1. 도입

 

지난 10년간 안전성 향상과 혼잡 완화를 위해 다양한 ITS 응용서비스들이 개발 되었으며, US DOT와 ITS-JPO의 실시간 정보 종합(Real-Time Information Synthesis, 이하 AERIS) 프로그램에 따라 대다수 서비스들이 환경적 / 에너지 측면의 편익이 있는 것으로 나타났다.

이러한 ECO-ITS 연구 프로그램은 차량과 교통시스템의 환경적 영향을 감소시키는 것을 목표로, 첨단기술에 기반한 혁신적인 응용서비스를 개발하고 평가하는데 있으며, 주요 연구내용은 아래와 같다.

- 다양한 ITS 시나리오의 분석에 적용될 수 있는 새로운 에너지와 배출 모델링 방법 개발

- 교통 에너지 소비와 배출저감을 목표로 하는 특화된 ITS 응용서비스의 개발

 

본 연구에서 개발된 친환경 경로안내 시스템, 고속도로 실시간 친환경 드라이빙 시스템, 고속도로 기반의 동적 환경운전 시스템, 첨단 운전 경고 시스템과 같은 친환경 ITS 서비스들은 5~20%의 연료소모를 감소시키는 것으로 나타났다.

 

 

2. 자료수집 및 모델링 방법론

 

1995년 미국 교통국 등 주요 기관은 교통 활동이 에너지 및 대기질에 미치는 영향을 추정하기 위해 표준적으로 사용되어 왔던 거시적 교통-배출 모델이 ITS 프로젝트의 평가에 적합하지 않다는 사실을 깨달았으며, 결과적으로, 이러한 유형의 미시적 평가에 사용하기 위한 적절한 배출모델 방법론을 개발하기 위해 NCHRP(the National Cooperative Highway Research Project) 프로그램이 시작되었다.

- NCHRP 프로젝트는 1996년부터 2000년 까지 캘리포니아 리버사이드 대학에서 수행되었으며, 다양한 교통수단 운영에 기초하여 연료소모와 이산화탄소(CO2), 일산화탄소(CO), 탄화수소(HC) 및 질소 산화물(NOx)의 배출량을 추정할 수 있는 미시적 배출모델인 Comprehensive Modal Emissions Model(이하, CMEM)을 개발되었다.

 

전체 연료소모와 배출량을 산출하기 위한 CMEM의 모델링 접근방식은 차량운영과 관계된 물리적 현상과 배출생산의 두 가지 요소로 나누어 지며, 각 요소는 다양한 파라미터로 구성된 분석적 표현으로 모델화 된다.

- 이러한 다양한 파라미터는 차량 유형, 엔진, 배출제어 기술과 수준의 악화에 따라 다양해 진다.

 

CMEM의 초기 모델 데이터베이스는 23종류의 소형 차량/기술 카테고리를 포함하고 있었다. 새로운 차량/기술 데이터베이스 카테고리의 지속적인 추가로 현재 버전은 28개의 소형 차량/기술 카테고리와 3개의 중형 차량/기술 카테고리를 포함하고 있다.

- CMEM은 수년간 휴대용 배출 측정 시스템 뿐만 아니라 동력계 테스트를 이용한 천개 이상의 자동차 테스트결과에 기초하고 있다.

 

CMEM은 ITS 프로젝트의 구축 이전에 ITS 구축에 따른 환경적 총 편익을 측정하여 사업에 대한 의사결정을 지원할 수 있다.

- CMEM은 주로 차량 궤적을 측정할 수 있는 경우(GPS기술 활용)의 교통 프로젝트의 평가를 위해 개발되었다.

- 이러한 차량 궤적 추적은 CMEM에 직접적으로 적용될 수 있으며, 단일 및 집계 차량 에너지 배출 결과를 도출해 낼 수 있다.

 

CMEM은 전형적으로 미시적 차량 궤적 추적이 가능한 상황에서 효과가 크게 나타나지만, 차량 궤도 추적이 불가능한 경우에는micro-meso-macro 등 스케일(규모)변화, mesoscale은 중규모 또는 중간적방법을 통해서도 적용 가능하다.

- 중간규모적 측정방식은 평균속도, 밀도, 교통량과 같은 통행량 시행 모수들이 활용가능할 때 일반적으로 사용된다.

 

지금까지의 CMEM 기술은 고속도로와 같은 링크구간의 결과를 도출하는데 주로 이용되어 왔지만, 교통 신호가 있는 도로와 같은 다른 도로 유형에 대한 연구에도 여전히 요구된다. 적용도 필요하다. 또한 현재 시장점유율이 점차 늘어나고 있는 하이브리드 자동차와 전기자동차를 고려한 연구 또한 필요하다.

<그림> 링크단위 연료 소모 모델링 방법 개념

그림 1은 차량 연료소비와 평균 통행량 속도 간의 관계를 보여주고 있다.

(p.7)

 

2.1 차량궤적 재구성(또는 복원)을 이용한을 이용한 간선도로 에너지/배기가스 배출 추정

 

이제까지 언급한 신호적용 구간(signalized arterials: roadways with interrupted flow)에서의 속도-배출 커브의 주요 문제점 중 하나는

- 전혀 다른 시나리오에 따라 에너지 소모와 배출량이 다르게 나타나는 교통류 상황에서 간선도로의 통행속도가 동일하게 나오는 경우가 실제 나타나고 있다.

 

이러한 문제점에 따라 간선도로의 에너지 소모와 배출량을 추정하기 위해 간선도로를 따라 배치된 신호기에 최신 센서를 활용하는 기술이 개발되었다.

- 센서데이터를 통해 차량의 궤적을 재구성하는 것이 가능하게 되었으며, 이렇게 근사된 차량 궤적은 소규모 에너지/배출 모형을 통해 적용되고 이후 전체 통행량에 대한 에너지/배출 추정치를 얻기 위해 모든 차량으로 통합된다.

 

2.1.1 데이터 수집

 

간선도로에 배치된 최신 센서들은 차로점유율과 교통량, 속도 뿐만 아니라 차량번호 매칭을 통해 구간 시간까지 산출해 낼 수 있으며, 이러한 통행시간 데이터를 통해 나아가 차량의 일정한 운행 패턴 정보를 추출하는 것이 가능하다.

 

개발된 차량궤적 추정 기술의 실험을 위해 우리는 California Chula Vista에 있는 간서도로를 따라 약 500m 간격의 9개 신호교차로 양방향에 총 18개의 무선 교통 센서들을 설치 하였다 (그림2) - 운행 차량의 재인식과 통행시간 추정이 가능.

 

<그림> Chula Vista에 설치된 센서 네트워크

(p.9)

 

이렇게 설치된 센서들을 활용해 교차로간 통과 차량의 번호판을 인식, 매칭하여 통행시간을 추정하였으며, 차선변경과 교차로 진출입패턴의 변화 등에 따라 100%의 차량들을 인식하는데는 한계가 있었다.

<그림> 통행시간 추정을 위한 신호교차로 센서 설치 개념

(p.9)

 

차량이 각 신호교차로간 센서를 통과할 때 생성되는 점유율은 지점속도를 추정하는데 사용되었으며, 추정된 지점속도는 평균속도를 도출하기 위해 통합되었다.

 

아래 그림은 추정된 통행속도 예시를 보여준다. X축은 서로 다른 시간대를 의미하며, Y축은 통행시간을 의미한다. 녹색 수직선은 그들이 매칭되는 통행시간을 통해 재 인식된 차량을 의미하며, 노란색 수직선은 검지 되었지만 매칭에 실패한 차량들을 의미한다.

 

<그림> 두 개 지점 교차로간 통행시간

(p.9)

 

이러한 통행시간 데이터로부터 추출할 수 있는 또 다른 중요한 정보는 차량군에 속해 있는 각 차량들의 위치정보 이다. 예를 들어, 위 그림으로부터 우리는 통행시간 축안에서 차량군 클러스터를 을 쉽게 인식 할 수 있다. 만약 차량군이 적색불 때문에 정지하였다면, 차량군의 첫 번째 자동차는 보통 긴 통행시간을 가지게 되며, 센서사이에서 끝단에 위치한 차량은 낮은 통행시간을 가지게 된다. 차량군이 한번 인식되게 되면, 그들의 특정한 차량군에 속해있는 어떤 차량의 위치를 추측해 내는 것이 가능해 진다.

 

우리는 이러한 자료를 통해 아래그림과 같이, 일정기간 동안 신호교차로 사이 교통에 대한 통행시간 히스토그램을 생성하는 것이 가능해 진다. 이 그림을 통해 우리는 이웃한 신호교차로 사이에 다양한 통행시간이 나타남을 알 수 있으며, 이는 신호현시, 운전자 특성 등 다양한 요인에서 기인한다.

 

우리는 신호교차로에 따른 실제적인 자동차 움직임을 파악하기 위해서 연구대상 지점을 따라 비디오 카메라를 설치하였으며, 이렇게 획득된 이미지와 교통데이터를 혼합하여 각 자동차의 통행시간 뿐만 아니라 교통환경에 대한 추측이 가능하였다.

<그림 > 연구 링크구간의 통행시간 히스토그램

(p.11)

 

또한, 위 그림에서 생성된 통행시간 히스토그램은 무선센서 데이터와 혼합되어 아래와 같이 여러 차량그룹으로 분류되었다.

 

녹색 그래프는 적색신호에 따른 방해를 받지 않은 연속류 흐름을 나타내며, 파란 그래프는 1개 사이클 적색신호에 따라 정지한 차량그룹을, 그룹 3은 2개 사이클의 적색신호의 영향을 받은 차량그룹을 의미한다.

<그림 > 비디오 데이터를 활용한 차량 그룹핑

(p.12)

 

우리는 임계치 값을 활용해, 각 차량들의 통행시간 데이터에 기초하여 얼마나 많은 차량들이 교차로에 정지하였는지 추측이 가능하다. 더 나아가, 순간의 통행시간 데이터를 활용하여 각 개별 차량들의 위치까지 추측이 가능하며, 이러한 자료들은 차량궤적의 재구성을 위해 매우 중요한 데이터가 된다.

 

 

2.1.2 실험결과

 

실험결과 프로브 위치정보와 함께 실시간 속도궤적 정보를 제공하였으며, 주어진 시간과 위치정보에 따라 프로브 차량들은 무선센서 데이터와 매칭 되었다.

결과에 따르면 평균 자유이동 속도는 50mph, 일반 가속은 2mph/sec, 감속은 약 3mph/sec으로 나타났다.

적색신호의 영향을 받지 않은 자유속도 차량군(그룹 1)의 궤적추적 그래프는 a)와 같다. (녹색 : 실제 궤적, 적색 : 추정)

아래 그림의 b)와 c)는 연교소모와 CO2 배출량을 나타낸다. 그림에 따르면 케이스 1과 2는 동일한 반면 케이스 3는 평균속도 근방의 소규모 가감속도 변이를 잡아내지 못했기 때문에 실제 에너지/배출량을 약간 낮게 추정하였다.

<그림 > 자유속도 차량군 궤적, 연료소모 및 CO2 배출 추정

(p.14)

아래 그림은 정지 차량그룹의 차량궤적 및 연료소모, CO2 배출량 추정 결과를 보여주고 있다. 위 사례와 마찬가지로 운송수단법 접근 기법은 표준 속도-배출 접근의 68%와 비교하여 실측정보의 약 97% 정도로 더 정확한 추정값을 보여주고 있다.

<그림 > 정지 차량군 궤적 및 연료소모, CO2 배출 추정

(p.14)

 

위 두 그룹에 대한 연구결과를 종합적으로 살펴보면, 본 연구에서 제시된 방법으로 추정된 값이 실측치와 8%의 오차를 보이고 있어, 40%의 오차를 보인 기존 표준화된 추정방법보다 더욱 정확한 것으로 나타났다.

 

<그림 > 전체 에너지/배출 추정 결과

(p.15)

2.2 하이브리드 자동차를 위한 에너지 배출 커브 추정

 

지금까지 경차와 대형차량을 위해 속도-배출커브를 이용한 mesoscale 모델링 접근방식이 활용 되었지만, 최근 전기자동차 및 하이브리드 자동차 등이 증가함에 따라 이러한 자동차들을 위한 속도-배출 커브의 개발 필요성이 높아지고 있다.

 

본 연구에서는 가장 먼저 대중화 되고 있는 하이브리드 자동차를 대상으로 실험을 수행하였다. 이를 위해 가장 먼저 고려된 것은 하이브리드 파워트레인 내부에서 어떻게 에너지가 생산되고 활용되는지에 대한 에너지 관리 전략의 디자인에 관한 것이었다.

 

일반적인 스피드 배출 커브를 개발하기 위해 우리는 AVS(Advanced Vehicle Simulator) 소프트웨어를 이용하였다. AVS는 전통적인 구조의 자동차와 전기, 하이브리드 자동차의 성능과 연료 경제성의 빠른 분석에 사용된다.

<그림> AVS 소프트웨어 화면 예시

(p.16)

 

먼저 일반적인 연료 소모와 배출값을 추정하기 위해 차량의 기본적인 통행특성을 나타내는 대규모 차량 활동 자료를 모형에 적용하였다. 일반적인 차량 통행특성 데이터 베이스는 GPS 자료를 통해 수집(467개 가정의 626대 자동차, 총 통행거리 약 28,000마일)되었으며, 다양한 HEV 모델을 위해 AVS 프로그램에 적용 되었다.

 

최초 결과는 아래의 그림 1에서 보여준다. . 낮은 통행속도에서 각 하이브리드 차량들의 연료소모량이 큰 차이를 보이는 것을 볼 수 있다. 이를 통해 일반적으로 하이브리드 자동차가 연료효율이 매우 높게 설계되었음을 알 수 있으며, 또한 어떤 설계방식의 하이브리드가 다른 설계방식의 차량보다 연료효율이 더 높은 것을 알 수 있다.

(p.17)

 

하이브리드 차량과 일반 내연차량을 비교하면 아래 그래프와 같다. 여기서 주목해 볼 수 있는 것은 곡선의 끝부분에서 나타난다. 높은 통행속도에서, HEV는 좀더 공기역학적인 것으로 판단되며, 따라서 급격한 연료소모 증가가 나타나지 않는다. 또한 그래프를 살펴보면, 낮은 속도에서 일반적인 내연차량이 마일당 연료소모량이 더 높은 것을 볼 수 있다.

(p.18)

3. 통합교통 시뮬레이션, 환경 모델링 기법과 분석

 

특정 ITS 구축 시나리오를 위한 자동차 통행 데이터를 수집하고 측정하는 것이 어렵고, 불가능하다는 것은 많은 사례에서 나타나고 있다. 이러한 경우 교통 엔지니어들은 다양한 환경에서 평가결과를 도출할 수 있는 다양한 교통관련 시뮬레이션 모델들을 활용하고 있다. 하지만, 현재까지 이러한 시뮬레이션 모델들은 정교한 에너지 또는 배출량 결과를 도출해내고 있지 못한 것이 사실이다.

 

앞서 살펴본 바와 같이 자동차 궤적을 추정하기 위한 자동차 통행 정보들은 교통 시뮬레이션을 통해 수집될 수 있으며, 이후 CMEM 또는 MOVES와 같은 에너지, 배출량 모델에 적용될 수 있다.

 

하지만, 다양한 ITS 시나리오를 평가하기 위해서는 교통 시뮬레이션 모델에 에너지/배출량 모델을 직접적으로 삽입하는 것이 더욱 유리하다. 이에 본 연구에서는 CMEM을 CORSIM, PARAMICS, VISSIM과 같은 교통 시뮬레이션 모델에 바로 적용할 수 있는 인터페이스(Application Programing Interfaces, 이하 APIs)에 대한 연구를 진행해 왔다.

 

3.1 CMEM과 교통 시뮬레이션 모델의 인터페이스

 

교통 및 배출 모델링 프로세스는 아래 그림과 같이 교통수요모델, 교통시뮬레이션 모델과 배출 모델간의 인터페이스를 필연적으로 수반한다.

<그림> CMEM과 교통 모델간 인터페이스 관계

(p.20)

첫 번째로 생각해 볼 수 있는 방법은 지역 통행수요 모델은 토지이용과 사회경제적 요소들에 기반하여 구역간 통행수를 추정하고, 수단을 분배한 후 구역간 최소 통행시간에 기초하여 자동차 통행량을 네트워크에 배분한다. 이렇게 배분된 네트워크 자동차 통행량은 배출량 산정 요소에 연동되어 각 링크의 배출량을 도출하기 위해 CMEM에 적용된다. 결과적으로 이렇게 링크 단위로 추정된 배출량이 모두 집계되어 지역 전체의 배출량이 산정되게 된다.

 

두 번째로, 교통수요모델에서 로드된 네트워크는 관심 하위 영역의 네트워크를 추출하거나 마이크로스코픽 교통시뮬레이션을 생성하기위한 자동차 출발-목적지 데이터를 추출하는데 사용될 수 있다. 네트워크와 교통수요 뿐만 아니라, 교통시뮬레이션 모델은 또한 자동차 군집의 구성 차종과 모델 구성 파라미터를 입력요소로 사용한다.

현재 상태에 대한 적절한 시뮬레이션 후 모델은 다른 기타 실현 가능한 시나리오에 대해 시뮬레이션하는데 사용되며, 시뮬레이션 결과는 교통 성능 측정과 관계된 자료들과 함께 네트워크의 자동차 움직임에 대한 자료를 포함하게 된다. 마이크로스코픽 CMEM과 인터페이스된 교통시뮬레이션 모델은 각 자동차의 배출량을 계산하게 되며, 최종 배출량결과는 개별 자료들을 집계하여 생성된다.

 

CMEM은 일반적으로 개별 차량들의 궤적(위치, 속도, 가속도 등)을 생성해 내는 마이크로스코픽 교통 시뮬레이션 모델을 위해 개발되었다. 이러한 차량 궤적은 CMEM 모델에 바로 적용 가능하며, 개별 또는 집계된 에너지/배출량을 도출하게 된다.

 

3.2 MOVE'S와 교통 시뮬레이션 모델의 인터페이스

 

CMEM과 마찬가지로 MOVES와 교통시뮬레이션 모델의 인터페이스에 대한 연구가 진행되어 왔으며, 이를 위한 3가지 접근 방법은 아래와 같다.

 

첫째, 개별도로 연계지점에서의 평균 속도를 이용하는 방법이다. 먼저 교통 시뮬레이션 모델이 링크의 평균 속도를 생성하면, 이를 MOVES를 위한 입력 값으로 사용한다. 그러면, MOVES는 초기 교통수단 분배값에 대응되는 배출량 인자를 연계시켜, 전체 배출량을 생성하게 된다.

 

둘째, 링크 통행 사이클을 활용하는 방법이다. 이 경우 마이크로스코픽 교통 시뮬레이션 모델은 링크의 자동차 통행 사이클을 생성하게 되고, 생성된 값은 MOVES에 바로 입력되거나 입력되기 전에 각 드라이빙 사이클 값이 집계되어 대푯값을 추출하는 과정이 거쳐진다. 이후 MOVES는 입력된 드라이빙 사이클에 기반하여 차량 수단을 분배하게 되고 대응되는 배출 팩터를 결절하게 된다.

 

셋째, 링크의 교통수단 분배 값을 활용하는 방법이다. 교통 시뮬레이션 프로그램이 링크의 교통수단 분배 값을 추출하게 되고, MOVES는 이에 적절한 배출량 팩터를 연계시키는 방법이다.

<그림> MOVES의 디폴트 교통수단 분배 값 예시

(p.22)

 

위에서 언급된 세 가지 방법 중, 첫 번째 방법은 가장 손쉽고 모든 스케일의 교통 모델의 평균적 결과인 링크 평균 속도에 적용가능한 방법이다. 그러나 자동차의 정지 횟수를 최소한으로 하는 것으로 목표로 하는 ITS 기술은 일반적인 수단분배 모형과 차이가 있기 때문에 ITS 사업의 영향 분석에 사용하는 것은 적절하지 않다.

두 번째와 세 번째 방법은 이러한 프로젝트 단위의 평가에 더 적절하지만, 개별 차량의 교통 속도 값의 생성이 가능한 교통 시뮬레이션 모델에만 적용 가능하다.

 

 

3.3 신호구간에서의 동적 친환경 운전(Dynamic Eco-Driving)

 

최근의 첨단 ITS 기술의 발전에 따라 신호현시와 시간정보를 무선통신을 통해 개별 차량 운전자에게 직접 제공하는 등 운전자의 친환경 운전 전략 수립을 위한 서비스의 제공이 가능해 지고 있다.

 

본 연구의 일환으로, 차량 연료소모와 배출량을 최소화하기 위해 속도 계획으로 구성된 신호 교차로에서의 동적 친환경 운전 시스템을 개발 하였다.

 

3.3.1 자동차 이동경로 계획

 

첫째로, 아래 그림과 같이 단일 신호에서의 다양한 시나리오에 대한 고민이 필요하다. 아래 그림에서 우리는 4가지 시나리오를 검토할 수 있으며, 모든 차량은 지점 d(t)에서의 초기 속도 v1(t)를 가지며, 시간 t에서 신호 현시와 시간 정보를 제공 받는다.

 

Case 1 : 차량은 속도를 높여 녹색 신호에서 정지없이 신호를 통과하는 경우

Case 2 : 속도 v1(t)을 계속 유지하다가, 신호가 적색으로 바뀌는 경우 급히 정지를 하는 경우

Case 3 : 가속페달을 밝지 않고 있다가 교차로에 정지하는 경우

Case 4 : 바로 통행속도를 늦춰 낮은 속도로 진행하다가 녹색신호로 바뀌는 경우 바로 속도를 높여 진행하는 경우

 

<그림> 서로 다른 궤적의 교차로 접근 자동차 시간-거리 그래프 예시

(p.24)

 

이렇게 서로 다른 차량 궤적은 매우 큰 연료소모와 배출량을 보인다. Case 1의 경우 정지하지 않고 교차로를 통과하기 위해 가속을 함에 따라 연료소모와 배출량이 높게 나타난다. Case 2의 경우 일정시간동안 초기 속도를 유지하였고, 교차로 대기시간이 길기 때문에 역시 연료소모와 배출이 높게 나타난다. Case 3은 연료소모와 배출이 매우 적게 나타나며, Case4의 경우 정지하지 않고 탄력을 받아 가속되기 때문에 역시 연료소모와 배출이 적게 나타날 것이다.

 

따라서 친환경 운전을 위해서는 1) 현재 속도를 최대한 유지하고, 2) 전방 자동차와 안전거리를 유지하며, 3) 교차로에서의 정차시간을 최소화 하고, 4) 급격한 가속을 피하는 것이 좋으며, 자동차 계획 알고리즘 개발 시 이 네가지 원칙을 준용하도록 하였다.

 

 

3.3.2 자동차 속도 계획

 

최적 속도를 위한 제어 로직은 최적 속도가 최대 제한속도보다 낮거나 동일한 상황에서 전체 전력소모와 공회전 시간을 최소화함으로써 연료소모를 최소화하기 위해 노력 하는 것이다. 차량 공회전을 회피하기 위해 차량은 녹색신호 현시 안에 교차로에 도착해야 한다. 이를 최적화하기 위한 속도 선택 알고리즘은 아래와 같다.

<그림> 간선도로 속도 계획 알고리즘 블락 다이어그램

(p.26)

 

 

3.3.3 시뮬레이션 및 결과

동적 친환경 운전 속도 계획 알고리즘의 효과를 분석하기 위해 가상의 10개의 신호교차로 노선을 활용하여, 친환경 운전 서비스 제공 및 미 제공 시의 연료소모와 배출량을 비교분석 하였다.

시뮬레이션 결과 속도 계획 알고리즘 적용 차량은 연료소모와 CO2 배출이 약 12% 감소하였으며, 통행시간은 약 2% 감소한 것으로 나타났다.

<그림> 연료와 배출량 비교

(p.30)

 

 

3.4 교통/방출 모델과 SUMO 모델의 인터페이스

 

지금까지 ITS 응용서비스의 환경적 영향을 평가하기 위해 CMEM / MOVES와 교통 시뮬레이션과의 인터페이스에 대해 살펴보았다. 하지만, 많은 교통 시뮬레이션 모델들은 첨단 ITS 응용서비스들을 평가하기 위한 모든 중요 요소를 모두 포함하고 있지 못한 상황이다. 이에 본 연구에서는 유럽에서 개발되어 ITS 응용서비스에 적용이 더욱 용이한 개방형 소스 모델을 살펴보고자 한다.

 

- Simulation of Urban Mobility (SUMO) : 독일 우주항공센터에서 개발된 대규모 도로 네트워크용 시뮬레이션 프로그램. XML 스트럭쳐를 통해 도로네트워크 생성이 가능하며, 기존 VISUM, VISSIM, ArcView 등과 호환이 가능함

- Traffic Control Interface (TraCI) : TraCI는 도로 교통 시뮬레이션 작동을 위한 접근 프로토콜을 제공하며, SUMO 접근 클라이언트 서버 아키텍쳐를 제공

- OMNeT++ : 무선통신 네트워크의 시뮬레이션에 주로 이용되지만 일반적이고 유연한 시스템 특징에 따라 복잡한 IT 시스템, 하드웨어 아키텍쳐와 같은 다른 분야에도 적용 가능함

 

 

4. 실시간 차량 환경 정보 연구

 

AERIS 프로젝트의 가장 중요한 목적은 차량으로부터 실시간 환경 데이터를 수집하여 다른 ITS 응용서비스들을 위해 재생산 자료의 역 제공 교통(육상운송) 인프라로 전송하는 것이 가능해 졌다. 램프 미터링, 교통신호 단계 및 시기제어와 같은 ITS 서비스들은 이러한 실시간 데이터 전송 기술의 이점을 누릴 수 있게 되었다.

 

본 연구에서는 실시간 연료소모와 배출량을 추정하기 위해 자동차 진단장치(On-Board Diagnostic, 이하 OBD)의 데이터 스트림과 에너지/배출량 모델의 인터페이스에 대한 연구를 진행하였으며, (CMEM 모델에 기초하여 아이폰, 아이패드, 안드로이드 플랫폼 어플리케이션을 개발 함) 이를 모바일 에너지/배출 텔레매틱스 시스템(Mobile Energy/Emission Telematics System, 이하 MEETS)로 명명하였다.

<그림> 모바일 에너지/배출량 텔레매틱스 시스템 개념도

(p.34)

 

MEETS의 기본 개념은 다음과 같다.

- CMEM 어플리케이션이 탑재된 스마트 기기는 차량 OBD와 연결되며, 엔진과 차량 성능과 관련된 적절한 데이터(속도, RPM, 연료량)를 수집한다.

- 수정된 CMEM 모델은 실시간 에너지 소모와 배출량 산정을 위해 사용된다.

- 이 모델은 측정값을 필요로 하는데, 이는 무선통신을 통해 외부 차량 데이터 베이스로부터 획득된다.

- 내부에서 측정된 환경 성능 데이터(연료 소모량, 오염물질 배출량 등)를 전송하게 되는데, 3G 무선통신, DSRC 또는 어떠한 통신방식도 사용 가능하다.

 

 

(p.35)

5. 환경 편익(적) ITS 응용서비스

 

일반적으로 서로다른 ITS 응용서비스들에 대한 환경적/에너지 측면의 편익을 정량화 하는 것은 매우 어려운 일이다. 일반적으로, 전체 교통 시스템의 효율성을 향상시키고자 할 때 환경적 영향은 상대적으로 관심이 적은 것이 사실이다. 하지만, 우리는 위에서 살펴본 방법을 활용하여 친환경적인 ITS 응용서비스들에 대한 디자인이 가능하며, 이는 이미 일본(ENERGY ITS PROGRAM)과 유럽(ECOMOVE)에서 수행된 바 있다.

 

일반적으로 환경 측면의 성능향상을 위한 ITS 응용서비스들은 아래와 같이 3개 카테고리로 분류될 수 있다,

- 차량 측면의 성능향상 (예 : Advanced Vehicle Control and Safety System)

- 시스템 측면의 성능향상 (예 : Advanced Traffic Management System)

- 행태 측면의 성능향상 (예 : Advanced Traveler Information System)

<그림> 친환경 ITS 응용서비스의 분류

(p.40)