[논문 리뷰] Analyzing Highly Volatile Driving Trips Taken by Alternative Fuel Vehicles

Mohsen Kamrani, Ramin Arvin외 1명|arXiv (Cornell University)|2018. 07. 10.

Vehicle emissions and performance참고 문헌 21인용 수 9

한 줄 요약

이 연구는 2012–2013년 캘리포니아 주거생활 조사(N=62,839건의 이동)의 속도 데이터를 활용하여 대체 연료 차량의 주행 변동성(변동성)을 분석한다. OLS 및 분위수 회귀를 적용하여 제일 높은 변동성(90번째 백분율)을 보이는 이동을 규명한 결과, 세단 운전수, 젊은 운전수, 짧은 이동이 더 높은 변동성을 보이며, 피ckup 트럭, 해치백, 컨 vertible, 미니밴은 낮은 변동성을 보인다. 이는 행동 및 설계 개선 조치를 통한 교통안전 향상에 실질적인 통찰을 제공한다.

ABSTRACT

Volatile driving, characterized by fluctuations in speed and accelerations and aggressive lane changing/merging, is known to contribute to transportation crashes. To fully understand driving volatility with the intention of reducing it, the objective of this study is to identify its key correlates, while focusing on highly volatile trips. First, a measure of driving volatility based on vehicle speed is applied to trip data collected in the California Household Travel Survey during 2012-2013. Specifically, the trips containing driving cycles (N=62839 trips) were analyzed to obtain driving volatility. Second, correlations of volatility with the trip, vehicle, and person level variables were quantified using Ordinary Least Squares and quantile regression models. The results of the 90th percentile regression (which distinguishes the 10% highly volatile trips from the rest) show that trips taken by pickup trucks, hatchbacks, convertibles, and minivans are less volatile when compared to the trips taken by sedans. Moreover, longer trips have less driving volatility. In addition, younger drivers are more volatile drivers than old ones. Overall, the results of this study are reasonable and beneficial in identifying correlates of driving volatility, especially in terms of understanding factors that differentiate highly volatile trips from other trips. Reductions in driving volatility have positive implications for transportation safety. From a methodological standpoint, this study is an example of how to extract useful (volatility) information from raw vehicle speed data and use it to calm down drivers and ultimately improve transportation safety.

연구 동기 및 목표

• 대체 연료 차량 내에서 매우 높은 변동성을 보이는 주행 이동의 주요 상관요인을 규명하기 위해.
• 이동 수준, 차량 수준, 개인 수준의 변수가 주행 변동성에 미치는 영향을 정량화하기 위해.
• 통계 모델링을 통해 가장 높은 변동성(90번째 백분율)을 보이는 이동을 덜 변동성 있는 이동과 구분하기 위해.
• 폭력적인 주행과 관련된 행동 및 차량 특성 패턴을 드러내어 교통안전 전략을 제안하기 위해.

제안 방법

• 캘리포니아 주거생활 조사(2012–2013)의 차량 속도 데이터를 기반으로 한 주행 변동성 측정법을 적용하였다.
• 전반적인 변동성 관련성을 모델링하기 위해 일반최소제곱법(OLS) 회귀를 사용하였다.
• 가장 높은 변동성 10%를 고립하고 분석하기 위해 90번째 백분율에서 분위수 회귀를 적용하였다.
• 차량 유형, 이동 거리, 운전수 연령과 같은 변수와 변동성 간의 관계를 분석하였다.
• 예를 들어 세단 대비 피크업 트럭, 청소년 대비 노년 운전수 등 차량 유형 간 및 인구통계적 그룹 간 주행 행동을 비교하였다.
• 통계 모델링을 통해 원시 속도 데이터에서 실질적인 통찰을 도출하여 교통안전 적용에 활용하였다.

실험 결과

연구 질문

• RQ1 대체 연료 차량에서 어떤 차량 유형이 더 높거나 낮은 주행 변동성을 보이는가?
• RQ2 이동 거리는 특히 가장 높은 변동성 10%의 주행 변동성과 어떻게 관련이 있는가?
• RQ3 운전수 연령 및 인구통계적 요인이 주행 변동성에 어느 정도의 영향을 미치는가?
• RQ4 속도 변동과 폭력적인 주행 동작은 차량 유형과 이동 특성에 따라 어떻게 다를까?
• RQ5 원시 속도 데이터에서 매우 높은 변동성 주행 행동을 효과적으로 고립하고 분석할 수 있는 통계 방법은 무엇인가?

주요 결과

• 피크업 트럭, 해치백, 컨 vertible, 미니밴에 비해 세단에서 이동하는 경우 변동성이 유의미하게 더 높다.
• 젊은 운전수는 노년 운전수에 비해 더 높은 주행 변동성을 보인다.
• 긴 이동은 변동성이 낮다는 것을 의미하며, 이는 공격적인 주행 및 속도 변동이 감소함을 시사한다.
• 90번째 백분율 분위수 회귀 모델은 가장 높은 변동성 10%의 이동을 성공적으로 고립하여 극단적인 주행 행동을 드러냈다.
• 주행 변동성은 차량 유형과 운전수 연령과 강하게 상관되어 있어, 표적화된 안전 개선 조치를 통해 사고 위험을 줄일 수 있다.
• 이 연구는 원시 속도 데이터를 효과적으로 실질적인 변동성 지표로 전환하여 교통안전 응용에 활용할 수 있음을 입증하였다.