RnDCircle Logo
arrow left icon

교통공학연구실

한양대학교 교통,물류공학과

박준영 교수

Urban Traffic Optimization

Big Data in Transportation

Traffic Safety Management

교통공학연구실

교통,물류공학과 박준영

한양대학교 교통공학연구실은 교통물류공학 분야에서 첨단 빅데이터 분석과 인공지능(AI) 기반의 교통안전 및 운영 효율성 향상 연구를 선도하고 있습니다. 본 연구실은 실시간 교통 데이터, 차량 주행 궤적, 블랙박스 영상, IoT 센서 등 다양한 데이터 소스를 통합하여 교통 현상의 복잡한 패턴을 정밀하게 분석합니다. 이러한 데이터 기반 접근은 교통사고 발생 원인 규명, 교통 흐름 최적화, 교통약자 보호 등 실질적인 사회적 문제 해결에 중점을 두고 있습니다. 특히, 인공지능과 머신러닝 기법을 활용한 사고 위험 예측, 사고 심각도 분석, 교통약자 안전성 평가 등 다양한 연구를 수행하고 있습니다. 딥러닝, 강화학습, 데이터마이닝 등 첨단 분석 방법론을 적용하여, 사고 다발 구간(micro-hotspot) 식별, 가변속도제한(VSL) 전략 개발, 실시간 사고 대응 시스템 구축 등 교통안전 분야의 혁신적인 솔루션을 제시하고 있습니다. 또한, VISSIM, Bike Simulator 등 시뮬레이션 도구와 R, SAS, Python 등 통계 소프트웨어를 적극적으로 활용하여 분석의 신뢰성과 현실성을 높이고 있습니다. 자율주행 및 커넥티드 차량이 혼재하는 미래 교통환경에 대응하기 위한 연구도 활발히 진행 중입니다. 자율주행차 전용차로 운영, 군집주행, 비신호교차로 협력주행, 인프라 가이던스 등 새로운 교통운영 패러다임에 대한 연구를 통해, 혼합교통류 환경에서의 안전성 및 운영 효율성 향상 방안을 모색하고 있습니다. 강화학습, 베이지안 계층모형, 설명가능 인공지능(XAI) 등 첨단 기법을 적용하여, 돌발상황 대응, 사고 위험 예측, 최적 경로 안내 등 다양한 문제에 대한 실질적 솔루션을 개발하고 있습니다. 이외에도 항만, 물류, 대중교통 등 다양한 교통 인프라와 연계된 안전성 평가, 정책 수립 지원, 실증사업 등 실무적·정책적 연구도 병행하고 있습니다. 교통공학연구실은 국내외 다양한 연구기관, 정부, 산업체와의 협력을 통해, 스마트시티, 자율주행, 친환경 모빌리티 등 미래 교통시스템의 혁신을 주도하고 있습니다. 이러한 연구 성과는 교통사고 예방, 교통 흐름 최적화, 교통약자 보호, 친환경 교통체계 구축 등 사회 전반에 긍정적인 영향을 미치고 있습니다. 앞으로도 교통공학연구실은 첨단 기술과 융합적 사고를 바탕으로, 안전하고 효율적인 미래 교통환경 조성에 기여할 것입니다.

Urban Traffic Optimization
Big Data in Transportation
Traffic Safety Management
교통물류 빅데이터 분석 및 인공지능 기반 교통안전 예측
교통공학연구실은 교통물류 분야에서 발생하는 방대한 데이터를 효과적으로 수집, 분석, 활용하는 빅데이터 기반 연구를 선도하고 있습니다. 실시간 교통 데이터, 차량 주행 궤적, 블랙박스 영상, IoT 센서 등 다양한 데이터 소스를 통합하여 교통 현상의 복잡한 패턴을 정밀하게 분석합니다. 이러한 데이터는 교통사고 발생 원인, 교통 흐름, 운전자 행태, 도로 인프라 특성 등 다양한 요소와 연계되어 교통안전 및 운영 효율성 향상에 기여합니다. 특히, 인공지능(AI)과 머신러닝 기법을 접목하여 사고 위험 예측, 사고 심각도 분석, 교통약자 안전성 평가 등 실질적인 교통안전 솔루션을 개발하고 있습니다. 예를 들어, 딥러닝 기반의 사고 위험 예측 모델, 강화학습을 활용한 가변속도제한(VSL) 전략, 데이터마이닝을 통한 사고 다발 구간(micro-hotspot) 식별 등 첨단 분석 방법론을 적용합니다. 또한, 다양한 시뮬레이션 도구(VISSIM, Bike Simulator 등)와 통계 소프트웨어(R, SAS, Python 등)를 활용하여 분석의 신뢰성과 현실성을 높이고 있습니다. 이러한 연구는 교통사고 예방, 교통 흐름 최적화, 정책 수립 지원 등 실질적인 사회적 효과를 창출하고 있습니다. 빅데이터와 AI 기반의 교통안전 예측 기술은 미래 스마트시티, 자율주행차, 커넥티드 모빌리티 환경에서 핵심적인 역할을 하며, 교통공학연구실은 이러한 변화에 선제적으로 대응하는 연구 역량을 갖추고 있습니다.
자율주행 및 혼합교통류 환경에서의 교통안전 및 운영 전략
교통공학연구실은 자율주행차(AV), 커넥티드 차량(CAV), 비자율차가 혼재하는 미래 교통환경에서의 안전성 및 운영 효율성 향상에 중점을 두고 연구를 수행하고 있습니다. 도심부, 고속도로, 교차로 등 다양한 도로 환경에서 자율주행차와 기존 차량 간의 상호작용, 교통 흐름 변화, 사고 위험 요인 등을 정밀하게 분석합니다. 이를 위해 다중 에이전트 시뮬레이션, 주행 시뮬레이터, 실도로 데이터 등을 활용하여 실제와 유사한 혼합교통류 환경을 구현하고, 다양한 시나리오 기반의 안전성 평가 및 운영 전략을 도출합니다. 특히, 자율주행차의 도입에 따른 전용차로 운영, 군집주행(플래투닝), 비신호교차로에서의 협력주행, 인프라 가이던스 등 새로운 교통운영 패러다임에 대한 연구를 활발히 진행하고 있습니다. 강화학습, 베이지안 계층모형, XAI(설명가능 인공지능) 등 첨단 분석 기법을 적용하여, 돌발상황 대응, 사고 위험 예측, 최적 경로 안내, 교통약자 보호 등 다양한 문제에 대한 솔루션을 제시합니다. 또한, 정책적·제도적 측면에서 자율주행차 안전성 평가, 법적 기준 마련, 실증사업 지원 등 실무적 연계 연구도 병행하고 있습니다. 이러한 연구는 자율주행차의 안전한 도입과 확산, 혼합교통류 환경에서의 교통사고 감소, 교통 흐름 최적화, 친환경 교통체계 구축 등 미래 교통시스템의 혁신에 기여하고 있습니다. 교통공학연구실은 국내외 다양한 연구기관, 정부, 산업체와 협력하여 자율주행 및 스마트 모빌리티 분야의 선도적 연구를 지속적으로 추진하고 있습니다.
1
Deep Q-network learning-based active speed management under autonomous driving environments
Computer-Aided Civil and Infrastructure Engineering, 2024
2
Drivers' Rear-end Conflict Risk Avoidance Behaviors Prediction Based on Natural Driving Data
IEEE Transactions on Intelligent Vehicles, 2024
3
Reinforcement learning approach to develop variable speed limit strategy using vehicle data and simulations
Journal of Intelligent Transportation Systems, 2024
1
버스 자동결제시스템 도입으로 인한 효과분석
2017년 ~ 2018년
2
졸음쉼터 PROTOTYPE 제안 : 졸음쉼터 진출입로를 중심으로
2018년 ~ 2019년
3
빅데이터를 활용한 라스트마일 서비스 우선 지역 선정 및 개선 방안
2019년 ~ 2020년