고속축하중측정시스템 개발과 과적단속시스템 적용방안 연구

권순민; 서영찬

추천

검색

자료유형: 학술저널

저자정보: 권순민 (한국도로공사 도로교통연구원) 서영찬 (한양대학교 교통공학과)

저널정보: 한국도로학회 한국도로학회논문집 한국도로학회논문집 제11권 제4호

발행연도: 2009.1

수록면: 69 - 78 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

경부고속도로 건설을 기점으로 급격한 경제성장을 이룬 우리나라 고속도로는 현재 신규도로의 건설사업 물량이 둔화되면서 기존의 도로망을 효율적으로 활용하고 최적의 공용성 유지가 필요한 시점이 되었다. 최적의 공용성 확보를 위해 교통하중을 가장 적극적으로 통제하는 방법은 과적단속이다. 본 연구에서는 과적단속의 효율화를 위해 고속축하중측정 시스템을 개발하고 이를 통해 국내 고속도로 과적화물차 행태 분석을 실시하며, 본 시스템을 활용한 과적단속시스템 개발 가능성에 대하여 검토하는 것을 목적으로 하였다. 본 연구에서 개발한 고속축하중측정 시스템은 차로당 2조의 루프센서와 2조의 축중센서, 2조의 원더링센서로 이루어져 있다. 특히 원더링센서는 차량의 좌우 타이어의 위치 판독이 가능하여 과적단속 시스템으로 활용시 차로의 이탈유무를 판독할 수 있으며, 윤거 측정 및 윤형식(단륜/복륜) 구분이 가능하여 차종을 구분함에 있어서 기존 차종분류 시스템보다 세분화된 분류가 가능하여 12종 차종분류시 오분류 비율이 매우 낮은 장점을 가지고 있다. 본 시스템에 대한 검증시험 결과 모든 시험조건의 전체평균오차가 축하중 15% 이내, 총하중 7% 이내로 나타났다. COST-323에서 제시하고 있는 WIM 등급기준에 따르면 사회기반시설 설계와 유지관리 및 평가목적으로 사용가능한 B(10) 등급으로 나타났으며, 과적이 가장 문제되는 5축 카고 화물차에 대한 분석결과는 축중량 오차 8%, 총중량 오차 5%로 단속가능 수준인 A(5)등급으로 나타났다. 고속도로의 차종별 중량분석 결과 12종 분류기준에서 5종, 6종, 7종, 12종 차량이 하중기준을 초과하는 비율이 가장 높게 나타났으며, 주로 가변축을 장착한 차량으로 축조작에 의한 축하중 과적비율이 매우 높게 나타나 이러한 차량에 대한 실효성 있는 과적단속기법이 필요한 것으로 판단된다. 도로교통분야에 있어서 차종별 교통량 자료는 도로의 계획과 건설, 유지관리, 교통류분석 및 도로행정에 필요한 기본 자료이며 각종 연구에 필요한 기초자료로 활용되어지는 필수적인 요소이다.

Korea has achieved significant economic growth with building the Gyeongbu Expressway. As the number of new road construction projects has decreased, it becomes more important to maintain optimal status of the current road networks. One of the best ways to accomplish it is weight enforcement as active control measure of traffic load. This study is to develop High-speed Weigh-in-motion System in order to enhance efficiency of weight enforcement, and to analyze patterns of overloaded trucks on highways through the system. Furthermore, it is to review possibilities of developing overweight control system with application of the HS-WIM system. The HS-WIM system developed by this study consists of two sets of an axle load sensor, a loop sensor and a wandering sensor on each lane. A wandering sensor detects whether a travelling vehicle is off the lane or not with the function of checking the location of tire imprint. The sensor of the WIM system has better function of classifying types of vehicles than other existing systems by detecting wheel distance and tire type such as single or dual tire. As a result, its measurement errors regarding 12 types of vehicle classification are very low, which is an advantage of the sensor. The verification tests of the system under all conditions showed that the mean measurement errors of axle weight and gross axle weight were within 15 percent and 7 percent respectively. According to the WIM rate standard of the COST-323, the WIM system of this study is ranked at B(10). It means the system is appropriate for the purpose of design, maintenance and valuation of road infrastructure. The WIM system in testing a 5-axle cargo truck, the most frequently overloaded vehicle among 12 types of vehicles, is ranked at A(5) which means the system is available to control overloaded vehicles. In this case, the measurement errors of axle load and gross axle load were within 8 percent and 5 percent respectively. Weight analysis of all types of vehicles on highways showed that the most frequently overloaded vehicles were type 5, 6, 7 and 12 among 12 vehicle types. As a result, it is necessary to use more effective overweight enforcement system for vehicles which are seriously overloaded due to their lift axles. Traffic volume data depending upon vehicle types is basic information for road design and construction, maintenance, analysis of traffic flow, road policies as well as research.

#고속축중계 #원더링 #과적단속 시스템 #과적

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

권순민

소속기관 한국도로공사 도로교통기술원

주요연구분야 공학 > 건축공학 > 토목공학

논문수 51 이용수 1,181

서영찬

소속기관 한양대학교 교통공학과

주요연구분야 공학 > 건축공학 > 토목공학 공학 > 기타공학 > 교통공학

논문수 49 이용수 144

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)