4단계 교통수요 추정법은 순차성에 의해 선행단계의 추정결과에 근거하여 모형을 수립한다. 그러므로 전 단계에서 정확한 분석이 이루어지지 않으면 다음 단계에서의 정확한 분석 결과를 기대하기 어렵다. 특히 통행발생은 4단계모형의 첫번째 단계로 이 단계의 추정결과에 따라 전체 수요예측에 크게 영향을 미치는 것을 알 수 있다. 기존 수도권 통행발생모형은 선형회귀 모형식을 이용하여 서울 및 수도권지역의 통행발생모형을 구축하였으나 다양한 토지이용 특성을 반영하지 못한다는 단점을 가지고 있으며, 4단계 모형에서 발생되는 오차를 크게 하는 요인으로 작용하고 있다. 따라서 본 연구는 기존 통행발생모형의 한계를 개선하기 위해 토지이용 특성을 반영한 통행발생모형을 구축하고자 한다. 모형 개선을 위해 존의 사회경제지표 및 토지이용을 변수로 사용하였고, 검증을 위해 기존모형식과 RMSE%값을 비교분석하였다. 그 결과 기존모형은 주거 특성이 강한지역의 추정에서는 오차범위가 적으나, 2 3차 산업비중이 높은 지역에서는 설명력이 떨어지는 것으로 분석되었다. 또한 각 목적별 모형이 전반적으로 기존모형보다 오차가 적은 것으로 나타났다. 따라서 본 연구에서 제시한 사회경제지표 및 토지이용변수를 활용하여 각 지역별 모형을 추정한 결과가 기존 연구보다 우수한 것을 알 수 있었다.
4단계 교통수요 추정법은 순차성에 의해 선행단계의 추정결과에 근거하여 모형을 수립한다. 그러므로 전 단계에서 정확한 분석이 이루어지지 않으면 다음 단계에서의 정확한 분석 결과를 기대하기 어렵다. 특히 통행발생은 4단계모형의 첫번째 단계로 이 단계의 추정결과에 따라 전체 수요예측에 크게 영향을 미치는 것을 알 수 있다. 기존 수도권 통행발생모형은 선형회귀 모형식을 이용하여 서울 및 수도권지역의 통행발생모형을 구축하였으나 다양한 토지이용 특성을 반영하지 못한다는 단점을 가지고 있으며, 4단계 모형에서 발생되는 오차를 크게 하는 요인으로 작용하고 있다. 따라서 본 연구는 기존 통행발생모형의 한계를 개선하기 위해 토지이용 특성을 반영한 통행발생모형을 구축하고자 한다. 모형 개선을 위해 존의 사회경제지표 및 토지이용을 변수로 사용하였고, 검증을 위해 기존모형식과 RMSE%값을 비교분석하였다. 그 결과 기존모형은 주거 특성이 강한지역의 추정에서는 오차범위가 적으나, 2 3차 산업비중이 높은 지역에서는 설명력이 떨어지는 것으로 분석되었다. 또한 각 목적별 모형이 전반적으로 기존모형보다 오차가 적은 것으로 나타났다. 따라서 본 연구에서 제시한 사회경제지표 및 토지이용변수를 활용하여 각 지역별 모형을 추정한 결과가 기존 연구보다 우수한 것을 알 수 있었다.
In the traditional four-step travel demand models, each step is sequentially conducted following the model estimation at the previous step. The accuracy of the following model is partly dependent on whether the model at the former stage was properly established or not. Therefore, trip generation, wh...
In the traditional four-step travel demand models, each step is sequentially conducted following the model estimation at the previous step. The accuracy of the following model is partly dependent on whether the model at the former stage was properly established or not. Therefore, trip generation, which is the first step in this conventional model, has great effects on the modeling process and forecasting results. Linear regression models for trip generation of Seoul Metropolitan Area might increase the forcasting errors, since a variety of land-use characteristics are not considered. Hence, in this study, zonal factors such as socioeconomic and land use variables are included to improve the elaboration of trip generation. Comparing the %RMSE with the existing models, which contain bigger errors in the zones highly based on the secondary and tertiary industries than residence-based, the trip generation models including those variables seem more appropriate overall.
In the traditional four-step travel demand models, each step is sequentially conducted following the model estimation at the previous step. The accuracy of the following model is partly dependent on whether the model at the former stage was properly established or not. Therefore, trip generation, which is the first step in this conventional model, has great effects on the modeling process and forecasting results. Linear regression models for trip generation of Seoul Metropolitan Area might increase the forcasting errors, since a variety of land-use characteristics are not considered. Hence, in this study, zonal factors such as socioeconomic and land use variables are included to improve the elaboration of trip generation. Comparing the %RMSE with the existing models, which contain bigger errors in the zones highly based on the secondary and tertiary industries than residence-based, the trip generation models including those variables seem more appropriate overall.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 기존통행발생모형의 한계를 개선하기위해 수도권을 대상으로 지역별 토지이용 특성을 반영한 통행발생모형을 구축하고자 한다. 또한 통행발생모형에 있어서 OD기반과 PA기반의 추정오차를 비교분석하여 수도권의 통행발생 추정에 적합한 접근방법을 모색하고자 한다.
그 결과 통행유출은 사회경제적요인에 의한 시장분할을 할 경우 차이가 다소 낮으나, 유입은 발생오차가 크게 나타날 것으로 예상했다. 또한 시장분할을 통한 유형별 모형개발의 필요성을 제시했다.
본 연구에서는 이러한 내용을 바탕으로 각각 다른 성격을 갖는 시·구를 선정하고, 기존 사회경제지표와 추가적으로 용도지역 GIS데이터를 이용하여 토지이용 특성을 고려한 통행발생모형을 구축하고자 한다. 또한 토지이용 특성에 따라 모형의 설명력을 높일 수 있는지를 검토하고 나아가서 GIS 데이터를 이용한 존세분화의 가능성을 타진해보고자 한다.
따라서 본 연구에서는 기존통행발생모형의 한계를 개선하기위해 수도권을 대상으로 지역별 토지이용 특성을 반영한 통행발생모형을 구축하고자 한다. 또한 통행발생모형에 있어서 OD기반과 PA기반의 추정오차를 비교분석하여 수도권의 통행발생 추정에 적합한 접근방법을 모색하고자 한다.
본 연구에서는 기존의 통행발생모형을 개선하기 위하여 지역별 특성을 반영하여 성격이 상이한 지역에 대하여 통행발생모형을 각각 구축하여 모형의 설명력을 높였다. 또한 기존의 통행발생모형의 회귀식에서 사용되는 사회경제지표 변수이외에 토지이용 GIS자료를 추가하여 지역별 통행발생모형을 구축하였다.
본 연구에서는 이러한 내용을 바탕으로 각각 다른 성격을 갖는 시·구를 선정하고, 기존 사회경제지표와 추가적으로 용도지역 GIS데이터를 이용하여 토지이용 특성을 고려한 통행발생모형을 구축하고자 한다.
본 장에서는 통행발생 단계에 대한 국내외 연구들을 살펴보고 시사점을 도출하고자 한다. 먼저 통행발생 관련 국내연구는 서울 및 수도권의 가구통행실태조사를 활용하여 회귀모형을 추정하였다.
제안 방법
CART분석의 결과를 토대로 통행발생량에 영향 관계가 통계적으로 입증된 인구통계학적요인, 토지이용변수, 산업관련요인을 토대로 유형별 모형을 구축하였다. 기존 발생모형에 대한 목적별 추정변수는 <표 1>과 같다.
둘째,「수도권 장래교통 수요예측 및 대응방안 연구」의 기존 모형식을 검증하고, 통행발생에 영향을 줄 수 있는 변수를 정리한다. 그리고 GIS데이터를 이용하여 토지이용 변수를 작성한다.
Yao 외[8]는 통행자의 일반특성 및 통행특성과 토지이용면적, CBD거리 통행서비스를 이용하여 개별행태모형을 추정하였다. 도착지의 유인력을 거리, 토지이용면적비 등을 통해 정량화 시킨 후 해당지역이 갖는 상대적 효용을 산출하여 통행발생량을 설명하였다. 그 결과 기존 모형보다 예측력이 뛰어남을 규명했다.
둘째,「수도권 장래교통 수요예측 및 대응방안 연구」의 기존 모형식을 검증하고, 통행발생에 영향을 줄 수 있는 변수를 정리한다. 그리고 GIS데이터를 이용하여 토지이용 변수를 작성한다.
유완 외[4]는 요일별 통행수와 가구특성변수를 각각 군집 분석하여 통행발생모형을 추정하였다. 또한 가구특성으로 군집을 나눈 그룹간 통행모형의 차이가 있을 때 각 그룹별 통행발생모형식을 개별적으로 적용하여 모형의 설명력을 높였다. 정지교[5]는 1996년 가구통행실태조사를 바탕으로 용도별면적비율을 이용한 군집분석을 실시한 후 사회경제지표를 이용한 개별 회귀모형을 구축하였다.
본 연구에서는 기존의 통행발생모형을 개선하기 위하여 지역별 특성을 반영하여 성격이 상이한 지역에 대하여 통행발생모형을 각각 구축하여 모형의 설명력을 높였다. 또한 기존의 통행발생모형의 회귀식에서 사용되는 사회경제지표 변수이외에 토지이용 GIS자료를 추가하여 지역별 통행발생모형을 구축하였다.
OD모형 전반적으로 사회경제지표를 이용한 경우 기존모형과 동일하거나 대체가능한 변수가 주로 이용되었다. 또한 변수가 많을수록 설명력을 높이기 보다는 다중공선성의 문제가 야기되므로 기존모형에서 3~4개의 변수를 사용하던 모형을 가장 설명력이 높은 1~2개의 변수를 이용하여 모형을 단순화하였다.
본 장에서는 통행발생 단계에 대한 국내외 연구들을 살펴보고 시사점을 도출하고자 한다. 먼저 통행발생 관련 국내연구는 서울 및 수도권의 가구통행실태조사를 활용하여 회귀모형을 추정하였다.
셋째, 기존 모형에서는 사용변수가 사회경제지표로 국한되었는데, 사회경제지표의 단위도 행정동단위이기 때문에 보다 작은 존으로 세분화 할 경우 지표이용에 한계가 있으며, 특히 쇼핑, 학원, 기타 통행 등의 모형 구축에 있어 사회경제지표의 설명력이 상대적으로 떨어지는 단점이 있다. 본 연구에서는 토지이용 변수를 사용하여 모형의 설명력을 높였다. 토지이용변수로써 용도별 용적률과 용도별 연상면적을 사용하였는데, 보다 세분화된 건축물 용도를 변수로 사용한다면 설명력을 더 높일 수 있을 것으로 기대된다.
수원, 성남시를 제외한 4개시는 시가화지역이 포함되지 않는 존이 다수 존재하므로 토지이용에 대한 변수를 단일변수로 사용할 수 없기 때문에 다중선형모형으로 설명력이 높게 나타나는 변수에 한하여 적용하였다. 이 중 평택시 모형에서 통근유입, 업무유입 모형에 1종주거지역 변수가 사용되었고, 학원유입, 기타유출, 업무·귀사유출 모형에 각각 3종주거지역, 2,3종주거지역, 주거지역 변수가 사용되었다.
지역별 통행발생모형의 추정을 위해 각 독립변수와 종속변수간의 상관관계 분석을 실시하였다. 이를 통해 일정 상관도(서울지역 0.7, 경기지역 0.5) 이상을 나타내는 변수들을 대상으로 다중공선성과 t값에 의해 통계적 유의성을 판단한 후 가장 설명력(R2)이 높은 변수에 대해 각 목적별 통행발생 모형을 추정하였다. 이 중 다중공선성의 경우 VIF검증을 통해 수치가 10이상인 결과는 모형에서 제외시켰으며, 대부분 VIF값이 4이내로 다중공선성이 나타나지 않는 것으로 분석되었다.
지역별 통행발생모형의 추정을 위해 각 독립변수와 종속변수간의 상관관계 분석을 실시하였다. 이를 통해 일정 상관도(서울지역 0.
대상 데이터
모형 적용 대상으로 서울특별시 5개구와 경기도 6개 시군을 선정하였다. 서울특별시 5개구는 중구, 강북구, 서대문구, 영등포구, 강남구로 서울시의 공간구조를 고려하여 각각 다른 유형을 선정하였다.
본 연구는 2006년 가구통행실태조사를 바탕으로 전수화 된「수도권 장래교통 수요예측 및 대응방안 연구」의 장래 사회경제지표와 서울시 및 수도권 용도지역 GIS를 활용하였다. 또한 각 지역의 OD 및 PA기반 목적별 통행 전체를 대상으로 지역적 특성을 반영한 통행발생 모형개발을 위하여 다음과 같이 단계별 연구방법을 정하였다.
본 연구에서는 2006년 가구통행실태조사를 바탕으로 전수화된 수도권 목적별 발생량 및 사회경제지표를 기초로 자료를 수집하였다. 수집된 변수의 세부적인 내용은 다음과 같다.
모형 적용 대상으로 서울특별시 5개구와 경기도 6개 시군을 선정하였다. 서울특별시 5개구는 중구, 강북구, 서대문구, 영등포구, 강남구로 서울시의 공간구조를 고려하여 각각 다른 유형을 선정하였다. 경기도의 경우 인구규모에 따라 거주인구 50만 이상 지역으로 수원시, 성남시를 선정하였고, 거주인구 20만 ~ 50만 미만인 평택시, 파주시 및 20만 이하인 포천시, 이천시를 선정하였으며, 분석단위는 행정동(소존) 단위이다.
데이터처리
본 연구에서 추정한 지역별 통행발생모형에 대한 검증을 위해 2006년 가구통행실태조사 전수화 자료를 기준으로 비교검증하였다. 비교 결과를 도출하기 위해서 RMSE (Root Meet Square Error)와 RMSE%를 제시하였으며, RMSE% 값이 낮을수록 모형의 설명력이 높음을 나타낸다.
본 연구에서는 기존연구와의 검증을 위해 회귀 분석법을 이용하였다. 회귀분석법은 통행유입·유출량과 해당지역의 사회경제적·토지이용적 특성을 나타내는 변수사이의 관계를 나타내는 회귀식을 구하고 이 식에 의해 장래 유입·유출량을 구하는 방법이다.
또한 장거리통행의 경우 승용차보유대수 및 소득수준을 기준으로 했다. 유인모형의 경우 회귀분석법을 적용하였으며, 통행목적별 독립변수로 종사자수와 가구수를 사용하였다[7].
이론/모형
교통존특성 분할을 통한 유형별 통행발생 모형 개발의 통행발생모형은 통행 발생률을 기반으로 한 Data Mining (CART)1)방법을 활용한 회귀분석모형을 실시하였다[2].
본 연구에서는 기존 수도권 통행발생모형의 검증을 위해 선형회귀모형을 이용하여 추정하였다. 또한 김태호 외[2]의 연구는 통행발생모형이 출근 통행에 한정되어있기 때문에 검증에서 제외하였다.
미국 볼티모어 거대 도시권과 인디애나 주의 통행발생모형의 경우 생성모형은 카테고리분석법을 적용하고, 유인모형은 회귀모형을 적용하였다. 볼티모어 대도시권의 생성모형은 경제수준을 반영할 수 있는 가구내 종사자수와 가구소득을 사용하여 모형을 추정하였다. 유인모형은 볼티모어와 워싱턴을 각각 회귀모형을 사용하였는데, 독립변수로써 총종사자수, 수용학생수, 가구수 등을 사용하였다.
볼티모어 대도시권의 생성모형은 경제수준을 반영할 수 있는 가구내 종사자수와 가구소득을 사용하여 모형을 추정하였다. 유인모형은 볼티모어와 워싱턴을 각각 회귀모형을 사용하였는데, 독립변수로써 총종사자수, 수용학생수, 가구수 등을 사용하였다.
인디애나주의 생성 모형은 통행목적을 3개로 단순화하여 가구단위의 카테고리분석법을 적용하였다. 카테고리의 기준은 가구원수, 승용차보유대수, 지역을 사용하였다.
이를 미루어 볼 때 등교유입통행량과 1종주거지역간의 상관관계가 높게 나타난 것으로 판단된다. 학원유출 모형은 준주거지역이 변수로 사용되었다. 이는 주거지역과 인접한 준주거지역에 학원 등의 교육시설이 다수 입지하고 있음을 알 수 있다.
성능/효과
서대문구의 통근 유입모형의 경우 1종주거지역과 3차종사자가 변수로 사용되었다. 1종주거지역에 비해 3차종사자가 모형의 영향력(계수)이 크게 나타났고, 3차종사자 단일변수로 모형을 추정한 결과(R2=0.885, rmse=2,620)보다 2개의 변수를 사용한 경우 R2=0.923(rmse=2,119)으로 설명력이 높게 나타났다. 통행량과 변수를 비교했을 때 3차종사자수와 비례하지 않는 지역 중 1종주거지역 비율이 가장 높은 대신동의 통행량이 높게 나타났다.
5개구를 전체적으로 봤을 때 기존모형의 RMSE%값은 OD모형에 비해 PA모형이 전반적으로 높게 나타났고, 본 연구에서 추정한 회귀모형의 경우 OD와 PA의 RMSE%값이 크게 차이가 나지 않았다. 결과적으로 OD모형에 비해 PA모형에서 효과적으로 감소함을 알 수 있다.
PA기반 통행발생모형에서는 전반적으로 3차종사자와 6~21세인구, 가구수를 변수로 사용한 발생모형이 많이 나타났고, 기존모형과 비교했을 때 OD모형과 마찬가지로 토지이용변수를 제외하면 동일하거나 대체가능한 변수가 적용 되었다.
본 연구에서는 지역별로 토지이용변수 및 사회경제지표변수를 사용하여 오차를 줄일 수 있었다. PA기반 통행발생모형의 기존연구 추정치는 가정기반 통근, 쇼핑, 비가정 기반 쇼핑통행에서 오차가 큰 것으로 분석되었다. 이에 비해 본 연구는 상당한 오차의 감소를 보이는데 이는 지역별모형을 통해 설명력을 높일 수 있었다.
강북구는 통근유출, 업무 유출유입, 기타유출모형에 한하여 RMSE%값이 증가하였고, 나머지 OD 기반 모형 및 PA기반 모형에서는 모두 감소하는 결과를 보였다. 또한 가정기반 업무, 등교, 쇼핑의 생성 및 유인, 가정기반 기타 생성모형에서 뚜렷하게 감소한 것을 볼 수 있다.
서울 강북구와 서대문구의 경우 토지이용특성이 나타난 모형이 주로 2종주거지역에서 나타났다. 강북구의 경우 귀가유출, 기타유출모형에서 나타났고, 서대문구의 경우 귀가유출, 쇼핑유출유입, 기타 유출유입모형에서 나타났다. 이는 2개의 구가 주거기반의 중심이라는 공통적 특성이 모형에 반영된 것으로 판단된다.
5개구를 전체적으로 봤을 때 기존모형의 RMSE%값은 OD모형에 비해 PA모형이 전반적으로 높게 나타났고, 본 연구에서 추정한 회귀모형의 경우 OD와 PA의 RMSE%값이 크게 차이가 나지 않았다. 결과적으로 OD모형에 비해 PA모형에서 효과적으로 감소함을 알 수 있다.
도착지의 유인력을 거리, 토지이용면적비 등을 통해 정량화 시킨 후 해당지역이 갖는 상대적 효용을 산출하여 통행발생량을 설명하였다. 그 결과 기존 모형보다 예측력이 뛰어남을 규명했다.
김태호 외[2]는 2002, 2006년 가구통행실태조사를 이용하여 CART(Classification & Regression Tree)분석을 통해 존 특성을 분할하여 유형별 모형을 도출하고 실측치 및 SDI 결과와 출근통행에 한정하여 비교 분석하였다. 그 결과 통행유출은 사회경제적요인에 의한 시장분할을 할 경우 차이가 다소 낮으나, 유입은 발생오차가 크게 나타날 것으로 예상했다. 또한 시장분할을 통한 유형별 모형개발의 필요성을 제시했다.
그 중 통근유출, 가정기반 출·퇴근, 가정기반 등교 및 학원 유인, 가정기반 기타생성모형에서 RMSE%가 큰 폭으로 감소하였다.
980)이 큰 차이는 없었다. 그러나 0.7이하의 설명력을 갖는 모형이 OD기반(5.2%)에 비해 PA기반(9.1%)이 많이 나타났고, 0.9이상의 설명력을 갖는 모형이 OD기반이 50.0%, PA 기반이 37.5%로 나타났다. 또한 OD모형의 R2값의 평균은 0.
특히 쇼핑, 기타, 학원 통행들에서는 용도별 용적률이나 연면적데이터를 사용하여 오차를 감소시켰다. 기존 연구의 통행발생모형은 지역별로 다른 특성을 반영하지 못하여 목적별 지역별 오차범위가 다양하게 나타났으나 본 연구에서는 지역별 모형구축에 의해 지역별로 편차가 비교적 일정하며 일관성을 보이는 것으로 분석되었다.
넷째, 토지이용변수별 적용된 목적이 통근 및 업무는 상업지역이 변수로 이용이 되고, 등하교에서는 1종주거지역이 주로 이용되었으며, 학원, 쇼핑, 기타목적에서 2,3종주거지역이 주로 이용된 것을 알 수 있었다. 이에 향후 목적별 통행발생량에 대해 각 존의 용도별 면적에 따라 통행량을 판단한 후 첨단교통 정보시스템(ATIS)이나 교통주차 안내시스템(PIS) 등과 같은 정보제공 관련 ITS시설의 설치를 확충해야 할 것으로 사료된다.
둘째, 기존 통행발생모형과 본 연구의 지역별 통행발생모형의 추정치 비교결과 공통적으로 OD기반 통행발생모형이 PA기반 통행발생모형에 비해 설명력이 높은 것으로 분석되었고 RMSE%의 경우 유사하게 나타났다. OD와 PA의 목적별 비교는 우위를 정하기 어려우므로 분석가의 OD 또는 PA기반의 수요추정방법에 따라 토지이용을 고려한 적합한 통행 발생모형을 선택하면 될 것이다.
본 연구에서는 통행발생모형을 추정함에 있어서 각 지역의 토지이용변수를 고려한 통행발생 모형을 구축하여 전반적으로 오차를 감소시킬 수 있었으며, 지역별 특성에 맞는 토지이용변수의 이용이 오차 감소의 주요 요인이 되었다. 따라서 본 연구에서 제시한 사회경제지표 및 토지이용변수를 활용하여 각 지역별 모형을 추정한 결과가 기존 연구보다 우수한 것을 알 수 있었다.
5%로 나타났다. 또한 OD모형의 R2값의 평균은 0.877, PA기반 모형의 R2값은 0.840으로 OD기반 모형의 설명력이 높은 것으로 분석되었다.
7이 90%)으로 서울시와 유사하게 나타났다. 또한 독립변수의 경우 사회경제지표 및 일부 토지이용 변수들이 통계적으로 유의하게 나타났으나 시가화율이 낮은 지역의 경우 토지이용변수가 유의하지 않게 나타났다.
수원시의 경우 가정기반 기타모형에서 2,3종주거 지역이 3차종사자와 같이 사용되었는데 이는 OD기반 기타유출모형과 동일한 변수이다. 또한 비가정기반 업무유인모형도 상업지역과 총종사자수를 변수로 사용하여 OD기반 업무유입모형과 동일하게 나타났다. 추가적으로 가정기반 출퇴근생성모형에서 주거지역과 2차종사자수가 사용되었다.
7이 90%)으로 높게 나타나 모형의 적합도가 높은 것으로 판단된다. 또한 인구 및 사회경제지표들 이외에 일부 토지이용변수들이 통계적으로 유의한 것으로 나타났다.
먼저 서울시 강남구의 경우 쇼핑유입, 기타유출, 가정기반 등교생성, 비가정기반 쇼핑유인, 비가정기반 기타생성모형을 제외한 나머지 모형에서 RMSE%가 감소했고 특히 통근유출, 가정기반 출·퇴근 생성 및 유인, 가정기반 학원발생모형에서 RMSE%가 절반이상 감소하였다.
목적별로는 기존연구의 OD기반 통행발생모형에서는 쇼핑, 학원 유입통행이 가장 큰 오차를 보이며 지역별 차이도 크게 분석되었다. 본 연구에서는 지역별로 토지이용변수 및 사회경제지표변수를 사용하여 오차를 줄일 수 있었다.
목적별로는 기존연구의 OD기반 통행발생모형에서는 쇼핑, 학원 유입통행이 가장 큰 오차를 보이며 지역별 차이도 크게 분석되었다. 본 연구에서는 지역별로 토지이용변수 및 사회경제지표변수를 사용하여 오차를 줄일 수 있었다. PA기반 통행발생모형의 기존연구 추정치는 가정기반 통근, 쇼핑, 비가정 기반 쇼핑통행에서 오차가 큰 것으로 분석되었다.
본 연구에서는 통행발생모형을 추정함에 있어서 각 지역의 토지이용변수를 고려한 통행발생 모형을 구축하여 전반적으로 오차를 감소시킬 수 있었으며, 지역별 특성에 맞는 토지이용변수의 이용이 오차 감소의 주요 요인이 되었다. 따라서 본 연구에서 제시한 사회경제지표 및 토지이용변수를 활용하여 각 지역별 모형을 추정한 결과가 기존 연구보다 우수한 것을 알 수 있었다.
본 연구에서 추정한 지역별 통행발생모형에 대한 검증을 위해 2006년 가구통행실태조사 전수화 자료를 기준으로 비교검증하였다. 비교 결과를 도출하기 위해서 RMSE (Root Meet Square Error)와 RMSE%를 제시하였으며, RMSE% 값이 낮을수록 모형의 설명력이 높음을 나타낸다. 수식은 다음과 같다.
서대문구는 OD모형과 유사하게 2종주거지역 건축물 연면적을 사용한 모형이 가정기반 학원생성, 비가정기반 업무 생성 및 유인, 쇼핑 생성, 기타 생성 및 유인 모형에서 나타났다. 또한 비가정기반 모형에서 이용된 경우 사회경제지표(3차종사자)와 함께 다중회귀모형으로 추정을 하여 단일변수로 추정 했을 때보다 높은 설명력을 보이고 있다.
서대문구는 학원유출유입, 쇼핑유입, 가정기반학원 생성모형에서 약간의 증가가 보였고, 그 이외의 모형에서는 모두 오차가 감소하였다. 다른 구에서 출·퇴근에 대한 모형의 RMSE%값이 크게 감소하는데 반하여 서대문구의 감소율은 타 구에 비해 미미하게 나타났다.
서울시 5개구의 PA모형은 전반적으로 OD모형에 비해 토지이용변수의 상관성이 다소 낮게 나타남을 알 수 있었다. 이는 PA기반이 귀가목적을 포함하여 양쪽의 특성을 모두 반영하기 때문으로 출도착지의 토지이용이 다른 경우 상관성이 떨어지는 것으로 판단할 수 있다.
셋째, 기존 모형에서는 사용변수가 사회경제지표로 국한되었는데, 사회경제지표의 단위도 행정동단위이기 때문에 보다 작은 존으로 세분화 할 경우 지표이용에 한계가 있으며, 특히 쇼핑, 학원, 기타 통행 등의 모형 구축에 있어 사회경제지표의 설명력이 상대적으로 떨어지는 단점이 있다. 본 연구에서는 토지이용 변수를 사용하여 모형의 설명력을 높였다.
셋째, 토지이용 특성을 고려하기 위해 각 지역에 따라 상관도가 높은 변수들을 조합하여 다중공선성과 유의도를 판단한 후 OD 및 PA 기반 별로 통행발생모형을 정립한다.
수원시를 제외한 5개시에서 공통적으로 쇼핑유출에 대해 RMSE%값이 크게 감소하였고, 평택시와 이천시의 가정기반 등교유인모형에서 오차의 감소가 두드러졌다.
5) 이상을 나타내는 변수들을 대상으로 다중공선성과 t값에 의해 통계적 유의성을 판단한 후 가장 설명력(R2)이 높은 변수에 대해 각 목적별 통행발생 모형을 추정하였다. 이 중 다중공선성의 경우 VIF검증을 통해 수치가 10이상인 결과는 모형에서 제외시켰으며, 대부분 VIF값이 4이내로 다중공선성이 나타나지 않는 것으로 분석되었다.
특히 경기지역에서 기존모형을 사용한 경우 지역적 차이를 두지 않기 때문에 인구밀도와 시가화율이 낮은 지역에서 오차가 크게 나타나는 경향을 보였다. 이에 비해 본연구의 통행발생 모형은 지역별로 RMSE%의 결과가 더 고르게 나타났으며 전반적으로 기존모형에 비해 오차가 감소함을 보였다. 이는 토지이용 특성에 따른 변수사용에 의한 결과임을 알 수 있다.
전체적인 결과를 보면, 기존모형은 주거특성이 강한 지역에서의 추정에는 오차범위가 작으나, 2·3차 산업 비중이 높은 지역에서는 설명력이 많이 떨어지는 것으로 분석되었다.
먼저 서울시 강남구의 경우 쇼핑유입, 기타유출, 가정기반 등교생성, 비가정기반 쇼핑유인, 비가정기반 기타생성모형을 제외한 나머지 모형에서 RMSE%가 감소했고 특히 통근유출, 가정기반 출·퇴근 생성 및 유인, 가정기반 학원발생모형에서 RMSE%가 절반이상 감소하였다. 중구의 발생모형에서는 통근유입, 업무유출, 기타유출, 비가정기반 업무 모형에서 증가했고 나머지 모형은 모두 감소함을 보였다. 그 중 통근유출, 가정기반 출·퇴근, 가정기반 등교 및 학원 유인, 가정기반 기타생성모형에서 RMSE%가 큰 폭으로 감소하였다.
첫째, 기존모형의 경우 주거 특성이 강한 지역의 추정에서는 오차범위가 적으나, 2·3차 산업비중이 높은 지역에서는 설명력이 떨어지는 것으로 분석되었다.
923(rmse=2,119)으로 설명력이 높게 나타났다. 통행량과 변수를 비교했을 때 3차종사자수와 비례하지 않는 지역 중 1종주거지역 비율이 가장 높은 대신동의 통행량이 높게 나타났다. 이는 대신동 1종주거지역에 연세대, 이화여대가 입지하여 출근통행의 유입요인이 된 것으로 보여진다.
후속연구
둘째, 기존 통행발생모형과 본 연구의 지역별 통행발생모형의 추정치 비교결과 공통적으로 OD기반 통행발생모형이 PA기반 통행발생모형에 비해 설명력이 높은 것으로 분석되었고 RMSE%의 경우 유사하게 나타났다. OD와 PA의 목적별 비교는 우위를 정하기 어려우므로 분석가의 OD 또는 PA기반의 수요추정방법에 따라 토지이용을 고려한 적합한 통행 발생모형을 선택하면 될 것이다.
넷째, 구축한 통행발생모형에서 도출한 예측치와 기존 보고서의 모형식의 예측치에 대하여 전수화된 발생량과의 RMSE%를 각각 산정하고 비교분석을 수행한 후 검증결과를 종합하여 향후 연구과제를 제시한다.
둘째, 자료의 통행발생모형 구축에 있어서 토지이용변수의 장래치 적용에 대한 한계이다. 일반적으로 사회경제지표의 장래 추정은 다양한 방법론이 제시되어 있다.
기존시가지의 경우 토지이용의 변화가 적기 때문에 장래 변화가능성이 적으나, 지방중소도시의 경우 개발가능성이 높기 때문에 통행량의 변화가 커질 것으로 예상되므로 용도지역 지정과 개발 시점간 통행량의 차이를 설명하는 어려움이 있다. 따라서 토지이용지표를 적용하는데 있어서 개발 시기에 따른 토지이용의 합리적인 기준이 필요하며 이를 통행발생 추정에 적용한다면, 교통수요예측의 정확성과 신뢰성을 높일 수 있을 것으로 판단된다.
본 연구에서 지역별로 각각의 통행발생 모형을 구축하였으나 전국적으로 각 지역별 모형을 구축하는 것은 어려울 것으로 사료된다. 이에 각 지역을 특성별로 유형화하여 모형을 적용할 경우 기존의 모형보다 발생오차를 줄일 수 있을 것으로 기대된다.
넷째, 토지이용변수별 적용된 목적이 통근 및 업무는 상업지역이 변수로 이용이 되고, 등하교에서는 1종주거지역이 주로 이용되었으며, 학원, 쇼핑, 기타목적에서 2,3종주거지역이 주로 이용된 것을 알 수 있었다. 이에 향후 목적별 통행발생량에 대해 각 존의 용도별 면적에 따라 통행량을 판단한 후 첨단교통 정보시스템(ATIS)이나 교통주차 안내시스템(PIS) 등과 같은 정보제공 관련 ITS시설의 설치를 확충해야 할 것으로 사료된다.
본 연구에서는 토지이용 변수를 사용하여 모형의 설명력을 높였다. 토지이용변수로써 용도별 용적률과 용도별 연상면적을 사용하였는데, 보다 세분화된 건축물 용도를 변수로 사용한다면 설명력을 더 높일 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
통행발생단계에서는 무엇을 예측하는가?
일반적으로 통행발생단계에서는 계획 대상도시 지역의 장래 지표에 대한 정량적 예측을 기반으로 각 존 단위로 통행발생량을 예측한다. 현재 통행발생모형으로 도시교통 및 SOC 시설 등의 계획에 널리 사용되고 있는 것은 선형회귀모형이다.
4단계 모형의 특징은 수요예측의 순차성인데 이것은 무엇을 말하는가?
4단계 모형이 다른 접근법과 구별되는 특징은 수요예측의 순차성이다. 이는 통행발생, 통행배분, 통행수단선택, 노선배정의 개별적 과정을 거치는 것을 말한다. 이 과정에서 개별 단계는 선행단계의 추정결과에 근거하여 모형을 수립하므로 앞 단계에서의 결과에 오차가 있을 경우 다음 단계에 그 오차가 그대로 반영이 되며 더욱 증폭되는 특성을 갖기 때문에 앞 단계에서 정확한 분석이 이루어지지 않으면 다음 단계에서의 정확한 분석 결과를 기대하기 어렵다.
통행발생모형으로 도시교통 및 SOC 시설 등의 계획에 널리 사용되고 있는 것은 무엇인가?
일반적으로 통행발생단계에서는 계획 대상도시 지역의 장래 지표에 대한 정량적 예측을 기반으로 각 존 단위로 통행발생량을 예측한다. 현재 통행발생모형으로 도시교통 및 SOC 시설 등의 계획에 널리 사용되고 있는 것은 선형회귀모형이다. 대부분의 선형회귀모형은 오차에 대한 가정과 각종 사회 경제지표와 통행발생량의 관계가 선형임을 전제로 한다.
YAO Liya, GUAN Hongzhi and YAN Hai, "Trip Generation Model Based on Destination Attractiveness," TSINGHUA SCIENCE AND TECHNOLOGY ISSN, vol. 13, no. 5, 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.