A Study on the Analysis of Bicycle Road Service Level by Using Adaptive Neuro-Fuzzy Inference System

交 通 工 學 大 韓 土 木 學 會 論 文 集

第31卷 第2D 號·2011年 3月 pp. 217~225

적응 뉴로-퍼지를 이용한 자전거도로 서비스수준 분석에 관한 연구

A Study on the Analysis of Bicycle Road Service Level by Using Adaptive Neuro-Fuzzy Inference System

김경환*·조규붕**

Kim, Kyung Whan · Jo, Gyu Boong

···

Abstract

Currently our country has very serious problems of traffic congestion and urban environment due to increasing automobile ownership. Recently, our concern about environmentally sustainable transportation and green transportation is increasing, so the government is pushing ahead the policy of bicycle using activation. So it is needed to develop a model to analyze the ser- vice level of bicycle roads more realistically. In this study, a neuro-fuzzy inference model to analyze the service level of bicy- cle roads was built selecting the width of bicycle roads, the number of conflicts during cycling and pedestrian volume, which have fuzzy characteristics, as input variables. The predictability of the model was evaluated comparing the surveyed and the estimated. The values of the statistics, R², MAE and MSE were 0.987, 0.142, 0.032. Therefore, It may be judged that the explainability of the model is very high. The service levels of bicyle roads estimated by the model are 1~3 steps lower than KHCM assessments. The reason may be explained that the model estimates the service level considering the width of bicycle roads and the number of conflicts simultaneously besides pedestrian volume.

Keywords : ANFIS, Bicycle Road Service Level, Fuzzy Inference System, Neuro-Fuzzy

···

요 지

현재 우리나라는 자동차 보유대수가 지속적으로 증가함에 따라 교통 혼잡 문제와 환경 문제가 심각한 실정이다. 환경적으 로 지속가능한 교통과 녹색 교통수단에 대한 관심이 증대되면서 최근 정부는 자전거이용 활성화 정책을 추진하고 있다. 이 에 맞추어 자전거 이용자들이 느끼는 서비스수준을 분석할 수 있는 모형의 개발이 요망된다. 본 연구에서는 자전거도로 이 용자들에 영향을 미치는 인자들 중 퍼지적 성격을 지닌 자전거도로 폭, 대면횟수, 보행자 교통량을 선택하여 자전거도로 서 비스수준 분석을 위한 ANFIS 모형을 구축하였다. 이렇게 구축된 모형의 예측력은 실측치와 추론치를 비교함으로써 평가하 였다. 결정계수 R²와 오차 및 분산정도를 나타내는 척도인 평균절대오차(MAE)와 평균제곱근오차(MSE)가 각각 0.987, 0.142, 0.032로 나타났으며, 모형의 설명력이 높은 것으로 평가된다. 본 연구에서의 자전거도로 서비스수준이 KHCM에 의한 평가치보다 1~3단계 낮게 나타났다. 이는 본 연구에서 추정 된 서비스수준이 보행자 교통량 이외에 자전거도로 폭과 대면횟 수를 고려한 이용자가 느끼는 만족도에 기초하여 서비스수준을 도출하였기 때문으로 판단된다.

핵심용어 : ANFIS, 자전거도로 서비스수준, 퍼지추론 시스템, 뉴로-퍼지

···

1. 서 론

1.1 연구의 배경 및 목적

세계는 지금 기후변화로 상징되는 환경위기와 고유가로 대 표되는 자원 위기가 동시에 직면해 있다. 특히, 기후변화 문 제는 연이은 기상재해를 유발하는 것은 물론 생태계 질서를 근본적으로 뒤흔들며 인류의 생존을 위협하고 있다. 인간이 태어나 일생동안 60년생 소나무를 기준으로 1,152그루정도 쓴다고 했는데, 지금과 같이 에너지 과소비 체제가 지속될 경우 지구촌이 치러야 할 기후변화에 따른 경제적·환경적·

사회적 손실은 매우 클 것이다.

우리나라는 자동차 보유대수가 지속적으로 증가함에 따라 심각한 교통체증 문제를 겪고 있으며 교통량 증가와 더불어 이산화탄소 배출량이 증가함에 따라서 도시 환경문제도 심 각한 실정이다. 그러나 2000년대 접어들면서 환경적으로 지 속가능한 교통과 녹색교통수단에 대한 관심이 증대되고 있 다. 최근 정부는 자전거이용 활성화를 표방하여 자전거 인프 라 시설을 구축하고 자전거 이용자가 만족할 수 있는 서비 스를 제공함으로써 기존의 차량 중심의 교통체계를 자전거 중심의 교통체계로의 전환을 목표로 하고 있다. 이는 자동차

*정회원·교신저자·경상대학교 도시공학과 교수·환경 및 지역발전연구소장·공학박사 (E-mail : [email protected])

**경상대학교 도시공학과 대학원 도시공학전공 석사과정 (E-mail : [email protected])

에 의한 대기오염, 소음 등의 환경오염 문제와 교통사고 및 교통 혼잡 문제를 감소시킬 수 있을 것으로 기대되고 있다.

한편 자전거이용을 촉진하기 위한 자전거 도로를 확충하고 있지만 자전거 도로의 연계, 안전성의 확보와 함께 일정 수 준의 서비스 수준이 확보되지 않는다면 자전거이용의 활성 화는 이루기 힘들 것으로 예상된다.

본 연구에서는 정부의 자전거 이용 활성화 정책과 더불어 이용자 중심의 자전거도로 서비스 수준을 분석함으로써 자 전거 도로 계획 및 평가와 자전거도로 개선에 활용하고자 한다. 이를 위해 이전의 연구(김경환, 2006)에서 그 예측력 이 검증된 적응 뉴로-퍼지추론 시스템(Adaptive Neuro- Fuzzy Inference System : ANFIS)을 이용하여 자전거 통 행 특성을 고려한 현실성 있는 자전거도로의 서비스 수준을 분석하고자 한다.

1.2 연구의 내용 및 방법

한국도로용량편람(KHCM)(건교부, 2001)에서 제시하는 자 전거도로 구간의 서비스수준은 자전거도로 유형에 따라 속 도와 상충횟수를 효과척도로 이용하고 있다. 그러나 자전거 도로의 서비스수준에 영향을 미치는 인자는 이들 외에 자전 거도로의 폭원, 자전거·보행자 겸용 및 혼용도로에서의 보 행자 통행량, 자전거도로의 구배 및 평탄성, 주차 차량의 수 등이 있으므로 단 하나의 효과척도에 의해 서비스수준을 분 석하기 보다는 다수의 인자를 동시에 고려한 현실적인 서비 스수준의 분석이 요망된다. 본 연구에서는 이들 중 퍼지적 성격을 가진 자전거도로 폭원, 대면횟수, 보행자 교통량을 입 력변수로 한 ANFIS를 이용하여 자전거도로의 서비스수준을 분석하고자 하였다.

먼저, 자전거 도로 서비스 수준에 영향을 미치는 요인들을 추출한다. 이러한 요인들 중 퍼지적 성격을 가진 인자를 추 출한 후, 전문가의 설문조사를 통해 입력변수 및 출력변수에 대한 퍼지변수의 수준정도를 설정하며, 설정된 퍼지변수의 수준정도에 따라 다양한 조건에서 자료를 수집한다. ANFIS 는 해석 대상의 물리적 특성에 대한 사전 정보 없이 입력과 출력의 상관성만을 추론하는 시스템인 관계로 정의역 구간 에 걸친 충분한 양의 데이터가 존재하지 않는다면 훈련된 추론체계의 신뢰성을 확신할 수 없게 된다. 다양한 조건하에 서 수집한 자료를 바탕으로 ANFIS를 사용하여 학습한 뒤 실제 현장에서 조사된 관측치와 추론결과를 비교, 검정한다.

2. 적응 뉴로-퍼지 시스템(ANFIS)의 개요

인공신경망과 퍼지추론을 결합한 뉴로-퍼지 모형의 기본이 론은 Jang(1997), Lin and Lee(1995), Kasabov(1996)와 Brown and Harris(1994)의 연구에서 주어졌으며 뉴로-퍼지 알고리즘은 ITS를 포함한 잘 발달된 교통운영 및 교통체계 에 적용되고 있다.

뉴로-퍼지의 일종인 ANFIS는 Jang(1993)에 의해 제안된 인공 신경망에 기반을 둔 적응형 퍼지 추론 체계이다.

ANFIS에 의해서 간략추론법과 Mamdani 추론법, Takagi- Sugeno 추론법을 모두 나타낼 수 있지만 복잡성의 증가로 인해 Matlab에서는 몇 가지 제약을 가진다. 즉, ANFIS는

다음과 같은 Sugeno형의 퍼지 추론 시스템만을 지원한다.

① 후반부의 차수가 1차인 Sugeno형 퍼지 시스템

② 하중 평균 비퍼지화 방법에 의한 단일 출력 시스템

③ 각 규칙의 하중은 1로 고정

④ ANFIS : Sugeno형 퍼지 추론 시스템을 학습한다.

이 함수는 퍼지 시스템의 계수를 동정하기 위해 Hybrid학습 알고리즘을 사용한다.

ANFIS는 뉴럴네트웍의 특징인 자기 학습능력을 이용하여 퍼지 규칙부의 파라메타들이 최종출력에 추종하도록 학습될 수 있다. 주어진 학습데이터를 모사하기 위해 혼합형 알고리 즘을 사용하여 Sugeno형 추론시스템을 최적화한다. 이 알고 리즘은 인공 신경망(Artificial Neural Network)의 주요 구 성요소인 최소오차자승법과 기울기 감소 오차역전법 (Backpropagation Gradient Descent Method)을 조합하여 사용한다. 조건부의 비선형 멤버쉽 함수와 관련된 변수들은 학습과정을 통하여 갱신된다.

이러한 변수의 계산 또는 조정은 퍼지추론 시스템이 주어 진 데이터를 얼마나 잘 모사하고 있는지를 판단하는 척도인 기울기 벡터에 의해 더 용이하다. 일단 기울기 벡터가 구해 지면, 최적화 루틴이 적용되어 예측치와 비교치의 오차가 최 소가 되도록 해당 변수들이 조정된다. 결론부는 Sugeno 타 입으로서 선형이므로 최소오차 자승법을 적용한다.

그림 1와 2는 ANFIS모형에 적용된 Takagi-Sugeno의 퍼 지추론 시스템과 그와 동등한 뉴럴네트웍인 ANFIS의 구조 를 보이고 있다.

소속함수에는 11가지의 종류가 있고, 간단한 형태의 소속 함수로 삼각형함수(Triangular MF)와 사다리꼴형함수 (Trapezoidal MF)가 사용되며 가장 많이 쓰이는 소속함수로 는 종형함수(Bell MF)와 가우시안함수(Gaussian MF)가 있 다. 본 연구에서는 종형함수가 쓰였고 각 변수에 대한 소속 함수는 모형 I에서는 세 개, 모형 II에서는 두 개이다.

layer 1~5는 ANFIS 구조의 추론과정을 자세히 보여주고 있다.

3. 영향인자 선정 및 입력변수의 설정 3.1 영향인자 선정

KHCM은 서비스 수준을 판별하는 척도를 효과척도라 정

그림 1. Takagi-Sugeno형의 퍼지추론시스템

의하고, 자전거도로를 운행하는 이용자에게 자전거 도로가 제공할 수 있는 서비스수준을 나타내는 척도로 자전거 전용 도로, 자전거·보행자 겸용도로, 노상 자전거 도로(기본구간) 에서의 상충횟수, 신호교차로에서의 정지지체, 도시가로상의 자전거 도로의 평균 통행속도를 제시하였다.

이겨라(2010)는 이용자 중심의 자전거도로 서비스수준 모 형을 개발하였다. 이용자 입장에서 속도, 지체, 자전거도로 폭, 교통량 등의 다양한 요소들을 만족도라는 점수로써 포괄 적으로 평가하였다. 자전거도로 이용자 입장에서 자전거도로 의 서비스수준을 정의 할 때 자전거도로 폭이 가장 큰 영향 을 미치며 자전거도로 폭 이외에 상충횟수 중 추월횟수를 제외한 대면횟수가 이용자의 만족도에 크게 미치는 것으로 나타났다.

David L. Harkey(1998)는 자전거와 차량의 효율적 공존을 위하여 자전거 이용자가 특정도로의 이용 여부를 결정하는 데 도로의 교통운영 상태와 기하구조 특성이 주는 영향을 도로의 자전거 호환성지수(BIcycle Compatibility Index)로 정의하였다. 호환성 지수는 회귀분석을 통해 산정되었고 차 로수, 폭원, 교통량, 속도제한, 밀도, 지역유형, 주차에 의해 정의 되었다.

Soren Underlien Jensen(2006)은 도로 구간에 대하여 보 행자와 자전거 이용자의 만족도를 정량화하기 위한 모형을 개발하였다. 6개의 범위에서 만족도를 선택하여, 도로의 교 통운영 상태와 기하구조 특성을 고려하여 누적로짓모형 (cumulative logit regression)을 활용한 서비스수준 모형을 개발하였다. 자전거 이용자의 만족도 수준에 영향을 주는 요 인으로는 승용차 교통량과 속도, 토지이용, 시설 유형 및 폭 원, 차로 수, 보행자 교통량, 주차차량의 수, 버스 정류장의 유무가 있었다.

외국의 경우 자전거·자동차 겸용도로가 대부분이어서 자 동차에 대한 변수를 고려하지만 우리나라의 경우 자동차 위 주로 교통체계를 구축해 온 결과 자전거 이용자들을 위한 시설이 부족하여 자전거도로를 설치하더라도 기존의 보행자 도로의 일부분을 자전거도로로 이용하게 되는 경우가 대부 분이므로, 자전거 이용자는 자전거도로 폭원의 부족으로 인 한 불편을 많이 겪게 된다. 그리고 국내에 설치된 자전거도 로의 대부분이 자전거·보행자 겸용 도로로 자전거도로를 이 용 시 이용자는 자전거도로 폭원, 보행자 교통량과 주행 중 에 마주치는 자전거 및 보행자에 대한 대면횟수에 상당한

영향을 받으며 이들이 퍼지적 변수이므로 본 연구에서는 자 전거·보행자 겸용 및 혼용도로의 서비스수준 분석 인자로 자전거도로의 폭, 대면횟수, 보행자 교통량을 선택하였다.

3.2 입력공간의 분할

ANFIS 모형은 언어적 형태의 입력과 1차 선형 방정식 형 태의 출력을 가진다. 퍼지 분할에 의하여 그리드로 나누어진 입력공간은 퍼지 소속함수에 의하여 퍼지추론 시스템의 입 력이 이루어지며 이를 근거로 결론부 파라미터를 추정하여 최종 출력을 추론한다. 이러한 뉴로-퍼지 모델은 주어진 시 스템의 입·출력 데이터만으로도 좋은 성능을 보이는 반면 입력 공간에서, 입력의 차원이 증가하거나 소속함수의 수가 증가하는 경우 퍼지 소속함수 및 퍼지 규칙의 수가 지수함 수의 형태로 증가하는 문제를 가지고 있다. 이러한 퍼지 소 속함수 및 퍼지 규칙의 증가는 학습 과정에서는 학습 속도 를 느리게 하거나 과적합(Overfitting) 등의 문제를 가지며 실제 적용에서는 추론 시스템의 크기가 너무 커짐으로써 구 현 시스템의 크기 역시 커지는 문제를 가진다. 이러한 문제 점을 해결하기 위하여 여러 가지 알고리즘들이 제안되었는 데 클러스터링에 의한 퍼지 소속함수 및 퍼지 규칙 생성은 다양한 장점들을 가지고 있다.

클러스터링은 데이터 공간에서 유사한 특성을 가지는 데이 터를 같은 클러스터로 그렇지 않은 경우 다른 클러스터로 분류하는 방법으로서 이는 퍼지 소속함수의 소속도와 밀접 한 관계를 가진다. 또한 퍼지 규칙은 클러스터의 수와 연관 되므로 일반적인 그리드 분할에 의한 입력공간 분할에서 발 생하는 퍼지 규칙 증가 문제를 해결할 수 있다.

본 연구에서는 입력이 2차원이고 멤버쉽 함수의 개수가 3 개이다. 따라서 퍼지규칙의 수는 모형이 27개이므로 그리드 분할에 의해 입력공간을 분할하였다.

3.3 입·출력 변수의 분류

앞에서 결정한 입력 변수인 자전거도로 폭, 대면횟수, 보 행자 교통량에 대한 입력데이터 작성을 위해 퍼지 변수를 분류하였다. 본 연구에 적용될 입력 영향인자들의 퍼지 변수 를 정리하면 표 1과 같다.

분류된 입·출력 변수에 대한 퍼지변수의 수준을 정리하 면 표 2와 같다.

3.4 자료수집

본 연구에서는 자료조사 지역을 진주시를 대상으로 하였으 며, 자전거도로의 서비스 효과척도를 반영한 서비스 수준을 추정하기 위해 진주시내에 설치되어 있는 자전거도로를 대 상으로 통행행태와 대략적인 기하구조 형태를 파악하고 다 음의 조건에 맞는 조사 지점을 선정하여 조사하였다.

•자전거·보행자 겸용도로 (양방향)

•자전거도로의 이용자 수가 충분한 지점

•보행자교통량이 충분한 지점

•자전거도로상 기타 시설물에 의해 통행이 방해 받지 않 는 지점

•관측이 용이한 지점 그림 2. ANFIS 구조

위의 조건을 고려하여 2010. 06. 15 ~ 2010. 08. 21까지 진주시 자전거·보행자 겸용도로를 대상으로 각 지점에서 자 료를 수집하였다. 자전거도로 폭은 줄자를 이용하여 측정하 였고, 대면횟수와 보행자 교통량은 계수기를 이용하여 수집 하였다. 자료수집 과정에서 무리를 지은 자전거이용자 집단 의 경우, 첫 번째 이용자를 기준으로 자료를 수집하였으며 자료수집 결과는 표 3과 같다.

27가지 경우 중 ‘자전거도로의 폭이 중간이면서 대면횟수 가 많고 보행자교통량이 적을 때’와 ‘자전거도로의 폭이 넓 으면서 대면횟수가 적고 보행자교통량이 많을 때’의 자료는 수집할 수 없어 이 두 경우는 실제 분석에서는 제외하였다.

4. ANFIS 기반 한계도보시간 예측모형 구축 4.1 모형의 정립

모형을 분석하기 위한 시스템 환경은 Matlab 7.0을 사용

하였으며 Matlab Toolbox를 사용하여 인공신경망과 뉴로-퍼 지 시스템의 학습 및 테스트를 수행하였다.

본 연구에서의 자전거도로 서비스수준 분석을 위하여 자전 거도로 폭, 대면횟수, 보행자 교통량 세 개의 영향인자를 입 력 변수로 사용하였고, 자전거이용자 만족도를 출력변수로 하여 추론하였다. 이렇게 구축된 모형의 추론 결과와 실측치 를 비교하여 모형의 예측력을 검정하였다.

4.2 ANFIS 구조 설계

ANFIS 구조를 설계하기 위해서 우선 Matlab Command Line으로부터 ANFIS Editor GUI를 시작한다. 그리고 데이 터를 학습용 데이터(Training data)와 평가용 데이터 (Checking data)로 나눈 후 각각 Loading한다.

학습용 데이터는 입출력 데이터 쌍으로 이루어져 있으며 각 행은 입력변수로 시작되고 출력변수로 끝난다. 평가용 데 이터의 형식은 학습용 데이터의 형식과 같다. 학습용 데이터 와 평가용 데이터를 불러오면 그림 3과 같다.

학습용 데이터와 평가용 데이터는 데이터 집합의 최상설계 를 위해 멤버쉽 함수 파라미터를 조정함으로써 퍼지 시스템 표 1. 퍼지 입력변수의 분류

입·출력 변수 퍼지 변수

입력변수

도로 폭자전거

폭이 좁다 Narrow

폭이 보통이다 Medium

폭이 넓다 Wide

대면횟수

대면횟수가 적다 Few

대면횟수가 보통이다 Medium

대면횟수가 많다 Many

보행자 교통량

보행자 교통량이 적다 Few 보행자 교통량이 보통이다 Medium

보행자교통량이 많다 Many

출력변수 자전거도로 만족도

만족도가 매우 높다 Very High

만족도가 높다 High

만족도가 보통이다 medium

만족도가 낮다 Low

만족도가 매우 낮다 Very Low

표 2. 입·출력 변수에 대한 퍼지변수의 수준 정도

입력변수 출력변수

자전거도로 폭(m) 자전거이용자 만족도

(Narrow)좁다 0.7~1.1

각 조건에서의 자전거이용자 만족도의 평균값을 적용한다.

(Medium)중간이다 1.2~1.7 넓다(Wide) 1.8~2.3

대면 횟수 (회) 적다(Few) 0~5 (Medium)중간이다 6~10 많다(Many) 11~15

보행자 교통량(명) 적다(Few) 0~11 (Medium)중간이다 12~19 많다(Many) 20~33

표 3. 자료수집 결과

구분

입력 변수 출력 변수

폭 대면횟수 보행자

교통량 자전거 이용자

만족도 1

Narrow Few

Few -1.29

2 Medium -1.21

3 Many -2.00

4

Medium

Few -2.17

5 Medium -3.00

6 Many -3.46

7

Many

Few -3.25

8 Medium -3.33

9 Many -4

10

Medium Few

Few 0.80

11 Medium 0.92

12 Many 2.00

13

Medium

Few -1.88

14 Medium -0.33

15 Many -1.5

16

Many

Few -

17 Medium -2

18 Many -1.0

19

Wide

Few

Few 4.29

20 Medium 4

21 Many -

22

Medium

Few 2.88

23 Medium 2.17

24 Many 2

25

Many

Few 2.50

26 Medium 2.63

27 Many 3.13

을 학습하는데 사용된다.

본 연구에서는 폭, 대면횟수, 보행자교통량을 입력변수로 하여 자전거이용자 만족도를 추론하였다. 퍼지 규칙의 수는 27개이고 노드의 수는 78개이다. 조건부의 맴버쉽 함수(비선 형 종함수)와 관련된 변수의 개수는 27개, Sugeno형태의 추 론법에 의한 결론부의 선형 변수의 개수는 108개다. ANFIS 의 학습은 조건부 및 결론부의 135개 변수의 최적치를 구하 는 것을 의미한다.

ANFIS에서 제안된 혼합형 학습규칙은 주어진 학습 데이 터 집합에 대하여 결론부 선형 변수들을 최소오차자승법으 로 구한 후, 결정된 선형 변수 값들에 대하여 오차의 변화 율을 입력부로 역전시켜 비선형 변수 값들을 Gradient descent 기법으로 찾는 것이다. 이러한 과정은 최종 오차가 설계 범위에 도달할 때까지 반복되거나, 정해진 횟수만큼 반 복하여 ANFIS를 학습을 하게 된다.

위에서 결정한 27개의 퍼지규칙(Fuzzy Rule)은 아래와 같 고 이를 표로서 나타내면 표 4와 같다.

R1 : IF 폭 is Narrow and 대면횟수 is Few and 보행자 교통량 is Few THEN 만족도 is Outmf1

R2 : IF 폭 is Narrow and 대면횟수 is Few and 보행자 교통량 is Medium THEN 만족도 is Outmf2 R3 : IF 폭 is Narrow and 대면횟수 is Few and 보행자

교통량 is Many THEN 만족도 is Outmf3 R25 : IF 폭 is Wide and 대면횟수 is Many and 보행자

교통량 is Few THEN 만족도 is Outmf25 R26 : IF 폭 is Wide and 대면횟수 is Many and 보행자

교통량 is Medium THEN 만족도 is Outmf26 R27 : IF 폭 is Wide and 대면횟수 is Many and 보행자

교통량 is Many THEN 만족도 is Outmf27 본 연구에서 맴버쉽함수 편집기를 사용하여 입력변수의 종 모형의 맴버쉽함수를 표현하면 그림 4와 같다. 가로축은 기저 변수로 정량화 된 값을 갖는다. 그리고 세로축은 퍼지 소속도 그림 3. ANFIS Editor GUI

표 4. Fuzzy 제어 규칙

Rule

입력 변수 출력 변수

폭 대면횟수 보행자

교통량 만족도

1

Narrow Few

Few Outmf1

2 Medium Outmf2

3 Many Outmf3

4

Medium

Few Outmf4

5 Medium Outmf5

6 Many Outmf6

7

Many

Few Outmf7

8 Medium Outmf8

9 Many Outmf9

10

Medium Few

Few Outmf10

11 Medium Outmf11

12 Many Outmf12

13

Medium

Few Outmf13

14 Medium Outmf14

15 Many Outmf15

16

Many

Few Outmf16

17 Medium Outmf17

18 Many Outmf18

19

Wide

Few

Few Outmf19

20 Medium Outmf20

21 Many Outmf21

22

Medium

Few Outmf22

23 Medium Outmf23

24 Many Outmf24

25

Many

Few Outmf25

26 Medium Outmf26

27 Many Outmf27

그림 4. 입력변수의 맴버쉽 함수

(Degree of relationship)로서 0과 1사이의 값으로 나타나며 기저변수의 한 임의의 값에 대한 어의 변수의 정도를 나타낸 다. 본 연구에서 적용된 ANFIS 구조는 그림 5와 같다.

4.3 ANFIS 학습

ANFIS 학습을 위해 이용 가능한 방법은 두 개의 상이한 알고리즘을 사용하는 복합(Hybrid: Least Square Method와 Error Back-Propagation의 혼합) 방법과 오차역전파(Error Back-Propagation) 방법 두 가지가 있다. ANFIS에서 제안 된 Hybrid 방법은 주어진 학습 데이터 집합에 대하여 결론 부 선형 변수들을 최소자승법(Least Square Method)으로 구 한 후, 결정 된 선형 변수값들에 대하여 오차의 변화율을 입력부로 역전시켜 비선형 변수값들을 최급강하법(Gradient Descent)으로 찾는 것이다. 이러한 과정은 정해진 학습 횟수 (Training Epochs)만큼 반복되거나 최종 오차가 설계범위 (Error Tolerance)에 도달할 때까지 반복하여 학습하게 된다.

본 연구에서는 학습용 데이터와 평가용 데이터 각각 145 개인 입·출력집합을 Hybrid 방법을 이용하여 학습하고, 학 습 횟수는 최종 오차 설계범위에 도달하는 100회로 하였으 며, 학습 결과는 그림 6과 같다.

4.4 Membership 함수의 검토

ANFIS를 이용하여 생성된 세 개의 입력변수의 맴버쉽 함 수들은 다음 그림 7과 같다.

자전거도로 폭 변수의 경우 ‘폭이 좁다’ 집합의 맴버쉽 함 수 영역이 좁아지고, ‘폭이 넓다’ 집합의 맴버쉽 함수는 영 역이 넓게 변하였다. 대면횟수 변수의 경우와 보행자 교통량 변수의 경우 학습 전과 비교해서 맴버쉽 함수의 변화가 거 의 없는 것으로 나타났다. 그림 8과 9는 폭과 보행자 교통 량에 대한 자전거 이용자 만족도를 나타낸다. 폭과 만족도의 관계를 보면 불규칙한 형태를 나타내고 있는데 전반적인 형

태로 보면 폭이 증가하면 만족도가 좋아지고, 보행자 교통량 의 경우 보행자 교통량이 많아짐에 따라 만족도가 낮아지는 그림 5. ANFIS 구조

그림 6. ANFIS 학습결과

그림 7. 학습된 입력변수의 맴버쉽 함수

그림 8. 폭과 만족도와의 관계

그림 9. 보행자교통량과 만족도와의 관계

그림 10. 폭, 보행자교통량, 만족도와의 관계

것을 알 수 있다. 이들 그래프를 3차원으로 보면 그림 10과 같다.

5. 모형 평가

5.1 ANFIS 모형 평가

설정된 ANFIS 모형의 적용여부를 판단하기위해 사례분석 을 통한 적합성을 검토할 필요가 있다. Matlab 7.1에서 ANFIS를 학습시키면 그림 11과 같은 Rule Viewer를 볼 수 있다. Rule view는 읽기 전용 도구로써 퍼지추론 시스템 을 진단·분석하는데 사용된다. 그림 11은 CASE 7의 추론 을 예를 들어 나타낸 것이다. input란에 [폭:1.8 대면횟수:7 보행자교통량:7]을 입력하면 자전거이용자 만족도가 2.56이 추론되는 것을 알 수 있다.

본 연구에서는 자전거·보행자 겸용도로에서의 자전거도 로 폭과 대면횟수, 보행자교통량에 대한 자료수집의 통계적 결과에 의하면 ‘자전거도로 폭’의 변수가 이용자 만족도에 큰 영향을 미치므로 ‘자전거도로 폭 및 대면횟수’ 변수의 수 준정도에 의해 9가지의 CASE를 설정하였다. 각 CASE의 폭, 대면횟수, 보행자교통량을 그림 11과 같은 입력방법을 통해 자전거도로 이용자 만족도의 추론치를 구할 수 있고 출력변수인 자전거 이용자 만족도에 따라 순차적으로 정리

하였다. 그 결과는 표 5와 같다.

표 5의 실측치와 추론치를 플로트하면 그림 12와 같으며, 실측치와 추론치가 매우 근사함을 볼 수 있다.

모형의 예측력 분석은 결정계수 R²와 평균절대오차(MAE), 평균제곱오차(MSE)의 통계적 분석을 통하여 모형의 적합도 와 모형의 오차 및 분산 정도를 측정하였다. 통계적 검정결 과 표 6에서 보는 바와 같이 R²가 0.987로 모형의 예측력 이 높게 평가된다.

5.2 회귀분석 모형 및 평가 5.2.1 회귀분석 모형

추론된 ANFIS 모형의 적용여부를 판단하기 위해 회귀계 수를 구하여 회귀식을 통한 적합성을 검토 하였다.

회귀식은 식 (1)에 나타난 바와 같이 선형회귀분석법으로 모형의 계수를 추정하였다.

식 (1) 여기서, Y : 자전거 이용자 만족도 α : 상수

x1:자전거도로 폭 β : x1의 계수 x2:대면횟수 γ : x2의 계수 x3:보행자 교통량 δ : x3의 계수

자전거도로 폭, 대면횟수, 보행자 교통량을 변수로 하여 회 귀식의 계수를 추정한 결과는 다음 표 7과 같다. 회귀계수 β와 γ의 부호가 각각 “+”와 “-”인 것은 합리적이나 의 부호 가 “+”인 것은 대면횟수와 보행자 교통량 간의 높은 상관관 계에 기인하는 것으로 추정된다. 회귀분석 모형은 ANFIS 모형에 대한 대안적 모형으로 검토되었으므로 최대의 R² 값 을 갖는 모형을 설정하였다.

표 7을 통해 알 수 있듯이 유의 확률 5% 이내에서 유의 한 것으로 나타났으며 회귀식의 R² 값이 0.909로 설명력이 높은 것으로 나타났다.

5.2.2 회귀분석 모형 평가

회귀 분석을 이용하여 모형의 계수를 추정하고 그 회귀식 Y=α+βx₁+γx₂+δx₃

그림 11. Rule Viewer

표 5. ANFIS 모형의 추론 결과

구분 자전거

도로폭 대면

횟수 보행자

교통량

자전거이용자 만족도 실측치

자전거이용자 만족도 추론치

CASE 1 1.0 12 25 -4.00 -4.01

CASE 2 0.7 7 12 -3.00 -3.30

CASE 3 1.3 11 15 -2.00 -2.23

CASE 4 1.1 5 6 -1.29 -1.56

CASE 5 1.5 7 17 -0.33 -0.27

CASE 6 1.2 5 12 0.92 0.97

CASE 7 1.8 7 7 2.88 2.56

CASE 8 2 11 28 3.13 3.00

CASE 9 2.3 4 9 4.29 4.18

그림 12 ANFIS 모형의 실측치와 추론치의 비교

표 6. ANFIS 모형의 평가결과

구 분 검정 결과

R³ 0.9867978

평균절대오차(MAE) 0.141667

평균제곱오차(MSE) 0.031630

으로 추론치를 산출하여 실측치와 비교하였으며 이는 표 8 과 같다.

표 8의 실측치와 추론치를 플로트하면 그림 13과 같으며 그림 12에서 보다는 두 값의 차이가 있음을 볼 수 있다.

ANFIS 모형의 예측력 평가와 같은 방법을 사용하여 회귀 분석 모형의 예측력을 분석하였다. 통계적 검정 결과는 표 9와 같으며, R²가 0.861로 ANFIS의 0.987 보다는 크게 낮 은 것으로 나타났다.

5.3 만족도와 서비스 수준의 비교

ANFIS 모형에서는 결과치가 만족도로 나타난다. 따라서 이 결과치를 자전거도로서비스수준으로 전환시키기 위해서 교통 및 도시 관련 전문가 설문조사를 통하여 이들의 관계 를 분석하였으며 그 결과는 표 10과 같다.

표 9의 자전거도로 만족도에 기초한 추정 서비스수준과 KHCM의 교통량을 적용한 서비스수준을 비교하면 표 11과 같다.

CASE 9를 제외하고 KHCM에 의한 평가치보다 1~3단계 낮게 나타났다. 이는 모형에 의해 추정 된 서비스수준이 보 행자 교통량 이외에 자전거도로 폭과 대면횟수를 고려한 이 용자가 느끼는 만족도에 기초하여 서비스수준을 도출하였기 때문으로 판단된다.

6. 결 론

기존의 자전거도로 구간의 서비스수준은 상충횟수 또는 속 도인 단 하나의 효과척도로 서비스 수준이 분석되고 있어 자전거이용자들이 느끼는 실제적인 서비스수준이 분석되지 못하고 있다. 이에 본 연구에서는 자전거도로 이용자들에 영 향을 미치는 주요 인자들을 고려하여 실제 자전거 이용자들 이 자전거 도로를 이용하면서 느끼는 만족도로 자전거도로 의 서비스 수준을 분석하였다.

분석 모형으로는 언어의 의미와 개념의 정의에서 보이는 애매성을 정량적으로 나타내기 위한 집합 개념으로 정립된 퍼지 집합을 네트워크화 시키는 ANFIS(Adaptive neuro- Fuzzy Inference System)를 적용하여 자전거도로 서비스 수 준을 분석하였다. 자전거도로 서비스 수준에 영향을 미치는 영향 인자로 자전거도로 폭, 대면횟수, 보행자 교통량을 입 력변수로 선정하고, 자전거도로 이용자 만족도를 출력변수로 선정하였다. ANFIS 모형의 적용 여부를 판단하기위해 회귀 분석 모형을 이용하여 비교·검정하였다. 이렇게 구축된 모 형의 예측력은 검증자료를 이용해 실측치와 추론치를 비교 함으로써 평가하였다.

예측력 평가는 결정계수 R²와 오차 및 분산정도를 나타내 표 7. 회귀분석 결과

회귀변수 계수값 R² 유의확률

α -4.867

0.909 0.005

β 4.828

γ -0.373

δ 0.051

표 8. 회귀분석 모형의 추론 결과

구분 자전거

도로폭 대면

횟수 보행자

교통량

자전거이용자 만족도 실측치

자전거이용자 만족도 추론치

CASE 1 1.0 12 25 -4.00 -3.240 CASE 2 0.7 7 12 -3.00 -3.486 CASE 3 1.3 11 15 -2.00 -1.929

CASE 4 1.1 5 6 -1.29 -1.115

CASE 5 1.5 7 17 -0.33 0.631

CASE 6 1.2 5 12 0.92 -0.326

CASE 7 1.8 7 7 2.88 1.569

CASE 8 2 11 28 3.13 2.114

CASE 9 2.3 4 9 4.29 5.204

그림 13 회귀분석 모형의 실측치와 추론치의 비교

표 9. 회귀분석 모형의 평가 결과

구 분 검정 결과

R² 0.86130464

평균절대오차(MAE) 0.77868889

평균제곱오차(MSE) 0.684959

표 10. 자전거도로 만족도와 서비스수준과의 관계 자전거도로 만족도 자전거도로 서비스 수준

3.2 ~ 5 A

1.2 ~ 3.2 B

-1.7 ~ 1.2 C

-3.4 ~ -1.7 D

-4.8 ~ -3.4 E

-5 ~ -4.8 F

표 11. CASE별 서비스수준 결과 비교

구분 KHCM 서비스 수준 모형 추정 서비스 수준

CASE 1 C E

CASE 2 A D

CASE 3 A D

CASE 4 A C

CASE 5 B C

CASE 6 A C

CASE 7 A B

CASE 8 C B

CASE 9 A A

는 척도인 평균절대오차(MAE), 평균제곱근오차(MSE)를 통 하여 적합성을 평가하였다. 평가 결과 ANFIS 모형의 이들 통계치는 0.9867978, 0.141667, 0.03163으로 나타났으며, 회귀분석 모형은 0.86130464, 0.77868889, 0.684959로 나 타났다. 두 모형 모두 설명력이 우수한 것으로 나타났으나, ANFIS 모형이 보다 우월한 모형으로 평가된다. KHCM의 교통량을 기준으로 분석한 자전거도로 서비스수준과 본 연 구의 만족도에 기초하여 추정된 자전거도로 서비스수준을 비 교한 결과 본 연구의 서비스수준이 KHCM보다 1~3단계 낮 게 나타났다. 이는 본 연구에서 추정 된 서비스수준이 보행 자 교통량 이외에 자전거도로 폭과 대면횟수를 고려한 이용 자가 느끼는 만족도에 기초하여 서비스수준을 도출하였기 때 문으로 판단된다.

본 연구의 자전거도로 서비스수준 분석 연구결과는 보다 합 리적인 자전거도로 계획에 활용될 수 있을 것으로 사료된다.

본 연구의 결과는 한정된 지역에서의 자전거 통행특성 및 이용자들을 대상으로 자료를 수집하여 도출된 것이므로 국 내의 다른 도시의 모든 자전거도로의 특성을 반영한 모형의 개발이 요망되며 모형의 개발과정에서는 수집 가능한 변수 들을 조합한 모형들을 비교 분석하여 최소의 변수로써 예측 력이 우수한 모형의 개발이 제안된다.

참고문헌

건설교통부(2001) 도로용량편람, 사단법인 대한교통학회.

국토해양부(2009) 자전거도로 시설기준 및 관리지침.

김경환, 정재환, 김대현(2006) 강우 및 밝기에 따른 신호교차로 포화차두시간 분석에의 적응 뉴로퍼지 적용, 대한토목학회논 문집, 대한토목확회, 제26권 제4D호, pp. 573-580.

박종진, 최규석(2001) 퍼지 제어 시스템, 교우사.

서의훈(2002) SPSS 10.0 한글판을 이용한 SPSS 통계분석, 自由아카데미.

신희철, 이지영(2007) 외국의 사례로 본 우리나라의 바람직한 자전거도로 설계 방향, 한국도로학회 학술대회 논문집, 한국 도로학회, 제9권 제2호, pp. 47-57.

신강원, 김종진(2009) Road Diet를 이용한 자전거도로 설치가 자동차 흐름에 미치는 영향, 한국도로학회 2009년도 학술대 회 논문집, 한국도로학회, pp. 697-701.

이광용, 오길록(1997) 퍼지이론 및 응용 I, II, 홍릉과학출판사.

이현엽, 문경일(1999) MATLAB을 이용한 퍼지-뉴로, 도서출판 오창석(2000) 뉴로 컴퓨터, 내하출판사.아진.

이겨라(2010) 이용자 중심의 자전거도로 서비스수준 모형 개발, 석사학위논문, 한양대학교.

정헌술(2005) MATLAB Toolbox 핸드북, 도서출판 아진.

Harkey, David l, Donald W, Reinfurt and Matthew Knuiman (1998) Development of The Bicycle Compatibility Index, Transporta- tion Research Record 1636.

Soren Underlien Jensen (2007) Pedestrian and Bicycle Level of Servicel on Roadway Segments, Transportation Research Record 2031.

Transportation Research Board (2001) Highway Capacity Manual.

(접수일: 2011.1.14/심사일: 2011.2.8/심사완료일: 2011.2.8)