화물자동차 운행기록계 데이터를 활용한 통행정보 추출 방법론 개발
A Study on the Methodology of Trip Information Extraction Using Truck Digital Tachometer Data
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 운행기록계 데이터 기반의 화물자동차 통행정보를 추출하기 위한 연구가 활발하게 진행되고 있으나 국내 도로 환경 및 운행특성을 고려한 방법론이 부재한 실정이다. 본 연구에서는 매초 단위로 정보가 수집되는 DTG 데이터의 속도정보와 GPS 좌표정보를 이용하여 국내 화물자동차 운행특성에 기반한 통행을 정의하고, 최소 이동시간 및 체류시간, POI 정보를 이용해 데이터 상에서 통행정보를 추출하는 휴리스틱 방법론을 개발하였다. 본 연구에서 통행정보는 출발지와 도착지의 위치정보, 출발시간과 도착시간, 체류시간, 통행목적 정보를 포함한 시공간 정보로 정의하였다. 분석된 통행정보는 경로 유효율이 90.6%로 공간적 신뢰도를 확보하였으며, 통행 목적구분 결과 업무통행이 약 80%, 퇴근통행은 20%로 나타났다. 퇴근통행의 도착지는 차종별로 67.5%~ 83.9%의 일치율을 보여주어 고정차고지를 이용하는 화물자동차의 특성이 반영된 통행정보 추출 결과를 보여주었다. 통행정보를 기반으로 화물자동차 특성을 분석할 수 있는 통행지표인 “운행일수”, “운행거리”, “운행시간”, “운행외 시간”, “총 근로시간”, “평균운행속도”를 도출하여 설문조사 결과와 비교·검증한 결과 컨테이너 차량 및 대형 카고차량은 편차가 10%대로 낮게 나타나 유효성이 높은 결과를 보여주었다. 해당 결과는 다양한 화물자동차 관련 연구 및 정책의 기초자료로 활용할것으로 판단된다.
Abstract
Recently, studies on extracting truck movement information based on tachometer data have been actively conducted, but there is no methodology that considers the domestic road environment and driving characteristics. In this study, we define travel based on domestic freight vehicle operation characteristics using speed information and GPS coordinate information from DTG data where information is collected every second, and use minimum travel time, residence time, and POI information to extract travel information from the data. A heuristic methodology for extraction was developed. In this study, travel information was defined as spatiotemporal information including location information of departure and arrival points, departure time and arrival time, destination dwell time and travel purpose information. The analyzed travel information secured spatial reliability with a route effectiveness rate of 90.6%, and as a result of travel purpose classification, work travel was found to be about 80% and work travel was 20%. The destination of work trips showed a matching rate of 67.5% to 83.9% by vehicle type, showing trip extraction results that reflect the characteristics of freight vehicles that use fixed garages. Based on traffic information, traffic indicators such as “operation days”, “operation distance”, “operation time”, “non-operation time”, “total working hours”, and “average operation speed” that can analyze the characteristics of freight vehicles are derived. As a result of comparing and verifying the survey results, the deviation for container vehicles and large cargo vehicles was as low as 10%, showing highly effective results, and it is expected to be used as basic data for various freight vehicle-related research and policies in the future.
참고문헌 (19)
- 권영민, "노선버스 운송업종별 운전자의 근로여건 및 사고 분석 : DTG 데이터를 활용하여", 한국ITS학회 논문지, 18(2), pp.1~11 (2019), 한국ITS학회[DOI]
- 택시 DTG 데이터 이용한 OD추정·활용방안, "김순관", 서울연구원, ~ (2019)
- 김영찬, "교통용어집", 대한교통학회, ~ (2017)
- 김태곤, "도로거리를 이용한 지역별 우회계수(Circuity Factor) 산정", 국토계획, 48(4), pp.319~329 (2013), 대한국토·도시계획학회
- 이재윤, "디지털운행기록을 활용한 소형 택배트럭의 대표 운행 사이클 개발", 대한교통학회지, 38(4), pp.324~333 (2020), 대한교통학회[DOI]
- 정영훈, "DTG운행기록장치(DTG)데이터를 활용한 사업용 차량 위험운전행동 분석", 대한교통학회 학술대회, pp.25~26 (2021)
- 최새로나, "사업용차량 수집자료를 활용한 속도관리정책 효과평가 연구", 대한교통학회 학술대회, pp.129~134 (2022)
- 2021년 하반기 화물운송시장동향, "한국교통연구원", 76~117 (2021)
- 빅데이터 기반 화물 OD신뢰도 제고연구, "한국교통연구원", 47~ (2019)
- Choudhry, A., "Inferring truck activities using privacy-preserving truck trajectories data", Journal of Intelligent and Connected Vehicles, 6, pp.16~33 (2023)
- Demissie. M. G., "Estimation of truck origin-destination flows using GPS data", Transportation Research Part E : Logistics and Transportation Review, 159 (2022)
- Gingerich, K., "Classifying the purpose of stopped truck events : An application of entropy to GPS data", Transportation Research Part C:Emerging Technologies, 64, pp.17~27 (2016)[DOI]
- Jiao H, "Using Large-Scale Truck Trajectory Data to Explore the Location of Sustainable Urban Logistics Centres—The Case of Wuhan", ISPRS International Journal of Geo-Information, 12, pp.88~ (2023)
- Ma, X., "Understanding Freight Trip-Chaining Behavior Using a Spatial Data-Mining Approach with GPS Data", Transportation Research Record : Journal of the Transportation Research Board, 2596, pp.44~54 (2019)
- Mjøsund, C. S., "GPS data as a basis for mapping freight vehicle activities in urban areas – A case study for seven Norwegian cities", Research in Transportation Business & Management, 45, pp.100908~ (2022)
- Oka, H., "Predicting travel pattern changes of freight trucks in the Tokyo Metropolitan area based on the latest large-scale urban freight survey and route choice modeling", Transportation Research Part E: Logistics and Transportation Review, 129, pp.305~324 (2019)
- Thakur, A., "Development of Algorithms to Convert Large Streams of Truck GPS Data into Truck Trips", Transportation Research Record, 2529(1), pp.66~73 (2015)
- W. Mungthanya, "Constructing Time-Dependent Origin-Destination Matrices With Adaptive Zoning Scheme and measuring Their Similarities With Taxi Trajectory Data", IEEE Access, 7, pp.77723~77737 (2019)
- Yang, Y., "Identifying intracity freight trip ends from heavy truck GPS trajectories", Transportation Research Part C: Emerging Technologies, 136, pp.103564~ (2022)