교통공학의 학문적 정의, 목적 및 다른 학문 분야와의 연관성을 고찰하고 기초적인 체계를 정립한다.

교통공학(Transportation Engineering)은 사람과 화물의 안전하고(safe), 신속하며(rapid), 편리하고(comfortable), 경제적이며(economical), 환경적으로 조화로운(environmentally compatible) 이동을 실현하기 위하여 과학적 원리와 기술을 교통 시설의 계획, 기능적 설계, 운영 및 관리 등에 적용하는 학문이다. 미국 교통공학회(Institute of Transportation Engineers, ITE)에 따르면, 교통공학은 단순히 도로를 건설하는 물리적 행위를 넘어 교통 체계의 전반적인 성능을 최적화하여 사회적 편익을 극대화하는 데 목적을 둔다.

교통공학의 연구 범위는 학술적 및 실무적 관점에서 크게 네 가지 영역으로 구분된다. 첫째는 교통 계획(Transportation Planning)으로, 인구 통계와 토지 이용 변화를 분석하여 장래의 교통 수요 예측(Transportation Demand Forecasting)을 수행하고 이를 충족하기 위한 국가적·도시적 차원의 교통 인프라 확충 전략을 수립하는 과정이다. 둘째는 기하구조 설계(Geometric Design)를 포함한 교통 시설 설계이다. 이는 차량의 역학적 거동과 운전자의 인지적 특성을 고려하여 평면 곡선, 종단 경사, 교차로 구조 등을 물리적으로 배치함으로써 사고 위험을 최소화하고 흐름을 원활하게 유도하는 엔지니어링 단계이다.

셋째는 교통 운영(Traffic Operation) 및 제어 영역이다. 이미 구축된 교통 시설의 용량을 최대한 활용하기 위해 교통 신호 제어(Traffic Signal Control), 일방통행제, 가변차로제 등을 도입하며, 교통류의 흐름을 실시간으로 분석하여 지체 시간을 단축하는 기법을 다룬다. 마지막으로 교통 관리(Management)는 교통 시설의 유지보수, 교통 안전(Traffic Safety) 정책의 수립, 그리고 환경 오염 저감을 위한 수요 관리 정책 등을 포괄한다.

현대 교통공학은 정보 통신 기술(ICT)과 융합되어 지능형 교통 체계(Intelligent Transport Systems, ITS)로 그 범위를 확장하고 있다. 이는 실시간 교통 데이터 수집과 가공을 통해 교통 체계의 동적 최적화를 도모하며, 최근에는 자율주행 자동차(Autonomous Vehicle)와 커넥티드 모빌리티(Connected Mobility)의 등장으로 인해 차량과 인프라 간의 상호작용을 연구하는 영역이 핵심적인 비중을 차지하게 되었다. 또한, 기후 위기 대응과 관련하여 지속 가능한 교통(Sustainable Transport) 및 대중교통 중심 개발(Transit-Oriented Development, TOD)에 관한 연구는 교통공학이 추구하는 환경적 조화의 가치를 구체화하는 중요한 축이 되고 있다.

이처럼 교통공학은 물리적 인프라를 다루는 토목공학의 분과에서 출발하였으나, 현재는 통계학, 심리학, 경제학, 도시계획학 등이 결합된 다학제적(Multidisciplinary) 성격을 띤다. 교통 현상을 수리적으로 모형화하기 위해 다음과 같은 기본적인 도로 용량(Road Capacity) 산정식이 활용되기도 한다.

$$C = \frac{3600}{h}$$

여기서 $C$는 시간당 최대 교통량인 도로 용량(vph)을 의미하며, $h$는 차량 간의 최소 포두간격(Saturation Headway, sec)을 나타낸다. 이러한 기초적인 수리 분석부터 복잡한 시뮬레이션 기법에 이르기까지, 교통공학은 현대 사회의 혈맥인 교통망을 효율적으로 관리하기 위한 체계적인 방법론을 제공한다.

교통공학의 연구 대상인 교통 체계(Transportation System)는 사람이나 화물의 공간적 이동이라는 목적을 달성하기 위해 유기적으로 결합된 복합체이다. 이 체계는 크게 이동의 주체인 인간, 이동의 수단인 차량, 이동의 통로가 되는 시설, 그리고 이들을 효율적으로 관리하는 운영 및 제어 체계로 구성된다. 교통 체계를 이해하기 위해서는 각 구성 요소의 개별적 특성뿐만 아니라, 이들이 상호작용하며 발생하는 동적인 현상을 체계적으로 분석해야 한다.

교통 체계에서 가장 핵심적이면서도 변동성이 큰 요소는 인간(Human)이다. 인간은 운전자(Driver), 보행자(Pedestrian), 승객의 형태로 체계에 참여한다. 특히 운전자는 외부 정보를 시각 및 청각으로 수용하고 이를 판단하여 차량을 조작하는 의사결정 주체로서 역할을 수행한다. 운전자의 특성 중 인지-반응 시간(Perception-Reaction Time)은 도로 설계의 안전성을 결정하는 결정적인 변수이다. 이는 위험을 인지한 순간부터 브레이크를 밟는 등의 물리적 행동에 옮기기까지 걸리는 시간을 의미하며, 설계 기준에 따라 차이가 있으나 통상적으로 2.5초 내외가 적용된다. 보행자 역시 교통 체계의 취약한 구성 요소로서, 이들의 보행 속도와 행동 특성은 신호 교차로의 녹색 시간 산정 및 보행 환경 설계의 근거가 된다.

차량(Vehicle)은 동력 장치를 이용하여 인간과 화물을 운송하는 물리적 매체이다. 차량의 성능은 교통류의 질적 수준을 결정짓는 중요한 요인이다. 차량의 가속 및 제동 성능, 차체 크기, 최소 회전 반경과 같은 정적·동적 특성은 도로 설계의 기하구조(Geometric Design)를 결정하는 척도가 된다. 예를 들어, 대형 화물차의 회전 궤적은 교차로의 가각 정리 및 차로 폭 설계에 직접적인 영향을 미친다. 또한 차량의 운동 특성은 개별 차량 간의 상호작용을 다루는 차량 추종 이론(Car-Following Theory)의 기초가 되며, 이는 전체 교통 흐름의 안정성과 용량(Capacity)을 분석하는 데 필수적이다.

교통 시설(Transportation Facility)은 이동이 이루어지는 물리적 기반 시설을 통칭한다. 여기에는 도로(Roadway), 철도(Railway), 항공로 등의 선형 시설과 터미널, 주차장, 항만 등의 점적 시설이 포함된다. 도로 시설의 경우 차로 수, 평면 곡선 반경, 종단 경사 등의 요소가 주행 속도와 안전성에 기여한다. 시설의 물리적 한계는 해당 교통망이 수용할 수 있는 최대 교통량을 결정하며, 이는 서비스 수준(Level of Service, LOS) 평가의 기준이 된다. 특히 시설 요소는 한 번 구축되면 수정하기 어렵고 막대한 비용이 소요되므로, 계획 단계에서부터 장래 수요를 고려한 정밀한 공학적 검토가 요구된다.

운영 및 제어 체계는 앞선 세 요소가 안전하고 효율적으로 작동하도록 규제하고 조정하는 소프트웨어적 구성 요소이다. 교통신호(Traffic Signal), 도로 표지, 노면 표시와 같은 교통 제어 장치와 교통 법규가 이에 해당한다. 현대 교통공학에서는 정보 통신 기술을 결합한 지능형 교통 체계(Intelligent Transport Systems, ITS)를 통해 실시간 교통 정보를 수집하고 가공하여 사용자에게 제공함으로써 체계의 효율성을 극대화한다. 이러한 제어 체계는 상충하는 교통류 간의 사고 위험을 최소화하고, 한정된 도로 공간에서 지체 시간을 줄이는 역할을 한다.

교통 체계의 구성 요소들은 독립적으로 존재하지 않고 끊임없이 상호작용한다. 운전자의 인지 능력과 차량의 제동 성능, 그리고 도로의 마찰 계수와 경사는 결합되어 정지 시거(Stopping Sight Distance)를 형성한다. 정지 시거 $ d $는 다음과 같은 물리적 관계식으로 표현할 수 있다.

$$ d = \frac{v}{3.6}t + \frac{v^2}{254(f \pm g)} $$

여기서 $ v $는 주행 속도(km/h), $ t $는 인지-반응 시간(sec), $ f $는 노면의 미끄럼 마찰 계수, $ g $는 도로의 종단 경사를 의미한다. 이 식은 인간(반응 시간), 차량(속도 및 제동력), 시설(경사 및 마찰)의 상호작용을 수학적으로 보여주는 대표적인 사례이다. 교통공학은 이러한 다각적인 상호관계를 분석하여 전체 시스템의 최적화를 추구하는 학문이다.

교통공학의 역사는 인류가 이동의 효율성을 극대화하기 위해 물리적 환경을 개조하고 수송 수단을 체계화해 온 과정과 궤를 같이한다. 초기 인류의 이동은 지형적 제약에 순응하는 보행 중심이었으나, 바퀴의 발명과 가축의 활용은 이동의 규모와 범위를 획기적으로 확장하는 계기가 되었다. 고대 문명기에서 가장 주목할 만한 공학적 성취는 로마 제국의 도로망 건설이다. 로마인들은 군사적 목적과 행정적 효율성을 위해 로마 가도(Via Appia 등)를 구축하였는데, 이는 다층 구조의 노반 설계와 배수 시설을 갖춘 현대 도로공학의 원형을 제시하였다. 당시의 도로 설계는 직선성을 강조하고 지반의 지지력을 확보하는 데 중점을 두었으며, 이는 도시 간 접근성(Accessibility)을 비약적으로 향상시켰다.

근대적 의미의 교통 체계는 산업혁명을 기점으로 근본적인 변화를 맞이하였다. 제임스 와트(James Watt)의 증기기관 개량은 수송 수단의 동력을 생체 에너지에서 기계 에너지로 전환하는 분기점이 되었다. 리처드 트레비딕(Richard Trevithick)과 조지 스티븐슨(George Stephenson)에 의해 실용화된 철도는 대량 수송의 시대를 열었으며, 이는 철도공학이라는 독립된 기술 영역의 발전을 이끌었다. 철도는 정해진 궤도 위를 운행하는 특성상 정밀한 신호 제어와 선로 용량 계산이 필수적이었으며, 이러한 운영 관리 기법은 훗날 교통공학의 시스템적 접근 방식에 큰 영향을 미쳤다. 한편, 해상 교통에서는 증기선의 등장과 운하 건설을 통해 국제 무역의 경로가 체계화되었다.

20세기 초 내연기관의 발달과 헨리 포드(Henry Ford)의 컨베이어 벨트 시스템을 통한 자동차 대량 생산은 교통의 패러다임을 철도 중심에서 개인용 자동차 중심으로 재편하였다. 대중적인 자동차 보급은 도로 교통 수요의 폭발적 증가를 야기하였으며, 이를 수용하기 위한 대규모 도로망 확충이 국가적 과제로 부상하였다. 1930년대 독일의 아우토반(Autobahn) 건설과 1950년대 미국의 연방 보조 고속도로법(Federal Aid Highway Act of 1956)에 따른 주간 고속도로 체계 구축은 현대 도로 교통 시스템의 골격을 형성하였다. 이 시기 교통공학은 단순한 시공 기술을 넘어, 늘어나는 교통량을 효율적으로 배분하고 통제하기 위한 학문적 기틀을 마련하기 시작하였다.

1950년대와 1960년대에 이르러 교통공학은 수리적 모델링과 시스템 공학의 도입을 통해 비약적인 학문적 성장을 이루었다. 워드롭(John Glen Wardrop)은 교통 배정의 원리를 정립하여 이용자 균형(User Equilibrium) 개념을 제시하였으며, 이는 현대 교통 계획의 핵심 이론이 되었다. 또한, 그린쉴즈(Bruce Greenshields) 등에 의해 도로의 속도, 밀도, 교통량 사이의 상관관계를 규명하는 교통류 이론(Traffic Flow Theory)이 정립되었다. 이러한 이론적 토대는 컴퓨터 기술의 발전과 결합하여 복잡한 교통 네트워크를 분석하고 장래 수요를 예측하는 사단계 모형(Four-step Model)의 정교화로 이어졌다.

20세기 후반부터 현대에 이르는 시기는 정보 통신 기술(ICT)과 교통 기술의 융합이 가속화되는 단계이다. 도시화에 따른 교통 혼잡과 환경 오염 문제가 심화되면서, 단순히 도로를 증설하는 공급 위주의 정책에서 기존 시설의 운영 효율을 극대화하는 교통 수요 관리(Transportation Demand Management, TDM)와 지능형 교통 체계(Intelligent Transport Systems, ITS)로 초점이 이동하였다. 실시간 교통 정보 수집과 가변 정보 표지판(VMS), 하이패스와 같은 전자 요금 징수 시스템은 교통 운영의 최적화를 가능하게 하였다.

현재 교통공학은 4차 산업혁명의 핵심 기술인 인공지능(AI), 빅데이터, 사물인터넷(IoT)을 흡수하며 새로운 전환기를 맞이하고 있다. 자율주행 자동차(Autonomous Vehicle)와 커넥티드 카(Connected Car) 기술은 인간 운전자의 인지적 한계를 극복하고 교통 안전성과 도로 용량을 획기적으로 개선할 것으로 기대된다. 또한, 탄소 중립 달성을 위한 전기자동차 및 수소자동차로의 전환, 공유 경제 기반의 서비스형 모빌리티(Mobility as a Service, MaaS) 등은 교통공학의 범위를 하드웨어 중심에서 서비스와 환경 지속 가능성 중심으로 확장시키고 있다. 이러한 역사적 변천은 교통공학이 단순한 이동 수단의 관리를 넘어, 사회 구조와 인간의 삶의 질을 결정짓는 종합적인 시스템 과학으로 진화해 왔음을 보여준다.

교통류 이론(Traffic Flow Theory)은 도로 위를 주행하는 개별 차량의 거동과 이들이 집합적으로 형성하는 흐름의 물리적 특성을 수학적으로 규명하는 학문이다. 이 이론은 교통 시설의 설계 및 운영 효율성을 극대화하기 위한 공학적 토대를 제공하며, 차량 간의 상호작용을 어떻게 해석하느냐에 따라 크게 거시적 접근 방식과 미시적 접근 방식으로 구분된다. 교통류 분석의 궁극적인 목적은 도로의 교통 용량(Traffic Capacity)을 산정하고, 혼잡 발생 시의 흐름 변화를 예측하여 최적의 교통 제어 전략을 수립하는 데 있다.

교통류를 기술하는 가장 기초적인 변수는 교통량(Flow, $q$), 평균 속도(Speed, $u$), 밀도(Density, $k$)이다. 교통량은 단위 시간당 특정 지점을 통과하는 차량의 수이며, 밀도는 단위 길이의 도로 구간 내에 존재하는 차량의 수로 정의된다. 이들 세 변수 사이에는 다음과 같은 기본 관계식이 성립한다.

$$q = u \cdot k$$

이 관계식은 교통류 분석의 출발점이 되며, 도로의 상태가 자유 흐름 상태에서 극심한 정체 상태로 변화함에 따라 각 변수가 어떻게 상호작용하는지를 설명하는 근거가 된다.

거시적 교통류 모형(Macroscopic Traffic Flow Model)은 교통류를 개별 입자의 집합이 아닌, 연속적인 유체(Fluid)의 흐름으로 간주한다. 브루스 그린쉴즈(Bruce Greenshields)는 1935년 속도와 밀도 사이에 선형적인 역관계가 존재한다는 가설을 제시하였으며, 이를 그린쉴즈 모형(Greenshields Model)이라 한다. 이 모형에서 속도 $u$와 밀도 $k$의 관계는 다음과 같이 표현된다.

$$u = u_f \left( 1 - \frac{k}{k_j} \right)$$

여기서 $u_f$는 자유 속도(Free-flow speed), $k_j$는 잼 밀도(Jam density)를 의미한다. 이 식을 기본 관계식에 대입하면 교통량과 밀도의 관계는 포물선 형태를 띠게 되며, 특정 밀도에서 교통량이 최대가 되는 지점이 발생한다. 이때의 교통량을 도로 용량이라 하며, 이를 초과하는 수요가 유입될 경우 교통류는 불안정한 과포화 상태에 진입하게 된다. 이후 라이트힐(M. J. Lighthill)과 위덤(G. B. Whitham)은 유체역학의 연속 방정식(Continuity equation)을 응용하여 교통 흐름의 불연속적인 변화를 설명하는 충격파 이론(Shockwave Theory)을 정립하였다.¹⁾ 충격파 이론은 교통사고나 병목 지점에서 발생하는 정체 파동이 상류로 전파되는 속도를 계산함으로써 교통 정체의 시간적·공간적 범위를 예측하는 데 활용된다.

미시적 교통류 모형(Microscopic Traffic Flow Model)은 개별 차량의 주행 행태와 차량 간의 상호작용을 직접적으로 모형화한다. 대표적인 이론인 차량 추종 이론(Car-following Theory)은 뒤따르는 차량(Follower)이 앞서가는 차량(Leader)의 속도 변화나 차간 거리 변화에 반응하여 가속 또는 감속하는 메커니즘을 다룬다. 일반적인 차량 추종 모형은 운전자의 반응이 자극에 비례한다는 원리를 따르며, 반응 시간(Reaction time)이라는 시간적 지연 요소를 포함한다.

$$\text{Response}(t+T) = \lambda \cdot \text{Stimulus}(t)$$

여기서 $T$는 운전자의 반응 시간, $\lambda$는 민감도 계수를 의미한다. 이러한 미시적 접근은 교통 시뮬레이션(Traffic Simulation) 소프트웨어의 알고리즘으로 구현되어, 복잡한 교차로나 신기술이 도입된 도로 환경에서의 차량 움직임을 정밀하게 분석하는 데 사용된다. 특히 자율주행 자동차의 군집 주행(Platooning) 로직 설계 시 이러한 미시적 모형은 차량 간 안전거리를 확보하면서도 도로 효율을 높이는 핵심적인 이론적 근거가 된다.

최근의 교통류 분석은 전통적인 물리적 모형을 넘어 빅데이터와 인공지능을 결합한 통계적 방법론으로 확장되고 있다. 차량 검지기(Loop Detector)나 지능형 교통 체계(ITS)를 통해 수집된 방대한 자료를 바탕으로 교통 상태를 실시간으로 분류하고 예측하는 연구가 활발히 진행 중이다. 이러한 분석 방법은 도로 네트워크 전체의 최적화를 도모하며, 이용자에게 실시간 최적 경로 정보를 제공하거나 가변 속도 제한(Variable Speed Limit, VSL) 시스템을 운영하는 등 동적인 교통 관리 체계의 핵심을 이룬다.

교통류를 구성하는 차량의 움직임을 정량적으로 기술하기 위해서는 거시적 관점에서 흐름의 상태를 규정하는 세 가지 핵심 변수인 교통량(Traffic Flow), 속도(Speed), 밀도(Density)의 정의와 상호관계를 이해해야 한다. 이들 변수는 도로의 운영 상태를 진단하고 교통용량을 산정하는 데 있어 가장 기초적인 자료가 된다.

교통량은 특정 도로의 단면을 일정 시간 동안 통과하는 차량의 대수를 의미하며, 통상 단위 시간당 차량 대수(veh/hr)로 표기한다. 이는 미시적 변수인 차두 시간(Time Headway)과 직접적인 관계를 맺는다. 차두 시간이란 앞차의 앞 범퍼가 특정 지점을 통과한 시점부터 뒷차의 앞 범퍼가 동일 지점을 통과할 때까지의 시간 간격을 의미한다. 만약 $n$대의 차량이 통과하는 동안 관측된 평균 차두 시간을 $\bar{h}$라고 하면, 교통량 $q$는 다음과 같이 정의된다.

$$ q = \frac{3600}{\bar{h}} $$

여기서 3600은 시간을 초 단위에서 시간 단위로 환산하기 위한 상수이다. 교통량은 시간적 흐름의 강도를 나타내는 지표로서, 도로 시설이 공급할 수 있는 최대 교통량인 도로 용량과 비교하여 서비스 수준을 평가하는 척도가 된다.

속도는 차량이 단위 시간 동안 이동한 거리를 의미하며, 교통공학에서는 분석 목적에 따라 시간 평균 속도(Time Mean Speed)와 공간 평균 속도(Space Mean Speed)로 구분하여 사용한다. 시간 평균 속도는 특정 지점을 통과하는 개별 차량 속도의 산술 평균이며, 공간 평균 속도는 특정 구간 내에 존재하는 차량들의 속도를 조화 평균한 값이다. 교통류의 기본 관계식을 수립할 때는 공간 평균 속도를 사용해야 한다. 공간 평균 속도 $u_s$는 구간 길이 $L$을 개별 차량의 통과 시간 $t_i$의 평균으로 나누어 다음과 같이 산출한다.

$$ u_s = \frac{n \cdot L}{\sum_{i=1}^{n} t_i} = \frac{L}{\frac{1}{n} \sum_{i=1}^{n} t_i} $$

밀도는 특정 시점에 도로의 단위 길이당 존재하는 차량의 대수로 정의되며, 보통 단위 거리당 차량 대수(veh/km)로 나타낸다. 밀도는 운전자가 느끼는 도로의 혼잡도를 가장 잘 반영하는 변수이다. 밀도는 미시적 변수인 차간 거리(Spacing)와 역수의 관계에 있다. 차간 거리는 동일 차로에서 연속된 두 차량의 앞 범퍼 사이의 물리적 거리를 의미하며, 평균 차간 거리를 $\bar{s}$라고 할 때 밀도 $k$는 다음과 같다.

$$ k = \frac{1000}{\bar{s}} $$

이 세 변수는 물리적으로 독립적이지 않으며, 유체역학의 연속 방정식과 유사한 형태의 기본 관계식을 형성한다. 교통류의 기본 관계식은 교통량이 밀도와 공간 평균 속도의 곱과 같다는 원리이며, 다음과 같이 표현된다.

$$ q = u_s \cdot k $$

해당 식은 교통류 이론의 근간을 이루는 식으로, 교통 상태가 자유 흐름 상태인지 혹은 혼잡 상태인지에 관계없이 항상 성립한다. 예를 들어, 밀도가 극히 낮은 상태에서는 속도가 최대가 되더라도 교통량은 작게 나타나며, 반대로 밀도가 매우 높아 차량이 정지한 상태(포화 밀도)에서는 속도가 0이 되어 교통량 또한 0에 수렴하게 된다. 따라서 교통량은 밀도와 속도의 상호작용에 의해 결정되는 종속적인 결과물로 해석할 수 있다. 이러한 거시적 변수 간의 관계는 향후 그린쉴즈 모형(Greenshields Model)과 같은 속도-밀도 관계식의 정립을 통해 교통류의 특성을 수학적으로 모형화하는 기초가 된다.

개별 차량 간의 간격과 반응을 연구하는 차량 추종 이론 및 차로 변경 모형을 중심으로 분석한다.

교통 흐름을 유체 흐름과 유사한 연속체로 간주하여 전체적인 교통 충격파와 흐름의 변화를 예측한다.

교통 계획(Transportation Planning)은 장래에 발생할 것으로 예상되는 교통 수요를 과학적으로 추정하고, 이를 효율적으로 처리하기 위한 교통 시설의 확충 및 운영 방안을 체계적으로 수립하는 과정이다. 교통 시설은 한 번 건설되면 수정이 어렵고 막대한 자본이 투입되는 사회 간접 자본(Social Overhead Capital, SOC)의 특성을 지니므로, 정밀한 분석을 통한 계획 수립이 필수적이다. 교통 계획의 궁극적인 목적은 사람과 화물의 이동성을 보장하는 동시에, 교통 혼잡, 사고, 환경 오염과 같은 외부 불경제(External Diseconomy)를 최소화하여 사회 전체의 효용을 극대화하는 데 있다.

교통 계획의 수립 절차는 일반적으로 문제의 인식과 목표 설정으로부터 시작된다. 이후 대상 지역의 인구, 고용, 토지 이용(Land Use) 현황 및 기존 교통망의 용량을 조사하는 기초 자료 수집 단계가 이어진다. 수집된 자료는 장래의 교통 수요를 예측하는 모형의 입력 변수로 활용된다. 특히 토지 이용과 교통의 상호작용은 교통 계획의 핵심적인 전제 조건이다. 특정 지역의 토지 이용 밀도가 높아지면 통행 유발량이 증가하고, 이는 다시 새로운 교통 시설의 확충을 요구하며, 확충된 교통 시설은 다시 주변 지역의 토지 개발을 촉진하는 환류 체계를 형성한다.

교통 수요 예측(Transportation Demand Forecasting)은 교통 계획의 기술적 중추를 형성한다. 가장 대표적인 방법론인 사단계 모형(Four-step Model)은 통행의 발생부터 최종적인 경로 선택까지의 과정을 순차적으로 모형화한다. 첫 번째 단계인 통행 발생(Trip Generation)에서는 각 분석 대상 구역(Traffic Analysis Zone, TAZ)에서 발생하는 총 통행량을 추정한다. 두 번째 단계인 통행 분포(Trip Distribution)에서는 발생한 통행이 어느 목적지로 향하는지를 결정하며, 이때 주로 중력 모형(Gravity Model)이 사용된다. 중력 모형의 기본 형태는 다음과 같다.

$$ T_{ij} = K \cdot \frac{O_i^a \cdot D_j^b}{f(c_{ij})} $$

위 식에서 $ T_{ij} $는 구역 $ i $와 $ j $ 사이의 통행량이며, $ O_i $는 출발지 유출량, $ D_j $는 목적지 유입량, $ f(c_{ij}) $는 두 구역 간의 통행 비용 또는 거리에 따른 저항 함수를 나타낸다.

세 번째 단계는 교통 수단 선택(Modal Split)으로, 승용차, 버스, 철도 등 이용 가능한 수단별로 통행량을 배분한다. 이 단계에서는 주로 로짓 모형(Logit Model)과 같은 확률적 선택 모형이 활용되어 이용자의 효용 함수에 기반한 선택 행태를 반영한다. 마지막 단계인 노선 배정(Traffic Assignment)은 수단별 통행량을 실제 도로망이나 철도망의 개별 노선에 할당하는 과정이다. 이 과정에서는 워드롭의 이용자 평형(Wardrop’s User Equilibrium) 원리가 적용되어, 모든 이용자가 자신의 통행 시간을 최소화하려 한다는 가정하에 네트워크의 흐름을 결정한다.

수요 예측 결과가 도출되면 이를 바탕으로 다양한 대안을 설정하고 평가한다. 경제성 분석은 대안 수립의 핵심적인 판단 근거가 된다. 비용 편익 분석(Cost-Benefit Analysis, CBA)을 통해 시설 건설 및 유지 관리 비용 대비 통행 시간 절감, 차량 운행비 감소, 사고 감소 등의 편익을 산출한다. 순현재가치(Net Present Value, NPV), 내부 수익률(Internal Rate of Return, IRR), 편익 비용 비율(Benefit-Cost Ratio, B/C Ratio) 등이 주요 지표로 활용된다.²⁾ 최근에는 단순한 경제적 타당성을 넘어 지속 가능한 발전의 관점에서 환경 영향, 에너지 소비, 사회적 형평성 등을 종합적으로 고려하는 다기준 의사결정(Multi-Criteria Decision Making)의 중요성이 강조되고 있다.

현대의 교통 계획은 과거의 수요 추종형 계획(Predict and Provide) 방식에서 벗어나, 수요를 적극적으로 관리하고 조절하는 수요 관리형 계획으로 패러다임이 변화하고 있다. 이는 무분별한 도로 확충보다는 대중교통 중심 개발(Transit Oriented Development, TOD)이나 교통 수요 관리(Transportation Demand Management, TDM) 기법을 통해 기존 시설의 이용 효율을 극대화하려는 시도이다. 따라서 장래의 교통 계획은 첨단 기술을 활용한 지능형 교통 체계(Intelligent Transportation Systems, ITS)와의 연계를 통해 더욱 유연하고 지능적인 수요 예측 및 대응 체계를 구축하는 방향으로 나아가고 있다.³⁾

목표 설정, 데이터 수집, 대안 설정 및 평가로 이어지는 종합적인 교통 계획 수립의 표준 공정을 설명한다.

통행 발생부터 노선 배정에 이르는 전통적인 수요 예측 기법의 각 단계를 체계적으로 분석한다.

특정 지역에서 발생하는 총 통행량과 출발지와 목적지 간의 통행 배분 원리를 규명한다.

이용자의 수단 결정 요인을 분석하고 물리적인 교통망에 통행량을 할당하는 알고리즘을 검토한다.

교통 운영 및 제어 시스템은 도로 사용자의 안전을 도모하고, 주어진 도로 시설의 처리 능력을 극대화하여 이동의 효율성을 높이는 것을 목적으로 한다. 도시의 물리적 공간 한계로 인해 새로운 도로 건설이 점차 어려워짐에 따라, 기존의 교통 자원을 최적으로 관리하는 운영 기술의 중요성이 강조되고 있다. 이 시스템의 핵심은 교차로에서의 상충하는 교통 흐름을 시간적으로 분리하는 교통 신호 제어와, 도로의 공급 능력을 정량화하는 도로 용량 분석에 있다.

교통 신호 제어의 가장 기초적인 이론은 웹스터(F. V. Webster)가 제시한 최적 신호 주기 이론이다. 신호 제어의 주요 변수는 주기(Cycle length), 녹색 시간(Green time), 그리고 손실 시간(Lost time)으로 구성된다. 주기는 신호가 한 바퀴 도는 데 걸리는 총 시간을 의미하며, 웹스터는 교차로 전체의 평균 지체(Delay)를 최소화하기 위한 최적 주기($ C_o $)를 다음과 같은 공식으로 도출하였다.

$$ C_o = \frac{1.5L + 5}{1 - \sum_{i=1}^{n} y_i} $$

여기서 $ L $은 주기당 총 손실 시간(초)을 의미하며, 주로 황색 시간과 전적색 시간(All-red time), 그리고 출발 지체 등에 의해 발생한다. $ y_i $는 각 이동류 $ i $의 임계 교통량비(Critical lane group flow ratio)로, 해당 차로군의 교통량을 포화 교통량(Saturation flow rate)으로 나눈 값이다. 이 공식은 교통량이 증가할수록 최적 주기가 길어지며, 손실 시간이 늘어날수록 시스템 효율이 급격히 저하됨을 이론적으로 입증한다.

교통 운영의 성과를 평가하는 척도로는 서비스 수준(Level of Service, LOS)이 사용된다. 이는 운전자가 느끼는 쾌적성이나 지체 정도를 등급화한 것으로, 대한민국 도로용량편람(Korea Highway Capacity Manual, KHCM)에서는 신호 교차로의 경우 차량당 평균 제어 지체 시간을 기준으로 A부터 F까지의 등급을 부여한다⁴⁾. 지체는 차량이 신호 대기나 감속으로 인해 소모하는 추가적인 시간으로, 이를 정확히 산정하기 위해 미국의 도로용량편람(HCM) 등에서는 균일 지체(Uniform delay)와 증분 지체(Incremental delay)를 합산하는 복합적인 공식을 활용한다⁵⁾.

운영 기법은 제어 대상의 범위와 방식에 따라 독립 교차로 제어, 연동 제어, 그리고 광역 교통 제어로 구분된다. 독립 교차로 제어는 개별 교차로의 지체 최소화에 집중하며, 교통량의 변화에 따라 신호 시간을 실시간으로 조절하는 교통 감응 신호 제어(Traffic Actuated Control)가 대표적이다. 반면, 간선도로의 여러 교차로를 묶어 제어하는 연동 시스템은 주행 차량이 정지 없이 통과할 수 있는 구간인 연동폭(Bandwidth)을 확보하여 녹색 물결(Green Wave) 현상을 구현하는 것을 목표로 한다. 이때 인접한 교차로 간의 신호 시작 시점 차이를 옵셋(Offset)이라 하며, 이는 연동 제어의 가장 중요한 설계 변수가 된다.

최근의 교통 운영 시스템은 지능형 교통 체계(Intelligent Transport Systems, ITS)와 결합하여 고도화되고 있다. 루프 검지기(Loop detector)나 영상 검지기를 통해 수집된 실시간 교통 데이터를 바탕으로, 인공지능 알고리즘이 도시 전체의 신호망을 최적화하는 실시간 신호 제어 시스템이 도입되고 있다. 이러한 시스템은 돌발 상황이나 교통량의 급격한 변동에 능동적으로 대응함으로써, 정지 횟수와 연료 소모량을 줄이고 탄소 배출을 저감하는 등 지속 가능한 교통 환경 조성에 기여한다.

평면 교차로에서의 신호 주기, 녹색 시간 배분 및 연동 시스템을 통한 지체 시간 최소화 방안을 연구한다.

도로가 수용할 수 있는 최대 차량 통과 능력을 산정하고 운전자가 느끼는 쾌적성을 등급화하여 평가한다.

교통사고의 원인을 인적, 물적, 환경적 요인으로 분석하고 이를 예방하기 위한 공학적 대책을 수립한다.

첨단 교통 체계(Intelligent Transport Systems, ITS)는 기존의 교통 구성 요소인 도로, 차량, 이용자에 정보 통신 기술(Information and Communication Technology, ICT)과 첨단 제어 기술을 융합하여 교통 운영의 효율성과 안전성을 극대화하는 차세대 시스템이다. 이는 단순히 개별 차량의 성능 개선에 머물지 않고, 교통망 전체를 하나의 유기적인 정보 네트워크로 연결하여 교통 혼잡, 사고, 환경 오염과 같은 도시 교통 문제를 해결하는 것을 목적으로 한다. 대한민국의 관련 법령에 따르면, 지능형 교통 체계는 교통수단 및 시설에 전자, 제어 및 통신 기술을 활용하여 운영을 과학화하고 자동화하는 체계로 정의된다⁶⁾. 초기에는 실시간 교통 정보 수집과 제공을 통한 수요 관리에 집중하였으나, 최근에는 차량과 인프라가 실시간으로 데이터를 주고받는 능동적인 제어 시스템으로 발전하고 있다.

이러한 첨단 교통 체계의 핵심 기술적 토대는 V2X(Vehicle-to-Everything) 통신과 사물인터넷(Internet of Things, IoT) 기반의 데이터 수집 체계이다. V2X는 차량과 차량(V2V), 차량과 인프라(V2I), 차량과 보행자(V2P) 간의 통신을 포괄하는 개념으로, 개별 차량이 인지할 수 없는 사각지대의 위험 정보를 공유함으로써 사고 예방 능력을 획기적으로 높인다⁷⁾. 특히 협력형 지능형 교통 체계(Cooperative-ITS, C-ITS)는 기존의 단방향 정보 제공 방식에서 벗어나, 차량이 주행 중 수집한 돌발 상황 정보를 인프라를 통해 주변 차량에 즉시 전파하는 양방향 통신 체계를 지향한다. 이를 통해 급정거, 낙하물, 기상 악화와 같은 위험 요소에 대한 선제적 대응이 가능해지며, 이는 교통류의 안정성을 높이는 핵심 기제로 작용한다⁸⁾.

미래 교통 기술의 가장 중추적인 변화는 자율주행 자동차(Autonomous Vehicle)의 고도화와 보급이다. 자율주행 기술은 인지, 판단, 제어의 세 단계로 구성되며, 라이다(LiDAR), 레이더, 카메라 등 정밀 센서와 인공지능 알고리즘이 결합되어 인간 운전자의 개입 없이 주행을 수행한다. 미국 자동차 공학회(Society of Automotive Engineers, SAE)는 자율주행 단계를 레벨 0부터 5까지 구분하며, 현재는 시스템이 주행의 주도권을 갖는 레벨 3 이상의 기술이 상용화 단계에 진입하고 있다. 자율주행 기술이 보편화되면 운전자의 부주의로 인한 사고가 급감할 뿐만 아니라, 차량 간 간격을 정밀하게 제어하는 군집 주행(Platooning)을 통해 도로 용량을 획기적으로 증대시킬 수 있다.

교통 서비스의 패러다임 또한 개별 수단 중심에서 이용자 맞춤형 통합 서비스인 모빌리티 서비스(Mobility as a Service, MaaS)로 전환되고 있다. 이는 지하철, 버스, 택시와 같은 기존 대중교통뿐만 아니라 퍼스널 모빌리티, 카셰어링 등 다양한 이동 수단을 하나의 플랫폼에서 예약하고 결제하는 통합 시스템이다. MaaS는 교통 수요의 효율적 분산을 유도하고 자가용 보유 욕구를 감소시켜 도시의 주차 문제와 탄소 배출을 줄이는 데 기여한다. 나아가 지상 교통의 한계를 극복하기 위해 수직 이착륙 기술을 활용한 도심 항공 모빌리티(Urban Air Mobility, UAM)가 미래 교통의 새로운 축으로 부상하고 있다. UAM은 3차원 공중 공간을 활용함으로써 이동 시간을 대폭 단축하고 도시 공간 구조의 근본적인 변화를 예고하고 있다.

첨단 교통 체계의 완성은 물리적 인프라와 디지털 플랫폼의 완벽한 결합을 전제로 한다. 이를 위해 도로 위 모든 사물의 위치를 센티미터 단위로 파악하는 정밀 도로 지도와 고정밀 측위 기술, 그리고 방대한 교통 데이터를 실시간으로 처리할 수 있는 엣지 컴퓨팅 기술의 확보가 필수적이다. 또한, 시스템의 연결성이 강화됨에 따라 발생할 수 있는 보안 위협에 대응하기 위한 교통 전용 보안 인증 체계의 구축도 중요한 과제이다. 미래의 교통공학은 단순한 시설 확충을 넘어, 데이터와 알고리즘을 통해 인간의 이동성을 최적화하고 안전과 편의를 동시에 달성하는 통합 모빌리티 생태계를 구축하는 방향으로 진화할 것이다.

실시간 교통 정보 수집, 가공, 제공을 통해 교통 흐름을 최적화하는 통합 시스템의 구조를 다룬다.

차량 간 통신 및 자율주행 기술이 교통 운영 효율성과 안전성에 미치는 영향을 분석한다.

탄소 배출 저감, 대중교통 중심 개발 및 친환경 이동 수단 도입을 통한 도시 교통의 지속 가능성을 모색한다.