Also, we intend to present those models which predict the number of annual traffic accidents based on road types, weather conditions, and traffic information using XGBoost. To this end, data sets were constructed by collecting and preprocessing traffic accident information, road information, weather information, and traffic information. The SHAP method was used to identify the variables affecting the number of traffic accidents. The five main variables of the traffic node-based accident prediction model were snow cover, precipitation, the number of entering lanes and connected links, and slow speed. Otherwise, those of the traffic link-based accident prediction model were snow cover, precipitation, the number of lanes, road length, and slow speed. As the evaluation results of those models, the RMSE values of those models were each 0.2035 and 0.2107. In this study, only data from Sejong City were used to our models, but ours can be applied to all regions where traffic nodes and links are constructed. Therefore, our prediction models can be extended to a wider range.

Postal logistics organizations are characterized as having high labor intensity and short response times. These characteristics, along with rapid change in mail volume, make load scheduling a fundamental concern. Load analysis of major postal infrastructures such as post offices, sorting centers, exchange centers, and delivery stations is required for optimal postal logistics operation. In particular, the performance of mail traffic forecasting is essential for optimizing the resource operation by accurate load analysis. This paper addresses a traffic forecast problem of postal parcel that arises at delivery stations of Korea Post. The main purpose of this paper is to describe a method for predicting short-term traffic of postal parcel based on self-similarity analysis and to introduce an application of the traffic prediction model to postal logistics system. The proposed scheme develops multiple regression models by the clusters resulted from feature engineering and individual models for delivery stations to reinforce prediction accuracy. The experiment with data supplied by main postal delivery stations shows the advantage in terms of prediction performance. Comparing with other technique, experimental results show that the proposed method improves the accuracy up to 45.8%.

PURPOSES : This study aims to create a pleasant environment by exploring ITS technology-based reduction measures to manage vehicles on the road, which are the main cause of traffic noise, while identifying the effects of traffic noise and various noise reduction measures. METHODS : A review of the literature identified the matters discussed mainly by reviewing the pre-examination and related statutes of traffic noise management measures at home and abroad. Furthermore, in the field investigation section, the variables affecting traffic noise (traffic volume, large vehicle mix rate, and driving speed) were investigated and the noise impact was analyzed using the three-dimensional (3D) noise prediction model (SounpdPLAN). RESULTS: The noise impact levels of the 3D noise prediction model were identified from various angles, such as horizontal and vertical, and traffic noise management measures for pre-real-time management and related DB utilization measures were proposed. CONCLUSIONS: Unlike the existing traffic noise management measures, which focus on follow-up management measures, it is believed that further research is needed to develop standards and related guidelines that meet regional characteristics by taking into account the characteristics of traffic noise and creating concrete and drawing action plans that can be used in future policies using ITS technology.

PURPOSES : The purpose of this study is to compare applicability, explanation power, and flexibility of traffic accident models between estimating model using the statistical method and the machine learning method. METHODS: In order to compare and analyze traffic accident models between model estimated using the statistical method and machine learning method, data acquisition was conducted, and traffic accident models were estimated using statistical methods such as negative binomial regression model, and machine learning methods such as a generalized regression neural network (GRNN). Then, the fitness of model as R2, root mean square error (RMSE), mean absolute percentage error (MAPE), accuracy, etc., were determined to compare the traffic accident models. RESULTS: The results showed that the annual average daily traffic (AADT), speed limits, number of lanes, land usage, exclusive right turn lanes, and front signals were significant for both traffic accident models. The GRNN model of total traffic accidents had been better statistical significant with R2: 0.829, RMSE: 2.495, MAPE: 32.158, and Accuracy: 66.761 compared with the negative binomial regression model with R2: 0.363, RMSE: 9.033, MAPE: 68.987, and Accuracy: 8.807. The GRNN model of injury traffic accidents also showed similar results of model’s statistical significance. CONCLUSIONS: Traffic accident models estimated with GRNN had better statistical significance compared with models estimated with statistical methods such as negative binomial regression model.

기후변화로 인한 결빙, 폭설, 집중호우 등 도로에서의 기상조건은 해마다 수많은 인명 피해를 유발하고 있다. 그러나 급변하는 기상상태에 신속하게 대처할 수 있는 도로기상 대응체계가 미흡하여 교통사고로 인한 사회·경제적 손실이 가중되고 있다. 최근 교통사고 통계자료에 의하면 기상상태가 좋지 않을 때의 교통사고치사율은 맑은 날씨일 때 보다 2～3배 심각한 것으로 나타났다(교통안전공단 2016). 따라서 기상악화 시 교통사고예방에 필요한 구체적이고 상세한 기상정보를 운전자에게 제공함으로써 교통사고예방 및 도로 운영의 활용성을 높일 수 있는 도로기상 모델개발이 필요하다. 도로기상 모델과 관련해서 도로기상 선진국(유럽, 캐나다, 일본, 미국 등)은 1990년대 초반부터 도로 노면온도와 노면 결빙점 예측을 위한 다양한 모형을 개발하고 모델의 성능을 검증하기 위한 노력을 기울이고 있다(Meng, 2014; Sato, 2004). 이들 국가는 주요 도로에 대해서 도로기상 관리지원시스템을 구축‧운영하고 있으며, 개발된 모델로부터 추정된 노면상태 정보를 도로이용자 및 도로관리자에게 제공함으로써 교통사고 및 도로파손 손실에 따른 사회적 비용을 줄여나가고 있다. 우리나라 도로기상 분야는 결빙 취약구간인 터널의 입·출입부에 수용액 형태의 제설제 자동 분사장치를 설치하여 운영하고 있는 단계로서 도로기상 선진국과 같이 도로구간 단위로 확장하여 서비스할 수 있는 기술은 미흡한 단계이다. 이들 국가와 같이 도로기상 관리지원시스템을 운영하여 주요 도로에 대해서 도로기상 정보를 실시간으로 서비스하기 위해서는 도로의 한 지점만을 대상으로 하는 기술대응 보다는 전체 도로구간의 노면상태를 예측할 수 있는 기상상황별 통합모델 개발이 우선시 되어야 한다. 이러한 기술개발의 필요성에 따라서 본 연구에서는 기상상황별 노면상태를 서비스할 수 있는 통합모델을 개발하였다. 첫 번째 모델은 겨울철 도로노면의 상태를 예측할 수 있는 모델이다. 노면상태 예측모델은 기계학습 방법 중에 하나인 의사결정나무(Decision Tree) 알고리즘 기반으로 개발되었으며, 이동형 차량(Probe vehicle)에서 수집되는 기상입력 자료를 학습하여 기상요소에 따른 4가지 노면상태(Dry, Moist, Wet, Ice)를 예측할 수 있다. 두 번째로 집중호우 기간에 도로에서 발생하는 도로의 수막정보를 예측할 수 있는 모형이다. 도로의 수막예측 모델은 기상청에서 제공하는 1시간 단위의 AWS(Automatic Weather System) 자료와 10m 단위의 도로기하구조 정보를 활용하였다. 도로에서의 강우량 추정은 kNN(k-Nearest Neighbors)기법을 활용하여 대상도로와 가장 가까운 AWS 관측소의 강우정보를 각 해당 도로구간에 할당하였다. 현재 본 도로기상 통합모델은 서울시 내부순환로와 올림픽대로에 대해서 실시간 서비스할 수 있도록 생산체계가 구축되었다. 도로기상 통합모델은 우리나라 주요 도로에 적용이 가능하여 하절기의 집중호우로 인한 물이 고인 도로지점과 동절기의 기온강하로 인한 도로의 결빙현상 등 도로노면상태 정보를 실시간으로 서비스할 수 있다. 또한 기상 악화 시 도로를 효율적으로 관리할 수 있는 의사결정 도구로 활용되어 교통재난 및 도로파손을 줄이는데 기여할 수 있을 것이다.

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

Generally, the traffic noise occurring on roads has emerged as an important factor that harms the residential environment. Because of the noise, residents living near roads have been causing civil complaints. Therefore, it is required to evaluate road traffic noise during the whole procedures of building an apartment, ranging from design to construction. And if an evaluated noise exceeds regulation standards, some measures to prevent the noise, such as installation of soundproof walls, and other kinds of plans should be prepared. In this point, this work measured road traffic noise in a site of housing land development, investigated its characteristics, and used a simulation program to predict outdoor noise on the basis of the data about traffic effect evaluation, design drawing, and the data about site measurement. Based on the prediction, it also predicted indoor noise. It is judged that this research will serve as an important material to establish soundproof measures on the basis of prediction of traffic noise in building an apartment.

PURPOSES: Using the collected data for crash, traffic volume, and design elements on ramps between 2007 and 2009, this research effort was initiated to develop traffic crash prediction models for expressway ramps. METHODS: Three negative binomial regression models and three zero-inflated negative binomial regression models were developed for individual ramp types, including direct, semi-direct and loop, respectively. For validating the developed models, authors compared the estimated crash frequencies with actual crash frequencies of twelve randomly selected interchanges, the ramps of which have not been used for model developing. RESULTS: The results show that the negative binomial regression models for direct, semi-direct and loop ramps showed 60.3%, 63.8% and 48.7% error rates on average whereas the zero-inflated negative binomial regression models showed 82.1%, 120.4% and 57.3%, respectively. CONCLUSIONS: Conclusively, the negative binomial regression models worked better in traffic crash prediction than the zero-inflated negative binomial regression models for estimating the frequency of traffic accidents on expressway ramps.

PURPOSES: Because expressway ramps are very complex segments where diverse roadway design elements dynamically change within relatively short length, drivers on ramps are required to drive their cars carefully for safety. Especially, ramps on expressways are designed to guarantee driving at high speed so that the risk and severity of traffic accidents on expressway ramps may be higher and more deadly than other facilities on expressways. Safe deceleration maneuvers are required on off-ramps, whereas safe acceleration maneuvers are necessary on onramps. This difference in required maneuvers may contribute to dissimilar patterns and severity of traffic accidents by ramp types. Therefore, this study was aimed at developing prediction models of the severity of traffic accidents on expressway on- and off-ramps separately in order to consider dissimilar patterns and severity of traffic accidents according to types of ramps. METHODS: Four-year-long traffic accident data between 2007 and 2010 were utilized to distinguish contributing design elements in conjunction with AADT and ramp length. The prediction models were built using the negative binomial regression model consisting of the severity of traffic accident as a dependent variable and contributing design elements as in independent variables. RESULTS: The developed regression models were evaluated using the traffic accident data of the ramps which was not used in building the models by comparing actual and estimated severity of traffic accidents. Conclusively, the average prediction error rates of on-ramps and offramps were 30.5% and 30.8% respectively. CONCLUSIONS: The prediction models for the severity of traffic accidents on expressway on- and off-ramps will be useful in enhancing the safety on expressway ramps as well as developing design guidelines for expressway ramps.

고속도로 이용차량의 증가와 함께 차량의 대형화와 고속화로 인해 고속도로 교통 소음레벨이 높아지고 있으며 저소음 포장노면 및 방음시설 설치 요청도 급격하게 증가하고 있다. 따라서 고속도로 교통소음으로 인한 민원예방과 함께 효율적이고 경제적인 소음저감 대책을 수립하기 위해서는 정확한 소음 예측 기술 마련이 필요하다. 본 연구에서는 시험도로에 포설된 다양한 포장노면에 대해서 CPX(Close Proximity Test) 및 Pass-by 소음 계측 방법을 혼용한 소음 계측 데이터를 이용하였고 차종별 단독 주행 시험을 실시하여 차량 및 노면별 음향파워레벨 산정식이 마련된 데이터를 이용하였다. 아울러, 상기 산정식의 정확성을 검증하기 위하여 고속도로 12개 지점에 대한 총 38회의 소음 계측한 데이터를 이용하여 해당 지점에 대한 소음 예측 모델을 구성하여 측정값과 예측값을 비교 평가하였다. 최종적으로 3차원 GUI 기능을 지원하는 도로교통 소음 예측 프로그램 KRON(Korea Road Noise)을 개발하였다. 이와 더불어 각 포장형태별 및 차종별에 따른 소음특성을 분석하였다.

본 연구는 신호교차로 교통사고예측모형 구축 과정 중 일반적으로 제한된 변수의 선정 및 모형의 구축에만 주로 초점이 맞추어진 기존 방법론의 문제점을 개선하고, 자료조사 및 수집 과정에서 발생하는 자료의 불확실한 상태를 인정하면서 자료의 불확실성을 최소화하여 이용할 수 있는 방법론을 개발하는데 연구의 주안점을 두었다. 퍼지추론이론과 신경망이론을 이용한 모형을 구축하였고, 마지막으로 구축된 퍼지추론이론 모형 및 신경망이론 모형과 기존 회귀모형인 포아송 회귀모형간의 통계적인 검증과 실제 Data를 이용한 모형의 적정성을 검토하였다. 모형의 통계적인 검증시 기존모형에 비해 퍼지추론모형과 신경망이론모형이 더 설명력이 높은 것으로 나타났고, 검증에서도 퍼지추론이론과 신경망이론이 적절한 것으로 나타났으며 기존모형보다 사고건수를 예측하는 설명력이 높은 것으로 입증되었다. 본 연구에서 개발된 모형은 계획 및 운영단계에서 신호교차로의 안전성을 측정하는데 활용될 수 있으며, 궁극적으로는 신호교차로에서 교통사고를 줄이는데 기여할 수 있을 것으로 판단된다.

본 연구는 도로기하구조 요인과 교통사고간의 관계를 규명하기 위하여 CART분석을 이용하여 전국의 4차로 국도를 대상으로 교통사고예측모형을 개발하고, 다중회귀모형, 확률회귀모형과 CART분석모형을 비교 분석하여 개발한 모형의 적합도를 검증하였다. 연구결과로는 첫째, 변수간의 복합적인 상호관계를 설명할 수 있는 CART분석을 이용하여 국도의 교통사고 예측모형을 개발하고 도로기하구조 요인에 따라 표준교통사고율을 의미하는 교통사고발생도표를 제시하였다. 둘째, CART분석모형에 근거하여 교통사고 발생률에 큰 영향을 미치는 도로기하구조 요인이 구간거리(km), 횡단보도폭(m), 횡단길어깨(m), 교통량 순으로 나타났다. 셋째, CART분석모형의 적합도 검증결과, CART분석모형이 실제교통사고율을 타 모형에 비해 전반적으로 잘 묘사하고 있었으나, 각 모형별로 교통사고율의 크기에 따라 교통사고율이 비교적 낮은 구간에서는 다중회귀모형이, 평균이상의 교통사고율을 나타내는 구간에서는 포아송 회귀모형의 예측력이 높았으며, CART분석모형은 교통사고율의 크기와 상관없이 우수한 예측력을 보였다. 넷째, 도출된 교통사고발생도표는 도로기하구조 조건에 따른 표준교통사고율을 제시해주기 때문에 도로설계 시에 안전한 기하구조 설계요소 선정기준을 제시 할 뿐만 아니라, 교통사고 잦은 지점개선사업추진 시 사업의 우선순위를 판단할 수 있는 기준을 제시하는 등 정책적 활용도가 매우 높을 것으로 판단된다.

The probabilistic prediction method and procedure of ships traffic for reasonably considering the enlargement of ships and increase in the large vessels of the vessel were established in this paper. However the problem related on prediction method, confidence intervals and selecting the target tonnage considering the enlargement of ship for prediction of ships is lack of results such as design example and study case. Therefore it requires various methodological study.

The traffic accidents in large cities such as Pusan metropolitan city have been increased every year due to increasing of vehicles numbers as well as the gravitation of the population. In addition to the carelessness of drivers, many meteorological factors have a great influence on the traffic accidents. Especially, the number of traffic accidents is governed by precipitation, visibility, humidity, cloud amounts and temperature, etc. In this study, we have analyzed various data of meteorological factors from 1992 to 1997 and determined the standardized values for contributing to each traffic accident. Using the relationship between meteorological factors(visibility, precipitation, relative humidity and cloud amounts) and the total automobile mishaps, an experimental prediction formula for their traffic accident rates was seasonally obtained at Pusan city in 1997. Therefore, these prediction formulas at each meteorological factor may be used to predict the seasonal traffic accident numbers and contributed to estimate the variation of its value according to the weather condition in Pusan city.