유전자 알고리즘을 이용한 도로 통행지체함수의 파라메타 추정방법론 개발

Abstract

교통수요분석 과정을 통해서 추정 및 예측되는 교통수요는 주요 교통시설의 투자 여부뿐만 아니라 투자 규모를 결정하는 등 교통계획 과정에서 매우 중요한 역할을 수행하고 있다. 우리나라에서 보편적으로 적용되는 교통수요분석은 주로 전통적인 4단계모형(four-step model)이며, 최종 단계인 통행배정 과정에서 통행지체함수(Volume Delay Function, VDF)가 지대한 영향을 미친다. 따라서 본 연구는 KTDB(Korea Transport DataBase) 배포 자료의 교통수요예측 신뢰도를 향상시킬 수 있도록 VDF 파라메타를 재추정하는 방법론을 개발하고 또한 개발된 방법론을 적용하여 현재 KTDB에서 배포되는 도로등급별 VDF 파라메타의 산정범위를 기반으로 최적의 VDF 파라메타 값을 추정하고자 한다. 이를 위해서 본 연구에서는 다양한 최적화 기법을 비교한 후, 발견론적 최적화 기법 중 하나인 유전자 알고리즘과 교통수요분석 프로그램인 Emme4를 이용하여 시뮬레이션 기반 최적화 방법을 개발하였고, 이 방법을 이용하여 전국지역간 교통수요모형의 도로 유형별 VDF 파라메타 값들을 추정하였다. 본 연구에서 개발된 최적화 방법론을 이용하여 추정된 신규 VDF 파라메타는 기존 KTDB에서 배포자료에 비하여 VDF 파라메타의 위계를 현실적으로 반영할 수 있는 것으로 나타났다. 또한 전체적으로 배정교통량과 관측교통량 간의 차이를 측정하는 오차율의 경우에도 많은 부분 개선된 것으로 분석되었다. 예를 들어, 배정교통량과 관측교통량 간의 상관계수 값을 확인한 결과 최적화 전에 비해서 전체 도로망의 추정오차 값이 3.80% 개선되는 것으로 나타났다. 상관계수와 함께 평균 절대값 백분율 오차(MAPE), 평균 제곱근 오차(RMSE)를 이용한 예측오차 또한 각각 16.65%와 17.34% 줄어든 것으로 확인 되었다. 이러한 오차율 개선은 특히 교통량이 많은 고속도로를 중심으로 큰 향상을 보일 것으로 기대되는 바, 전체적으로는 KTDB를 이용한 교통수요예측 과정에서 교통수요모형의 예측 신뢰도 향상에 기여할 것으로 기대된다.