초록 close

본 연구에서는 운전자의 경로선택과 각 경로에 대한 학습행동이 교통상황에 따라 어떻게 달라지는 가를 살펴보기로 한다. 즉, 주어진 환경 하에서 자신의 효용을 최대화(소요시간의 최소, 비용의 최소)하는 경로를 선택하는 운전자를 가정하여 교통상황에 따른 운전자의 행동을 모델화하고자 한다. 경로선택에 직면한 운전자는 자신이 획득 가능한 정보와 과거의 경험에 근거하여 각 경로의 주행시간 등의 교통조건을 예측하고 반복적인 경로선택 행동을 통해 각 경로의 주행조건 등에 대한 학습을 하게 된다. 이 때, 운전자의 경로선택과 학습 메커니즘은 각 경로의 교통상황에 따라 다르게 형성된다. 즉, 교통류 상황이 정상성(stationarity)을 띄고 있는지 혹은 비정상성(nonstationarity)을 띄고 있는지에 따라 운전자의 경로선택과 학습 메커니즘이 다르게 됨을 확인하였으며, 이 경우 사후적인(ex-post) 정보의 획득가능성이 운전자 학습행동의 수렴에 큰 영향을 미치고 있음도 알 수 있었다. 또한, 랜덤워크와 같은 비정상성을 따르는 교통환경에서 운전자는 경로의 조건에 대한 그들의 학습과정에서 학습계수(적응계수)는 각 경로의 특성에 따라 서로 다른 값으로 수렴함을 확인하였다. 나아가 시뮬레이션을 통해 운전자의 경로 환경에 대한 학습과정과 경로선택 행동을 구현하였으며, 향후 연구방향에 대해 고찰한다.


When a route choice is done under uncertainty, a driver has some expectation of traffic conditions that will occur according to the route chosen. This study tries to build a framework in which we can observe the learning behavior of the drivers' expectations of the travel time under nonstationary environment. In order to investigate how drivers have their subjective expectations on traffic condi- tions in response to public information, a numerical experiment is carried out. We found that rational expectations(RE) formation about the route travel time can be expressed by the adaptive expectation model when the travel time changes in accordance with the nonstationary process which consists of permanent shock and transient shock. Also, we found that the adaptive parameter of the model converges to the fixed value corresponding to the route conditions.