Ⅰ. 서 론

자동차주행거리(Vehicle Miles Traveled, VMT)는 해당지역의 도로를 이용하는 모든 자동차의 이동 거리 합이다. 교통 분야에서는 자동차주행거리를 도로시스템 성능평가, 교통사고 통계, 교통영향평가 등을 위한 기초자료로 활용하고 있다. 환경·보건 분 야에서는 해당지역의 대기질 분석을 위한 자료로 자동차주행거리를 활용하고 있다. 이와 같이 자동 차주행거리는 다양한 분야에서 정책평가를 위해 광 범위하게 활용되는 평가지표로써 정확한 자동차주 행거리 자료구축이 요구된다.

자동차주행거리 추정방법은 교통량에 기초한 방 법과 비 교통량 자료에 기초한 방법으로 구분된다. 교통량에 기초한 방법은 차량이동 실적자료를 활용 하는 방법으로 자동차주행거리 추정방법 중 가장 선호된다. 이 방법은 표본 구역 내에서의 연평균 일 일 교통량(AADT, Annual Average Daily Traffic)과 도로 중심선 길이를 이용하여 일일 자동차주행거리 를 구하고, 확장계수를 곱하여 해당 지역내 자동차 주행거리를 추정한다. 자동차주행거리 추정을 위한 교통량은 표본 구역 내에서 수집한다. 따라서 교통 량에 기초한 자동차주행거리 추정치는 표본추출 과 정에서 도로의 기능별 구분이 얼마나 잘 되어있는 지에 따라 정확도에 영향을 미칠 수 있다. 비 교통 량 자료에 기초한 방법은 자동차주행거리 추정을 위하여 연료판매, 가구크기, 가구수입, 인구, 운전면 허자수, 고용자수, 통행발생행태 등의 사회경제적 자료를 활용한다. 이 방법은 기초자료의 정기적인 수집이 선행되어야 한다. 다만, 해당 지역에서 발생 하는 통행량을 명확하게 나타내지 못할 수 있으며, 이로 인하여 자동차주행거리 추정결과의 정확도가 떨어질 수 있다.

대부분의 경우, 자동차주행거리 추정방법은 추정 정확도가 상대적으로 높고, 비용 효율적인 교통량 에 기초한 방법을 활용하고 있다(Kumapley and Fricker 1996)[1]. 본 연구는 교통량 자료를 기초로 하는 자동차주행거리 추정방안을 제시하고자 한다. 교통량 자료에 기초한 방법은 모든 도로구간에 대 한 교통량 자료 확보가 가능할 경우, 현실적인 자동 차주행거리를 추정할 수 있다. 그러나 현실적으로 모든 도로 구간에 대한 교통량 자료 확보가 불가능 하며, 교통량 자료가 확보된 구간만을 활용하여 자 동차주행거리 추정하기 때문에 오차가 발생한다. 기존연구에서는 자동차주행거리 추정 오차를 최소 화하기 위한 다양한 방법론을 제시하고 있으나 자 동차주행거리 관측자료 수집이 어렵기 때문에, 추 정결과의 정확도를 제시하지 못한 한계가 있다.

본 연구의 목적은 자동차주행거리 추정오차를 정량화하여 효율적인 자동차주행거리 추정방안을 제시하는 것이다. 본 연구의 구성은 다음과 같다. 2 장에서는 자동차주행거리 추정의 오차발생 원인을 규명하고 자동차주행거리 추정 오차를 최소화하기 위한 방법론을 검토한다. 3장에서는 본 연구의 시 범조사 지역을 대상으로 기초자료를 구축한 후 자 동차주행거리 추정 오차율을 분석하기 위한 방법론 을 설정한다. 4장에서는 시범조사 지역의 자동차주 행거리 관측 자료를 기준으로 자동차주행거리의 오 차율을 분석하여 효율적인 자동차주행거리 추정방 안을 제시한다. 5장에서는 지역특성을 고려한 자동 차주행거리 추정방안을 제시한다. 마지막으로 6장 에서는 본 연구의 결론과 연구의 한계점 및 향후 연구 과제를 제시한다.

Ⅱ. 기존연구 검토

Kumapley & Fricker(1996)는 교통량에 기초한 방 법과 비 교통량에 기초한 방법에 대한 방법론을 소 개하고 한계점을 제시하고 있다. 자동차주행거리 추정 오차발생 원인으로는 도로의 기능별 분류 오 류, 불충분한 교통량 자료, 교통량 조사 구간선택의 편중 등을 제시하였다[1]. Gadda et al.(2007)은 자동 차주행거리 추정의 중요 요소인 AADT 산정단계에 서 발생할 수 있는 오차발생 원인을 크게 계절별, 요일별 Factor 산정의 잘못된 그룹화에 따른 오류와 시·공간적 자료부족으로 인한 오류로 분류했다. AADT 추정단계에서 발생할 수 있는 대부분의 오 차는 공간적 오류(단위구간 선정)에 의해서 발생하 는 것으로 나타났으며, 적절한 단위구간 선정기준 수립의 필요성을 제시하였다[2].

기존연구를 검토한 결과, 자동차주행거리 추정의 오차발생 원인은 단위구간 설정 오류, 표본추출 오 류(표본크기 결정오류, 표본추출방법 오류), 차량검 지기의 교통량 계측오류로 구분할 수 있다. 그중에 서 차량검지기의 교통량 계측오류를 파악하기 위해 서는 차량검지기가 설치된 전체 구간에 대한 교통 량 조사가 수반되어야 한다. 따라서 본 연구는 차량 검지기의 교통량 계측오류가 없는 것으로 가정하 며, 자동차주행거리 추정 오차발생 원인을 단위구 간 설정 오류, 표본크기 및 표본추출방법 오류로 구 분하며, 각 오차발생 원인이 자동차주행거리 추정 에 미치는 영향을 정량화하기 위한 방법론을 검토 하였다.

1. 단위구간 설정방법

단위구간은 자동차주행거리를 추정하기 위해 사 용되는 가장 기초적인 도로의 구간분류 단위이며, 동일 단위구간은 도로의 물리적인 측면과 운영측면 에서 동질적인 구간으로 정의할 수 있다. FHWA (2012)는 자동차주행거리를 추정하기 위한 단위구 간 설정방법을 제시하였다. 단위구간(동질한 특성 을 갖는 구간)은 AADT, 도로등급, 도시화 구분, 직 진 차로수, Facility Type을 기준으로, 해당 5가지 요 소 중 한 가지라도 변화되는 구간이 발생하면 별도 의 단위구간으로 설정하였다[3]. 도명식 외(2004)는 실시간 교통정보 제공을 목적으로 정성적·정량적인 방법을 활용한 단위구간 산정방법론을 제시하였으 며, 도로를 구분하기 위해 Area(지역), Line(구간), Point(교차로)로 구분하여 단위구간을 선정하는 방 법을 제시하였다[4].

단위구간 설정방법 관련 연구를 검토한 결과, 기 존연구에서는 도로의 기하구조 특성 및 교통류 특 성을 변수로 설정하여 단계적인 과정을 통해 단위 구간을 설정하였다. 다만, 기존연구에서는 변수 간 의 상관관계 분석 및 단위구간 설정결과의 적절성 을 검증하지 못했다는 한계를 지닌다. 따라서 본 연 구는 교통량을 종속변수로 하는 상관관계 분석을 통하여 단위구간 설정기준을 선정하며, 추정된 자 동차주행거리를 평가지표로 활용하여 단위구간 설 정결과의 적절성을 검증하였다.

2. 표본크기 결정 및 표본추출방법

표본추출 오차는 모집단을 대표할 수 있는 전형 적인 구성요소를 표본으로 선택하지 못했기 때문에 발생하는 오류이다. 표본추출상의 오류는 편의(bias) 와 우연성(chance)에 의하여 발생하게 된다. 우연에 의한 오차는 표본 크기를 증가시킴으로써 감소시킬 수 있다. 편의에 의한 오차는 표본추출방법을 과학 적으로 계획함으로써 줄일 수 있다. FHWA(2012)는 자동차주행거리를 추정하기 위한 표본크기 결정 및 표본추출방법을 제시하였다. 표본추출방법은 도로 기능별로 AADT 범위에 따라 12개의 Volume Group 으로 구분하는 층화 표본추출방법을 적용하였다. 표본크기는 Volume Group내 AADT의 변동계수, Volume Group내 단위구간 수, 도로기능별 신뢰도 범위 및 정밀도를 고려하여 결정하였다[3]. Frawley (2007)는 지선도로(local road)의 자동차주행거리 산 정의 정확도를 높이기 위하여 교통량 조사지점 선 정에 관한 연구를 수행하였으며, 단순무작위 추출 방법을 통해 도시규모별(인구기준) 교통량 조사 지 점수를 제시하였다[5].

표본크기 결정 및 표본추출방법 관련 연구를 검 토한 결과, VMT 추정을 위한 표본추출방법은 단순 무작위 추출방법(Simple Random Sampling)과 층화 표본 추출방법(Stratified Random Sampling)으로 구분 할 수 있다. 표본크기는 실험적인 방법 또는 해당지 역 교통량의 Coefficient of Variation과 단위구간수를 변수로 설정하여 결정하였다. 기존연구에서는 설정 된 표본추출방법 및 표본크기에서의 자동차주행거 리 추정 정확도를 분석하지 못한 한계점이 있다. 따 라서 본 연구는 표본추출방법별·표본크기별 자동차 주행거리 추정 정확도 비교분석을 통하여 가장 효 율적인 자동차주행거리 추정방안을 제시한다.

3. 교통량 추정방법

표본크기·표본추출방법별 자동차주행거리를 추 정하기 위해서는 표본으로 미 추출된 도로구간의 교통량을 추정할 필요가 있다. 기존연구에서는 회 귀모형(Mohamad et al., 1998; Xia et al., 1999; Zhao & Chung, 2001), Neural Network Methods(Lam & Xu 2000; Sharma et al., 1996), empirical Bayesian method(Davis & Yang, 2001) 등의 방법론을 적용하 여 교통량을 추정하였다[6-11]. 최근에는 공간적 상 호관계를 고려한 교통량 추정방법이 선호되는 추세 이다. Selby & Kockelman(2011)은 일반 회귀분석과 Universal Kriging기법의 AADT 추정 정확도를 비교 분석하였다. 일반 회귀분석과 Universal Kriging기법 적용을 위한 변수는 AADT, Speed Limit, Lanes 등 을 적용하였다. AADT 분석결과, Universal Kriging 기법을 적용한 결과가 일반 회귀분석 방법론보다 상대적으로 정확도가 높은 것으로 나타났다. 또한 이 연구는 변수 간의 공간적 상호관계를 나타내는 Variogram 모델을 3가지(Gaussian 모델, Spherical 모 델, Exponential 모델)로 구분함과 동시에 거리산정 기준을 Euclidean distance와 Network distance로 구분 하여 AADT를 추정하였다. 분석결과, Variogram 모 델 유형은 각 지역에 따라 다르게 나타났으며, Universal Kriging기법에 적용한 거리산정 기준 (Euclidean distance, Network distance)간의 AADT 추 정 오차율 차이는 거의 없는 것으로 나타났다[12]. Wang & Kockelman(2009)은 기초자료 수집의 한계 로 교통량 단일변수를 활용하는 Simple Kriging기법 을 적용하여 텍사스 지역의 AADT를 추정하였다. 분석결과, 다른 연구에 비해 AADT 추정의 오차율 이 높은 것으로 나타났다[13]. Eom et al.(2006)은 일 반 회귀분석과 공간회귀분석의 AADT 추정 정확도 를 비교분석하였다. 공간분석을 위한 Variogram 모 델로는 가우시안, 지수, 구형 모델을 이용하였으며, 각 추정방법 중 적합도가 높은 것으로 선정하였다. Kriging기법은 Universal Kriging기법을 적용하였으 며, Variogram 파라미터 추정방법은 Restricted Maximum Likelihood(REML), Weighted Least-Squares (WLS)로 구분하여 적용하였다. 분석결과, 일반 회 귀분석보다 공간 회귀분석의 AADT 추정 정확도가 높은 것으로 나타났다[14].

교통량 추정방법 관련 연구 검토 결과, 교통량 추정방법은 크게 일반 회귀모형을 적용한 교통량 추정방법과 공간통계기법을 적용한 교통량 추정방 법으로 구분할 수 있다. 추정결과는 연구의 공간적 범위 및 세부방법론에 따라 다소 차이가 있지만, 후 자를 적용한 교통량 추정방법의 정확도가 높은 것 으로 나타났다. 따라서 본 연구는 교통량 추정 정확 도가 상대적으로 높은 공간통계기법을 활용하여 표 본크기·표본추출방법별로 교통량을 추정하며, 다양 한 공간통계기법 중에서 활용 가능한 자료 및 자료 의 공간적 분포 등을 고려하여 본 연구에 부합하는 방법론을 적용한다.

Ⅲ. 자료 수집

본 연구의 시간적 범위는 2012년으로 설정하였 다. 공간적 범위는 과천시의 주간선 및 보조간선도 로로 설정하여 자동차주행거리 추정 오차율 분석에 필요한 자료를 구축하였다.

1. 도로구간 및 도로유형 구분

자동차주행거리 관측 자료를 구축하기 위해서는 도로구간이 우선 구분되어야 한다. 과천시의 도로 구간 구분은 신호교차로를 기준으로 하며, 총 72개 구간으로 구분하였다. 도로유형은 도로기능과 도로 등급에 따라 구분하였다. 도로기능은 도시기본계획 에서 제시한 기준을 적용하여 주간선도로와 보조간 선도로로 구분하였다. 도로등급은 국가교통조사 사 업에서 사용하고 있는 도로지체함수 기준을 적용하 되, 동일 지역에 있는 교통축 상의 도로구간임에도 불구하고 교차로 간격이 달라 도로등급이 달라지는 문제점을 해결하기 위해 다음과 같은 절차로 도로 등급 구분을 조정하였다.

2. 도로구간별 교통량

과천시는 지능형 교통시스템 구축사업의 일환으 로 주요 도로구간에 총 60개의 차량검지기를 운영 하고 있다. 본 연구는 차량검지기가 양방향으로 설 치되어 있는 29개 구간을 대상으로 교통량 자료를 구축하였다. 6개 구간은 현장조사를 통하여 교통량 자료를 구축하였으며, 37개 구간은 교통수요모형을 활용하여 교통량 자료를 구축하였다.

3. 자동차주행거리 관측자료

자동차주행거리 관측 자료는 차량검지기 수집 자료, 현장조사 및 교통수요모형(Emme/3) 활용을 통해 추정된 교통량을 활용하여 구축하였다. 자동 차주행거리 산정식은 (1)과 같으며, 과천시의 자동 차주행거리는 1,578,991대-km/일로 나타났다.

Ⅳ. 분석 방법론

1. 단위구간 설정

본 연구는 자료구축 단계에서 신호교차로를 기 준으로 과천시의 단위구간을 구분하였으며, 신호교 차로를 기준으로 단위구간을 설정하면 도로의 교통 류 특성(교통량, 속도 등)을 정확히 나타낼 수 있는 장점이 있다. 그러나 과천시와 같이 신호교차로에 대한 DB가 구축되어 있는 도시는 일부에 불과하기 때문에, 신호교차로를 기준으로 Network의 크기가 큰 대도시의 자동차주행거리를 추정할 경우, 자료 구축을 하는데 많은 시간적 경제적 비용이 소모될 것으로 예상된다. 따라서 단위구간 설정방법은 신 호교차로 기준과 기 구축된 자료(주제도, 도시기본 계획 자료 등)를 활용한 단위구간 설정기준으로 구 분하여 자동차주행거리 추정 오차율을 분석하였다. 기 구축된 자료를 활용한 단위구간 설정기준은 기 존연구 검토, 자료수집 가능여부 및 상관관계 분석 을 통하여 선정하였다. 기존연구에서 제시한 단위 구간 설정기준은 크게 도로기하구조 특성과 교통류 특성으로 구분할 수 있다(FHWA, 2012). 본 연구는 기존연구에서 제시한 단위구간 설정을 기준으로 도 로변 토지이용특성, 도로등급, 주간선도로 접촉여 부, AADT(대/일) 및 속도(km/h)를 선정하였으며, 선 정된 단위구간 설정기준을 토대로 과천시의 주간선 도로와 보조간선도로의 단위구간을 설정하였다.

1) 상관관계 분석

상관관계는 1차적으로 선별된 단위구간 설정기 준을 대상으로 분석하였다. 본 연구는 단위구간 설 정기준과 교통량 간의 상관관계 분석을 통하여 주 요변수를 도출하며, 도출된 주요변수 간의 상관관 계 분석을 통하여 최종적인 단위구간 설정기준을 선정하였다.

단위구간 설정기준(명목변수)과 교통량(등간변 수) 간의 상관관계는 Fisher(1924)가 소개한 상관비 (Correlation Ratio, η)를 활용하여 분석하였다[16]. 상 관비는 독립변수가 명목변수이고, 종속변수가 등간 변수일 경우 활용되는 상관계수이다. 상관비를 활 용한 단위구간 설정기준과 교통량 간의 상관관계 분석결과는 Table 1과 같으며, AADT 그룹별 및 주 간선도로 접촉여부에 따른 단위구간 설정시, 교통 량과 높은 상관관계가 있는 것으로 나타났다.

단위구간 설정기준(명목변수)간 상관관계는 단위 구간 설정기준(명목변수)과 교통량(명목변수)간의 상관관계 분석결과를 토대로 상관계수가 0.4 이상 인 변수를 대상으로 하였다. 상관계수는 Guttman (1941)이 소개한 예언계수(Guttman’s Coefficient of Predictability, λ)를 활용하였으며[17], 분석한 결과는 Table 2와 같다. 대부분의 단위구간 설정기준 간에 는 낮은 상관관계가 있는 것으로 나타났다. 따라서 최종적인 단위구간 설정기준은 도로변 토지이용특 성, 도로등급, 주간선도로 접촉여부, AADT(대/일) 및 속도(km/h)로 선정하였다.

2) 단위구간 설정결과

본 연구는 과천시의 주간선도로 및 보조간선도로 를 대상으로 단위구간을 설정하였다. 단위구간은 크 게 도로기하구조 특성기준, 도로기하구조 및 교통류 특성에 따라 구분하여 설정하였다. 과천시 주간선도 로 및 보조간선도로의 단위구간은 신호 교차로 기 준으로 72개, 도로기하구조 특성 기준으로 23개, 도 로기하구조 및 교통류 특성 기준으로 55개로 설정 하였다. 도로기하구조 특성을 기준으로 설정된 단위 구간 수는 Co-Kriging 기법을 적용하여 교통량 추정 을 위한 유효표본수를 충족하지 못하는 것으로 나 타났다. 따라서 본 연구는 과천시 주간선도로 및 보 조간선도로의 단위구간을 도로기하구조 및 교통류 특성 기준과 신호교차로 기준으로 구분하여 교통량 및 자동차주행거리 추정 오차율을 분석하였다.

2. 표본크기 및 표본추출방법

표본크기는 전체 단위구간수의 10%, 20%, 30%, …, 90%로 설정하였다. 표본추출방법은 단순무작위 추출방법과 층화표본 추출방법을 적용한다. 층화표 본 추출방법(Stratified Random Sampling)의 층은 행 정구역별, 도로등급별로 구분하며, 층의 크기는 비 례배분법을 적용하여 결정하였다. 층별 표본크기 산정식(비례배분법)은 (2)와 같다.

3. 교통량 추정방법

교통량은 공간통계기법인 Kriging기법을 활용하 여 표본크기별·표본추출방법별로 추정하였다. 단, 표본크기가 전체 단위구간의 10%, 20%인 경우, 과 천시의 Network가 작은 관계로 Kriging기법 적용을 위한 유효 표본크기를 충족하지 못하는 문제가 발 생한다. 따라서 표본크기가 전체 단위구간의 10%, 20%인 경우, 추정대상 단위구간의 교통량은 도로등 급이 동일하거나 유사한 인접 단위구간의 교통량과 동일하다고 가정하여 자동차주행거리를 추정하였다.

1) Kriging

Kriging은 공간상에 분포하는 자료의 분포특성과 상관관계를 분석하여 알려지지 않은 지점의 값을 추정하는 기법이다.

Kriging기법을 적용하기 위해서는 관심 있는 변 수에 대한 표본공간을 정의해야 하며, 자료들 간의 공간적 상호관계의 파악이 선행되어야 한다. 공간 적 상호관계는 Variogram을 통해서 정량화 할 수 있다. Kriging기법을 적용하는 과정은 다음과 같다.

Kriging기법은 가중치 산정방법 및 적용변수에 따라 Simple Kriging, Ordinary Kriging, Co-Kriging 등으로 구분된다. 본 연구는 Co-Kriging기법을 적용 하여 교통량을 추정하였다.

2) Variogram

Variogram은 일정한 거리에 있는 자료들의 유사 성을 나타내는 척도이며, 일정거리 만큼 떨어진 두 자료의 차이를 제곱한 값에 대한 기댓값이다. Variogram의 산정식은 (3)과 같다.

Kriging 기법을 적용하여 미지의 값을 추정하기 위해서는 모든 분리거리 h에 대한 Variogram이 필 요하며, 이를 구하기 위해서는 주어진 자료로부터 계산된 실험적 Variogram을 가장 잘 대표하는 이론 적 Variogram을 결정해야 한다. 이론적 Variogram 인자는 공분산과 Kriging 가중치를 계산하는데 이용 되며, 문턱값(Sill), 상관거리(Range), 모델수식, 너깃 (Nugget)으로 구성된다.

본 연구의 이론적 Variogram 모델은 일반적으로 활용되는 지수모델(Exponential Model)을 활용한다.

3) Co-Kriging

Co-Kriging은 두 가지 이상 변수의 선형조합을 사용하여 자료가 알려지지 않은 지점에 대한 값을 추정하는 기법이다. 이 때 예측하고자 하는 변수는 주변수(Primary Variable)이며, 주변수가 아닌 변수를 이차변수(Secondary Variable)라고 한다. Co-Kriging 은 주변수의 양이 적고, 이차변수의 양은 많을 때 활용되며, 대부분의 경우 이차변수는 정확도가 떨 어진다. 단, 두 변수는 반드시 공간적 상호관계가 있어야 한다. Co-Kriging의 이차변수는 여러 개가 될 수 있으며, 특별한 경우를 제외하고는 하나의 주 변수와 하나의 이차변수를 사용하는 경우가 대부분 이다. 주변수와 이차변수를 사용하는 Co-Kriging 산 정식은 (4)와 같다.

본 연구는 Co-Kriging 적용을 위한 주변수를 2012년 교통량 자료로 설정하며, 이차변수는 2011 년 교통량 자료로 설정하였다. 교통량 자료의 위치 데이터는 주제도(Katech 좌표체계)의 도로 중심선을 기준으로 설정하였다. 이론적 Variogram 도출 및 가 중치 산정 등 복잡한 계산 과정은 통계패키지인 "R"을 활용하여 계산하였다.

Ⅴ. 오차발생 원인별 자동차주행거리 추정 오차율 분석

1. 표본추출방법별 자동차주행거리 추정 오차율 분석결과

표본추출방법은 단순무작위 추출방법과 층화표 본 추출방법(행정구역별, 도로등급별)으로 구분하였 다. 단위구간은 신호교차로를 기준으로 설정(72개 구간)하였으며, 표본크기는 전체 단위구간수의 10%, 20%, 30%, …, 90%로 구분하여 오차율을 분 석하였다. 표본추출방법에 따른 자동차주행거리 추 정 오차율 분석결과는 Table 3과 같으며, 도로등급 별 층화표본 추출방법의 자동차주행거리 추정 오차 율이 가장 낮은 것으로 나타났다.

2. 단위구간 설정방법별 자동차주행거리 추정 오차율 분석결과

단위구간 설정방법은 신호교차로 기준과 도로기 하구조 및 교통류 특성 기준으로 구분하였으며, 각 기준에 따라 설정된 단위구간을 기준으로 자동차주 행거리 추정 오차율을 비교분석하였다. 도로기하구 조 및 교통류 특성에 의하여 설정된 단위구간의 대 표 교통량은 해당 단위구간 중 연장이 가장 긴 구 간의 교통량으로 설정하였다. 표본크기는 전체 단 위구간 수의 10%, 20%, 30%, …, 90%로 설정하였 으며, 표본추출방법은 도로등급별 층화표본 추출방 법을 적용하였다. 단위구간 설정방법에 따른 자동 차주행거리 추정 오차율 분석결과는 Table 4와 같 으며, 두 방법론의 자동차주행거리 추정 오차율의 큰 차이가 없는 것으로 나타났다. 따라서 해당 도시 의 신호교차로에 대한 DB 구축이 어려울 경우에는 기 구축된 자료(주제도, 도시기본계획 자료 등)를 활용하여 자동차주행거리를 추정하는 방법이 효과 적일 것으로 판단된다.

Ⅵ. 지역별 자동차주행거리 추정방안

1. 도로기능별 교통량 조사지점 배분방안

본 연구는 도로기능별 교통량 조사지점 배분기준 을 제시하기 위하여 도로기능별로 표본배분비율(전 체 표본크기 대비)을 다르게 적용하여 자동차주행거 리 추정 오차율을 분석하였다. 도로기능은 과천시 도시기본계획을 기준으로 주간선도로와 보조간선도 로 2가지로 구분하였다. 자동차주행거리 추정 오차 율 분석을 위한 단위구간은 도로기하구조 및 교통 류 특성을 기준으로 설정하며, 표본추출방법은 도로 등급별 층화표본 추출방법을 적용한다. 도로기능별 교통량 조사지점 배분기준에 따른 자동차주행거리 추정 오차율 분석결과는 Table 5와 같다.

분석결과, 대체적으로 자동차 주행비중이 높은 주간선도로에 차량검지기가 많이 배정될수록 오차 율이 낮은 것으로 나타났다. 이는 주간선도로의 도 로구간별 연장 및 교통량이 보조간선도로와 대비하 여 상대적으로 높기 때문이다. 따라서 해당도시의 자동차주행거리를 추정할 경우, 도로구간별 연장 및 교통량을 고려한 차량검지기 배정방안을 고려할 필요가 있다.

2. 교통량 분포유형별 자동차주행거리 추정방안

자동차주행거리 추정결과, 모든 경우에서 자동차 주행거리가 과소 추정되는 경향을 보이고 있다. 이 는 Co-Kriging 기법에 의해 추정된 교통량 자체가 과소 추정되기 때문이다.

실제로 과천시의 구간별 교통량은 대부분의 구 간이 상대적으로 교통량이 작은 지역에 밀집해 있 다. 그 결과로 교통량이 작은 구간 자료를 활용하여 교통량이 큰 구간의 자료를 추정하는 경우가 발생 하여, 교통량이 과소 추정되는 것으로 나타났다. 따 라서 본 연구는 각 도시의 교통량 분포유형에 따른 자동차주행거리 추정방안을 제시하기 위하여 Toy-Network를 구축하여 교통량 분포유형 및 변동 계수에 따른 Co-Kriging 기법의 교통량 추정 오차율 을 비교분석하였다.

Toy-Network는 지점 간 거리가 동일한 격자형태 의 71개 도로구간으로 구축하였다. 교통량 분포는 정규분포, Chi-Square 분포, Chi-Square Inverse 총 3 가지 형태로 구분하며, 해당 분포에 따라 난수를 생 성하여 교통량 자료를 구축하였다. 변동계수 (Coefficient of Variation)는 0.3, 0.6. 0.9로 구분하여 시나리오를 설정하였다. 교통량 분포유형 및 변동 계수에 따른 교통량 추정 오차율 분석결과는 Table 6과 같다. 여기서, 교통량은 표본추출의 편의(bias) 를 최소화하기 위하여 100번 반복 시행한 결과값의 평균을 적용하였다.

Co-Kriging 기법을 적용하여 교통량을 추정할 경 우, 교통량 추정오차율은 교통량 분포유형 및 변동 계수(Coefficient of Variation)의 크기에 따라 상이하 게 나타났다. 따라서 Co-Kriging 기법을 적용하여 다른 도시의 교통량을 추정할 경우, 다음과 같은 사 항을 고려할 필요가 있다.

3. 도시규모별 자동차주행거리 추정을 위한 적정 표본크기 선정방안

과천시는 Network 규모가 작기 때문에 자동차주 행거리 추정을 위한 적정 표본크기가 높게 나타났 으며, 과천시의 분석결과를 기준으로 대도시의 자 동차주행거리를 추정하는 것은 무리가 있을 것으로 판단된다. 따라서 본 연구는 우리나라 각 도시의 Network 특성을 검토하여 도시규모별로 그룹을 설 정한 후, Toy-Network를 구축하여 도시규모별 자동 차주행거리 추정을 위한 적정 표본크기를 제시하였 다.

본 연구는 도시규모별 자동차주행거리 추정을 위하여 우리나라의 163개 도시(광역시, 시, 군 기준) 를 총 3개 그룹으로 설정하였다. 도시규모는 도시 별 주민등록 인구(2011년 기준)를 기준으로 구분하 였다. 대부분의 도시는 관리주체별(고속도로, 국도, 지방도 등)로 구분하여 도로연장을 제시하고 있으 며, 단위구간 수에 대한 자료가 구축된 도시는 전무 한 실정이다. 따라서 각 도시의 단위구간은 과천시 의 평균 신호교차로 간격인 0.40km를 기준으로 설 정하였다. Toy-Network는 도시규모별 평균 단위구 간 수를 기준으로 지점 간 거리가 동일한 격자형태 로 구축하였다. 교통량 분포 및 변동계수는 과천시 와 동일하다고 가정하며, 해당 분포 및 변동계수에 따라 난수를 생성하여 단위구간별 교통량 자료를 구축하였다.

마지막으로 표본크기는 전체 단위구간수의 5%, 10%, 15%, 20%로 구분하며, 표본추출방법은 단순무 작위 추출방법을 적용하였다. 교통량은 Co-Kriging 기법을 활용하여 추정하였다. 여기서, 교통량은 표 본추출의 편의(bias)를 최소화하기 위하여 100번 반 복 시행한 결과값의 평균을 적용하였다. 도시규모별 자동차주행거리 추정 오차율 분석결과는 Table 8과 같다. 분석결과, 동일 표본크기 기준으로 자동차주 행거리 추정 오차율은 도시규모가 클수록 낮게 나 타났다.

Ⅶ. 결 론

본 연구는 불충분한 교통량 자료를 활용하여 자 동차주행거리를 추정할 경우에 발생할 수 있는 오 차발생 원인을 규명하고, 각 원인이 자동차주행거 리 추정 정확도에 미치는 영향 정도를 정량화하여 효율적인 자동차주행거리 추정방안을 제시하였다. 자동차주행거리 추정 오차발생 원인은 단위구간 설 정, 표본크기 및 표본추출방법의 오류로 구분하였 으며, 오차발생 원인별로 자동차주행거리 추정에 미치는 영향 정도를 파악하기 위한 분석을 수행하 였다.

자동차주행거리 추정 오차율 분석을 위한 자동 차주행거리 관측 자료는 시범조사지역인 과천시의 주간선 도로 및 보조간선도로를 대상으로 구축하였 다. 과천시의 도로구간별 교통량은 차량검지기 수 집자료, 현장조사 및 교통수요모형을 활용하여 구 축하였다. 표본추출방법은 단순무작위 추출방법과 층화표본 추출방법(행정구역별, 도로등급별)로 구분 하여 자동차주행거리 추정 오차율을 분석하였다. 분석결과, 도로등급별 층화표본 추출방법의 자동차 주행거리 추정 정확도가 가장 높은 것으로 나타났 다. 단위구간 설정방법은 신호교차로 기준과 도로 기하구조 및 교통류 특성을 기준으로 구분하여 자 동차주행거리 추정 오차율을 분석하였으며, 두 방 법론의 자동차주행거리 추정 정확도는 큰 차이가 없는 것으로 나타났다.

마지막으로 본 연구는 앞서 도출된 분석결과와 Toy-Network를 활용하여 지역별 자동차주행거리 추 정방안을 제시하였다. 분석결과, 자동차주행거리 추 정오차율은 자동차 주행비중이 높은 도로에 교통량 조사지점을 많이 배정될수록 낮게 나타났으며, 동 일 표본크기를 기준으로 자동차주행거리 추정 오차 율은 도시규모가 클수록 낮게 나타났다.

본 연구는 자동차주행거리 추정을 위한 기초 연 구이며, 효율적인 지역별 자동차주행거리 추정을 위해서는 다음과 같은 연구가 추가적으로 수행될 필요가 있다.

첫째, 차량검지기의 교통량 계층 오류가 클 경우, 자동차주행거리 추정 정확도가 떨어질 수 있기 때 문에 이를 고려한 자동차주행거리 추정방안이 필요 하다. 본 연구는 차량검지기의 교통량 계측 오류가 없다는 가정 하에 자동차주행거리 관측 자료를 구 축하였다. 향후 연구에서는 차량검지기의 설치시기, 설치위치 및 Coverage 등을 종합적으로 고려하여 차량검지기의 교통량 계측 오차발생 원인을 분석할 필요가 있다.

둘째, 지역별 자동차주행거리 추정을 위한 기초 자료 구축이 필요하다. 본 연구는 지역별 특성을 고 려한 자동차주행거리 추정방안을 제시하였다. 그러 나 각 지역에 대한 단위구간 수, 교통량 분포 및 구 간별 교통량 등에 대한 자료가 미 구축되어 있기 때문에, 여러 가지 가정을 통한 제한적인 분석이 이 루어진 한계가 있다. 정확한 지역별 자동차주행거 리 추정을 위해서는 지역별 교통량 분포형태 및 변 동계수, 도로등급 또는 기능별 구성 비중, 지역별 단위구간 연장 등과 같은 기초자료의 구축이 필요 할 것이다.

마지막으로 자동차주행거리 추정 정확도와 자료 구축 비용 간의 상충관계(Trade-off) 규명이 필요하 다. 이를 위해서는 자료구축 비용에 대한 정의 및 구성항목 분류작업이 필요하며, 비용 원단위 등과 관련한 자료수집이 필요할 것이다.