지하고속도로 차로수 및 차로변경 여부에 따른 교통 민감도 분석

2-1 기존 문헌 고찰

미국의 도로연방청(Federal Highway Administration, FHWA)에서는 모든 교통수단(자동차, 보행자, 자전거 및 대중교통)과 시설(고속도로 및 다차로 고속도로, 2차로 고속도로, 도시부 도로 등)에 대한 서비스수준(LOS; Level of Service) 측정 결과를 제시하고 있다[1]. 서비스수준은 도로 또는 교통 시설의 운영 상태를 질적으로 평가하는 척도로써, 운전자나 보행자 등 이용자들이 느끼는 통행 속도, 통행 시간, 통행 자유도, 안락감, 안전 등의 요소를 종합적으로 나타낸다.

태국의 다차선 고속도로 용량 추정과 관련한 연구에서는 DOH(Thailand Department of Highways) 및 US-HCM(2010, 2016) 방법을 비교 분석하였다. 그 결과 이론적 추정치와 현장 기반 경험적 용량치 사이에 큰 차이가 발생하는 것으로 나타났다. 경험적 용량은 1,619 pcphpl으로, US-HCM 2010 및 US-HCM 2016은 이보다 각각 34.8%, 35.3% 높은 값을 나타냈고, DOH는 14.1% 낮은 값을 산출했다. 이는 운전자 행동, 교통류 특성, 차량 구성 등 지역적 요인을 반영하지 못했기 때문이다. 특히, DOH 모델의 변수 누락과 업데이트 부족, US-HCM의 미국 중심 설계가 정확도 저하에 영향을 미친 것으로 분석되었다[2]. 네덜란드 델프트 공대 연구진은 교통류의 거시적·미시적 특성과 이를 기반으로 한 모델링 기법들을 종합적으로 연구하였다[3]. 특히, 용량 추정 및 교통류 해석에 있어 이론적 기초를 제공하였다. 도로 용량의 개념은 운전자 행동, 차량 구성, 기후 및 도로 조건 등 다양한 변수에 의해 결정되며, 이러한 변수들은 교통류 변수(속도, 밀도, 교통량) 간의 관계로 설명할 수 있다고 기술하였다. 교통류 이론은 교통 혼잡 해소와 효율성 제고에 유용하지만, 고속도로 기반으로 개발되었기 때문에 수로 교통(water transportation)에 직접 적용하는 데에는 한계가 있다. 이에 따라 도로와 수로 교통 간의 구조적 차이(속도, 흐름 특성 등)를 비교하고, 기존 이론의 적용 가능성과 한계를 분석한 연구를 진행하였다[4].

다차로 고속도로에서의 교통 안정성을 분석한 연구에서는 운전자의 공격적 차로 변경 행태와 추월 메커니즘을 반영한 새로운 격자 기반 모델이 제안되었다. 이 연구는 교통 혼잡 패턴의 전파(propagation) 특성을 이론적으로 분석하고, 시뮬레이션을 통해 차로수와 운전 행태가 교통 안정성에 미치는 영향을 평가하였다. 연구 결과, 낮은 추월률에서는 공격적 차로 변경이 교통류를 안정화하는 반면, 높은 추월률에서는 오히려 변동성을 증폭시킨다는 점이 도출되었다[5]. 시뮬레이션 활용 연구에서는 Connected & Automated Vehicle, Automated Vehicle, Heavy Duty Vehicle이 혼재된 이질적 교통 환경에서의 상호작용을 분석하고, SUMO 기반 시뮬레이션을 통해 차량 비율 변화에 따른 교통 효율성, 안전성, 환경성 영향 등을 평가하였다. 그 결과, Connected & Automated Vehicle과 Automated Vehicle의 비중이 증가할수록 교통류의 안정성과 환경 성능이 향상되며 특히, 순환도로와 고속도로에서 일정 수준 이상 도입 시 유의미한 개선 효과가 나타남을 확인하였다[6]. 또한, VISSIM 시뮬레이션을 활용하여 4차로, 6차로, 8차로 고속도로에서의 차로 변경 거동을 분석하였으며, 차로수와 교통량에 따라 차로 변경 횟수가 달라짐을 확인하였다. 시뮬레이션 결과, 차로 변경 횟수는 교통량과 유의한 상관관계를 보였고, 3차 다항식 추세 모델이 각 구간에 적합함을 보여주었다[7].

이스라엘의 사례를 중심으로 수행된 연구에서는 High Occupancy Vehicle (HOV) 차로가 이동성 향상에는 기여하지만, 도로 안전성에는 부정적인 영향을 줄 수 있음을 문헌 및 사고 분석을 통해 확인하였다. 특히, 우측 HOV 차로를 도입한 이스라엘에서는 환승구역과 주간 시간대 사고가 증가하는 경향이 나타났으며, HOV 설계 특성이 안전성에 미치는 영향을 고려한 후속 연구의 필요성이 제기되었다[8]. 미국에서는 HOV 차로 도입이 병목구간 상류부의 교통 밀도를 기대보다 적게 낮추며, 활용도가 낮을 경우 오히려 혼잡 구간 확장을 야기할 수 있음을 이론 및 실증 분석을 통해 제시하였다. 다중 램프 고속도로를 대상으로 한 분석에서는 HOV 차로가 차량 지연 시간은 소폭 증가시키는 반면, 인명 지연 시간은 유의하게 감소시킴을 보여주었으며, 도시 전체 교통망에서의 HOV 및 버스전용 차로 설계에 유용한 평가식을 제안하였다 [9].

2-2 기존 문헌 고찰을 통한 시사점

기존 문헌들을 종합적으로 검토한 결과, 교통류 및 도로 용량 분석에 있어 지역적 특성, 운전자 행태, 교통수단의 다양성, 그리고 정책적 개입이 교통 성능에 중요한 영향을 미친다는 점이 분명히 나타났다. 미국, 태국, 이스라엘 등 각국의 사례는 국가별 교통 특성과 정책 설계 방식의 차이가 교통류 분석 결과와 도로 용량 추정의 정확도에 영향을 미친다는 것을 보여주며, 단일 국가 혹은 모델 기준의 보편적 적용이 현실성과 신뢰성 측면에서 한계를 가질 수 있음을 보여주었다. 특히, CAV 및 혼합 교통 환경의 증가, HOV 차로 운영과 같은 정책적 요소는 기존의 이론적 모델이나 전통적 시뮬레이션 방법론만으로는 충분히 설명하기 어렵다. 따라서 다차로 환경에서의 차로 변경, 차량 구성의 이질성, 혼잡 구간 확산 효과 등 다양한 요인을 통합적으로 고려한 정밀한 교통류 분석과 정책 설계가 요구되며, 시뮬레이션 기반 모델의 보정, 현장 데이터 기반의 검증, 그리고 수단 간 특성 차이를 반영한 이론적 확장이 필요할 것으로 판단된다.

본 연구의 공간적 범위로 설정한 지하고속도로는 밀폐되고 연속적인 구조적 특성상 일반 도로와는 다른 교통류 및 안전 관리 전략이 요구된다. 기존 연구들은 대부분 지상도로를 대상으로 하며, 차로수 및 차로변경과 관련된 분석도 일반 고속도로의 용량 추정 또는 교통 안정성 분석에 국한되어 있는 경우가 많았다. 특히, 고속도로 상의 차로 변경 행태나 HOV 차로 운영 등의 사례는 정책적 의사결정과 연계되었으나, 지하공간에 위치한 폐쇄형 도로에서의 시야 제약, 종단구배, 제한된 진입점 등의 물리적 요소를 통합 고려한 연구는 거의 전무하다. 본 연구는 이러한 한계를 보완하고자, 지하도로 환경에 특화된 시뮬레이션 시나리오를 통해 차로수와 차로 변경 허용 여부가 실제 교통성능 지표(속도, 처리량)에 어떤 영향을 주는지를 계량적으로 분석하였다는 점에서 기존 문헌과의 차별성을 갖는다. 특히, 기존 연구들에서 일반적으로 사용된 선형 분석이나 용량 추정식과 달리, 종단구배·중차량 비율·교통량 수준 등 교통 혼잡 요인을 동시에 반영한 실험설계 기반 분석틀을 적용함으로써, 보다 실질적인 정책 해석과 연결될 수 있도록 구성하였다. 특히, 도로 용량 추정의 정확도는 지역적 특성과 실제 도로 조건 반영 여부에 따라 크게 달라질 수 있다. 다음 표 1은 기존 연구와 본 연구의 특성을 비교·요약한 것이다.

Table 1.

Summary of simulation environment setting

3-1 VISSIM 시뮬레이션 시나리오 구축

본 연구의 분석 도구로 미시적 교통 시뮬레이션 모형인 VISSIM을 활용하였다. 이는 독일 PTV Group에서 개발한 상용 소프트웨어로, 시간 및 공간의 연속적인 미시적 교통류 시뮬레이션을 위한 유용한 도구이다[10]. 미시적이라는 용어에서 알 수 있듯이, VISSIM은 개별 차량의 움직임과 운전자의 행태를 상세하게 모델링하여 교통 현상을 분석하는데 유용하다. 지하고속도로를 대상으로 시뮬레이션 분석 수행을 위해 지하고속도로의 특성을 반영한 가상의 시뮬레이션 네트워크로 구축하였다. 지하고속도로의 진·출입구간 길이는 각각 3km로 설정하였으며, 지하 본선은 20km로 설정하였다. 진·출입 구간 길이는 “화성~서울간 지하고속도로 타당성 검토, 2024”에서 계획한 지하도로의 진·출입로의 연장을 참조하였다[11].

지하고속도로 진입교통량 수준의 결정은 국내 “도로용량편람(K-HCM)”에서 제시하고 있는 고속도로 기본구간의 서비스수준에 따른 교통량을 참고한 것이다[12]. 다시 말하면, 서비스수준 A에서 B로(600 pcphpl), C에서 D로(1,350 pcphpl), D에서 E로(1,750 pcphpl) 변화하는 것으로 설정하였다. 차종 비율의 경우, 경부고속도로 기흥~양재 구간의 실제 차종별 비율 평균을 참조하여 설정하였고, 화물차량의 경우 소·중·대형을 하나의 비율로 묶어서 총 5개의 대표 차종으로 구성하여 활용하였다. 대표 차종 비율을 기준으로 시뮬레이션의 시나리오를 구성하는 중차량 비율 5~30% 각각의 비율을 재산정하였다. 종단경사의 경우, “도로의 구조·시설 기준에 관한 규칙 해설” 및 “도시지역 지하도로 설계지침”에서 제시하고 있는 종단경사 범위 내값으로 설정하였다. 다만, 1% 및 2%의 경우 평지와 같다고 판단하여 종단경사에 의한 영향은 없다고 가정하여 3%를 최소 종단경사로 설정하였다[13],[14]. 다음 표 2는 본 연구의 분석을 위한 VISSIM 시뮬레이션 환경 구축 내용을 요약한 것이다. 시뮬레이션 시간은 총 1시간 30분이고, 이 중 30분은 Warm-up 시간으로 활용하여 결과적으로 최종 1시간 동안의 시뮬레이션 결과를 분석에 활용하였다. 시뮬레이션 데이터 수집 간격은 60초이고, 실제 환경 모사를 위해 서로 다른 random number로 복수의 시뮬레이션을 수행한 후 모든 결과의 평균값을 최종값으로 활용하였다. 총 72개 시나리오가 구성되었고, 편도 2차로(점선, 실선)와 편도 3차로(점선, 실선)에 동일한 시나리오가 적용되었다. 차로변경 허용(점선)과 차로변경 불허(실선)를 고려하여 총 8개의 결과를 도출하여 비교하였다.

Table 2.

Summary of simulation environment setting

3-2 시뮬레이션 결과 기반 통계분석

본 연구에서 수행한 전체적인 연구 흐름도는 그림 1과 같다. 통계 기법에 기반한 교통 영향 상세 분석을 위해 지하고속도로를 진입부, 진출부, 전체 구간으로 구분하였다. 지하고속도로 진입교통량 수준, 전체 교통량 중 중차량이 차지하는 비율, 진입부에서의 하향구배 정도, 진출부에서의 상향구배 정도가 평균속도와 교통처리량에 미치는 영향을 분석하였다. 여기서, 평균속도는 중차량의 영향을 고려한 중차량 가중평균 속도를 사용하였다. 교통처리량은 시뮬레이션 분석 시간 동안 네트워크를 통과한 차량의 수를 의미하고, 시뮬레이션이 종료될 때마다 산출된다. 총 시뮬레이션 시나리오는 72개를 구축하였고 시뮬레이션 결과를 근거로 지하고속도로 진입교통량 수준, 전체 교통량 중 중차량의 비율, 종단경사 등을 독립변수로 가중 평균속도 및 교통처리량을 종속변수로 설정하고 분석하였다. 진입부, 진출부, 전체 구간에 대해 독립변수 간 비선형적 관계 및 정규성 가정을 배제하고 분석하기 위해 비모수 통계 기법을 활용하였다.

Fig. 1.

Research flow

통계분석 방법으로 변수간 상관관계를 파악하기 위한 스피어만 순위 상관분석(Spearman’s Rank Correlation)을 수행하였다. 이는 변수 간 선형성이 아닌 단조 관계를 검정할 때, 변수들이 정규분포를 따르지 않거나 이상치가 존재할 때, 변수들이 서열척도(Ordinal scale)일 때 주로 사용된다. 두 변수와의 관측값을 각각 순위(Rank)로 변환한 뒤, 상관계수(ρ)를 계산하며, 가장 일반적인 수식은 식 (1)과 같다.

여기서, d_i는 R(x_i)+R(y_i)로 계산되며, 각 관측치의 순위 차이를 나타낸다. n은 관측치의 개수를, ρ는 순위 상관 계수를 나타낸다. 또한 p값을 통해 통계적으로 유의한 관계인지를 판단하는데, 일반적으로 p< 0.05일 경우 유의하다고 판단한다.

Kruskal-Wallis H-test를 사용하여 도로의 각 구간(진입부, 진출부, 전체)에서 독립변수가 종속변수에 미치는 영향을 분석하였다. 이 비모수적 방법(non-parametric)은 데이터의 정규성과 등분산성 가정이 필요하지 않기 때문에, 유연하게 적용될 수 있다. 이는 예비 분석에서 시뮬레이션 결과 데이터가 정규분포를 따르지 않고, 분산 또한 균일하지 않음을 보여주었기 때문에 선택된 것이다. Kruskal-Wallis H-test는 각 그룹의 데이터를 순위화하고, 순위들의 합을 기반으로 통계적 검증을 수행하는데 각 독립변수에 대해 다음과 같은 단계로 분석을 진행하였다.

(Step 1) 각 독립변수에 대한 데이터를 그룹화

(Step 2) 각 그룹의 데이터에 대해 순위를 부여하고, 이 순위들의 합을 계산

(Step 3) 순위 합을 사용하여 전체 그룹 간의 차이가 통계적으로 유의한지 평가

Kruskal-Wallis H-test는 3개 이상의 독립 그룹의 중앙값 차이를 비모수적으로 검정하는 방법으로 통계량 H는 식 (2)와 같이 계산된다. 이 통계량은 자유도가 g-1인 카이제곱 분포를 따른다.

• Where, g : Number of groupsbeingcompared
• 　　　 n_i : Sample size of group i
• 　　　 R_i : Sum of ranks for group i
• 　　　 N : Total number of observations
• 　　　 H : Kruskal-Wallis test statistic, which follows a chi-square distribution with g−1 degrees of freedom for significance testing

본 연구에서는 시뮬레이션 결과 데이터가 정규성을 따르지 않고, 비선형적 특성이 강하다는 점을 고려하여, 단조 관계를 파악할 수 있는 Spearman 순위 상관분석과 그룹 간 차이를 비교할 수 있는 Kruskal-Wallis H-test를 활용하였다.

이는 다차로 지하도로 시뮬레이션에서 흔히 나타나는 이질적 교통 특성을 반영하고자 한 분석 설계이며, 각 변수의 영향력을 민감도 지표로 파악하고자 하는 본 연구 목적에 부합한다.

추가적인 회귀분석 및 상호작용 분석은 후속 연구에서 고려할 수 있으나, 본 연구의 경우 시나리오 간 대표값 비교와 통계적 유의성 검정을 통해 정책 대안 도출에 필요한 수준의 정량 분석을 충실히 수행하였다고 판단된다.

표 3은 편도 2차로 점선의 가중 평균속도에 대한 Spearman 순위 상관 및 Kruskal-Wallis H-test 분석 결과를 나타낸 것이다.

Table 3.

Weighted average speed statistical analysis results (one-way, 2-lane dashed)

분석 결과, 지하고속도로 진입교통량은 모든 구간(진입, 진출, 전체)에서 가중평균 속도와 매우 강한 음의 상관관계를 보이며, 통계적으로 유의미한 차이를 나타내 교통량 증가가 평균속도 저하의 결정적 요인임을 알 수 있다. 전체 교통량 중 중차량 비율은 가중평균 속도와 중간 정도의 음의 상관관계를 보이며, 특히, 진입부와 전체 구간에서 통계적으로 유의미한 영향을 미치는 것으로 나타났다. 종단경사의 경우, 진입부의 하향구배는 가중평균 속도에 영향을 미치지 않았으나, 진출부의 상향구배에서는 매우 강한 음의 상관관계를 나타냈고, 전체 구간에서도 음의 상관관계를 보여 가중평균 속도 저하에 영향을 주는 것으로 분석되었다. 따라서 지하고속도로 진입부에서는 교통량 및 중차량 비율을 관리할 필요가 있고, 진출부에서는 상향구배를 최대한 완화하는 설계 기법과 주행 흐름의 안전성을 확보해주는 전략이 필요하다.

다음 표 4는 편도 2차로 점선의 교통처리량에 대한 Spearman 순위 상관 및 Kruskal-Wallis H-test 분석 결과를 나타낸 것이다. Spearman 순위 상관분석 결과와 Kruskal-Wallis H-test 결과 모두에서 통계적으로 유의한 차이가 관찰되어, 진입교통량 수준이 교통처리량 결정에 있어 핵심 변수임이 분명히 확인되었다. 반면, 전체 교통량 중 중차량 비율은 약한 음의 상관관계를 보였으며, 이 중 전체 구간에서만 통계적 유의성이 확보되었고, 진입부 및 진출부에서는 유의미한 상관이 관찰되지 않았는데, 이는 중차량 구성보다는 전체 교통량 수준이 교통처리량에 더 직접적으로 영향을 미치는 것으로 볼 수 있다. 진입부 및 진출부의 종단경사와 교통처리량 간의 관계는 모든 구간에서 Spearman 상관계수가 0에 수렴하며 통계적으로 유의하지 않았다.

Table 4.

Traffic throughput statistical analysis results (one-way, 2-lane dashed)

Kruskal-Wallis H-test 결과에서도 유의미한 차이가 나타나지 않아, 종단경사는 교통처리량 결정에 유의한 영향이 아닌 것으로 분석되었다. 따라서, 교통처리량 유지 및 향상을 위해서는 진입부 교통량 수준을 관리하는 것이 중요하고, 중차량 비율이나 종단경사는 교통처리량 수준에 미치는 영향이 제한적인 점을 교통 관리에 참고할 필요가 있다.

2차로 실선의 분석 결과, 지하고속도로 진입교통량은 모든 구간(진입, 진출, 전체)에서 가중평균 속도와 매우 강한 음의 상관관계를 나타내어, 가중 평균속도 저하의 가장 결정적인 영향 요인으로 분석되었다(표 5). Spearman 상관계수는 모든 구간에서 통계적으로 유의하게 나타났고, Kruskal-Wallis H-test 결과 역시 전 구간에서 유의미한 차이를 보여, 지하고속도로 진입교통량 증가에 따른 가중 평균속도 저하 경향이 일관되게 나타났다. 중차량 비율은 진입부 가중평균 속도에 영향을 미치는 것으로 분석되었으며, Kruskal-Wallis H-test 결과에서도 유의한 차이를 보여 중차량 유입이 진입부 속도 형성에 영향을 주는 변수로 나타났다. 반면 진출부와 전체 구간에서는 상관계수의 크기와 유의수준이 모두 낮아, 중차량 비율의 영향이 주로 진입 초기 구간에서만 뚜렷하게 나타나는 국지적 특성임을 알 수 있다. 진입부 하향구배는 가중평균 속도와의 통계적 연관성이 전혀 없는 반면, 진출부 상향구배는 높은 유의성을 동시에 나타내며, 속도 저하를 유발하는 요인으로 분석되었다. 전체 구간 기준으로 살펴봐도, 진입부 하향구배는 가중 평균속도 증가와 유의한 양의 상관관계, 진출부 상향구배는 가중 평균속도 저하와 유의한 음의 상관관계를 각각 보이며, 두 변수 간 방향성이 뚜렷하게 대조되었다. 따라서, 지하고속도로 진입부에서는 중차량 유입 비율과 교통량 수준에 대한 관리가 필요하고, 진출부에서는 상향구배가 급하게 설계되지 않도록 하거나, 교통 관리적인 조치가 필요할 수 있다.

Table 5.

Weighted average speed statistical analysis results (one-way, 2-lane solid)

편도 2차로 실선 조건에서 교통처리량에 영향을 미치는 주요 요인을 분석한 결과(표 6), 지하고속도로 진입교통량은 모든 구간(진입부, 진출부, 전체)에서 가장 결정적인 변수로 분석되었다. Spearman 순위 상관분석 결과, 교통량과 교통처리량 간 상관계수는 모든 구간에서 매우 강한 양의 상관관계를 나타냈으며, Kruskal-Wallis H-test 결과에서도 모든 구간에서 통계적으로 유의미한 차이가 관찰되었다. 반면, 전체 교통량 중 중차량 비율은 모든 구간에서 약한 음의 상관관계를 보였으나, 진입부와 진출부에서는 Kruskal-Wallis H-test 결과 통계적 유의성이 확보되지 않았는데, 이는 중차량 구성 자체보다는 전체 교통량 수준이 교통처리량에 미치는 영향이 더 강함을 나타낸다. 종단경사의 경우, 진입부 하향구배는 교통처리량에 아무런 영향이 없는 변수로 분석되었으며, 진출부 상향구배는 Spearman 분석에서는 유의하지 않았지만, Kruskal-Wallis H-test 결과에서는 통계적으로 유의한 차이를 보여주어, 특정 기하 조건에서 일부 처리량 차이를 유발할 가능성이 있음을 나타내었다. 따라서 2차로 점선과 마찬가지로, 지하고속도로 진입교통량 관리가 교통처리량 관점에서 매우 중요한 요소인 것으로 판단된다.

Table 6.

Traffic throughput statistical analysis results (one-way, 2-lane solid)

편도 3차로 점선 조건에서 가중 평균속도 영향 요인을 분석한 결과, 지하고속도로 진입교통량은 모든 구간에서 매우 강한 음의 상관관계를 나타났다(표 7). Kruskal-Wallis H-test 결과에서도 모든 구간에서 통계적으로 유의한 차이가 관찰되어, 교통량 증가가 평균속도 저하를 초래하는 절대적 요인으로 판단된다. 특히, 진출부 상향구배는 가중평균 속도에 대해 매우 강한 음의 상관관계를 보였으며, Kruskal-Wallis H-test 결과에서도 높은 유의성을 나타내어, 상향구배가 속도 저하에 주요한 요인으로 작용함을 확인할 수 있다.

Table 7.

Weighted average speed statistical analysis results (one-way, 3-lane dashed)

중차량 비율은 평균속도에 대해 진입부에서만 통계적으로 유의한 음의 상관관계를 나타냈으며, 진출부 및 전체 구간에서는 상관계수가 작고 통계적으로 유의하지 않은 것으로 분석되어, 중차량 영향은 주로 진입 구간에서만 영향을 주는 국지적 특성임을 알 수 있다. 진입부 하향구배는 가중평균 속도에 미치는 영향이 통계적으로 유의하지 않았지만, 전체 구간에서는 가중평균 속도 증가와 유의한 양의 상관관계, 진출부 상향구배는 가중 평균속도 저하와 유의한 음의 상관관계를 나타내어 상향·하향구배가 속도 증감 방향에 일관된 영향을 주는 것으로 판단할 수 있다. 따라서 지하고속도로 진입교통량 관리가 평균속도 유지에 가장 중요한 요인이 되고, 진입부에서는 중차량 유입비율을 진출부에서는 구배에 대한 고려가 필수적인 것으로 편도 2차로 결과와 일관성을 가진다.

편도 3차로 점선의 교통처리량 결과는 표 8에 나타내었다. 분석 결과, 지하고속도로 진입교통량은 모든 구간에서 교통처리량과 매우 강한 양의 상관관계를 보였으며, Spearman 순위 상관분석 및 Kruskal-Wallis H-test 결과 모두에서 통계적으로 유의한 차이가 관찰되어, 교통량 수준이 교통처리량 수준을 결정하는 주요 변수임을 나타낸다. 전체 교통량 중 중차량 비율은 전체 구간에서만 약한 음의 상관관계가 통계적으로 유의하게 나타났으나, Kruskal-Wallis H-test 결과에서는 유의수준을 만족하지 않아, 실질적인 영향력은 제한적인 것으로 판단된다. 진입부 하향구배는 교통처리량에 유의미한 영향을 미치지 않았고, 진출부 상향구배 또한 교통처리량에는 유의한 영향을 미치지 않는 것으로 분석되어, 종단경사는 교통처리량 변화에 있어 실질적 영향력이 미미한 것으로 판단된다. 따라서 지하고속도로 진입교통량 수준을 관리하는 것이 교통처리량을 유지하거나 향상하는데 중요한 역할을 담당할 것으로 판단된다.

Table 8.

Traffic throughput statistical analysis results (one-way, 3-lane dashed)

편도 3차로 실선 조건에서 가중 평균속도 분석 결과는 표 9에 나타내었다. 지하고속도로 진입 교통량은 모든 구간에서 매우 강한 음의 상관관계를 나타내어, 교통량 수준이 가중평균 속도저하에 절대적인 영향을 미치는 것으로 판단된다. 전체 교통량 중 중차량 비율은 평균속도에 대해 약한 음의 상관관계를 보였으며, 특히 진입부에서는 중간 정도로 더 강한 영향이 관찰되어, 진입부에서만 유의한 영향을 나타낸다. 진출부에서는 상향구배가 가중 평균속도 저하에 매우 강한 음의 상관을 보였고, 전체 구간에서도 진입부 하향구배는 가중평균 속도증가, 진출부 상향구배는 가중평균 속도저하에 대해 각각 유의한 영향을 나타낸다.

Table 9.

Weighted average speed statistical analysis results (one-way, 3-lane solid)

교통처리량에 영향을 미치는 주요 요인을 분석한 결과는 표 10과 같으며, 지하고속도로 진입 교통량은 모든 구간에서 매우 강한 양의 상관관계를 보여, 차로 변경이 불가능한 조건에서도 교통량이 교통 성능을 지배하는 주요 변수임을 나타낸다. 교통처리량에 대해서도 중차량 비율은 모든 구간에서 약한 음의 상관을 나타냈으나, 상관계수 크기 및 p-value를 고려할 때 그 영향력은 제한적인 것으로 판단된다. 전체 교통량 중 중차량 비율은 교통처리량에 대해 통계적 유의성이 확보되지 않았는데, 이는 차로 변경이 불가능한 실선 조건에서도 중차량 혼입이 교통처리량 자체에는 큰 영향을 주지 않는 것으로 해석된다. 종단경사의 경우 모든 구간에서 교통처리량에 대해서는 통계적으로 유의한 영향을 미치지 않는 것으로 나타난다.

Table 10.

Traffic throughput statistical analysis results (one-way, 3-lane solid)