Ⅰ.서 론
통행에 있어서 기상, 교통사고, 교통량 등의 불확 실한 요인이 존재하기 때문에 도로 이용자들이 경 험하는 통행시간은 같은 구간·요일·시간대라도 매 우 다양하다. 도로 이용자들은 이와 같은 도로의 불 확실성을 고려해 통행계획 시 목적지에 일정한 시 간 내에 도착하기 위해 추가 통행시간을 고려한다. 특히 통근통행과 같이 일정한 통행경로 및 통행시 간대를 반복적으로 경험하는 도로이용자들은 자신 이 경험을 토대로 필요한 추가통행시간을 고려해 출발시간을 결정하고 있다. 때문에 도로의 서비스 수준을 향상시키기 위해서는 기존의 소통측면 뿐만 아니라 변동성 측면의 정보의 제공을 통해 예측 가 능한 도로를 만드는 것이 매우 중요하다. 이를 위해 서는 도로의 변동성을 계량적으로 나타내고 도로이 용자가 쉽게 이용할 수 있는 통행시간 변동성 지표 개발이 필요하다.
최근 미국을 비롯한 교통 선진국에서 통행시간 변동성에 대한 관심이 증가하고 있으며, 현재 변동 성을 계량화하기 위한 지표에 대한 연구가 활발하 게 진행 중에 있다. 또한 이와 같은 변동성 지표를 도로의 서비스 수준을 측정하기 위한 지표로써 제 시하기 위한 연구가 진행 중이다.
반면 국내 교통학계에서는 통행시간 변동성 개 념이 생소한 실정으로 아직 통행시간 변동성에 대 한 연구가 부족하다. 이에 국내 실정에 맞는 통행시 간 변동성 지표에 대한 연구가 거의 이루어지지 않 고 있다.
본 연구는 미국을 비롯한 교통선진국에서 연구 된 통행시간 변동성 지표를 바탕으로 국내 실정에 맞는지 고찰하고자 한다. 특히 기존 통행시간 변동 성 지표 산출시 가장 중요하게 고려되는 95th통행 시간이 국내 교통환경에서 통행시간 변동성을 대표 할 수 있는 지표인지 검토하고자 한다.
Ⅱ.선행연구 고찰
최근 미국을 중심으로 통행시간 변동성과 관련 한 많은 연구가 진행되고 있으며 이를 고속도로 서 비스 수준 평가에 적용하기 위한 연구가 진행 중에 있다.
1.국내연구
한국교통연구원의 ⌈철도사업 (예비)타당성조사 의 편익산정방안 개선연구⌋철도 및 도로의 통행시 간 신뢰성을 측정할 수 있는 지표를 개발하고, 국내 도로 및 철도 이용 실적자료를 바탕으로 교통수요 분석에 활용할 수 있는 거시적·집합적인 통행시간 신뢰성 지표 원단위를 산정하였다. 도로의 통행시 간 신뢰성 지표는 계획통행시간 대비 실체 통행시 간의 차이로 정의하였다. 단 도로의 경우 철도와 달 리 시각표가 존재하지 않아 계획 통행시간의 정의 가 쉽지 않기 때문에, 계획통행시간은 각 실제 통행 시간 분포의 평균들의 평균값으로 정의하였다. [1]
여기서,
2.국외연구
Texas Transportation Institute의 ⌈Selecting Travel Reliability Measure⌋(2003)는 통행시간 변동성에 영 향을 줄 수 있는 6가지 요인(돌발상황, 공사, 기상, 수요변동, 특수이벤트, 교통제어, 도로용량)을 제시 하고 이들의 영향을 측정하기 위한 지표를 개발하 고자 한 연구이다. 해당 연구를 통해 Percent variation, Misery index, Buffer Time index를 통행시 간 변동성을 측정하기 위한 주요 지표로 제시하고 있다. [2]
미국 연방도로청(FHWA)에서는 도로안전 증대, 노후 교통기반시설 개선, 교통혼잡 완화를 목표로 Strategic Highway Research Program 2 (SHRP2) 연구 를 2005년부터 진행해오고 있다. 이 중 통행시간 변 동성과 관련된 프로젝트는 26개의 프로젝트가 2007-2015년에 걸쳐 진행되고 있다. [3]
SHRP2 L03(2013)은 신뢰도 개선 전략과 통행시 간 변동성 간의 상관관계를 이해하고 개선전략의 효과 크기 측정 방법론을 개발하기 위한 연구이다. 통행시간 변동성 측정 지표로서 Planning Time, Buffer index 등을 <표 1>과 같이 제시하였으며, 개 선전략의 효과평가를 위해서는 교통혼잡 개선 시 일관되게 지표값이 개선되는 Planning Time이 가장 유용한 지표인 것으로 제시하였다. [4]
SHRP2 L05(2013)는 통행시간 신뢰도 성능의 측 정 방법을 제시하고 이를 교통 계획․운영 기관이 계획 및 전략 수립 단계에서 반영할 수 있도록 하 는 절차를 고안하고자 한 연구이다. 다른 SHRP2 연 구와 마찬가지로 통행시간 신뢰도 측정 지표로서 Planning Time, Buffer index 등을 제시하였으며, 계 획 및 전략수립 단계에서는 Buffer Time을 가장 유 용한 지표로 제시하였다. [5]
3.주요 시사점
현재 미국을 중심으로 통행시간 변동성과 관련 한 많은 연구가 진행되고 있다. 국내의 경우 미국의 연구를 참조하여 통행시간 변동성 관련된 연구를 최근 시작하고 있는 실정이다.
많은 연구에서 통행시간 변동성을 측정하기 위 한 지표로 Buffer Index와 Planning Time Index를 제 시하고 있다. 이들 지표는 95th통행시간을 이용해 산출하는 지표이다. 여기서 95th통행시간은 한 달 중 하루(20근무일 중 1일)는 늦는 것을 감안 할 수 있는 통행시간을 의미하며, 95th통행시간을 변동성 지표 산정 시 활용하는 명확한 근거는 없는 실정이 다. 본 연구를 통해 국내 교통환경에서 변동성 지표 산출시 95th통행시간을 활용하는 것이 적정한지 평 가하고자 한다.
Ⅲ.분석 방법론 및 내용
통행시간 변동성 지표의 적정성을 검토하기 위 해서 통행시간 변동성에 영향을 미치는 요인에 지 표가 민감하게 변하는지 살펴보고자 한다. 이를 위 해 통행시간 변동성에 영향을 미치는 요인을 선정 하고 해당 요인이 변동성 지표에 미치는 영향을 평 가하고자 한다.
1.변동요인의 변동성지표 영향력 분석 과정
변동성 지표에 미치는 영향 평가는 정상상태의 변동성과 변동요인이 발생한 시간대 및 영향권(기 상요인 발생 종료 후 1시간)을 포함한 전체 통행시 간의 변동성의 비교 분석을 통해 분석을 수행하였 다. 여기서 정상상태란 전체 분석 시간대에서 변동 요인 발생 시간대 및 영향권 시간대를 제외한 교통 상태를 의미한다. 본 연구에서는 유고 및 공사를 제 외하고 활용 가능한 기상자료만을 이용하여 정상상 태의 통행시간을 가공하였다.
통행시간에 가장 큰 영향을 미치는 요인은 교통 량으로, 요인의 영향력 분석 시 이를 고려하지 않을 경우 요인이 변동성 지표에 미치는 영향을 분석하 는 것은 어렵다. 때문에 교통 수준이 변동성에 미치 는 영향력을 최소화하기 위해 교통 수준별로 통행 시간을 구분하여 변동요인이 변동성 지표에 미치는 영향력을 분석하고자 한다. <그림 1, 2>
교통 수준 분류 기준은 ⌈도로용량편람, 국토해 양부, 2013⌋에서 고속도로 기본구간(설계속도 120kph 이상)의 서비스수준 척도를 준용하였다. [6] 교통수준을 구분하는 척도로 밀도와 교통량이 있 다. 교통량의 경우 소통이 원활한 구간과 교통류가 와해되어 지체가 발행하는 구간을 명확히 구분이 어려워, 본 연구에서는 밀도를 기준으로 교통 수준 을 분류하였다. <그림 3>
밀도는 교통량 및 속도 자료를 이용하여 간단하 게 교통량-속도-밀도 관계식인 q = υ× k를 이용하 여 산출하였다.
본 과업에서는 한국도로공사 고속도로 공공데이 터 포털에서 제공하는 2013년 1년간 전국고속도로 1시간단위 VDS자료(교통량, 통행속도)를 이용하여 분석을 수행하였다. [7] <표 2>
2.분석대상 변동요인
변동요인은 예기치 못한 상황을 유발하여 교통 시설의 용량 감소로 나타나는 비반복적 지체를 발 생시키는 요인을 의미한다. 미국 FHWA(2005) ⌈Traffic congestion and reliability: Trends and advanced strategies for congestion mitigation⌋에서 교 통제어, 수요변동, 특별행사, 병목구간, 기상, 유고, 공사의 7가지 유고요인을 제시하고 있다. 본 연구 에서는 FHWA에서 제시한 변동요인 중 비반복 변 동요인인 기상, 유고, 공사요인을 대상으로 분석을 검토하였다. [8]
기상요인의 경우 변동성 지표에 미치는 영향력 을 분석하기 위한 샘플이 유고요인에 비해 충분한 것으로 판단된다. 2013년 서울TC-신갈JC(양방향)의 경우 전체 8,760건의 분석시간대 중 1,654건의 분석 시간대에서 기상요인이 발생한 것으로 나타났다.
유고요인의 경우 샘플수가 매우 적어 해당 요인 이 변동성 지표에 미치는 영향을 분석하는데 많은 어려움이 있다. 2013년 1년간 경부선의 각 구간별 본선 발생 사고건수를 살펴보면, 서울산IC-안양JC (서울방향) 구간으로 51건으로 가장 많은 것으로 나 타났으나, 평균적으로 구간 당 10건 정도만 발생한 것으로 나타났다.
공사요인의 경우 현재 구축된 자료의 한계로 정 확한 발생시간과 발생지점을 파악하기 어렵다. 공 사 시간 및 지점이 실제 공사를 수행한 시점이 아 닌 계획 범위를 기록하여 공사요인이 정확히 언제 어디서 발생했는지 알기 어려워 정확한 분석이 불 가능한 상황이다.
본 연구에서는 변동요인이 변동성 지표에 미치 는 영향력을 분석하기 위해 기상요인을 대상으로 분석을 수행하였다. 기상요인은 ⌈도로용량편람, 국 토해양부, 2013⌋에서 기상악화요인으로 제시하고 있는 강우시/강설시로 선정하여 분석을 진행하였다. [5] 기상자료는 기상청 국가기후데이터 센터에서 제공하고 있는 1시간 단위 AWS (Automatic Weather System)데이터의 강수량 자료를 활용하였다. [9]
3.분석대상 변동성 지표
본 연구는 미국 및 주요 교통선진국에서 주요 변 동성 지표 산출에서 사용되는 95th통행시간이 국내 에서도 변동성을 대표할 수 있는 값인가에 대한 연 구이다. 때문에 95th통행시간과 다른 Percentile-통 행시간과 비교를 통해 국내 실정에 맞는 변동성 지 표를 검토하고자 한다.
미국의 SHRP2 L03의 ⌈Analytical Procedures for Determining the Impacts of Reliability Mitigation Strategies⌋(2013)는 80th통행시간과 90th통행시간, 95th통행시간을 비교분석하여 주요 변동성 지표로 써 80th통행시간과 95th통행시간을 제시하고 있다. 본 연구에서도 80th통행시간과 90th통행시간, 95th 통행시간을 비교분석하여 국내 교통 환경에 적합한 변동성 지표를 제시하고자 한다. [10] <그림 4>
IV.통행시간 변동성 지표 적정성 검토
1.분석 대상구간
분석대상구간은 수도권 고속도로 주요 고속도로 인 경부선, 영동선, 서해안선의 각 한 구간씩 선정 하여 분석을 수행하였다. 구간 선정은 해당 구간에 기상관측소가 인접하여 보다 정확한 기상 정보를 얻을 수 있는 구간을 선정하였다. 분석 대상구간으 로 경부선 동탄JC-오산IC(양방향), 영동선 이천IC- 여주JC(양방향), 서해안선 금천IC-일직JC(양방향)을 선정하였다.
기상자료는 동탄JC-오산IC 구간은 오산관측소, 이천IC-여주JC 구간은 여주관측소, 금천IC-일직JC 구간은 금천관측소의 1시간단위 AWS(Automatic Weather System)자료를 활용하였다.
분석대상 구간별 연간 소통 및 통행시간 변동성 수준을 각각 TTI(Travel Time Index)와 PTI(Planning Time Index)을 이용하여 분석을 수행하였다.
TTI는 분석대상구간의 소통수준을 분석하기 위 한 지표로서 자유통행시간 대비 50th통행시간의 비 율을 의미하며 다음과 같다.
PTI는 미국의 SHRP2 연구에서 제시하고 있는 통 행시간 변동성의 주요 지표로써 자유통행시간 대비 95th통행시간의 비율을 의미하며 다음과 같다.
분석결과 서해안선 금천IC-일직JC구간의 경우 TTI가 1.85, PTI가 5.28로 나타나 소통수준과 변동 성 수준 모두 나쁜 것으로 나타났으며, 영동선 이천 IC-여주JC 구간은 소통수준에 비해 변동성이 다소 큰 것으로 나타났다. <표 3>
2.구간별 분석결과
1)동탄JC-오산IC 구간
동탄JC-오산JC 구간의 경우 중앙버스 전용차로 (운영시간 : 07:00시-21:00시)를 운영하고 있어, 분석 시 중앙버스 전용차로는 제외하고 일반차로를 대상 으로 분석을 수행하였다.
동탄JC-오산IC 구간은 4차로 구간으로 구간길이 는 3,890m이며, 제한속도는 110km/h이다. 자유통행 속도는 제한속도를 이용하여 127초로 산출되었다. 2013년 전체 통행시간자료를 이용해 50th통행시간 을 분석한 결과 서울방향 159초, 부산방향 161초 수 준으로 비슷한 것으로 분석되었다.
기상요인은 2013년 전체 분석시간대인 8,760시간 중 1,652시간에서 발생하여 전체 분석시간대에서 18.9%를 차지하고 있다.
서울방향
동탄JC-오산IC 서울방향의 변동성 지표 적정성 검 토 결과 모든 구간에서 95th통행시간이 기상요인의 영향으로 가장 민감하게 변하는 것으로 나타났다. <표 4, 5>, <그림 5>
부산방향
동탄JC-오산IC 부산방향의 변동성 지표 적정성 검토 결과 LOS F 구간을 제외한 모든 구간이 95th 통행시간이 기상요인의 영향으로 가장 민감하게 변 하는 것으로 나타났다. LOS F 구간에서는 80th통행 시간이 민감하게 변하였으며, 90th통행시간 및 95th 통행시간은 변화가 없는 것으로 나타났다. <표 6, 7>
2)이천IC-여주JC 구간
이천IC-여주JC 구간은 4차로 구간으로 구간길이 는 8,660m이며, 구간 내에 여주휴게소가 위치하고 있다. 제한속도는 100km/h로 이를 이용해 산출한 자유통행속도는 312초로 나타났다. 2013년 전체 통 행시간자료를 이용해 50th통행시간을 분석한 결과 강릉방향 325초, 인천방향 315초로 소통수준은 양 호한 것으로 분석되었다.
기상요인은 2013년 전체 분석시간대인 8,760시간 중 1,628시간에서 발행하여 전체 분석시간대에서 18.6%를 차지하고 있다. <그림 6>
강릉방향
이천IC-여주JC 강릉방향의 변동성 지표 적정성 검 토 결과 모든 구간에서 95th통행시간이 기상요인의 영향으로 가장 민감하게 변하는 것으로 나타났다. <표 8, 9>, <그림 7>
인천방향
이천IC-여주JC 인천방향 변동성 지표 적정성 검 토 결과 LOS A·B·C·F 구간은 95th통행시간이, LOS D·E 구간의 경우 80th통행시간이 가장 민감하게 변 한 것으로 나타났다. <표 10, 11>
3)금천IC-일직JC 구간
금천IC-일직JC 구간은 4차로 구간으로 구간길이 는 4,200m이며, 제한속도는 100km/h이다. 자유통행 속도는 제한속도를 이용하여 151초로 산출되었다. 2013년 전체 통행시간자료를 이용해 50th통행시간 을 분석한 결과 서울방향 280초, 목포방향 184초로 나타나 서울방향의 경우 소통수준이 좋지 않은 것 으로 분석되었다.
기상요인은 2013년 전체 분석시간대인 8,760시간 중 1,588시간에서 발행하여 전체 분석시간대에서 18.1%를 차지하여 분석대상구간 중 기상요인 발생 시간대가 가장 적은 것으로 나타났다. <그림 8>
서울방향
금천IC-일직JC 서울방향의 변동성 지표 적정성 검토 결과 LOS A·B·C 구간의 경우 95th통행시간이 기상요인의 영향으로 가장 민감하게 변하는 것으로 나타났다. 반면 LOS D 구간은 80th통행시간이 가장 민감하게 변하였으며, LOS E·F의 경우는 모든 통행 시간이 변하지 않는 것으로 나타났다. 이는 금천IC- 일직JC 서울방향의 경우 소통수준이 크게 악화된 상태에서 기상요인이 발생하는 경우가 많아 실질적 으로 소통수준에 크게 영향을 미치니 못하기 때문 으로 판단된다. <표 12, 13>, <그림 9>
목포방향
금천IC-일직JC 목포방향의 변동성 지표 적정성 검 토 결과 모든 구간에서 95th통행시간이 기상요인의 영향으로 가장 민감하게 변하는 것으로 나타났다. <표 14, 15>
3.통행시간 분포 분석
구간별 분석결과 교통수준이 낮은 LOS A~D 구 간에서는 요인 발생시 모든 변동성 지표들이 증가 하는 경향을 나타났으며, 특히 95th 통행시간이 가 장 민감하게 변하는 것으로 분석되었다. 반면 용량 상태에 근접하거나 교통류가 붕괴된 LOS E~F 수준 에서 요인발생시 변동성 지표가 변함이 없는 경우 가 많이 나타났다.
때문에 통행시간 분포 분석을 통해 교통수준이 낮은 상황과 교통 수준이 높은 상황에서 기상요인 이 어떻게 영향을 미치는지 분석을 수행하였다. 금 천IC-일직JC(서울방향)을 대상으로 LOS A구간과 LOS F구간에 대하여 통행시간 분포를 수행하였다. <그림 10>
LOS A 구간 분석결과 기상요인발생시 평상시와 비교해 통행시간 분포가 왼쪽으로 이동하여 통행시 간이 전반적으로 증가하는 것으로 나타났다. 즉 기 상요인이 발생하였을 때 이로 인해 전체적인 소통 상태가 악화되어 통행시간이 증가하였으며, 통행시 간 변동성을 악화시키는 역할을 하였다.
LOS F 구간 분석결과 기상요인발생시 평상시와 비교해 중위값은 증가하였지만 전체적인 통행시간 분포가 유사한 것으로 나타났다. 즉 기상요인이 소 통상태에 큰 영향을 미치지 못한 것으로 나타났다.
IV.결 론
최근 도로의 서비스 수준을 향상시키기 위해서 는 기존의 소통측면 뿐만 아니라 변동성 측면의 정 보의 제공을 통해 예측 가능한 도로를 만드는 것이 매우 중요한 이슈로 대두되고 있다. 때문에 교통학 계에서는 도로의 변동성을 계량적으로 나타내고 도 로이용자가 쉽게 이용할 수 있는 통행시간 변동성 지표 개발에 대한 연구가 미국을 중심으로 많이 이 루어지고 있다.
기존 미국을 중심으로 연구된 통행시간 변동성 지표 산출시 95th통행시간이 매우 중요한 위치를 차지하고 있다. 그러나 95th통행시간은 한 달 중 하 루(20근무일 중 1일)는 늦는 것을 감안 할 수 있는 통행시간을 의미하며, 95th통행시간을 변동성 지표 산정 시 활용하는 명확한 근거는 없는 실정이다. 때 문에 본 연구를 통해 95th통행시간이 국내 교통 환 경에서 통행시간 변동성을 대표할 수 있는 지표인 지 검토하고자 하였다. <표 16>
통행시간 변동성 지표 적정성 검토는 주요 변동 요인 중 하나인 기상요인을 대상으로 분석을 수행 하였다. 변동요인이 발생하지 않은 정상상태의 통 행분포 기상요인이 발생한 시간대를 포함한 통행분 포를 비교분석하여, 80th통행시간·90th통행시간·95th 통행시간 중 어떤 분포의 통행시간이 민감하게 변 하는지 분석을 수행하였다. <표 17>
분석대상구간을 경부선 동탄JC-오산IC(양방향), 영동선 이천IC-여주JC(양방향), 서해안선 금천IC-일 직JC(양방향)의 3개구간을 선정하여 분석을 진행한 결과 대부분의 구간에서 95th통행시간 통행시간이 가장 민감하게 변하는 것으로 분석되었다. 금천IC- 일직JC(서울발향)에서는 LOS E·F 구간의 경우 모든 통행시간의 변화가 없었는데 이는 이미 소통수준이 심각하게 악화된 상태에서 기상요인이 발생하였기 때문에 소통수준에 미치는 영향이 미미한 것으로 판단된다.
본 연구를 통해 기상요인에 의해 가장 민감하게 영향을 받는 분포 통행시간은 95th통행시간으로 나 타나, 국내 교통 환경에서도 95th통행시간을 이용하 여 변동성 지표를 활용하는 것이 적정한 것으로 판 단된다. 본 연구에서는 주요 변동요인 중 기상요인 에 대한 변동성 지표 적정성 연구를 진행하였다.
본 연구에서는 현재 도로공사의 경우도 별도의 기상정보 수집체계가 구축되어 있지 않아 기상청의 지역별 AWS 자료를 이용하였다. 이는 실제 도로 구간에에 발생한 기상요인이 아닌 도로 구간이 위 치한 넓은 지역에 대한 기상자료로 기상요인의 영 향력을 명확히 분석하기 어려운 문제점이 있었다. 향후 보다 세밀한 도로구간별 기상정보 수집체계가 구축될 경우 보다 명확한 기상요인 영향력 분석이 가능할 것이라 판단된다. 또한 기상요인 이외에 돌 발상황 및 공사 등의 타 주요 변동요인에 대한 변 동성 지표 적정성 분석이 필요하며, 15분 및 5분 소 통자료를 이용하여 보다 세밀한 영향력 분석 시 필 요한 것으로 판단된다.
