I.개 요
교통량이 많지 않을 때 고속도로 기본구간에서는 교통 혼잡에 따른 지체가 일어나지 않는다. 하지만 현실에서는 교통량이 많지 않음에도 교통 혼잡이 일어나는 경우가 있다. 예를 들어, 전방 차량은 정 체 없이 부드럽게 흘러가지만, 후방 차량은 특별한 이유 없이 교통지체가 발생하는데, 본 논문에서는 이 현상을 통틀어 유령 체증 현상(Traffic Phantom Jam)이라고 한다. 이 현상은 운전자의 잘못된 운전 습관(잦은 차선 변화, 잦은 가/감속)이나 잘못된 기 하구조(급경사, 종단곡선 중 곡선반경의 추정이 잘 못된 설계)로 인한 인지-반응 시간의 누적 효과 때 문인 것으로 알려져 있다.
이 현상을 해결하기 위해선 후방 차량이 미리 속도 를 줄이며 운행하여 인지-반응시간에 따른 시간 차 이를 줄여야 한다. 따라서 본 논문에서는 전방 도로 의 상태를 미리 알 수 있는 두 가지 방법인 가변 속 도 제한과 V2X 환경 조성으로 유령 체증 현상을 해결할 수 있다.
우선, 가변 속도 제한(Variable Speed Limit：VSL)은 변화하는 도로 환경에 맞춰 속도 제한을 변경하여 전방 교통류와 후방 교통류의 속도 차이를 줄여주 는 것이다[1]. (Papamichail et al., 2008) 가변 속도 제한은 실시간 교통정보 연계 시스템을 통해 전방 도로의 교통 소통 상황을 미리 인지할 수 있다. 따 라서 전방 교통류와 후방 교통류간의 속도의 급변 을 줄이기 위해 후방 도로구간의 제한 속도를 일시 적으로 조절하여 인지-반응시간에 따른 교통 혼잡 상황을 예방할 수 있다. 하지만, 이 가변 속도 제한 시설은 한 번 설치하면 변경할 수 없어 처음 설치 장소를 선정하는데 어려움이 있다. 따라서 VSL은 광범위한 범위에서 무작위로 나타나게 되는 유령 체증 현상의 근본적인 해결책이 될 수 없다.
또 다른 방법으로는 V2X(Vehicle-to-everything) 환경 조성이 있다. V2X 환경은 차량 간 통신 (Vehicle-to- Vehicle：V2V)과 차량과 기반시설 간 통신 (Vehicle-to-Infrastructure：V2I)의 환경을 갖추고 있 는 것으로 차량 안전과 차량의 효율성을 개선하기 위해 ITS 분야에 도입되었다. 만약 V2V 기술과 V2I 기술이 동시에 적용한다면, V2X 환경에서 전방 도 로의 소통상황을 미리 인지하고 후방에서 속도를 미리 조절하여 인지-반응시간에 따른 시간 차이가 누적되는 것을 예방할 수 있다. 또한 V2X환경은 광 범위한 도로환경에 적용할 수 있기 때문에 VSL보 다 유령체증현상을 해결하기 적합하다.
V2X 환경은 운전자에 의한 사고를 줄이는데도 획 기적인 도움을 준다. 독일의 교통사고 통계(Weiß, 2011)에 따르면, 전체 사고의 86%가 운전자에 의해 서 일어난다[2]. 자동차의 결함으로 인한 문제는 약 10% 정도라고 한다. V2X 환경이 조성된다면 운전 자에 의한 사고건수가 줄어들기 때문에 교통사고가 획기적으로 줄어든다. 그러므로 교통사고로 인한 혼잡도 대폭 감소하게 될 것이다. 따라서 V2X 환경 조성을 통해 도로 서비스 수준의 증가와 차량 안전 에 있어 큰 진보를 이룰 수 있다.
V2X 환경을 평가하기 위한 중요한 요소로는 무선 통신 가능 범위와 V2X 차량의 시장점유율이 존재 한다. VANet(Vehicular Ad Hoc Network)체계에서 쓰 이는 차량 무선 통신은 IEEE 기술 표준 중 IEEE 802.11p인 WAVE (Wireless Access in Vehicular Environment)이다. 한국도 미국, 유럽에서 쓰이는 것 과 같은 IEEE 802.11p 규격을 사용하고 있다. 현재 무선 통신 가능 범위는 임의의 메시지 전송률의 품 질(Quality of Service：QoS)을 보존하는데 적합한 통신 범위를 최적화하는 연구를 꾸준히 하고 있음 에도 불구하고(Wiegel, et al., 2009)[3], VANET (Vehicular Ad-hoc Network)의 QoS는 메시지 전송량 의 증가에 따른 패킷 홍수 문제 때문에 여전히 문 제가 되고 있는 상황이다.
또 다른 평가 요소인 V2X 차량의 시장점유율은 전체 운행 차량 중 V2X 환경 하에서 운행하는 차 량의 비율이다. 만약 V2X 차량이 바로 모든 차량에 적용할 수 있다면 더욱 효율적이겠지만, 실제로 적 용되기까지 긴 시간이 걸린다. 따라서 V2X 환경 개 선 효과가 임계점에 도달하는 V2X 차량의 시장 점 유율까지 빠르게 점유하는 것이 필요하다.
V2X 환경의 개념은 1990년대에 이르러 구체화되었 다. 먼저 V2X환경의 시초로 ACC(Adaptive Cruise Control)가 소개되었다. ACC는 선두 차량의 뒤에 있 는 차량이 동일한 차두간격 혹은 차두시간을 가지 고 선두차량을 따라가는 시스템으로 ACC 함수 (Cruise Control Function)를 도입하여 차량의 속도에 따른 운전자의 판단을 함수로 표현하였다. Hoedemaeker et al.(1998)는 이전의 시뮬레이션과 ACC에 적응하기 위한 행동을 요약했다. 위의 논문 에서는 V2X 환경 개념의 시초로 Nilsson(1995)과 Heino et al.(1995)가 소개되었다[4]. Becker et al.(1994)는 V2X 환경을 ACC 기술로 가정하여 교통 시뮬레이션에 실제 교통량과 파라미터를 대입하여 연구하였고, 그 결과 V2X 환경은 편안하고 안전하 여 운전자의 주행 환경을 개선시켜주는 시스템인 것으로 나타났다[5].
본 논문은 광범위한 지역에서 나타나는 증상인 유 령 체증 현상을 해결하기 위한 V2X 환경에 대해 연구할 것이다. 하지만 현재 기술이 발달하지 않아 재정적 부담이 생기기 때문에 광범위한 V2X 환경 테스트베드(testbed)를 조성할 수 없다. 예를 들어, 테스트베드 내에서는 V2X 차량이 혼잡한 도로 상 태에 있는 것을 가정한 경우나, 차량의 무선 통신 가능 범위를 조절하거나 V2X 차량과 일반 차량의 비율에 따른 연구를 진행하지 않아 효과 평가를 할 수 없었다. 따라서 이 논문은 현실과 비슷한 미시적 시뮬레이션 환경을 조성하여 혼잡 상황을 가정하여 교통 흐름을 연구하였다. 본 논문에서는 이 V2X 환 경의 효과를 정량적으로 평가하기 위해 회복 시간 과 차량 평균 지체, 평균속도라는 세 가지의 효과평 가척도(Measure of Effectiveness：MOE)를 제안하였 다. 본 논문에서는 이 MOE를 기반으로 평가할 때, 차량 통신 가능 범위와 교통량, 그리고 V2X 차량의 시장점유율을 변화시키며 도로의 서비스 수준을 연 구하였다. 본 논문에서는 이를 통해 최적의 차량 통 신 가능 범위와 V2X 차량의 시장점유율의 임계점 을 알아냈다.
이 논문은 총 6개의 섹션으로 이루어져 있다. 2장에 서는 V2X 환경과 관련된 방법론에 관한 기존 연구 를 고찰할 것이다. 3장에서는 분석 방법론으로 V2X 환경 조성을 위한 차량 추종 모형, 도로 상태에 따 른 MOE, 시뮬레이션 설계에 관해 설명할 것이다. 4 장에서는 미시적 교통 시뮬레이션에 사용되었던 속 도 전달 알고리즘과 그에 따른 파라미터 설정에 관 해 연구할 것이다. 5장에서는 시뮬레이션 설정과 그에 따른 결과를 다양한 MOE로 분석할 것이다. 마지막으로 6장에서는 결론과 향후 연구 과제에 관 해 설명할 것이다.
II.기존 연구 고찰
V2X 환경은 2000년 대 들어서부터 많은 테스트 베드를 설치하여 시뮬레이션을 진행했다. 특히 유 럽은 2000년대 들어 V2X 환경을 평가하기 위한 소 규모 시뮬레이션 테스트베드를 많이 만들었다. Weiß(2011)는 자신의 논문에 이런 프로젝트를 간단 하게 요약했다. 먼저, Inter-vehicle hazard warning (2001-2002)이 차량 안전을 개선하기 위한 차량 통 신을 내세운 초기의 프로젝트였다. 이 프로젝트 이 후, FleeNet (2000-2003), CarTALK2000 (2001-2004), PReVENT WILLWARN (2004-2006), Network on Wheels (2004-2008), SAFESPOT (2006-2010), Aktiv Cooperative cars (2007-2009), PRE-DRIVE C2X (2008-2010), SimTD (2008-2012), 그리고 TeleFOT (2008-2012) 등 V2X 환경과 그에 관련된 VANet에 관한 구체적이고 다양한 후속 연구가 나오게 되었 다[2]. 연구가 진행됨에 따라 모호했던 차량 무선 통신 네트워크인 VANet의 개념이 확립되었다. VANet은 V2X 환경을 구성하기 위한 핵심적인 요 소인데, 차량 간 통신을 효율적으로 진행하기 위해 서는 현재보다 더 높은 기술력이 요구되고 있는 실 정이다[7](Jakubiak and Koucheryavy, 2008). VANet은 빠른 속도의 변화, 잦은 분열(Frequent fragmentation) 현상 등 상황에 따라 급변하는 네트워크 환경 하에 서도 전송률을 유지하기 쉽고, 조절하기 쉬운 장점 을 가졌다. 차량 간 무선 통신의 경우 VANet 중에 서도 WAVE라는 별명을 가진 IEEE 802.11p 라는 무선 통신 기술을 사용하는데, 이론적으로 WAVE 는 1,000m까지 무선 통신을 전달할 수 있고, 차량 속도가 200km/h까지 올라가도 데이터 패킷을 전달 할 수 있다고 한다[8](Zedally et al., 2012). 하지만 WAVE는 장애물이나 전파방해로 인해 현재는 300~500m의 통신 가능 범위를 가진다고 알려져 있 다. 과거 차량 간 무선 통신에서 흔히 쓰이던 DSRC(Dedicated Short Range Communications)는 최 대 무선 통신 가능 범위가 짧게 제한되어 있기 때 문에 쓰이지 않게 되었다. 이 논문에서는 통신 가능 범위가 넓어 설치비용이 여타 통신 기술보다 싸고, 시장 점유율이 빠르게 성장할 것이라 예상되는 WAVE를 사용한다고 가정하였다.
V2X 환경의 영향을 평가하는 논문들은 V2X 환경이 도로의 효율성과 도로 안전을 극대화한다고 주장했다. Zhao and Sun(2013), Wedel et al.(2009) 등은 V2X 환경 을 반영한 차량 추종 모형을 적용했다[9, 10]. V2X 차량 은 기존 차량 추종 모형에서 인지-반응 시간과 인적 요소에 따른 변화가 획기적으로 줄었기 때문에 새로운 차량 추종 모형을 제시하였다.
Zhao and Sun(2013)은 일반 차량과 ACC, 그리고 CACC(Cooperative adaptive cruise control)가 섞여있 는 도로상황을 가정했다[9]. 이 논문에서 그들은 ACC와 CACC에 관한 가속도 식을 각각 제안했다. 그리고 그들은 이 가속도 식을 미시적 교통 시뮬레 이션인 VISSIM에 적용했다. 가속도 모형은 목적 차 량과 추종 차량 사이에서 최대 허용 가속도/감속도 를 고려한 선형관계를 가진다고 가정하였다. 시뮬 레이션에서 다음 단계의 군집 주행 가속도 모형을 식으로 나타내면 다음 식으로 나타낼 수 있다.
여기서, a : 다음 단계의 목적 차량의 가속도
ap : 앞선 차량의 가속도
υp : 앞선 차량의 속도
υf : 추종 차량의 속도
amax : 최대 허용 가속도
amin : 최대 허용 감속도
kυ,ks : 이득 상수 (비음조건)
Zhao and Sun(2013)은 V2X 환경을 적용하기 위해 미시적 교통시뮬레이션인 VISSIM 7.00-13 에 군집 주행 가속도 모형을 대입하여 풀었다. 상기 논문의 연구 결과 차량군이 형성되었을 때 도로 용량은 증 가하는 것으로 나타났다. 하지만 차량군이 길어짐 에 따라 도로용량이 증가한다고는 볼 수 없다는 결 과가 나왔다. 위 논문을 통해 시간-속도 그래프를 통해 충격파 현상(Shockwave effect)이 차량군 형성 에 의해서 해소되고, 회복시간(Recovery time)을 산 출할 수 있다는 사실을 알 수 있었다. 또한 이 회복 시간은 V2X 환경의 영향력을 평가하는데 좋은 MOE가 될 수 있음을 알 수 있었다.
Wedel et al.(2009) 은 독일의 Straße 와 Gottesweg와 같은 일반 도로를 테스트베드로 잡아 V2I 환경을 평가하였다[10]. 이 논문에서 Wedel은 V2X 차량의 시장점유율에 따른 통행시간편익을 비교하였다. 연 구 결과, V2X 차량이 80% 이상의 비율을 가질 시 차량 통행시간은 비신호 교차로에서 각각 48%, 47%의 감소 효과를 가져 80%의 시장점유율이 V2X 개선효과에 대한 임계점임을 알 수 있었다. <Fig. 1>은 V2X 차량의 시장점유율에 따른 차량편익을 그래프로 나타냈다.
선행 연구 고찰을 통해 V2X 환경을 평가하기 위 한 중요한 요소인 무선 통신 가능 범위와 V2X 차 량 시장점유율이 필요함을 알 수 있었다. 또한 도로 혼잡 상태를 평가하기 위한 지표로는 회복시간이 있는데 이 회복시간은 시간-속도 그래프나 미시적 교통시뮬레이션에서 제시했던 시간-위치 그래프가 필요하다는 것을 알 수 있었다.
III.분석 방법론
1.V2X 환경 구축 아키텍처
본 논문에서는 V2X 환경을 시뮬레이션하기 위해 세 가지 상황을 가정하였다. 먼저, V2X 환경에는 V2X 환경에 속한 자동차와 그렇지 않은 자동차 두 가지종류만 있다고 가정했다.
첫 번째로는 V2X 환경에 속해있지 않는 일반 차량 은 독립적으로 주행하며, 단지 근처 차량에만 영향 을 받는다는 점이다. 이는 대부분의 미시적 교통시 뮬레이션이 가정하고 있는 사항과 같다.
두 번째로는 V2X 환경 차량은 무선 통신 가능 범 위 내에서 V2X 환경과 서로 상호작용하며 움직인 다는 점이다. 만약 도로 혼잡을 겪고 있는 한 차량 이 다른 후방 차량에게 경고 메시지를 보내면 후방 차량은 미리 감속하여 인지-반응시간에 따른 지체 의 누적을 예방할 수 있다. V2X에 의해 후방차량에 게 전방상황에 대한 정보를 전달하는 경우, V2X차 량에 해당하는 차량은 속도 전달 알고리즘에 의해 속도가 미리 줄어들게 하여 인지반응 시간이 줄어 든다고 가정하였다. 특히 이 논문에서는 추종 차량 이 실제로 원하는 속도(Desired speed)를 선두 차량 의 현재 속도와 동일하다고 가정하였다.
세 번째로는 통신 가능 범위를 구하기 위해 쓴 무 선 통신 네트워크는 VANet 중 WAVE(IEEE 802.11p)를 쓴다는 점이다. 이 WAVE의 통신 가능 범위는 1000m까지 가능하다. 하지만, 데이터 패킷 전송률의 허용 가능 범위는 물리적 장애물의 여부 에 따라 평균 300m 정도로 알려져 있다. 하지만, 미 래의 무선 통신 기술 향상을 기대함에 따라 본 논 문에서는 무선 통신 가능 범위를 500m부터 1000m 까지로 가정하였다.
이 모든 상황은 V2X 환경 하에 있는 차량에서만 정의한 것이다. 만약 V2X 환경에 속해 있지 않으면 이 모든 것은 적용되지 않는다. 본 논문에서 가정한 V2X 환경을 그림으로 나타내면 <Fig. 2>로 정리할 수 있다.
2.차량추종모형(Wiedemann 74 Model)
교통류 흐름 모형은 현실의 차량을 올바르게 반영 하기 위해 신중히 선택하였다. V2X 환경을 알아내 기 위해 개선된 교통류 모형이 필요하지만, 일반 차 량과 V2X 환경 차량을 동시에 고려하기 위해 VISSIM 내에서 많은 사람들이 쓰는 Wiedemann 74 모형을 사용하였다. 이 교통류 모형은 정지거리와 안전거리의 합으로 이루어져 있다. 이 모형으로 V2X 환경을 표현하기 위해선 안전거리를 조정함으 로써 인지-반응 시간을 줄이며 V2X 효과를 반영할 수 있다[11]. (Wiedemann, 1974) 따라서 본 논문에서 는 V2X에 해당하는 차량의 ax 를 2에서 1로 줄였 고, bxadd 를 2에서 1로, bxmulti 를 3에서 2로 바꿨다. 이는 기존의 안전거리와 현재의 안전거리에 동일한 난수를 부여했을 경우, 20km/h~120km/h 속도의 범 위에서 전반적인 안전거리가 평균 55~56% 정도로 줄어드는 것을 확인할 수 있다.
따라서 전체 거리에 관해서는 차량 추종 모형은 다 음 식과 같이 나타낼 수 있다.
여기서, ax : 정지거리[m]
bx : 안전거리
bx = (bxadd + bxmulti × z) × √υ
여기서, υ : 차량 속도[m/s]
bxadd : 안전거리의 더한 항의 값
bxmulti : 안전거리에서 곱한 항의 값
z : [0,1] 사이에서 정규분포를 따르고, 표준편차가 0.15인 난수
IV.시뮬레이션 구성
1.시뮬레이션과 속도 전달 알고리즘
교통시뮬레이션 중 많이 쓰이는 미시적 교통 시 뮬레이션으로는 VISSIM, PARAMICS, CORSIM, Aimsun이 있다. 일반적으로 VISSIM은 VISSIM 4.0 이후 COM(Component Object Model) 인터페이스를 이용하여 데이터를 수정하기 쉽다. 또한 COM 인터 페이스는 다른 프로그램과의 연계성이 뛰어나 확장 성이 뛰어나기 때문에 쓸 수 있다. 따라서 본 연구 에서는 <Fig. 3>과 같이 VISSIM 7.00-13에서 COM 인터페이스를 이용하여 EXCEL VBA로 접속해 시 간마다 감속과 가속, 속도, 위치를 판단하고 V2X 환경을 구현한 속도 전달 알고리즘을 사용했다[12]. 속도 전달 알고리즘은 아래와 같이 수행된다. 먼저 VBA로 t 시간 단계에 해당하는 시뮬레이션을 실행 한다. 그리고 VBA로 도로 내 모든 차량에 대한 정 보를 입력한다. 그 다음, VBA에서 V2X 환경에 속 한 같은 차로에 있는 차량의 위치가 통신가능 범위 보다 안쪽에 있고, 전방 V2X 차량의 속도가 후방 V2X 차량의 속도보다 크다면 후방 차량의 속도는 전방 차량과 동일하게 한다. 조건에 부합하지 않으 면 바로 다음 단계로 넘어간다. 그리고 VBA에서 VISSIM으로 데이터를 전송한다. 만약 시간 단계 t 가 끝나지 않았으면 t=t+1로 하고 t 시간 단계에서 의 시뮬레이션 단계로 다시 돌아간다. t 시간이 끝 나면 알고리즘을 종료하게 된다.
2.파라미터 조정
교통량과 거리, 시간에 관한 파라미터를 조정하 기 위해 실제 장소인 영동고속도로의 신갈 JC 기준 ±4km를 정했다. 이 구간은 8차로, AADT는 155,850 대/일이고, 이는 2,338 대/일/차로와 동일하다. 이 교 통량은 고속도로 용량을 조금 넘는 수준으로 시간 에 따라 도로 용량을 넘는 교통량이 몰림을 알 수 있다. 보통 고속도로는 시간대별로 다양한 교통량 을 가지고 있기 때문에 현실을 표현하기 위해 본 논문에서는 800, 1500, 2200 대/일/차로로 총 3가지 의 교통량을 제시하였다. 한국 도로 용량 편람 (Korea Highway Capacity Manual)에 따르면 이는 LOS A, C와 D의 평균, 그리고 F를 나타낸다[13]. 위치와 시간의 경우 고속도로 진·출입로를 제외한 기본구간만을 가정하여 시뮬레이션을 진행하였다. 시뮬레이션 시간은 10분(600초)으로 설정하였다.
본 논문에서는 이 파라미터를 토대로 VISSIM 7.00-13에 기본 네트워크를 구성하였다. 본 논문의 목적인 유령 체증 현상을 만들어 주기 위하여 혼잡 상황을 가정하였다. 차로 당 1개의 차량 총 4개의 차량을 지정하여 순간적으로 속도를 30km/h로 줄여 25초에서 85초까지 1분간 운행하여 혼잡상황을 가 정하였다. 그 후, 혼잡 상황이 풀리는 회복 시간을 표현하였다. 연구 결과 2000m 이후, 500초 이후로 는 이전과 동일한 교통류 흐름을 가졌기 때문에 본 논문에서는 그래프의 최대치를 2,000m, 500초로 설 정하였다.
3.차량 궤적 데이터에 대한 설명
차량 궤적 데이터(Vehicle trajectory data)는 한 차 로에 해당하는 차량의 흐름을 설명할 수 있는 데이 터이다[13](Wu and Liu, 2014). 본 논문에서는 VISSIM의 결과 중 차량 궤적 데이터(*.fzp 파일)를 SAS 9.3에서 분석해 차량 궤적 데이터를 나타내는 시간-공간 그래프를 만들어 연구를 진행하였다. SAS는 단계별로 데이터를 읽기 때문에 차량 궤적 데이터와 같은 빅데이터를 다루기 쉬운 프로그램이 다. <Fig. 4>는 차량 궤적 데이터를 개념적으로 이 해할 수 있도록 도운 그래프이다. 선으로 이어져 있 는 것은 하나의 차량 궤적을 뜻하고, 노란색 선은 차량 혼잡이 일어나기 전의 차량 궤적들이다. 중간 에 나온 초록색 선은 차량의 속도를 60초동안 임의 로 줄인 차량의 궤적을 의미한다. 빨간 선과 파란 선은 차량 번호의 짝수/홀수 여부에 따라 구별하기 위해 선의 색깔을 다르게 넣었다. 중간에 잘려진 선 은 차선 변경을 했음을 뜻한다.
4.효과평가척도(MOE)－회복 시간, 평균 속도, 평균 지체 시간
1)회복 시간
선행 연구에서 고찰한 바와 같이, V2X 환경의 영향을 평가하기 위해서는 여러 효과 평가 척도 (Measure Of Effectiveness：MOE)를 가지고 평가하 는 것이 필요하다. 대표적인 MOE로는 회복시간을 들 수 있다. 회복시간이란 자신의 주행속도로 달리 고 있던 차량이 혼잡을 겪어 속도가 감소했다가 자 신의 주행속도로 되돌아올 때까지 걸리는 시간을 의미한다. Zhao and Sun(2013)은 그들의 논문에서 회복시간을 ‘두개의 인접한 차량들의 간격이 변하 지 않을 때까지 걸리는 시간’이라고 정의하였다[9]. 이 MOE는 충격파가 생기는 상황에서 얼마나 빨리 대처를 하는지에 대해 좋은 MOE가 된다. 이 MOE 는 속도-시간 그래프를 사용하면 더욱 쉽게 MOE를 평가할 수 있다. 회복시간은 다음과 같이 계산할 수 있다.
2)차량 평균 지체
또 하나의 MOE는 차량 평균 지체이다. 차량 평 균 지체는 실제 주행시간에서 이상적인 주행시간을 빼서 구하며 도로의 혼잡 상황을 판단할 때 좋은 평가 척도이다. 총 지체가 음수가 나오는 경우가 있 는데, 이는 총 지체의 계산식 상 이상적인 주행시간 (일반적인 주행속도)보다 더 빠르게 달리는 경우가 있기 때문에 음수가 나올 수 있다. VISSIM에서는 다음과 같은 식으로 차량 총 지체와 평균 지체를 계산한다.
3)평균 속도
마지막 MOE는 평균 속도이다. 평균 속도는 대략 적인 교통 상황을 직관적으로 알 수 있기 때문에 현재 도로의 교통 상황을 예측할 때 많이 쓰인다. 또한 미시적 교통시뮬레이션에서는 평균 속도를 구 하기가 쉬워 다른 MOE들과 함께 현재의 소통 상황 을 판단하기 쉽다.
V.시뮬레이션 설계 및 분석 결과
1.회복시간
1)통신가능 범위에 따른 시뮬레이션 분석
<Fig. 5>와 <Table 1>은 시뮬레이션 결과 중 시간- 속도 그래프로 회복시간과 도로 상황을 분석하고, 그에 따른 회복시간을 표로 정리하였다. 우선 V2X 환경의 차량과 그렇지 않은 차량의 비율을 8 대 2 로 가정했을 때, 무선 통신 가능 범위는 500m, 750m, 1000m로, 교통량은 800, 1500, 2200 대/일/차 로로 바꿔가며 시뮬레이션을 시행하였다. 회복시간 은 시각적으로 판단하기 쉽게 그래프 밑에 노란 선 으로 표시하였다. 교통량이 800대/일일 때, 회복시 간은 거의 없는 것으로 나타났다. 무선 통신 가능 범위에 따른 차이 역시 거의 없는 것으로 나타났다. 하지만 교통량이 1500대/일일 경우에는 교통량에 따른 회복시간의 변화가 존재했다. 특히 무선 통신 가능 범위는 500m나 1000m보다 750m에서 가장 좋 은 회복시간을 가졌다. 이는 교통량이 2200대/일일 때도 동일하게 나타났다. 따라서 회복속도에 따른 최적 무선 통신 가능 범위는 750m인 것으로 결론지 었다. 무선 통신 가능 범위와 교통류의 회복시간이 서로 비례하지 않는 이유는 일정 길이 이상의 무선 통신 가능 범위가 오히려 교통 정체의 효율적인 해 소에 방해를 주기 때문인 것으로 분석된다. 길어진 통신가능 범위는 더 먼 차량의 속도에 영향을 받게 되고, 이는 차량속도 전달 과정에서 앞서 느려진 차 량의 속도를 그대로 따라가게 되는 경우를 만들 수 있기 때문에 교통 혼잡의 해소를 방해할 수 있기 때문이다.
따라서 무선 통신 가능 범위의 증가로 인해 V2X환 경의 차량에 영향을 끼치는 범위가 적정하게 제시 되어야 함을 알 수 있다. 혹은 근방 차량의 속도를 분석하는 과정에서 속도뿐만 아니라 가속도와 위치 를 통한 종합적인 판단이 필요함을 알 수 있다.
또한 V2X 환경은 용량에 근접한 교통량에서는 획 기적인 해결책을 제시해주지 못한다는 사실도 알 수 있었다. 하지만, 500m에서 차량 혼잡 정체구간 이 증가하는 것과 달리, 750m와 1000m에서 정체구 간의 길이는 증가하지 않고 뒤로 움직이는 것을 알 수 있다. 이는 차량 간 통신 기술을 적용하면 인지- 반응시간에 따른 누적효과가 줄어들기 때문에 정체 구간 길이의 증가가 줄어드는 것으로 판단된다.
2)V2X 차량 비율에 따른 시뮬레이션 분석
<Fig. 6>과 <Table 2>는 무선 통신 가능 범위는 750m라고 고정한 뒤 V2X 차량의 시장점유율에 따 른 도로의 영향에 관해 조사한 그래프와 표이다.
만약 교통량이 혼잡상태에 가깝다면, 차량의 비율 이 달라짐에도 V2X 환경은 적절한 교통 혼잡을 제 어할 수 없다. <Fig. 6>은 차량 궤적 데이터와 시간- 속도 그래프를 이용해 분석한 회복시간이다. 시간- 속도 그래프를 활용하면 회복시간을 정확히 알 수 있다. 교통량은 800, 1500, 2200 대/시간/차로로 선 정하였고, V2X 차량의 시장점유율은 2：8, 3:7, 4：6로 선정하였다. 각각의 회복시간은 <Table 2>로 정리되어 있다.
첫 번째 그래프 집합(교통량이 2200 대/시/차로인 경우)에서는 V2X 환경 내 차량의 비율이 2：8일 때 는 후방으로 차량정체가 생기고, 3:7과 4:6일 때 는 각각 차량정체가 더 길어지지 않고 전방으로 차 량 정체가 일어났다. 일반적으로 후방으로 차량 정 체가 생기는 것보다 전방으로 차량 정체가 생기면, 교통류의 흐름이 개선된다. 뒤로 차량정체가 생긴 다는 것은 회복시간이 그만큼 길어진다는 것을 의 미한다. 시간-속도 그래프를 분석해보면 2:8의 경 우 135초, 3:7의 경우 120초, 4:6의 경우 93초로 줄어들었다. 두 번째 그래프 집합(교통량이 1500 대 /시/차로)에서는 첫 번째 그래프 집합과 비교했을 때, 회복시간과 차량정체 패턴에서 더 빠른 회복 시 간을 가짐을 알 수 있다. 이는 교통량이 V2X 환경 내의 차량 비율에 따른 정체패턴에 큰 영향을 끼침 을 알 수 있다. 세 번째 그래프의 집합(교통량이 800 대/시/차로)에서는 회복시간과 차량 정체 패턴 모두 두 번째 그래프보다 더 개선된 모습을 보여준 다. 이에 따라 도로의 소통 상황에 영향을 끼치는 것은 교통량이 가장 중요하다는 것을 알 수 있다. 하지만 V2X 환경 내의 차량의 비율이 증가할수록 개선의 정도가 줄어들었고, 교통류 흐름 패턴에 관 해서는 3：7 이후, 비슷한 패턴을 보였다.
2.평균속도와 차량별 평균 지체
<Fig. 7>은 회복시간뿐만 아니라 다른 MOE인 평 균속도와 차량별 평균지체에 관한 결과다. 앞서 제 시했던 회복시간과 달리 평균속도와 차량 평균지체 는 거시적인 도로 상태를 확인하기에 유용한 MOE 이다. V2X 차량의 시장점유율이 점점 증가하면서 (2：8, 3：7, 4：6) 1500veh/h 기준 차량별 평균지체 는 11.05초에서 5.54초로, 평균속도는 85.46km/h에서 87.28 km/h로 점점 개선됨을 느낄 수 있다. 평균 속 도는 V2X 차량의 비율이 증가하며 평균 속도가 증 가하는 경향을 보인다. 하지만 이는 교통량이 증가 하는 효과보다 적은 것으로 나타났다. 차량 평균 지 체 역시 V2X 차량의 비율이 증가할수록 감소하는 경향을 보였다. 4：6에서의 차량 평균 지체는 음의 값이 나오는데, 이는 앞서 설명했듯이 난수 생성에 있어서 이상적인 주행시간보다 더 빨리 달리는 차 량이 생기기 때문에 생기는 것으로 판단된다. <Fig. 8>.
V.결론 및 논의사항
V2X 환경은 차량과 차량 간, 혹은 차량과 기반 시설 간 통신을 통해 정보를 주고받음으로써 사람 의 인지-반응시간에 따른 누적 효과를 없애 도로 안전과 효율성을 개선시키는 시스템이다. V2X 환 경을 평가하기 위해 본 논문에서는 V2X 환경의 시 장점유율과 무선 통신 가능 범위, 교통량에 따라 도 로 상태가 어떻게 변하는지 연구하였다. V2X 환경 을 시뮬레이션하기 위해 본 논문에서는 V2X 속도 전달 과정과 교통류의 흐름을 알고리즘으로 구현하 였고, 미시적 교통 시뮬레이션으로 나온 차량 궤적 데이터를 SAS로 분석하였다.
연구 결과, V2X 환경은 교통량의 증가로 인한 혼잡을 줄여주는데 도움을 주는 것으로 나타났다. 500m~1000m 사이의 통신가능 범위를 설정하였을 때, 그렇지 않았을 때보다 도로 상황이 개선되는 것을 볼 수 있었다. 하지만, 도로 용량에 근접한 혼잡상황일 때에는 V2X 환경 역시 도로 상태를 개선할 수 없었다. 대신 인지-반응 시간을 누적시키지 않아 정체 구간의 길이가 증가하지 않음을 볼 수 있었다.
또한, 긴 통신 가능 범위를 선정하는 것이 짧은 통신 가능 범위를 선정하는 것보다 항상 좋다고 볼 수 없었다. 본 연구에서 제시한 3가지의 MOE인 회복시간, 차량별 평균 지체, 평균 속도를 통해 통신가능 범위를 조사해본 결과, 500m~1000m 사이의 통신가능 범위 중 가장 효율적인 통신가능 범위는 750m인 것으로 나타났다. 이 연구 결과를 통해 미래에 무선 통신 가능 범위가 증가하더라도, 항상 긴 통신 가능 범위보다는 적정 통신 가능 범위를 설정하고, 그 이상의 범위에 해당하는 차량 에 관해서는 정보를 전달하지 않는 것이 더 효율적이라 는 결론을 내릴 수 있었다.
또한 V2X 차량의 시장점유율은 3 대 7 이후로 비슷한 효과를 얻는 것으로 나타났다. 회복시간은 시장점유율 이 증가함에 따라 줄어드는 것이 보이지만, 평균속도와 평균 지체는 달라짐을 보일 수 있다. 이는 V2X 차량의 시장점유율이 증가할수록 교통 혼잡을 지속적으로 감 소시킨다는 일반적인 생각과 다른 결과를 나타내고 있다. 다시 말해, 생각보다 높지 않은 시장점유율을 가지고도 V2X환경의 효과를 볼 수 있음을 나타내고 있다. 하지만 거시적인 입장에서 봤을 때, 교통 혼잡 발생 시 우회 경로를 제시(Re-routing)하여 진입 교통량 을 조절한다면 도로 소통 상황은 실제 미시적 시뮬레이 션의 효과보다 더욱 개선될 것으로 판단된다. 이는 V2X 환경의 하부 분야인 V2V와 V2I의 측면에서 보자면, 본 논문에서 주로 제시하는 V2V 환경보다 V2I 환경에 가까운 기술이다.
V2X 환경이 조성된다면 전체 교통사고에서 86%를 차지하는 인적 요인에 의한 교통사고가 감소하기 때문 에 전체 교통사고의 80% 이상이 감소할 것이다. (Weiß, 2011)따라서 교통사고로 인한 지체 역시 해소되어 전체 적인 교통 지체는 감소하게 된다.
본 논문은 총 세 가지의 한계점을 가지고 있다. 첫 번째로는 차량 간 통신과정을 알고리즘으로 해결 했다는 것에 있다. 향후 실제 통신 시뮬레이션과 교통 시뮬레이션의 결합으로 V2X 환경을 구현한다면 기존 연구결과보다 현실을 더 잘 반영할 수 있을 것이다. 또한, V2X의 차량 간 통신이 증가함에 따른 메시지 브로드캐스트 폭주를 반영한 통신 가능 범위도 분석할 수 있을 것으로 예측된다.
두 번째로는 V2X 차량의 교통류 흐름 모형에서 파라 미터의 적용이 충분한 검토를 겪지 않았다는 것이다. VISSIM에서 쓰이는 차량 추종 모형인 Wiedemann 74모 형은 보통 고속도로에서, Wiedemann 99 모형은 보통 도심부에서 많이 쓰인다. 고속도로 모형에 맞는 개선된 파라미터를 사용한다면 현실을 정확하게 반영한 미시 적인 차량의 흐름을 가질 수 있을 것이다.
세 번째로는 실제 V2X 차량에 대한 테스트베드 실험 이 부족했다는 것에 있다. 많은 테스트베드 실험은 V2X 차량 한 대, 혹은 그 이상의 차량으로 실행된다. 하지만 실제로 V2X 환경을 현실에 적용할 때는 일반 차량과 V2X 차량이 혼합된 교통류 흐름을 가질 것이다. 비록 작은 규모의 표본 실험이라 하더라도 테스트베드에서 실제 실험 진행 시 일반 차량과 V2X 차량을 일정 비율로 섞어 그 안에서 벌어지는 역학 관계를 실험한 결과를 토대로 데이터로 분석했다면 현실을 더욱 올바르게 반영한 결과를 얻을 수 있을 것이다.
본 논문에서는 미래 기술인 V2X 환경을 가정하고, 교통류의 흐름을 분석해보았다. V2X 환경의 도입 에 따라 이는 V2X 환경을 좀 더 효율적으로 계산 할 수 있게 만드는 하나의 기반이 될 것이다.
