효율적인 교통 안전 관리를 위해서는 고속도로 특성을 활용한 실시간 충돌 위험 예측이 필요하다. 자율주행차(AV)의 출현과 함께 핵심 능동 교통관리 기법인 가변 속도 제한(VSL) 전략의 개발 및 평가는 혼재 교통 흐름에서의 안전성과 이동성 향상을 위해 중요해지고 있다. 이는 기존 차량과 AV를 모두 수용할 수 있도록 최적화된 VSL 전략의 필요성을 강조한다. 본 논문은 미시적 교통 시뮬레이션에서 심층 강화학습을 이용한 VSL 제어 알고리즘의 개발에 관한 연구를 제시한다. 보상 함수로는 충돌까지의 시간(time-to-collision)과 속도를 고려하였다. 교통 안전을 향상시키기 위해 연결된 AV의 다양한 시장 침투율에 따라 VSL 전략을 정교화하였다. 분석 결과, 시장 침투율(MPR) 50에서 각각 안전성과 교통 밀도가 53%와 59% 향상되어, 혼잡 상황 및 낮은 MPR 시나리오에서 유의미한 안전 개선이 나타났다. 이러한 결과는 특히 연결 및 자율주행차의 보급이 증가하는 맥락에서 혼재 교통 흐름을 위한 VSL 전략을 개발하고 평가하는 것의 중요성을 보여준다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.