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.

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.