[논문 리뷰] Real-Time Crash Risk Analysis of Urban Arterials Incorporating Bluetooth, Weather, and Adaptive Signal Control Data

Jinghui Yuan, Mohamed Abdel‐Aty외 4명|arXiv (Cornell University)|2018. 05. 20.

Traffic and Road Safety참고 문헌 22인용 수 6

한 줄 요약

이 연구는 블루투스 기반 교통 데이터, 적응형 신호 제어 정보 및 기상 조건을 통합하여 도시 간선도로의 실시간 추돌 위험 모델을 개발한다. 5–10분 전의 사고 전 간격 데이터가 가장 정확한 예측을 제공하였으며, 평균 속도, 상류 측정량 및 비 오는 날씨가 추돌 위험을 크게 증가시켰다. 이는 다른 모델링 접근 방식보다 뛰어난 성능을 보였다.

ABSTRACT

Real-time safety analysis has become a hot research topic as it can reveal the relationship between real-time traffic characteristics and crash occurrence more accurately, and these results could be applied to improve active traffic management systems and enhance safety performance. Most of the previous studies have been applied to freeways and seldom to arterials. Therefore, this study attempts to examine the relationship between crash occurrence and real-time traffic and weather characteristics based on four urban arterials in Central Florida. Considering the substantial difference between the interrupted traffic flow on urban arterials and the free flow on freeways, the adaptive signal phasing was also introduced in this study. Bayesian conditional logistic models were developed by incorporating the Bluetooth, adaptive signal control, and weather data, which were extracted for a period of 20 minutes (four 5-minute interval) before the time of crash occurrence. Model comparison results indicate that the model based on 5-10 minute interval dataset is the most appropriate model. It reveals that the average speed, upstream volume, and rainy weather indicator were found to have significant effects on crash occurrence. Furthermore, both Bayesian logistic and Bayesian random effects logistic models were developed to compare with the Bayesian conditional logistic model, and the Bayesian conditional logistic model was found to be much better than the other two models. These results are important in real-time safety applications in the context of Integrated Active Traffic Management.

연구 동기 및 목표

• 도로에서의 활성 안전 연구에 비해 상대적으로 미흡한 도시 간선도로에 대해 실시간 추돌 위험 분석 모델을 개발하는 것.
• 블루투스 교통 흐름, 적응형 신호 제어 및 기상 조건과 같은 이질적인 실시간 데이터 소스를 통합하여 통합된 안전 모델링 프레임워크를 구축하는 것.
• 추돌 위험 예측을 위한 다양한 베이지안 모델링 접근 방식(조건부, 로지스틱, 무작위 효과)의 성능을 평가하는 것.
• 모델 정확도와 반응성 최적화를 위해 사고 전 데이터 추출에 가장 유용한 시간 창을 규명하는 것.

제안 방법

• 플로리다 중부 지역의 네 곳의 도시 간선도로에서 블루투스 감지기로부터 사고 발생 전 20분 간격의 실시간 교통 데이터를 수집하였다.
• 신호 제어 간섭이 발생하는 도로의 특성을 반영하기 위해 적응형 신호 제어 데이터를 통합하여 신호 조절 교차로의 역동성을 고려하였다.
• 사례-대조 매칭 및 세그먼트 내 상관관계를 고려하여 추돌 위험을 모델링하기 위해 베이지안 조건부 로지스틱 회귀분석을 사용하였다.
• 비 오는 날씨 영향을 평가하기 위해 비 오는 날씨 플래그를 포함한 기상 지표를 추출하고 처리하였다.
• 모델 비교 지표를 사용하여 성능을 평가하고, 5–10분 사고 전 간격을 최적의 간격으로 선정하였다.
• 예측 정확도를 비교하기 위해 표준 베이지안 로지스틱 모델 및 베이지안 무작위 효과 로지스틱 모델과 베이지안 조건부 로지스틱 모델을 대조하였다.

실험 결과

연구 질문

• RQ1 도시 간선도로에서 추돌 위험 예측 정확도를 극대화하기 위해 최적의 사고 전 데이터 수집 시간 창은 무엇인가?
• RQ2 평균 속도 및 상류 측정량과 같은 실시간 교통 변수가 신호등 제어 도로에서의 추돌 발생에 어떤 영향을 미치는가?
• RQ3 비와 같은 기상 조건이 도시 간선도로에서 실시간 추돌 위험에 어느 정도의 영향을 미치는가?
• RQ4 교통 데이터 외에 적응형 신호 제어 데이터를 포함함으로써 추돌 위험 모델링이 어떻게 향상되는가?
• RQ5 베이지안 조건부 로지스틱 모델, 표준 베이지안 로지스틱 모델, 또는 베이지안 무작위 효과 로지스틱 모델 중에서 어느 모델이 실시간 추돌 위험 예측에 가장 뛰어난 성능을 보이는가?

주요 결과

• 5–10분 사고 전 간격 데이터가 가장 정확한 모델 성능을 보였으며, 짧거나 긴 간격보다 뛰어났다.
• 낮은 평균 속도와 높은 상류 측정량은 도시 간선도로에서 추돌 위험과 유의미하게 관련이 있었다.
• 이진 기상 플래그로 표시된 비 오는 날씨는 추돌 발생 가능성을 유의미하게 증가시켰다.
• 베이지안 조건부 로지스틱 모델은 표준 베이지안 로지스틱 모델 및 베이지안 무작위 효과 로지스틱 모델보다 뛰어난 성능을 보였다.
• 적응형 신호 제어 데이터 통합은 도시 간선도로 고유의 교통 흐름 차단 특성을 반영함으로써 모델의 현실성 향상에 기여하였다.
• 본 연구는 다중 소스 실시간 데이터 통합이 도시 안전 응용을 위한 활성 교통 관리 시스템의 예측 능력을 향상시킨다는 점을 확인하였다.