Ⅰ. 서 론

연평균 일교통량(Annual Average Daily Traffic : AADT)은 도로를 계획하고 설계하는데 있어 매우 중요한 기초자료로 활용된다. AADT를 기준으로 해 당 도로의 장래 서비스 수준을 예측하며, 신설 및 확장될 도로의 기하구조가 결정되기 때문이다. 따 라서 AADT가 정확히 산출되어야 도로를 경제적으 로 건설할 수 있으며, 또한 적절한 서비스 수준을 유지하면서 교통소통을 원활히 할 수 있다.

국토해양부에서 시행하고 있는 교통량조사는 크 게 일반국도의 상시조사, 수시조사와 고속국도 지 방도의 10월 셋째 주 목요일에 시행되는 수시조사 로 나누어진다. 상시조사란 특정 지점에 교통량 조 사장비를 설치하여 장기간의 교통량을 조사함으로 써, 해당 지점의 교통 변동에 대해 월별, 계절별 특성을 포함하여 시계열적으로 파악하는데 목적이 있다. 수시조사는 기본 교통량 자료가 필요하다고 판단되는 모든 구간에 대하여 광범위하게 실시하 는 조사로서, 전체적인 도로 이용 상황을 파악하기 위한 조사이다. 이 조사의 목적은 지점 또는 도로 구간의 연평균 일교통량(AADT)의 산출을 위한 기 본 교통량을 구하는 것이다[1].

정확한 AADT 산출을 위해서 모든 조사지점에 고정식 조사장비를 설치하는 것이 이상적이나 예산 등의 문제로 주요 지점에만 고정식 조사장비로 교 통량을 조사하고, 나머지 지점에 대해서는 이동식 조사 장비를 이용하여 수시조사를 시행하고 있다. 수시조사는 매년 같은 날짜나 같은 요일의 교통량 을 조사하는 것이 아니라 365일 중 주말과 공휴일, 휴가철을 제외한 평일 교통량을 연 1회~5회 걸쳐 조사하므로 정확한 AADT 산출이 불가능하다.

수시조사 지점의 교통량 조사자료를 이용해 AADT를 추정하는 방법에는 여러 가지가 있다. 이 중 가장 널리 알려진 방법은 조사된 24시간 교통 량에 교통패턴이 유사한 상시조사 지점의 보정계 수를 적용해 AADT를 추정하는 방법이다. 이 방법 을 적용하려면 수시조사 지점과 유사한 교통패턴 을 갖는 상시조사 지점을 찾아내는 것이 매우 중 요하다. 보편적으로 월보정계수(Monthly adjustment Factor)와 요일보정계수(Daily adjustment Factor)를 이용해 전체 상시조사 지점을 그룹핑하고, 수시조 사 지점을 적절한 그룹에 배정하여 해당 그룹을 대표하는 상시조사 지점의 보정계수를 적용하여 AADT를 추정한다[2].

본 연구에서는 수시조사 지점의 AADT 추정을 위하여 보정계수들을 그룹핑하여 연평균 일교통량 을 산출하는 방법에 대해 다루고자 한다. 현재 수 시조사 지점에서 수집되는 자료는 1년 1~5회의 시 간대별 교통량 자료와 차종비율 자료이다. 기존 연 구들은 상시조사 지점의 보정계수들을 그룹핑하여 수시조사 지점을 적절한 그룹에 배정하여 적용하 도록 하였으나, 적정 그룹에 배정하는 객관적인 방 법이 없는 한계점을 가지고 있다. 이러한 한계점을 극복하기 위해 본 연구에서는 수시조사 자료를 적 용 가능하도록 보정계수 그룹핑에 시간대별 교통 량 자료를 활용하였다. 시간대별 교통량 자료를 활 용하여 그룹핑한 방법과 기존 방법을 비교·분석하 여 AADT추정 정확도와 적용가능성에 대하여 검 토하고자 한다.

Ⅱ. 이론적 고찰

수시조사 지점의 AADT 추정을 위해 일반적으 로 패턴이 유사한 상시조사 지점의 월보정계수와 요일보정계수를 적용하는 방법을 활용해왔다. 이러 한 보정계수를 이용한 AADT 추정방법은 Traffic Monitoring Guide(FHWA, 2001)에 근간을 두고 있 으며 월보정계수 및 요일보정계수는 다음 식에 의 해 산출된다[3].

여기서,

Joe Flaherty(1993)은 수시조사 자료를 이용해 AADT를 추정하기 위한 목적으로 상시조사 지점 에서 수집된 5년간의 월보정계수 자료를 이용해 군집분석을 실시하였다[4]. 군집분석을 이용하여 미국 Arizona 주의 28개 상시조사 지점을 유형분류 하였으나 그룹분류 결과에 대한 검증부족으로 적 용에 한계점이 있었다. 김주현 등(2002)은 기존 도 로 그룹핑 방법을 개선하여 우리나라 일반국도를 24개의 그룹으로 분류하였다[5]. 임성한 등(2005)은 요인분석을 활용하여 우리나라 일반국도를 도시부, 지방부, 관광부로 분류하였다[6]. 이승재 등(2002)은 월 보정계수만을 활용하여 군집분석한 후, 각 그룹 에서 월별로 요인변동을 구해 적용하여 AADT를 추정하는 방안을 제시하였다[7]. 대체적으로 기존 연구들은 상시조사 지점을 기준으로 도로를 분류 하였으며, 수시조사 지점을 분류된 그룹에 할당하 는 방법을 제시하지 못하고 있어 적용에 한계점이 있었다. 이러한 한계점을 극복하기 위해 임성한 등 (2004)은 수시조사 지점에서 보정계수를 적용하는 방법을 3가지 제시하였다[8]. 적용방법은 보정계수 그룹핑에 기초한 방법과 동일 대구간에 기초한 방 법, 최단거리에 기초한 방법이다. 3가지 방법 중 동일 대구간에 기초한 방법이 오차가 가장 적은 것으로 분석되었다. 하지만 현재 상시조사 지점이 설치된 대구간은 전체 대구간의 60%이며 수시조 사 지점의 40%가 적용할 수 있는 상시조사 지점 이 없어 AADT를 추정하기에 어려움이 있다. 이러 한 현실적인 문제점을 개선하기 위해 본 연구에서 는 새로운 방법의 보정계수 그룹핑방법을 모색하 여 기존 연구와 오차를 비교·분석, 적용가능한 그 룹핑방법을 제시하고자 한다.

Ⅲ. 대상자료 및 분석방법

1. 대상자료

본 연구에서는 일반국도 상의 2010년도 상시조 사 지점 중 365일 자료가 모두 수집된 300개 지점 의 교통량 자료를 활용하여 분석하였다. 기존 연구 에서 동일 대구간에 기초한 방법이 오차가 적은 것으로 분석되어, 본 연구에서 제시한 방법과 동일 대구간에 기초한 방법을 비교·분석하였다.

일반국도의 교통량 조사지점은 소구간별로 1개 소를 원칙으로 하고 있고, 유사한 소구간을 합쳐 대구간을 선정하고 있으며 대구간에는 상시조사 장비를 1개 설치하는 것을 원칙으로 하고 있다. 하 지만 현재 40%의 대구간에 상시조사 장비가 설치 되어 있지 않다. 국토해양부 예규 제101호 도로교 통량 조사지침에 제시된 대구간 및 소구간 설정원 칙은 다음과 같다[1].

동일 대구간에 기초한 방법으로 AADT를 추정 하고 오차를 비교·분석하기 위해서는 하나의 대구 간에 상시조사 지점이 2개 이상 설치된 지점이어 야 분석 가능하다. 만약 A라는 대구간에 a와 b의 상시조사 장비가 있다고 가정하면, a지점의 AADT 를 모른다고 가정하고 b지점의 월보정계수와 요일 보정계수를 a지점에 적용하여 a지점의 AADT를 추 정한 뒤 실제 a지점의 AADT와 비교를 하여야 오 차를 알 수 있다. 동일 대구간에 기초한 방법과 본 연구에서 제시한 방법을 비교하기 위해서는 동일 대구간 내에 상시조사 지점이 2개 이상 설치된 지 점을 대상으로 분석하여야 하므로 본 연구에서 기 존연구와 비교분석은 2010년 일반국도 상시조사 지점 중 대구간 내에 상시조사 지점이 2개 이상 설치된 74개 지점을 대상으로 분석하였다.

2. 분석방법

일반적으로 수시조사 지점의 AADT를 추정할 때 수시조사 자료에 월보정계수와 요일보정계수를 곱하는 방법이 적용되고 있으며 다음 식과 같이 산출된다.

여기서,

일반국도 수시조사 지점에서 수집되는 자료는 평일의 시간대별 교통량과 차종비율이므로 조사된 자료를 적용하려면 그룹핑된 각 그룹에서 시간대 별 교통량의 특성이나 차종 특성이 가미되어 있어 야 한다. 정확한 AADT추정을 위해서는 차종의 비 율보다는 교통량 자료이므로 본 연구에서는 차종 비율은 감안하지 않고 시간대별 교통량의 특성을 그룹핑에 적용시키고자 한다. 위 식에 의하면 AADT를 추정하기 위해서는 월보정계수와 요일보 정계수, 일교통량이 필요하며, 수시조사 자료로 수 집되는 교통량의 특성은 평일의 시간대별 교통량 뿐이므로 본 연구에서는 상시조사 지점을 그룹핑 하기 위해 월보정계수와 요일보정계수, 평일의 시 간대별 교통량 비율을 활용하였다.

1) 그룹핑

본 연구에서 일반국도 상시조사 지점을 그룹핑하 기 위하여 월보정계수와 요일보정계수, 시간대별 교통량 비율을 이용하여 요인분석을 실시하여 변 수를 축소하고, 해당 변수로 군집분석을 실시하였 다. 요인분석은 변수들의 내재된 상관관계를 이용 하여 요인(공통개념)을 구하고 이를 이용하여 변수 들을 분류하고 그룹에 적절한 의미를 부여하는 방 법이다. 요인분석에서 요인추출은 여러 가지 방법 중 관측된 요인의 선형결합인 주성분분석이 주로 이용된다. 본 연구에서는 요인추출을 위해 주성분 분석을 이용하고 요인추출을 통해 얻어진 요인행 렬을 해석하기 쉬운 형태로 변환하기 위하여 직교 회전방법 중 배리맥스법을 이용하였다. 요인회전 과정을 거친 후 케이스별 요인 점수를 산출하고, 산출된 요인점수를 기초로 계층적 군집분석을 수 행하였다. 각 대상간의 거리계산은 제곱한 유클리 디안거리를 사용하였으며 군집결합은 집단간 평균 결합방식을 적용하였다. 집단간 평균결합방식은 한 군집 내에 속해 있는 모든 관측대상과 다른 군집 내에 속해 있는 모든 관측대상의 쌍집합에 대한 거리를 평균적으로 계산하며 다음 식에 의하여 계 산된다.

그룹핑을 위해 활용된 변수는 각 지점별로 월보 정계수 12개와 요일보정계수 7개, 시간대별 교통량 의 비율 24개로 총 43개의 변수이다. 이러한 많은 변수들간의 상관계수 값으로 분류하자면 상관관계 가 복잡하게 얽혀있어 분석이 복잡하며 결과 해석 도 어렵다. 일반적으로 다변량 분석에서는 해당 변 수를 축약하여 분석하며 요인분석이 주로 이용된다.

요인분석에서 요인의 개수는 원 변수의 개수만 큼 존재하지만 Kaiser규칙해 의해 고유치가 1 이상 인 요인만 선택하거나 스크리도표를 활용하여 고 유치가 갑자기 줄어들기 바로 전까지의 개수로 적 절한 인자 개수를 정한다. 스크리도표는 인자 개수 결정을 위해 이용하는 그림이며 총 변동에 연연하 지 않고 주성분 분산 설명 변동 크기가 갑자기 줄 어들기 전까지의 개수로 적절한 인자개수를 결정 하기 위해 요인을 도식화한 그림이다. 그룹핑을 위 해 활용된 변수 43개를 요인분석한 결과 고유치가 1 이상인 요인은 7개 선택되었지만 스크리도표에 서는 고유치가 3번째 변수부터 갑자기 줄어들었으 므로 본 연구에서는 요인분석에서 2개의 변수만 활용하였다.

요인분석에서 축약된 2개의 변수를 활용하여 계 층적 군집분석을 시행하여 덴드로그램을 그려본 결과는 <그림 2>와 같다. 군집분석은 사전 정보없 이 의미있는 자료구조를 찾아낼 수 있지만 초기 군집수의 결정이나 군집 개수 결정이 쉽지 않다는 단점을 가지고 있다. 현재의 군집분석결과로는 군 집의 수가 최소 2개부터 최대 21개로 나누어졌다. 군집의 수가 너무 많거나 너무 적으면 군집분석에 의미가 없어지므로 군집의 수는 분석하는 내용에 따라 해당 집단을 설명할 수 있는 정도의 군집의 개수로 나누어야 한다. <그림 2>는 군집분석결과 를 나무그림으로 나타낸 덴드로그램이며, 덴드로그 램을 통하여 분석한 결과, 군집의 개수와 해당 군 집에 포함된 상시조사 지점수는 <표 1>과 같다.

<표 1>을 보면 1단계로 군집을 나누면 21개의 군집으로 나누어지고 8단계로 군집을 나누면 2개 의 군집으로 나누어짐을 알 수 있다. 계층적 군집 화방법은 유사성이 가까운 순서대로 개체들을 군 집화하는 방법이다. 전체 대상 지점을 1단계로 군 집화한 결과 군집이 21개로 나누어졌으며 단계적 으로 군집화하여 최종적으로 1개 군집(전체 대상 지점이 1개의 군집으로 표현됨)으로 나누어지는 것이다. 계층적 군집분석을 그림화한 것이 덴드로 그램이며 <그림 2>를 참고하면 된다. 적정 군집 개수를 판단하기 위하여 각 군집별로 요인점수의 그룹내 오차를 산출하여 비교하였다. 그룹내 오차 의 산출법은 다음과 같다.

군집분석은 그룹 내 유사성(similarity), 그룹간 이 질성(difference)를 기본으로 하며, 그룹 내 오차가 적은 것이 그룹 내 유사성이 높은 것으로 판단할 수 있다. 군집분석에서 그룹 수가 많아질수록 그룹 내 유사성이 높아지며, 그룹 내 오차가 작아진다. 하지만 군집 수가 많아지면 군집분석의 의미가 없 어지므로 그룹 내 오차가 급격히 줄어드는 군집 수를 기준으로 군집의 수를 결정하기로 한다. <그 림 3>은 군집 수에 따른 그룹 내 오차를 그래프로 나타낸 것이다.

<그림 3>을 보면 알 수 있듯이 군집의 수가 5 개를 기준으로 그룹 내 오차가 급격히 줄어드는 것을 알 수 있다. 이는 군집의 수가 5개 이상이 되어도 그룹내 오차가 크게 줄어들지 않는 것으 로 분석할 수 있으며 군집의 수를 최소화하며 그 룹내 오차가 적은 것을 기준으로 하였을 때 그룹 의 개수는 5개로 하는 것이 적당한 것으로 판단 된다.

2) 그룹의 교통특성 분석

나누어진 5개의 군집을 기준으로 군집의 특성을 파악하기 위하여 각 군집의 월보정계수와 요일보 정계수, 시간대별 교통량의 비율을 그래프로 나타 낸 그림은 <그림 4>~<그림 6>과 같다.

그래프를 살펴보면 각 그래프마다 군집 4와 군 집5의 변동이 너무 커 주요 지점의 변동을 알아보 기 힘든 것을 알 수 있다. 군집 5의 패턴을 살펴보 면 하계휴가철(7월, 8월)과 주말(토요일, 일요일)에 교통량이 평소와 비교하여 2배 가까이 차이나는 것을 알 수 있다. 해당지점은 관광부 도로중 평소 에 교통량이 극히 적은 지점들인 것으로 나타났다 (AADT 3000대 이하). 군집 4와 군집 5는 변동이 큰 지점으로 별도의 그룹으로 관리하여야 한다. 대 부분의 지점이 군집1~3에 포함되므로 군집1~3의 특성을 알아보기 위하여 3개의 군집만으로 월보정 계수와 요일보정계수, 시간대별 교통량의 비율을 <그림 7>~<그림 9>로 새로 표현하여 보았다.

그래프를 살펴보면 군집1은 평소보다 하계 휴가 철(7월, 8월)과 주말(토요일, 일요일)에 교통량이 집중되며 시간대별 교통량 비율은 주간 시간대의 교통량 비율이 거의 일정한 특성을 가지고 있는 것으로 보아 관광·위락을 목적으로 통행하는 차량 이 많은 것으로 판단된다. 군집2는 월변동과 요일 변동이 크지 않으며 주말교통량보다 주중교통량이 더 많고, 출퇴근시간에 차량이 집중되는 특성을 가 지고 있는 것으로 보아 출퇴근을 목적으로 통행하 는 차량이 많은 것으로 판단된다. 군집3은 월변동 과 요일변동이 군집2보다 크지만 패턴이 거의 유 사하고 주간 시간대의 교통량 비율이 거의 일정한 특성을 가지고 있는 것으로 보아 지방부 도로의 특성을 보이는 것으로 판단된다.

3) 보정계수 적용

보정계수를 적용하는 방법은 일반적으로 다음과 같이 세 가지 방법이 이용되고 있으며 각각의 장 단점은 <표 2>와 같다.

본 연구에서는 <표 2>에 제시된 방법들의 한계 점을 극복하기 위하여 보정계수를 그룹핑할 때 시 간대별 교통량 패턴을 적용하여 그룹핑하였고, 각 그룹별 보정계수의 평균값을 수시조사 지점에 적 용시켜 실제 AADT와의 오차를 비교하였다. 각 그 룹별 보정계수는 <표 3>~<표 5>와 같다.

만약 A라는 수시조사 지점의 시간대별 교통량 패턴이 군집 1과 유사하다면, 군집 1의 월보정계수 와 요일보정계수를 적용하여 AADT 추정값을 산 출하면 된다. 시간대별 교통량 패턴이 어느 군집에 포함되는지 알아보기 위하여 카이스퀘어의 적합도 검정을 실시하면 된다. 적합도 검정이란 어떤 확률 변수가 가정한 분포를 따르는지의 여부를 표본자 료를 이용하여 검정하는 것을 말하며, 다음과 같은 표로 표현된다[9].

위 검정에서 관측빈도수에 수시조사의 시간대별 교통량 24개의 비율을 입력하고, 기대빈도수에 각 군집별 시간대별 교통량의 비율 24개를 입력하여 5개 군집 중 해당 수시조사 지점이 어느 군집에 가장 패턴이 유사한지를 검정통계량으로 비교하면 된다. 검정통계량은 다음과 같다.

해당 식을 보면 알 수 있듯이 검정통계량이 적 을수록 해당 군집에 가장 적합하다는 것을 알 수 있다. 적합도 검정을 통해 가설검정을 하면 해당 군집의 시간대별 교통량 비율과 적합한지 알 수 있지만, 만약 가설검정에서 2개 이상 군집이 적합 하다고 분석되면 검정통계량이 더 작은 군집이 더 적합한 것으로 볼 수 있으므로 검정통계량으로 비 교하는 것이 더 좋은 것으로 판단된다.

Ⅳ. 분석결과

수시조사로부터 수집되는 시간대별 교통량을 반 영할 수 있도록 그룹핑하기 위해 월보정계수와 요 일보정계수, 시간대별 교통량 패턴으로 군집분석을 시행한 결과 5개의 그룹으로 분류되었다. 기존 연 구 중 오차가 적은 것으로 분석된 동일 대구간의 상시조사 지점 보정계수를 적용하는 방법과 본 연 구를 비교·분석하기 위하여 대구간 내 상시조사 지점이 2개 이상 설치된 74개 지점을 대상으로 두 가지 방법을 적용시켜 보았다. 두 가지 방법의 오 차를 비교하기 위하여 본 연구에서는 오차평가지 표로 널리 활용되는 평균절대오차백분율(Mean Absolute Percentage Error : MAPE)를 활용하였다. MAPE는 오차의 절대값의 평균을 의미하며 다음 식과 같이 계산된다.

위 식에서 y_t는 참값을 의미하고 y t ^ 는 추정값을 의미한다. 분석대상 상시조사 지점을 이용하여 정 확한 AADT를 산출할 수 있으므로 해당 지점의 AADT를 참값으로 이용하고 각 분석방법을 통해 추정된 AADT값을 추정값으로 하여 오차를 계산 하여 어떤 방법이 오차가 적은 지를 살펴보았다.

일반국도 수시조사는 휴가철, 휴일을 제외한 평일 만 조사하므로 분석시 휴일은 제외하고 평일교통 량만을 활용하였다. 분석대상지점 74개의 평일교통 량을 기준으로 동일 대구간 내 상시조사 지점의 보정계수를 적용한 방법(방법 1)과 본 연구(방법 2)에서 그룹핑하여 제시한 군집으로 <표 3>~<표 4>의 보정계수를 적용한 방법을 비교하였다. 전체 74개 지점 중 12개 지점이 동일 대구간 내 상시조 사 지점이 3개가 있어 참고할 상시조사 지점은 2 개인 것으로 나타나 해당지점과 참고할 지점을 한 쌍으로 보았을 때 상시조사 지점이 총 86개 쌍으 로 이루어졌다. 분석대상지점의 평일교통량을 각각 의 방법으로 산출된 월보정계수와 요일보정계수를 적용하여 각 지점별로 오차를 분석한 결과는 <표 6>과 같다.

본 연구에서 제시한 방법으로 오차범위에 따른 지점 수를 살펴본 결과 AADT 추정오차가 5%이하 인 지점이 기존 연구보다 1개 지점 더 많게 나타 났고 5~10%인 지점도 6개지점 더 많은 것으로 나 타났다. 실제로 각 지점별 오차의 평균은 방법 1은 10.2%, 방법 2는 8.7%로 시간대별 패턴을 반영하 여 보정계수를 그룹핑하여 새로운 보정계수를 산 출하는 것이 오차가 더 적은 것으로 나타났다. 각 방법별로 보정계수를 산출한 값과 실제 보정계수 값을 비교하여 오차를 살펴본 것은 <표 7>과 <표 8>과 같다.

각 보정계수를 기준으로 오차분석한 결과 요일 별로는 모두 방법 2가 방법 1보다 오차가 적은 것 으로 나타났다. 월별로는 12월, 1월, 2월, 8월이 방 법1보다 오차가 조금 더 큰 것으로 나타났지만, 평 균적으로는 방법 2가 오차가 더 적은 것으로 나타 났다. 일반국도 수시조사는 휴가철과 교통량이 적 은 겨울철에는 조사가 되지 않기 때문에 방법 2로 수시조사 자료를 AADT 추정하는 데에는 크게 무 리가 없을 것으로 판단된다.

Ⅴ. 결 론

일반국도의 교통량 조사는 상시조사와 수시조사 로 구분되어 조사되며 수시조사는 연평균 일교통 량의 참값을 구할 수 없어 일반적으로 상시조사 지점의 보정계수로 AADT를 추정하여 사용되고 있다. 하지만 추정값이 과소 또는 과대 추정될 경 우 예산낭비가 우려되어 정확한 AADT의 추정이 요구되고 있다. 기존에도 수시조사 지점의 AADT 추정을 위해 많은 연구가 있었으나, 실제 적용에는 다소 무리가 있어 현실적으로 적용 가능한 방법을 알아보았다.

본 연구에서는 상시조사 자료를 기준으로 그룹 핑한 자료에 수시조사 지점을 각 그룹에 적용할 수 있도록 변수에 시간대별 교통량을 추가하여 군 집분석을 시도하였다. 일반적으로 수시조사 자료의 AADT 추정을 위해 월보정계수, 요일보정계수, 조 사된 24시간 교통량을 이용하여 AADT를 추정하 므로 상시조사 지점을 그룹핑할 때 월보정계수와 요일보정계수, 시간대별 교통량의 패턴 세 가지 요 인(43개 변수)을 모두 적용하여 그룹핑하였다.

그룹핑 결과 각 집단을 설명하기에 특성이 뚜렷 하게 나타난 5개의 군집이 가장 적당한 것으로 분 석되었다. 5개의 군집 중 2개의 군집은 해당되는 지점이 몇 지점 없어 설명하기 어려웠고, 나머지 3 개의 군집에서 각각 출퇴근로, 관광부도로, 지방부 도로의 특성을 가지는 것으로 나타났다. 각 그룹의 월보정계수 평균과 요일보정계수 평균, 시간대별 교통량 비율의 평균으로 각 그룹의 대표 보정계수 를 산출하고, 분석대상지점의 평일 교통량을 해당 그룹의 대표 보정계수를 적용하여 AADT를 추정 한 결과 평균적으로 오차가 8.7%인 것으로 나타났 다. 이는 기존 연구에서 우수하다고 분석된 동일 대구간 내의 상시조사 보정계수를 적용한 것보다 1.5%오차가 더 적은 것으로 나타나 본 연구에서 제시한 방법으로 AADT를 산출하는 방법이 더 좋 은 것으로 분석되었다.

또한 기존 연구에서 동일 대구간 내에 상시조사 지점이 없을 경우 적용할 수 있는 보정계수가 없 어 일반적으로 적용하기 어렵다는 한계점을 없애 기 위해 수시조사 지점에서 수집되는 시간대별 교 통량 패턴을 적용하였다. 본 연구에서 제시한 그룹 핑 방법으로 얻을 수 있는 계수는 각 그룹별로 월 보정계수, 요일보정계수, 시간대별 교통량 비율이 다. 수시조사에서 수집된 시간대별 교통량 자료를 이용하여 시간대별 교통량 비율을 산출하고, 본 연 구에서 제시된 각 그룹별 시간대별 교통량 비율과 적합도 검정을 하여 해당 수시조사 지점이 어느 그룹에 속하는지 판단한 후 해당 그룹의 월보정계 수와 요일보정계수를 적용하여 AADT를 산출할 수 있다. 이러한 AADT 산출방법은 전체 수시조사 지점에 적용 가능하므로 실무에서의 활용도가 크 다고 판단된다. 향후 실무로 활용하기 위하여 본 연구방법을 연도별로 적용하여 연구결과를 간략화 하여 실제 적용할 수 있는 방안을 연구하고, 더 좋 은 상시조사 지점의 그룹핑방법이 연구되었을 때, 시간대별 교통량의 비율을 고려하여 그룹핑한다면 수시조사 지점의 AADT 추정의 정확도는 더 향상 될 것이라 예상된다.