Ⅰ. 서 론
1. 연구 배경 및 목적
도시고속도로는 물론 지방부 고속도로들도 출퇴근시간, 주말, 휴가철 등 특정시간대를 중심으로 심한 교 통체증을 겪고 있다. 이러한 교통혼잡은 공사나 교통사고와 같은 발생지점에서 발생하는 돌발상황 등 많은 외부적인 요인에 의한 비반복적인 혼잡 외에도 그 지점을 통과하고자 하는 많은 교통수요에 의해 반복적으 로 발생한다. 교통혼잡을 해소하기 위해서 최근에는 기존 시설들을 시‧공간적을 탄력적으로 활용하여 교통 혼잡을 완화하고 안전하고 원활한 교통서비스를 제공하기 위한 능동적인 교통관리전략이 다양하게 적용되 고 있다. 램프미터링은 합류부에서 본선으로 합류하고자 하는 진입로의 교통량을 신호로 제어하여 본선을 통과하고자 하는 수요가 용량을 초과 시 발생하는 교통 와해 현상을 방지함으로써 본선 교통류의 상태를 보 다 원활하게 유지하고자 하는 교통관리기법으로 기존 시설의 운영효율을 극대화하는 방안이다. 우리나라에 서도 수도권제1순환선 상습 정체구간의 소통개선을 위해 계양나들목에서 장수나들목 구간에 램프미터링이 운영되고 있다. 그리고 2026년까지 고속도로 상습 정체길이 30% 감축을 목표로 15대 개선 방안을 포함하는 고속도로 교통정체 개선 방안에도 램프미터링이 포함되어 있다. 램프미터링 효과는 실시간 교통상황에 따라 램프에서 본선으로 진입하는 교통량인 미터링율을 어떤 매개변수를 사용하고 어떻게 산정하고 어떻게 조절 하느냐에 달려 있다고 할 수 있다. 본 논문에서는 이러한 이슈들과 관련된 문제들에 대하여 기존 미터링기법 검토 및 검지기 수집데이터 등을 분석하여 실시간 교통상황을 잘 구현할 수 있는 미터링율 산정 방법과 운 영기법을 제시하였다.
Ⅱ. 램프미터링 이론 고찰
1. 램프미터링 기법 검토
Jeon and Jung(2015)에 의하면 램프미터링에는 도로 전체에서 고정 데이터를 사용하는 Fixed-Time 방법, 도 로 전체의 실시간 정보를 사용하는 Reactive Ramp Metering 방법, 각 램프 지역의 실시간 교통 데이터를 이용 하는 Local Ramp Metering 방법, 여러 램프를 연계 제어하여 효율적인 램프 운용을 할 수 있는 Coordinated Ramp metering 방법 등이 있다.
본 논문에서 다루고자 하는 local ramp metering은 제어방식에 따라 다양하게 구분된다. Kim(2010)에 의하 면 세 가지로 구분되는 데 첫째 수요-용량 제어방식은 상류부의 통행량과 하류부의 용량을 실시간으로 비교 하여 미터링을 결정하는 방식이다. 상류부의 통행량은 검지기로부터 실시간 자료가 구해지고 과거의 자료나 하류의 통행량으로부터 계산되어 구해지는 하류부 용량과 비교된다. 이 상류부의 통행량과 하류부의 용량 차이가 바로 연결로에서의 진입 가능한 교통량이 된다. 둘째, 점유율 제어는 검지기 관측으로 상ㆍ하류부의 실제시간 점유율을 비교하여 연결로의 미터링률을 결정하는 방식으로 과거 통행량-점유율 자료에 근거하여 결정된다. 셋째, 간격 수락 및 수요-용량 제어는 수요-용량 제어방식과 간격수락 방식을 결합시킨 방식으로 수요-용량제어의 미터링율 내에서 개별 차량들이 교통류의 허용된 간격에 맞도록 램프로부터 진입된다.
대표적인 local ramp metering으로 널리 사용되고 있는 Papageorgiou et al.(1991)가 개발한 ALINEA는 램프 미터링을 위한 로컬 교통 반응 피드백 제어 알고리즘이다. 이 알고리즘은 고속도로 하류부에 검지기를 설치 하여 점유율을 수집하여 점유율 변화에 따라 달라지는 제어변수로 미터링 비율을 계산한다. 즉, 현재 미터링 률은 전 시간대 미터링률, 임계점유율과 하류부에서 측정된 점유율에 의하여 결정된다. 점유율을 교통량으로 환산하기 위해 사용되는 조정상수와 임계점유율은 현장에 적용 시 보정해야 되는 parameter이다. FL-ALINEA 는 점유율 대신 교통량을 이용하여 미터링율을 계산한다. Shaaban et al.(2016)은 ALINEA는 고속도로 본선의 교통흐름을 향상시키는데 좋은 성능을 발휘하지만 진입램프에서 긴 대기행렬을 발생시켜 병목 현상을 일으 킬 수 있는데 이러한 대기행렬을 고려한 방안도 있지만 현실적으로 대기행렬을 효율적으로 관리하는 데는 어려움이 따른다고 하였다. Jiang et al.(2012)는 대기행렬 관리를 일시 중단하여 본선의 속도를 향상시키고자 하였다. Smaragdis and Papageorgiou(2003)는 일정하게 적용되는 임계점유율 값을 날씨 조건이나 차종구성비 에 따라 실시간으로 변경될 수 있는 AD-ALINEA를 제안하였다. Jacobson et al.(1989)의 Bottleneck Algorithm 은 local 및 system wide 수준 모든 경우에 적용된다. Local 수준에서 이 알고리즘은 램프 상류의 수요와 램프 하류의 용량을 비교하여 수요가 용량을 초과하지 않도록 하는 미터링율을 계산한다. 램프 연계 수준에서 제 어 알고리즘은 잠재적 병목지점의 점유율이 임계값을 초과하고 병목지점 상류지역에 대기차량이 저장될 때 작동한다. 램프에서 병목지점으로 들어오는 차량의 양을 본선 상류부 대기차량 수와 동일하게 줄이기 위해 해당 영역 또는 구역의 모든 램프에 대한 미터링율을 결정한다. Stephanedes(1994)의 Zone Algorithm은 Zone 의 유입 및 유출을 제어하여 본선의 밀도를 특정 임계값 아래로 유지한다. 유입 및 유출 값에서 미터링율 (collective metering rate)을 계산한 다음 사전에 결정된 램프 계수(pre-defined ramp factor)를 사용하여 모든 램 프미터링에 배분된다.
앞에서 살펴본 local ramp metering은 고속도로 진입 구간 하류부에서 측정한 점유율을 기초로 하여 미터링 률을 결정한다. 미터링율은 전 시간대 미터링률, 임계점유율과 하류부에서 측정된 점유율에 의하여 결정된 다. 점유율이 임계점유율 보다 커지면 미터링율이 작아져 램프로부터 진입 교통량이 감소되게 되고 반대로 점유율이 임계점유율보다 작으면 미터링율이 커져서 진입 교통량이 증가하게 된다. 그러나 점유율 산정 시 필요한 parameter들 값에 따라 미터링율이 변하게 되며 진입램프에서 발생되는 긴 대기행렬로 병목 현상이 발생되기도 하며 실시간 교통류 변화에 탄력적으로 적용하기 힘들다.
2. 미터링율 산정 변수 검토
램프미터링은 진입로로부터 본선에 진입하는 차량을 통제함으로써 본선의 교통흐름을 향상시키는 것을 목표로 하고 있다. 본선의 정체가 시작되었을 때 본선의 교통상황을 정확히 파악하고 정체된 교통상황을 정 상류 상태로 회복시키는 것은 매우 중요하다. 그러므로 도로의 정체 또는 원활 상태를 파악하는 정확한 기준 이 정해져야 한다. 연속 교통류의 교통특성을 설명해주는 주요 변수에는 교통량, 밀도, 속도 등이 있다. 이 중에서 밀도는 검지기 데이터로부터 직접 수집할 수 없고 계산에 의해 산정되어야 하므로 신뢰성이 저하될 수 있다. <Table 1>은 사용되는 미터링기법들이 사용하는 있는 매개변수들이다.
<Table 1>
Summary of Tradinational Ramp Metering Algirithms
| algorithms | Year | Authors | Type | Control Inputs |
|---|---|---|---|---|
| Alinea | 1997 | Papageorgiou et al. | Local/Feedback | Occupancy |
| Bottleneck | 1989 | Jacobsen et al. | Local or Coordinated | Occupancy |
| Zone Algorithm | 1989 | Stephanedes | Local or Coordinated | Flow rate |
이들 중에서 미터링 모형에서 미터링율 산정에 많이 사용되는 변수는 점유율이고 통합제어 모형 등에 OD 등 교통량이 사용된다. 밀도가 사용되는 경우도 있는데 밀도를 산정하기 위해 속도가 사용된다. 그러나 속도 를 직접 미터링율 산정을 위해 제어변수로 사용하는 경우는 거의 없다.
Ⅲ. 미터링 기준 설정
고속도로의 동적 램프미터링 시스템이 효과적으로 구축되기 위해서는 교통상황 변화를 잘 반영해주는 제 어변수 및 실시간 미터링율을 산정하는 것이 가장 중요하다고 할 수 있다.
1. 제어변수 설정
미터링율 산정에 사용되는 변수는 연속 교통류 특성을 잘 반영해 주어야 한다. 특히, 미터링은 혼잡상황에 서 작동하는 교통관리전략으로 혼잡상황 시 교통류 상태를 잘 반영해 주어야 한다. 따라서 본 논문에서는 검 지기 데이터를 사용하여 교통소통상황에 따른 연속교통류 특성을 분석하였다. 아래 <Table 2>와 같이 전체 교통류에 대한 교통량, 점유율, 속도에 대한 상관분석 결과에 의하면 교통량과의 상관관계가 점유율이 0.62 로 상관관계가 크지만 속도는 –0.40로 작게 나타나 점유율이 교통량 변화에 따른 연속교통류 특성을 더 잘 설명해 준다고 할 수 있다. 소통이 원활한 교통류 상태에서는 <Table 2>와 같이 모든 차로를 이용하는 전체 교통류와 점유율과의 상관계수는 0.79로 전체 교통류 상태보다 더 높게 나타났다. 그러나 속도는 –0.17로 더 작게 나타나 소통원활 상태에서는 점유율이 교통량 변화에 따른 소통상태를 더 잘 설명해주는 것으로 나 타났다.
<Table 2>
Correation Analysis Results for Traffic Volume Using All Lanes
| Total Traffic Flow | Traffic Flow Above 80 kph | |||||
|---|---|---|---|---|---|---|
| volume | occupancy | speed | volume | occupancy | speed | |
| volume | 1 | 1 | ||||
| occupancy | 0.62 | 1 | 0.79 | 1 | ||
| speed | -0.40 | -0.72 | 1 | -0.17 | -0.44 | 1 |
승용차 이용이 주를 이루는 1차로에 대한 상관분석 결과를 살펴보면 <Table 3>과 같이 1차로를 이용하는 전체 교통류의 경우 교통량과의 상관계수가 속도 –0.44, 점유율 0.78로 증가했다. 그리고 80kph 이상인 경우 는 속도 –0.73, 점유율 0.97로 점유율은 거의 선형수준으로 증가했고 속도도 상관계수가 크게 나타났다.
<Table 3>
Correlation Analysis Results for Traffic Flow Using Lane 1
| Total Traffic Flow | Traffic Flow Above 80kph | |||||
|---|---|---|---|---|---|---|
| volume | occupancy | speed | volume | occupancy | speed | |
| volume | 1 | 1 | ||||
| occupancy | 0.78 | 1 | 0.97 | 1 | ||
| speed | -0.44 | -0.73 | 1 | -0.73 | -0.71 | 1 |
따라서 전체 교통류 상태나 소통이 원활한 상태에서는 점유율이 속도보다는 교통량 변화에 따른 교통류 상태를 더 잘 반영해 준다고 할 수 있다. Ministry of Land, Infrastructure, and Transport(2013)에서 제시된 <Fig. 1>에서 보여주는 교통량 변화에 따른 속도와 서비스 변화를 보면 설계속도 100kph에서 용량상태 시 속도가 80kph보다 조금 작은 것으로 나타난다. 따라서 본 논문에서는 80kph를 정상 교통류와 혼잡 교통류의 경계속 도로 간주하여 80kph 이상을 정상 교통류 그 미만을 혼잡 교통류로 간주하였다.
이를 기준으로 속도가 80kph 미만인 혼잡 교통류 상태에서의 상관분석 결과는 다음과 같다. 아래 <Table 4>에 의하면 혼잡상태에서는 점유율보다 오히려 속도가 교통량 변화에 따른 교통류 특성을 잘 반영해 주는 것으로 나타났다. 따라서 혼잡상태에서 수행되는 미터링 제어변수로 점유율 외에 속도에 대한 검토도 필요 한 것으로 분석되었다. 특히 속도가 교통류 상태를 운전자들이 가장 피부로 잘 느낄 수 있다는 점에서 속도 자료를 적극적으로 활용할 필요가 있다. 따라서 본 논문에서는 상기 분석 결과를 토대로 80kph를 미터링 종 료 속도로 설정하여 80kph 보다 작으면 미터링 시스템이 작동하게 된다. 반면에 Arinea모형은 목표 점유율에 의해 미터링율이 조절되게 된다. 그리고 점유율 외에 속도를 고려한 점유율을 산정하고 시뮬레이션을 수행 하여 비교 평가하고자 한다.
<Table 4>
Correlation Analysis Results for Traffic Flow Less Than 80 kph
| Total Traffic Flow | 1st Lane Traffic Flow | |||||
|---|---|---|---|---|---|---|
| volume | occupancy | speed | volume | occupancy | speed | |
| volume | 1 | 1 | ||||
| occupancy | -0.05 | 1 | -0.23 | 1 | ||
| speed | 0.33 | -0.70 | 1 | 0.59 | -0.73 | 1 |
2. 미터링율 설정
1) 주기 당 미터링율
고속도로의 합류부가 소통이 원활할 때는 진입램프에서는 가능한 용량만큼 교통량이 진입할 수 있다. 그러 나 합류부로 진입하는 교통량이 증가하여 혼잡이 발생되기 시작하면 병목현상으로 인하여 쉽게 교통류가 와해 상태에 도달할 수 있다. 이와 같은 상황에서 램프로부터 진입 교통량을 감소시켜 합류부의 용량이하로 조절하 여 교통혼잡을 완화시키는데 램프미터링이 사용된다. Ministry of Land, Infrastructure, and Transport(2013)에 의 하면 설계속도 60kph 시 용량은 1800pcph이지만 미터링 시에는 용량이 감소하게 되며 이론적인 램프 용량은 한 주기에 진입하는 차량 대수에 의해 결정된다.
Papageorgiou et al.(2004)에 의하면 단일차로 램프에서 녹색시간에 교통량을 통과시키는 방법은 두 가지로 구분할 수 있다. 첫째 한 주기에 1대의 차량을 진입시키는 방법이다. 녹색과 황색시간은 한 차량이 정지선을 충분히 통과할 수 있도록 제공되어야 한다. 적색시간은 다음 차량이 완전히 정지한 후 진행하도록 하는데 충 분해야 한다. 이론적으로 가장 작은 주기는 4초(녹색 1초, 황색 1초, 적색 2초)이다. 이때 용량은 900vph로 산 정된다. 그러나 현장 관찰 결과 4초 주기는 각 차량이 진행하기 전에 정지해야 하기에는 너무 짧고 운전자가 주저하면 차량 당 2주기를 소모할 수 있기 때문에 더 합리적인 최소 주기는 약 4.5초(적색 2.5초)로 이 경우 용량은 800vph로 줄어들게 된다. 최소 적색시간 3초와 1주기에 1대를 진입시키는 본 논문의 시뮬레이션 결 과에서도 신호주기가 4초(녹색 1초, 적색 3초, 용량 900veh)인 경우와 5초(녹색2초, 적색3초, 용량 720vph)인 경우가 주를 이루어 평균값을 적용할 경우 신호주기 4.5초로 용량은 800vph로 산정된다.
둘째는 한 주기에 2대 이상의 차량을 진입시키는 Platoon metering이다. <Table 5>는 Platoon metering에 따 른 최소신호시간과 용량이다. 이 전략의 가장 일반적인 형태는 한 주기 녹색시간 당 2대의 차량을 진입시키 는 것이다. 3대 이상의 차량을 진입시킬 수 있지만 <Table 5>에서와 같이 군집 미터링은 램프 속도가 증가함 에 따라 안정적인 차량 이동을 보장하기 위해 더 많은 녹색, 황색 및 적색시간이 필요하여 신호주기가 길어 지기 때문에 한 주기당 1대 진입에 비해 용량이 크게 증가하지 않는다. 이러한 분석 결과와 안정적인 미터링 운영을 위해 본 논문에서는 한 주기당 1대를 진입시키는 미터링을 적용하였다.
<Table 5>
Recommended controller timing for platoon metering
| vehicles per cycle | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| red (sec) | 2.00 | 2.00 | 2.32 | 2.61 | 2.86 | 3.08 |
| yellow | 1.00 | 1.70 | 2.00 | 2.22 | 2.41 | 2.58 |
| green | 1.00 | 3.37 | 5.47 | 7.35 | 9.13 | 10.83 |
| cycle length | 4.00 | 7.08 | 9.78 | 12.19 | 14.40 | 16.49 |
| meter capacity (vph) | 900 | 1017 | 1104 | 1181 | 1250 | 1310 |
3. 미터링율과 신호주기 산정
미터링율 산정에 사용되는 매개변수는 연속적인 전후 시간대 교통량 변화에 다른 교통상황 변화를 잘 반 영해 주어야 한다. <Table 6>은 80kph 미만에서 교통량 변화에 따른 속도와 점유율의 전후 시간대별 변화 패 턴을 보여준다. 전 단계에 비해 9구간(16.67%)를 제외하면 교통량이 증가하면 속도도 증가하고 교통량이 감 소하면 속도도 감소하는 것으로 나타나 변화패턴이 유사하게 나타났다. 그러나 점유율은 전 단계와의 교통 량이 증가하면 감소하고 교통량이 감소하면 증가하는 경우가 많지만 31.48%(17개)는 이와 반대로 나타났다. 특히 반대되는 경우들이 속도 차이는 교통량 차이가 작은 경우에 국한되는데 점유율 차이는 교통량 차이가 큰 경우에도 발생되어 속도가 점유율보다 교통량 변화 패턴과 일관성이 크고 교통량 변화에 따른 교통류 특 성을 더 잘 반영해주는 것으로 나타났다.
<Table 6>
Before-and-after time difference of volume, speed, and occupancy
| time | volume | speed | occupancy | difference by time | time | volume | speed | occupancy | difference by time | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| volume | speed | occupancy | volume | speed | occupancy | |||||||||
| 0 | 147.00 | 71.67 | 15.35 | - | - | - | 28 | 100.00 | 25.67 | 22.07 | 1.00 | 2.48 | -4.30 | |
| 1 | 115.00 | 38.23 | 14.65 | -32.00 | -33.44 | -0.70 | 29 | 91.00 | 20.31 | 21.62 | -9.00 | -5.36 | -0.46 | |
| 2 | 126.00 | 62.96 | 11.70 | 11.00 | 24.73 | -2.95 | 30 | 90.00 | 21.85 | 24.99 | -1.00 | 1.54 | 3.37 | |
| 3 | 98.00 | 33.22 | 24.94 | -28.00 | -29.74 | 13.24 | 31 | 98.00 | 28.05 | 26.65 | 8.00 | 6.20 | 1.66 | |
| 4 | 124.00 | 42.81 | 17.01 | 26.00 | 9.60 | -7.93 | 32 | 103.00 | 26.87 | 22.53 | 5.00 | -1.18 | -4.12 | |
| 5 | 115.00 | 40.97 | 12.44 | -9.00 | -1.85 | -4.57 | 33 | 107.00 | 35.34 | 12.77 | 4.00 | 8.47 | -9.77 | |
| 6 | 119.00 | 44.59 | 15.88 | 4.00 | 3.63 | 3.44 | 34 | 104.00 | 34.41 | 22.35 | -3.00 | -0.93 | 9.58 | |
| 7 | 93.00 | 21.56 | 25.19 | -26.00 | -23.03 | 9.31 | 35 | 94.00 | 28.01 | 26.78 | -10.00 | -6.41 | 4.44 | |
| 8 | 101.00 | 31.14 | 13.33 | 8.00 | 9.58 | -11.87 | 36 | 98.00 | 29.27 | 15.38 | 4.00 | 1.27 | -11.40 | |
| 9 | 78.00 | 21.41 | 26.17 | -23.00 | -9.73 | 12.84 | 37 | 100.00 | 32.89 | 20.22 | 2.00 | 3.61 | 4.84 | |
| 10 | 85.00 | 19.76 | 25.10 | 7.00 | -1.65 | -1.07 | 38 | 90.00 | 24.34 | 29.37 | -10.00 | -8.55 | 9.15 | |
| 11 | 81.00 | 22.23 | 20.47 | -4.00 | 2.47 | -4.63 | 39 | 111.00 | 33.22 | 21.82 | 21.00 | 8.88 | -7.55 | |
| 12 | 79.00 | 15.96 | 28.21 | -2.00 | -6.27 | 7.74 | 40 | 95.00 | 23.43 | 22.46 | -16.00 | -9.79 | 0.64 | |
| 13 | 87.00 | 20.78 | 21.81 | 8.00 | 4.82 | -6.40 | 41 | 109.00 | 38.19 | 14.59 | 14.00 | 14.76 | -7.87 | |
| 14 | 84.00 | 22.33 | 29.30 | -3.00 | 1.55 | 7.49 | 42 | 101.00 | 32.59 | 19.29 | -8.00 | -5.59 | 4.70 | |
| 15 | 119.00 | 44.61 | 26.34 | 35.00 | 22.28 | -2.96 | 43 | 97.00 | 46.18 | 8.75 | -4.00 | 13.58 | -10.54 | |
| 16 | 125.00 | 58.78 | 29.29 | 6.00 | 14.17 | 2.95 | 44 | 119.00 | 67.19 | 8.96 | 22.00 | 21.02 | 0.20 | |
| 17 | 131.00 | 62.06 | 22.82 | 6.00 | 3.28 | -6.47 | 45 | 94.00 | 30.52 | 19.46 | -25.00 | -36.67 | 10.51 | |
| 18 | 115.00 | 37.54 | 17.62 | -16.00 | -24.52 | -5.21 | 46 | 103.00 | 60.54 | 6.34 | 9.00 | 30.02 | -13.12 | |
| 19 | 119.00 | 48.29 | 12.14 | 4.00 | 10.75 | -5.48 | 47 | 100.00 | 69.35 | 6.05 | -3.00 | 8.80 | -0.30 | |
| 20 | 107.00 | 42.62 | 24.60 | -12.00 | -5.67 | 12.46 | 48 | 103.00 | 64.36 | 6.81 | 3.00 | -4.98 | 0.76 | |
| 21 | 99.00 | 27.59 | 18.43 | -8.00 | -15.04 | -6.17 | 49 | 89.00 | 57.94 | 5.72 | -14.00 | -6.43 | -1.08 | |
| 22 | 103.00 | 33.38 | 18.04 | 4.00 | 5.79 | -0.39 | 50 | 84.00 | 61.85 | 4.46 | -5.00 | 3.91 | -1.26 | |
| 23 | 103.00 | 29.50 | 20.88 | 0.00 | -3.88 | 2.84 | 51 | 106.00 | 65.61 | 6.42 | 22.00 | 3.76 | 1.96 | |
| 24 | 92.00 | 22.16 | 27.18 | -11.00 | -7.34 | 6.30 | 52 | 97.00 | 63.89 | 7.01 | -9.00 | -1.72 | 0.59 | |
| 25 | 111.00 | 38.63 | 15.74 | 19.00 | 16.47 | -11.44 | 53 | 107.00 | 65.43 | 7.22 | 10.00 | 1.54 | 0.21 | |
| 26 | 101.00 | 27.73 | 26.14 | -10.00 | -10.89 | 10.40 | Contradictory Pattern Ratio (%) | 16.67 | 31.48 | |||||
| 27 | 99.00 | 23.19 | 26.37 | -2.00 | -4.54 | 0.23 | ||||||||
Note: difference by time = vehicle(t-1)-vehicle(t)
아래 <Table 7>과 같이 전후 시간대별 교통량 차이(veh(t-1)-veh(t))에 대한 상관분석 결과는 전후 시간대별 속도 차이(speed(t-1)-speed(t)) 0.83, 점유율(occupancy(t-1)-occupancy(t)) –0.53으로 나타났고 전후 시간대별 교 통량 차이의 비율(veh(t-1)/veh(t))에 대한 상관분석 결과는 속도(speed(t-1)/speed(t)) 0.80, 점유율(occupancy(t-1)/ occupancy(t)) –0.48로 두 경우 모두 속도가 매우 크게 산정되었다. 상관분석 결과에 의하면 전후 시간대 값 차이가 전후 시간대 값의 비율보다 상관계수가 조금 크지만 이를 미터링율에 적용하기 위해서는 값 차이를 교통량으로 환산하기 위한 조정계수가 필요하여 오차가 수반되며 교통상황을 실시간으로 반영하는데 한계 가 있어서 본 논문에서는 속도와 점유율 전후 시간대 값 비율을 미터링율 산정을 위한 변수로 선정하였다.
<Table 7>
Correlation analysis results of the difference in variable values by time before and after
| difference | the ratio of difference | |||||
|---|---|---|---|---|---|---|
| volume | speed | occupancy | volume | speed | occupancy | |
| volume | 1 | 1 | ||||
| speed | 0.83 | 1 | 0.80 | 1 | ||
| occupancy | -0.53 | -0.55 | 1 | -0.48 | -0.61 | 1 |
Note: difference by time = volume(t-1)/volume(t)
Alinea에 사용되는 미터링율 산정식과 앞에서 선정된 제어변수들을 이용하여 3개의 미터링율 산정식을 구 하였다. 식(1)의 기존 Arinea 산정식, 본 논문에서 제시한 식(2-1, 2-2)의 속도비율 산정식과 식(3-1, 3-2)의 점 유율 산정식으로 나뉜다.
여기서, r(t) = t시간대 미터링률, r(t-1) = 전 시간대 미터링율, Kr = 조정 상수, Oopt = 임계점유율, O (t) = t시간대 점유율
식(1)의 경우 본 논문에서는 Papageorgiou et al.(2004)의 조정상수(Kr )는 70vph, 임계점유율(Oopt )은 18∼ 30%를 감안하고 임계점유율이 주로 용량 상태의 점유율을 사용하기 때문에 <Fig. 2>의 검지기 데이터에서 80kph 이하에서 최대교통량 점유율 15.3%, 22.8%, 29.3% 등을 고려하여 임계점유율은 18%, 24%, 30%로 설 정하였다.
속도 비율 산정식은 전후 시간대 교통류 상태 변화에 따라서 다른데 전 시간대보다 속도가 증가했으면 전 시간대 미터링율 식(2-1)을 사용하고, 속도가 감소했으면 전 시간대 미터링율에 전후 시간대 속도비율을 곱 한 식(2-2)를 사용하여 미터링율이 작아지게 된다.
점유율 비율 산정식도 속도 비율 산정식과 같이 전후 시간 단계 교통류 상태 변화에 따라서 다른데 전 시 간대보다 점유율이 감소했으면 전 시간대 미터링율 식(3-1)을 사용하고 점유율이 증가했으면 전 시간대 미터 링율에 전후 시간대 점유율 비율을 곱해서 식(3-2)을 사용하여 미터링율이 작아지게 된다.
이렇게 산정된 미터링율로 검지기 데이터 수집주기를 나누어 신호주기가 산정된다. 그러나 본 논문에서 제 시한 미터링 알고리즘을 사용하는 식(2)와 식(3)의 신호주기는 최대미터링율(‘미터링속도인 80kph일 때 하류부 용량’−‘본선 상류부의 진입교통량’)로 수집주기를 나눈 최대주기에 따라 조정된다. 진입 교통량이 하류부 용 량보다 크면 수집주기가 최대주기가 되고, 하류부 용량보다 작으면 수집주기를 최대미터링율로 나눈 값이 최 대주기가 된다. 진입 교통량이 용량 이상이면 최대주기는 수집주기가 되어 미터링율은 0이 된다. 미터링 신호 의 경우 동일한 방향으로 진행하는 단일차로 램프상에서 운영되므로 진행 차량 간에 상충은 발생되지 않으므 로 신호시간은 적색시간과 녹색시간으로 운영되도록 하였다. 그리고 적색시간은 최소시간 3초를 부여하고 녹 색시간 최소시간은 별도로 부여하지 않고 녹색신호에 정지선을 통과한 차량이 정지선 하류부에 인접 설치된 진출검지기를 통과하면 녹색시간이 종료되도록 하여 녹색시간 당 1대 차량이 통과하도록 하였다.
Ⅳ. 알고리즘 구축
앞에서 산정된 미터링 기준을 사용하여 자료수집 단계별 교통상황 변화를 반영할 수 있는 동적 미터링알 고리즘을 구축하였다. <Fig. 3>와 같이 초기에는 미터링 신호는 green에서 시작된다. 검지기 속도가 80kph 이 상이면 미터링 시스템이 작동되지 않고 다음 시간 단계로 넘어가고, 80kph 미만이면 미터링 알고리즘에 따 라 다음 단계로 진행된다. 각 단계에서 산정된 신호주기가 전 단계와의 교통류 변화에 따라 산정된 최대 신 호주기 이상이면 녹색시간으로 전환되어 다음 시간 단계로 넘어가고 최대 신호주기보다 작으면 현재 신호 상태에 따라 아래와 같이 진행된다.
첫째, 신호가 녹색이면 신호 하류부에 설치된 진출 검지기를 차량이 통과했으면 적색신호가 되고 차량이 통과하지 않았으면 신호주기 이내에서 차량이 통과할 때까지 녹색신호시간이 연장되어 한 주기에 차량 1대 가 통과할 수 있게 되지만 차량이 통과하지 않더라도 신호주기가 종결되면 적색신호로 전환된다.
둘째, 적색이면 신호주기가 최대신호주기 이상이면 녹색신호로 바뀌고 그렇지 않으면 전 시간 단계의 속 도와의 차이에 따라 신호주기가 산정되고 적색시간이 신호주기보다 작으면 적색신호가 지속되고 그렇지 않 으면 녹색신호으로 바뀌어 다음 시간 단계로 넘어간다.
Ⅴ. 시뮬레이션
전 절에서 구축된 알고리즘을 VISSIM의 VISVAP으로 구현하여 시뮬레이션을 수행하였다. VISSIM 시뮬레 이션은 random seeds의 변화에 따라 교통류 속성이 변하게 되므로 합리적인 결과를 도출하기 위해 시나리오 별로 6개 random seeds에 대하여 수행하여 평균값을 사용하여 분석하였다.
1. 시뮬레이션 수행을 위한 자료 구축
미터링을 위한 신호기는 본선 접속부에 인접된 램프상에 설치하고 녹색과 적색으로 운영된다. 미터링 신 호기 전후에 각각 검지기를 설치하여 신호기로 진입하는 교통량과 진출하는 교통량 정보가 수집되도록 하였 다. 본선 검지기 위치는 미터링 신호기 위치에서 데이터 수집주기(time period) 이내에 도착이 되는 지점으로 너무 가깝거나 멀지 않도록 선정되어야 한다. 이를 만족시키도록 수집주기(60초) 이내에 통과가 가능하고 Ministry of Land, Infrastructure, and Transport(2013)의 합류부 영향권(진입부 상류부 100m∼진입부 하류부 400m)을 고려하여 램프 접속부로부터 180m 떨어진 지점에 본선 검지기를 본선 차로에 설치하였다. 차로수 는 본선 4차로로 설정하고 링크 거리는 고속도로 I.C 최소 간격 기준 2km와 도시고속도로 IC 표준간격 2∼ 5km를 감안하여 4km로 설정하였다. 교통량은 5분 단위로 소통원활 상태에서 시작해서 혼잡상황을 거쳐 소 통원활 상태로 시뮬레이션이 진행되도록 최대교통량은 설계속도 100kph의 4차로 용량인 8,800pcph를 최대교 통량으로 하였다. 미터링률 산정식별 효과를 비교 분석하기 위하여 램프 교통량은 앞에서 살펴본 미터링 시 행 시 최대용량이 800veh인 점을 고려하여 600pcph, 700pcph, 800pcph로 구분였다. 연결로는 제한속도는 60kph로 하고 이에 따른 가속차로 220m를 고려하여 Network을 작성하였다.
network 정산은 차량 통행과 관련된 변수들 값은 차량들의 흐름 상태(특히, 합류부)가 안정화되도록 모니터 를 통한 시행착오 정산 과정을 통하여 산정하였다. 속도 분포와 용량에 대한 정산은 desired speed distribution 분포는 고속도로 검지기 데이터(송파I.C-성남I.C)를 토대로 운전자들의 주행 특성이 잘 반영되는 혼잡 발생 전 안정 교통류 상태의 속도 분포를 적용하였다. 그리고 용량은 driving behavior 요소 중 교통량이 많을 때 교통 용량에 큰 영향을 미치는 gap time distribution 값을 조정하여 속도 분포와 용량이 검지기 데이터와 유사한 분포 를 갖도록 하였다.
2. 시뮬레이션 결과 분석
시뮬레이션은 미터링율 산정 방법과 본 논문에서 제시한 알고리즘 적용 여부에 따라 5개 기법으로 구분되 어 수행하였다. Arinea 미터링율 산정식과 임계점유율 만으로 미터링이 제어되는 Arinea_18(임계점유율= 18%), Arinea_24(임계점유율=24%), Arinea_30(임계점유율=30%) 기법과 전후 시간대 점유율 비율로 미터링율 이 산정되고 본 논문에서 제시된 알고리즘으로 미터링이 제어되는 Occ_ratio 기법과 전후 시간대 속도비율에 따라 미터링율을 산정하고 제시된 알고리즘으로 제어되는 Spd_ratio 기법이다. 교통량 시나리오별로 램프미 터링 미시행 시(no)와 5개 미터링 기법에 대하여 시뮬레이션한 결과는 다음과 같다.
1) 전체 네트워크에 대한 소통상태 분석
램프 교통량이 600pcph인 경우 분석 결과는 <Table 8>과 같다. 램프미터링 미시행 시 램프에서 유일하게 본선 진입에 실패한 차량이 한 대도 발생되지 않았다. Alinea_18, 24, 30 기법의 경우 뒤에 나오는 다른 교통 량의 경우도 마찬가지로 본선 속도는 가장 크지만 램프 진입 교통량이 현저하게 감소되어 램프에서 진입하 는 차량들의 속도가 다른 모형에 비해 크게 감소되고 전체 차량들의 평균속도도 가장 작고 통행속도 산정에 반영되지 않는 네트워크에 진입조차 하지 못한 교통량도 많이 발생되었다. 그리고 임계점유율 값이 클수록 미터링 효과가 큰 것으로 나타났다. 전체 네트워크 평균속도가 비슷한 occ_ratio와 spd_ratio 기법은 전체 평균 속도가 가장 크게 나타났는데 본선 속도는 occ_ratio 기법이 램프 속도는 spd_ratio 기법이 크게 나타났다. occ_ratio와 spd_ratio 기법에 비해 네트워크를 통과한 교통량은 Alinea_18, 24, 30 기법이 훨씬 적고 램프에서 네트워크에 진입하지 못한 교통량은 반대로 나타났다.
<Table 8>
Travel speed by model for ramp volume of 600pcph
| speed | vehicles arrived* | no_departure ** | expired veh *** | |||||
|---|---|---|---|---|---|---|---|---|
| total | main | ramp | total | main | ramp | |||
| no | 80.93 | 81.04 | 78.41 | 6734 | 6234 | 500 | 0.2 | 0 |
| occ_ratio | 81.78 | 83.49 | 54.62 | 6731 | 6231 | 500 | 0.2 | 0 |
| spd_ratio | 81.75 | 83.24 | 57.17 | 6731 | 6231 | 500 | 0.2 | 0 |
| arinea_18 | 79.08 | 84.44 | 20.39 | 6509 | 6235 | 274 | 199.3 | 0 |
| arinea_24 | 80.08 | 84.31 | 30.8 | 6618 | 6233 | 385 | 78.0 | 0 |
| arinea_30 | 80.78 | 83.75 | 41.7 | 6696 | 6232 | 464 | 6.7 | 0 |
* : Vehicles have reached their destination and have left the network before the end of the simulation
** : Vehicles from input flows that could not be used until the end of the simulation
*** : Vehicles that disappeared without entering the main line from the ramp
<Table 9>의 램프교통량 700pcph의 경우는 미터링을 실시하지 않은 경우 램프에서 본선 진입에 실패하고 사라진 교통량이 2.5대가 발생하여 합류부가 혼잡하다는 것을 알 수 있다. 이로 인해 본선의 교통량은 그만큼 줄어들고 통행속도는 크게 산정되게 된다. 그리고 Arinea_18, 24, 30의 경우 다른 기법에 비해 본선속도는 크지 만 램프에서 네트워크에 진입하지 못한 교통량은 600pcph보다 훨씬 많이 발생되고 도착교통량이 상당히 적은 것으로 나타났다. 전체 평균통행속도는 occ_ratio 기법이 가장 크고 spd_ratio 기법이 그 다음으로 나타났다.
<Table 9>
Travel speed by model for ramp volume of 700pcph
| speed | vehicles arrived | no_departure | expired veh | |||||
|---|---|---|---|---|---|---|---|---|
| total | main | ramp | total | main | ramp | |||
| no | 78.53 | 79.4 | 66 | 6814 | 6232 | 582 | 0.8 | 2.5 |
| occ_ratio | 80.77 | 82.71 | 54.09 | 6813 | 6232 | 582 | 0.8 | 0 |
| spd_ratio | 80.29 | 82.4 | 51.84 | 6814 | 6234 | 580 | 0.8 | 0 |
| arinea_18 | 78.85 | 84.39 | 19.86 | 6511 | 6237 | 275 | 291.5 | 0 |
| arinea_24 | 79.55 | 84.29 | 28.7 | 6626 | 6233 | 392 | 163.7 | 0 |
| arinea_30 | 79.63 | 83.54 | 36.23 | 6718 | 6235 | 484 | 72.8 | 0 |
<Table 10>의 램프 교통량 800pcph의 경우는 미터링을 실시하지 않은 경우 램프에서 본선 진입에 실패하 고 사라진 교통량이 4.3대가 발생하여 합류부의 교통혼잡이 더 심한 것으로 나타났다. Arinea_18, 24, 30의 경 우 미출발 교통량은 700pcph인 경우보다도 훨씬 많이 발생되어 Arinea_18의 경우 386대(48.3%)가 발생하였 다. 그리고 다른 미터링의 경우에도 네트워크 미진입 교통량이 발생되었는데 occ_ratio가 21.8대로 많았고 평 균통행속도가 가장 큰 spd_ratio가 4.5대로 가장 적었다.
<Table 10>
Travel speed by model for ramp volume of 800pcph
| speed | vehicles arrived | no_departure | expired veh | |||||
|---|---|---|---|---|---|---|---|---|
| total | main | ramp | total | main | ramp | |||
| no | 77.77 | 79.15 | 60.59 | 6895 | 6233 | 663 | 0.2 | 4.3 |
| occ_ratio | 79.58 | 82.26 | 49.43 | 6877 | 6229 | 648 | 21.8 | 0 |
| spd_ratio | 79.81 | 82.55 | 48.67 | 6866 | 6227 | 639 | 4.5 | 0 |
| arinea_18 | 78.84 | 84.45 | 19.68 | 6507 | 6232 | 275 | 386.0 | 0 |
| arinea_24 | 79.36 | 84.34 | 27.68 | 6631 | 6237 | 394 | 259.3 | 0 |
| arinea_30 | 79.11 | 83.61 | 33.29 | 6719 | 6232 | 487 | 165.0 | 0 |
분석 결과를 종합하면 본 논문에서 제시한 알고리즘을 적용할 경우 미터링 기법별로 평균통행속도는 크 게 차이는 나지 않았으나 램프 교통량이 적은 경우는 occ_ratio가, 램프 교통량 많은 경우는 spd_ratio가 유리 한 것으로 분석되었다. 본선 차량 속도는 Arinea_18, 24, 30이 occ_ratio와 spd_ratio보다 크고 램프 속도는 Occ_ratio와 Spd_ratio가 크게 나타났다. 그리고 교통량이 적은 경우보다는 교통량이 많은 경우에 spd_ratio가 유리하게 나타남을 알 수 있어 혼잡할수록 속도가 교통류 변화를 잘 반영해주고 램프에서 미출발 교통량은 일관성 있게 spd_ratio가 가장 적게 나타나 전체 네트워크 교통류 관리에 효과적인 것으로 분석되었다.
2) 합류부 분석
<Table 11>은 합류부에서의 지점속도이다. <Table 10>의 전체 network 통행속도 효과보다는 합류부 지점속 도의 효과는 램프미터링 미시행 시 대비 크게 증가하였다. 미시행 시 지점속도는 전 절에서와 같이 램프에서 본선에 진입하지 못하고 사라진 교통량들이 있기 때문에 실제는 더 작아질 수 있다. 기존 Alinea_18, 24, 30 이 합류부 지점속도는 가장 큰 것으로 나타났으나 분석에 포함되지 않는 램프에서 네트워크에 진입하지 못 한 교통량이 많아 통과 교통량이 줄어든 영향이 크다고 할 수 있다.
<Table 11>
Moving speed(kph) by model
| 600pcph | 700pcph | 800pcph | |
|---|---|---|---|
| no | 72.10 | 70.57 | 70.59(70.38) |
| occ_ratio | 77.24 | 75.97 | 73.35 |
| spd_ratio | 77.39 | 74.58 | 74.39 |
| arinea_18 | 80.68 | 80.51 | 80.09 |
| arinea_24 | 79.40 | 79.20 | 78.89 |
| arinea_30 | 77.64 | 76.85 | 77.16 |
note: ( ) is the value that corrects the values in the abnormal interval
<Table 12>~<Table 14>는 합류부에서 교통량이 800pcph일 때 속도가 70kph 미만인 시간대의 속도 변화이 다. 녹색은 속도가 70kph 이상, 황색은 속도가 60kph∼70kph 미만, 적색은 속도가 50kph∼60kph 미만인 시간 대이다. 미터링 미시행 시(no) 정체시간은 600pcph와 700pcph인 경우는 본선 교통량이 많은 시간대에 단일구 간에서 정체구간이 발생되었지만 교통량이 많은 800pcph에서는 본선 교통량 증가 패턴과 달리 정체구간 중 간에 3분간의 소통원활구간(
, 71.4kph, 71.5kph, 72.6kph)이 끼어 있어 교통량이 700pcph인 경우의 속도 70.57kph보다도 조금 큰 70.59kph로 나타났다. 그 원인은 많은 본선 교통량으로 인하여 램프에서 본선 진입 을 위하여 많은 대기행렬이 발생하고 대기차량 중 4.3대가 expire time(60초) 이내에 본선 진입을 하지 못하고 사라진 시간대로 이는 실제 도로상에서 발생되는 운전자들의 행태를 고려하지 못하는 시뮬레이션 모형의 한 계로 발생되는 비정상적인 상황에 기인한다고 할 수 있다. 따라서 이 시간대는 실제로는 직전 시간대보다 소 통상태가 더 악화될 수 있는 구간으로 판단되어 이 시간대 속도를 직전 시간대 속도와 동일한 것으로 가정 하여 보정하였다. 그 결과 램프 교통량이 800pcph인 경우는 70.59kph에서 70.38kph로 소폭 감소하는 것으로 나타났다. 한편 Arinea_18, 24, 30은 램프 진입 교통량이 크게 감소되어 정체시간이 거의 발생되지 않는 것으 로 나타났다.
<Table 15>의 합류부 정체시간 분석 결과에 의하면 미터링 미시행 시 대비 정체시간 감소 효과는 앞에서 살펴본 속도 감소 효과보다 훨씬 크게 나타났다. 70kph 미만인 시간대는 램프 교통량이 600pcph에서는 램프 미터링 미시행 시 대비 occ_ratio가 43.5%, speed_ratio가 47.8%가 줄어들고, 700pcph에서는 램프미터링 미시행 시 대비 occ_ratio가 37.0%, speed_ratio가 44.4%가 줄어들고, 800pcph에서는 램프미터링 미시행 시 대비 occ_ratio가 42.0%, speed_ratio가 45.2%가 줄어드는 것으로 나타났다. 60kph 미만인 시간대는 램프 교통량이 600pcph에서는 램프미터링 미시행 시 대비 occ_ratio가 83.3%, speed_ratio가 75.0%가 줄어들고, 700pcph에서는 램프미터링 미시행 시 대비 occ_ratio가 91.0%, speed_ratio가 72.7%가 줄어들고, 800pcph에서는 램프미터링 미 시행 시 대비 occ_ratio가 62.5%, speed_ratio가 75.0%가 줄어드는 것으로 나타났다. Arinea_18, 24, 30은 이들보 다 더 큰 폭으로 감소되고 60kph 미만은 발생되지 않았다.
<Table 15>
Analysis results of congestion time at the merging section
| 600pcph | 700pcph | 800pcph | ||||
|---|---|---|---|---|---|---|
| under 70kph | under 60kph | under 70kph | under 60kph | under 70kph | under 60kph | |
| no | 23 | 12 | 27 | 11 | 28(31) | 8 |
| occ_ratio | 12 | 2 | 17 | 1 | 18 | 3 |
| spd_ratio | 13 | 3 | 15 | 3 | 17 | 2 |
| arinea_18 | 4 | 0 | 3 | 0 | 7 | 0 |
| arinea_24 | 0 | 0 | 4 | 0 | 0 | 0 |
| arinea_30 | 8 | 0 | 12 | 0 | 5 | 0 |
note: ( ) is the value that corrects the values in the abnormal interval
Ⅵ. 결론 및 제언
본 연구에서는 램프미터링을 위한 미터링율 산정 방법과 실시간 교통상황을 반영하는 동적 미터링을 위 한 알고리즘을 제시하였다. 미터링은 교통정체 시 수행되는 교통관리기법으로 교통혼잡 시의 교통류 특성이 잘 반영되도록 미터링율이 산정되고 운영되어야 한다. 본 논문에서는 교통류를 전체, 소통원활, 혼잡상태로 구분하여 검지기 데이터를 분석하였다. 그 결과 전체와 소통원활 상태에서는 점유율이 속도보다 교통량 변 화에 따른 교통류 상태를 잘 반영해주는 것으로 나타났지만 혼잡상태에서는 그 반대로 나타났다. 그리고 실 시간 미터링 운영을 위해서는 전후 시간대 교통량 변화에 따른 교통류 특성을 잘 반영하여야 한다. 혼잡시간 대의 교통량 전후 시간대 변화 값에 따른 교통류 변화 특성도 속도가 점유율보다 잘 반영해주는 것으로 분 석되었다. 또한 전후 시간대의 값 비율이 값 차이보다는 교통량과의 상관계수는 조금 작지만 조정계수가 필 요한 값 차이와는 달리 바로 미터링율 산정에 적용할 수 있기 때문에 속도와 점유율의 전후 시간대 값 비율 을 미터링율 산정에 적용하였다. 그리고 검지기 속도가 용량상태 속도인 80kph 미만으로 떨어지면 램프미터 링이 작동되도록 하고 전후 시간대 속도와 점유율 값의 변화 상태에 따라 미터링율이 달리 산정되도록 하여 실시간 변화 특성이 잘 반영되도록 하였다.
시뮬레이션 결과에 의하면 본 논문에서 제시한 알고리즘을 적용할 경우 미터링 기법별로 평균통행속도는 크게 차이는 나지 않았으나 램프 교통량이 적은 경우는 occ_ratio 기법이 램프 교통량 많은 경우는 spd_ratio 기법이 유리한 것으로 나타나 교통량이 적은 경우보다는 교통량이 많은 경우에 spd_ratio 기법이 교통류 변 화를 잘 반영해주는 것으로 나타났다. 그리고 램프에서 네트워크에 진입하지 못한 교통량은 spd_ratio가 모든 교통량에서 가장 적게 나타나 시뮬레이션 결과도 가장 신뢰성이 크다고 할 수 있다. 합류부의 미시행 시 대 비 정체시간 감소 효과는 통행속도 감소 효과보다 훨씬 크게 나타났다. 램프 교통량이 램프미터링 시행 시 용량 상태인 800pcph에서는 spd_ratio를 제외하면 미시행 시보다 램프에서 진입하지 못한 교통량이 크게 증 가하여 램프미터링 시 충분한 대기공간 확보는 물론 우회전략 등이 수반되어야 할 것으로 판단된다. 본 논문 에서 제시된 미터링 운영기법 적용 시 미터링 운영에 따른 효과 향상에 기여가 예상된다. 향후에는 본 논문 에서 제시된 운영기법을 고속도로 현장에 적용하여 그 적용성 및 적용 효과 등에 대한 연구가 이루어질 필 요가 있다. 또한 Arinea_18, 24, 30에 비해 합류부의 속도 개선 효과가 미흡한 것으로 나타나 향후에는 본 논 문에서 제시된 램프 미터링 기법을 램프 교통량은 물론 본선 교통량도 효율적으로 제어하여 합류부로 진입 하는 전체 교통량을 제어하는 동적 교통류 관리기법 등에 대한 연구가 필요하다.
