[논문]GIS 기반 Space Syntax를 이용한 대중교통 접근성

전철민

GIS 기반 Space Syntax를 이용한 대중교통 접근성
Public Transport Network Connectivity using GIS-based Space Syntax 원문보기

한국공간정보시스템학회 논문지 = Journal of Korea Spatial Information System Society, v.9 no.3, 2007년, pp.25 - 33

초록
AI-Helper

교통체증을 줄이고 접근성을 높이기 위해 국내 대도시들은 대중교통 위주의 정책에 중점을 두고 있다. 대중교통망을 개선하기 위해서는 적절한 접근성의 분석방법이 필요하게 된다. 기존의 접근성에 관한 연구들은 대부분 존(zone) 레벨에서 이루어진데 비해 본 연구에서는 버스루트나 정류장과 같이 세부레벨에서의 대안적인 접근성측정 방법을 제시한다. 시종점 경로를 구성하는 수단들의 최적의 조합을 산출하고 이들의 접근성을 토폴로지에 기반한 방법으로 측정한다. 시종점루트와 최적조합을 산출하는데에는 GA(유전자알고리즘)가 사용되었으며, 접근성 산출에는 space syntax 이론이 적용되었다. 본 연구에서는 일반적으로 수작업으로 그려지는 space syntax의 axial line 대신 GIS의 nodelink 데이터를 사용하였다. 최종적으로 산출된 접근성은 O-D 데이터를 이용하여 캘리브레이션하였으며, 서울 강남지역에 적용하여 예시하였다.

Abstract ▼ AI-Helper

The local governments of major cities in Korea are giving focus on public transportation to reduce congestion and improve accessibility in city areas. In this regards, the proper measurement of accessibility is now a key policy requirement for reorganizing the public transport network. Public transport routing problems, however, are considered to be highly complicated since a multi-mode travel generates different combinations of accessibility. While most of the previous research efforts on measuring transport accessibility are found at zone-levels, an alternative approach at a finer scale such as bus links and stops is presented in this study. We proposes a method to compute the optimal route choice of origin-destination pairs and measure the accessibility of the chosen modes combination based on topological configuration. The genetic algorithm is used for the computation of the journey paths, whereas the space syntax theory is used for the accessibility. This study used node-link data in GIS instead of axial lines which are manually drawn in space syntax. The resulting accessibilities of bus stops are calibrated by O-D survey data and the proposed process is tested on a CBD of Seoul.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 대중교통의 개별적 경로기반의 접근성을 측정하는 방법의 하나를 제시한다. 기본적인 개념은, 더 많은 환승이 발생할수록 이동성, 또는 접근성이 어렵거나 ‘깊어’지며, 그 지역으로의 접근이 불리해진다는 것에 있다.
본 연구에서는 대중교통의 접근성을 산출하는 대안적인 접근법을 제시하였다. Space syntax의 깊이의 개념과 대중교통의 환승간에는 토폴로지적인 유사성이 있음에 중점을 두었다.
본 연구에서는 우선 space syntax 이론을 간략 하게 살펴본 후, GIS의 node‐link 기반의 데이터를 이용하여 대중교통에 어떻게 적용되는지에 대해 기술하였다. 그리고 본 방법론을 서울 강남구 일대에 적용하여 예시하였으며 여기에는 버스와 지하철을 포함한 GIS 데이터를 이용하였다.
실내공간간의 전이는 대중교통에서 환승으로 대응시킬 수 있으며, 이 때는 두개의 서로 다른 루트의 연결이 된다. 본 연구에서는 이와 같은 유사성에 기반하여, 대중교통의 접근성을 측정하는데 있어서 물리적인 거리가 아닌, 위상 구조에 근거하여 측정하는 방법을 제시한다.
본 절에서는 현재까지 소개한 방법론을 서울시의 강남구 일대에 적용한 사례를 소개한다. 특정 정류장의 depth 또는 접근성을 산출하기 위해서는 그 정류장에서 대상지의 다른 모든 정류장까지의 각 depth들을 구하는 과정이 수반되며, 이 때 각 정류장간 루트는 최적 비용의 경로가 되어야 한다.
본 연구에서는 정류장간의 최적 루트 조합을 산출하는데에 유전자 알고리즘을 사용하였다. 유전자 알고리즘에 관해서는 다수의 문헌에 소개되어 있으므로 여기에서는 생략하고자 한다. 유전자 알고리즘의 대중교통에의 적용에 관해서는 저자의 글(Jun 2005) 등을 참고하기 바란다.
동일한 접근성을 갖는 두 지역은 동일한 ‘서비스 수준’을 나타내지는 않는다고 할 수 있는데, 이는두 지역의 대중교통 이용객 수가 다를 수 있기 때문이다. 이러한 비현실성을 극복하기 위해서 본 연구에서는 O‐D 서베이 데이터를 이용하여 깊이 기반의 접근성 산출값을 보정하였다.

제안 방법

이는 node‐link 기반의 GIS 데이터 구조와는 다르나, 도시 규모의 교통망의 경우에는 시선축 보다는 도로중심선을 이용하는 것이 타당하며, 데이터 구축의 측면에서 볼 때에도 기존의 GIS 데이터를 이용하는 것이 효율적이다. 단, Space syntax의 axial line을 GIS 데이터에 적용하기 위해, 본 연구에서는 동일 축선에 해당하는 링크들에 대해서 동일한 인덱스를 부여하는 방법으로 axial map과 유사하도록 하였다.
예시에서는 단순히 깊이 기반(depth‐based)의 접근성과 O‐D 통행량을 이용하여 보정하여 산출한 결과를 비교하였다. 마지막으로는 환승 이외의 통행비용을 추가 하는 방안을 논의하였다.
정류장을 단위로 하여 깊이 기반의 접근성을 산출하기 위하여 본 연구에서는 Space Syntax의 axial line대신 GIS의 node‐link 데이터를 사용하였다. 본 연구에서 제시한 접근성 산출에는 최적의 O‐D 쌍을 도출하는 과정이 포함되는데, 여기에는 유전자 알고리즘이 사용되었다. 제시된 방법은 대중교통망의 공급적인 측면에서만 측정을 하고 수요 측면은 고려되지 않기 때문에, 이를 보정하기 위하여 O‐D 서베이 데이터의 대중교통량을 이용하였다.
그리고 본 방법론을 서울 강남구 일대에 적용하여 예시하였으며 여기에는 버스와 지하철을 포함한 GIS 데이터를 이용하였다. 예시에서는 단순히 깊이 기반(depth‐based)의 접근성과 O‐D 통행량을 이용하여 보정하여 산출한 결과를 비교하였다. 마지막으로는 환승 이외의 통행비용을 추가 하는 방안을 논의하였다.
접근성의 비용으로서 본 연구에서는 깊이에 의한 비용(depth‐penalty)만을 고려했으며, 이를 대중교통의 환승으로 대응시켜 해석하였다. 하지만 이렇게 space syntax에 근거한 방법론은 바로 대중교통에 적용하기에는 한계점이 있는데, 이는 교통에서 전통적으로 고려하고 있는 통행거리나 시간과 같은 통행비용을 고려하지 않기 때문이다.
또한 마지막절에서는 본 연구에서 제시한 방법론의 한계점을 분석하였다. 즉, 차량 승차중에 수반되는 통행시간이나 거리와 같은 비용이 고려되지 않는다는 것인데, 이를 극복하기 위하여 깊이 뿐 아니라 통행비용을 고려한 일반화된 모델을 제시하였다. 본 연구에서 제시한 결과는 이러한 부분이 고려되지 않았으므로 현 단계에서존 기반의 기존의 방법들과의 비교는 불가능하나, 대중교통 접근성을 정류장 단위의 세부 스케일에서 산출하는 대안적 방법을 제시했다는 점이 의의가 있을 것이다.

대상 데이터

본 연구에서는 우선 space syntax 이론을 간략 하게 살펴본 후, GIS의 node‐link 기반의 데이터를 이용하여 대중교통에 어떻게 적용되는지에 대해 기술하였다. 그리고 본 방법론을 서울 강남구 일대에 적용하여 예시하였으며 여기에는 버스와 지하철을 포함한 GIS 데이터를 이용하였다. 예시에서는 단순히 깊이 기반(depth‐based)의 접근성과 O‐D 통행량을 이용하여 보정하여 산출한 결과를 비교하였다.
2002년 서울시 O‐D 서베이는 서베이존별로 수단마다의 통행량을 수록하고 있다 (Seoul Development Institute 2003). 이러한 통행 데이터 중 본 연구에서는 버스, 마을버스, 좌석버스, 리무진버스 등의 버스와 지하철 데이터만을 추출하여 사용하였다. 강남구 26개 존의 평균크기는 약 1.
Space syntax의 깊이의 개념과 대중교통의 환승간에는 토폴로지적인 유사성이 있음에 중점을 두었다. 정류장을 단위로 하여 깊이 기반의 접근성을 산출하기 위하여 본 연구에서는 Space Syntax의 axial line대신 GIS의 node‐link 데이터를 사용하였다. 본 연구에서 제시한 접근성 산출에는 최적의 O‐D 쌍을 도출하는 과정이 포함되는데, 여기에는 유전자 알고리즘이 사용되었다.
본 연구에서 제시한 접근성 산출에는 최적의 O‐D 쌍을 도출하는 과정이 포함되는데, 여기에는 유전자 알고리즘이 사용되었다. 제시된 방법은 대중교통망의 공급적인 측면에서만 측정을 하고 수요 측면은 고려되지 않기 때문에, 이를 보정하기 위하여 O‐D 서베이 데이터의 대중교통량을 이용하였다. 제시된 방법은 서울시 강남구 일대에 적용하여 예시하였고, 단순 깊이 기반 접근성과 O‐D 서베이로 캘리브레이트된 결과를 비교하였다.
제시된 방법은 대중교통망의 공급적인 측면에서만 측정을 하고 수요 측면은 고려되지 않기 때문에, 이를 보정하기 위하여 O‐D 서베이 데이터의 대중교통량을 이용하였다. 제시된 방법은 서울시 강남구 일대에 적용하여 예시하였고, 단순 깊이 기반 접근성과 O‐D 서베이로 캘리브레이트된 결과를 비교하였다. 또한 마지막절에서는 본 연구에서 제시한 방법론의 한계점을 분석하였다.

이론/모형

본 연구에서는 space syntax란 이론에서 도출한, ‘깊이 기반 (depth‐based)’의 개념을 사용하였다.
유전자 알고리즘(GA)은 이와 같이 미리 정해진 값에 의해 최적해를 산출할 수 없는 복잡한 경우에 적용될 수 있다. 본 연구에서는 정류장간의 최적 루트 조합을 산출하는데에 유전자 알고리즘을 사용하였다. 유전자 알고리즘에 관해서는 다수의 문헌에 소개되어 있으므로 여기에서는 생략하고자 한다.

성능/효과

Space syntax 에서는 보통 이의 역수를 이용해서 직관적인 느낌을 주도록 하고 있고, 이를 Integration value(I)라고 칭한다.¹⁾ 즉, I값이 커질수록 타 공간으로의 집적도 또는 접근성이 높은 공간이라고 할 수 있다.
즉, 차량 승차중에 수반되는 통행시간이나 거리와 같은 비용이 고려되지 않는다는 것인데, 이를 극복하기 위하여 깊이 뿐 아니라 통행비용을 고려한 일반화된 모델을 제시하였다. 본 연구에서 제시한 결과는 이러한 부분이 고려되지 않았으므로 현 단계에서존 기반의 기존의 방법들과의 비교는 불가능하나, 대중교통 접근성을 정류장 단위의 세부 스케일에서 산출하는 대안적 방법을 제시했다는 점이 의의가 있을 것이다. 개별기반의 접근성 산출방법은, 다수의 수단이 존재하는 멀티모달 네트웍을 세밀한 범위에서 평가하고 조정하는데에 이용될 수 있을 것이다.
<그림 1>에서 소개된 바와 같이 Space syntax 는 상대적으로 소규모의 공간에서 적용되어온 이론이며, 수작업에 의해서 시선축 또는 axial‐line으로 공간을 구성하는 과정이 수반된다. 이는 node‐link 기반의 GIS 데이터 구조와는 다르나, 도시 규모의 교통망의 경우에는 시선축 보다는 도로중심선을 이용하는 것이 타당하며, 데이터 구축의 측면에서 볼 때에도 기존의 GIS 데이터를 이용하는 것이 효율적이다. 단, Space syntax의 axial line을 GIS 데이터에 적용하기 위해, 본 연구에서는 동일 축선에 해당하는 링크들에 대해서 동일한 인덱스를 부여하는 방법으로 axial map과 유사하도록 하였다.
<그림 7>은 서울시 강남구 일대의 주요 대중교통망을 보여준다. 지하철, 버스 등이 복잡하게 얽혀있어서 본 연구의 대상지로 적합한 것으로 판단되 었다. 도보로 이동하여 환승이 가능한 정류장들의 그룹은 환승존으로 묶었으며, I‐값(ND^‐1)도 본 환승 존별로 산출하였다.

후속연구

본 연구에서 제시한 결과는 이러한 부분이 고려되지 않았으므로 현 단계에서존 기반의 기존의 방법들과의 비교는 불가능하나, 대중교통 접근성을 정류장 단위의 세부 스케일에서 산출하는 대안적 방법을 제시했다는 점이 의의가 있을 것이다. 개별기반의 접근성 산출방법은, 다수의 수단이 존재하는 멀티모달 네트웍을 세밀한 범위에서 평가하고 조정하는데에 이용될 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Space syntax은 어디에 사용되어온 이론인가?	본 연구에서는 space syntax란 이론에서 도출한, ‘깊이 기반 (depth‐based)’의 개념을 사용하였다. Space syntax 는 도시공간이나 건축공간에서의 접근성을 측정하는데 사용되어온 이론이다 (Hillier 1996). 중심 이론은, 공간구조를 ‘축선(axial lines)’을 이용하여 구성하고, 깊이(depth)에 기반하여 한 공간이 다른 공간들과 갖는 관계를 측정한다는 것이다.
	대중교통에서 최적 경로를 구하는 과정은 자가운전자의 네트웍의 경우보다 복잡한데, 그 이유는?	본 연구에서는 최적 비용 경로를 시종점간의 최단 또는 최소시간 경로 중 환승 수가 최소인 경로로 정의하였다. 대중교통에서 최적 경로를 구하는 과정은 자가운전자의 네트웍의 경우보다 복잡한데, 이는 네트웍이 루트가 정해진 여러 수단들의 조합으로 이루어지며, 환승시에는 이동시간, 대기시간과 같은 시간 제약들이 존재하기 때문이다. 운송 수단이 미리 정해진 운행시간이 있을 경우에는 그 수단으로의 환승은 정해진 출발시간에 의해 제약되어지며, 최소 시간의 경로를 찾기 위해서 이들 출발시간 들을 비교해야 한다 (Desrochers et al.
	대중교통에서는 환승시의 상황에 따라 비용을 다르게 주어야 하는 이유는?	그러나 대중교통에서는 환승시의 상황에 따라 비용을 다르게 주어야 함이 바람직하다. 다음 정류장까지의 이동거리나 대기시간 등이 다르기 때문이다. 따라서 정류장에 관한 비용을 식 (6)과 같이 수단 선택에 따라 분해할 필요가 있다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

GIS 기반 Space Syntax를 이용한 대중교통 접근성
Public Transport Network Connectivity using GIS-based Space Syntax 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

GIS 기반 Space Syntax를 이용한 대중교통 접근성 Public Transport Network Connectivity using GIS-based Space Syntax 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

전철민 (45)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

GIS 기반 Space Syntax를 이용한 대중교통 접근성
Public Transport Network Connectivity using GIS-based Space Syntax 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper