Ⅰ. 서 론

국내 일반국도의 지능형교통체계 구축은 1997년 국도 3호선 성남~이천 구간에서 시작되었으며, 2012 년 현재 수도권 전역의 17개 노선, 859km에서 ITS를 이용한 교통운영관리가 수행되고 있다[1, 2]. 국도 ITS 운영 구간 중 서울지방국토관리청 도로교통정 보센터를 기준으로 DSRC를 주검지체계로 이용하는 경우 하이패스 단말기 부착차량을 수집원으로 하며, Probe의 ID와 통과시각 정보를 수집하여 개별차량의 구간통행시간을 생성하게 된다[3].

DSRC 기반의 통행시간 가공체계에서는 하이패스 단말기 부착차량에 해당하는 Probe의 통행시간 정보 를 이용함에 따라 현장의 소통상황이 반영된 유효 한 표본을 수집하는 과정이 중요하다. 그러나 일반 국도에서는 배달차량, 휴게소 이용차량 등으로 인해 통행시간 패턴과는 상이한 이상치 자료들이 수집될 수 있으며, 이를 제거하기 위한 필터링 과정이 수반 된다. 표본의 통행시간을 이용하는 통행시간 가공방 식에서는 필터링 성능이 통행시간 추정결과의 정확 도에 영향을 미치게 되며, 수도권 일반국도와 같이 토지이용이 활발한 지역에서는 필터링 이후에도 여 전히 제거되지 않은 이상치 자료로 인해 통행시간 의 정확도가 저하될 수 있다. 이러한 현상은 필터링 방식에 따라 정도의 차이는 있으나, 이상치 자료만 을 완벽히 제거하는 데는 한계가 있다.

본 연구에서는 표본의 정보로 부터 구간통행시간 을 추정하는 과정에서 사용되는 필터링 방식을 개 선하기 위한 방법으로 복합 필터링 모형을 제시하 였으며, 본 모형은 중위절대편차법과 다수 자료를 판단하는 Voting Rule을 결합한 방식에 해당한다. 중 위절대편차법을 이용한 필터링 적용 이후에도 남아 있는 이상치 자료들을 Voting Rule로 제거하게 되며, 수도권 일반국도와 같이 이상치 자료의 비율이 높 은 지역에서 이상치 자료만을 선택적으로 제거하기 위한 목적에 해당한다. 또한 본 연구에서는 국도 ITS를 운영 중에 있는 일반국도 3호선의 곤지암~장 지구간에 대해 DSRC 원시자료들을 이용하여 복합 필터링 모형에 대한 효과분석을 실시하였다.

Ⅱ. 수도권 국도ITS의 통행시간 산정과정

본 연구에서 개별차량의 검지기 통과정보에서부 터 구간 통행시간을 산정하는 과정은 수도권 국도 ITS의 DSRC 기반 링크 통행시간 산정 프로세스를 기준으로 하였다. 수도권 국도 ITS에서 DSRC 기반 의 통행시간 산정과정은 <그림 1>과 같이 개별차량 구간통행시간 생성, 결측보정, 필터링, 링크 통행시 간의 산정 순서로 진행된다. DSRC의 검지영역을 통 과하는 개별차량의 ID와 통과시각정보를 수집하며, 상하류부 검지기 간의 ID 매칭을 통해 개별차량의 통행시간을 생성한다. 이후, 생성된 통행시간 자료 의 개수에 따라 누락보정 여부를 결정하며, ID 매칭 에도 생성되는 개별차량 통행시간 정보가 없는 경 우 검지기 노변장치 범위를 확대하여 ID 매칭의 과 정을 반복 수행한다[2,3].

수도권 국도 ITS의 경우 전체 차량 중 Probe의 비 율이 20% 내외로 일시적인 수집율 저하에 따른 누락 데이터의 보정과정을 수행한다. 개별차량 통행시간 정보들을 이용하여 유효범위에 따른 논리적 필터링 과 표본의 신뢰구간을 이용한 통계적 필터링을 차례 로 수행하며, 이후 결측보정을 수행하여 실시간 통행 시간 생성을 위한 개별차량의 유효 표본정보의 생성 을 완료한다. 여기에서 논리적 필터링은 최저속도 및 제한속도를 이용해 이를 벗어나는 통행시간 표본정 보를 제거하는 작업을 의미하며, 통계적 필터링은 해 당 표본 통행시간 정보의 평균과 분산을 이용해 95% 신뢰구간을 만족시키기 위한 표본만을 선택하는 과 정에 해당한다. 이후 1분 주기로 이력 5분 간의 개별 차량 통행시간 및 통행속도를 식 (1) 및 (2)와 같이 평균하여 DSRC 노변장치 간의 평균 구간통행속도 및 구간통행시간 소통정보를 생성한다[2].

여기에서,

수도권 국도ITS와 같이 DSRC 검지체계 기반의 통행시간 추정과정 중 필터링 프로세스는 통행시간 추정결과의 신뢰성에 영향을 미치는 가장 중요한 요소에 해당한다. 결측보정을 위해 사용되는 자료 또한 필터링이 수행된 이력정보에 해당하며, 20% 내외의 표본 통행시간을 이용함에 따라 필터링 프 로세스의 성능에 따라 통행시간 추정의 정확도가 결정되는 구조에 해당한다.

Ⅲ. 필터링 방법의 고찰

표본 통행시간을 수집하는 과정에서는 정상의 교 통류와는 전혀 다른 패턴을 나타내는 이상치 자료 가 포함될 수 있다. 통행시간의 이상치 자료들이 발 생하는 원인은 통신영역 문제와 같은 검지체계 오 류, 개별차량 통행패턴의 오류, 정보수집 이후 가공 과정의 오류 등 다양하다. 일례로 일반국도에서는 배달차량, 택시 등이 특정 구간을 반복주행하면서 동일 ID가 짧은 시간 동안에 반복 수집되면서 ID 매 칭 상의 문제를 발생시킨다. 또한 국도를 따라 조성 된 상업지역 이용 차량들로 인해 주정차 시간이 포 함된 왜곡된 통행시간 정보가 수집되기도 한다. 이 러한 이상치 자료가 차지하는 비율은 미미하나, 타 교통류와의 통행시간 차이가 극심해 통행시간 추정 의 신뢰성을 저하시키기는 원인이 된다. 본 연구에 서는 통행시간 추정시 사용되는 필터링방법을 정상 자료의 범위를 지정하는 방식, 시계열 자료의 예측 정보를 이용하는 방식, 통계적 검정을 이용하는 방 식으로 구분하여 특성을 확인하였다.

첫째, 정상 자료의 범위를 지정하여 이상치 자료 를 판단하는 방식에는 백분율법(Percentile Method), 중위절대편차법(Median Absolute Deviation), 사분위 편차법(Quartile Deviation Method), 신뢰구간법 등이 있다. 백분율법은 자료의 상하위 일정범위를 이상치 로 지정하여 제거하는 방식으로 절사평균법 또는 절사대체평균법과 동일한 의미를 가진다. 일반적으 로 상위 10% 이상, 하위 90% 이하의 자료를 이상치 로 판정하며, 이상치 자료가 일정한 패턴을 나타내 는 경우 간단한 방식으로 효과적인 필터링이 가능 하나, 정상 자료만으로 구성되는 표본 집단의 경우 정상 자료 까지 함께 제거하는 문제가 있다[4, 5]. 중위절대편차법은 표본 자료의 중위값(median)을 이 용하여 특정 범위를 초과하는 자료들을 제거하기 위한 방법에 해당하며, 표본을 정규분포로 만들기 위한 필터링 기법에 해당한다. 중위절대편차법에서 는 식 (3)과 같이 중위값과의 절대평균오차를 의미 하는 MAD 를 산정한다. 이후 식 (4)와 같이 개별 표 본들의 z i M A D 를 산정하여 식 (5)와 같이 z i M A D 의 절 대값이 제거변수 z_out 을 초과하는 경우 이상치로 판 정하여 표본 x_i 를 제거한다.

여기에서,

중위절대편차법은 표본의 분포에 관계없이 적용 이 가능하며, 비대칭성 분포를 가지는 표본에 대해 중위값을 이용하여 이상치를 제거함으로써 통행시 간 정보의 필터링에 논리적으로 타당하다. 그러나 강건한(Robust) 특성을 나타내는 필터링 기법으로 이상치를 덜 제거하는 경향이 있다[6]. 사분위편차 법은 중위절대편차법과 유사하나 사분위수의 상하 위값과 t-통계량을 이용하며, 95% 신뢰수준을 만족 시키기 위한 변이계수가 적용된다[6]. 신뢰구간법은 자료가 정규분포를 따른다는 가정에서 평균에서 표 준편차의 배수에 해당하는 상하위 범위를 초과하는 표본을 이상치로 판정하는 방식이며, 95% 신뢰수준 을 만족시키기 위해 표준편차의 ±1배를 초과하는 상하위 표본을 제거한다[7]. 신뢰구간법의 변형된 방식으로 수도권 국도 ITS의 DSRC 기반 통행시간 가공시스템에서는 평균 대비 표준편차의 비율(표준 편차/평균)이 5% 미만인 경우 상위 3%, 하위 2%, 10% 미만은 상위 5%, 하위 5%, 15% 미만은 상위 8%, 하위 7%의 표본들을 이상치로 판정하여 제거하 며, 평균 대비 표준편차의 비율이 15% 이상에 해당 하는 경우 평균에서 표준편차 크기를 초과하는(평균 ± 표준편차) 모든 표본을 이상치로 판정하여 제거한 다[2, 3]. 본 방식은 신뢰구간법과 Percentile Method 를 결합한 방식으로 통행시간의 통계적 신뢰성을 확보하기 위해 간략한 규칙에 따라 효과적인 이상 치 제어가 가능하다. 그러나 DSRC를 이용해 수집한 개별차량 통행시간을 정규분포로 가정함에 따라 특 정 영역으로 치우진 분포에서는 치우친 영역의 표 본이 더 많이 제거되는 오류가 있으며, Percentile Method에서와 동일한 경향으로 정상 표본까지 제거 하는 문제가 있다.

둘째, 시계열자료의 예측정보를 이용한 필터링 방식에는 이동평균법을 이용하는 ARIMA (Autoregressive Moving Average)와 Wavelet Transformation을 이용하 는 기법들이 제시된바 있다. ARIMA 모형을 이용한 방식에서는 일반적으로 최소제곱법, 최우추정법 등 으로 모수를 추정하며, 모수로부터 특정 신뢰수준을 만족시키기 위한 상하위 제거 포인트를 결정하는 방식이 적용된다[8,9]. Choi(2004)는 ARIMA 모형을 기반으로 시계열 GPS 자료의 이상치 제거를 위해 시계열 모형의 신뢰구간 추정부문을 이상치 제거모 형과 결합하여 통행시간 이상치의 제거 알고리즘을 제시한 바 있다.

셋째, 이상치 제거를 위해 통계적 검정을 이용하 는 방법이 있다. Seo(2002)는 Modified Z-Test를 이용한 이상치 제거방법을 제시하였으며, 전통적인 Z-Test 에서 z-score의 민감도가 큰 문제를 해결하기 위해 중위값을 이용함으로써 보다 강건한(robust) 알고리 즘을 제시한 바 있다. 이외 표본의 평균과 표준편차 로부터 최대절대편차를 산정하여 이상치의 임계값 을 추정하게 되는 Grubbs’ Test, Chauvenet’s Criterion 등이 있다[12,13].

개별차량 통행시간 정보의 필터링을 위해 적용되 고 있는 개별적 방법들은 표본의 분포, 이상치의 발 생패턴, 이상치의 발생비율, 전체 표본의 개수, 이상 치의 크기 등에 따라 영향을 받게 된다. 이에 본 연 구에서는 일반국도의 통행시간 표본과 같이 다양한 분포를 가지며, 이상치 자료가 특정한 패턴이 없이 무작위로 발생되는 경우에 적합한 필터링 방법으로 중위절대편차법과 Voting Rule 필터링 모형을 결합 한 복합 필터링 방법을 제시하였다.

Ⅳ. Voting Rule을 이용한 복합필터링

일반국도의 통행시간 산정과정에서 이용되는 필 터링 방법의 개발을 위해 통행시간 자료의 특성을 반영하여 다음과 같은 필터링기준을 제시하였다.

첫째, 일반국도에서의 개별차량 통행시간 표본은 정체상황, 신호운영 패턴 등의 요인으로 다양한 분 포를 가진다. 일반적으로 통행시간은 비포화 상황에 서는 정규분포를, 과포화에서는 로그를 취한 이후 정규분포를 나타내는 것으로 알려져 있다[14]. 그러 나 일반국도의 경우 신호운영 상태에 따라 연동차 량군과 비연동차량군으로 구분되어 좌 또는 우로 치우친 형태의 다양한 분포를 나타낼 수 있으며, 이 때 통행시간 표본의 분포와 관계없이 적용이 가능 한 범용의 필터링 알고리즘이 요구된다.

둘째, 통행시간 이상치 자료는 특정한 패턴을 나 타내지 않는다. 수도권 국도의 통행시간 이상치 자 료는 상업시설 이용차량, 배달차량 등 특이 형태의 통행패턴이 주된 원인이며, 이에 이상치의 패턴과 관계없이 적용이 가능한 필터링 기법이 요구된다.

셋째, 정상 표본의 제거를 최소화하기 위한 필터 링 기법이 요구된다. 표본의 통행시간을 이용하여 링크 통행시간을 산정하는데 있어 표본수는 통행시 간의 신뢰성을 결정하는 중요한 요소이며, 일반적으 로 표준편차와 평균의 크기에 따라 신뢰수준에 따 른 최소 표본수가 결정된다[15, 16]. 수도권 국도 ITS에서는 첨두시 기준으로 20% 내외 표본비율이 유지되고 있으나 [2], 정상 표본 수를 최대한 확보하 기 위한 필터링 기법이 요구된다.

표본의 분포와 이상치 만의 효과적인 제거를 위 해 본 연구에서는 중위절대편차법과 Voting Rule을 이용한 이중화된 필터링 방법을 제시하였다. 중위절 대편차법은 표본의 본포에 관계없이 적용이 가능하 며, 이상치 만을 효과적으로 제거할 수 있다. 그러나 강건한 필터링 기법으로 이상치를 덜 제거하려는 경향이 강하게 나타난다. 이때 이상치가 집중되어 중위절대편차법 이후에도 남아 있는 이상치 자료에 대해 다수결의 원칙을 응용한 Voting Rule을 적용하 여 효과적인 필터링이 가능하다.

본 연구에서 제시하는 복합필터링 모형은 <그림 2>와 같이 중위절대편차법으로 1차적인 통계적 필 터링을 수행하며, 이후 패턴이 서로 다른 표본을 선 택적으로 제거하기 위해 Voting Rule을 이용한 2차 필터링이 수행되는 방식이다.

Voting Rule 또는 Voting System이란 선거 또는 선 호도를 결정하는 과정에서 투표자의 최종 의견을 결정하는 방법을 의미한다. Voting Rule은 득표 수의 산정 방식과 결론의 도출 방식 등에 따라 다양한 기 법으로 구분되며, 최다 득표자를 선출하는 다수결 원칙(Majority Rule), 득표수에 비례해 당선자를 결정 하는 비례대표제(Proportional Representation), 순위를 지정하는 상대다수투표제(Plurality Voting)와 같은 다양한 방법들이 있다. Voting Rule은 고대 그리스의 민주정치에서부터 시작하여 1700년대 프랑스 혁명 을 계기로 이론적 토대가 형성되기 시작하였으며, 사회과학 및 경제학에서 하나의 학문분야로 발전해 왔다[17,18].

본 연구에서 제시하는 Voting Rule 기반의 필터링 프로세스는 패턴이 현저히 다른 통행시간 표본을 탐색하기 위한 방법에 해당한다. 본 모형에서는 먼 저 해당 표본의 이상치 여부를 판단하기 위해 이진 수 형태의 보팅값 υt_i 를 식 (6)과 같이 평균통행속도 를 이용해 산정한다.

중위절대편차기법을 적용하여 1차 필터링이 완료 된 개별차량 통행시간 ft_i와 평균통행시간 t_aυg 간 차이의 절대값이 자유속도 통행시간 t_min 과 정체상태 통행시간 t_max 의 차이를 초과하는 경우 1을 부여하여 이상치 표본으로 판정하며, 반대의 경우 0을 부여하 여 정상 표본으로 판단하게 된다. 이때 Voting Rule 기반의 필터링은 정체상태의 차량과 자유속도 상태의 차량이 동시에 관측될 수 없다는 조건이 적용됨에 따라 t_min 는 해당 링크의 자유속도 통행시간을 적용 하며, t_max 는 해당 링크의 정체시 최저속도를 이용하여 상수의 형태로 적용된다.

여기에서,

이후, 이력 5분간의 통행시간 중 수식 (7)과 같이 이상치 표본의 비율을 산정하여 이상치의 비율 기 준을 의미하는 VR과의 비교를 통해 개별차량 통행 시간 ft_i의 제거여부를 최종적으로 결정한다.

여기에서,

이상치 표본 비율이 보팅 비율 VR을 초과하는 경우 이상치 표본은 다수 자료에 해당하며, 모든 통행시간 표본은 정상치로 판정한다. 이와 반대로 이상치 표본의 비율이 VR을 초과하지 않는 경우 다 수자료의 원칙에 따라 보팅값 υt_i 가 1로 부여된 개 별차량 통행시간 ft_i 는 이상치로 판정하여 제거한 다. 이때 보팅비율을 산정과정에서 이력 5분간의 표 본을 이용함에 따라 이전 주기에 Voting Rule을 통 해 제거된 이상치 표본을 포함시켜 적용하며, 이를 통해 급격한 통행시간의 변화를 수용할 수 있다.

Voting Rule을 이용한 2차 필터링 과정을 <그림 3> 과 같이 예시로 표현하였다. 1분 주기 5분 통행시간 의 산정 과정 중 첫 1분 주기에는 ft_{i = 8} 이 1,200초로 보팅값 υt_i 가 1에 해당하며, 이때 보팅비율은 9%로 VR 30% 미만에 해당하여 해당 표본은 제거된다. 다 음 주기에는 이전 주기에 제거된 자료를 다시 이용 한다. 본 과정을 반복하여 이상치가 다수 자료가 되 는 경우 이상치를 정상표본으로 판정하여 유지한다.

Ⅴ. 복합 필터링모형의 성능평가

Voting Rule 기반 복합필터링 모형의 평가를 위해 수도권 국도 ITS를 운영 중에 있는 일반국도 3호선 의 경기도 광주시 구간을 대상으로 필터링 모형별 성능평가를 시행하였다. 분석 구간은 <그림 4>와 같 이 일반국도 3호선의 이천과 성남 구간으로 곤지암 IC와 장지IC 사이의 3개 DSRC 노변장치를 대상으 로 하며, 대성농원앞에서 부터 쌍령하이츠앞 까지의 성남 방향 2개 링크를 대상으로 하였다.

복합 필터링 모형의 비교평가를 위해 Percentile Method, 신뢰구간법, 중위절대편차법, Voting Rule 기반의 복합필터링의 분석을 시행하였으며, 수도권 국도 ITS의 2012년 9월 5일 오후 첨두 2시간 자료를 이용하였다. 교통정보시스템에서 노변장치 간 ID 매 칭이 완료된 Probe 통행시간 정보를 이용하여 필터 링 전후를 비교하였으며, 실측 통행시간 자료와의 비교를 통해 필터링에 따른 통행시간 가공의 정확 도 개선 정도를 분석하였다. 통행시간 실측 자료는 링크 2의 상류부 검지기 지점과 (대성농원) 링크 1 의 하류부 검지기 지점에서 (쌍령하이츠) 비디오 촬 영을 통해 번호판 정보를 수집하였으며, 번호판 매 칭을 통해 개별차량 통행시간을 실측하였다. 번호판 촬영을 통한 통행시간 수집과정에서도 이상치가 존 재함에 따라 통행시간의 크기를 기준으로 상하위 각각 30%의 표본을 제거하여 <그림 5>와 같이 개별 차량 통행시간의 표본 정보를 수집하였다.

차량 번호판 조사를 수행한 결과 5분당 평균 300 대의 통과교통량 중 70대의 구간통행시간 정보가 수집 되었으며, 평균 20% 이상의 표본 비율을 나타내었다. 실측한 개별차량 통행시간을 수도권 국도 ITS의 DSRC 기반 통행시간 가공에서와 동일한 방법으로 식 (1)과 같이 1분 주기 5분 통행시간의 산술평균을 통해 실측 구간통행시간으로 산정하였으며, 이를 구 간통행시간의 참값으로 이용하였다.

필터링 전 Probe 통행시간은 <그림 6>과 같이 링 크 1 및 2로 구분하여 수도권 국도 ITS의 통행시간 가공 시스템으로부터 수집하였다. Probe의 통행시간 은 링크 1, 2 모두에서 정체와 비정체시가 구분되며, 통행시간의 패턴과는 상이한 이상치 자료들이 관측 되었다. 이때 링크 2에서 상대적으로 높은 통행시간 이상치의 관측빈도는 교차로 및 토지이용의 밀도 증가가 원인으로 판단된다.

DSRC 검지체계로부터 수집된 Probe 통행시간을 이용하여 필터링 모형별 적용결과를 <그림 7>과 같 이 제시하였다. 절사평균법(Trimmed Mean)에서는 상하위 10% 만을 이상치로 제거함에 따라 이상치가 집중되는 시간대에서 정상 패턴의 자료들과 200초 이 상 차이를 나타내는 통행시간이 9개 이상 관측되었 다. 또한 통행시간의 편차가 작은 시간대에서는 정 상 패턴의 자료들이 제거되는 현상을 나타내었다. 신뢰구간법(Confidence Interval)에서는 표준편차와 평균의 비율에 따라 제거범위를 결정함에 따라 비교 적 우수한 이상치 제거능력을 나타내었다.

그러나 절사평균법과 동일한 경향으로 이상치는 주로 상위집단에서 발생되나 상하위 표본을 모두 제거함에 따라 정상 패턴의 표본들이 제거되는 경 향을 나타내었다. 이는 Probe 통행시간의 분포가 <그림 6>에서 같이 정규분포가 아닌 비대칭적 형태 를 나타내기 때문이다. 신뢰구간법의 경우 이상치 제거능력은 우수한 결과를 나타내었으나, 통행시간 표본이 정규분포임을 가정하는 방법으로 표본분포 의 치우침에 따라 특정 영역의 제거율이 높아지는 논리적 모순을 가진다. 중위절대편차법(MAD)을 이 용한 필터링에서는 이상치 표본만을 효과적으로 제 거하는 결과를 나타내었으나, 이상치가 집중되어 중 위값이 증가하는 특정 시간대에서 중위절대편차법 의 강건한 특성으로 인해 이상치가 효과적으로 제 거되지 않는 경향을 나타내었다.

마지막으로 중위절대편차법과 Voting Rule의 복 합 필터링 모형을 적용한 경우 중위절대편차법에서 제거하지 못한 이상치 자료만이 모두 제거된 결과 를 나타내었다. 필터링 이후 1분 주기 5분 통행시간 은 <그림 9>에서와 같이 절사평균법과 중위절대편 차법의 경우 필터링 이후에도 남아있는 이상치 자 료들로 인해 특정 시간대에서 실측 통행시간과의 격차를 나타내었으며, 신뢰구간법과 Voting Rule을 이용한 복합 필터링 모형의 경우 실측통행시간과 유사한 패턴의 통행시간 산정 결과를 나타내었다.

실측 통행시간과 필터링 방법별 가공 통행시간과 의 평균절대백분율오차(MAPE)는 그림 8과 같이 필 터링 전 18.9%에서 절사평균법이 9.8%, 신뢰구간법 이 5.5%, 중위절대편차법이 5.9%, 복합 필터링 모형 이 4.2%를 나타내어 목합필터링 모형이 가장 우수 한 오차수준을 나타내었다. 또한 이력 5분간의 표본 개수는 링크 1을 기준으로 필터링 전 33.6개에서 절 사평균법이 26.8개, 신뢰구간법이 26.3개, 중위절대 편차법이 31.2개, 복합 필터링 모형이 31.0개를 나타 내어 복합 필터링을 이용해 이상치 만의 효과적가 가능함을 확인하였다.

필터링 모형에 따른 통행시간의 산정결과 중위절 대편차법과 Voting Rule을 이용한 복합필터링 모형 은 표본의 분포와 관계없이 이상치 만을 선택적으 로 제거함에 따라 정상 패턴을 나타내는 유효 표본 을 유지함과 동시에 통행시간의 오차를 개선할 수 있는 유용한 방법이 될 수 있음을 확인하였다.

Ⅵ. 결 론

본 연구에서는 일반국도에서 Probe 통행시간을 이용해 구간통행시간을 생성하는 과정에서 이상치 표본를 제거하기 위한 복합 필터링 모형을 제시하 였으며, 이는 중위절대편차법과 Voting Rule의 이중 화된 필터링 방법에 해당한다. 본 필터링 모형은 표 본수를 유지함과 동시에 이상치 자료만을 선택적으 로 제거하기 위한 목적을 가지고 있으며, 이때 Voting Rule은 다수결의 원칙이라는 직관적인 다수 자료의 판단 방법으로서 상이한 패턴을 나타내는 통행시간 이상치 만을 효과적으로 제거할 수 있다. 일반국도 3호선의 광주시 구간을 대상으로 한 성능 평가에서는 절사평균법, 신뢰구간법, 중위절대편차 법, 복합 필터링 모형의 비교분석을 통해 복합필터 링 모형이 이상치 만을 선택적으로 제거하여 정상 패턴의 자료들을 유지하는데 가장 우수한 성능을 나타냄을 확인하였다.

이상치 수집의 문제를 해결하는 대안으로 토지이 용이 활발한 구간에서 검지체계의 노변장치 간격을 조밀하게 구성하는 하드웨어적인 방법과 Probe ID 매칭을 위한 시간범위를 짧게 지정하는 소프트웨어 적인 방법이 적용될 수 있으나, 이들 또한 모두 근 복적인 해결책이 되지는 못하여 검지체계 증가에 따 른 비용의 문제와 과포화 상태에서 정보수집율 저하 를 일으킬 수 있다. 따라서 본 연구에서 제시하는 이 중화된 필터링 프로세스는 간략하지만 현장적용이 용이하며, 다수결의 원리라는 논리적 타당성 또한 포함하고 있어 통행시간 추정의 신뢰성 제고를 위 한 유용한 방법으로 판단된다.

향후 연구로서 Voting Rule 기반의 필터링 성능개 선을 위해 이상치 자료의 판정기준으로 이용되는 t_aυg , t_min , t_max 의 결정방법에 대한 보완이 필요하며, 이와 함께 Probe 통행시간의 최종 제거여부를 결정 하기 위해 적용되는 보팅 비율 VR에 대한 민감도 분석 등의 논리적 산정방법에 대한 보완이 요구된다.