$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

자전거 수단분담률 추정모형 구축 및 자전거 수요요인분석
A Bike Mode Share Estimation Model and Analysis of the Bike Demand Factor Effects 원문보기

大韓交通學會誌 = Journal of Korean Society of Transportation, v.28 no.3, 2010년, pp.145 - 155  

이규진 (아주대학교 건설교통공학과) ,  최기주 (아주대학교 교통시스템공학)

초록
AI-Helper 아이콘AI-Helper

녹색교통으로서 자전거 이용활성화가 사회적으로 큰 조명을 받고 있으나 효과적인 성과를 내기 위해서는 자전거 이용특성에 대한 구체적이고 치밀한 분석이 선행되어야 한다. 이는 1995년 이래 2007년까지 자전거도로를 9,170km나 정비하였음에도 불구하고 동기간동안 자전거 수단분담률이 오히려 감소(국토해양부, 2009)한 점을 통해 알 수 있다. 본 연구는 2006년 조사된 '수도권 가구통행실태조사' 자료(303,308개)를 이용하여 통행 주체별 자전거 수단분담률을 구체적으로 분석하였다. 그 결과 학원 수강목적과 오피스텔 거주자의 자전거 수단분담률이 각각 3.75%, 3.13%로 통행 주체 중 가장 높은 것으로 나타났다. 아울러 로지스틱 회귀분석을 통한 서울시의 자전거 수단분담률 추정모형을 구축하였다. 동시에 로지스틱 회귀계수에 대한 승산비(odds ratio)의 산출을 통해 자전거 수요에 영향을 미치는 관련 요인과 영향 정도를 분석하였다. 그 결과 단거리 통행, 학원가와 공원, 오피스텔 주택가 중심의 자전거 이용활성화가 효과적인 것으로 판명되었다.

Abstract AI-Helper 아이콘AI-Helper

As the green transportation mode, revitalization of bike usage attracts remarkable public attention. For the acquirement of effective outcome, however, the concrete and close analysis about bike utilization characteristics should be arranged first. One result by MLTM(2009) is support this opinion; t...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 73%수준에 불과하기 때문에 해당 자료를 바탕으로 로지스틱 회귀모형을 구축할 경우 결과의 편기(bias) 현상이 발생하는 문제가 발생한다. 이에 따라 분석범위를 조정하여 유의미한 자전거 수단분담률 추정모형의 구축이 가능하도록 하였다. 우선 <표 12>와 같이 자전거의 통행특성상 통행거리가 짧은 존내 통행에 대한 수단분담률이 상대적으로 높기 때문에 본 연구에서는 존내 통행만을 분석대상으로 설정 하였다.
  • 또한 기존 국내 연구와 비교해 광대한 자료(139,564개)를 바탕으로 분석이 이루어졌으며, 통행자의 주택유형과 직업 등 기존에 고려하지 못한 설명변수를 반영한 차이점이 있다. 특히, 본 연구에서는 기존 국내 연구에서 접근한 바 없는 비집계모형 기반의 자전거 수단분담률 추정모형을 제시함으로써 향후 자전거 수요추정 모형 연구의 초석을 제공하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
우도 함수란 무엇인가? 단순 선형회귀분석에서는 회귀계수(β0,βj)를 추정하기 위해 잔차의 제곱합을 최소화하는 최소제곱법(Method of Least Squares: MLS)을 사용하지만 로지스틱 회귀분석에 서는 우도 함수(likelihood function: ℒ) 즉 사건의 발생가 능성을 크게 하는 최대 우도 추정법(Method of Maximum Likelihood: MLM)을 이용하여 계수를 추정한다. 여기서 우도 함수란 미지수에 따른 관찰 자료의 가능성을 함수로 표현한 것을 말한다. 로지스틱 회귀분석에서 우도함수 ℒ 는 식(3)과 같다.
Hosmer&Lemeshow의 검정을 적절하게 사용하려면 어떤 조건이 필요한가? 이는 예측값과 관측값이 얼마나 밀접한지 카이제곱분포를 통해 검정 하는 것으로 모든 관찰값을 사건이 발생할 확률의 추정값에 근거하여 10개의 동등한 그룹으로 나누어 사건과 비사건의 관측수와 기대도수와의 차이를 구한다. 그러나 이 검정법을 적절하게 사용하려면 표본의 크기가 매우커야 하며, 모든 그룹 내의 사건의 기대도수가 5를 초과하여야 한다. 본 연구에서는 표본의 크기가 클 뿐만 아니라 그룹 내 최소 기대도수 조건도 만족하였다.
일반적인 회귀분석법은 어떤 특징이 있는가? 한 개의 종속변수와 여러 개의 독립변수간의 상호 관련성을 분석할 때 가장 널리 사용되는 분석방법이 회귀 분석이다. 일반적인 회귀분석법은 독립변수들에 의해 종속변수의 변화가 직선적으로 변한다고 가정하기 때문에 자전거 수단 선택과 같이 종속변수가 선택유무로 표시되는 이항적인 사건을 다루는 데에는 적합하지 않다. 이에반하여 종속변수와 독립변수와의 관계를 비선형이라 가정하여 로지스틱 회귀계수를 추정하는 로지스틱 회귀분 석은 두 개의 값만을 가지는 종속변수와 여러 독립변수들의 관련성을 분석할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. 국토해양부(2009), "자전거도로 시설기준 및 관리지침". 

  2. 김기혁(1994), "도시의 공간적 사회적 요인에 따른 자전차 보유도 추정에 관한 연구", 대한교통학회지, 제12권 제1호, 대한교통학회, pp.85∼95. 

  3. 김수성?송기욱?정헌영(2009), "지역특성에 따른 자전거이용 활성화 접근방안과 영향요인에 관한 연구", 대한교통학회지, 제27권 제4호, 대한교통학회, pp.17∼30. 

  4. 김순귀?정동빈?박영술(2003), "로지스틱 회귀모형의 이해와 응용", SPSS 아카데미. 

  5. 김주안(2005), "로지스틱 회귀분석을 이용한 제품군판별에 영향을 미치는 커뮤니티 요인에 관한 연구", 산업경제연구, 제8권 제5호. 

  6. 문대식(2007), "자전거 통행 활성화에 관한 연구-대전시를 중심으로", 한밭대학교 학위논문. 

  7. 박광배(2007), "범주변인분석", 학지사. 

  8. 이병주?박영석?남궁문(2001), "자전거 이용자의 행태분석 및 선택행동 LISREL 모델", 대한토목학회논문집, 제21권 제1호, 대한토목학회. 

  9. 조중래?김채만(1998), "출근통행 교통수단 선택행태의 지역간 비교연구 : -서울과 일산신도시를 중심으로-", 대한교통학회지, 제16권 제4호, 대한교통학회, pp.75∼86. 

  10. 홍세희(2005), "이항 및 다항 로지스틱 회귀분석", 교육과학사. 

  11. Cohen, J., Cohen, P., West, S., and Aiken, L.(2003), "Applied multiple regression/ correlation analysis for the behavioral sciences. Mahwah, New Jersey: Lawrence Erlbaum Associates". 

  12. Gary Barnes and Kevin Krizek(2005), "Estimating Bicycling Demand", Transportation Research Record, No. 1939, pp.45∼51. 

  13. Hosmer, D. and Lemeshow, S.(2000), "Applied logistic regression. New York: John Wiley & Sons". 

  14. Jennifer Dill and Kim Voros(2007), "Factors Affecting Bicycling Demand", Transportation Research Record, No. 2031, pp.9∼17. 

  15. John Parkin, Mark Wardman and Matthew Page(2007), "Estimation of the determinants of bicycle mode share for the journey to work using census data", Transportation, pp.93∼109. 

  16. Mark Wardman, Miles Tight and Matthew Page(2007), "Factors influencing the propensity to cycle to work". Transportation Research A41(4), pp.339∼359. 

  17. Simon P. Washington, Matthew G. Karlaftis, and Fred L. Mannering(2003), "Statistical and Econometric Methods for Transportation Data Analysis", CHAPMAN & HALLl/CRC. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로