3.1 현장 조사
본 연구는 공공과 민간 실시간 교통정보가 동시에 수집되는 고속국도 및 일반국도 구간 중 반복적 발생 정체가 예상되는 구간을 조사 대상으로 하였다.
조사는 2020년 8월 24일부터 9월 25일까지 약 5주간 평일(월~금)을 대상으로 진행되었다. 반복적 발생 정체를 대상으로 제한한 이유는 비정체
보다 과속, 저속 등과 같은 운전자의 운행 패턴이 제한적이고, 비반복적 발생 정체와 달리 예상 구간 파악이 가능하기 때문이다. 반복적 발생 정체 구간은
세가지 기준에 의해 선정되었다. 첫째, 정체 속도는 국가교통정보센터에서 제시한 고속국도 40 km/h 미만, 일반국도 30 km/h 미만이고(ITS National Transport Information Center, 2020), 둘째, 정체 지속 시간은 25분 이상(Chen et al., 2004)이며, 마지막, 정체 발생 횟수는 동일시간대 연중 10회 이상(Song, 2019) 정체가 발생한 경우이다. Table 2에 제시된 현장 조사 구간은 2019년 국가교통정보센터의 교통정보를 활용하여 선정되었으며, 2,301개 링크(고속국도 227개, 일반국도 2,074개),
1,829.2 km(고속국도 892.2 km, 일반국도 937.0 km)로 파악되었다.
통행속도의 측정은 GPS 로그 자료(위치, 시간 등) 수집이 가능한 장비가 설치된 조사 차량을 활용하였다(Fig. 1 참조). 또한 해당 구간의 교통류 흐름에 맞게 평균 속도로 주행하는 평균속도방법(average car technic)을 적용하였다. 또한 ITE(Schroeder et al., 2010)가 제시한 최소 주행 수 기준에 따라 신뢰수준(95 %), 허용오차(±4 km/h), 최대/최소 통행속도 차(6 km/h 이내)를 적용하여, 최소
주행 수는 5대로 선정되었다. 참고로 최소 주행 수는 Eq. (1)과 같이 산출된다(Quiroga and Bullock, 1998). 이에 따라 총 11,505개(probe 차량 5대×2,301개 링크)의 통행속도를 측정하였으며, 해당 링크 및 시간대에 probe 차량 5대의
평균 통행속도를 참값(ground truth)으로 활용하였다.
Fig. 1. Probe Vehicle and Equipment used for Data Collection
여기에서 n은 최소 주행 수, $t_{\alpha}$는 신뢰수준($1-\alpha$)에 대한 t-통계량, R은 조사 차량의 평균속도, $\epsilon$는
허용오차를 나타낸다. R값은 다양한 방식, 즉 최대속도와 최소속도의 차이를 활용하거나(Oppenlander, 1976), 이동평균(Douglas Robertson et al., 1994)을 사용하는 방법을 제안하였다. 본 연구는 Oppenlander(1976)가 제안한 방식을 적용하여 R을 산정하였다. 마지막으로 d는 R과 속도의 표준편차 $\sigma$의 비율을 나타낸다.
Table 2. Data Collection Site
Regions
|
Freeway
|
National highway
|
Number of links
|
Length (km)
|
Number of links
|
Length (km)
|
Gyeonggi
|
211
|
378.1
|
1,233
|
314.1
|
Gangwon
|
-
|
-
|
15
|
7.3
|
Chungcheong
|
2
|
12.8
|
258
|
79.9
|
Jeolla
|
6
|
6.7
|
76
|
26.8
|
Gyeongsang
|
8
|
7.4
|
492
|
173.5
|
Total
|
227
|
405.0
|
2,074
|
601.6
|
3.2 수집원별 실시간 교통정보 정확도 분석
본 연구는 해당 링크 및 시간대에 probe 차량 5대의 평균 통행속도를 참값으로 활용하여 실시간 교통정보 수집원별(VDS or DSRC, GPS-based
A, B) 제공속도와 비교분석하였다. 현재 고속국도는 DSRC, GPS-based A, B로부터 실시간 교통정보 서비스를 받고 있으며, 일반국도의
경우 VDS, GPS-based A, B 로부터 실시간 교통정보 서비스를 받고 있다. 이 중 GPS-based A, B의 경우, 해당 스마트폰 어플리케이션
사용자들의 GPS 정보를 수신하여 실시간 교통정보를 수집하고 있으며, 자체 산출 과정(수집 샘플 수, 맵 매칭, 내부 알고리즘 등)을 통해 실시간
교통정보를 제공하고 있다. 한편 probe 차량을 활용하여 조사 구간 전체에 대한 교통정보를 측정하였으나, 수집원별 교통정보 단절 구간(missing
link)이 존재하였다. 이러한 경우 해당 수집원의 교통정보는 정확도 분석 대상에서 제외되었다. 본 연구는 이들의 교통정보를 활용하여 권역, 도로
유형 등 다양한 조건에 따라 정확도를 분석하였으며, FHWA(Feiqe et al., 2004)에서 제시한 평균절대백분율오차(mean absolute percentage error, MAPE)를 활용한 1-MAPE를 정확도 분석 지표로 활용하였다.
MAPE는 Eq. (2)와 같다.
여기에서 $n$은 전체 링크 수, Xi는 i 링크의 수집원별 제공속도, Yi는 i 링크의 현장실측 통행속도(5대의 평균 통행속도)를 나타낸다.
분석 결과, 고속국도의 경우 수집원별(DSRC, GPS-based A, B) 실시간 교통정보의 정확도는 대부분 80 % 대로 나타났다(Table 3, Fig. 2 참조). 다만 DSRC가 GPS-based에 비해 다소 정확도가 낮은 이유는 수집원별 교통정보 수집 방식의 차이로 판단된다. DSRC 기반의 노드·링크체계는
국가표준노드링크보다 링크 단위 길이가 길어, 이를 국가표준노드링크로 세분화 시 실시간 교통정보의 오차가 발생할 수 있다. 반면, GPS-based
기반의 노드·링크체계는 국가표준노드링크보다 링크 단위 길이가 짧아, 보다 세분화된 실시간 교통정보를 수집하여 국가표준노드링크 단위로 가공하기 때문에
DSRC에 비해 정확도가 높은 것으로 판단된다.
일반국도의 경우 수집원별(VDS, GPS-based A, B) 실시간 교통정보의 정확도는 대부분 60 % 대로 나타났다(Table 3, Fig. 3 참조). 다만 VDS가 GPS-based에 비해 다소 정확도가 낮은 이유는 고속국도와 마찬가지로 수집원별 교통정보 수집 방식의 차이로 판단된다.
VDS 지점 정보의 경우 국가표준노드링크 구간 정보로 변환 시 오차가 발생할 수 있다. 특히 강원권 일반국도의 VDS는 오차율이 144.1 %로 높게
나타나(정확도 -44.1 %), Fig. 3에서 관련 그래프가 표지되지 않았다. 강원권 일반국도 VDS의 경우, 전체 15개의 링크 중 9개의 링크가 단절 구간(missing link)으로
나타났으며, 이에 따라 나머지 6개의 링크를 대상으로 분석하였다. 그러나 이들 6개의 링크는 한 지점에 설치된 VDS를 활용하여 동일한 교통정보를
제공함에 따라 개별 링크의 교통상황(속도의 변이 구간, 변이 시점 등)을 충분히 반영하지 못하였으며, 이로 인해 높은 오차율이 발생된 것으로 파악되었다.
반면, GPS-based의 경우 고속국도와 마찬가지로 보다 세분화된 실시간 교통정보를 수집하여 국가표준노드링크로 가공하기 때문에 VDS에 비해 정확도가
높은 것으로 판단된다. 이는 단속류 구간에서 VDS보다 GPS-based의 정확도가 낮은 것으로 나타난 기존 연구(Kong et al., 2009; Liu et al., 2016; Xia et al., 2013)와는 상반된 결과이나, 본 연구의 경우 반복적 발생 정체 예상 구간을 대상으로 하기 때문에 GPS probe 기반의 약점인 probe 차량 수를
상당히 확보한 것으로 판단된다.
Table 3. Accuracy Comparison of Collected Travel Speed Data as a Function of Regions, Traffic Information Providers and Road Types
Regions
|
Freeway
|
National highway
|
DSRC
|
GPS-based A
|
GPS-based B
|
VDS
|
GPS-based A
|
GPS-based B
|
Gyeonggi
|
77.9 %
|
83.0 %
|
83.4 %
|
69.4 %
|
60.7 %
|
64.0 %
|
Gangwon
|
-
|
-
|
-
|
-44.1 %
|
61.8 %
|
87.9 %
|
Chungcheong
|
96.8 %
|
98.7 %
|
96.7 %
|
55.3 %
|
64.4 %
|
72.3 %
|
Jeolla
|
87.1 %
|
85.1 %
|
83.2 %
|
55.1 %
|
62.8 %
|
59.6 %
|
Gyeongsang
|
51.7 %
|
70.5 %
|
74.7 %
|
65.3 %
|
65.6 %
|
72.7 %
|
Total
|
77.8 %
|
82.7 %
|
83.2 %
|
62.2 %
|
62.4 %
|
67.2 %
|
Fig. 2. Accuracy Comparison of Collected Travel Speed Data for Freeways as a Function of Regions and Traffic Information Providers
Fig. 3. Accuracy Comparison of Collected Travel Speed Data for National Highways as a Function of Regions and Traffic Information Providers
한편 고속국도 보다 일반국도에서 실시간 교통정보의 정확도가 더 낮은 것으로 나타났다. 이는 고속국도와 일반국도의 교통류 특성 차이로 판단된다. 고속국도는
연속류인 반면, 일반국도는 대부분 단속류로서 교차로, 신호 등의 설치를 통해 연속적인 교통 흐름을 단절하여 지체가 발생한다. 또한 신호 운영에 따른
이동류별(직진, 좌회전, 우회전 등) 통행속도의 편차가 크게 나타나고, 통행속도도 낮게 형성된다(Lomax et al., 2012; Zhang and Chen, 2015). 본 연구의 주행 조사는 직진 차량에 대해서만 진행하였으나, 공공과 민간의 경우 직진, 좌회전, 우회전 차량을 모두 통행속도 산정에 활용되었을
가능성이 있기 때문에 일반국도의 교통정보 정확도가 더 낮은 것으로 판단된다.
분석 결과를 통해 실시간 교통정보의 정확도는 수집원, 권역, 도로유형 등 다양한 조건에 따라 다르게 나타날 수 있으며, 특정 수집 방식이 다른 수집
방식에 비해 항상 우수할 수 없다는 것을 알 수 있다. 또한 동일한 GPS-based 수집 방식인 경우에도 수집 기관별 probe 차량 수, 맵 매칭,
내부 알고리즘 등 산출 과정 차이에 따라 정확도가 다르게 나타난 것으로 보인다.