도명식
(Myungsik Do)
1†iD
채운혁
(Un Hyeok Chae)
2iD
-
종신회원 ․ 교신저자 ․ 국립한밭대학교 도시공학과 교수
(Corresponding Author ․ Hanbat National University ․ msdo@hanbat.ac.kr)
-
정회원 ․ 한국교통연구원 연구원
(Korea Transport Institute ․ codnsgur0324@koti.re.kr)
Copyright © 2021 by the Korean Society of Civil Engineers
키워드
시뮬레이션, 자율주행자동차, 혼입률, 통계적 검정, BRT 구간
Key words
Simulation, Autonomous vehicle, Market penetration rate, Statistical test, BRT section
1. 서 론
많은 국가 및 지역에서 도심 내 혹은 광역 통행을 원활하게 하기 위한 BRT(Bus Rapid Transit)가 도입되어 운영되고 있다. BRT는
간선급행버스 또는 간선급행버스체계라고도 부르며, 주요 기반 시설과 운영시스템을 갖추어 수송 능력, 정시성, 통행속도 등의 버스 서비스수준을 지하철
수준으로 크게 향상시키는 저비용, 고효율의 대중교통시스템이다.
한편, MLTMA(2010)에서는 BRT를 버스전용차로, 편리한 환승시설, 교차로에서의 버스우선 통행권 및 그 밖의 국토교통부령이 정하는 사항을 갖추어 급행으로 버스를 운행하는
교통체계로 정의하고 있으며, ITDP(2016)에서는 2012년부터 BRT 표준 평가 체계를 개발하여 설계(Design)와 운영(Operation) 점수로 구분하여 전 세계의 주요 도시 BRT
시스템의 평가점수를 산정하여 발표하고 있다. 국내에서도 경부 고속도로와 서울시, 세종 등에서 고수준의 BRT가 운영되고 있으며, 대도시권광역교통위원회(MOLIT, 2022)에서는 고급 간선급행버스체계를 구축하기 위한 체계 시설 및 운영시스템을 제시하고 있으며, 이외 제시되지 않은 사항은 간선급행버스체계 기술기준을 준용하도록
명시하고 있다.
즉, 혼잡한 구간에서 버스 통행시간을 절감하여 수단 경쟁력을 강화하기 위해 도입되었으며, BRT 노선을 설계하여 광역 통행의 개인 교통을 대중교통
이용으로 전환을 유도하고 시민들의 이동성을 향상시키는 것을 목적으로 하고 있다(Shalaby and Soberman, 1994). 그러나 BRT 노선의 도입으로 인해 이미 교통체증이 발생하고 있는 도로 구간에서 버스에 1개의 차로를 제공하는 것에 대한 승용차와 화물차 운전자
중심의 불만 제기 등의 문제도 존재하고 있는 실정이다.
한편, 자율주행자동차(Autonomous Vehicle, 이하 AV) 기술의 발달은 교통류에 큰 변화를 불러올 것으로 판단된다. 교통 체증이 상존하는
도로 구간에 AV 기술의 도입은 도로용량 증가를 기대할 수 있을 뿐만 아니라 현재 점유하고 있는 도로 공간 중 일부를 다른 용도로 활용할 수 있을
것이라 기대하고 있다.
이에 본 연구에서는 일부 단속류 구간과 일부 연속류 구간이 연속된 실제 BRT 구간을 대상으로 AV 혼입률에 따른 교통류 특성을 분석하는 것을 목적으로
한다. 나아가 미래 교통수요의 추정을 통해 최대 교통량 수준을 설정하였으며, BRT 도입 여부와 AV 혼입률의 조합으로 구성된 다양한 시나리오를 구성하고
각 시나리오별로 교통 시뮬레이션을 통해 교통류 특성 분석을 실시하였다. 또한 나아가 통계적 검정을 통해 AV 혼입률이 증가할수록 구간 통행시간과 통행속도
등의 특성값 등에 유의미한 변화가 있는지를 분석하였다.
2. 선행연구 고찰
자율주행자동차는 운전자가 직접 조작하지 않고 스스로 주행하는 자동차를 말하며, 법적 기준으로는 자동차관리법 제2조 제1의3호에서 운전자 또는 승객의
조작 없이 자동차 스스로 운행이 가능한 자동차로 정의된다. 즉, AV 관련 환경의 변화는 인공지능, 센서, 정보통신 등의 기술이 빠르게 발전하면서
미래 모빌리티의 핵심으로 주목받고 있는 추세이다.
한편 미국자동차공학회(Society of Automotive Engineers, SAE)는 자율주행기술을 자동화 수준에 따라 6단계(Level 0~
Level 5)로 구분하고, 일반적으로 Level 3 이상을 AV로 분류한다(National Highway Traffic Safety Administration, 2016).
AV 관련 대부분의 연구에서는 기존의 주행환경에 비해 짧은 차량 간격을 유지하며 주행할 수 있기 때문에 교통 흐름이 개선되고, 도로용량이 증대될 것으로
예상하고, 이에 따른 효율성 연구가 주로 이루어지고 있으며, AV 혼입률에 따른 통행속도, 통행시간, 지체도 그리고 밀도와 관련된 여러 연구가 수행되었다(Pedro et al., 2012).
단속류를 대상으로 한 연구에서 Oh et al.(2023)은 AV는 교차로가 포함되는 대규모 도시 도로 내에서 교통류와 도로용량에 미치는 영향 분석을 통해 혼입률이 증가할수록 통행시간과 지체도를 줄이고,
통행속도를 증가시켜 교통류 및 용량이 개선됨을 밝혔다. 한편, Jung(2017)은 자율주행자동차의 혼입률이 증가할수록 교통류가 안정화되며, 교통 혼잡으로 발생하는 손실 감소와 사고 비용의 절감 편익이 증가할 것으로 예측한 바
있다. Lu et al.(2020)은 AV 상용화가 도시 내의 도로용량에 미치는 영향을 분석하기 위해 MFD(Macroscopic Fundamental Diagram)를 기반으로 한
수학적 모델 설계 및 미시적 교통 시뮬레이션 검증을 통해 AV의 혼입률의 증가가 도로용량 증대로 이어짐을 밝힌 바 있다.
연속류를 대상으로 한 연구에서 Calvert et al.(2017)은 다차로도로 연속류 내 ACC 기반 AV의 도입 효과에 대해 시뮬레이션 분석을 통해 혼합 교통류에서 낮은 수준의 AV가 초기 혼입 상황에서는 교통류와
도로용량에 부정적 영향을 미친다고 주장하였으며, 고속도로 내 교통류의 개선은 혼입률이 70 % 이상일 때부터 나타남을 알 수 있었다. 한편, Makridis et al.(2018)은 고속도로의 순환도로를 대상으로 한 분석에서 혼입률이 적은 상황에서 일반 차량은 AV 차량보다 더 많은 위험을 감수하고 속도제한을 극복하려 했기에
AV 도입 시 평균속도가 감소하고, 밀도와 지체도가 급격히 증가할 수도 있다고 주장하였다. 또한, Mena et al.(2018)은 CACC의 혼입률이 20 % 미만인 경우 일반 차량의 방해 및 여러 V2V, V2I로 인해 기동이 중단되는 횟수가 많아 용량과 교통 흐름이 감소하는
경향을 보이며, 혼입률이 20 %를 초과하면 용량과 흐름이 증가한다고 밝힌 바 있다.
기존 연구에서는 단속류 혹은 연속류의 독립적인 교통 특성을 보이는 구간만을 대상으로 한 연구가 대부분이며 기존 도로 구간을 BRT로 운영할 경우의
효율성 등에 한정한 경우가 대부분임을 알 수 있다. 따라서 본 연구에서는 전체 대상 구간에서 일부 단속류 특성을 보이는 구간과 일부 연속류 특성을
보이는 구간을 대상으로 선정하고 BRT 도입과 AV 혼입률에 따른 교통류 영향을 분석하는 것에 차별성이 있다.
3. 방법론
3.1 대상 구간 특성
본 연구는 Level 4 이상의 AV 혼입률과 교통량 변화로 인한 BRT 노선 구간의 교통류 영향 변화 분석을 위해 거시적(Macroscopic)
교통수요 추정 및 미시적(Microscopic) 교통 시뮬레이션을 활용하였다. 즉, 거시적 교통수요 추정 프로그램인 TransCAD를 활용하여 대상
구간의 장래 교통량을 추정하고, 미시적 시뮬레이터인 VISSIM을 활용하여 BRT 시행 여부와 AV 혼입률에 따른 교통류 변화를 분석하였다.
공간적 범위는 Fig. 1에서 알 수 있는 바와 같이, 이미 중앙버스전용차로 BRT가 운행되고 있는 세종특별자치시의 해들교차로에서 외삼네거리까지의 구간(연속류 구간)과 향후
동일한 수준의 BRT 운영이 계획되어 있는 외삼네거리에서 유성생명과학고삼거리까지의 구간(단속류 구간)을 분석 대상지로 지정하였다. 또한, 시간적 범위는
외삼 ~ 유성복합터미널 BRT 연결도로의 공사 준공 목표연도인 2025년인 점과 대상지 주변의 장래 개발계획이 모두 반영된 2030년으로 설정하였다.
3.2 장래 교통수요 추정 및 정산
본 연구에서는 상습 정체 구간인 분석 대상 구간의 장래 최대 교통량 수준을 파악하기 위해 장래 개발계획을 포함하여 최대 교통량이 나타나는 2030년의
교통량을 도출하여 시뮬레이션에 반영하였다. 장래 교통수요 추정은 한국교통연구원의 국가교통DB센터(이하 KTDB)에서 구축한 대전·세종·충청권 O/D
및 Network 자료를 사용하여 거시적 교통수요 추정 프로그램인 TransCAD 9.0을 사용하여 분석을 진행하였다. 또한, 객관적인 교통수요 예측을
위해 정부에서 제공하는 「교통시설 투자평가지침 제7차 개정」(MOLIT, 2022)와 「도로·철도 부문사업의 예비타당성조사 표준지침 수정·보완 연구 제5판」(KDI, 2008)에 근거한 수요예측 과정과 기준 등을 따랐음을 밝힌다.
현실적인 통행패턴이 묘사될 수 있도록 기준연도의 노선 누락 및 Network 속성값의 오류를 수정하고, KTDB의 장래 네트워크와 대전광역시에서 제공한
도로 계획을 비교하여 누락 또는 변경된 도로 계획을 추가하거나 수정하여 반영하였다. 특히, 분석연도와 계획되어 있는 도로의 개통연도를 비교하여 일치하지
않는 Network는 수정 및 삭제하였다.
KTDB의 주수단 O/D는 구축 및 현행화 당시에 확정된 산업단지개발계획과 택지개발사업 등의 장래 개발계획에 대해서만 반영되어 있으므로, 본 연구에서
대상지 주변의 확정 및 고시 완료된 개발계획에 대하여 추가 반영하였다.
통행배정모형은 개별 통행자들이 통행비용을 최소화하는 경로를 선택한다는 가정을 통해 Network 전 구간에서 발생하는 통행패턴 변화를 분석하는 접근방법으로
도로 이용자의 통행비용은 고속도로 통행료와 같은 일반화 비용과 요금 같은 금전적 비용의 합으로 표현되며, Eq. (1)과 같은 통행지체함수로 표현하였다.
여기서, $T$ = 링크별 통행시간(일반화 비용, 분)
$T_{0}$ = 링크별 자유통행시간(시간비용, 분)
$V$ = 링크별 교통량(PCU/시)
$C$ = 링크별 용량(PCU/시)
$\alpha ,\: \beta$ = 파라미터값
가중치 = (통행요금/km)/차종별 시간가치
KTDB에서는 전국에 있는 도로를 도시부와 지방부로 나누고, 도시부의 연속류, 비연속류, 지방부의 연속류, 비연속류 도로로 세분화하였으며, 차로 수와
교차로 밀도를 기반으로 파라미터와 차로 용량에 대한 기준을 제시하고, 자유속도와 용량의 경우 VDF 함수 등급에 따라 기준값 또는 표준값과 함께 상한값과
하한값의 범위로 제시하고 있다.
기준연도 현황 정산을 위한 교통량은 ‘대전광역시 2022년도 교통현황조사 및 분석 보고서(Daejeon Metropolitan City, 2022)’의 주요 교차로, 간선도로, 시계 유출입 도로, 고속도로 톨게이트 교통량 조사데이터와 TMS의 고속도로 관측교통량을 활용하여 대상지 주변의 고속도로,
일반국도, 지방도 등의 총 47개 지점에 대해 정산을 수행하였다. 도로·철도 부문 표준지침 따라서 도로의 등급별로 주요 구간의 배정교통량과 관측교통량의
차이를 대상 구간 인접도로 15 %, 기타 주요 도로 30 %의 오차율 허용 수준을 설정하여 Eq. (2)와 같은 정산을 수행하였다. 도로에 경직된 기준을 적용하여 정산과정에서 너무 과도한 수정이 수행되면 왜곡을 가져올 수 있어 교통량 수준별 정산 기준을
적용하였다.
여기서, $f_{l}^{est}$ = 통행배정 분석 결과에서의 링크별 추정교통량
$f_{l}^{obs}$ = 링크별 관측교통량
장래 교통량 수요 추정 결과, 2030년 평면교차로를 시행함으로써 해당 구간의 교통량이 대폭 증가하는 것을 알 수 있었다. 이는 장래 개발계획에
따른 인구 유입으로 인하여 통행량이 증가함과 동시에, 신설 구간의 개통으로 최단 경로 이동을 원하는 교통량의 유입으로 인하여 해당 구간의 교통량이
증가하였다고 볼 수 있다.
3.3 교통류 특성 분석
분석 대상 도로는 세종특별자치시에서 대전광역시 구간의 해들교차로~외삼네거리 구간은 중앙버스전용차로의 BRT가 운영 중이며, 외삼네거리 ~ 유성생명과학고삼거리
구간은 향후 BRT 운영이 계획되어 있다. 현재 일부 구간이 BRT인 환경에서의 교통류 특성과 향후 전 구간이 BRT로 운영될 경우를 설정하여 네트워크를
구축하고 시뮬레이션을 실시하였다. 즉, 외삼네거리 ~ 유성생명과학고삼거리 구간의 BRT 시행의 경우, 현재 BRT 미운영 구간의 노선버스들은 BRT
정류장으로 계획된 인근의 버스정류장에 정차하도록 설정하였다. 또한, 분석 대상 구간의 신호 현시는 대전광역시 자료를 활용하였으며, 총 10곳의 신호
교차로의 기하구조 및 현시를 반영하였다(Table 1).
본 연구에서는 교통류를 모형화하기 위해 Wiedemann이 개발한 운전자 행태모형을 사용하였다(PTV Group, 2018). Wiedemann 모형은 차량 추종 행태에 따라 Wiedemann 74와 Wiedemann 99로 구분되어 적용되며, Wiedemann 74와
달리 Wiedemann 99는 다양한 매개변수를 설정하여 차량의 운전 행태를 구체적으로 반영하여 자율주행 차량의 교통류를 모형화하는 데 적합하다고
판단하였다(Oh et al., 2023; Wiedemann, 1974).
VISSIM은 차량 추종과 관련된 매개변수 외에도 차로 변경과 같은 이동과 운전자 기능을 설정할 수 있는 다양한 매개변수를 제공한다. 일반 차량(Human
Driving Vehicle, HDV)에 대한 파라미터는 VISSIM 기본값을 적용하였고, AV는 Atkins(2016)이 자율주행자동차가 교통류에 미치는 잠재적인 영향을 정량화하기 위해 VISSIM을 이용하여 자율주행 단계별 파라미터를 제시한 연구 성과 가운데 Level
4 수준의 파라미터를 적용하였다(Table 2).
속도의 상한은 대상지의 도로 규정 속도에 맞게 일반 차량과 AV 모두 60 km/h로 하였지만, 비교를 위해 AV 차량군은 100 km/h까지도 주행할
수 있게 설정하였다. 일반 차량은 평균 2.0 m의 정지거리를 가지며, 안전거리와 관련된 파라미터를 일반 차량의 특성에 맞게 설정하였다. AV는 정지했을
때의 거리인 CC0를 자율주행수준 Level 4에 맞는 0.5 m로 설정하였고, 차간시간인 CC1은 0.6초까지 설정하였다.
Table 1. Information of Signalized Intersections for Target Area
한편, 선행 차량이 이동하기 전에 원하는 안전거리보다 얼마나 더 거리를 유지하는지 정의하는 CC2는 0.00으로 설정, 감속 과정의 시작을 초단위로
정의한 CC3은 -6.0으로 설정하였다. 접근 과정에서의 속도 차이 제어인 CC4와 개방 과정에서의 속도 차이인 CC5는 각각 -0.1, 0.1로
설정하였고, 추종 상태에서 거리가 속도에 미치는 영향인 CC6은 0.0으로 설정하였다. 마지막으로, 추종 과정에서 진동 중의 실제 가속도인 CC7은
0.4, 정지 상태에서 시작할 때의 원하는 가속도인 CC8은 3.8, 80 km/h 상태에서의 원하는 가속도를 정의하는 CC9는 1.8로 설정하였다(Table 2).
시뮬레이션은 한 시나리오당 10회 반복 수행을 통해 얻은 평균값으로 도출하였고, 시뮬레이션의 총 Run Time은 4,500초, 네트워크에 모든 차량이
고루 진입하는 시간인 Warm-up Time은 15분으로 설정하여 900초 ~ 4,500초에 해당하는 1시간의 평균값을 분석에 사용하였다.
Table 2. Parameters of VISSIM Driving Behaviors
|
Parameter
|
HDV
|
AV
|
|
Urban
|
Level 4 CAV
|
|
Desired Speed (km/h)
|
60(±10)
|
60(±10) / 100(±10)
|
|
Car Following Model
|
|
Model
|
Wiedemann 74
|
Wiedemann 99
|
|
Average standstill distance (m)
|
2.0
|
-
|
|
Additive part of safety distance
|
2.0
|
-
|
|
Multiple part of safety distance
|
3.0
|
-
|
|
CC0
|
-
|
0.5
|
|
CC1
|
-
|
0.6
|
|
CC2
|
-
|
0.0
|
|
CC3
|
-
|
-6.0
|
|
CC4
|
-
|
-0.1
|
|
CC5
|
-
|
0.1
|
|
CC6
|
-
|
0.0
|
|
CC7
|
-
|
0.4
|
|
CC8
|
-
|
3.8
|
|
CC9
|
-
|
1.8
|
3.4 서비스수준(LOS)의 기준
분석 대상 가운데 단속류 구간은 연속된 신호 교차로가 있는 구간으로 도로용량편람에서 제시하는 간선도로 서비스수준을 참조하였다(MLTMA, 2013). 간선도로에서의 서비스수준의 효과척도는 통행속도를 사용하며, 간선도로 평균 통행속도는 순행시간, 교차로 접근지체 및 구간거리를 이용하여 계산한다.
Eq. (3)에서 알 수 있는 바와 같이 평균 통행속도는 교차로 평균 지체와 km당 신호 교차로의 수 등에 의하여 주로 영향을 받기 때문에 주어진 시설에서 좋지
않은 신호 연동, 적절치 못한 신호 시간, 교통량 증가 등이 서비스수준을 현저하게 저하시킨다.
여기서, 평균 통행속도는 간선도로의 전체 또는 일부 구간의 평균 통행속도(kph)이며, 구간 길이는 간선도로의 전체 또는 일부 구간의 연장(km),
km당 순행시간은 간선도로 전체 또는 일부 구간의 km당 총 순행시간(초/km), 교차로 총 접근지체는 간선도로 전체 또는 일부 구간으로 분석 대상
범위 내의 모든 교차로에서의 총 접근지체(s)를 의미하며, 상수 3,600은 속도를 kph로 환산하기 위한 환산계수이다.
반면, 해들교차로에서 외삼네거리까지는 이미 중앙버스전용차로 BRT 운영 구간이며 신호교차로가 없는 연속류의 특성을 보이고 있기 때문에 도로용량편람에서
제시하는 중앙버스전용차로가 설치된 간선도로의 서비스수준 기준을 따르고, 외삼네거리에서 유성생명과학고삼거리 구간은 신호교차로가 연속적으로 구성된 단속류이기
때문에 간선도로 유형 III에 해당하는 서비스수준 기준을 적용하였다(Table 3).
Table 3. Criteria of LOS for Road with Central Bus Lane & Intersections
|
Road Type
|
Road with
Central bus lane
|
Road with Intersections
|
|
I
|
II
|
III
|
|
Free flow speed(kph)
|
85~75
|
≤85
|
≤75
|
≤65
|
|
Criteria(kph)
|
80
|
80
|
70
|
60
|
|
LOS
|
Average speed (kph)
|
Average speed (kph)
|
|
A
|
≥67
|
≥67
|
≥60
|
≥49
|
|
B
|
≥51
|
≥51
|
≥46
|
≥39
|
|
C
|
≥37
|
≥37
|
≥33
|
≥29
|
|
D
|
≥28
|
≥28
|
≥25
|
≥20
|
|
E
|
≥21
|
≥21
|
≥18
|
≥12
|
|
F
|
≥10
|
≥10
|
≥10
|
≥8
|
|
FF
|
≥6
|
≥6
|
≥6
|
≥5
|
|
FFF
|
< 6
|
< 6
|
< 6
|
< 5
|
4. BRT 도입 및 AV 혼입률에 따른 교통류 분석
4.1 시나리오 구성과 데이터 특성
본 연구에서는 Level 4의 AV 혼입률이 변화(0에서 100 %)하는 상황에서 1) 현재 BRT 운영 구간(with-BRT 연속류)과 미운영 구간(without-BRT
단속류)에서의 통행시간과 통행속도의 특성을 분석하고, 2) 단속류 구간도 BRT로 운영하는 경우(with-BRT 단속류) 경우로 확장하여 시뮬레이션을
실시하여 교통류 특성을 비교하였다. 나아가 AV 차량의 속도를 60 km/h로 제한하는 경우(Speed limit of 60 km/h, 이하 SL60)도
포함하여 총 20개(혼입률(5) × BRT운영 유무(2) × 속도제한 유무(2))의 시나리오를 구성하였다.
먼저 통행시간 데이터의 분포를 시각화하면 Figs. 2~7과 같으며, 연속류 구간(Continuous flow section, 이하 CFS)과 단속류
구간(Intermittent flow section, 이하 IFS)으로 구분하였다.
Fig. 2. Distribution of Travel Time for with-BRT (CFS)
현재 BRT 운영 구간(연속류)의 통행시간 분포를 나타내는 Fig. 2와 BRT 미운영 구간(단속류)의 분포(Fig. 3)를 비교해 보면 연속류가 상대적으로 통행시간의 분산 정도가 작음을 알 수 있다. 이는 단속류의 특성인 신호 운영에 따른 교차로에서 대기 등의 영향임을
알 수 있다. 나아가 현재 BRT 미운영 구간을 BRT 운영으로 전환할 경우에는 Fig. 4의 분포 특성에서 알 수 있는 바와 같이, BRT 운영을 위한 1차로 감소로 인해 AV 혼입률이 낮은 경우에서 특히 통행시간이 증가함을 알 수 있다.
Fig. 3. Distribution of Travel Time for without-BRT (IFS)
Fig. 4. Distribution of Travel Time for with-BRT (IFS)
Fig. 5. Distribution of Travel Time for with-BRT (CFS & SL60)
한편, Fig. 5와 Fig. 6의 경우 AV 차량의 속도를 60 km/h로 제한한 경우에도 연속류에서의 통행시간 분포가 단속류에 비해 분산의 정도가 작음을 알 수 있다. 나아가
단속류 구간에서 BRT 미운영(Fig. 6)과 BRT 운영(Fig. 7)의 경우를 비교하면 AV 혼입률이 낮은 경우에 통행시간이 상대적으로 많이 소요됨을 확인할 수 있다. 이 또한 신호 운영과 BRT 차로 배정 등으로
인한 영향임을 간접적으로 알 수 있다.
Fig. 6. Distribution of Travel Time for without-BRT (IFS & SL60)
Fig. 7. Distribution of Travel Time for with-BRT (IFS & SL60)
4.2 통행시간 분포 특성 분석
4.2.1 Kruskal-Wallis H 검정
본 연구에서는 VISSIM으로 10회 반복하여 도출한 각 시나리오의 AV 혼입률별 통행시간의 값에 대한 표본의 평균값을 비교하여 통계적 유의성을 확인하기
위한 일원배치 분산분석(One-way ANOVA)을 통계 프로그램인 SPSS를 통하여 시행하였다.
정규성과 등분산성을 띄어야 가능한 모수 검정인 일원배치 분산분석이지만, 본 연구에서는 검정 표본이 정규성과 등분산성을 띄지 않고, 비교하고자 하는
그룹이 세 개 이상이면서 연속형 변수이기 때문에 비모수 검정 방법인 Kruskal-Wallis H 검정을 통하여 순위합 검정을 통한 통계적 유의성을
확인하였다(Kruskal and Wallis, 1952). 먼저 Kruskal-Wallis H 검정을 위해 다음과 같은 귀무가설과 대립가설을 설정하였다.
$H_{0}$(null hypothesis) : 각 AV 혼입률별 통행시간 특성값은 차이가 없다.
$H_{1}$(alternative hypothesis) : 적어도 한 쌍의 AV 혼입률 간 통행시간 특성값은 차이가 있다.
여기서, Kruskal-Wallis 통계량 T는 다음과 같다.
여기서, $R_{i}=\sum_{j=1}^{n_{i}}R_{ij}^{*}$는 $i$번째 표본의 순위합을 의미하며, $n_{i}$는 $i$번째 표본의
개수를 나타내며, $N$은 총 관측값의 수로 $N=\sum_{j=1}^{k}n_{j}$로 나타낼 수 있다. 여기서 상위 100$\alpha$th percentile보다
Eq. (4)의 $T$ 값이 클 경우 귀무가설은 기각된다. 한편, 이 $T$값은 근사적으로 자유도 $(k-1)$의 $\chi^{2}$ 분포를 가지며 이 경우 아래
값으로 산정할 수 있다(Bewick et al., 2004; Choi et al., 2003; Chan and Walmsley, 1997).
여기서, $r_{ji}$는 $i$번째 표본에서 $j$번째 관측값의 순위를 나타낸다. Table 4에서 알 수 있는 바와 같이 Kruskal-Wallis H 검정 결과 모든 경우에서 유의수준(p-value)이 0.000으로 0.05보다 작으므로
귀무가설을 기각한다. 따라서 “적어도 한 쌍의 AV 혼입률 간의 통행시간 특성값은 차이가 있다”라고 판정할 수 있다.
Table 4. Kruskal-Wallis H Test Results of Travel Time for Each Scenario
|
Scenario
|
Mean
|
SD
|
Chi-Square
|
df
|
p
|
|
With-BRT_CFS
|
458.65
|
95.91
|
10958.19
|
4
|
.000
|
|
With-BRT_CFS & SL60
|
527.43
|
41.06
|
1786.69
|
4
|
.000
|
|
Without-BRT_IFS
|
559.33
|
169.17
|
2424.63
|
4
|
.000
|
|
Without-BRT_IFS & SL60
|
626.46
|
137.06
|
1005.42
|
4
|
.000
|
|
With-BRT_IFS
|
643.85
|
286.62
|
1984.20
|
4
|
.000
|
|
With-BRT_IFS & SL60
|
688.72
|
249.70
|
1383.35
|
4
|
.000
|
Table 5. Bonferroni Calibration Result after Mann-Whitney Test of Travel Time
|
Comparative Group(MPR)
|
p-value
|
|
With-BRT
(CFS)
|
With-BRT
(CFS & SL60)
|
Without-BRT
(IFS)
|
Without-BRT
(IFS & SL60)
|
With-BRT
(IFS)
|
With-BRT
(IFS & SL60)
|
|
0 %-25 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
0 %-50 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
0 %-75 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
0 %-100 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
25 %-50 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
25 %-75 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
25 %-100 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
50 %-75 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
50 %-100 %
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
75 %-100 %
|
.000
|
.000
|
.000
|
.001
|
.000
|
.000
|
한편, Kruskal-Wallis 검정의 사후분석으로 Bonferroni 보정을 통한 Mann-Whitney 검정을 사용하면 좀 더 면밀하게 비교집단
간 차이를 확인할 수 있다(Tonya, 2019). 즉, 각 시나리오별로 AV 혼입률(Market Penetration Rate, MPR)별 통행시간 분포 간 차이를 검정할 수 있으며, 유의수준은
Mann-Whitney 검정 개수로 나누어 p-value = 0.05/10 = 0.005 이하를 기준으로 사용하였다.
Bonferroni 보정을 통한 Mann-Whitney 검정 결과는 Table 5에서 알 수 있는 바와 같이, Without-BRT 단속류 구간(60 km/h 제한) 시나리오의 AV 혼입률 75 %와 100 %의 Mann-Whitney
검정의 유의수준이 0.001이 나온 것을 제외하고 모든 경우에서 0.000으로 나타났으며, Bonferroni 보정 기준인 유의수준 0.005 이하를
만족하기 때문에 모든 집단 간 유의한 통계적 차이가 있음을 확인하였다.
4.2.2 Jonckheere-Terpstra 검정
본 절에서는 AV 혼입률(MPR)에 따른 통행시간 데이터의 서열 관계가 존재하는 지를 검정하기로 한다. 이는 AV 혼입률이 증가할수록 통행시간의 단축
효과가 증가하는 지를 검정하기 위함이다. 본 연구에서는 각 그룹 사이의 경향성을 검정하기 위하여 비모수적 방법으로 순위를 매겨 가설의 추세를 검증하는
방법으로 Jonckheere-Terpstra 검정을 실시하였으며, 이 방법은 서로 독립인 군집에서 수집된 연속자료의 증가 또는 감소 추세를 알아보는
비모수적 검정법으로 순위에 기초하는 경우에 활용하는 방법이다(Cho et al., 2010).
이때, 귀무가설과 대립가설은 다음과 같이 정의하였다.
$H_{0}$(null hypothesis) : 각 AV 혼입률의 통행시간 특성값 간 크기 순서가 존재하지 않는다.
$H_{1}$(alternative hypothesis) : 각 AV 혼입률의 통행시간 특성값 간 크기 순서가 존재한다.
여기서, Jonckheere-Terpstra 추세 검정통계량의 기댓값($E(J)$)과 분산($Var(J)$)은 다음과 같다.
추세 검정은 통계량 $Z=(JT-E(J))/\sqrt{Var(J)}$이 대표본 하에서 근사적으로 표준정규분포(Standard Normal distribution)를
따른다는 성질을 이용하여 단측검정으로 시행하며 검정통계량 J의 대표본 정규분포성은 K-표본 U-통계량(K-means U-statistics) 이론에
근거한다(Bewick et al., 2004; Cho et al., 2010). 여기서, $JT=\sum_{i<j}U_{ij}$는 표본 $i$와 $j$의 관측값을 쌍으로 비교하여 $i$ 표본의 관측값이 $j$ 표본의 관측값보다
작은 쌍의 수를 의미한다.
Jonckheere-Terpstra 검정 결과는 Table 6에서 알 수 있는 바와 같이, 표준화 JT 통계량이 모든 시나리오에서 음수를 나타냈으며, 이는 AV 혼입률이 증가함에 따라 통행시간이 감소하는 경향이
있다는 것을 의미한다. 나아가, 유의수준이 모두 0.000으로 나타났기 때문에, 귀무가설을 기각하고, 대립가설을 채택하여 각 AV 혼입률의 통행시간
데이터 분포 간 크기 순서가 존재함을 확인하였다.
Table 6. Jonckheere-Terpstra Test Results of Travel Time for Each Scenario
|
Scenario
|
Standardized JT Statistics
|
p-value
|
|
With-BRT_CFS
|
-117.319
|
.000
|
|
With-BRT_CFS & SL60
|
-40.726
|
.000
|
|
Without-BRT_IFS
|
-52.633
|
.000
|
|
Without-BRT_IFS & SL60
|
-31.191
|
.000
|
|
With-BRT_IFS
|
-49.039
|
.000
|
|
With-BRT_IFS & SL60
|
-39.047
|
.000
|
4.3 통행시간과 통행속도 특성 분석
4.3.1 AV 혼입률별 통행시간 비교
본 절에서는 BRT 운영의 효과를 분석하기로 한다. 먼저, 현재 BRT 중앙전용버스차로를 운행하고 있는 연속류 구간(해들교차로~외삼네거리)를 대상으로
AV 혼입률에 따른 통행시간 대푯값의 차이를 비교하고자 한다. 나아가 AV 차량의 속도 제한(60 km/h)으로 인한 통행시간의 변화도 함께 분석하였다.
Table 7에서 알 수 있는 바와 같이, AV 혼입률(MPR) 0 %일 경우 구간 통행시간이 531.03초이고, AV 혼입률이 증가함에 따라 통행시간은 큰 폭으로
감소함을 확인할 수 있다. 혼입률이 100 %인 경우에는 0 %에 비해 약 36 %의 통행시간 감소 효과를 보이고 있다.
한편, AV의 속도를 60 km/h로 제한할 경우에는 속도 제한이 없는 경우에 비해 상대적으로 통행시간 감소 효과는 감소하는 것으로 나타났다. 특히,
혼입률 0 %에 비해 100 %일 때 약 3 % 감소에 그치는 것은 확인할 수 있다.
한편, 단속류 구간(외삼네거리~유성생명과학고삼거리)인 BRT 도입 예정 구간은 BRT의 도입 유무와 함께 AV 혼입률에 따른 통행시간을 분석하였다.
BRT를 운영하지 않는(without-BRT) 단속류 구간에서는 AV 혼입률 0 %일 때 통행시간이 790.02초이고 혼입률이 증가함에 따라 큰 폭으로
통행시간이 감소하는 것을 확인할 수 있으며, 혼입률 100 %의 경우에는 0 %에 비해 약 46 %의 통행시간 감소 효과를 보였다. 반면, 기존 도로
공간을 BRT 운영을 위해 1차로를 할애할 시(with-BRT)에는 혼입률 0 %일 때 통행시간은 990.97초로 차로 감소로 인한 통행시간의 증가를
확인할 수 있으며, 혼입률 100 %일 경우에는 437.70초를 보이면서 약 56 %의 통행시간 감소 효과를 보였다.
나아가, AV의 속도를 60 km/h로 제한할 경우에는 BRT를 도입하지 않았을 때, 혼입률 0 %일 때 통행시간은 790.02초이며, 혼입률 100
%일 때 통행시간은 565.97초로 약 28 %의 통행시간 감소 효과를 보인다. 반면, BRT 도입 시에는 혼입률이 0 %일 때 통행시간이 990.97초이며,
혼입률이 100 %일 때는 568.95초로 약 43 %의 통행시간 감소 효과를 보인다.
Table 7. Travel Time of Target Section by AV MPR
Unit : second
|
AV MPR
Scenario
|
0 %
|
25 %
|
50 %
|
75 %
|
100 %
|
|
With-BRT_CFS
|
531.03
|
510.74
|
471.64
|
414.10
|
339.59
|
|
With-BRT_CFS & SL60
|
531.03
|
522.65
|
517.91
|
516.29
|
515.96
|
|
Without-BRT_IFS
|
790.02
|
659.57
|
556.02
|
488.75
|
426.31
|
|
With-BRT_IFS
|
990.97
|
753.72
|
639.97
|
519.59
|
437.70
|
|
Without-BRT_IFS & SL60
|
790.02
|
676.64
|
607.17
|
580.16
|
565.97
|
|
With-BRT_IFS & SL60
|
990.97
|
780.55
|
662.43
|
589.96
|
568.95
|
Fig. 8. Average Travel Time of CFS (a) and IFS (b) by AV MPR
즉, Fig. 8에서 알 수 있는 바와 같이, 연속류의 경우에는 혼입률의 증가에 따라 통행시간 감소 효과는 점점 증가하는, 즉, 수확 체증의 법칙(Law of increasing
returns)이 성립하는 것을 확인할 수 있다. 반면, 단속류의 경우에는 혼입률의 증가에 따라 통행시간 감소 효과는 점점 감소하는, 즉, 수확 체감의
법칙(Law of diminishing returns)이 성립하는 것을 알 수 있다. 이는 단속류의 특성인 신호 운영 등으로 동일한 혼입률이 증가해도
차량군(Platoon)을 형성해서 주행함으로써 얻게 되는 장점이 단절되기 때문이라 판단된다. 다만, BRT 운영을 위해 1차로를 할애함으로써 초기
단계에는 버스 이외의 모든 차량의 통행시간은 증가하지만, 혼입률이 점차 커지면서 BRT 운영 이전(without-BRT)의 통행시간과 근접하게 되며,
혼입률이 100 %가 되면 통행시간은 거의 일치하게 됨을 알 수 있다.
4.3.2 AV 혼입률별 통행속도 비교
본 절에서는 현재 BRT 중앙전용버스차로를 운행하고 있는 연속류 구간(해들교차로 ~ 외삼네거리)를 대상으로 AV 혼입률에 따른 통행속도 대푯값의 차이를
비교하기로 한다. 앞 절과 마찬가지로 AV 차량의 속도제한(60 km/h)으로 인한 통행속도의 변화도 함께 분석하고자 한다.
Table 8에서 알 수 있는 바와 같이, AV 혼입률(MPR) 0 %일 경우 구간 통행속도는 58.40 km/h이고, AV 혼입률이 증가함에 따라 통행속도는
큰 폭으로 증가함을 확인할 수 있다. 혼입률이 100 %인 경우 통행속도는 90.95 km/h까지 증가하면서 0 %에 비해 약 56 %의 속도 증가
효과를 보인다. 한편, Table 8의 괄호 안에는 Table 3에서 정한 서비스수준(LOS) 등급을 나타내고 있다.
한편, AV의 속도를 60 km/h로 제한할 경우에는 속도제한이 없는 경우에 비해 상대적으로 통행속도 증가 효과는 미미한 것으로 나타났다. 특히,
혼입률 0 %에 비해 100 %일 때 약 2 %의 속도 증가로 나타났으며, 이는 속도제한으로 인해 더 이상의 주행속도를 내지 못하기 때문으로 해석된다.
Table 8. Travel Speed of Target Section by AV MPR
Unit: km/h(LOS)
|
AV MPR
Scenario
|
0 %
|
25 %
|
50 %
|
75 %
|
100 %
|
|
With-BRT_CFS
|
58.40
(B)
|
60.16
(B)
|
65.30
(B)
|
74.44
(A)
|
90.95
(A)
|
|
With-BRT_CFS & SL60
|
58.40
(B)
|
58.79
(B)
|
59.33
(B)
|
59.48
(B)
|
59.60
(B)
|
|
Without-BRT_IFS
|
26.78
(D)
|
32.27
(C)
|
38.25
(C)
|
43.95
(B)
|
49.63
(A)
|
|
With-BRT_IFS
|
21.36
(D)
|
28.08
(D)
|
33.25
(C)
|
40.73
(B)
|
48.56
(B)
|
|
Without-BRT_IFS & SL60
|
26.78
(D)
|
30.87
(C)
|
34.85
(C)
|
36.47
(C)
|
37.39
(C)
|
|
With-BRT_IFS & SL60
|
21.36
(D)
|
27.59
(D)
|
32.00
(C)
|
35.87
(C)
|
37.19
(C)
|
한편, 단속류 구간(외삼네거리~유성생명과학고삼거리)인 BRT 도입 예정 구간을 대상으로 BRT의 도입 유무와 함께 AV 혼입률에 따른 통행속도 특성을
분석하였다.
BRT를 운영하지 않는(without-BRT) 단속류 구간에서는 AV 혼입률 0 %일 때 통행속도는 26.78 km/h이며, 혼입률이 증가함에 따라
큰 폭으로 통행속도가 증가하는 것을 확인할 수 있으며, 혼입률 100 %의 경우에는 49.63 km/h의 속도로 0 %에 비해 약 85 %의 속도
증가 효과를 보였다. 반면, 기존 도로 공간을 BRT 운영을 위해 1차로를 할애할 시(with-BRT)에는 혼입률 0 %일 때 통행속도는 21.36
km/h로 차로 감소로 인한 통행속도의 감소를 확인할 수 있으며, 혼입률 100 %일 경우에는 48.56 km/h로 0 %에 비해 약 127 %의
증가율을 보였다.
나아가, AV의 속도를 60 km/h로 제한할 경우에는 BRT를 도입하지 않는 단속류 구간에서 혼입률 0 %일 때 통행속도는 26.78 km/h이며,
혼입률 100 %일 때 통행속도는 37.39 km/h로 약 40 %의 속도 증가 효과를 보였다. BRT 도입 시에는 혼입률이 0 %일 때 통행시간이
21.36 km/h이며, 혼입률이 100 %일 때는 37.19 km/h로 약 74 %의 통행속도 증가 효과를 보인다.
Fig. 9. Average Speed of CFS (a) and IFS (b) by AV MPR
Fig. 9에서 알 수 있는 바와 같이, 연속류의 경우에는 혼입률의 증가에 따라 통행속도는 점점 증가하는, 즉, 수확 체증의 법칙(Law of increasing
returns)이 성립하는 것을 확인할 수 있다. 반면, 단속류의 경우에는 혼입률의 증가에 따라 통행속도는 60 km/h로 속도제한이 있는 경우에는
증가율이 점점 감소하며, 속도제한이 없는 경우에는 거의 직선의 형태로 증가하는 것을 알 수 있다. 이는 통행시간과 마찬가지로 단속류의 특성인 신호
운영 등으로 동일한 혼입률이 증가해도 가다 서다(Go and Stop)가 반복되어 흐름이 단절되기 때문이라 판단된다. 다만, BRT 운영을 위해 1차로를
할애함으로써 초기 단계에는 버스 이외의 모든 차량들의 통행속도는 떨어진 상태에서 출발하지만, 혼입률이 점차 커지면서 BRT 운영 이전(Without-BRT)의
통행속도와 근접하다가 혼입률이 100 %가 되면 통행속도는 거의 일치하게 됨을 알 수 있다.
5. 결론 및 향후 연구
본 연구에서는 장래 BRT 노선 구간의 유무와 Level 4 이상의 자율주행자동차의 혼입률에 따른 연속류 및 단속류가 혼재된 구간의 교통류 영향에
대해 분석하였다.
이를 위해 현실적인 최대 교통량 도입을 위해 TransCAD를 활용하여 2030년의 장래 교통수요 추정을 통한 장래 교통량을 산출하였고, VISSIM을
활용하여 미시적 교통 시뮬레이션 분석을 수행하였다. 각 BRT 노선 유무와 AV 혼입률을 25 %씩 증가하여 대상지의 교통류 영향을 분석하였다. 도출된
통행시간 분석 결과 데이터의 분포에 대한 분산분석으로 통계적 유의성을 확인하였다.
본 연구의 주목적은 도심 내 혼잡 교통의 해결책으로 제시되고 있는 BRT 노선 운행과 AV의 상용화를 함께 고려한 교통류의 흐름을 파악하고 어느 정도의
효율성을 나타내는지를 분석하였으며, 이에 관련된 시사점은 다음과 같다.
먼저, Level 4의 AV 혼입률이 0 %에서 100 %로 변화하는 상황에서 통계 분석을 통해 AV 혼입률이 증가함에 따라 통행시간이 감소하는 경향이
존재함을 확인하였으며, 추가로 통행시간 데이터 분포 간에 크기 순서(order relationship)도 존재함을 확인하였다.
또한, 현재 BRT 운영 구간인 연속류에서는 혼입률의 증가에 따라 통행시간의 감소 및 통행속도의 증가 효과가 점점 증가하는 수확 체증의 법칙(Law
of increasing returns)이 성립하는 것을 확인하였다. 반면, 신호 운영 등의 제약조건으로 인해 단속류에서는 통행시간 감소 효과는 점점
감소하는 수확 체감(Law of decreasing returns)의 법칙이 성립함을 확인하였다.
마지막으로, 향후 연구과제로는 본 연구의 결과를 기반으로 연속류와 단속류 환경하에서 다양한 시나리오별로 잉여 차로의 가능성 여부와 활용 방안 그리고
완전도로(Complete streets)의 개념 적용 방안(Adekunle, 2020)과 자산가치 산정에 대한 추가적 연구가 필요하다고 판단된다.