Journal Search Engine

Volume/Issue :

Year(s) : to

Search :

Title :

Author :

Keyword :

Abstract :

Figure :

Table :

Reference :

Search Advanced Search

Adode Reader(link)

View PDF Download PDF Export Citation Korean Bibliography PMC Previewer

The Journal of The Korea Institute of Intelligent Transport Systems Vol.24 No.5 pp.114-127
DOI : https://doi.org/10.12815/kits.2025.24.5.114

Analysis of Saturation Flow Rate Variations and Derivation of Adjustment Factors at Signalized Intersections under Varying Autonomous Vehicle Penetration Rates

Jieun Park^*, Youngchan Kim^**

^*Department of Transportation Engineering, University of Seoul
^**Department of Transportation Engineering, University of Seoul

^† Corresponding author : Jieun Park, jieun1417@hanmail.net

Received 9 June 2025 │ Revised 3 July 2025 │ Accepted 19 August 2025

Abstract

Recently, the impacts of Autonomous Vehicle(AV) adoption on traffic systems have attracted growing interest, reflecting the growing beed for quantitative analysis of roadway capacity changes. This study analyzed how changes in AV penetration rates affect capacity at signalized intersections under interrupted flow conditions. It also proposed a methodology for deriving adjustment factors for the saturation flow rate. Using the microscopic traffic simulator VISSIM, vehicle headways and saturation flow rates were examined across different AV penetration scenarios. The results showed that higher AV penetration rates led to shorter saturation headways and higher saturation flow rates. These findings provide useful insights for forecasting roadway capacity and developing traffic operation strategies during the early stages of AV deployment. Nevertheless, the simulation-based nature of this study and its focus on passenger vehicles pose limitations. Future research should therefore consider a wider range of vehicle types, dynamic signal operations, and various intersection designs to enhance applicability.

Key Words : Autonomous Vehicle Penetration Rates , Interupted flow , Saturation headway , Saturation flow rate , Saturation flow rate Adjustment Factor

자율주행자동차 혼입 비율에 따른 단속류 포화교통류율 변화 분석 연구

박 지 은^*, 김 영 찬^**

^*주저자 및 교신저자 : 서울시립대학교 교통공학과 박사수료
^**공저자 : 서울시립대학교 교통공학과 교수

초록

최근 자율주행자동차 도입이 교통체계에 미치는 영향에 대한 관심이 높아지고 있으며, 이에 따른 도로 용량 변화에 대한 정량적 분석의 필요성이 증대되고 있다. 본 연구는 단속류를 대상 으로 자율주행자동차 혼입 비율 변화가 도로 용량에 미치는 영향을 분석하고, 포화교통류율 보정계수 산출 방법론을 제시하였다. 미시적 시뮬레이터인 VISSIM을 활용하여 교차로 접근로 에서 차두시간 및 포화차두시간을 단계별로 분석하고, 이를 기반으로 포화교통류율의 변화를 파악하였다. 자율주행자동차 혼입 비율 증가에 따라 포화차두시간은 감소하고 포화교통류율 은 증가하는 경향을 확인하였다. 본 연구 결과는 자율주행자동차 도입 초기 단계에서 신호교 차로 용량 변화 예측과 교통 운영 전략 수립에 유용한 기초자료로 활용될 수 있을 것으로 판단 된다. 다만, 본 연구는 시뮬레이션 기반 분석으로 실제 도로 환경과 차이가 있으며, 다양한 차 종을 고려하지 못한 한계가 있다. 향후 연구에서는 다양한 차종과 동적 신호 운영, 다양한 교차 로 유형을 반영한 보다 정교한 분석이 필요하다.

키워드 : 자율주행자동차 혼입 비율 , 단속류 , 포화차두시간 , 포화교통류율 , 포화교통류율 보정계수

This article has been cited by 0 article in crossref

Cited-By

Funding:

Ⅰ. 서 론

미래 모빌리티의 핵심으로 여겨지는 자율주행자동차에 대한 관심이 높아짐에 따라, 완성차 업체들과 교통 분야 연구기관에서는 자율주행 기능을 갖춘 차량 개발 및 연구들을 활발히 진행하고 있다. 많은 연구자들은 자율주행자동차의 등장으로 시민들의 이동행태와 도시 형태 전반에 다양한 변화를 가져올 것으로 예측하고 있다. 예를 들어, 자율주행자동차로 완전히 전환하게 되면 차량을 직접 운전할 수 없는 교통약자의 이동성이 향상 될 수 있으며, 교통사고 감소 및 공유교통 서비스의 활성화 등 긍정적 효과를 기대하고 있다.

교통운영 측면에서 자율주행자동차의 도입으로 포화차두시간 감소, 출발손실시간 감소 등 도로운영 상황 에 변화가 발생하여 결과적으로 도로 용량이 증가할 것으로 예측하고 있다(Jung et al., 2017;Litman, 2020;Park et al., 2021). 자율주행자동차는 설계 단계에서부터 안전을 최우선으로 설정하고 있으며, 이에 따라 모든 운행 기능이 보수적인 운전 전략에 기반하여 작동하도록 설계된다. 제한속도가 시속 50km인 도로에서 자율 주행자동차는 속도를 철저히 준수하는 경향이 강하지만, 일반 운전자는 도로가 혼잡하지 않은 상황에서 제 한속도를 초과하여 주행하는 경향이 있다(FK Legal, 2023;Fujiu et al., 2024). 차로 변경이나 끼어들기 상황에 서 일반 운전자는 좁은 차간 간격에서도 진입을 시도하지만, 자율주행자동차는 일정 수준 이상의 충분한 안 전 간격이 확보될 경우에만 차로 변경이나 진입을 수행하는 보수적인 전략을 따른다. 이러한 자율주행자동 차의 보수적 운행 특성은 혼입 초기 단계에서는 오히려 혼잡을 유발하며, 단속류 도로에서는 신호 운영에 의 해 혼잡이 더욱 가중될 가능성도 있다(Park et al., 2015;Tak et al., 2023).

정부는 2019년 4월, ^｢자율주행자동차 상용화 촉진 및 지원에 관한 법률_｣을 제정하여 2020년 5월부터 시행하 고 있다. 이 법률은 자율주행자동차의 도입ㆍ확산과 안전한 운행을 위한 기반 조성 및 지원 등에 필요한 사항 을 규정하고 있으며, 자율주행 시범운행지구 지정 조항 등이 포함되어 있다. 자율주행자동차의 판매 및 보급과 관련해서 국내외 모두 자율주행자동차의 완전한 정착까지 상당한 기간이 소요될 것으로 전망하고 있다. 국내 에서는 2019년 10월에 발표한 ^｢2030 미래자동차 산업발전전략_｣과 2022년 9월에 발표한 ^｢모빌리티 혁신 로드 맵_｣에서 2025년까지 완전자율주행자동차 수준의 버스와 셔틀을 상용화하고, 2027년까지 완전자율주행 승용차 를 출시하여 주요 도로에 상용화할 계획을 발표한 바 있다. 국외에서는 2015년 미국 보스턴 컨설팅 그룹의 보고서에서 2035년에 전체 차량 중 10%가 완전자율주행자동차 일 것으로 예측하고 있다. 골드만삭스 역시 2040년경에 SAE 레벨 3 이상의 자율주행자동차가 신규 차량 판매의 40% 수준이 될 것이라고 전망하고 있다. 현재 자율주행기술이 탑재된 차량 대부분은 SAE 레벨 2 수준이다. 특정 조건에서는 SAE 레벨 3 수준으로 차 량 스스로 주행하지만, 여전히 운전자 개입이 필수적으로 운전자 지원 장치 정도의 수준이다(KOTI, 2023).

전 세계적으로 자율주행자동차 시장과 기술 개발이 지속적으로 발전하고 있지만 완전 자율주행자동차가 도로에서 본격적으로 운행되기까지는 여전히 상당한 시간이 소요될 것으로 예상된다. 상용화된다 하더라도 일정 기간 일반자동차와 자율주행자동차가 교통체계 안에서 혼재되어 운행되는 상황이 불가피하다. 자율주 행자동차의 혼입은 기존 교통류 특성에 유의미한 변화를 초래하며, 차량 혼재 뿐만 아니라 신호 운영에 의해 발생되는 상황에 대한 고려도 필요할 것이다.

본 연구에서는 신호교차로를 대상으로 자율주행자동차 혼입 비율을 0%에서 100%까지 단계적으로 변화시 키며, 혼입 비율 변화에 따른 포화교통류율의 정량적 변화를 분석하고, 포화교통류율 보정계수 산출 방법론 제시를 목적으로 하였다. 본 논문은 자율주행자동차 혼입에 따른 도로 용량 변화 및 포화교통류율 보정계수 산정 연구에 관한 선행연구 검토, 시뮬레이션 기반 분석을 통해 혼입 비율 단계별 포화교통류율 변화 분석, 포화교통류율 보정계수를 도출하는 단계로 구성하였다.

Ⅱ. 선행연구고찰

1. 선행연구고찰

1) 자율주행자동차 도입에 따른 용량 변화 관련 연구

기존 연구들은 자율주행자동차 도입으로 차량들의 정교한 운행이 가능해져 차간 거리 감소, 출발지연시간 감소 등을 통해 자율주행자동차 혼입 비율이 60% 이상 일 때 도로 용량이 50% 이상 증가하고, 통행속도와 서비스수준 등의 개선효과가 있다고 하였다(Park et al., 2015;Arnaout and Bowling, 2014;Ko et al., 2017;Van Arem et al., 2006). 반면, 자율주행자동차 혼입 비율이 35% 이하일 때 급정지율이 25% 증가하고, 평균 통행 속도가 오히려 감소한다고 하였다(Jeong et al., 2020). 도로 용량 변화와 관련하여 Wu et al.(2017)은 안전 차 간거리 감소 시 도로 용량이 약 3,400대/시/차로로 최대 50% 증가하며, 혼입률에 따라 선형적으로 증가한다 고 분석하였고, Park et al.(2018)은 혼입률 50% 적용 시 약 1.2배의 증대 효과를 제시하였다. Li and Wagner (2019)는 고속도로에서 혼입률 변화에 따라 용량은 최대 88%까지 증가하였으나, 30% 이하에서는 오히려 지 체 증가 현상이 발생한다고 분석하였다. Yook et al.(2018)은 자율주행자동차 주행 변수로 정지거리, 차두시 간, 추종거리 변동성 등을 설정하고 이들 변수 변화가 연속류 도로 용량에 미치는 영향을 분석하였다. 차두 시간 변화가 다른 변수에 비해 용량 증대에 가장 큰 영향을 미치는 것으로 나타났다.

ATKINS(2016)은 연속류 및 단속류 도로를 대상으로 군집주행을 하는 자율주행자동차의 혼입률 변화에 따 라 도로 용량에 미치는 영향을 분석하였다. 혼입률이 증가할수록 도로 용량이 증가하는 경향으로 나타났으 며, 도로 용량 변화뿐 아니라 통행 시간 및 통행 수요 변화에도 영향을 미치는 것으로 나타났다. Auld et al.(2017)는 자율주행자동차 도입 효과를 통행 수요 측면에서 정량화하였으며, 혼입률 50% 일 때 845%, 혼입 률 100% 일 때 1,880%의 통행 수요 증가가 발생할 수 있음을 분석하였다. Lu et al.(2019)은 자율주행자동차 도입이 도심 도로 네트워크 용량에 미치는 영향을 분석하였으며, 혼입률 증가에 따라 고속도로에서는 최대 80%의 용량 증가가 가능하지만 도심에서는 증가폭이 24%에 그치는 것으로 나타났다. 이는 도심 내 복잡한 교차로, 신호 운영, 보행자 등 다양한 요인으로 인해 자율주행자동차의 용량 증대 효과가 제한적으로 나타날 수 있음을 보여주었다. Adebisi et al.(2021)는 신호교차로를 대상으로 자율주행자동차 혼입 비율에 따른 용량 변화를 분석하고, 이를 기반으로 용량보정계수를 제시하였다. 분석 결과, 자율주행자동차 100% 일 때 최대 45%까지 용량이 증가하는데 이는 차두시간 감소 효과가 주요 원인으로 나타났다. 다만, 시뮬레이션 기반으 로 이상적인 조건에서 분석하였기 때문에, 실제 혼합 교통 환경 및 다양한 운전 행태를 충분히 반영하지 못 한 것을 한계로 말하고 있다. 또한, 자율주행자동차의 실제 주행데이터를 활용하여 혼입 비율 변화에 따른 용량을 분석하는 연구들도 증가하고 있다. Choi and Shin(2023)은 자율주행시범지역에서 운행 데이터를 활용 하여 자율주행자동차 혼입 비율에 따른 용량 분석을 하였다. 혼입 비율이 증가하였을 때 용량이 증가하는 결 과를 확인했으나, 자율주행자동차 시범운행 대수가 충분하지 못하여 표본 수가 적은 한계가 있다.

2) 신호교차로 포화교통류율 관련 연구

신호교차로의 용량은 포화교통류율의 개념을 기반으로 하고 있다. KHCM(2013)에서 포화교통류율은 신호 교차로에서 정지해 있던 차량이 정지선을 통과 할 수 있는 최대 교통량으로서, 녹색신호가 계속될 때 손실시 간이 없는 1시간 동안의 교통류율로 정의하고 있다. 기본 조건에서 포화교통류율은 신호교차로의 경우 2,200 대/시/차로를 적용하며, 포화교통량은 녹색시간에서 출발손실시간을 제외한 유효녹색시간 동안에 통과한 차 량대수를 의미한다. 이때 포화교통량을 1시간으로 환산한 것이 포화교통류율이 된다. 포화차두시간은 포화 교통류율이 유지될 때의 평균 차두시간으로 정의되며, 대기행렬 중 6번째 차량부터 마지막 차량까지의 평균 차두시간으로 산정한다. 유의미한 수준의 포화교통류율 산정을 위해서는 8대 이상의 대기행렬과 최소 15회 이상의 신호주기 반복 관측이 요구된다.

포화교통류율 보정계수 산정과 관련된 연구로 Kim et al.(2015)는 신호교차로에서 강우에 따른 포화교통류 율 변화를 측정하여 강우가 도로 용량에 미치는 영향을 분석하였다. 강우시와 비강우시에 대해 영상자료를 구축하여 차두시간을 조사하고, 포화교통류율을 산정하였다. 강우 시 포화차두시간이 증가하는 것을 확인하 였다. 시간당 강우량이 증가함에 따라 포화교통류율이 점차 감소하는 것을 통계적으로 검정하고, 강우시 단 속류 도로의 포화교통류율 보정계수를 산출하였다. Moon et al.(2013)은 ITS 서비스에 의한 도로 용량 증대 효과를 반영할 수 있도록 연속류와 단속류 각각에 대해 시나리오에 따른 포화교통류율의 증가를 분석하였 다. ITS 서비스에 의한 보정계수를 산출하여 도로 용량 산정에 활용하고자 하였다. 단속류에서 자율주행자동 차를 군집주행으로 운영한 시나리오에서 포화차두시간이 최소였고, 교차로 용량 증대 효과가 가장 큰 것으 로 나타났다.

2. 연구의 차별성

기존 연구들은 대부분 연속류를 대상으로 자율주행자동차 도입에 따른 도로 용량 증대, 통행 시간 변화, 통행 수요 변화 등을 시뮬레이션을 기반으로 정량적 분석을 하였다. 자율주행자동차 혼입에 따른 교통체계 변화 가능성을 제시하고, 차량들이 정교한 운행을 할 수 있게 되어 일정한 간격 유지를 통해 차간거리 감소, 출발 지연 등의 문제들이 감소 될 것으로 예상하고 있다. 자율주행자동차 실주행 데이터를 활용한 연구들이 점차 늘어나고 있으나, 현재까지는 일부 시범 운행 지역에서 수집된 소규모 데이터를 활용하고 있어 표본 수 등의 한계가 존재한다. 지금의 도로용량편람은 자율주행자동차의 혼입에 따른 용량 변화 특성을 반영하고 있지 않다. 자율주행자동차 상용화가 본격적으로 진행되게 되면, 향후 수십년 간은 일반자동차와 혼재된 교 통 환경이 불가피할 것이다. 따라서 본 연구에서는 단속류 신호교차로를 대상으로 자율주행자동차 혼입 비 율에 따른 포화교통류율 변화를 분석하고, 포화교통류율 보정계수 산출 방법론을 도출하고자 한다.

Ⅲ. 연구 방법론

1. 시뮬레이션 환경 및 시나리오 구성

1) 시뮬레이션 환경 구축

자율주행자동차 개발이 진행 중인 현시점에서 자율주행자동차가 100%인 상황이나 혼재된 상황에 대한 실 제 주행데이터를 확보하는 것은 현실적으로 어려운 실정이다. 따라서 자율주행자동차 혼입 비율 변화에 따 른 교통 흐름 변화를 분석하기 위하여 현실 모사가 비교적 정확하게 가능한 미시적 시뮬레이터인 VISSIM 2020을 활용하여 시뮬레이션을 진행하여 분석에 필요한 자료를 수집하였다. VISSIM은 개별차량의 특성 반 영 및 수집이 가능하며, 차량 간 추종 모형(Car-following model), 차로변경(lane-chage) 등 주행과 관련한 변수 적용이 가능하다. 단속류 교차로의 실제 도로 및 차량 속성이 반영된 시뮬레이션 환경 구축을 위하여 VISSIM의 차량 간 추종 모형 중 단속류 흐름을 모형화한 Wiedemann 74를 적용하였고, 자율주행자동차 차로 변경 형태, 운전자 특성 등을 반영할 수 있도록 변수를 설정하였다. VISSIM 내 기본적으로 적용된 자율주행 자동차 속성값은 레벨 3 수준이다(VISSIM User Manual 2020). 본 연구에서는 자율주행자동차의 속성은 미국 자동차공학회(SAE)에서 제시한 단계 중 운전자가 개입할 수 없는 상황에서도 안전한 운행이 가능한 단계인 레벨 4를 기준으로 하였다. 이에 해당하는 수준의 파라미터들과 시뮬레이션에 활용할 주요 변수들은 기존 연구를 참고하였다(ATKINS, 2016;Morando et al., 2018;Kang et al., 2019;Yook et al., 2018).

본 연구에서 분석에 적용한 일반 자동차(HDV)와 자율주행자동차(AV)의 속성값은 <Table 1>과 같다.

<Table 1>

Simulation Parameters

Parameters			HDV	AV
Car-following (Wiedemann 74)	Standstill distance (m)		1.5	0.5
Car-following (Wiedemann 74)	Headway time (s)		0. 9, 0.2	0.5
Lane change	Min. headway (m)		0.5	0.2
	Safety distance reduction factor (%)		60	30
	Cooperative lane change	Min. Speed Difference (km/h)	-	10
	Cooperative lane change	Max. collision time (s)	-	10
Driver Characteristics	Look ahead distance (m)	Min.	5	0
	Look ahead distance (m)	Max.	100	500
	Look back distance (m)	Min.	5	0
	Look back distance (m)	Max.	50	500
	Desired Speed (km/h)	Lower bound	48	50
	Desired Speed (km/h)	Upper bound	58	50
	Driver errors (%)		10	0
Autonomous Driving Platooning possible	Max. number of vehicles (veh)		-	7
	Max. desired speed (km/h)		-	50
	Max. distance for catching up to a platoon (m)		-	30
	Gap time (s)		-	0.2
	Minimum clearance (m)		-	2

2) 시뮬레이션 설계

분석을 위한 대상 교차로는 KHCM(2013)에서 제시하고 있는 이상적인 조건에 최대한 부합하는 지점을 선 정하였다. 신호교차로의 이상적인 조건은 차로폭 3m 이상, 경사가 없는 접근부, 접근부 정지선 상류부 65m 이내에 진출입차량이 없으며, 75m 이내에 버스정류장이 없어야 한다. 상기의 기준들을 고려하여 분석 대상 교차로는 대전시 용문동에 위치한 용문역네거리로 선정하였다. 용문역네거리는 왕복 6차로 형태의 교차로로 주방향은 직진 3차로와 좌회전 차로로 운영되고 있으며, 제한속도는 50km/h이다. 교차로 교통 현황과 신호 운영 현황 자료는 대전시 2020년 교통 조사 및 분석 보고서를 활용하였다. 신호 운영은 5현시, 주기 180초 고정식으로 운영되고 있다(Daejeon, 2021). 자율주행자동차의 도입 효과를 명확히 분석하기 위해 차종은 일반 승용차와 자율주행승용차로만 구성된 것으로 가정하였다.

<Fig. 1>

Simulation Network

3) 네트워크 검증

시뮬레이션에서 구축한 네트워크가 현실의 교통 환경을 정확하게 반영하였는지 검증하기 위해 네트워크 정산 작업이 필요하다(Yang and Son, 2009). 교통량 모델값과 관측값의 차이를 비교하는 데 사용되고 있는 GEH Statistic을 활용하여 정산 작업을 수행하였다. GEH Statistic은 카이제곱 검정과 유사하지만, 통계적 검정 보다 모델 보정 및 검증 등 교통 분석 목적에 실용적으로 활용된다. 계산식은 Equation 1과 같다. 여기서 M 은 시뮬레이션에서 산출된 교통량, C는 실제 관측 교통량을 나타낸다. GEH가 5.0 미만이면 시뮬레이션 산출 교통량과 실제 관측 교통량이 일치하는 것으로 간주한다. GEH가 10.0보다 크면 네트워크나 데이터에 문제가 있을 가능성이 높다고 여겨진다. GEH가 5.0 미만인 지점이 네트워크의 85% 이상이면 시뮬레이션 내 교통 흐름이 비교적 현실과 정확하게 반영되어 타당하다고 판단한다(GEH statistic, Lim et al., 2023, Transport for London, 2021).

GEH  = \sqrt{\frac{2 {(M - C)}^{2}}{M + C}}

(1)

M: 시뮬레이션에서 산출된 교통량(대/시)
C: 실제 관측 교통량(대/시)

수집된 교차로의 방향별 실제 관측 교통량과 시뮬레이션에서 산출된 교통량을 비교하여 GEH Statistics을 수행하였다. <Table 2>와 같이 모든 방향별 교통량이 GEH가 5.0 미만으로 나타나 시뮬레이션 구축 결과를 신뢰할 수 있는 환경으로 반영되었음을 확인하였다.

<Table 2>

Calibration process with GEH statistics

※ L:Left-turn traffic volume, T:Through traffic volume, R:Right-turn traffic volume

Location		Observation traffic volume (veh/h)	Simulation traffic volume (veh/h)	GEH	<5
Daesa	Total	2,052	2,089	0.81	○
	L	99	102	0.30	○
	T	1914	1949	0.80	○
	R	39	38	0.16	○
Gajang	Total	811	816	0.18	○
	L	333	327	0.33	○
	T	387	403	0.81	○
	R	91	86	0.53	○
Galma	Total	2,248	2,210	0.80	○
	L	198	181	1.23	○
	T	1965	1947	0.41	○
	R	85	82	0.33	○
Samcheon	Total	934	915	0.62	○
	L	218	232	0.93	○
	T	343	314	1.60	○
	R	373	369	0.21	○

2. 시뮬레이션 수행

자율주행자동차 혼입 비율에 따른 교통 흐름 및 용량 변화를 단계적으로 분석하기 위하여 혼입 비율을 0%에서 100%까지 10% 단위로 증가시키는 총 11개의 시나리오로 구성하였다. 단속류 환경에서 자율주행자 동차 혼입 비율 변화에 따른 차두시간 및 포화교통류율 변화 분석을 위하여 시뮬레이션 내 교차로 접근로에 검지기를 설치하여 각 신호주기 당 차량 통과시간 데이터를 수집하였다. 분석 시 시뮬레이션 안정화 구간을 고려하여 초기 600초까지의 구간은 제외하고 이후 1시간 동안의 데이터를 대상으로 분석을 수행하였다. 각 시나리오는 교통 흐름의 통계적 안정성과 신뢰성 확보를 위해 10회 반복 수행하였으며, 반복 수행 결과 값들 의 평균을 산출하여 최종 분석에 활용하였다.

3. 포화교통류율 보정계수 산정

1) 포화차두시간 및 포화교통류율 산정

일반적으로 포화차두시간은 교차로가 녹색신호로 변경되면서 대기행렬 중 초기 5~6대의 차량들을 제외한 차량들의 차두시간 평균값을 사용한다. 이는, 교차로 접근로에서 적색 신호 시간 동안 대기하고 있던 차량들이 녹색신호로 변경되면서 정지한 상태에서 가속하기 때문에 발생하는 출발손실시간에 의한 지체를 줄이고, 실제 포화상태의 교통류율을 정확하게 산정하기 위함이다. 우리나라에서는 이상적인 조건 일 때 포화차두시간을 1.63초로 보고 있으며, 이상적인 조건 일 때의 포화교통류율은 차로당 2,200대/시간/차로가 된다(MOLIT, 2013).

본 연구에서는 자율주행자동차의 혼입 비율에 따른 포화차두시간 산출을 위해 ^｢도로용량편람_｣에서 제시 하고 있는 기준을 활용하여 정지선에서 대기 하던 차량들이 녹색신호로 전환된 후 정지선을 통과 할 때, 대 기행렬 중 5~6번째 차량부터 대기행렬의 마지막 차량까지의 차두시간을 측정하였다. 차두시간의 평균값을 <Fig. 2>와 같이 포화차두시간(h, h_av)으로 도출하였다.

<Fig. 2>

Saturation Headway

시뮬레이션에서는 총 1시간 동안 21회의 신호주기에 대해 차두시간을 반복 측정하여 평균 포화차두시간 을 도출하였다. 이후 산출된 혼입 비율별 포화차두시간을 이용하여 Equation 2와 같이 포화교통류율을 산정 하였다.

S = \frac{3, 600}{\bar{h}}

(2)

S: 포화교통류율(대/시/차로)
h : 포화차두시간(초)

2) 포화교통류율 보정계수(f_AV) 산정

도로용량편람에서는 신호교차로 용량 산정 시 교통조건, 도로조건, 신호조건 등의 영향을 고려하여 이상 적인 조건의 최대 서비스 교통량을 기준으로 산출한다. 현재의 도로용량 분석 방법은 자율주행자동차가 도 로 용량에 미치는 영향을 고려하지 못하고 있다. 본 연구에서는 자율주행자동차 혼입 비율에 따른 용량 변화 를 반영하기 위하여 포화교통류율 보정계수( $f_{A V_{n}}$ )를 산정하였다. 자율주행자동차 혼입 비율(10~100%)에 따 른 포화교통류율과 일반 자동차 100% 일 때 포화교통류율을 기준값으로 한 관계를 이용하여 Equation 3과 같이 자율주행자동차 혼입 비율에 따른 보정계수( $f_{A V_{n}}$ )를 산정하였다.

f_{A V_{n}} = \frac{S_{n}}{S_{0}}

(3)

S₀ : 자율주행자동차 혼입 비율 0% 일 때의 포화교통류율 (자율주행자동차 0%)
S_n : 자율주행자동차 혼입 비율 n% 일 때의 포화교통류율 (자율주행자동차 10 ~ 100%)
$f_{A V_{n}}$ : 자율주행자동차 혼입 비율(n%)에 따른 보정계수

Ⅳ. 분석결과

1. 자율주행자동차 혼입 비율에 따른 시뮬레이션 분석결과

자율주행자동차 혼입 비율 변화에 따른 교차로 운영 성능 변화를 확인하기 위해, 시뮬레이션을 통해 혼입 비율별 전체 교차로의 평균 지체와 평균 통행속도를 분석하였다. <Table 3>은 혼입 비율이 0%에서 100%까 지 증가함에 따른 결과를 나타낸다. 분석결과 혼입 비율 증가에 따라 전체 평균 지체는 지속적으로 감소하는 경향을 보였다. 혼입 비율 0%에서는 68.21초였던 평균 지체가 혼입 비율 100%에서는 41.73초로 감소하여, 약 26.48초(38.8%)의 개선 효과가 나타났다. 평균 통행속도는 혼입 비율 0%에서 36.36 km/h, 혼입 비율 100%에 서 38.55 km/h로 약 2.19 km/h 증가하였다. 속도 증가폭은 지체 감소폭에 비해 상대적으로 작지만, 혼입 비율 증가에 따라 교차로 통행 흐름이 보다 원활해지는 효과가 나타난 것으로 해석된다. 혼합교통 상황(10~90%) 에서 자율주행자동차와 일반 승용차 간의 성능 차이도 확인할 수 있었다. 평균속도는 자율주행자동차가 약 간 낮거나 유사한 수준을 유지하면서도 지체는 자율주행자동차의 혼입 비율이 증가함에도 일반 승용차 대비 낮은 수준으로 나타났다. 이는 자율주행자동차가 정밀한 가감속 및 속도 등 보수적으로 주행하는 특성을 유 지하면서 차량군 형성 등으로 교통 안정화에 영향을 주었을 것으로 판단된다.

<Table 3>

Simulation Results by Autonomous Vehicle Penetration Rates (HDV, AV)

Penetration Rate(%)	Delay(sec)			Speed(km/h)
Penetration Rate(%)	ALL	HDV	AV	ALL	HDV	AV
0%	68.21	68.21	-	36.36	36.36	-
10%	64.29	64.73	60.3	37.24	37.39	36.81
20%	56.7	57.2	54.79	37.34	37.54	36.74
30%	53.5	54.56	51.13	37.44	37.76	36.95
40%	49.96	51.08	48.38	37.57	37.88	37.2
50%	48.34	49.72	47	37.69	38.14	37.31
60%	46.88	48.57	46.19	37.82	38.22	37.56
70%	45.46	47.36	45.08	37.99	38.62	37.85
80%	44.2	46.47	43.98	38.22	38.81	38.15
90%	43.08	45.99	43.09	38.4	39.55	38.33
100%	41.73	-	41.73	38.55	-	38.55

2. 자율주행자동차 혼입 비율에 따른 포화차두시간 및 포화교통류율 분석결과

자율주행자동차 혼입 비율에 따른 평균차두시간을 분석한 결과 <Fig. 3>과 같이 나타났다. 자율주행자동 차의 혼입 비율이 증가함에 따라 접근로의 평균 차두시간은 감소함을 확인할 수 있었다. 자율주행자동차 혼 입 비율 0%에서는 차두시간이 2.04초로 나타났고, 50%에서는 1.62초, 100%에서는 1.13초로 분석되었다.

<Fig. 3>

Average Saturation Headway by AV Penetration Rate

자율주행자동차 혼입 비율별로 각각 210개의 차두시간 자료를 확보하여 결과의 통계적 신뢰성을 확보하 였다. 산출 결과의 변동성을 확인하기 위하여 표준편차를 확인한 결과 0.21~0.27초 수준의 안정적인 범위를 확인하였다.

자율주행자동차 혼입 비율에 따른 포화차두시간은 <Table 4>와 같이 혼입 비율이 증가할수록 감소하였다. 혼입 비율 0% 일 때 1.84초, 50% 일 때 1.60초, 100% 일 때 1.09초로 분석되었으며, 전체적으로 0.75초가 감 소하여 약 40.8%의 감소 효과가 나타났다. 혼입 비율 60% 이상의 구간에서 포화차두시간의 감소폭이 더욱 증가하는 경향이 나타났다. 포화차두시간을 기반으로 산출한 포화교통류율 분석 결과, 혼입 비율 0%일 때 1,952대 혼입 비율 100%일 때 3,295대로 약 68.8% 증가한 것으로 분석되었다. 자율주행자동차 도입 시 차량 간의 균일한 차간간격 유지, 반응시간 감소, 차량군 형성 등으로 인해 교통 흐름의 효율성이 향상된 결과로 해석할 수 있다.

<Table 4>

Variation of Saturation Headway and Flow Rate with AV Penetration Rates

Penetration Rate (%)	Headway (Sec)	Saturation Headway (Sec)	Std. Dev.	No. of Samples	Saturation Flow Rate (veh/h/lane)
0	2.04	1.84	0.23	210	1,952
10	1.98	1.78	0.21	210	2,017
20	1.86	1.74	0.25	210	2,065
30	1.77	1.71	0.24	210	2,101
40	1.74	1.67	0.25	210	2,161
50	1.62	1.60	0.27	210	2,244
60	1.44	1.50	0.27	210	2,397
70	1.42	1.43	0.27	210	2,517
80	1.35	1.32	0.26	210	2,725
90	1.20	1.21	0.26	210	2,964
100	1.13	1.09	0.21	210	3,295

3. 자율주행자동차 혼입 비율에 따른 포화교통류율 보정계수( $f_{A V_{n}}$ ) 산정 결과

앞서 도출한 혼입 비율별 포화교통류율을 활용하여 자율주행자동차 혼입 비율이 0%일 때 산출한 포화교 통류율을 기준으로 혼입 비율에 따른 포화교통류율 보정계수를 <Table 5>와 같이 산정하였다. 분석결과, 혼 입 비율 10%에서는 1.03, 50%에서는 1.16, 100%에서는 1.70으로 나타났다. 자율주행자동차가 높은 혼입 비율 구간에서 선행 차량과의 간격 유지, 반응 특성이 일반차량 대비 더욱 정교하게 이루어지며, 전체 교통 흐름 이 보다 안정적인 상태로 운영될 수 있었기 때문으로 해석된다.

<Table 5>

Adjustment Factor According to Autonomous Vehicle Penetration Rates

AV Penetration (%)	0	10	20	30	40	50	60	70	80	90	100
Adjustment factor ( $f_{A V_{n}}$ )	1.00	1.03	1.06	1.08	1.11	1.16	1.24	1.30	1.40	1.53	1.70

Ⅴ. 결 론

본 연구는 단속류에서 자율주행자동차 혼입 비율 변화에 따른 신호교차로의 포화교통류율 변화를 분석하 고, 이를 기반으로 보정계수를 도출하는 방법론을 제시하였다. 미시적 교통 시뮬레이터인 VISSIM을 활용하 여 신호교차로 접근로에서 각 현시를 통과하는 개별차량의 차두시간을 추출하였다. 이를 통해 포화차두시간 및 포화교통류율을 분석하고, 자율주행자동차 혼입 비율별 포화교통류율 보정계수를 산정하였다. 분석 결과, 자율주행자동차의 혼입 비율이 증가할수록 포화차두시간은 감소하고, 포화교통류율은 최대 68.8%까지 증가 하는 경향을 보였다. 도출된 보정계수는 단속류 도로 용량 산정 시 중요한 보정 지표로 활용할 수 있으며, 자율주행자동차 도입 초기 단계에서 혼입 비율에 따른 용량 변화 예측과 교차로 운영 전략 수립에 기여 할 수 있을 것으로 기대된다. 현재의 도로용량편람은 일반자동차와 자율주행자동차가 혼재된 교통 환경에 대한 변화를 반영하고 있지 않기 때문에 혼합 교통 환경에서의 신호교차로 운영 및 설계 기준 마련을 위해 포화 교통류율 보정계수에 대한 분석이 필요하다고 판단된다.

다만, 본 연구의 결과는 시뮬레이션을 기반으로 도출된 결과로 다음과 같은 한계를 가진다. 첫째, 실제 자율주 행자동차에 내재하는 센서 기반 인식, 의사결정, 차량과 신호 시스템 간 통신 및 군집주행 등을 충분히 반영하지 못하였다. 자율주행자동차의 주행 특성을 반영하기 위해 VISSIM에서 단속류 추종모형인 Wiedemann 74에 해당하 는 가감속, 속도 범위, 차량군 형성 대수 등 자율주행자동차와 관련한 기본 속성값을 변경하는 방법으로 모사하였 다. 기존 연구들에서 제시하고 있는 속성값을 반영하였지만, 이러한 방식이 자율주행자동차가 실제 도로 환경에 주행하는 상황을 정밀하게 표현하였다기에는 부족함이 있다. 둘째, 승용차 중심의 교통류를 기반으로 하고 있어, 다양한 차종 구성을 고려하여 분석하지 못하였다. 포화교통류율 보정계수 도출을 위한 비교 대상이 최소화 되도록 차종 구성을 승용차로만 하였다. 이에 따라 실제 교통 환경의 다양한 변수들이 충분히 반영되지 못한 한계가 있다. 셋째, 교차로 유형과 신호 운영 방식이 다양하게 적용되지 못한 한계가 있다.

향후 이러한 한계들을 고려하여 버스, 화물차 등 차종 구성을 반영하고, 회전교차로, 비신호 교차로 등 다 양한 교차로 유형을 반영하여 분석할 필요가 있다. 또한, 신호 운영 방식, 군집 주행 등 자율주행자동차가 영 향을 주고 받는 상황들에 대한 조건들을 종합적으로 반영하여 정밀한 분석이 필요하다.

ACKNOWLEDGEMENTS

본 연구는 2021년 한국ITS학회 추계학술대회에서 발표한 내용을 수정 및 보완하여 재구성하였습니다.

Figure

<Fig. 1>.