Ⅰ. 서 론
도로 용량 분석은 도로 시설의 성능을 정량적으로 평가하여, 효율적인 교통 운영과 정책 수립의 기반을 마련하는 핵심 절차이다(MLTM, 2013). 이를 통해 도로의 서비스 수준을 진단하고, 신규 도로의 계획 및 설 계에 합리적인 의사결정을 지원할 수 있다. 도로의 용량은 이상적인 조건에서 정의된 기준값(신호교차로의 경우 포화교통류율)에 차로폭, 경사, 중차량 비율, 회전 교통류 등의 현실 제약을 보정계수의 형태로 반영하 여 산정된다. 보정계수는 도로 시설의 이상적인 값을 현실 조건에 맞게 조정하는 역할을 하므로, 적절한 보 정계수 설정은 용량 산정의 신뢰도를 좌우한다.
최근 자율주행 기술이 빠르게 발전하면서 자율주행차량(autonomous vehicle, AV)의 도입이 본격화되고 있 다. AV는 비자율주행차량(human-driven vehicle, HDV)과 달리 센서와 인공지능 기반 제어를 통해 인지‧반응 시간이 짧고, 불필요한 가‧감속이 적은 주행 특성을 보인다(Calvert et al., 2017). 더 나아가 차량 간(vehicleto- vehicle, V2V) 및 차량-인프라 간(vehicle-to-infrastructure, V2I) 통신이 가능할 경우, 협력주행이 가능한 자율 협력주행차량(connected and autonomous vehicle, CAV)으로 확장되어 교통류의 안전성과 도로 용량 향상 효과 도 기대할 수 있다.
다만 AV가 교통류 전반으로 확산되기까지는 시간이 필요하므로, 당분간 AV와 HDV가 공존하는 혼합교통 환경이 지속될 것으로 예상된다(Guo et al., 2021). AV는 자율주행 기술 발전과 정책 여건에 따라 보수적 주 행부터 과감한 주행까지 다양한 행태를 보일 수 있다. 자율주행 기술이 안정기에 이르지 않았거나 안전을 우 선하는 정책 환경에서는 AV가 HDV보다 보수적으로 주행할 가능성이 있으며, 이 경우 AV의 혼입이 교통 효율을 악화시킬 수 있다는 지적도 제기된다(Jang et al., 2023;Oh et al., 2023). 이렇듯 다양한 주행 행태를 보이는 AV와 HDV가 혼재된 교통류에서는 기존 HDV 기반 보정계수 체계가 더 이상 유효하지 않을 수 있다.
미국은 Highway Capacity Manual (HCM)을, 우리나라는 도로용량편람(Korean Highway Capacity Manual, KHCM)을 통해 도로 용량 분석의 지침을 제공하고 있다. 미국은 2022년 개정된 HCM 7판에서 AV 혼입을 반 영하여 보정계수를 산출한 바 있다(TRB, 2022). 반면, KHCM은 2013년 이후 개정되지 않고 있으며, AV의 주 행 행태나 혼입률에 따른 영향을 반영하지 못하고 있다. 이는 변화하는 교통 환경에서 교차로 용량을 과대 또는 과소평가할 우려가 있어, 합리적인 도로 계획 및 운영 정책 수립에 한계로 작용할 수밖에 없다. 따라서 국내 실정에 맞는 AV 혼입 교통류 기반 보정계수 산정에 관한 연구가 필요하다.
이에 본 연구는 AV 혼합교통 환경에 적용 가능한 보정계수 산정 체계를 마련하는 것을 목적으로 하였다. 다양한 AV 주행 행태와 혼입률을 함께 고려하여, 신호교차로의 기본 포화교통류율과 좌회전 처리 특성(보호 ‧비보호)에 미치는 영향을 미시교통 시뮬레이션 프로그램 VISSIM을 활용하여 분석하고, 그 결과를 반영한 보정계수를 제시하였다. 신호 제어로 인해 정지‧출발이 반복되고 회전 교통류가 포함되는 신호교차로는 AV 혼입 효과가 민감하게 나타나는 대표적인 시설이므로, 본 연구의 분석 대상으로 선정하였다. 본 연구에서 제 시하는 분석 결과는 향후 KHCM 개정 및 교차로 설계 기준 개선에 기초자료로 활용될 수 있을 것으로 기대 된다.
본 논문은 다음과 같이 구성된다. 먼저 관련 선행연구를 검토하여 기존 연구의 한계와 본 연구의 차별성 을 정리하였다. 이어 시뮬레이션 기반 분석 방법론과 함께 분석 대상 교차로, AV 주행 행태 정의 및 파라미 터 설정, 시나리오 구성 등을 제시하였다. 이후 AV 주행 행태 및 혼입률 변화에 따른 결과를 제시하고 보정 계수를 산정하였으며, 마지막으로 연구의 주요 결론과 정책적 시사점을 논의하였다.
Ⅱ. 선행연구
본 절에서는 AV 혼입에 따른 교통류 변화와 신호교차로에서의 보정계수(예: 포화교통류율 보정계수 등) 산정에 관한 선행연구를 체계적으로 검토하였다. 이를 바탕으로 기존 연구의 한계점을 정리하고, 본 연구의 차별성을 제시하였다.
1. 자율주행차량의 혼입이 교통 흐름에 미치는 영향
많은 선행 연구에서 AV 혼입이 교통 흐름에 미치는 영향을 분석하였다. Şentürk Berktaş et al.(2020)는 신 호교차로에서 AV 혼입이 교통 효율에 미치는 영향을 교차로 시뮬레이션 모듈인 SIDRA를 활용하여 분석하 였다. 분석 결과, 안전성을 고려하여 완만한 가‧감속 특성을 보이는 AV가 혼입될 경우, 교통량이 높은 조건 에서 평균 지체가 증가하고, 교차로 용량이 감소하는 경향을 보였다. Park et al.(2021)은 13개 교차로로 구성 된 도로를 대상으로 미시교통 시뮬레이션 프로그램 VISSIM을 활용하였으며, AV는 미국자동차공학회(Society of Automotive Engineers, SAE)에서 정의한 Level 4 수준으로 HDV 대비 더 짧은 차두시간이 적용되었다. AV 혼입률 0%, 20%, 40%, 60%, 80%, 100%와 교통량 증가율을 조합한 총 36개의 시나리오를 구성하여 평균 통 행시간, 지체, 속도 등을 지표로 분석하였다. 분석 결과, 앞선 연구와는 달리, AV 혼입률이 높아질수록 교통 흐름이 개선되는 것으로 나타났다. Hajbabaie et al.(2024)은 V2V 및 V2I 등 통신 유무에 따라 AV와 CAV를 구분하여 혼합교통 환경이 교통 효율에 미치는 영향을 분석하였다. 그 결과, AV의 경우 차로 용량이 감소하 는 것으로 나타난 반면, CAV의 경우 차로 용량이 증가하는 것으로 분석되었다. 이를 통해 통신 여부에 따라 AV의 영향이 상이하게 나타남을 확인하였다.
다양한 AV 주행 행태를 고려한 연구도 일부 수행되었다. 예를 들어, 본 연구의 선행연구인 Oh et al.(2023) 은 약 2.4 km의 크고 작은 8개의 신호교차로와 1개의 로터리를 포함한 단속류 네트워크를 대상으로, VISSIM 을 이용해 AV 혼입이 네트워크 전체 교통 흐름에 미치는 영향을 분석하였다. AV 행태를 Cautious, Normal, CAV로 구분하였으며, 유럽 프로젝트 CoEXist의 연구 결과를 기반으로 각 행태별 파라미터를 설정하였다. 각 행태별로 AV 혼입률을 10%씩 높여가며 평균 지체, 통행시간, 통행속도를 비교한 결과, Cautious의 도입은 네 트워크 흐름을 저해한 반면, Normal 및 CAV에서는 혼입률이 높아짐에 따라 교통 효율이 개선되는 경향을 보였다. Almusawi et al.(2024)은 신호교차로를 대상으로 Cautious, Normal, Aggressive, Platoon의 네 가지 AV 주행 행태를 고려하여, AV 혼입이 교통 효율성(평균 대기행렬, 통행시간, 지체)에 미치는 영향을 VISSIM을 이용해 분석하였다. 연구에서는 총 21개 시나리오를 구성하였으며, 각 행태별로 25%, 50%, 75%, 100% 혼입 률을 설정하고, 네 행태가 동일 비율로 섞인 25%, 50%, 75%, 100% 혼합 시나리오를 추가로 고려하였다. 분 석 결과, Cautious의 비중이 높을수록 평균 대기행렬과 통행시간, 지체가 모두 증가한 반면, Aggressive 및 Platoon의 비중이 높을수록 신호교차로 운영 효율이 향상되는 것으로 관찰되었다. 특히, 혼합 시나리오에서 는 각 주행 행태의 극단적 특성이 상쇄되어, 대기행렬과 지체가 완화되고, 전반적인 교통 흐름이 개선되는 경향을 보였다. 이러한 선행 연구들은 AV 행태에 따라 교통 흐름에 미치는 영향이 상이하며, 안전성과 승차 감을 우선하는 보수적 주행 행태의 AV가 긴 차두시간과 완만한 가‧감속을 유지할 경우, 교통 효율이 저하될 수 있음을 나타낸다(Jang et al., 2023)
2. 자율주행차량을 고려한 신호교차로에서의 보정계수 도출
포화교통류율은 특정 접근로 또는 차로군에서 유효녹색시간의 100%를 활용할 경우 통과할 수 있는 이론 적인 최대교통량을 의미한다(MLTM, 2013). 고속도로와 같은 연속류 시설과는 달리, 신호교차로에서는 직진 및 좌회전 차량의 방출이 유효녹색시간 동안에만 이루어지므로, 먼저 신호와 무관한 포화교통류율을 산출한 뒤, 여기에 해당 차로군의 유효녹색시간비(신호 주기 대비 유효녹색시간의 비율)를 곱하여 용량을 계산한다.
특정 도로 시설의 차로군 i에 대한 포화교통류율 Si [단위: veh/h]는 식(1)로 계산할 수 있다. 여기서 S0는 승용차 환산 기준의 차로당 기본 포화교통류율이며, 차로폭이 3 m 이상, 경사가 없는 접근부, 직진 승용차 교통류, 접근부 정지선 인근 버스 정류장, 노상 주정차, 진출입 차량이 없는 이상적 조건에서의 포화교통류 율을 의미한다. Si 는 이러한 S0 에 중차량 혼입 등 현장 조건을 보정계수로 반영하여 산정한 차로군의 포화교 통류율을 나타낸다.
where,
-
S0 : 기본 포화교통류율(KHCM에서는 2,200 pc/h/ln로 제시),
-
Ni : i차로군의 차로수,
-
fLT : 좌회전 보정계수(우회전을 고려할 경우, fLT 대신 우회전 보정계수 fRT 를 사용),
-
fw : 차로폭 보정계수,
-
fg : 경사 보정계수,
-
fHV : 중차량 보정계수.
이러한 구조에서 AV 혼입은 인지반응시간과 차두시간의 변화를 통해 포화교통류율에 영향을 미칠 수 있 다. 따라서, 이를 정량화하려는 연구가 국내외에서 일부 수행되고 있다. 국내 연구로는 Land and Housing Institute(LH)(2020)가 신호교차로 네트워크에서 VISSIM을 활용하여 AV의 혼입에 따른 기본 포화교통류율 변 화를 분석하였다. 경기도 성남시의 실제 도로 네트워크를 대상으로 SAE Level 4인 AV를 적용하였으며, AV 혼입률이 0%일 때, 2,183 pc/h/ln이었던 포화교통류율이 혼입률이 높아짐에 따라 점차 증가하여, AV 100% 조 건에서는 2,901 pc/h/ln로 약 33% 증가하는 것으로 나타났다. Park and Kim(2025)은 신호교차로를 대상으로 VISSIM을 활용하여 AV 혼입에 따른 기본 포화교통류율의 변화를 분석하고, 이를 반영한 기본 포화교통류율 보정계수를 제시하였다. LH(2020)와 마찬가지로 SAE Level 4인 AV를 활용하였으며, AV 혼입률이 0%일 때, 1,952 pc/h/ln이었던 포화교통류율은 AV 100% 조건에서 3,295 pc/h/ln으로 약 70%가 증가하였다. 이를 반영하 여 기본 포화교통류율 보정계수를 AV 혼입률 0%일 때, 1.00으로, AV 100%일 때, 1.70으로 제시하였다.
국외에서는 미국 HCM 7판에서 AV 혼입을 반영한 포화교통류율 보정계수를 제시하였다. 이에 대한 연구 과정과 세부 결과는 Adebisi et al.(2022)에 기술되어 있다. VISSIM을 활용해 가상의 신호교차로 네트워크를 구축하고 기본(직진), 보호좌회전, 비보호좌회전 각각에 대한 포화교통류율 보정계수를 산출하였다. AV는 모 두 협력적 적응형 크루즈 컨트롤(cooperative adaptive cruise control, CACC)과 군집주행(platooning) 기능을 갖 춘 CAV로 정의되었으며, CAV의 주행 행태에 따라 Conservative, Normal, Aggressive로 구분하였다. CACC와 platooning 기능을 가진 CAV는 HDV보다 훨씬 짧은 차두시간을 가진다고 가정하였으며, 일부 시나리오에서 는 platooning이 적용되지 않고, 적응형 크루즈 컨트롤(adaptive cruise control, ACC)로 주행하는 경우도 고려하 였다. 분석 결과 대부분의 주행 행태에서 AV 혼입률이 높아질수록 교통류가 점진적으로 개선되는 것으로 나타났으며, 이러한 결과를 보정계수 형태로 정리하여 제시하였다.
3. 본 연구의 차별성
AV 혼합교통류가 교통 흐름에 미치는 영향에 대한 연구는 활발히 수행되어 왔으나, AV를 고려한 신호교차로 보정계수를 산출한 연구는 많지 않은 것으로 파악된다. 국내 연구는 주로 직진 교통류를 대상으로 기본 포화교통 류율의 변화와 보정계수 산출에 집중해 왔으며, 회전 교통류와 다양한 AV 주행 행태를 충분히 반영하지 못했다. 국외 연구는 직진 및 회전 교통류에 대한 포화교통류율 보정계수를 제시하고, AV를 Conservative, Normal, Aggressive 등으로 구분하기도 했으나, 분석 대상이 협력주행(CACC와 platooning)을 갖춘 CAV를 중심으로 설정되 어 초기 도입 단계에서 관측되는 보수적 AV(예: 긴 차두시간, 큰 안전거리)의 영향을 별도 시나리오로 충분히 다루지 못했다. 또한, AV 주행 행태 혼재 시나리오를 고려한 연구는 일부 존재하지만, 다양한 AV 주행 행태가 혼재되었을 때, 신호교차로 포화교통류율 및 회전 보정계수를 체계적으로 산출‧제시한 연구는 거의 수행되지 않았다.
이에 본 연구에서는 다양한 AV 행태와 혼입률을 동시에 고려하여, AV 혼입 환경을 고려한 신호교차로 보정계수(기본 포화교통류율 및 좌회전)를 제시하는 것을 목표로 한다. 보수적 행태부터 과감한 행태, 그리 고 CAV까지 폭넓은 주행 행태를 고려하여, 단일 행태의 영향뿐 아니라, 다양한 행태가 혼재된 조건에서의 영향도 함께 분석한다. 더 나아가 문헌값 기반 파라미터 설정에 의존한 기존 시뮬레이션 연구와 달리, 국내 자율주행 시범지구에서 주행하는 AV의 주행 데이터를 일부 활용(Choi and Shin, 2023)하여, 인지반응시간, 안 전거리 등 주요 파라미터를 보정하고, 분석에 반영한다. 이를 통해 분석의 현실성을 확보하고, 국내 실정에 적합한 AV 혼입 신호교차로 보정계수를 제시하고자 한다.
Ⅲ. 연구방법론
SAE는 자율주행 기술을 레벨 0부터 5까지 6단계로 구분하고 있으며(SAE International, 2025), NHTSA (2017)에서는 레벨 3부터 5까지를 일반적으로 AV로 통칭되는 Automated driving system으로 정의하고 있다. 그러나 AV 기술의 발전에도 불구하고, AV의 보급이 제한적인 수준에 머물러 있어(Stueger et al., 2025), 실제 도로에서 AV 주행 특성을 체계적으로 관찰‧분석하는 데에는 한계가 존재한다(Sun et al., 2024). 이에 본 연 구에서는 다양한 AV 주행 행태 및 혼입률 시나리오를 구성하여 VISSIM 2021을 통해 시뮬레이션 분석을 수 행하였다. 본 연구의 전체 흐름은 <Fig. 1>에 제시되어 있으며, 크게 4단계로 구성되어 있다. 첫째, 분석 대상 지를 선정하고, 시뮬레이션 네트워크를 구축한다. 둘째, 실험 설정을 위해 AV 주행 행태를 정의하고, AV 실 데이터 및 문헌 자료를 바탕으로 HDV와 AV 행태별 파라미터를 설정한다. 이후 AV 행태 및 혼입률에 따른 시뮬레이션 시나리오를 구성하고, KHCM에서 제시하는 기준값(기본 포화교통류율, 비보호좌회전 임계 및 추 종차두시간)을 재현하도록 시뮬레이션 모형 정산을 수행한다. 셋째, 정의된 시나리오별 시뮬레이션을 통해 직진 및 보호좌회전 포화교통류율과 비보호좌회전의 임계‧추종차두시간을 각각 산출한다. 마지막으로, 산출 된 방출 특성 변화를 토대로 기본 포화교통류율 보정계수, 보호좌회전 보정계수, 비보호좌회전 보정계수를 최종 도출한다.
1. 분석 대상지 선정
본 연구에서는 AV 혼입에 따른 포화교통류율 및 좌회전 교통류 처리 특성 변화를 분석하기 위해, 직진 및 좌회전 교통류가 명확히 분리된 도시부 신호교차로를 시뮬레이션 대상지 선정 기준으로 하였다. 이에 수 원시에 위치한 수성중사거리를 분석 대상지로 선정하였으며, 해당 교차로는 편도 2차로 및 좌회전 전용차로 로 구성되어 있고, 보호좌회전 현시가 운영되므로 직진 및 전용좌회전 교통류를 명확히 분리하여 분석할 수 있다. 또한 국내 도시부 교차로에서 비교적 보편적인 차로 구성을 갖추고 있어, 특정 기하조건에만 한정되지 않는 결과를 도출하기에 적절하다고 판단하였다.
2022년 4월에 수집된 교통량 자료와 수원시청에서 제공한 신호현시 자료를 활용하여 VISSIM 네트워크를 구축하였으며, 오후 첨두시간대(17:00~18:00)의 신호 운영과 교통량을 입력하였다. 차종 구성의 영향을 배제 하여 AV 혼입 효과를 분리하기 위해, 실측 교통량을 승용차 환산 교통량으로 변환한 뒤 시뮬레이션에서는 모든 차량을 승용차로 단일화하여 입력하였다. 또한, 분석 목적에 따라 교통 수요 설정 방식을 차별화하였 다. 직진 및 보호좌회전의 포화교통류율 분석에서는 포화 상태가 재현되도록 교통 수요를 별도로 설정하여 충분히 많은 교통량을 투입하였다. 한편 비보호좌회전 분석은 대상지가 실제로 보호좌회전을 운영하나, 동일 교차로 맥락에서 비보호 운영을 가정하여 간격수락 특성을 구현하였으며, 이때 좌회전 및 대향 직진 교통량 은 실제 대상지의 교통량을 적용하였다. 구축된 네트워크 중 오후 첨두시간대 교통량이 가장 높은 서측 접근 로를 분석 대상 구간으로 선정하였으며, 대상지의 VISSIM 네트워크와 접근로별 교통량 및 분석 대상 구간은 <Fig. 2>와 같다.
2. 시뮬레이션 설정
1) AV 주행 행태 정의 및 구분
본 연구는 AV의 주행 행태를 보수적으로 주행하는 경우부터 과감하게 주행하는 경우까지 고려하였다. 구 체적으로, CoEXist 연구에서 정의되어 VISSIM에 내장된 세 가지 AV 주행 행태(Cautious, Normal, Aggressive) 를 활용하였다(PTV Group, 2021;Sukennik, 2021;Oh et al., 2023). 본 연구에서는 이들 행태를 모두 SAE Level 4(고도 자동화)에 해당하는 AV로 가정하되, Cautious의 경우 국내 자율주행 시범지구에서 관측되는 보 수적 주행 특성을 반영하기 위한 행태로 설정하였다. Normal 및 Aggressive로 갈수록 더 짧은 안전거리와 적 극적인 가‧감속을 허용하는 것으로 설정하였다. 또한 Aggressive를 기반으로, V2V 및 V2I 통신을 가정한 행 태를 CAV로 정의하였다. CAV는 통신을 통해 선행 차량 및 신호 정보를 사전에 인지함으로써 신호에 대한 인지 반응시간과 AV－AV 추종 상황에서의 차두시간이 추가로 단축되는 운영 특성을 반영한 하나의 주행 행태로 간주하였다.
2) HDV 및 AV 주행 파라미터 설정
HDV와 AV의 주행 파라미터 설정에는 각각 Wiedemann 74와 Wiedemann 99 차량 추종 모형을 적용하였다. Wiedemann 모형은 운전자가 선행 차량과의 거리‧속도 차이에 따라 가감속을 결정하는 과정을 확률적으로 모 사하며, 운전자의 심리적 거리 개념을 기반으로 추종 행동을 표현한다(Wiedemann, 1974). 본 연구에서는 HDV 거동 구현을 위해 Wiedemann 74를, AV 거동 구현을 위해 Wiedemann 99를 적용하였다. AV 거동 구현은 (1) VISSIM 등 상용 시뮬레이터 내장 차량추종 모형의 파라미터를 조정, (2) 기존 차량추종 모형 또는 ACC/CACC 등의 제어‧통신 로직의 외부 구현, (3) AV 주행 특성을 반영한 신규 모형 개발 등으로 구분될 수 있다(Jang et al., 2023). 본 연구는 신호교차로의 포화교통류율 및 좌회전 보정계수 산정에 초점을 두고, 이들은 차두시간 과 신호에 대한 인지반응시간 등 방출 특성에 민감하다는 점을 고려하여, (1)에 해당하는 VISSIM(Wiedemann 99) 기반의 파라미터 조정 방식을 채택하였다. 이 접근은 시나리오 재현성이 높고, 방출 특성을 좌우하는 핵심 파라미터를 직접 통제할 수 있으며, 실측 자료가 제한적인 상황에서도 CoEXist 등에서 제시된 행태별 파라미터 로 행태 간 차이를 구현할 수 있다는 장점이 있다.
HDV의 경우 KHCM에서 제시하는 이상적인 조건에서의 기본 포화교통류율 2,200 pc/h/ln을 기준으로 Wiedemann 74의 average standstill distance, additive part of safety distance, multiplicative part of safety distance 파 라미터를 각각 2.0 m, 2.0, 2.0(기본값: 2.0 m, 2.0, 3.0)으로 설정하였다. AV의 경우 Wiedemann 99의 주행 파라미 터(CC0~CC9)는 정지 시 안전거리, 차간 간격, 가‧감속 특성 등을 나타낸다. Cautious는 서울 상암 및 판교 자율 주행 시범지구 현장조사를 포함하여 수집한 일부 주행 데이터를 바탕으로 자율주행차량의 정지 시 안전거리 (CC0), 차두시간(CC0와 CC1을 통해 계산), 신호에 대한 인지반응시간(reaction time distribution) 등을 보정하였 다. 데이터 수집 절차는 Choi and Shin(2023)에 제시되어 있으며, 본 연구는 시범지구에서 관측되는 보수적 AV 특성을 미래 대표 행태로 일반화하기보다, AV 도입 초기 단계에서 현실적으로 관측 가능한 보수적 행태의 한 사례로 반영하고자 하였다. Normal, Aggressive의 차두시간 및 주행 특성은 현 시점 도로에서 각 행태를 나타낼 수 있는 파라미터 수준의 실측 근거가 충분하지 않은 상황이므로, 본 연구에서는 행태 간 차이를 구현하기 위해 CoEXist 기반 값을 준용하였으며, reaction time distribution은 선행연구를 참고해 일부 보정하였다(PTV Group, 2021;Boualam et al., 2022;Oh et al., 2023). CAV는 Aggressive를 기반으로 하되, AV－AV 추종 상황에서 차두시간을 추가로 단축하고, 신호 인지반응시간도 더 짧게 설정하였다. 반면, Aggressive는 동일 조건에서도 차두시간 단축을 적용하지 않았고, 신호 인지반응시간은 Normal과 동일하게 설정하였다. 추종 상황이 아닐 때 의 희망 주행속도(desired speed)는 HDV와 AV 모두 분석 대상지의 제한속도인 50 km/h로 가정하였다. 설정된 속도 및 주행 파라미터는 <Table 1>과 같다(PTV Group, 2021;Oh et al., 2023).
<Table 1>
Driving parameters for HDVs and AVs
| Parameter | HDV | AV | |||
|---|---|---|---|---|---|
| Cautious | Normal | Aggressive | CAV | ||
| Speed | |||||
| Desired speed [km/h] | 50 | ||||
| Car-following | |||||
| Model | Wiedemann 74 | Wiedemann 99 | |||
| Average standstill distance [m] | 2.0 | - | - | - | - |
| Additive part of safety distance | 2.0 | - | - | - | - |
| Multiplicative part of safety distance | 2.0 | - | - | - | - |
| CC0: Standstill distance [m] | - | 6.1 | 1.5 | 1.0 | 1.0 |
| CC1: Gap time distribution [s] | - | 1.3 | 0.9 | 0.9 | 0.9 (0.6*) |
| CC2: ‘Following’ distance oscillation [m] | - | 0.0 | 0.0 | 0.0 | 0.0 |
| CC3: Threshold for entering ‘Following’ [s] | - | -10.0 | -8.0 | -6.0 | -6.0 |
| CC4: Negative speed difference [m/s] | - | -0.1 | -0.1 | -0.1 | -0.1 |
| CC5: Positive speed difference [m/s] | - | 0.1 | 0.1 | 0.1 | 0.1 |
| CC6: Distance dependency of oscillation [1/(m·s)] | - | 0.0 | 0.0 | 0.0 | 0.0 |
| CC7: Oscillation acceleration [m/s2] | - | 0.1 | 0.1 | 0.1 | 0.1 |
| CC8: Acceleration from standstill [m/s2] | - | 3.0 | 3.5 | 4.0 | 4.0 |
| CC9: Acceleration at 80 km/h [m/s2] | - | 1.2 | 1.5 | 2.0 | 2.0 |
| Signal control | |||||
| Reaction time distribution [s] | 1.73 | 1.42 | 1.0 | 1.0 | 0.5 |
| *The CC1 parameter decreases from 0.9 to 0.6 seconds in the presence of a CAV as the preceding vehicle. | |||||
3) 시뮬레이션 시나리오 구성
본 연구에서는 AV 주행 행태와 혼입률을 조합하여 총 25개의 시나리오를 구성하였다. 먼저 HDV만 존재 하는 경우를 Default 시나리오로 정의하였다. 단일 주행 행태 시나리오는 HDV만 존재하는 Default 시나리오 를 포함하여 AV 행태별로 20%, 40%, 60%, 80%, 100% 혼입률을 고려한 총 21개를 설정하였으며 <Table 2> 에 제시하였다. 또한, AV 혼입률 20%, 40%, 60%, 80% 조건에서 서로 다른 주행 행태가 동시에 존재하는 Mixed 시나리오 4개를 추가로 구성하였고, 해당 시나리오는 <Table 3>과 같다. 여기서 혼입률은 전체 교통류 중 AV 비율을 의미하며, Mixed 시나리오에서는 AV로 설정된 차량 집단 내부에서 행태 구성비를 부여하였 다. Mixed 시나리오의 행태 구성은 AV의 연도별 보급 전망(Ko, 2023;Duboz et al., 2025)과 연도별 주행 행태 구성비율(Khashayarfard and Nassiri, 2021)을 참고하여 설정하였다. 다만 주행 행태 구성비는 기술 발전 및 제 도‧정책 환경에 따라 가변적이며, 본 연구는 특정 비율 자체의 예측이 아니라, 혼입률 및 행태 구성 변화에 따른 보정계수의 상대적 변화 경향 분석에 초점을 두었다. 이에 따라 AV 혼입률 20%에서는 Cautious 및 Normal의 비중이 높고, 혼입률이 높아질수록 Aggressive 및 CAV의 비중이 증가하도록 구성하였다. Aggressive와 CAV는 기본적인 주행 행태(가‧감속 특성 등)는 동일하되, V2V, V2I 통신 유무에 따른 AV－AV 간 차두시간, 신호에 대한 인지반응시간에서만 차이가 있으므로, Mixed 시나리오에서는 두 행태의 비율을 동 일하게 설정하였다.
<Table 2>
Simulation scenarios for single-behavior AV cases
| Category | Driving behavior | AV penetration rate (%) | ||||
|---|---|---|---|---|---|---|
| HDV (Default) | - | 0 | ||||
| AV | Cautious | 20 | 40 | 60 | 80 | 100 |
| Normal | 20 | 40 | 60 | 80 | 100 | |
| Aggressive | 20 | 40 | 60 | 80 | 100 | |
| CAV | 20 | 40 | 60 | 80 | 100 | |
<Table 3>
Simulation scenarios for mixed-behavior AV cases
| Category | Driving behavior | AV penetration rate (%) | |||
|---|---|---|---|---|---|
| 20 | 40 | 60 | 80 | ||
| HDV | - | 80.0 | 60.0 | 40.0 | 20.0 |
| AV | Cautious | 4.7 | 5.5 | 5.9 | 5.3 |
| Normal | 7.9 | 22.7 | 31.8 | 38.0 | |
| Aggressive | 3.7 | 5.9 | 11.15 | 18.35 | |
| CAV | 3.7 | 5.9 | 11.15 | 18.35 | |
각 시나리오는 서로 다른 난수를 적용하여 5회 반복 수행하였다. 시뮬레이션 시간은 네트워크에 차량이 원활하게 통행하도록 하기 위한 준비 시간 900 s 이후, 분석 3600 s로 설정하였다.
4) 시뮬레이션 모형 정산
본 연구에서 구축한 시뮬레이션 모형은 HDV만 존재하는 Default 시나리오에서 KHCM에 제시된 기준값을 재현하도록 보정하였다. 직진 교통류의 경우, HDV에 대해 Wiedemann 74 모형을 적용한 후, Ⅲ.2.2절에서 언 급한 average standstill distance, additive part of safety distance, multiplicative part of safety distance를 미세 조정 하여, Default 시나리오(HDV 100% 조건)에서 산출되는 포화차두시간과 포화교통류율이 각각 약 1.64 s, 2,200 pc/h/ln 수준으로 재현되도록 설정하였다. 비보호좌회전의 경우에는 VISSIM의 상충구역(conflict area) 관련 파 라미터를 조정하여, Default 시나리오에서 좌회전 차량이 진입을 수락하는 최소 시간 간격인 임계차두시간 (critical headway)과 동일한 간격 내에서 연속으로 좌회전할 때의 차량 간 최소 시간 간격인 추종차두시간 (follow-up headway)이 각각 4.9 s, 2.3 s가 되도록 설정하였다. 이로써 본 연구는 특정 교차로 관측값의 1:1 재 현이 아니라, KHCM 기준을 준용해 보정된 교차로 모형에서 AV 혼입에 따른 보정계수의 상대적 변화를 평 가하는 데 초점을 두었다.
3. 분석 방법
본 절에서는 다양한 AV 주행 행태와 혼입률 시나리오에 따른 신호교차로의 보정계수를 산출하기 위해, 직진 및 보호좌회전의 포화교통류율, 비보호좌회전의 임계차두시간 및 추종차두시간을 산정하는 절차를 제 시한다. 산정된 지표를 기반으로 AV 혼입에 따른 주행 특성 변화를 정량적으로 비교하고, 기본 포화교통류 율 보정계수와 보호‧비보호좌회전 보정계수를 도출한다.
1) 직진 및 보호좌회전 포화교통류율 산출
포화교통류율은 녹색신호가 켜졌을 때, 차량들이 정지선을 통과하는 시점을 측정하여 방출차두시간 (discharge headway)을 기록하고, 초기 손실시간(신호 인지 및 출발 반응 등) 영향을 제외하고, 방출차두시간이 안정화되는 구간의 평균값(포화차두시간, saturation headway)을 이용해 계산한다. 선행 연구에서는 통상 5번째 차량 이후 구간을 안정화 구간으로 간주하여 포화차두시간을 산정하며(Oh and Shim, 1992), 포화교통류율은 3600 s를 포화차두시간으로 나누어 계산된다.
이때, 대상지의 실제 교통량을 그대로 적용할 경우, 신호 주기 및 교통 수요 수준에 따라 안정화 구간(예: 5번째 차량 이후)이 충분히 확보되지 않을 수 있다. 따라서 본 연구는 직진 및 보호좌회전의 경우 포화 상태 가 재현되도록 충분한 교통량을 투입하여 차량이 연속적으로 방출되도록 시뮬레이션 조건을 설정하였다. Default 시나리오에서 산출된 방출차두시간의 분포는 <Fig. 3>에 box plot으로 제시하였다. 이러한 산정 방식 을 바탕으로 AV 주행 행태 및 혼입률 시나리오별로 직진과 보호좌회전의 포화차두시간 및 포화교통류율을 각각 산출하였다. 직진 교통류의 경우, 시나리오별 포화교통류율을 KHCM의 기본 포화교통류율(2,200 pc/h/ln)로 나누어 기본 포화교통류율 보정계수를 산출하였다. 보호좌회전의 경우에는 기본 포화교통류율을 좌회전 시나리오별 포화교통류율로 나누어 보호좌회전 직진환산계수를 산정하였으며, 보호좌회전 보정계수 는 이 직진환산계수의 역수로 계산하였다.
여기서 좌회전의 직진환산계수는 좌회전 1대가 직진 기준 몇 대의 통과 효과를 가지는지를 의미한다. 좌 회전 운영방식이 보호좌회전인지, 비보호좌회전인지에 따라 직진환산계수 계산 방식이 달라지며, 전용좌회 전 차로인지, 공용좌회전 차로인지에 따라서도 상이하다(MLTM, 2013). 본 연구에서는 교통분석 측면에서 상 대적으로 단순하지만, 공용좌회전 차로의 비보호좌회전을 분석하는데 근간이 되는 전용좌회전 차로를 대상 으로 하였다(Doh, 2000). 전용좌회전 차로에서의 좌회전을 보호좌회전과 비보호좌회전으로 구분하여, AV 혼 입에 따른 변화 특성을 분석하였다.
2) 비보호좌회전 임계차두시간, 추종차두시간 산출
보호좌회전은 좌회전 신호를 받아 통행하므로 포화차두시간을 직접 측정해 포화교통류율을 산출할 수 있 다. 반면 비보호좌회전은 대향 접근로의 직진 교통류 차두시간에 따라 좌회전 진입을 수락하거나 거절하기 때문에 포화차두시간을 직접 측정하기 어렵다. 따라서 비보호좌회전의 경우, 임계차두시간과 추종차두시간 을 측정한다. 비보호좌회전 차량 입장에서 대향 직진 교통류의 차두시간에 대해 수락한 차두시간과 거절한 차두시간을 각각 기록한 후, 간격수락모형 중 가장 널리 활용되고 있는 Raff 방식을 적용하여 수락간격의 누 적분포와 거절간격의 역누적분포가 교차하는 지점을 임계차두시간으로 산출한다(Raff, 1950;Ogallo and Jha, 2014). 이때 임계차두시간은 운전자들이 좌회전 진입 여부를 판단할 때, 수락과 거절의 경향이 바뀌는 임계 시점으로서 운전자 집단의 평균적인 판단 경계를 의미한다.
본 연구의 분석 대상지는 실제로 보호좌회전으로 운영되나, 동일 교차로의 기하‧상충 맥락에서 비보호좌 회전 상황을 가정하여 분석을 진행하였다. 이는 특정 교차로 운영을 1:1로 재현하려는 목적이 아니라, AV 혼 입에 따라 간격수락 특성(임계 및 추종차두시간)이 어떻게 변하는지를 동일한 교차로 조건 하에서 비교하기 위한 설정이다. 이에 따라 비보호좌회전 분석에서는 대상지의 실제 첨두 교통량(좌회전 및 대향 직진)을 적 용하여 상충 상황을 재현하였으며, Ⅲ.2.4절에서 설명한 바와 같이 VISSIM의 conflict area 파라미터 등을 조 정해 HDV 100% 조건에서 위 기준값이 재현되도록 하였다. 이후 AV 수준 및 혼입률 시나리오별로 임계차두 시간, 추종차두시간을 각각 계산하였으며, 이들은 대향 직진 교통류의 한 차두시간 당 비보호좌회전 가능 대 수를 산정하는 데 활용되었다. 그리고 앞서 정의한 방식과 마찬가지로 기본 포화교통류율(HDV 100% 조건) 과 비교하여 비보호좌회전의 직진환산계수 및 회전보정계수를 산출하였다.
Ⅳ. 연구결과
1. 기본 포화교통류율
AV 주행 행태 및 혼입률 시나리오에 따른 직진의 포화차두시간과 포화교통류율을 산출한 결과는 <Fig. 4>와 같다. Default 시나리오에서 보인 약 2,200 pc/h/ln의 포화교통류율과 비교하면, Cautious에서는 AV 혼입 률이 높아질수록 오히려 포화교통류율이 감소하는 것으로 나타났다. 이는 보수적 주행 행태로 인해 AV 혼 입 시 차량 간격이 늘어나면서 포화교통류율이 감소한 결과로, 보수적으로 주행하는 AV 혼입이 오히려 교 통 흐름을 저하시킨다는 기존 연구의 결과와 일치한다(Jang et al., 2023;Oh et al., 2023;Almusawi et al., 2024). 반면 Normal, Aggressive, CAV에서는 혼입률이 높아질수록 포화교통류율이 꾸준히 증가하였다. 다양한 AV 주행 행태가 섞인 Mixed 시나리오의 경우 혼입률이 높아질수록 포화교통류율이 증가하였으나, Normal, Aggressive, CAV보다는 다소 낮은 값을 보이는 것으로 나타났다. 이는 포화교통류율이 감소하는 Cautious과 증가하는 다른 주행 행태가 혼합되어 나타난 결과로 판단된다.
<Fig. 4>
Saturation headway and saturation flow rate for through movement under different AV driving behaviors and penetration rates
이상의 결과를 바탕으로 AV 혼입에 따른 기본 포화교통류율 보정계수를 산정하였으며, 결과는 <Table 4> 와 같다. 예를 들어, CAV 수준에서 AV 혼입률이 100%인 경우, 보정계수는 1.79로, 이는 현재 2,200 pc/h/ln의 기본 포화교통류율이 CAV 100% 조건에서는 약 3,938 pc/h/ln까지 증가함을 의미한다. 차로군 i의 포화교통류 율을 산정하는 식(1)의 기본 포화교통류율(S0)에 이러한 보정계수를 곱함으로써 AV 혼입 효과를 반영할 수 있다.
<Table 4>
Base saturation flow rate adjustment factors under different AV driving behaviors and penetration rates
| AV penetration rate | Cautious | Normal | Aggressive | CAV | Mixed |
|---|---|---|---|---|---|
| 0 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| 20 | 1.00 | 1.08 | 1.09 | 1.11 | 1.07 |
| 40 | 1.00 | 1.19 | 1.20 | 1.22 | 1.18 |
| 60 | 0.98 | 1.31 | 1.33 | 1.34 | 1.29 |
| 80 | 0.96 | 1.43 | 1.46 | 1.52 | 1.44 |
| 100 | 0.93 | 1.51 | 1.59 | 1.79 | - |
2. 보호좌회전
AV 주행 행태 및 혼입률 시나리오에 따른 보호좌회전의 포화차두시간과 포화교통류율을 산출한 결과는 <Fig. 5>와 같다. Default 시나리오에서 약 1,948 pc/h/ln로 계산되었는데, Cautious에서는 혼입률이 높아짐에 따라 보호좌회전 포화교통류율이 감소하는 경향을 보였으며, <Fig. 4>의 직진 포화교통류율과 비교했을 때 좌회전의 감소 폭이 더 크게 나타났다. 이는 좌회전의 기하적인 제약(곡선반경)으로 인한 감속이 수반되면서 차두시간이 직진보다 더 길어지는 등, AV의 보수적 주행 특성이 더욱 두드러진 결과로 해석된다. 반면, Normal, Aggressive, CAV에서는 혼입률이 높아짐에 따라 보호좌회전의 포화교통류율이 증가하였다. 다만 좌 회전은 곡선 통과에 따른 물리적 제약으로 인해 AV의 차두시간 단축 효과가 상대적으로 작게 나타나, 그 증 가폭이 직진보다 제한적으로 관찰되었다. Mixed 시나리오에서는 혼입률이 높아짐에 따라 포화교통류율이 Default 시나리오보다 작아지기도 하였는데, 이는 AV 혼입 초기에 Cautious의 영향이 상대적으로 크게 작용 하다가, 혼입률이 높아질수록 그 비중이 줄어들며 완화된 것으로 해석된다.
<Fig. 5>
Saturation headway and saturation flow rate for protected left-turn movement under different AV driving behaviors and penetration rates
보호좌회전의 직진환산계수는 <Table 5>와 같다. Default 시나리오에서 보호좌회전의 직진환산계수는 1.13 으로 산출되었으며, 이는 보호좌회전 차량 1대가 직진 기준 약 1.13대가 통과하는 데 필요한 시간과 동일한 수준의 시간을 차지함을 의미한다. AV가 혼입된 경우, Cautious에서는 혼입률이 높아질수록 직진환산계수가 증가하였고, 나머지 주행 행태에서는 감소하는 경향을 보였다. Mixed에서는 혼입률 20%일 때, 직진환산계수 가 1.16으로 증가했다가, 이후 감소하는 경향을 보였다.
<Table 5>
Through-car equivalent factors for protected left-turn movement under different AV driving behaviors and penetration rates
| AV penetration rate | Cautious | Normal | Aggressive | CAV | Mixed |
|---|---|---|---|---|---|
| 0 | 1.13 | 1.13 | 1.13 | 1.13 | 1.13 |
| 20 | 1.27 | 1.12 | 1.11 | 1.10 | 1.16 |
| 40 | 1.39 | 1.11 | 1.09 | 1.07 | 1.15 |
| 60 | 1.47 | 1.09 | 1.05 | 1.02 | 1.11 |
| 80 | 1.55 | 1.05 | 1.01 | 0.95 | 1.05 |
| 100 | 1.58 | 0.99 | 0.94 | 0.86 | - |
전용좌회전 차로에서 보호좌회전 보정계수는 직진환산계수의 역수로 계산되며(MLTM, 2013), 결과는 <Table 6>과 같다. Default 시나리오에서 보호좌회전 보정계수는 0.88로 산출되었는데, 이는 식(1)에서 해당 차로군의 포화교통류율을 계산할 때 기본 포화교통류율에 0.88을 곱해 좌회전으로 인한 처리능력 감소를 반 영한다는 의미이다. 즉, 좌회전 1대는 직진 기준 약 1/0.88 ≈ 1.13대가 통과하는데 필요한 시간과 같다는 것 을 의미하며, 이는 앞서 제시한 직진환산계수와 일관된 결과이다. Cautious에서는 AV 혼입률이 높아질수록, 보호좌회전 보정계수가 0.88에서 0.63까지 지속적으로 감소한 반면, Normal, Aggressive, CAV에서는 혼입률이 높아질수록 보정계수가 증가하였다. 특히 CAV 혼입률이 100%인 경우 보호좌회전 보정계수는 1.17까지 증가 하였으며, 이는 HDV 100% 조건(0.88)과 비교하면 약 33% 높은 좌회전 처리능력을 의미한다. 또한, CAV 환 경에서는 좌회전 차로의 처리효율이 HDV의 직진 기준 처리능력을 상회할 수 있음을 시사한다. Mixed에서는 보호좌회전 보정계수가 0.86까지 감소한 후 다시 증가하는 형태를 보였다.
<Table 6>
Protected left-turn adjustment factors under different AV driving behaviors and penetration rates
| AV penetration rate | Cautious | Normal | Aggressive | CAV | Mixed |
|---|---|---|---|---|---|
| 0 | 0.88 | 0.88 | 0.88 | 0.88 | 0.88 |
| 20 | 0.79 | 0.90 | 0.90 | 0.91 | 0.86 |
| 40 | 0.72 | 0.90 | 0.92 | 0.93 | 0.87 |
| 60 | 0.68 | 0.92 | 0.95 | 0.98 | 0.90 |
| 80 | 0.65 | 0.96 | 0.99 | 1.05 | 0.96 |
| 100 | 0.63 | 1.01 | 1.06 | 1.17 | - |
좌회전 보정계수는 식(1)에서 fLT 로 이미 정의된 계수이며, AV 혼입 시나리오별 표를 제시함으로써 상황 에 맞게 보정계수의 값을 선택하여 적용할 수 있다. 단, 본 연구에서 제시한 좌회전 보정계수는 AV 혼입 효 과를 포함하여 산정된 값이므로, 기본 포화교통류율 보정계수와 동시에 적용할 경우 AV 혼입 효과가 중복 반영될 수 있어, 동시에 적용하지 않도록 주의해야 한다.
3. 비보호좌회전
AV 주행 행태 및 혼입률 시나리오에 따른 비보호좌회전의 임계차두시간과 추종차두시간을 산출한 결과 는 <Fig. 6>과 같다. 혼입률 20%에서는 대부분의 주행 행태에서 임계차두시간의 변화가 크지 않았으나, 혼입 률 40%에서는 임계차두시간이 전반적으로 증가하는 경향이 관찰되었다. 특히 Cautious에서는 혼입률이 높아 질수록 임계차두시간이 지속적으로 증가하였다. 이는 보수적 주행 특성으로 인해 비보호좌회전을 시도하는 차량이 안전을 확보하기 위해 더 긴 진입 간격(차두시간)을 요구한 결과로 해석된다. 반면, 나머지 주행 행태 에서는 혼입률이 40%를 초과한 이후 임계차두시간의 추가적인 변화가 크지 않았다. 이는 AV 혼입이 증가함 에 따라 대향 직진 교통류의 차두시간 분포가 변화하면서, 비보호좌회전 차량이 활용할 수 있는 비교적 긴 진입 간격의 빈도가 감소하고, 그로 인해 수락/거절 경계(임계차두시간)의 이동이 제한된 결과로 해석된다. 즉, 비보호좌회전 교통류 내 AV 혼입에 따른 반응 특성 변화는 더 짧은 진입 간격을 허용하는 방향으로 작 용할 수 있으나, 동시에 대향 직진 교통류의 차두시간 단축은 긴 간격의 발생을 억제하여 두 효과가 상쇄되 는 양상이 나타난 것으로 볼 수 있다.
<Fig. 6>
Critical headway and follow-up headway for permitted left-turn movement under different AV driving behaviors and penetration rates
추종차두시간은 혼입률이 높아짐에 따라 Cautious에서 증가하고, 나머지 주행 행태에서는 감소하는 경향을 보였다. 이는 임계차두시간과 달리 추종차두시간이 대향 직진 교통류의 차두시간 분포와 직접적으로 연관되 지 않으며, 비보호좌회전 교통류 내 AV 혼입에 따른 영향이 상대적으로 더 크게 반영되었기 때문으로 해석 된다.
AV 주행 행태 및 혼입률 시나리오별 임계차두시간과 추종차두시간을 바탕으로, 대향 직진 교통류의 한 차두시간 당 비보호좌회전 가능 대수 P 를 식(2)와 같이 산출할 수 있다(MLTM, 2013). 이때, μ는 대향 직진 교통류의 초당 도착률이고, μτ 및 μd는 해당 시간 동안의 기대 도착대수(무차원)를 의미한다.
where,
KHCM에서는 μ를 달리하며, P 값의 변화를 제시하고 있다. 본 연구에서는 비교 기준을 고정하기 위해 수 원 수성중사거리의 대향 직진 교통량 762 pc/h를 Vo 로 적용하여 μ를 동일하게 두고, 임계차두시간과 추종차 두시간 변화에 따른 P 값의 상대적 변화를 확인하였다. 이에 대한 결과는 <Table 7>에 제시하였다. Cautious 에서는 혼입률이 높아질수록 P 가 감소한 반면, Normal, Aggressive, CAV에서는 혼입률이 20%에서 P 가 증가 하다가 40%에서 상대적으로 크게 감소한 후, 다시 증가하는 경향을 보였다. 이는 혼입률 40%에서 임계차두 시간의 상대적으로 크게 증가하여 P 가 감소하고, 이후에는 임계차두시간의 추가 변화가 크지 않은 가운데 추종차두시간이 지속적으로 감소하면서 P 가 다시 증가한 것으로 해석된다. Mixed 시나리오에서도, Normal, Aggressive, CAV와 유사한 경향을 보였다.
<Table 7>
Average number of permitted left turns per headway under different AV driving behaviors and penetration rates
| AV penetration rate | Cautious | Normal | Aggressive | CAV | Mixed |
|---|---|---|---|---|---|
| 0 | 0.93 | 0.93 | 0.93 | 0.93 | 0.93 |
| 20 | 0.90 | 0.97 | 0.96 | 0.94 | 0.93 |
| 40 | 0.78 | 0.93 | 0.92 | 0.93 | 0.88 |
| 60 | 0.71 | 0.96 | 0.98 | 0.98 | 0.93 |
| 80 | 0.69 | 0.99 | 1.04 | 1.05 | 1.00 |
| 100 | 0.68 | 1.03 | 1.03 | 1.10 | - |
비보호좌회전의 직진환산계수 EL 는 비보호좌회전 차량 한 대당 평균 차두시간에 직진의 기본 포화차두시 간(1.64 s)을 나누어 산정하며, 식(3)과 같다.
where,
-
g: 대향 직진에 대한 유효 녹색시간[단위: s],
-
C: 신호 주기[단위: s],
-
N : 대향 직진 차로수,
-
VL : 좌회전 교통량(좌회전 전용차로에서의 교통량이므로 한 차로에서의 교통량과 같음)[단위: pc/h].
본 연구에서는 대상지의 신호 데이터를 기반으로 g를 65.7 s, C를 160 s로 적용하였으며, N 은 2, VL 은 131 pc/h로 적용하였다. 이에 따라 산출한 직진환산계수는 <Table 8>과 같다. 혼입률 40% 구간에서는 임계차두시 간의 증가에 따른 P 의 변화를 제외하면, 혼입률이 높아질수록 직진환산계수가 증가하는 Cautious와 감소하 는 Normal, Aggressive, CAV 및 Mixed 시나리오의 경향을 확인할 수 있었다. 보호좌회전과 마찬가지로 전용 좌회전 차로의 비보호좌회전 보정계수는 직진환산계수의 역수로 계산되며, 그 결과는 <Table 9>에 제시하였 다. Default 시나리오에서, 비보호좌회전 보정계수는 0.19로 산출되었는데, 이는 식(1)에서 해당 차로군의 포 화교통류율을 계산할 때 기본 포화교통류율에 0.19를 곱해 비보호좌회전으로 인한 처리능력 감소를 반영한 다는 의미이다. 즉, 비보호좌회전 차량 1대는 직진 기준 약 5.2대가 통과하는 데 필요한 시간과 동일한 수준 의 시잔을 차지하며, 이는 앞서 제시한 비보호좌회전 직진환산계수와 일관된 결과이다. 비보호좌회전 보정계 수는 AV 주행 행태와 혼입률에 따라 약 0.16~0.21 범위 내에서 변동하는 것으로 나타났다. 직진환산계수의 값이 4 이상으로 크게 나타나기 때문에, 동일한 변화가 보정계수에서는 상대적으로 적은 차이로 나타나며, 보호좌회전 보정계수에 비해 AV 혼입에 따른 영향이 제한적인 것으로 해석된다.
<Table 8>
Through-car equivalent factors for permitted left-turn movement under different AV driving behaviors and penetration rates
| AV penetration rate | Cautious | Normal | Aggressive | CAV | Mixed |
|---|---|---|---|---|---|
| 0 | 5.17 | 5.17 | 5.17 | 5.17 | 5.17 |
| 20 | 5.28 | 5.06 | 5.08 | 5.15 | 5.18 |
| 40 | 5.79 | 5.17 | 5.22 | 5.19 | 5.35 |
| 60 | 6.14 | 5.10 | 5.03 | 5.02 | 5.18 |
| 80 | 6.27 | 4.99 | 4.85 | 4.83 | 4.96 |
| 100 | 6.35 | 4.89 | 4.87 | 4.70 | - |
<Table 9>
Permitted left-turn adjustment factors under different AV driving behaviors and penetration rates
| AV penetration rate | Cautious | Normal | Aggressive | CAV | Mixed |
|---|---|---|---|---|---|
| 0 | 0.19 | 0.19 | 0.19 | 0.19 | 0.19 |
| 20 | 0.19 | 0.20 | 0.20 | 0.19 | 0.19 |
| 40 | 0.17 | 0.19 | 0.19 | 0.19 | 0.19 |
| 60 | 0.16 | 0.20 | 0.20 | 0.20 | 0.19 |
| 80 | 0.16 | 0.20 | 0.21 | 0.21 | 0.20 |
| 100 | 0.16 | 0.20 | 0.21 | 0.21 | - |
보호좌회전과 마찬가지로 비보호좌회전 보정계수는 식(1)에서 fLT 로 이미 존재하므로 AV 혼입 시나리오 별 표를 제시함으로써 상황에 맞게 값을 선택하여 적용할 수 있다. 단, 해당 계수에 이미 AV 혼입 효과가 반 영되어 있으므로, AV 혼입 효과를 중복으로 적용하지 않도록 기본 포화교통류율 보정계수와의 동시 적용은 주의해야 한다.
Ⅴ. 결 론
본 연구는 자율주행차량(AV)의 혼입을 고려한 신호교차로 포화교통류율 산정 체계 개선을 위한 기초 연 구로서, 다양한 AV 주행 행태 및 혼입률 시나리오를 구성하고 교통 시뮬레이션을 통해 기본 포화교통류율 과 좌회전 보정계수를 산출하였다. KHCM에서 제시하는 기본 포화교통류율, 임계‧추종차두시간 기준값이 재현되도록 모형을 정산한 뒤, AV 혼입에 따른 상대적 변화를 비교‧분석하였다. 특히 서울 상암 및 판교 등 자율주행 시범지구에서 수집된 AV의 일부 주행 데이터를 활용하여 Cautious의 주행 파라미터를 보정함으로 써, AV 도입 초기 단계에서 현실적으로 관측 가능한 AV의 특성을 모형에 반영하였다.
분석 결과, Cautious는 혼입률이 높아짐에 따라 직진 및 좌회전의 포화교통류율이 감소하여 기본 포화교통 류율 및 보호‧비보호좌회전 보정계수가 낮아지는 것으로 나타났다. 이는 도입 초기의 보수적 AV가 혼입될 경우, 교차로 용량 저하로 이어질 수 있음을 의미하며, 자율주행 도입 초기 단계에서 이에 대한 대응 전략 검토가 필요함을 시사한다. 반면 Normal, Aggressive, CAV에서는 혼입률이 높아질수록 기본 포화교통류율 및 좌회전 보정계수가 점진적으로 증가하였다. Mixed 시나리오는 각 행태의 구성 비율에 따라 결과가 상이하였 으며, 보호좌회전에서는 혼입 초기 Cautious 영향으로 보정계수가 감소했다가, 혼입률이 높아짐에 따라 Aggressive 및 CAV의 비중이 커지면서 보정계수가 증가하는 경향이 나타났다. 이러한 결과는 AV 혼입 효과 가 주행 행태의 이질성에 따라 상이하게 나타날 수 있음을 보여준다.
신규 도출된 보정계수들은 기존 KHCM 수치와 뚜렷한 차이를 보였다. HDV 100% 조건에서 기본 포화교 통류율 및 보호좌회전 보정계수는 각각 1.00과 0.88이었으나, CAV 100% 조건에서는 1.79와 1.17로 증가하였 고, Cautious 100% 조건에서는 각각 0.93과 0.63으로 감소하였다. 이는 동일한 기하구조와 신호운영 조건에서 도 AV 주행 행태와 혼입률에 따라 직진 및 좌회전의 처리능력이 달라질 수 있음을 의미하며, AV 혼입 환경 에 현행 KHCM 보정계수를 그대로 적용할 경우 용량이 과대 또는 과소평가될 가능성을 시사한다. 따라서, AV 도입 단계 및 주행 행태 특성을 반영할 수 있도록 보정계수 체계에 대한 재검토 및 보완 논의가 필요하 다.
본 연구에서 제시하는 보정계수는 AV 주행 행태의 정의와 시뮬레이션 기반 거동 구현 방식에 따라 변동 될 수 있다. 특히 CAV는 협력주행 효과를 파라미터 조정으로 근사하여 구현하였으므로, V2X 기반 협력 주 행을 명시적으로 모델링하지 못한 한계가 있다. 또한, Cautious는 국내 시범지구 데이터를 기반으로 일부 파 라미터를 보정하였으나, Normal 및 Aggressive는 제한된 실측 근거로 인해 문헌 기반 파라미터를 준용하여 구현한 만큼, 파라미터 설정의 타당성을 추가로 점검‧보완할 필요가 있다. 향후 연구에서는 (i) 국내 실도로/ 시범지구 등 데이터의 추가 확보를 통한 파라미터 검증‧보정, (ii) ACC/CACC 또는 외부 제어모듈 연계를 통 한 협력주행의 명시적 구현, (iii) Mixed 시나리오 구성비에 대한 민감도 분석 및 실제 보급 자료 반영을 수행 할 필요가 있다. 마지막으로, 분석 대상을 공용좌회전 및 우회전 교통류까지 확장하고, 비신호교차로‧회전교 차로 시설에서도 AV 혼입을 반영한 용량 보정계수의 산정이 필요하다.
