본 연구에서는 분산 컴퓨팅 및 개별 디바이스 활용을 통해 개인 정보 보호에 특화된 학습방법인 연합학습 방법론을 기반으로, 모바일 내비게이션 애플리케이션에서 수집된 대규모의운전자 데이터를 이용하여 경로 선택 예측 모델을 수립하는 방법에 대해 고찰한다. 경로 선택모델링에서 활용될 수 있는 운전자 데이터의 전처리 및 분석 방법을 수립하고, 서포트벡터머신(SVM) 및 다층 퍼셉트론(MLP)과 같이 기존에 널리 활용되는 학습 방법과 연합학습 방법의성능과 특성을 비교한다. 분석 결과 연합학습을 통한 모델 성능은 중앙 서버 기반의 모델과의비교에서 예측 정확도 측면의 차이가 거의 없는 것으로 나타났으나, 개별 데이터가 충분히 확보되는 경우 연합학습 모델과 같은 개인화 모델의 성능이 개선될 수 있다는 점을 확인하였다.연합학습 모델은 본 연구의 경로 선택 모델링 사례와 같이 모빌리티 부문의 데이터 프라이버시 문제가 중요한 분야에서 대규모 데이터 처리를 필요로 하는 경우에 그 활용 가치가 매우높을 것으로 기대된다.

Road links within a city are hierarchical according to their structure and function. Upper-level road links, such as highways and arterials, are designed to maintain higher mobility and traffic flow, while lower-level road links should be more accessible. However, depending on the origin-destination demand pattern (O-D), drivers’ route choice, land use, and urban infrastructure, the actual usage pattern of roads could be different from the designed intention. This difference ultimately puts a load on certain road links and causes traffic jams. In order to handle this issue, it is necessary to create an appropriate evaluation method for the functionality of road links in advance. The research suggests an evaluation method to examine the functionalities of the roadways by using real-world mobility data and weighted network analysis. In the study, the roles of links were defined and quantified by three network attributes, in-strength, out-strength, and betweenness centrality. Derived attributes were used to cluster links with similar travel patterns. Furthermore, the concept of link reliability was introduced to measure the reliance of the network on individual links. Those network indices make it possible to evaluate the functioning of roads based on people’s travel patterns and to detect critical links that are irreplaceable and difficult to detour. This information can be used to determine the priorities of upcoming improvements and ultimately improve the efficiency of operation and maintenance of the road link networks.

본 연구에서는 개별 차량의 차두 시간(time headway) 정보를 활용하여 고속도로 환경에서의단일 링크에 대한 교통류 모형(flow-density diagram)을 추정하는 방법에 대해 탐구한다. 차두시간 기반 교통류 모형(empirical flow-density diagram) 연구를 위해 차량용 비전 센서가 탑재된실험 차량에서 9개월동안 수집된 데이터의 전처리 및 GIS 기반 맵 매칭을 수행한다. 기존의교통류 모델식을 활용한 차두 시간 기반 교통류 모형(empirical flow-density diagram)의 검증을위해, 차량 검지기 기반의 VDS(Vehicle Detection System) 데이터(loop detection traffic data) 기반교통류 모형과 결과 비교 및 분석을 수행한다. 차두 시간 기반 교통류 모형의 추정 오차 원인을 분석하기 위해 각 교통류 모형의 차두 시간 및 차두 거리의 확률분포와 단위시간 교통량과차량 밀도의 표준편차를 활용하였다. 분석 결과 링크 내 제한된 샘플 차량 대수 및 수집 데이터에 대한 주행환경 편향성이 추정 오차의 주된 요인이며. 이에 따른 추정 오차 개선을 위한방법에 대해 제안한다.

본 연구에서는 분산 컴퓨팅 및 개별 디바이스 활용을 통해 개인 정보 보호에 특화된 학습방법인 연합학습 방법론을 기반으로, 모바일 내비게이션 애플리케이션에서 수집된 대규모의운전자 데이터를 이용하여 경로 선택 예측 모델을 수립하는 방법에 대해 고찰한다. 경로 선택모델링에서 활용될 수 있는 운전자 데이터의 전처리 및 분석 방법을 수립하고, 서포트벡터머신(SVM) 및 다층 퍼셉트론(MLP)과 같이 기존에 널리 활용되는 학습 방법과 연합학습 방법의성능과 특성을 비교한다. 분석 결과 연합학습을 통한 모델 성능은 중앙 서버 기반의 모델과의비교에서 예측 정확도 측면의 차이가 거의 없는 것으로 나타났으나, 개별 데이터가 충분히 확보되는 경우 연합학습 모델과 같은 개인화 모델의 성능이 개선될 수 있다는 점을 확인하였다.연합학습 모델은 본 연구의 경로 선택 모델링 사례와 같이 모빌리티 부문의 데이터 프라이버시 문제가 중요한 분야에서 대규모 데이터 처리를 필요로 하는 경우에 그 활용 가치가 매우높을 것으로 기대된다.

Road links within a city are hierarchical according to their structure and function. Upper-level road links, such as highways and arterials, are designed to maintain higher mobility and traffic flow, while lower-level road links should be more accessible. However, depending on the origin-destination demand pattern (O-D), drivers’ route choice, land use, and urban infrastructure, the actual usage pattern of roads could be different from the designed intention. This difference ultimately puts a load on certain road links and causes traffic jams. In order to handle this issue, it is necessary to create an appropriate evaluation method for the functionality of road links in advance. The research suggests an evaluation method to examine the functionalities of the roadways by using real-world mobility data and weighted network analysis. In the study, the roles of links were defined and quantified by three network attributes, in-strength, out-strength, and betweenness centrality. Derived attributes were used to cluster links with similar travel patterns. Furthermore, the concept of link reliability was introduced to measure the reliance of the network on individual links. Those network indices make it possible to evaluate the functioning of roads based on people’s travel patterns and to detect critical links that are irreplaceable and difficult to detour. This information can be used to determine the priorities of upcoming improvements and ultimately improve the efficiency of operation and maintenance of the road link networks.

본 연구에서는 개별 차량의 차두 시간(time headway) 정보를 활용하여 고속도로 환경에서의단일 링크에 대한 교통류 모형(flow-density diagram)을 추정하는 방법에 대해 탐구한다. 차두시간 기반 교통류 모형(empirical flow-density diagram) 연구를 위해 차량용 비전 센서가 탑재된실험 차량에서 9개월동안 수집된 데이터의 전처리 및 GIS 기반 맵 매칭을 수행한다. 기존의교통류 모델식을 활용한 차두 시간 기반 교통류 모형(empirical flow-density diagram)의 검증을위해, 차량 검지기 기반의 VDS(Vehicle Detection System) 데이터(loop detection traffic data) 기반교통류 모형과 결과 비교 및 분석을 수행한다. 차두 시간 기반 교통류 모형의 추정 오차 원인을 분석하기 위해 각 교통류 모형의 차두 시간 및 차두 거리의 확률분포와 단위시간 교통량과차량 밀도의 표준편차를 활용하였다. 분석 결과 링크 내 제한된 샘플 차량 대수 및 수집 데이터에 대한 주행환경 편향성이 추정 오차의 주된 요인이며. 이에 따른 추정 오차 개선을 위한방법에 대해 제안한다.

Speeding is a major risk factor for traffic-related injuries. As a countermeasure against speeding, automated speed enforcement systems (ASES) have been deployed in many countries. However, drivers’ awareness of enforcement locations allows themselves to adjust vehicle speeds in the vicinity of the enforcement locations. This enforcement avoidance behavior leads to a criticism of the effectiveness of ASES, in which the system promotes abrupt changes in vehicle speed near enforcement locations, increasing crash risk as a side effect. To address this issue, the section speed enforcement system (SSES), which enforces overspeeding vehicles by their average travel speed over a section, has been devised. In this study, we evaluate traffic speed and safety data that were collected from sections with SSES on Korean expressways. The speed analysis showed that the vehicles reduced their speeds inside the enforcement section, and this reduction in speed variations across vehicles was also noticeable, signifying that the risk of traffic crash should be lower. In view of this, we have performed before and after comparative analysis using the empirical Bayes method with the comparison group. The outcomes estimate 43% reduction in crash occurrence after installation of SSES. Furthermore, turning point analysis confirmed that the reduction in crash occurrence ensued immediately after installation of SSES.

본 연구팀은 최근 차량 경로 문제를 효율적으로 풀이하기 위해 기존의 링크 방식 경로 표현법보다 더 적은 수의 설계 변수로 동일한 경로를 표현할 수 있는 루프 방식 경로 표현법을 제안하였고, 다양한 차량 경로 문제를 대상으로 제안 방법의 성능을 입증하였다. 본 연구에서는 실제 도로 네트워크를 대상으로 루프 방식 경로 표현법의 전기차 경로 문제 해결 방안을 제시하고자 한다. 특히, 실제 네트워크에 적용하기 위한 루프 기반 네트워크 모델링 방법을 제안하고, 대상 네트워크(제주도 지방도)의 다양한 사례에 대하여 최단 경로 문제를 풀이하였다. 또한, 고도 변화에 따른 전기차 에너지 소모량을 모델링함으로써 전기차에 대한 최적경로를 탐색하는 방법을 제시한다. 향후 루프 방식 경로 표현법을 대규모 네트워크에도 적용할 수 있는 방법론이 개발될 경우, 실생활에서 발생하는 다양한 차량 경로 문제에 대해 효율적이고 신뢰성 있는 경로 최적화가 가능할 것으로 기대된다.

2022년 12월 30일 수서~평택 고속선 통복터널에서 상부 하자보수 공사로 부착한 탄소섬유 시트 낙하로 전차선 단전과 전도성 분진이 발생하여 해당 구간을 통과한 SRT 고속열차 27개 편성의 동력차 모터 블록이 파손되어 총 64억 원 상당의 피해가 발생하였다. 이후 국토교통부는 해당 사고의 원인을 분석한 결과를 발표하고 관련 대책을 제시하였다. 본 연구에서는 해당 사고의 조사 과정과 방법론 및 관련 기록과 증거물을 대상으로 주요 쟁점 사항을 검토하여 사고의 구체적인 발생 과정과 요인과의 상관관계를 규명하였다. 또한, 전문가의 기술적 검토의견을 바탕으로 철도차량에 대해 지속 가능한 재발 방지 대책을 제시하고 해당 사고 사례와 같이 철도시설 유지보수기관과 철도운영기관이 다른 경우 원활한 관리·감독과 사고 대응 및 조사를 위한 제도적 개선방안을 마련하였다.

관광·여가 등 목적으로 해마다 많은 사람이 자동차를 이용하여 산악관광지를 방문하고 있으나 현재 관광지를 연결하는 도로는 지형 특성상 급경사와 굴곡이 많아 이동에 위험요인으로 작용하고 있으며, 이들 차량이 배출하는 이산화탄소 및 미세먼지 등으로 인한 기후변화와 대기오염, 성수기 교통체증으로 인한 통행시간 증가 등이 문제로 대두되고 있다. 또한, 기존 산간도로는 눈이 잦은 겨울철 결빙으로 인한 통제가 빈번하여 관광객뿐만 아니라 인근 지역주민들의 이동권 보장에도 한계로 작용하고 있다. 이를 보완하고 관광 측면의 부가가치를 향상하기 위하여 세계 유수의 산악관광지에서는 산악철도를 오래전부터 건설·운영하여 환경적으로 지속 가능한 교통망을 구축하고 이용객과 인근 주민들의 후생에 이바지하고 있다. 국내에서도 이러한 산악철도의 도입을 위하여 관련 연구 및 실증사업을 진행하고 있으나, 사업의 원활한 추진을 위해서는 산악철도 고유 특성을 반영하는 방향으로의 투자평가체계 개선이 필요하다. 따라서 본 연구에서는 산악철도의 교통수단으로써의 단순 통행 외 관광 측면에서의 편익을 정량화하기 위하여 사업 대상지 방문객과 주민을 대상으로 SP 설문 및 컨조인트 분석을 시행하여 편익 세부 요소별 원 단위를 정량화하였다. 이를 바탕으로 이용객들이 인식하는 관광 요소의 우선순위를 추론하고 추정한 신규편익을 포함한 기존 투자평가체계의 개선 방향을 제시하였다.

Real-world route navigation data indicate that nontrivial portion of drivers do not prefer the system-recommended best routes. Current navigation systems have simplified assumptions about drivers’ route choice preferences and do not adequately accommodate drivers’ heterogeneous route choice preferences, mainly because of: (i) difficulty in acquiring exogenous criteria (e.g., sociodemographic information) that are typically used to differentiate drivers’ preferences in behavioral modeling; and (ii) difficulty in capturing preference of individuals due to limited preference data at the individual level. To address these, this paper introduced a human-centric machine learning technique named Multi-Task Linear Classification Model Adaption (MT-LinAdapt). It can capture drivers’ common aspects of route choice preferences and yet adapts to each driver’s own preference. In addition, any evolvement of individual drivers’ preferences can be simultaneously integrated to update the common preference for further individual drivers’ preference adaptation. This paper evaluated MT-LinAdapt against two state-of-the-art route recommendation strategies including an aggregate-level and an individual-level data-based strategies, which are categorized based on the data used for modeling. With a real-world dataset containing 30,837 drivers’ navigation usage data in Daegu City, South Korea, MT-LinAdapt was compared to existing strategies for its performance at different levels of data availability, and showed at least the same performance with existing strategies when minimum preference data is available and achieves up to 7% higher prediction accuracy as more data becomes available. Higher prediction accuracies are expected to bring better user satisfaction and compliance rates which can further help with transportation system control and management strategies.