earticle

영어

The traffic vulnerable, including elderly pedestrians, have a relatively low walking speed and slow cognitive response time due to reduced physical ability. Although a smart crossing system has been developed and operated to improve problem, it is difficult to operate a signal that reflects the appropriate walking speed for each pedestrian. In this study, a neural network model and a multiple regression model-based traversing speed estimation model were developed using image information collected in an area with a high percentage of traffic vulnerability. to support the provision of optimal walking signals according to real-time traffic weakness. actual traffic data collected from the urban traffic network of Paju-si, Gyeonggi-do were used. The performance of the model was evaluated through seven selected indicators, including correlation coefficient and mean absolute error. The multiple linear regression model had a correlation coefficient of 0.652 and 0.182; the neural network model had a correlation coefficient of 0.823 and 0.105. The neural network model showed higher predictive power.

한국어

고령보행자를 포함한 교통약자는 신체적 능력이 저하되어 보행속도가 상대적으로 낮으며, 인지반응시간이 느린 특성을 가지고 있지만, 현재 교통약자를 위한 보행신호는 0.8m/s로 일률 적으로 적용하고 있다. 문제점을 개선하기 위하여 스마트 횡단시스템이 개발되어 운영되고 있 지만, 보행자별 적정 보행속도를 반영한 신호운영이 이루어지지 못하고 있다. 본 연구에서는 교통약자비율이 높은 지역에서 수집된 영상정보를 활용하여, 교통약자의 종류, 보행자의 수, 도로의 기하구조 등을 고려한 신경망모형과 다중회귀모형기반의 횡단속도 추정모델을 개발하 였다. 이를 통해 개발된 모델을 스마트횡단시스템에 적용하여 실시간 교통약자에 따른 최적 보행신호 제공을 지원하고자 하였다. 경기도 파주시의 도시 교통 네트워크에서 수집된 실제 교통 상황 데이터 2,400개를 사용하였다. 모델의 성능은 상관계수, 평균 절대오차 등 7개의 선 택된 지표를 통해 평가되었다. 다중선형회귀모델은 상관 계수가 0.652이고 MAE가 0.182였으 며, 신경망모델은 상관계수가 0.823이고 MAE가 0.105로 나타나. 신경망모델이 더 높은 예측력 을 보였다.