Real-time crash risk-driven active traffic safety management and VSL optimization
연구 내용
실시간 차량 궤적과 교통·환경 정보를 이용해 이질성을 반영한 사고위험을 추정하고, 강화학습 기반 VSL 제어로 고속도로 안전도를 향상시키는 연구
고속도로 및 혼합 교통환경에서 발생하는 충돌 위험을 실시간으로 추정하고, 이를 기반으로 가변속도제한(VSL) 운영을 최적화하는 연구를 수행합니다. 차량 궤적과 교통 흐름, 기상, 도로 기하 요소 등 다원 데이터를 결합해 사고위험 모델을 구성하고, 고위험 교통 패턴을 구간 단위로 식별합니다. 이후 VISSIM 연동 시뮬레이션을 활용하여 강화학습 기반 속도 관리자 또는 Deep Q-network 기반 제어 로직을 학습·검증합니다. 대상은 전통 차량과 연결·자율주행을 포함한 혼재 상황이며, 안전성과 교통 운영 성능을 동시에 고려하는 방향에서 차별성을 확보합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
8건
연구 흐름
초기에는 실시간 차량 데이터와 사고 흐름 정보를 결합하여 충돌 위험을 추정하고, 이질성을 반영한 예측 모델로 위험 신호의 생성 절차를 정립했습니다. 이후에는 고위험 교통 패턴을 식별하기 위한 계층적 동적 모델링과 구간 핫스팟 탐지로 확장하여, 집계 데이터에 따른 오차를 줄이기 위한 분석 프레임을 구축했습니다. 최근에는 VISSIM 연동 환경에서 강화학습 기반 VSL 제어 또는 Deep Q-network 제어를 적용해 목표 안전 속도를 산출하고, 연결·자율주행의 침투율 변화에 따른 안전·교통 성능 개선을 평가하는 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Conditional Generative Adversarial Network-Based roadway crash risk prediction considering heterogeneity with dynamic data
Reinforcement learning approach to develop variable speed limit strategy using vehicle data and simulations
Deep Q‐network learning‐based active speed management under autonomous driving environments
Hierarchical dynamic modeling for highway network real-time risk forecasting with digitalized vehicle data
Harnessing the speed stability evaluation index to achieve sustainable urban traffic safety
관련 프로젝트
구분
제목
자율주행 혼합 교통환경에서의 도심부 교통관리 취약구간 운영전략 개발
자율주행 혼합 교통환경에서의 도심부 교통관리 취약구간 운영전략 개발
자율주행 혼합 교통환경에서의 도심부 교통관리 취약구간 운영전략 개발
인프라 가이던스를 통한 자율차 주행지원 기술 개발
인프라 가이던스를 통한 자율차 주행지원 기술 개발
인프라 가이던스를 통한 자율차 주행지원 기술 개발
인프라 가이던스를 통한 자율차 주행지원 기술 개발
인프라 가이던스를 통한 자율차 주행지원 기술 개발