교통공학(Transportation Engineering)은 사람과 화물의 이동을 안전하고 신속하며 편리하고 경제적이며 환경친화적으로 실현하기 위해 교통시설의 계획, 설계, 운영 및 관리에 과학적 원리와 기술적 방법론을 적용하는 학문이다. 미국교통공학회(Institute of Transportation Engineers, ITE)에서는 이를 승객과 화물의 이동을 최적화하기 위한 공학적 응용으로 정의하며, 현대 사회의 핵심 인프라인 교통 시스템을 효율적으로 구축하고 유지하는 데 목적을 둔다¹⁾. 교통공학은 단순한 물리적 시설의 건설을 넘어, 이동이라는 인간의 기본적 욕구와 물자의 흐름을 체계적으로 제어하고 최적화하는 시스템 공학(Systems Engineering)적 성격을 강하게 띤다.

교통공학의 학문적 기초는 물리적 법칙과 수학적 모형, 그리고 사회과학적 통찰의 결합으로 이루어진다. 물리적 측면에서는 차량의 운동 특성과 제동 거리 등을 다루는 역학과, 대규모 교통 흐름을 유체의 흐름으로 간주하여 분석하는 유체역학(Fluid Mechanics)적 원리가 기초가 된다. 수학적 측면에서는 통행 발생의 불확실성을 다루기 위한 확률론 및 통계학, 그리고 한정된 도로 자원을 최적으로 배분하기 위한 선형 계획법(Linear Programming)과 같은 최적화 이론이 필수적으로 동원된다.

또한 교통공학은 경제학과 밀접한 연관을 맺고 있다. 교통 수요는 시설 공급에 따라 변화하며, 이용자의 수단 선택이나 노선 결정은 한계 효용(Marginal Utility)과 비용의 법칙을 따른다. 따라서 교통공학자는 수요와 공급의 원리를 바탕으로 교통 혼잡 문제를 해결하기 위한 교통 수요 관리(Transportation Demand Management, TDM) 기법을 연구한다. 이러한 다학제적 접근은 교통 문제를 기술적 관점뿐만 아니라 사회 경제적 맥락에서 포괄적으로 이해할 수 있게 한다.

교통 체계의 기본 요소는 인간, 차량, 시설, 그리고 운영 체계로 구성되며, 이들 간의 상호작용을 수치화하는 것이 분석의 시작이다. 교통류의 상태를 설명하는 가장 기초적인 관계식은 교통량(Traffic Volume, $ q $), 속도(Speed, $ u $), 밀도(Density, $ k $) 사이의 곱으로 표현되는 기본 관계식이다.

$$ q = u \times k $$

위 식에서 교통량은 단위 시간당 특정 지점을 통과하는 차량의 수를, 속도는 차량의 평균 이동 속도를, 밀도는 단위 길이당 도로에 존재하는 차량의 수를 의미한다. 이 세 변수의 상관관계를 통해 도로의 용량(Capacity)을 산정하고, 서비스 수준을 평가하는 것이 교통공학의 핵심적인 분석 과업이다.

현대의 교통공학은 인공지능과 통신 기술의 발달에 힘입어 지능형 교통 체계(Intelligent Transportation Systems, ITS)로 그 범위를 확장하고 있다. 이는 과거의 정적인 시설 확충 중심에서 벗어나, 실시간 데이터를 활용한 동적인 운영과 제어를 지향한다. 또한 기후 위기 시대에 대응하여 탄소 배출을 최소화하는 지속 가능한 교통 체계를 구축하고, 자율주행 차량과 인간 보행자가 공존하는 미래의 스마트 시티(Smart City) 교통 환경을 설계하는 것이 이 학문의 현대적 사명이다.

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.²⁾ 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.

미시적 교통류 모형(Microscopic Traffic Flow Model)은 교통류를 구성하는 개별 차량의 움직임과 차량 간의 상호작용을 시간과 공간의 연속적인 함수로 기술하는 분석 기법이다. 이는 도로를 흐르는 유체로 간주하여 전체적인 흐름의 특성을 파악하는 거시적 교통류 모형과 달리, 운전자의 개별적인 판단과 차량의 동적 특성을 직접적으로 반영한다. 미시적 모형의 핵심은 단일 차로에서의 전후 차량 관계를 다루는 차량 추종 이론(Car-following Theory)과 인접 차로로의 이동을 결정하는 차로 변경 모형(Lane-changing Model)으로 구분된다.

차량 추종 이론은 선행 차량(lead vehicle)의 움직임에 대응하여 후행 차량(following vehicle)이 속도와 가속도를 조절하는 메커니즘을 설명한다. 가장 고전적인 형태인 제너럴 모터스(General Motors, GM) 모형은 자극-반응(Stimulus-Response) 원리에 기반한다. 이 모형에서 운전자의 반응인 가속도는 선행 차량과의 상대 속도라는 자극에 비례하며, 일정한 반응 지연 시간 후에 나타난다고 가정한다. 이를 수식으로 표현하면 다음과 같다.

$$ a_f(t+T) = \frac{\alpha \cdot [v_f(t+T)]^m}{[x_l(t) - x_f(t)]^l} [v_l(t) - v_f(t)] $$

여기서 $ a_f $는 후행 차량의 가속도, $ v_l $과 $ v_f $는 각각 선행 및 후행 차량의 속도, $ x_l - x_f $는 두 차량 사이의 간격(gap), $ T $는 운전자의 반응 시간이다. 매개변수 $ l, m, $의 값에 따라 다양한 교통 상황을 모사할 수 있으며, 이는 교통 용량 분석과 충격파 현상을 미시적으로 이해하는 데 중요한 기초가 된다.

또 다른 주요 접근법인 지아바스(Gipps) 모형은 안전 거리(Safe-distance) 개념을 도입하였다. 이 모형은 선행 차량이 갑자기 급제동하더라도 후행 차량이 충돌을 피할 수 있는 안전한 속도를 유지한다는 가정하에 설계되었다. 이는 운전자의 안전 지향적 특성을 잘 반영하며, 이후 개발된 많은 교통 시뮬레이션 소프트웨어의 알고리즘적 근거가 되었다³⁾.

차로 변경 모형은 차량의 종방향 움직임뿐만 아니라 횡방향 이동을 결정하는 복잡한 의사결정 과정을 다룬다. 차로 변경은 목적지 진출입이나 차로 감소 등에 의해 강제적으로 발생하는 필수적 차로 변경(Mandatory Lane Changing)과, 더 높은 속도를 유지하거나 쾌적한 주행 환경을 확보하기 위해 수행하는 선택적 차로 변경(Discretionary Lane Changing)으로 분류된다.

지아바스가 제시한 차로 변경 결정 구조는 크게 세 단계로 나뉜다. 첫째, 현재 주행 중인 차로를 유지할 것인지 혹은 변경이 필요한지를 판단하는 동기 부여 단계이다. 둘째, 변경하고자 하는 차로가 현재보다 유리한 주행 조건을 제공하는지 검토하는 이득 평가 단계이다. 셋째, 인접 차로의 전후 차량과의 간격이 안전한지를 확인하는 간격 수락(Gap Acceptance) 단계이다⁴⁾. 최근에는 가속도의 이득과 타 차량에 미치는 영향을 종합적으로 고려하는 MOBIL(Minimizing Overall Braking Induced by Lane Changes) 모형과 같은 정교한 기법들이 제안되어, 혼합 교통류 내에서의 차량 거동을 더욱 정밀하게 예측하고 있다⁵⁾.

이러한 미시적 모형들은 현대 교통공학에서 개별 차량의 궤적 데이터를 생성하고, 도로 설계의 적정성 평가 및 지능형 교통 체계(ITS)의 효과 분석에 필수적으로 활용된다. 특히 자율주행 자동차의 군집 주행(Platooning) 알고리즘 설계 시, 차량 간의 통신 지연과 동적 안정성을 확보하기 위한 수치적 분석 도구로서 그 중요성이 더욱 증대되고 있다.

거시적 교통류 모형(Macroscopic Traffic Flow Model)은 도로 위의 개별 차량이 나타내는 구체적인 거동보다는 차량 집단이 형성하는 흐름의 전체적인 물리적 특성에 주목하는 분석 체계이다. 이 모형은 교통류를 불연속적인 개체들의 집합이 아닌, 유체역학(Fluid Mechanics)에서 다루는 연속적인 유체(fluid)의 흐름으로 간주한다. 이러한 관점은 도로 네트워크 전체의 상태를 파악하거나 장거리 구간에서의 교통 상태 변화를 예측하는 데 효율적인 방법론을 제공하며, 특히 교통 충격파(Traffic Shockwave)의 형성과 전파 과정을 설명하는 데 강점을 가진다.

거시적 교통류 이론의 기초는 교통량(q), 밀도(k), 속도(u)라는 세 가지 기본 변수 사이의 상관관계를 규명하는 데서 시작된다. 이들의 관계는 유체의 흐름을 기술하는 기본 식과 동일한 형태의 관계식으로 정의된다. $$ q = k \cdot u $$ 여기서 교통량은 단위 시간당 특정 지점을 통과하는 차량의 수를, 밀도는 단위 길이당 도로상에 존재하는 차량의 수를, 속도는 해당 구간 내 차량들의 평균 주행 속도를 의미한다. 거시적 모형은 이 세 변수가 시공간에 따라 어떻게 변화하는지를 수학적으로 기술한다.

거시적 교통류 모형의 핵심적인 물리적 토대는 질량 보존의 법칙을 교통류에 적용한 연속 방정식(Continuity Equation)이다. 이는 특정 도로 구간 내에서 시간에 따른 차량 수의 변화율이 해당 구간으로 유입되는 교통량과 유출되는 교통량의 차이와 같다는 원리를 정립한 것이다. 이를 편미분 방정식으로 나타내면 다음과 같다. $$ \frac{\partial k(x, t)}{\partial t} + \frac{\partial q(x, t)}{\partial x} = 0 $$ 위 식에서 $ x $는 도로상의 위치를, $ t $는 시간을 나타낸다. 이 방정식은 교통류의 밀도 변화가 공간적인 교통량의 변화와 밀접하게 연계되어 있음을 보여준다.

연속 방정식을 풀기 위해서는 교통량과 밀도 사이의 관계를 규정하는 추가적인 상태 방정식(Equation of State)이 필요하다. 1950년대 라이트힐(James Lighthill)과 위덤(Gerald Whitham), 그리고 리처즈(Paul Richards)는 속도가 밀도만의 함수라는 가정을 도입하여 거시적 교통류 모형의 고전으로 불리는 LWR 모형을 제시하였다⁶⁾⁷⁾. 이 모형은 교통류의 상태 변화가 파동의 형태로 전파된다는 운동학적 파동(Kinematic Wave) 이론을 바탕으로 한다.

LWR 모형에서 가장 빈번하게 활용되는 상태 방정식은 그린실즈(Bruce Greenshields)의 선형 모형이다. 이 모형은 밀도가 높아질수록 속도가 선형적으로 감소한다고 가정하며, 다음과 같이 표현된다. $$ u = u_f \left( 1 - \frac{k}{k_j} \right) $$ 여기서 $ u_f $는 차량 간섭이 없는 상태에서의 자유 흐름 속도(Free-flow Speed)를, $ k_j $는 차량이 완전히 멈춰 서서 더 이상 이동할 수 없는 상태인 정체 밀도(Jam Density)를 의미한다. 이 식을 기본 관계식에 대입하면 교통량과 밀도의 관계는 포물선 형태를 그리게 되며, 이를 통해 특정 도로 구간이 수용할 수 있는 최대 교통량인 교통용량을 산정할 수 있다.

거시적 모형의 중요한 응용 분야 중 하나는 충격파 이론(Shockwave Theory)이다. 도로상에서 사고나 병목 현상으로 인해 갑작스러운 정체가 발생하면, 교통류의 상태가 급격히 변하는 불연속면이 형성된다. 이 경계면을 충격파라고 하며, 충격파의 전파 속도 $ W $는 두 지점의 교통량 차이를 밀도 차이로 나눈 값으로 결정된다. $$ W = \frac{q_2 - q_1}{k_2 - k_1} $$ 충격파 분석을 통해 정체 행렬이 상류부로 전파되는 속도나 정체가 해소되는 데 걸리는 시간을 정밀하게 예측할 수 있다. 이는 고속도로 운영 관리 및 실시간 교통 제어 전략 수립에 필수적인 정보를 제공한다.

최근에는 LWR 모형의 한계로 지적되는 차량의 급격한 가속 및 감속 특성, 즉 비평형 상태의 교통류를 보다 정확하게 묘사하기 위해 페인(Payne) 등이 제안한 고차 거시적 모형(Higher-order Macroscopic Models)이 연구되고 있다. 이러한 모형들은 속도의 변화를 설명하는 별도의 동역학 방정식을 추가하여, 교통류 내의 관성과 반응 지체 현상을 모사함으로써 지능형 교통 체계(ITS)의 고도화에 기여하고 있다.

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.⁸⁾ 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.⁹⁾

교통 계획(Transportation Planning)은 미래의 교통 수요를 효율적으로 처리하기 위해 교통 시설을 확충하거나 운영 체계를 개선하는 일련의 의사결정 과정이다. 이는 단순히 도로를 건설하는 기술적 행위를 넘어, 한정된 자원을 배분하여 사회적 편익을 극대화하고 지속 가능한 발전을 도모하는 체계적인 공정을 필요로 한다. 교통 계획의 수립 절차는 통상적으로 목표 설정, 데이터 수집 및 분석, 장래 수요 예측, 대안 수립 및 평가, 그리고 최종안 확정 및 환류의 단계로 구성된다.

첫 번째 단계인 목표 설정 및 문제 정의에서는 계획의 대상이 되는 지역적 범위와 시간적 범위를 설정하고, 해결해야 할 교통 문제의 본질을 파악한다. 이 과정에서는 경제적 효율성뿐만 아니라 환경 보호, 교통 약자의 이동권 보장, 토지 이용 계획과의 정합성 등 상충할 수 있는 다양한 가치들을 조율하여 구체적인 평가지표를 도출한다.

두 번째 단계는 자료 수집 및 현황 분석이다. 현재의 교통 실태를 정확히 파악하기 위해 기종점 조사(Origin-Destination Survey, O-D 조사)를 실시하며, 이는 사람이나 화물이 어디에서 출발하여 어디로 이동하는지를 정량화하는 핵심적인 작업이다. 수집된 데이터는 인구, 고용, 소득 등의 사회경제적 변수와 결합하여 현재의 통행 행태를 설명하는 기초 자료로 활용된다.

세 번째 단계는 교통 수요 예측(Travel Demand Forecasting)이다. 수집된 자료를 바탕으로 장래의 특정 시점에 발생할 교통량을 추정한다. 주로 4단계 모형(Four-step model)이 사용되는데, 이는 통행 발생(Trip Generation), 통행 분포(Trip Distribution), 수단 분담(Modal Split), 노선 배정(Route Assignment)의 순서로 진행된다. 예를 들어, 특정 구역의 통행 발생량 $T_i$를 예측하기 위해 다음과 같은 회귀 모형을 적용할 수 있다.

$$T_i = \alpha + \beta_1 X_{1i} + \beta_2 X_{2i} + \epsilon$$

여기서 $X_{1i}$, $X_{2i}$는 해당 구역의 인구수나 고용자 수와 같은 독립변수이며, $\alpha$와 $\beta$는 회귀계수이다. 이러한 과학적 예측은 미래 교통 시설의 적정 규모를 결정하는 근거가 된다.

네 번째 단계는 대안의 수립 및 평가이다. 예측된 수요를 토대로 도로 신설, 대중교통 확충, 교통 수요 관리 정책 등 다양한 시나리오를 구성한다. 각 대안은 비용-편익 분석(Cost-Benefit Analysis, CBA)을 통해 경제적 타당성을 검토받는다. 총편익($B$)과 총비용($C$)의 비율인 $B/C$가 1보다 크거나, 순현재가치(Net Present Value, NPV)가 0보다 클 때 경제적 타당성이 있는 것으로 간주한다. 또한, 수치화하기 어려운 환경적 영향이나 정책적 일관성 등을 고려하기 위해 다기준 의사결정(Multi-Criteria Decision Making, MCDM) 방법론이 병행되기도 한다.

마지막 단계는 최종안의 선택과 집행, 그리고 사후 모니터링이다. 선정된 계획안은 예산 확보와 법적 절차를 거쳐 시행되며, 시행 이후에는 실제 교통량과 예측치의 차이를 분석하여 계획 수립 과정에 다시 반영하는 환류(Feedback) 과정을 거친다. 이러한 반복적이고 순환적인 절차는 교통 계획의 신뢰성을 높이고 도시의 변화에 유연하게 대응할 수 있게 한다¹⁰⁾¹¹⁾.

교통 수요 분석의 사단계 모형(Four-Step Travel Demand Forecasting Model)은 장래의 교통 수요를 예측하기 위해 가장 널리 사용되는 전통적인 방법론이다. 이 모형은 1950년대 미국의 대규모 도시 교통 계획 수립 과정에서 정립되었으며, 복잡한 교통 현상을 체계적으로 분석하기 위해 전체 과정을 통행 발생, 통행 분포, 수단 선택, 노선 배정의 네 단계로 분할하여 접근한다. 각 단계는 하위 단계의 결과를 입력값으로 사용하는 순차적 구조를 가지며, 최종적으로 특정 교통 시설에 부하되는 교통량을 산출하는 것을 목적으로 한다.

첫 번째 단계인 통행 발생(Trip Generation)은 분석 대상 지역을 분할한 단위인 교통 분석 존(Traffic Analysis Zone, TAZ)별로 발생하는 총 통행량과 유입되는 총 통행량을 추정하는 과정이다. 이 단계에서는 토지 이용 상태, 인구 통계적 특성, 경제 지표 등의 변수를 활용한다. 주로 가구원 수, 소득 수준, 자동차 보유 대수 등을 독립 변수로 하는 회귀 분석(Regression Analysis)이나 가구의 특성에 따라 통행률을 산정하는 카테고리 분석(Category Analysis) 기법이 적용된다. 통행 발생의 결과물은 각 존에서 출발하는 통행 생산량(Trip Production)과 각 존으로 들어오는 통행 유입량(Trip Attraction)의 합계로 나타난다.

두 번째 단계인 통행 분포(Trip Distribution)는 발생된 통행이 어느 존에서 어느 존으로 향하는지를 결정하여 기종점 행렬(Origin-Destination Matrix)을 작성하는 과정이다. 즉, 특정 존에서 출발한 통행이 공간적으로 어떻게 배분되는지를 규명한다. 이 과정에서 가장 대표적으로 활용되는 기법은 중력 모형(Gravity Model)이다. 이는 뉴턴의 만유인력 법칙을 응용한 것으로, 두 지역 간의 통행량은 각 지역의 활동 규모에 비례하고 두 지역 사이의 통행 저항(시간, 거리, 비용 등)에 반비례한다는 원리를 따른다. 통행 분포 모형은 다음과 같은 기본적인 수식의 형태를 취한다.

$$ T_{ij} = P_i \frac{A_j F_{ij} K_{ij}}{\sum_{k} A_k F_{ik} K_{ik}} $$

여기서 $ T_{ij} $는 존 $ i $에서 존 $ j $로의 통행량이며, $ P_i $는 존 $ i $의 통행 생산량, $ A_j $는 존 $ j $의 통행 유입량이다. $ F_{ij} $는 통행 저항에 따른 마찰 함수(Friction Function)를, $ K_{ij} $는 사회경제적 보정 계수를 의미한다.

세 번째 단계인 수단 선택(Modal Split)은 기종점 간의 통행량이 어떠한 교통 수단을 이용할 것인지를 결정하는 단계이다. 이용자는 승용차, 버스, 지하철 등 가용한 선택지 중에서 자신의 효용을 극대화할 수 있는 수단을 선택한다고 가정한다. 이 단계에서는 통행 시간, 통행 비용, 환승 횟수 등 수단별 서비스 특성이 주요 변수로 작용한다. 주로 개별 행태 모형인 로짓 모형(Logit Model)이 사용되며, 특정 수단 $ m $을 선택할 확률 $ P_m $은 해당 수단의 효용 $ U_m $을 이용하여 다음과 같이 계산된다.

$$ P_m = \frac{e^{U_m}}{\sum_{k} e^{U_k}} $$

이러한 확률적 선택 모델은 합리적 선택 이론에 근거하여 이용자의 수단 전환 행태를 민감하게 반영할 수 있다는 장점이 있다.

마지막 단계인 노선 배정(Traffic Assignment)은 수단별로 결정된 통행량을 실제 교통망(Network)상의 개별 경로에 할당하는 과정이다. 도로망의 경우, 개별 운전자는 자신의 통행 시간을 최소화하는 경로를 선택한다는 워드롭의 원리(Wardrop’s Principle)가 핵심적인 역할을 한다. 특히 모든 이용자가 더 이상 자신의 통행 시간을 단축할 수 있는 경로를 찾을 수 없는 상태인 사용자 평형(User Equilibrium) 상태를 도출하는 것이 일반적이다. 이때 도로의 교통량이 증가함에 따라 통행 속도가 감소하는 현상을 반영하기 위해 다음과 같은 지체 함수(Volume-Delay Function)가 활용된다.

$$ t = t_0 \left[ 1 + \alpha \left( \frac{V}{C} \right)^\beta \right] $$

여기서 $ t $는 실제 통행 시간, $ t_0 $는 자유 흐름 상태의 통행 시간, $ V $는 교통량, $ C $는 교통용량을 의미하며, $ $와 $ $는 도로 특성에 따른 파라미터이다.

사단계 모형은 구조가 논리적이고 단계별로 계산 결과를 검증하기 용이하여 교통 계획 실무에서 표준적인 방법론으로 자리 잡았다. 그러나 각 단계가 독립적으로 수행됨에 따라 발생하는 환류(Feedback)의 부재와, 통행자의 복잡한 활동 패턴을 단순화한다는 한계점이 지적되기도 한다. 그럼에도 불구하고 대규모 사회 간접 자본 투자 사업의 타당성을 평가하고 장래 교통 환경 변화에 대응하는 정책을 수립하는 데 있어 사단계 모형은 여전히 핵심적인 분석 도구로서 가치를 지닌다.

교통 수요 분석의 사단계 모형의 첫 번째 단계인 통행 발생(Trip Generation)은 분석 대상 지역을 세분화한 교통 분석 존(Traffic Analysis Zone, TAZ)별로 발생하는 총 통행의 양을 추정하는 과정이다. 이 단계의 핵심 목적은 특정 구역에서 출발하는 통행량인 통행 발생량(Trip Production)과 특정 구역으로 들어오는 통행량인 통행 흡수량(Trip Attraction)을 구역의 토지 이용 특성 및 사회경제적 지표와 연계하여 규명하는 데 있다. 통행 발생량은 주로 가구의 인구수, 자동차 보유 대수, 소득 수준 등에 의해 결정되며, 통행 흡수량은 해당 구역의 고용 인원, 연면적, 상업 시설의 규모 등에 영향을 받는다.

통행 발생을 예측하기 위해 가장 널리 사용되는 기법은 회귀분석(Regression Analysis)이다. 이는 독립변수인 사회경제적 지표와 종속변수인 통행량 간의 선형 관계를 가정하여 다음과 같은 수식으로 표현된다.

$ P_i = _0 + %%//%%1 X%%//%%{i1} + %%//%%2 X%%//%%{i2} + + %%//%%n X%%//%%{in} + $

여기서 $ P_i $는 $ i $구역의 통행 발생량이며, $ X_{in} $은 인구 및 고용과 같은 독립변수, $ _n $은 각 변수의 영향력을 나타내는 회귀계수이다. 회귀분석 외에도 가구의 특성에 따라 통행 빈도를 집계하는 카테고리 분석(Category Analysis)이나 유입과 유출의 평형을 맞추는 조정 과정이 이 단계에서 수행된다. 통행 발생 단계에서 산출된 결과물은 각 구역의 총량적 수치일 뿐, 구체적으로 어느 구역에서 어느 구역으로 이동하는지에 대한 정보는 포함하지 않는다.

두 번째 단계인 통행 분포(Trip Distribution)는 통행 발생 단계에서 산출된 각 구역의 발생량과 흡수량을 연결하여 구역 간의 구체적인 이동 경로의 수요, 즉 기종점 행렬(Origin-Destination Matrix, O-D Matrix)을 구축하는 과정이다. 이 단계에서는 출발지 $ i $에서 목적지 $ j $로 향하는 통행량 $ T_{ij} $를 결정하며, 이는 두 구역 간의 유인력과 이동에 따르는 저항 요인에 의해 지배된다. 통행 분포를 설명하는 가장 대표적인 이론적 틀은 중력 모형(Gravity Model)이다.

중력 모형은 아이작 뉴턴의 만유인력 법칙을 교통 현상에 응용한 것으로, 두 구역 사이의 통행량은 각 구역의 규모(발생량 및 흡수량)에 비례하고 두 구역 사이의 공간적 저항(거리, 시간, 비용)에 반비례한다는 원리를 기반으로 한다. 일반적인 중력 모형의 수식은 다음과 같다.

$ T_{ij} = P_i $

여기서 $ T_{ij} $는 $ i $구역에서 $ j $구역으로의 분포 통행량, $ P_i $는 $ i $구역의 발생량, $ A_j $는 $ j $구역의 흡수량이다. $ F_{ij} $는 두 구역 간의 통행 저항을 나타내는 마찰 함수(Friction Function)이며, $ K_{ij} $는 사회경제적 특수성을 반영하는 보정 계수이다. 마찰 함수는 보통 거리나 통행 시간의 역함수 형태로 정의되며, 이는 거리가 멀어질수록 통행 의사결정의 확률이 감소하는 현상을 수학적으로 모사한다.

통행 분포 단계에서는 중력 모형 외에도 과거의 통행 패턴이 미래에도 유지된다고 가정하는 성장인자법(Growth Factor Method)이 사용되기도 한다. 특히 프라타법(Fratar Method)은 기존의 기종점 행렬에 각 구역의 성장률을 반복적으로 적용하여 장래의 분포를 예측하는 기법으로, 단기적인 예측이나 변화가 적은 지역의 분석에 유용하다. 그러나 장기적인 도시 구조의 변화나 새로운 교통 시설의 도입에 따른 통행 패턴의 근본적 변화를 반영하기에는 중력 모형이나 엔트로피 극대화 모형(Entropy Maximization Model)과 같은 인과 모형이 더 적합한 것으로 평가받는다¹²⁾. 이처럼 결정된 통행 분포 결과는 이후 단계인 교통 수단 선택의 기초 자료로 활용되며, 도시 전체의 공간적 상호작용을 이해하는 핵심 지표가 된다.

수단 선택(Mode Choice)은 통행 분포 단계에서 결정된 기종점 간의 통행량을 승용차, 버스, 철도 등 구체적인 교통 수단별로 분할하는 과정이다. 이 단계의 핵심은 개별 통행자가 주어진 선택 대안 중에서 자신의 효용(Utility)을 극대화하는 수단을 선택한다는 효용 극대화 이론(Utility Maximization Theory)에 기반한다. 통행자의 의사결정에 영향을 미치는 요인은 크게 통행 특성(통행 목적, 통행 거리), 수단 특성(통행 시간, 통행 비용, 배차 간격, 환승 횟수), 그리고 통행자 특성(소득 수준, 차량 보유 여부)으로 구분된다. 이러한 변수들을 체계적으로 분석하기 위해 개별 행태 모형(Disaggregate Behavioral Model)인 로짓 모형(Logit Model)이 주로 사용된다. 로짓 모형은 특정 수단 $ i $를 선택할 확률 $ P_i $를 다음과 같이 정의한다.

$ P_i = $

여기서 $ V_i $는 수단 $ i $가 가지는 관측 가능한 효용을 의미하며, 이는 통행 시간과 비용 등의 선형 결합으로 표현된다. 수단 선택 모형은 도시 교통 정책 수립 시 대중교통 요금 변경이나 전용 차로 도입에 따른 수요 변화를 예측하는 데 필수적인 도구로 활용된다.

노선 배정(Traffic Assignment)은 수단별로 결정된 통행량을 실제 물리적인 교통망(Transportation Network) 상의 최적 경로에 할당하는 사단계 모형의 최종 단계이다. 노선 배정의 기본 전제는 통행자가 기점과 종점 사이에서 자신의 통행 시간을 최소화할 수 있는 경로를 선택한다는 것이다. 존 워드롭(John Glen Wardrop)은 이를 사용자 평형(User Equilibrium, UE) 원리로 정립하였는데, 이는 모든 이용자가 자신의 통행 시간을 더 이상 단축할 수 없는 상태에 도달했을 때의 평형을 의미한다. 사용자 평형 상태에서는 동일한 기종점 쌍을 연결하는 모든 이용 경로의 통행 시간이 동일하며, 이용되지 않는 경로의 통행 시간은 이용 중인 경로의 통행 시간보다 크거나 같다. 반면, 사회 전체의 총 통행 시간을 최소화하는 상태를 시스템 최적(System Optimum, SO)이라 하며, 이는 개별 사용자의 이기적 경로 선택이 사회적 최적과 일치하지 않을 수 있음을 시사한다.

물리적 도로망에 통행량을 할당할 때는 도로의 혼잡도에 따른 통행 시간의 변화를 고려해야 한다. 이를 위해 통행 시간 함수(Travel Time Function)가 사용되며, 대표적으로 미국 도로국(Bureau of Public Roads, BPR)에서 제안한 BPR 함수가 널리 활용된다. BPR 함수는 특정 링크의 통행량 $ x_a $와 교통용량(Capacity) $ C_a $의 비율에 따라 통행 시간이 지수적으로 증가하는 특성을 반영한다.

$$ t_a(x_a) = t_0 \left[ 1 + \alpha \left( \frac{x_a}{C_a} \right)^\beta \right] $$

여기서 $ t_0 $는 자유 흐름 상태에서의 통행 시간이며, $ $와 $ $는 도로 특성에 따른 파라미터이다. 이러한 비선형 최적화 문제를 해결하기 위해 전량 배정법(All-or-Nothing Assignment)의 한계를 극복한 프랭크-울프 알고리즘(Frank-Wolfe Algorithm)이나 증분 배정법(Incremental Assignment) 등의 수치 해석적 알고리즘이 적용된다.

노선 배정의 결과로 산출된 각 링크별 교통량은 도로의 서비스 수준(Level of Service, LOS)을 평가하고, 장래의 상습 정체 구간을 예측하여 교통 시설 확충 계획을 수립하는 데 결정적인 근거가 된다. 또한, 지능형 교통 체계(Intelligent Transport Systems, ITS)의 경로 안내 정보 제공이나 교통 수요 관리(Transportation Demand Management, TDM) 정책의 효과 분석에도 필수적인 도구로 활용된다. 최근에는 개별 차량의 궤적을 추적하는 동적 노선 배정(Dynamic Traffic Assignment, DTA) 모형이 도입되어 시간에 따라 변하는 교통 상황을 더욱 정밀하게 모사하려는 시도가 이어지고 있다.

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 부여한다¹³⁾. 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 활용한다¹⁴⁾.

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 교차로는 서로 다른 방향의 교통류가 동일한 평면상에서 교차하거나 합류하는 지점으로, 교통 흐름의 병목 현상이 발생하고 사고 위험이 높은 공간이다. 교차로 신호 제어는 이러한 상충하는 교통류를 시간적으로 분리하여 안전을 확보하고, 주어진 도로 시설의 교통용량을 극대화하는 것을 목적으로 한다. 신호 제어의 핵심은 신호 주기(Cycle Length), 현시(Phase), 녹색 시간(Green Time)을 최적으로 설계하여 차량당 평균 지체 시간(Delay Time)을 최소화하는 데 있다.

신호 제어의 기초는 신호 시간의 구성 요소를 이해하는 것에서 시작된다. 신호 주기는 모든 현시가 한 번씩 돌아와 다시 처음 현시가 시작될 때까지의 총 시간을 의미하며, 현시는 동일한 시간에 통행권이 부여되는 이동류의 집합을 말한다. 각 현시 사이에는 황색 시간(Yellow Time)과 전적색 시간(All-Red Interval)으로 구성된 교체 간격(Change and Clearance Interval)이 배치되어 교차로 내에 잔류한 차량이 안전하게 빠져나갈 수 있도록 돕는다. 이때 운전자의 반응 시간과 가속 손실 등으로 인해 실제 녹색 시간 중 일부는 활용되지 못하는데, 이를 손실 시간(Lost Time)이라 정의한다.

신호 주기를 산정하는 가장 대표적인 이론은 웹스터(F.V. Webster)의 방법이다. 웹스터는 교차로의 총 지체를 최소화하는 최적 주기를 산출하기 위해 다음과 같은 수식을 제시하였다¹⁵⁾.

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

여기서 $ C_o $는 최적 신호 주기(초), $ L $은 주기당 총 손실 시간, $ Y_i $는 각 현시 $ i $에서의 임계 교통량비(Critical Lane Group Volume-to-Saturation Flow Ratio)를 의미한다. 교통량비는 해당 현시의 교통량을 포화 교통량(Saturation Flow Rate)으로 나눈 값이다. 분모의 $ 1 - Y_i $가 0에 가까워질수록 주기는 무한대로 발산하므로, 교차로의 총 교통 수요가 처리 가능한 용량 한계에 도달하지 않도록 설계하는 것이 중요하다. 산출된 최적 주기는 각 현시의 교통량비에 비례하여 유효 녹색 시간으로 배분된다.

신호 제어의 효율성을 평가하는 척도인 지체 시간은 도로 용량 편람(Highway Capacity Manual, HCM)에서 제시하는 지체 공식을 통해 정량화된다¹⁶⁾. 지체는 크게 세 가지 성분으로 구성된다. 첫째는 신호의 주기적 변화로 인해 발생하는 균일 지체($ d_1 $), 둘째는 교통량의 무작위 변동과 일시적 과포화로 인한 증분 지체($ d_2 $), 셋째는 초기 대기 행렬로 인한 지체($ d_3 $)이다. 전체 지체 $ d $는 다음과 같이 표현된다.

$$ d = d_1 \cdot PF + d_2 + d_3 $$

여기서 $ PF $는 신호 연동의 효과를 반영하는 보정 계수인 진행 계수(Progression Factor)이다. 연동이 잘 이루어진 경우 $ PF $ 값은 낮아져 전체 지체를 감소시킨다.

단일 교차로의 최적화를 넘어, 도시 간선도로상의 인접한 교차로들을 통합적으로 제어하는 연동 시스템은 전체 교통망의 효율성을 결정짓는다. 연동의 핵심 변수는 오프셋(Offset)으로, 이는 인접한 교차로 간 녹색 신호가 시작되는 시간적 차이를 의미한다. 오프셋을 정교하게 조절하면 차량군이 정지 없이 연속적으로 통과할 수 있는 연동폭(Bandwidth)이 형성된다. 이를 시각적으로 분석하기 위해 시간-거리 도표인 시공도(Time-Space Diagram)를 활용하며, 연동폭을 최대화함으로써 차량의 정지 횟수와 연료 소모, 대기 오염 물질 배출을 줄일 수 있다. 최근에는 실시간 교통량 변화에 대응하여 주기와 오프셋을 능동적으로 변경하는 감응식 신호 제어 및 실시간 신호 최적화 알고리즘이 도입되어 운영 효율을 더욱 높이고 있다.

도로 용량(Road Capacity)은 특정 도로 시설이 주어진 도로 조건, 교통 조건, 운영 조건 하에서 1시간 동안 통과시킬 수 있는 최대 차량 수로 정의된다. 이는 단순히 물리적 공간의 크기를 의미하는 것이 아니라, 해당 시설이 수용 가능한 공급 능력의 한계치를 정량화한 것이다. 용량은 일반적으로 승용차 환산 대수를 기준으로 한 ‘대당 시간당 차로수’(pcphpl) 단위를 사용하며, 이는 서로 다른 크기와 성능을 가진 차종들이 교통 흐름에 미치는 영향을 표준화하여 분석하기 위함이다. 용량 분석은 도로의 신설 및 확장 규모를 결정하는 계획 단계뿐만 아니라, 기존 시설의 운영 효율성을 진단하고 개선 대책을 수립하는 데 필수적인 기초 자료가 된다.

도로 용량은 분석의 목적과 조건에 따라 기본 용량, 설계 용량, 실무 용량으로 구분된다. 기본 용량은 차로 폭이 충분하고 측방 여유폭이 확보되어 있으며, 교통류가 승용차로만 구성된 이상적인 상태를 가정한다. 그러나 실제 도로는 기하구조의 제약과 중차량의 혼입 등 다양한 감쇄 요인을 포함하고 있다. 따라서 실제 도로의 용량을 산정할 때는 기본 용량에 각종 보정 계수를 적용하는 과정을 거친다. 일반적인 용량 산정 모델은 다음과 같은 구조를 가진다.

$ C = C_B N f_w f_{HV} f_p $

여기서 $ C $는 실제 용량, $ C_B $는 기본 용량, $ N $은 차로 수, $ f_w $는 차로 폭 및 측방 여유폭 보정 계수, $ f_{HV} )는 중차량 보정 계수, ( f_p $는 운전자 특성 보정 계수를 의미한다. 한국도로용량편람(KHCM)에 따르면 고속도로 기본 구간의 경우 설계 속도가 120km/h일 때 차로당 기본 용량은 2,400pcphpl 수준으로 설정된다.¹⁷⁾

서비스 수준(Level of Service, LOS)은 도로 이용자가 통행 과정에서 느끼는 운행 상태의 질적 수준을 등급화한 개념이다. 용량이 시설의 ‘양적’ 한계를 나타낸다면, 서비스 수준은 통행 속도, 자유도, 안락감, 안전성 등 ‘질적’ 만족도를 나타낸다. 서비스 수준은 A부터 F까지 6개의 등급으로 구분되며, 각 등급은 도로 시설의 유형에 따라 서로 다른 효과 척도(Measure of Effectiveness, MOE)를 기준으로 판정된다. 연속류 시설인 고속도로나 자동차 전용도로에서는 차량 간의 간격을 나타내는 밀도(Density)를 주된 지표로 사용하며, 단속류 시설인 신호 교차로에서는 정지 및 서행으로 인해 발생하는 제어 지체(Control Delay)를 기준으로 수준을 평가한다.

서비스 수준의 각 등급별 물리적 특성과 운전자가 체감하는 주행 환경은 아래와 같이 분류된다.

도로의 설계 시에는 무조건 최고의 서비스 수준을 목표로 하지 않는다. 이는 과도한 건설 비용과 토지 낭비를 초래할 수 있기 때문이다. 따라서 도로의 기능과 지역적 특성에 따라 적정 수준의 ’목표 서비스 수준’을 설정한다. 일반적으로 지방부 도로는 LOS C, 도시부 도로는 LOS D 정도를 설계 기준으로 삼는 것이 경제성과 효율성 측면에서 타당하다고 간주된다.

최근의 도로 용량 연구는 지능형 교통 체계(ITS) 및 자율주행 기술의 도입에 따른 변화에 주목하고 있다. 자율주행 자동차는 인간 운전자에 비해 반응 시간이 짧고 차간 거리를 정밀하게 제어할 수 있어, 동일한 도로 시설에서도 물리적 용량을 획기적으로 증대시킬 가능성이 크다. 이에 따라 기존의 정적 분석 방법론을 넘어선 실시간 교통 상태 예측과 교통류 제어 전략의 중요성이 더욱 강조되고 있다.¹⁸⁾

교통 안전 공학은 교통 시스템 내에서 발생하는 사고의 빈도를 줄이고 피해의 심각도를 완화하기 위해 체계적인 공학적 접근법을 연구하는 분야이다. 이는 단순히 사고의 통계적 수치를 집계하는 수준을 넘어, 사고를 유발하는 복합적인 메커니즘을 규명하고 이를 제어하기 위한 설계 및 운영 전략을 수립하는 것을 핵심으로 한다. 교통 안전의 확보는 교통 시스템의 운영 효율성보다 우선시되어야 하는 공학적 가치이며, 이를 위해 인적, 물적, 환경적 요인 간의 상호작용을 분석하는 것이 필수적이다.

사고의 원인을 분석함에 있어 가장 기초가 되는 이론적 틀은 해든 매트릭스(Haddon Matrix)이다. 이 모델은 사고의 과정을 사고 전, 사고 당시, 사고 후의 세 단계로 구분하고, 각 단계에서 인간, 차량, 환경(물리적 및 사회적 환경)이 미치는 영향을 행렬 형태로 분석한다. 사고 전 단계에서는 사고 발생 자체를 억제하기 위한 예방적 조치를 다루며, 사고 당시 단계에서는 충돌 에너지의 전달을 최소화하여 인명 피해를 줄이는 방안을, 사고 후 단계에서는 신속한 구조와 복구 체계를 중점적으로 고찰한다.

교통사고의 주요 원인 중 인적 요인(Human Factors)은 전체 사고의 절대다수에 직간접적으로 관여하는 것으로 알려져 있다. 운전자의 시각적 인지 능력, 판단 속도, 그리고 조작의 정확성은 안전에 결정적인 영향을 미친다. 공학적으로는 운전자의 반응 시간(Reaction Time)을 고려하여 정지 시거(Stopping Sight Distance)를 설계에 반영한다. 정지 시거 $ S $는 운전자가 장애물을 인지하고 브레이크를 밟기 전까지 이동한 인지-반응 거리와 브레이크가 작동하여 정지할 때까지의 제동 거리의 합으로 산출된다.

$$ S = 0.278 \cdot v \cdot t + \frac{v^2}{254(f \pm G)} $$

위 식에서 $ v $는 주행 속도(km/h), $ t $는 인지-반응 시간(초), $ f $는 종방향 마찰 계수, $ G $는 도로의 구배를 의미한다. 이러한 물리적 제약 조건을 설계 기준에 반영함으로써 인적 오류로 인한 사고 가능성을 구조적으로 낮출 수 있다. 또한, 운전자의 인지 부하를 줄이기 위한 교통 표지의 배치와 시인성 개선 역시 인적 요인을 고려한 공학적 대책에 해당한다.

물적 요인은 차량의 기계적 결함이나 안전 장치의 성능을 포함한다. 자동차 공학의 발전으로 도입된 잠김 방지 브레이크 시스템(Anti-lock Braking System, ABS), 전자식 주행 안정화 컨트롤(Electronic Stability Control, ESC) 등은 차량의 능동적 안전성을 높이는 데 기여해 왔다. 최근에는 자율주행 기술의 핵심 요소인 첨단 운전자 보조 시스템(Advanced Driver Assistance Systems, ADAS)이 보급됨에 따라 전방 충돌 방지 보조나 차로 이탈 방지 보조와 같은 기능이 인간의 실수를 보완하는 중추적인 역할을 수행하고 있다.

환경적 요인은 도로 기하구조, 노면 상태, 교통 제어 시설 및 기상 조건을 포괄한다. 도로 설계 시 평면 곡선부의 편경사(Superelevation)가 부적절하거나 시거가 확보되지 않을 경우 사고 위험이 급격히 증가한다. 또한 교차로에서의 상충 지점(Conflict Point)을 줄이기 위해 평면 교차로를 회전 교차로(Roundabout)로 전환하거나 입체 교차화하는 방안이 공학적 대책으로 강구된다. 도시부 도로에서는 교통 정온화(Traffic Calming) 기법을 도입하여 차량의 속도를 물리적으로 제한함으로써 보행자의 안전을 도모한다.

사고의 위험도를 정량적으로 평가하고 개선 우선순위를 결정하기 위해서는 사고 자료의 통계적 분석이 선행되어야 한다. 단순히 사고 건수만을 비교하는 것은 교통량의 차이를 반영하지 못하므로, 노선별 또는 지점별 사고율(Accident Rate)을 산출하여 비교한다. 또한 사고의 심각도에 따라 가중치를 부여하는 등가 물적 피해 산정법인 EPDO(Equivalent Property Damage Only) 지수를 활용하여 위험 지점(Black Spot)을 선정한다.

$$ EPDO = w_f \cdot N_f + w_i \cdot N_i + w_p \cdot N_p $$

여기서 $ N_f, N_i, N_p $는 각각 사망 사고, 부상 사고, 물적 피해 사고의 건수를 의미하며, $ w_f, w_i, w_p $는 각 사고 유형에 부여된 가중치이다. 이를 통해 한정된 예산을 가장 위험한 지점에 집중적으로 투입하여 안전 개선 효과를 극대화할 수 있다.

결론적으로 교통 안전 공학은 인간의 불완전함을 인정하고, 이를 보완할 수 있는 관용적인(forgiving) 도로 환경과 차량 시스템을 구축하는 것을 지향한다. 이는 공학적 설계(Engineering), 단속(Enforcement), 교육(Education)이라는 교통 안전의 3E 원칙 중 공학적 측면을 담당하며, 미래의 지능형 교통 체계와 결합하여 사고 발생 가능성을 원천적으로 차단하는 방향으로 진화하고 있다.

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 정의된다¹⁹⁾. 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 높인다²⁰⁾. 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 작용한다²¹⁾.

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.

지능형 교통 체계(Intelligent Transport Systems, ITS)의 구성은 단순히 개별 기술의 집합을 넘어, 도로 인프라와 차량, 그리고 이용자를 유기적으로 연결하는 통합적 아키텍처(Architecture)를 지향한다. 이러한 체계의 물리적 및 논리적 구조를 정의하는 것은 시스템의 상호 운용성과 확장성을 확보하기 위한 필수적인 과정이다. 국제 표준화 기구(International Organization for Standardization, ISO)의 ISO 14813 표준은 이러한 지능형 교통 체계의 참조 모델을 정의하며, 이를 통해 교통 관리, 공공교통, 전자 지불, 비상 관리 등 다양한 서비스 영역을 포괄하는 프레임워크를 제시한다. 시스템의 전체적인 구조는 크게 데이터 수집, 데이터 통신, 데이터 가공 및 처리, 그리고 정보 제공의 네 가지 단계로 구분된다.

데이터 수집 단계는 도로 현장의 실시간 상태를 파악하는 기초적인 과정이다. 이는 검지기(Detector)를 통해 수행되는데, 전통적인 방식인 루프 검지기(Inductive Loop Detector)부터 현대적인 영상 분석 검지기, 레이더 검지기 등이 활용된다. 최근에는 차량 자체를 하나의 이동식 센서로 활용하는 프로브 차량 데이터(Probe Vehicle Data) 수집 방식이 중요해지고 있다. 차량에 탑재된 차량 단말기(On-Board Unit, OBU)와 지피에스(Global Positioning System, GPS)를 통해 수집된 개별 차량의 속도와 위치 정보는 도로 전체의 소통 상태를 정밀하게 파악하는 데 기여한다. 이러한 데이터는 점(Point) 단위의 수집을 넘어 선(Section) 단위의 구간 통행시간 산출을 가능케 함으로써 교통 상태 진단의 정확도를 높인다.

수집된 데이터는 데이터 통신망을 통해 교통 센터(Traffic Control Center)로 전송된다. 통신 인프라는 차량과 인프라 간의 통신인 V2I(Vehicle-to-Infrastructure)와 차량 간 통신인 V2V(Vehicle-to-Vehicle)를 포함하는 차량 사물 통신(Vehicle-to-Everything, V2X) 기술을 중심으로 구성된다. 특히 전용 단거리 통신(Dedicated Short Range Communications, DSRC) 기술과 고속 이동 중에도 안정적인 통신을 보장하는 웨이브(Wireless Access in Vehicular Environments, WAVE) 기술은 지능형 교통 체계의 핵심적인 신경망 역할을 수행한다. 노변 기지국(Roadside Unit, RSU)은 도로변에 설치되어 차량과 중앙 센터 사이의 가교 역할을 하며, 저지연(Low Latency) 통신을 통해 실시간 교통 제어 명령을 전달한다.

교통 센터에 집적된 방대한 양의 데이터는 빅데이터 처리 기술과 인공지능(Artificial Intelligence, AI) 알고리즘을 통해 유의미한 정보로 가공된다. 이 과정에서는 단순한 현재 상태의 요약을 넘어, 과거 이력 데이터와 결합한 교통 수요 예측 및 돌발 상황 자동 감지 등이 이루어진다. 가공된 정보는 다시 이용자에게 전달되어 합리적인 의사결정을 돕는다. 정보 제공의 수단으로는 도로상의 가변 정보 판넬(Variable Message Sign, VMS)이나 스마트폰 애플리케이션, 그리고 차량 내 내비게이션 시스템 등이 활용된다. 이러한 일련의 피드백 루프는 교통 흐름의 최적화를 달성하고, 도로 용량의 효율성을 극대화하며, 궁극적으로 교통 안전을 증진하는 지능형 교통 체계의 본질적인 작동 원리를 형성한다.

지능형 교통 체계의 구성 요소들은 서로 독립적으로 작동하지 않고 상호 의존적인 관계를 맺는다. 예를 들어, 자율주행 차량의 확산은 데이터 수집의 양과 질을 획기적으로 변화시키며, 이는 다시 교통 센터의 알고리즘 고도화를 요구한다. 따라서 시스템 구성 시에는 각 요소 간의 프로토콜 표준화와 데이터 형식의 통일이 무엇보다 중요하다. 이는 향후 스마트 시티의 핵심 인프라로서 교통 체계가 다른 도시 서비스와 결합할 수 있는 기술적 토대가 된다. 결과적으로 지능형 교통 체계의 구성은 하드웨어적인 설비 구축을 넘어, 데이터의 흐름을 최적화하여 사회적 비용을 최소화하는 지능형 네트워크를 구축하는 과정이라 할 수 있다.

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.