인공지능 기반 실시간 사고위험도 평가 및 가변속도제한 시스템 운영 전략 개발

Abstract

교통사고는 인적요인, 차량요인, 도로 및 환경 요인 등 다양한 요인이 복합적으로 영향을 미쳐 발생하기 때문에 매우 예측하기 어려운 이벤트이다. 과거에는 사고이력 데이터 기반 분석을 통해 사고다발구간을 도출하는 등 사고위험구간을 예측하는 방법론을 개발하기 위해 다 수의 연구가 수행되었다. 검지기 데이터를 이용하여 사고위험구간을 도출하는 방법이 대표적이다. 검지기 데이터는 장치의 설치 위치, 정보 수집 시간 간격 등의 제약으로 인해 사고 및 위험 이벤트를 정확히 포착하기 어렵다. 또한 링크 단위로 집계되는 이력 데이터 기반 분석 시 충분한 사고 데이터가 필요하며, 사고 발생 이후 수동적 교통안전관리가 이루어진다. 이처럼 과거의 사고 분석은 실시간 도로 안전성 평가 및 선제적 대응이 어렵다는 한계점이 있으며, 실시간 사고위험도를 고려한 선제적 교통안전 관리방안 관련 연구가 부족한 것으로 나타났다. 선제적 교통안전관리란 교통사고 예방을 목적으로 사고가 발생하기 이전에 안전성 분석을 통해 선제적 대응책을 도출하는 방법을 의미한다. 따라서 본 연구에서는 선제적 교통안전관리를 수행하기 위해 실시간 사고위험도를 고려한 강화학습 기반 가변속도제한 시스템 운영 전략을 개발하였다. 개발한 분석 방법론은 실시간 교통안전 분석 기법과 교통안전 관리 기법으로 구성된다. 실시간 교통안전 분석 기법은 사고 데이터와 매칭된 개별차량 데이터 및 검지기 데이터 등을 이용하여 위험 이벤트 상황에서의 주행행태 및 교통류 특성을 분석하여 실시간 사고위험도를 분석하였다. 개별차량 주행궤적 데이터를 이용하여 다양한 안전지표를 산출하였다. 기존의 지표의 경우 분석구간에 상관없이 동일한 임계값을 적용하였으나, 분석구간의 기하구조 및 교통류 특성에 따라 주행행태는 상이해질 수 있다. 따라서 링크 별 주행행태 특성을 반영하여 상대적 임계값 개념의 새로운 안전지표를 개발하였다. 앙상블 기법을 적용하여 산출된 안전지표 세트에서 위험 교통류와 일반 교통류의 특성을 분류할 때 중요도가 높은 지표 우선순위를 선정하였다. 통계적 기법 및 휴리스틱 기법 등 다양한 분석 방법론을 적용하여 실시간 사고위험도 평가 모형을 개발하였다. 링크 단위 이력 데이터 분석의 한계점을 보완하기 위해 최근 연구에서는 개별차량 데이터를 이용하여 사고 등의 위험 상황에서의 차량 거동 및 주행행태 분석을 통해 실시간 사고위험도를 분석하는 연구가 수행되고 있다. 본 연구에서는 사고데이터와 Digital tachograph 차량의 주행궤적 데이터를 매칭한 데이터세트를 통해 다양한 안전지표 기반의 사고위험도를 평가하는 방법론을 개발하였다. 과거 연구를 검토하여 주체차량 정보 기반의 기존 안전지표를 도출하였다. 또한, 링크 별 기하구조 및 교통 특성을 반영한 새로운 지표를 개발하였다. 랜덤 포레스트 분석을 통해 분석구간에서 위험 교통류와 일반 교통류 분류 시 중요도가 높은 안전지표 우선순위를 선정하였다. 중요도가 높은 안전지표 세트를 독립변수로 설정하여 사고위험도 모형을 구축하였다. 통계적 기법인 logistic model과 multivariate adaptive regression splines model를 구축하여 사고위험도를 평가하였으며, 실시간 사고위험도 평가 모형의 성능을 향상하기 위해 뉴럴 네트워크를 이용하여 모형을 개발하였다. 또한, 차종 별 주행궤적 데이터 및 검지기 데이터를 통합한 고속도로 빅데이터를 이용하여 사고위험도 모형을 개발하였다. 향후 첨단교통센서 등에서 수집되는 차량간 상호작용 정보를 반영하여 실시간 사고위험도 평가 방법론을 고도화할 수 있는 방안을 제시하였다. 개발된 연구 프레임워크를 활용하여 분석구간의 특성에 맞는 안전지표를 도출하고, 실시간 사고위험도 평가를 통한 선제적 교통안전 관리가 가능할 것으로 기대된다. 실시간 사고위험도 평가모형에서 도출되는 사고위험도 정보를 이용하여 교통안전관리를 수행할 수 있는 방법론을 추가적으로 개발하였다. 강화학습 기반의 최적속도제어 기법을 개발하여 실시간 사고위험도를 고려한 선제적 교통안전 관리를 수행할 수 있는 방법론을 제시하였다. VISSIM-COM Interfaces를 통해 시뮬레이션 상에서 실시간 사고위험도가 평가되고, 강화학습 기반의 안전권고속도가 산출되어 운전자에게 정보 제공되는 환경을 구축하였다. 교통량 및 이벤트 발생 등 다양한 시나리오에서 가변속도제한 시스템을 운영하였을 경우 교통안전 측면에서의 효과를 평가하였다. 분석결과, 사고 발생으로 인한 일시적인 차로 폐쇄 시 실시간 사고위험도가 증가하였으며, 강화학습 기반 안전권고속도 정보를 제공하였을 때 위험도 및 이벤트 영향시간이 감소되는 효과가 나타났다. 심한 지·정체가 발생하는 경우 속도제어 외에 추가적인 경고정보 제공이 필요할 것으로 판단되며, 효과적인 시스템 운영을 위해 도로 네트워크의 실시간 교통조건 및 사고위험도 조건에 따른 가변속도제한 시스템 운영 전략을 개발하였다.