Ⅰ. 서 론

현재 국내·외에서는 에너지 소비 및 탄소저감에 기여하는 친환경 녹색성장 기술개발 등 새로운 정 책방향 제시 및 구체적 실천 방향에 대한 연구가 진행 중이다. 이와 같은 탄소저감정책의 일환으로 친환경·비동력 교통수단인 자전거에 대한 관심이 증대되고 있다. 지속적인 자전거 관련정책, 인프라 및 계획이 수립·추진 중으로, 이에 따른 자전거 관 련 연구 및 기술개발의 전반적인 검토가 이루어지 고 있다. 대부분의 자전거 관련 연구에서 지역별 자 전거 이용실태 현황 조사 등 자전거 교통관련 조사 를 실시하고 있으나 대부분의 조사가 단편적인 일 회성 조사로서 관련 자료들의 주기적인 연속성이 없을 뿐만 아니라 설문조사 등에 의존하고 있는 한 계가 있다. 또한 일관성이 갖추어지지 못하여 전국 차원에서의 일관성 있고 표준화된 자료수집, 가공 체계가 필요하며 자전거 교통데이터베이스 구축 및 운영을 위한 체계마련이 필요하다.

최근 국외에서는 자전거 주행특성을 분석하기 위한 다양한 검지체계를 이용한 자료수집방법론에 관련 연구가 진행 중이며 자전거 트래킹기반 연구 가 진행되고 있다. 이와 같이 효과적인 자전거교통 관련 제어·정보제공·계획수립을 위해서 모니터링은 필수적이나 기존의 교통시스템 모니터링은 차량에 만 국한되어 있으며 자전거교통의 특성을 반영한 검지체계 및 자료구축·처리 방안 연구가 전무하다.

자전거도로의 계획 및 설계, 자전거 이용자의 특 성과 노선의 교통특성을 분석하기 위해 GPS속도계 등 센서가 장착된 프로브자전거를 활용하여 개별자 전거의 주행 패턴을 미시적으로 수집하고 처리·가 공하여 트래킹기반 자전거 모니터링 할 수 있는 기 술이 필요하다. 또한 단순한 주행정보 저장 수준을 벗어나 다양한 자전거 관련 정책 수립 및 기술 개 발 시 효과분석 및 지원가능한 원천정보로 가공 및 처리 기술이 필요하다.

본 연구에서는 프로브자전거를 이용한 자료처리 시나리오를 제시하고, 프로브자전거에서 수집되는 원시자료의 가공·처리 기법을 제시하였다. 또한 속 도자료의 경우 도로교통시스템의 효과 및 효율성을 평가 할 수 있는 중요한 효과척도로 사용된다. 따라 서 자전거 주행 환경 평가 및 안전성 평가를 위한 기초자료로 활용되는 자전거 속도자료를 중심으로 자전거 자료처리 시나리오를 적용하였다.

본 연구의 2장에서는 자전거 모니터링 및 자료처 리 관련 국내·외 기존문헌 및 연구를 고찰하였으며, 3장에서는 자전거 자료처리 시나리오를 제시하였 다. 4장에서는 프로브자전거 자료처리기법 및 활용 방법론을 제시하였으며, 5장에서는 제시한 활용방 법론을 적용한 분석결과를 제시하였다. 6장에서는 활용방안을 제시하였으며, 마지막으로 본 연구에서 도출된 결론 및 향후과제를 7장에 제시하였다.

Ⅱ. 기존연구 고찰

1. 자전거 모니터링 관련 문헌

이정환 등(2009)은 스마트폰을 이용한 자전거 GPS자료 수집에 관한 연구에서 스마트폰-GPS 연계 형 자전거 GPS를 개발하였다. C를 이용하여 기본 폼을 구현하고 이를 스마트폰에 적용시켜 상용화된 자전거 GPS와 비교하였으며, 스마트폰을 통한 자전 거 자료 수집의 가능성을 도출하였다.[1] 김의명 (2010)은 이용자 측면에서 저탄소 녹색성장을 위한 서비스를 개발하였으며, 블루투스를 지원하는 저가 형 GPS로거를 사용하여 시ㆍ공간적 정보 및 이용 자정보(체중) 자료를 수집하여 이용하였다.[2] 정성 학(2010)은 유비쿼터스 센서 네트워크의 융합기술 을 활용하여 자전거 시설물의 보안과 안전 기능을 향상시키는 목적으로 유니버셜 센서 네트워크 기술 을 활용한 U-bike 시스템 개발에 대한 연구를 수행 하였다. 또한, USB을 활용한 자전거 및 시설물의 안전 인프라 구축방안 제시하였다.[3] 주신혜 등 (2012)은 관성센서 및 GPS Receiver를 이용하여 자 전거 자료를 수집하였으며, 수집된 자료를 활용해 자전거 주행 안정성과 이동성을 평가하였다.[4] Lin 등(2011)은 도난방지, 증명, 경기 등을 관리하기 위 해 RFID(Radio Frequency Identification)를 이용하여 자료를 수집하고 처리하는 방법론을 제시하였다.[5] 기존 연구에서 자전거 모니터링에 필요한 기초자료 수집을 위해 사용된 장비로는 가속도 센서, 자이로 센서, 자전거 속도계, 스마트폰 등이 있으며 <그림 1>에 각 장비의 예시를 제시하였다.

2. 자전거 주행환경 평가 관련 문헌

황정훈 등(2005)은 개선안 비교평가 방법과 계층 화 분석법을 이용하여 자전거 주행환경의 개선방안 을 제안하고 평가하였다. 평가지표로는 교차점에서 의 교통수단 간 교차가능 횟수와 접근성을 선정하 였다.[6] 이겨라 등(2009)은 자전거 이용자들의 자전 거 도로 이용 만족도를 분석하여 서비스 수준을 제 시하였으며, 분석 방법으로는 순서형 프로빗 모형 을 이용하였다.[7] Landis 등(1997)은 자전거 주행 시 자전거 전용도로 및 도로망에 적합한 자전거의 서비스수준 모형을 제시하였으며, 도로 노면상태 및 자전거 전용차로 구분이 서비스 수준 결정에 큰 영향을 미치는 것으로 제시하였다.[8] Harkey 등 (1998)은 자전거-차량 혼용도로의 운영 및 기하구조 설계 시 사용할 수 있는 평가지표를 제시하였다.[9] Klobucar 등(2007)은 자전거 도로망의 서비스수준 분석을 적용하여 이용자의 자전거 주행안전성 만족 도를 기반으로 한 자전거 도로망 평가기법을 제시 하였다.[10]

3. 이력자료 관리 시스템 관련 자료

미국 캘리포니아 PeMS(Performance Measurement System)는 매 30초마다 고속도로에서 수집된 루프 검지기 자료를 저장한다. 수집된 자료 처리 및 진단 시스템이 존재하여 웹페이지 내에서 PeMS 자료의 품질을 관리 하며 결과를 조회 할 수 있다.[11] 버 지니아 ADMS(Archived Data Management System) 교통관리시스템에서는 검지기 단위 및 지점단위로 자료를 평가 저장하며, 관측된 오류에 따라 별도의 방법론으로 평가 및 관리가 이루어진다. 실시간 결 측 보정 시에는 과거 이력자료를 사용하고 결측된 값은 과거 패턴에 근거하여 평균값을 이용하고 있 다.[12] 한국도로공사 고속도로 관리시스템(FTMS) 에서는 고속도로에 설치된 루프검지기를 이용하여 교통량, 속도, 점유율 및 차량길이를 매 30초마다 집계하고 있다. 수집된 원시 데이터는 오류판단, 결 측보정, 평활화 단계를 거쳐 가공된다.[13]

Ⅲ. 자전거 자료수집 및 처리 시나리오

본 연구에서는 프로브 자전거를 이용한 자전거 자료 수집 시나리오를 수립하였다. 프로브 자전거 란 유비쿼터스 환경에서 GPS를 이용하여 위치 정 보, 속도정보 등이 수집 가능한 자전거이다. 프로브 자전거를 통해 자전거 주행행태 및 자전거 주행환 경의 자료 추출이 가능하다. 유비쿼터스 환경에서 프로브 자전거를 이용하여 자료를 수집하고 정보를 생성하는 시나리오를 <그림 2>에 제시하였다. 프로 브 자전거에서 수집된 GPS 자료는 도로변에 설치 된 단말기(RSE: Road Side Equipment)를 통해 교통 정보 센터로 전송된다. RSE를 통한 자료수집 방법 에는 크게 두 가지 경우가 있다. 첫 번째로 무선통 신이 가능한 RSE의 통신 영역에 프로브 자전거가 존재 할 경우 지속적인 통신을 통해 현재까지 수집 된 주행 자료를 RSE로 전송해 주는 방법이 있다. 두 번째로는 공공자전거를 이용할 경우 공공자전거 거치대와 공공 자전거가 물리적으로 결합될 경우 주행 시작점부터 종점까지 수집된 주행자료를 전송 해 주는 방법이다. 전송된 원시 데이터(Raw Data)는 품질 평가 과정을 거치게 되며, 1차 가공과정을 거 쳐 DB에 저장되고, 자전거 모니터링을 위한 기초 자료로 활용된다.

교통정보 센터에서 수행되는 품질 평가 및 1차 가공 과정을 <그림 3>에 제시하였다. 첫 번째 단계 에서는 자료의 활용 목적에 맞게 보간(Interpolation) 을 수행한다. GPS 자료의 경우 시간 기준으로 자료 가 수집 되며 본 연구에서 사용된 GPS Receiver의 경우 1초에 한 번씩 수집된다. 시간 기준으로 수집 된 자료의 경우 원하는 지점에서의 자료수집이 보 장되지 않는다. 해당 지점을 통과하는 시점과 GPS Receiver의 데이터 수집 시점이 일치 할 경우에는 해당위치의 자료가 수집되지만 그렇지 않을 경우에 는 해당 위치 이전, 혹은 이후의 자료가 수집되게 된다. 따라서 시간단위로 수집된 자료의 경우 각 개 별 자전거의 주행 패턴, 현재 주행 상황 등 실시간 분석에는 용이 하나 교통정보센터(TMC) 등에서 수 행하는 구간데이터 분석 및 활용에는 적합하지 않 다. 또한, 자전거의 경우 자동차에 비해 주행속도가 느리기 때문에 보다 세밀한 위치의 자료가 수집이 요구된다. 도로의 연장이 비교적 짧은 구간을 분석 대상으로 하기 때문에 발생하는 특성이다. 따라서 자전거 자료를 이용한 분석을 수행하기에 앞서 분 석방법론의 특성을 파악하고 분석방법론이 개별 자 전거에 대한 모니터링을 수행할 경우에는 시간기준 으로 보간을 수행하고, 자전거 도로 평가 등 위치, 구간기반의 모니터링을 수행 할 경우에는 위치를 기준으로 보간을 수행한다. 시간기준 보간의 경우 필요에 따라 생략도 가능하다. 보다 세밀한 주기의 자료가 필요 할 경우에는 보간을 수행하고, 원본 데 이터의 특성이 크게 작용하는 분석을 수행 할 경우 에는 생략하여 원본 데이터의 특성을 그대로 반영 하여 분석에 사용한다.

두 번째 단계에서는 보간 된 데이터를 이용하여 품질을 평가하게 된다. 본 연구에서는 통계적 품질 관리(SQC: Statistical Quality Control) 기법을 선택 하였다. 품질 평가의 기준은 SQC를 이용해 산출한 데이터의 범위(Band Width)를 벗어나는 오차영역의 면적으로 설정 하였다.

세 번째 단계에서는 스무딩을 수행하게 된다. 적 정 스무딩 파라미터를 결정하는 과정에서는 품질평 가 단계에서 제시한 품질평가 기준을 이용한다. 스 무딩 과정까지 거친 데이터는 DB에 저장되어 자전 거 모니터링 정보로 활용된다. DB 데이터는 사용자 의 선택에 따라 저장된다. 데이터 집계 간격과 데이 터 종류를 선택하면 설정된 집계 간격마다 선택된 데이터를 생성하여 저장하게 된다.

Ⅳ. 방법론

1. GPS 자료 보간(Interpolation)

본 연구에서는 선형 보간법(Liner Interpolation)을 이용하여 시간 기반 데이터를 위치 기반 데이터로 가공하였다. 선형 보간법의 원리는 <그림 4>, 식(1) 에 제시하였다.

GPS자료의 경우 위치 성분과 시간, 속도성분이 주요 정보로 활용된다. 위치 성분을 기준으로 보간 할 경우 B_x는 필요로 하는 임의의 위치가 되고, T_x 의 경우는 B_x에 대응되는 시간, 속도 정보가 된다.

2. Statistical Quality Control(SQC)

통계적 품질관리란 사용가치가 있고 시장성이 있는 제품을 가장 경제적으로 생산하기 위해 생상 활동의 모든 단계에서 통계적인 방법을 응용하는 기법이다. GPS 데이터는 교통정보 수집 및 활용에 사용되는 1차 기초 자료이며 교통 분야에서 생산하 는 하나의 제품이라고도 할 수 있다.

통계적 품질관리는 크게 3가지 범주로 분류된다. 첫 번째로 기술통계가 있다. 기술통계는 통계적 분 석을 수행하기 위한 기초 자료로 활용되며 평균, 표 준편차, 자료의 범위(Range) 등이 주로 활용된다. 두 번째로 Statistical Process Control(SPC)이 있다. SPC 는 자료의 품질을 평가하고 관리하는 기법이다. 대 표적인 방법으로 Control Chart가 있다. 세 번째로 Acceptance Sampling이 있다. 자료를 샘플링 하는 기 법으로 몇 개의 데이터를 어떠한 방법으로 샘플링 할 것인지에 대한 내용을 다룬다. 본 연구에서는 Control Chart를 중점적으로 활용하여 자전거 자료 품질평가에 활용하였다.

1) Control Chart

Control Chart는 자료의 품질을 평가하고 관리하 기 위하여 작성한다. Control Chart의 예시를 <그림 5>에 제시하였다. 자료의 평균값을 이용하여 Center Line(CL)을 설정 하고 CL을 기준으로 표준편차를 이용하여 Upper Control Limit(UCL), Lower Control Limit(LCL)을 설정한다. CL과 UCL, LCL의 산출 방 법은 식(2) ~ 식(4)과 같다.

GPS자료를 이용하여 Control Chart를 작성 할 경 우 고려되어야 하는 변수를 <표 1>에 제시하였고, <그림 6>에 도식화 하였다. Bin Size는 SQC를 수행 하기 위한 자료의 범위를 의미한다. 본 연구의 경우 에는 SQC를 수행하기 위한 구간의 거리를 의미한 다. 보간 간격에 따라 동일 Bin Size내에 존재하는 자료의 수는 달라질 수 있다. δ 범위는 식(3), 식(4) 의 z에 해당하는 변수이다. δ 범위의 크기가 커질 경우에는 UCL과 LCL의 범위가 늘어나게 된다. <그 림 6>에 표현한 7δ, 6δ가 δ범위에 해당한다.

3. 스무딩(Smoothing) 기법

1) 지수 평활법(Exponential Smoothing)

지수평활법이란 가장 최근 자료에 가장 큰 가중 치를 두고 시간이 지남에 따라 가중치가 기하학적 으로 감소되는 가중치 이동 평균 예측기법 중 하나 로 지수함수에 따라 가중치를 갖는다. 지수평활법 은 최근자료를 보다 의미 있는 자료로 사용 할 수 있고 과거자료의 경우 그 가중치를 체계적으로 감 소시킬 수 있다는 장점이 있으며, 계산이 쉽고 계산 을 하기 위한 필요자료가 적기 때문에 일반적으로 예측 시스템에서 널리 사용된다.

식(5)은 지수평활화 기법을 수식으로 표시한 것 으로 S는 평활화 된 속도 자료를 나타내며 x는 입 력되는 원시자료이다. k값은 평활화 상수로 최근자 료와 과거자료의 가중치를 부여하는 기준이 된다. k값이 작을수록 과거자료의 가중치가 높아져 평활 화 정도가 커지게 된다.

4. 품질결정 및 활용 방법론

본 연구에서는 프로브 자전거 GPS 자료의 품질 을 평가하기 위한 기준을 제시하기 위해 SQC 기법 중 대표적인 기법인 Control Chart를 이용하였으며, Control Chart의 산출물인 UCL, LCL을 기준선으로 제시하였다. UCL, LCL의 범위를 벗어나는 자료를 오차 영역으로 설정하고, 오차영역의 크기를 이용 하여 상대적으로 품질을 평가하는 방법을 제안하였 다. 본 연구에서 제시한 품질결정 방법론의 개념도 를 <그림 7>에 제시하였다. UCL과 LCL의 범위를 벗어나는 오차 영역의 면적의 합을 S로 정의하였 다. 식(6)에 오차영역 면적 합(S)의 계산식을 제시하 였다. 오차영역 면적의 합(S)이 작을수록 상대적으 로 품질이 우수하다고 할 수 있다.

GPS 자료에는 이상치 성분이 존재한다. 따라서 스무딩 과정을 거쳐 1차 가공을 하여 사용하는 것이 보편적이다. 스무딩 기법의 경우 스무딩 정도를 결 정하는 파라미터가 존재한다. 지수평활법의 경우에 는 평활화 상수 k가 존재한다. k 값에 따라 스무딩 의 정도가 결정되며 적정 k 값을 결정해야 된다. 본 연구에서 제시한 품질결정 기준을 이용하여 오차영 역 면적의 합(S)이 최소가 되도록 k를 결정한다.

Ⅴ. 분석결과

1. 자료수집 및 기술통계

본 연구에서는 프로브 자전거를 이용하여 GPS 자료를 수집하였다. 자료수집 구간은 <그림 8>에 제시하였으며 실험에 참가한 피 실험자의 세부정보 를 <표 2>에 제시하였다. 경기도 안산시의 자전거 도로에서 총 10명의 피 실험자의 자전거 주행 데이 터를 수집하여 분석 데이터로 활용하였다. 피 실험 자의 경우 남자 5명, 여자 5명으로 구성되어 있으 며, 연령의 범위는 20 ~ 50세로 설정하여 자료를 수 집하였다. 각각의 피 실험자 모두 중간 이상의 자전 거 능숙도를 가진 자로 선별하였다. 대상구간의 왕 복자료를 수집하여 방향성이 다른 동일 구간의 자 료를 수집하였다. 구간을 세분화하기 위해 총 4개 의 노드를 생성 하였으며, A-B, B-C, C-D 세 구간으 로 분류하였다. 구간 별 도로 특성을 <표 3>에 제시 하였다. 구간 1과 구간 2는 보행자 자전거 겸용 도 로이고, 구간 3의 경우는 자전거 전용도로이다. 또 한 구간 1과 구간 2는 상충지점이 두 번씩 존재하 며, 연석이 4개씩 존재한다.

수집된 데이터의 기술통계량을 <표 4>에 제시하 였다. 구간 1, 2에 비해 구간 3이 전체적인 주행속 도가 높은 것으로 분석되었다. 구간 3의 경우 자전 거 전용도로 이며, 상충지점도 존재하지 않아 주행 속도가 높게 나타나는 것으로 판단된다. 또한 속도 표준편차도 구간 3의 경우가 전반적으로 낮게 측정 된다. 통행시간의 표준편차의 경우 구간 3이 가장 낮게 나타나며 구간 2의 경우 상대적으로 높게 나 타난다. 구간 2의 경우 신호교차로가 존재하여 통 행시간의 편차가 큰 것으로 판단된다.

2. GPS 자료 보간 결과

본 연구에서는 위치를 기반으로 GPS자료를 보간 하였으며 보간 간격은 0.1m, 1m로 설정하였다. 보 간을 수행한 자료의 예시를 <그림 9>에 제시하였 다. GPS에서 수집된 위치와 속도의 관계를 <그림 9(a)>에 표현하였다. 대상구간의 시작점에서 부터 110m 지점에서 120m 지점까지 3개의 데이터가 수 집된 것을 관찰 할 수 있다. 또한 일정한 위치에서 데이터가 수집되는 것이 아니라 속도와 시간에 따 라 수집되는 위치가 다른 것을 확인 할 수 있다. 1m 단위로 보간 한 결과를 보면 실제 데이터의 변 화 추세를 따르면서 사용자가 원하는 위치의 데이 터를 만들어 내는 것을 관찰 할 수 있다. 0.1m 단위 보간의 경우 1m 보간 결과와 같은 속도 변동 추세 를 따르면서 보다 촘촘한 간격으로 속도 값을 만들 어 내는 것을 관찰 할 수 있다.

3. SQC 수행 결과

자전거 GPS자료를 이용하여 SQC를 수행한 결과 를 <그림 10>, <그림 11>에 제시하였다. 0.1m 단위 로 보간 한 자료를 이용하여 분석 한 결과를 <그림 10>에 제시하였다. <그림 10 (a)>의 경우는 Bin Size 를 10으로 설정한 결과이고, <그림 10 (b)>의 경우 는 Bin Size를 50으로 설정한 결과이다. Bin Size에 따라 UCL, LCL을 산출하는 구간의 길이가 변경됨 을 관찰 할 수 있다. Bin Size가 작을수록 UCL, LCL의 변동 추세가 실제 데이터의 변동 추세와 유 사하게 나타난다. 그러나 구간을 대표하는 값으로 이용 할 경우에는 Bin Size를 크게 설정하여 구간의 길이를 키워 분석하는 것이 적절하다. <그림 10>과 <그림 11>를 비교해 보면 보간 간격과 Bin Size의 영향을 관찰 할 수 있다. 보간 간격에 따라 동일한 Bin Size일 경우에도 구간의 길이는 다르게 분석 된 다. 따라서 보간 간격과 데이터의 사용 목적에 따라 적정 Bin Size를 설정해야 한다.

4. Smoothing 수행 결과

스무딩 파라미터(k)의 변화에 따른 오차영역의 크기(S)를 <그림 12>에 제시하였다. 스무딩 파라미 터 k에 따라 오차영역의 크기가 변화됨을 관찰 할 수 있다. 적정 k 값의 경우 수집된 데이터 마다 다 른 값을 가질 수 있다. 자전거 이용자의 주행 특성 에 따라 적정 스무딩 파라미터가 차이가 존재한다. <그림 12>의 경우 임의의 이용자 한명에 대한 예시 를 보여주고 있으며, 이 경우에는 k값이 0.72일 때 오차영역의 크기가 최소화 되는 것을 관찰 할 수 있다. 오차영역이 최소화 되는 스무딩 파라미터(k = 0.72)를 적용하여 스무딩한 결과를 <그림 13>에 제 시하였다. 샘플로 선택된 이용자의 경우 평균적으 로 타 이용자들 보다 주행속도가 낮게 관측되고 있 다. UCL을 벗어나는 영역은 존재 하지 않으며, LCL을 중심으로 변화하는 양상을 보이고 있다. 스 무딩을 통해 최대한 오차영역의 크기를 감소 시켰 으며, 원시 자료와 비교하여 스무딩 한 데이터의 오 차영역이 더 작은 것을 관찰 할 수 있다. 구간별 오 차영역의 감소 폭을 <표 5>에 제시하였다. 구간 2(B-C)의 경우에는 약 45%의 감소율을 보이며, 구 간 1(B-A)의 경우에는 74%의 감소율을 보인다.

4. Data Base(DB) 저장 예시

이용자가 선택 할 수 있는 데이터의 예시를 <표 6>에 제시하였다. DB에 저장되는 자료는 크게 4가 지로 구분된다. 첫 번째로 OD자료가 있다. OD자료 의 경우에는 자전거 교통의 수요를 예측하고 향후 자전거도로 구축 및 운영에 필요한 기초자료로 활 용될 수 있다. 두 번째로 속도자료가 있다. 속도자 료의 경우에는 자전거의 이동성을 대표할 수 있는 변수이며 향후 자전거 도로의 평가 및 개선에 사용 할 수 있다. 또한 속도의 변동 폭은 자전거 교통의 안전성을 평가 할 수 있는 지표로 활용될 수 있다. 다음으로 가속도 변수가 있다. 가속도 변수의 경우 자전거의 현재 주행상태를 대표할 수 있는 변수이 며, 주행 안정성을 평가하고 향후 개선방안 수립에 사용될 수 있다. 다음으로 통행시간 자료가 있다. 통행시간자료는 자전거 도로의 효율성을 평가할 수 있는 지표로 활용될 수 있으며, 향후 자전거 통행정 보시스템이 구축 될 경우 이용자에게 제공되는 주 요 변수로 활용될 수 있다. 추가적으로 샘플 수에 관한 정보 또한 DB에 저장된다. 샘플 수의 경우에 는 수집된 자전거 자료를 이용하여 분석을 수행하 고 정보를 생성할 경우 해당 정보의 신뢰성 및 보 편성 평가에 사용될 수 있다.

본 연구에서 제작한 자전거 DB 관리 및 정보제 공 화면 샘플을 <그림 14>에 제시하였다. 전체적으 로 4개의 구역으로 구분된다. 시간적 범위를 선택 하는 영역과, 본 연구에서 제시한 각 품질관리 프로 세스의 세부적 알고리즘을 선택하는 영역, 사용자 가 원하는 데이터를 선택하는 영역, 수집 및 품질관 리가 수행된 데이터를 제공하는 영역으로 구성되어 있다.

Ⅵ. 활용방안

자전거 DB 자료를 이용하여 교통 정보 생성 및 활용하는 예시로 일원배치 분산분석 기법을 이용한 구간 별 상대적 이용 만족도를 도출하였다. 주행속 도의 평균과 표준편차, 가속도의 평균과 표준편차 를 이용하여 분산분석을 수행하였으며, 주행속도의 평균과 가속도의 표준편차를 이용한 분석에서 유의 한 결과가 도출되었다.

주행속도의 평균을 이용하여 분산분석을 수행한 결과를 <표 7>에 제시하였다. 구간1, 2, 3을 분산분 석의 요인으로 선택하고, 주행속도의 평균을 종속 변수로 하여 분석을 수행 한 결과 구간 1, 2, 3은 평 균속도의 차이가 존재하는 것으로 분석되었으며 3 구간의 평균 주행속도가 가장 높은 것으로 나타났 다. 자전거의 이동성을 대표할 수 있는 변수인 평균 주행속도는 자전거 도로 평가 및 이용자의 만족도 평가에 사용 될 수 있다. 분석결과 구간 3의 이동성 이 가장 높은 것으로 나타났고, 구간 1의 경우 이동 성이 가장 낮은 것으로 분석되었다.

가속도 표준편차를 이용하여 분산분석을 수행한 결과를 <표 8>에 제시하였다. 분석결과 2개의 집단 으로 분류되며, 첫 번째 집단으로 1구간과 3구간, 두 번째 집단으로 2구간이 선정 되었다. 2구간의 경 우 1, 3구간보다 가속도 표준편차가 큰 것으로 분석 되었다. 2구간의 경우 1, 3구간과 달리 신호 교차로 가 존재하며 이로 인해 가속도 표준편차가 크게 나 타날 수 있다. 가속도 표준편차는 자전거의 이동성 뿐만 아니라 안전성에도 영향을 미치는 변수로 볼 수 있다. 가속도 표준편차가 크게 나타날 경우 가감 속이 많이 나타나는 경우로 이용자가 자전거의 페 달을 조작하는 것이 불규칙하며 브레이크 조작이 빈번하기 때문에 안정적이지 못하고 사고의 위험이 높을 수 있다. 따라서 구간 2의 경우 구간 1, 3 보다 안전성이 떨어지는 것으로 분석된다.

Ⅶ. 결론

본 연구에서는 자전거 모니터링을 위한 자료처 리 및 활용 방안에 관한 내용을 제안하였다. 최근 저탄소 녹색정책이 활발히 이루어지면서 자전거 이 용자가 증가하고 있다. 효과적인 자전거교통 관련 제어·정보제공·계획수립을 위해서 모니터링은 필수 적이며, 개별자전거의 주행 패턴을 미시적으로 수 집하고 처리·가공하여 트래킹기반 자전거 모니터링 할 수 있는 기술이 요구된다.

본 연구에서는 수집된 프로브 자전거의 자료를 유용한 정보로 가공하기 위해 1차적으로 전처리 하 는 과정에 중점을 두고 있다. 수집된 원시자료의 품 질을 평가하고, 1차 가공을 통해 향상된 풀질의 자 료를 센터에서 관리 할 수 있도록 하는 일련의 과 정을 제시하였다. 프로브 자전거를 통해 수집 할 수 있는 대표 자료인 GPS 자료를 이용하여 연구를 수 행하였다.

자료가 수집되게 되면 첫 번째로 보간 과정을 거 치게 된다. 생성하는 정보의 특성에 따라 시간기반 데이터, 혹은 위치기반 데이터가 필요하게 된다. 수 집된 자료의 간격에 따라 데이터의 품질이 달라 질 수 있다. 이러한 이유로 데이터 보간을 수행하게 되 며 데이터 보간 기준, 간격 등이 주요 파라미터로 적용 된다.

두 번째 단계에서는 동일 구간에서 수집된 다수 의 자료를 이용하여 품질을 평가하는 과정을 거치 게 된다. 본 연구에서는 품질평가를 위한 기법의 예 로 통계적 품질관리 기법을 이용하여 진행하였다. 통계적 품질관리의 산출물로는 자료의 적정 범위가 산출되며 이는 자료의 품질을 평가하는 기준이 될 수 있다.

세 번째 단계에서는 두 번째 단계에서 산출된 품 질 기준을 향상시키기 위한 방법으로 스무딩 과정 을 거치게 된다. 스무딩 된 데이터는 교통정보 센터 에서 저장하며, 자전거 시스템 모니터링 및 정보 생 성을 위한 기초 자료로 활용된다.

본 연구에서 제시한 프로세스를 통해 1차 가공 후 저장된 데이터의 활용방안으로 수집된 자전거 기법을 통한 자전거 도로의 이동성 및 안정성 평가 를 수행하였다.

본 연구에서 제안한 방법론을 보다 발전시키기 위해서는 다양한 품질관리 기법 적용하고, 스무딩 기법도 다양하게 적용하여 자전거 자료 가공에 최 적인 방법론들을 모색해 보아야 한다. 또한, 각 단 계별 주요파라미터를 분석방법론의 성향에 맞게 조 정하고 최적 값을 도출하는 캘리브레이션 과정을 추가적으로 수행되어야 할 것이다.

본 연구에서 제시한 프로브 자전거 자료처리 기 법은 현장에서 수집된 원시자료의 품질을 평가하고 1차 가공하는 과정의 가이드라인으로 활용될 수 있 으며, 향후 자전거 시스템 모니터링 기법 개발의 기 초 연구가 될 것으로 판단된다.