차량 주행궤적을 이용한 후미추돌 가능성 예측 모형

Abstract

최근 교통상황을 정확하게 관측할 수 있는 교통류 검지에 관한 기술개발과 더불어 개별차량 주행궤적을 이용한 교통안전도 평가기법에 대한 관심이 높아지고 있다. 본 연구에서는 개별차량의 주행궤적을 이용하여 다음시점(t+1)의 후미추돌 확률을 산출하는 방법론을 제시하였다. 신뢰성 있는 예측 기법인 칼만 필터링(Kalman Filtering)을 이용하여 주행궤적을 예측하고, 예측된 시점에 대한 개별차량의 후미추돌 확률을 산출하였다. 안전도를 평가하는 확률모형을 수립하기 위해서 서해안 고속도로의 동영상 자료로부터 개별차량의 주행궤적을 추출하였다. 추출한 개별차량의 주행궤적 자료를 이항 로지스틱 회귀분석(Binary logistic regression)을 이용하여 차량의 차로변경 결정 확률 모형을 생성하였고, exponential decay function을 이용하여 surrogate safety measure(SSM)의 하나인 time-to-collision(TTC)기반의 추돌확률 모형을 생성하였다. 미시적 교통류 시뮬레이터인 VISSIM에서 추출한 개별차량의 주행궤적 데이터를 이용하여 제안된 방법론을 평가하였다. 본 연구의 결과는 교통류 감시, 제어 및 정보 시스템에 효과적으로 적용될 수 있으며, 나아가 교통사고 예방에 효율적인 대안이 될 수 있을 것으로 판단된다.;Recent advancement in traffic surveillance systems has allowed the researchers to obtain more detailed vehicular movement such as individual vehicle trajectory data. Understanding the characteristics of interactions between leading and following vehicles in the traffic flow stream is a backbone for designing and evaluating more sophisticated traffic and vehicle control strategies. This study proposes a methodology for estimating rear-end crash potential, as a probabilistic measure, in real-time based on the analysis of vehicular movements. The methodology presented in this study consists of three components. The first predicts vehicle position and speed every second using a Kalman filtering technique. The second estimates the probability for the vehicle’s trajectory to belong to either ‘changing lane’ or ‘going straight’. A binary logistic regression (BLR) is used to model the lane-changing decision of the subject vehicle. The other component calculates crash probability by employing an exponential decay function that uses time-to-collision (TTC) between the subject vehicle and the front vehicle. The result of this study is expected to be adapted in developing traffic control and information systems, in particular, for crash prevention.