관측 교통수단 분담률 자료를 활용한 도시철도 신설 후 수단분담률 예측분석 기법 A Technique of Forecasting Market Share of Transportation Modes after Introducing New Lines of Urban Rail Transit with Observed Mode Share Data원문보기
본 연구는 기존 도시철도 운영 하에서 관측된 교통수단 분담률을 반영하면서 추가적인 도시철도 신설노선 완공 후 수단분담률을 추정하는 방법론을 제안하였다. 통행자의 도시철도 이용 패턴을 현실적으로 반영하기 위해 관측된 표본자료를 기반으로 전수화된 수단별 O/D 자료를 통행거리, 접근시간, 접근유형(환승 횟수)에 따라 카테고리화 하여 수단분담률을 분류하였다. 수단선택 분석 기법으로는 관측된 수단분담률에 기초하는 점진적 로짓모형을 이용하였다. 도시철도 이용 패턴을 카테고리화 하여 분석한 결과, 장거리 통행이거나 환승이 적을수록 도시철도 수단분담률이 높았으며, 또한 도시 철도 역에 접근시간이 작을수록 역시 도시철도 수단분담률이 높은 결과를 관측 자료인 기준연도 O/D 자료에서 분석되었다. 기존 도시철도 서비스 수준 하에서의 교통수단 분담률을 기본 자료로 하고, 신설 노선으로 제공되는 도시철도 서비스 수준과 카테고리화 된 도시철도 서비스 수준의 차이를 점진적 로짓모형에 적용함으로써 신설 도시철도가 제공하는 서비스 수준 하에서의 교통수단 분담률을 추정하였다. 이와 같이 추정된 잠정적 교통수단 분담률을 기초로 기준연도와 예측연도의 교통환경 변화를 반영하여 점진적 로짓모형을 분석함으로써 모든 교통수단의 장래 수단분담률을 예측 분석하는 방법론을 제시하였다. 본 연구에서 제안한 방법론은 기존 SP 자료의 적용이 어려운 경우 활용 가능하며, 기존 도시철도의 분담률 자료가 확보된 상황에서 가법적 로짓모형의 적용보다 이론적, 논리적 측면에서 더욱 우수하다고 고려된다.
본 연구는 기존 도시철도 운영 하에서 관측된 교통수단 분담률을 반영하면서 추가적인 도시철도 신설노선 완공 후 수단분담률을 추정하는 방법론을 제안하였다. 통행자의 도시철도 이용 패턴을 현실적으로 반영하기 위해 관측된 표본자료를 기반으로 전수화된 수단별 O/D 자료를 통행거리, 접근시간, 접근유형(환승 횟수)에 따라 카테고리화 하여 수단분담률을 분류하였다. 수단선택 분석 기법으로는 관측된 수단분담률에 기초하는 점진적 로짓모형을 이용하였다. 도시철도 이용 패턴을 카테고리화 하여 분석한 결과, 장거리 통행이거나 환승이 적을수록 도시철도 수단분담률이 높았으며, 또한 도시 철도 역에 접근시간이 작을수록 역시 도시철도 수단분담률이 높은 결과를 관측 자료인 기준연도 O/D 자료에서 분석되었다. 기존 도시철도 서비스 수준 하에서의 교통수단 분담률을 기본 자료로 하고, 신설 노선으로 제공되는 도시철도 서비스 수준과 카테고리화 된 도시철도 서비스 수준의 차이를 점진적 로짓모형에 적용함으로써 신설 도시철도가 제공하는 서비스 수준 하에서의 교통수단 분담률을 추정하였다. 이와 같이 추정된 잠정적 교통수단 분담률을 기초로 기준연도와 예측연도의 교통환경 변화를 반영하여 점진적 로짓모형을 분석함으로써 모든 교통수단의 장래 수단분담률을 예측 분석하는 방법론을 제시하였다. 본 연구에서 제안한 방법론은 기존 SP 자료의 적용이 어려운 경우 활용 가능하며, 기존 도시철도의 분담률 자료가 확보된 상황에서 가법적 로짓모형의 적용보다 이론적, 논리적 측면에서 더욱 우수하다고 고려된다.
This study suggested a method of forecasting market-share of each mode after introducing new urban rail transit lines. The study reflected the observed market share of presently operating urban rail transit into forecasting process in order to improve accuracy in predicting market share of each mode...
This study suggested a method of forecasting market-share of each mode after introducing new urban rail transit lines. The study reflected the observed market share of presently operating urban rail transit into forecasting process in order to improve accuracy in predicting market share of each modes. For more realistic representation of the forecasting model, we categorized O/D pairs according to attributes of trip distance, access time and number of transfers. The analysis results of traveler's mode choice behavior with observed data showed that the trip distances are longer, the share of urban rail tends to be higher, and that the number of transfers is fewer and the access times are lesser, the share of urban rail also tends to be higher. Then, incremental logit model was used in estimating mode choice probabilities for O/D pairs along with rail transit lines while utilizing observed market shares of each modes and differences in transit service level. As the next step, the market share of rail transit after introducing new rail transit lines was forecasted by using incremental logit model with the intial share values calculated the previous analysis step. It also reflected changes in level of service for automobile in highway due to changes in highway systems and changes in mode shares after introducing new lines of rail transit. It can be expected that the proposed method would more realistically duplicates phenomena of mode choice behavior for rail transit and that it would be more theoretically logical than the typical existing methods using SP data and incremental logit model or using addictive logit model in this country.
This study suggested a method of forecasting market-share of each mode after introducing new urban rail transit lines. The study reflected the observed market share of presently operating urban rail transit into forecasting process in order to improve accuracy in predicting market share of each modes. For more realistic representation of the forecasting model, we categorized O/D pairs according to attributes of trip distance, access time and number of transfers. The analysis results of traveler's mode choice behavior with observed data showed that the trip distances are longer, the share of urban rail tends to be higher, and that the number of transfers is fewer and the access times are lesser, the share of urban rail also tends to be higher. Then, incremental logit model was used in estimating mode choice probabilities for O/D pairs along with rail transit lines while utilizing observed market shares of each modes and differences in transit service level. As the next step, the market share of rail transit after introducing new rail transit lines was forecasted by using incremental logit model with the intial share values calculated the previous analysis step. It also reflected changes in level of service for automobile in highway due to changes in highway systems and changes in mode shares after introducing new lines of rail transit. It can be expected that the proposed method would more realistically duplicates phenomena of mode choice behavior for rail transit and that it would be more theoretically logical than the typical existing methods using SP data and incremental logit model or using addictive logit model in this country.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 기존 방법이 가진 단점을 극복하기 위해 관측된 교통수단 분담률을 기반으로 추가적인 도시철도 신설노선 완공 후 교통수단 분담률을 추정하는 방법론을 제안하고자 한다. 또한 대중교통 존 세분화와 도시철도 통행 특성을 카테고리화하여 도시철도 신설에 따른 수단분담률 예측 정확성을 향상시키고자 하였다.
따라서 본 연구는 기존 방법이 가진 단점을 극복하기 위해 관측된 교통수단 분담률을 기반으로 추가적인 도시철도 신설노선 완공 후 교통수단 분담률을 추정하는 방법론을 제안하고자 한다. 또한 대중교통 존 세분화와 도시철도 통행 특성을 카테고리화하여 도시철도 신설에 따른 수단분담률 예측 정확성을 향상시키고자 하였다.
본 연구는 KTDB에서 제공하고 있는 광주광역권 네트워크 자료를 기반으로 대중교통 네트워크를 수정, 재구축을 하였다. 교통존 세분화를 위한 기본적 원칙은 다음과 같다.
본 연구는 기존 O/D 자료를 활용하여 통행패턴을 카테고리화 하고, 기존 노선의 서비스 속성과 신설노선으로 새롭게 제공될 서비스 속성을 점진적 로짓모형에 적용하여 도시철도 신설에 따른 수단분담률을 추정하는 방법을 새롭게 제안하고자 한다.
본 연구는 기존 도시철도가 운영되고 있는 지역의 관측 교통수단 분담률을 활용하여 도시철도 신설로 인한 교통수단 분담률의 변화를 예측하는 방법론을 제시하고자 한다. 분석의 공간적 범위는 도시철도의 특성을 고려하여 노선의 영향을 받는 해당 도시의 내부로 한정한다.
본 연구는 도시철도 신설에 따른 수단분담률 추정의 정확성을 향상시키기 위해 관측된 교통수단 분담률 자료와 점진적 로짓모형을 활용하여 분석하는 방법을 제안하였다. 기존 연구방법은 단일 수단분담모형으로 전반적인 수단분담률을 예측하여 각 O/D쌍 간 지역적 특성, 도시철도 수단의 접근도 등을 현실적으로 반영하기 어렵다.
가설 설정
본 연구에서는 세분화 존의 유입, 유출 통행량 배분에 사용되는 기준지표로써 인구밀도가 동일하다는 가정 하에서 면적 비례로 배분하였다. 향후 정부의 기초 자료가 확보된다면 획지 단위별 토지이용과 GIS 정보를 활용하여 세분화 존의 유입, 유출 통행량 추정을 정교화하는 연구가 진행될 수 있을 것으로 판단된다.
본 연구는 기존 도시철도가 운영되고 있는 지역의 관측 교통수단 분담률을 활용하여 도시철도 신설로 인한 교통수단 분담률의 변화를 예측하는 방법론을 제시하고자 한다. 분석의 공간적 범위는 도시철도의 특성을 고려하여 노선의 영향을 받는 해당 도시의 내부로 한정한다. 사례 연구지역으로는 광주광역시를 대상으로 분석하였다.
O/D 간 통행거리에 의한 카테고리 구분은 3km 이하, 3km ∼ 8km, 8km 이상으로 설정하였으며, 도시철도 역까지의 접근시간에 의한 카테고리 구분은 10분 이하, 10분 ∼ 20분, 20분 이상으로 설정하였다. 여기서 O/D 간 통행거리와 접근시간은 최단경로를 이용한다는 가정하에 O/D 간 최단경로 결과 값을 사용하였다.
넷째, 예측연도의 각 O/D쌍이 해당하는 카테고리 유형에 해당 카테고리의 평균적 도시철도 분담률을 부여한다. 타 교통수단의 분담률은 기존 분담률 비율에 따라 추정된 도시철도 분담률 만큼 통행이 도시철도로 전환한 것으로 가정하고 교통수단별 분담률을 산출하여 초기 값으로 사용한다. 그러나 다음과 같은 경우는 해당 O/D쌍의 관측된 수단분담률 값을 그대로 사용하는 것이 카테고리별 평균적 교통수단 분담률을 적용하는 것보다 오류가 적을 것으로 본 연구에서는 판단하였다.
제안 방법
O/D 간 통행거리에 의한 카테고리 구분은 3km 이하, 3km ∼ 8km, 8km 이상으로 설정하였으며, 도시철도 역까지의 접근시간에 의한 카테고리 구분은 10분 이하, 10분 ∼ 20분, 20분 이상으로 설정하였다.
관측 표본자료를 기준으로 전수화하여 구축된 KTDB의 광주광역권 기준연도 O/D를 이용하여 대중교통 이용 패턴을 분석하였다. 여기서, 기준연도는 한국교통연구원에서 배포한 연도별 O/D 중 가구통행실태조사에 기초한 최초연도를 의미한다.
셋째, 세분화 된 교통존의 통행유출 및 유입 통행량은 세분화되기 전 행정동 단위의 교통존 내 인구밀도는 균일하다는 가정에 따라 세분화 된 존의 면적비율을 기준으로 배분한다. 넷째, 도시철도 역사가 행정동 경계에 걸쳐진 경우 역사 인근에 있는 여러 교통존에서 접근 가능하도록 네트워크를 구축한다.
이와 같은 도로에서의 통행시간 변화를 반영하기 위해 단계2에서 보정된 O/D 교통량을 적용하여 도시철도 사업시행시의 도로 통행배정(highway traffic assignment)을 수행하게 된다. 다음으로 통행배정 결과를 이용하여 도시철도 신설로 인한 도로교통 통행시간 반영 전과 반영 후의 통행시간의 차이를 산출한다.
먼저 접근수단을 고려한 대중교통 존 세분화의 수행방법을 정리하였다. 다음으로, 관측된 표본자료를 기반으로 전수화된 수단별 O/D 자료를 접근유형(환승 횟수), 통행거리, 접근시간에 따라 카테고리화하여 도시철도 이용 패턴의 분석 방법을 정리하였다. 마지막으로 카테고리별 수단분담률과 점진적 로짓모형을 이용하여 장래 도시철도 신설에 따른 분담률 추정 방법을 정리하였다.
SG Associates, Inc and Volpe National Transportation System Center(1998)는 [Table 1]과 같이 대중교통 수요예측의 정확성 향상을 위해 대중교통 수단별, 접근유형별로 존을 세분화하는 방법을 구체적으로 제시하였다. 대중교통 이용자가 도보로 접근할 수 있는 거리를 기준으로 크게 walk access와 drive access 존을 구분하는 방법과 short-walk, longwalk, drive only로 존을 세분화하는 방법을 제안하였다.
둘째, 도시철도의 접근유형(환승 횟수), 통행거리, 접근시간 카테고리별 다른 수단선택 행태의 관측 교통수단분담률을 예측에 반영한 방법을 제안하였다. 가구통행실태 표본조사 자료를 기반으로 한 전수화 O/D자료에서 통행거리가 멀어질수록, 환승 횟수가 작을수록, 역까지의 접근시간이 짧을수록 도시철도 분담률이 높아지는 현상이 분석을 통해 관측되었다.
둘째, 산출된 각 속성 값을 이용하여 개별 O/D쌍이 어떤 카테고리에 해당하는지를 결정한다. 다음으로 카테고리별 평균적 교통수단 분담률 값을 산출한다.
다음으로, 관측된 표본자료를 기반으로 전수화된 수단별 O/D 자료를 접근유형(환승 횟수), 통행거리, 접근시간에 따라 카테고리화하여 도시철도 이용 패턴의 분석 방법을 정리하였다. 마지막으로 카테고리별 수단분담률과 점진적 로짓모형을 이용하여 장래 도시철도 신설에 따른 분담률 추정 방법을 정리하였다.
먼저 접근수단을 고려한 대중교통 존 세분화의 수행방법을 정리하였다. 다음으로, 관측된 표본자료를 기반으로 전수화된 수단별 O/D 자료를 접근유형(환승 횟수), 통행거리, 접근시간에 따라 카테고리화하여 도시철도 이용 패턴의 분석 방법을 정리하였다.
먼저 특정 반경 내에 센트로이드가 존재하면 도시철도로 직접 접근이 가능한 ‘직결’ 유형으로 고려하였으며, 아닌 경우는 접근교통수단(feeder)에 의해 도시철도역에 접근하는 ‘환승’ 유형으로 구분하였다.
도시철도 이용패턴 분석 결과, 접근유형(환승 횟수), 통행거리, 접근시간이 교통수단 분담률에 영향을 주는 요소로 파악되었다. 세 가지 요소를 기준으로 도시철도 이용패턴을 카테고리화 하여 자료로부터 평균적 교통수단별 분담률을 산출하였다. 각 카테고리에 대한 세부적인 구분 기준은 다음과 같다.
셋째, 장래 도시철도 신설 노선을 반영한 네트워크와 장래 O/D자료를 이용하여 예측연도의 각 O/D쌍이 어떤 카테고리 유형에 속하는지를 분류한다. 여기서 예측 연도의 카테고리 유형 분류기준과 속성 산출방법은 기준 연도와 동일한 방법으로 산출한다.
앞서 설명된 분석방법론을 이용하여 [Figure 9]와 같은 광주광역권의 가상의 도시철도 노선을 구성하여 2021년 수단분담률 예측을 사례적으로 분석하였다. 가상의 신규도시철도는 15.
3) 단계3: 예측연도 도시철도 건설 후 서비스 변화를 반영한 교통수단 분담률 예측
예측연도의 도로의 신설/확장으로 인한 도로의 교통서비스 수준변화와 도시철도망의 선로용량 개량화, 기존 선의 복선화 등으로 인한 도시철도 서비스의 변화를 반영하여 모든 교통수단의 상대적 서비스 변화에 따른 교통수단 분담률을 예측한다. 단계3의 수행 절차는 다음과 같다.
점진적 로짓모형의 효용함수에 사용되는 총통행시간은 통행배정 결과 값을 사용하였다. 즉 도로부문은 분석 연도별 도로 네트워크(highway network)에 통행배정으로 얻은 경로통행시간을 사용하였으며, 철도부문은 대중교통 노선배정으로 얻은 차내시간과 차외시간을 적용하였다. 여기서 차외시간은 접근시간, 대기시간, 환승시간을 모두 포함한 시간을 의미한다.
셋째, 위와 같은 과정을 O/D의 수단분담률이 안정화될 때까지 반복 수행한다. 즉, 사업 시행으로 달라진 도로 이용수단의 통행시간을 점진적 로짓모형에 다시 적용하여 수단별 O/D를 재산출하는 과정을 통해 균형상태(equilibrium)의 최종 수단별 O/D를 산출한다. [Figure 8]은 단계3의 수행과정을 도식화한 것이다.
둘째, 도시철도역과 한계 도보거리보다 멀리 존재하는 교통존은 도로 네트워크에 의해 최단경로를 이용하는 접근교통수단으로 연결한다. 즉, 센트로이드에 인접한 하위 기능위계의 도로에 센트로이드 커넥터를 연결하여 비논리적인 역별 통행배정량을 최소화시킬 수 있도록 수정한다. 셋째, 세분화 된 교통존의 통행유출 및 유입 통행량은 세분화되기 전 행정동 단위의 교통존 내 인구밀도는 균일하다는 가정에 따라 세분화 된 존의 면적비율을 기준으로 배분한다.
첫째, 기준연도 O/D자료를 이용하여 개별 O/D쌍의 접근유형(환승 횟수), 통행거리, 접근시간 값을 산출한다. 접근유형(환승 횟수)은 도시철도 역을 기준으로 반경거리 내부존(직결존)과 반경거리 외부존(환승존)으로 구분하여 유형을 정의한다.
첫째, 도시철도역과 통행자의 접근방법을 고려하여 존을 세분화함으로써 불합리한 도시철도역 접근패턴을 줄이고자 노력하였다. 존 세분화와 센트로이드 커넥터의 조정으로 불합리적인 통행배정 결과를 사전에 방지할 수 있었으며, 도시철도를 이용하는 이용자의 접근 행태를 현실성 있게 반영할 수 있었다.
대상 데이터
본 연구는 광주광역권 네트워크 및 O/D자료를 이용하여 사례분석을 수행하였다. O/D 간 통행거리에 의한 카테고리 구분은 3km 이하, 3km ∼ 8km, 8km 이상으로 설정하였으며, 도시철도 역까지의 접근시간에 의한 카테고리 구분은 10분 이하, 10분 ∼ 20분, 20분 이상으로 설정하였다.
분석의 공간적 범위는 도시철도의 특성을 고려하여 노선의 영향을 받는 해당 도시의 내부로 한정한다. 사례 연구지역으로는 광주광역시를 대상으로 분석하였다. 현실적인 대중교통 이용자의 통행패턴을 반영하기 위한 본 연구의 내용은 다음과 같다.
이론/모형
본 연구에서 제안한 분석방법에서 단계2와 단계3은 분석기법으로 점진적 로짓모형을 사용한다. 단계2는 카테고리별 평균적인 도시철도 서비스 수준과 신설 노선 추가로 제공되는 도시철도 서비스 수준의 차이를 점진적 로짓모형으로 분석하여 신설 도시철도의 교통수단 분담률을 추정한다.
성능/효과
본 연구에서 제안한 분석방법은 크게 (단계 1) 기존 O/D를 이용하여 카테고리별 평균적 교통수단 분담률을 산출하는 단계, (단계 2) 카테고리별 도시철도 기준 서비스와 신설될 도시철도 서비스의 차이를 반영하는 단계, (단계 3) 사업시행과 미시행 간의 서비스 변화를 점진적 로짓모형을 이용하여 사업시행 최종 수단분담률을 예측하는 단계로 구분된다.
둘째, 도시철도의 접근유형(환승 횟수), 통행거리, 접근시간 카테고리별 다른 수단선택 행태의 관측 교통수단분담률을 예측에 반영한 방법을 제안하였다. 가구통행실태 표본조사 자료를 기반으로 한 전수화 O/D자료에서 통행거리가 멀어질수록, 환승 횟수가 작을수록, 역까지의 접근시간이 짧을수록 도시철도 분담률이 높아지는 현상이 분석을 통해 관측되었다.
여기서, 기준연도는 한국교통연구원에서 배포한 연도별 O/D 중 가구통행실태조사에 기초한 최초연도를 의미한다. 도시철도 이용패턴 분석 결과, 접근유형(환승 횟수), 통행거리, 접근시간이 교통수단 분담률에 영향을 주는 요소로 파악되었다. 세 가지 요소를 기준으로 도시철도 이용패턴을 카테고리화 하여 자료로부터 평균적 교통수단별 분담률을 산출하였다.
둘째, 관측 자료에 의한 카테고리별 분담률 산출 시 도시철도 노선 선형과 도시철도 신설 후 특정 O/D쌍을 연결하는 도시철도 노선 선형과의 차이로 서비스 수준에 차이가 존재할 수 있다. [Figure 7]은 관측 자료에서 산출된 카테고리별 기준 수단분담률을 그대로 적용할 때 발생할 수 있는 문제를 예시한 것이다.
첫째, 도보 가능한 지역은 하나의 교통존에 같은 노선 상의 철도역이 하나만 연결될 수 있도록 구분한다. 둘째, 도시철도역과 한계 도보거리보다 멀리 존재하는 교통존은 도로 네트워크에 의해 최단경로를 이용하는 접근교통수단으로 연결한다. 즉, 센트로이드에 인접한 하위 기능위계의 도로에 센트로이드 커넥터를 연결하여 비논리적인 역별 통행배정량을 최소화시킬 수 있도록 수정한다.
분석 결과는 단계2에서 산출된 수단분담률을 사업시행에 따른 초기 수단분담률로 입력하고, 수단분담모형의 βk 중 통행시간 계수만을 고려하여 점진적 로짓모형을 1회 반복한 결과이다.
분석결과 [Table 2]와 같이 직결 O/D 유형에서 통행거리가 8km 이상일 때 도시철도의 분담률은 64.3%로 가장 높았으며, 1회 환승 O/D 유형에서도 통행거리가 8km 이상 일 때 44.5%로 비교적 높은 도시철도 분담률이 나타났다. 즉, 8km 이상의 장거리 통행에서는 도시철도를 비교적 높은 비율로 선택하는 것으로 나타났다.
셋째, 도시철도 신설에 따른 도시철도 분담률 예측 분석에서 SP 자료와 zero cell로 인한 점진적 로짓모형의 적용의 어려움, 그리고 가법적 로짓모형의 이론적 한계성을 극복할 수 있도록 관측 분담률 자료와 점진적 로짓모형을 활용한 분석기법을 제안하였다는데 의미가 있다.
즉, 센트로이드에 인접한 하위 기능위계의 도로에 센트로이드 커넥터를 연결하여 비논리적인 역별 통행배정량을 최소화시킬 수 있도록 수정한다. 셋째, 세분화 된 교통존의 통행유출 및 유입 통행량은 세분화되기 전 행정동 단위의 교통존 내 인구밀도는 균일하다는 가정에 따라 세분화 된 존의 면적비율을 기준으로 배분한다. 넷째, 도시철도 역사가 행정동 경계에 걸쳐진 경우 역사 인근에 있는 여러 교통존에서 접근 가능하도록 네트워크를 구축한다.
첫째, 도시철도역과 통행자의 접근방법을 고려하여 존을 세분화함으로써 불합리한 도시철도역 접근패턴을 줄이고자 노력하였다. 존 세분화와 센트로이드 커넥터의 조정으로 불합리적인 통행배정 결과를 사전에 방지할 수 있었으며, 도시철도를 이용하는 이용자의 접근 행태를 현실성 있게 반영할 수 있었다.
5%로 비교적 높은 도시철도 분담률이 나타났다. 즉, 8km 이상의 장거리 통행에서는 도시철도를 비교적 높은 비율로 선택하는 것으로 나타났다. 또한 통행거리가 3km 이하인 경우 승용차 분담률이 높은 것으로 분석되었다.
교통존 세분화를 위한 기본적 원칙은 다음과 같다. 첫째, 도보 가능한 지역은 하나의 교통존에 같은 노선 상의 철도역이 하나만 연결될 수 있도록 구분한다. 둘째, 도시철도역과 한계 도보거리보다 멀리 존재하는 교통존은 도로 네트워크에 의해 최단경로를 이용하는 접근교통수단으로 연결한다.
첫째, 도시철도의 신설은 승용차, 택시 및 버스 통행이 일부 도시철도 통행으로 전환될 것이며, 이와 같은 도로 이용 교통수단의 통행감소는 도로에서의 통행시간에 변화를 주게 된다. 이와 같은 도로에서의 통행시간 변화를 반영하기 위해 단계2에서 보정된 O/D 교통량을 적용하여 도시철도 사업시행시의 도로 통행배정(highway traffic assignment)을 수행하게 된다.
첫째, 신설 도시철도의 속도 향상과 같이 기능향상에 의해 서비스수준의 변화가 존재할 수 있으므로 카테고리별 기준 분담률 산출 시의 도시철도 서비스 수준과 차이가 있을 수가 있다. 따라서 기준연도와 예측연도 사이의 철도 서비스 수준 차이를 반영한 도시철도 분담률 보정 작업이 필요하다.
후속연구
본 연구가 제안한 방법은 KTDB 배포 네트워크와 O/D, 기존 도시철도의 통행자 통행패턴을 주요 영향요인을 카테고리화한 기초자료가 있다면 분석이 가능하다. 또한 기존의 관측 수단분담률이 없는 경우에는 해당 도시의 규모와 사회경제지표가 유사한 도시를 이용하여 산출된 카테고리별 수단분담률을 활용할 수 있다.
향후 정부의 기초 자료가 확보된다면 획지 단위별 토지이용과 GIS 정보를 활용하여 세분화 존의 유입, 유출 통행량 추정을 정교화하는 연구가 진행될 수 있을 것으로 판단된다. 이를 통해 제시된 분석 방법을 더욱 현실화하는데 도움이 될 것으로 고려된다.
또한 기존의 관측 수단분담률이 없는 경우에는 해당 도시의 규모와 사회경제지표가 유사한 도시를 이용하여 산출된 카테고리별 수단분담률을 활용할 수 있다. 제시된 도시철도 신설에 따른 교통수단별 교통수요 예측 방법론은 합리적인 이론적 배경에서 이루어졌기 때문에 비교적 높은 신뢰성을 확보할 것으로 기대한다.
본 연구에서는 세분화 존의 유입, 유출 통행량 배분에 사용되는 기준지표로써 인구밀도가 동일하다는 가정 하에서 면적 비례로 배분하였다. 향후 정부의 기초 자료가 확보된다면 획지 단위별 토지이용과 GIS 정보를 활용하여 세분화 존의 유입, 유출 통행량 추정을 정교화하는 연구가 진행될 수 있을 것으로 판단된다. 이를 통해 제시된 분석 방법을 더욱 현실화하는데 도움이 될 것으로 고려된다.
질의응답
핵심어
질문
논문에서 추출한 답변
신설 도시철도가 제공하는 서비스 수준하에서 교통수단 분담률을 추정하기위한 모형으로 적절한 것은?
도시철도 이용 패턴을 카테고리화 하여 분석한 결과, 장거리 통행이거나 환승이 적을수록 도시철도 수단분담률이 높았으며, 또한 도시 철도 역에 접근시간이 작을수록 역시 도시철도 수단분담률이 높은 결과를 관측 자료인 기준연도 O/D 자료에서 분석되었다. 기존 도시철도 서비스 수준 하에서의 교통수단 분담률을 기본 자료로 하고, 신설 노선으로 제공되는 도시철도 서비스 수준과 카테고리화 된 도시철도 서비스 수준의 차이를 점진적 로짓모형에 적용함으로써 신설 도시철도가 제공하는 서비스 수준 하에서의 교통수단 분담률을 추정하였다. 이와 같이 추정된 잠정적 교통수단 분담률을 기초로 기준연도와 예측연도의 교통환경 변화를 반영하여 점진적 로짓모형을 분석함으로써 모든 교통수단의 장래 수단분담률을 예측 분석하는 방법론을 제시하였다.
장거리 통행이거나 환승이 적을수록 올라가는 지표로 도시철도와 관련이 있는 이것은 무엇인가?
수단선택 분석 기법으로는 관측된 수단분담률에 기초하는 점진적 로짓모형을 이용하였다. 도시철도 이용 패턴을 카테고리화 하여 분석한 결과, 장거리 통행이거나 환승이 적을수록 도시철도 수단분담률이 높았으며, 또한 도시 철도 역에 접근시간이 작을수록 역시 도시철도 수단분담률이 높은 결과를 관측 자료인 기준연도 O/D 자료에서 분석되었다. 기존 도시철도 서비스 수준 하에서의 교통수단 분담률을 기본 자료로 하고, 신설 노선으로 제공되는 도시철도 서비스 수준과 카테고리화 된 도시철도 서비스 수준의 차이를 점진적 로짓모형에 적용함으로써 신설 도시철도가 제공하는 서비스 수준 하에서의 교통수단 분담률을 추정하였다.
도시철도사업에서 수단분담률을 추정하기 위해 사용되는 모형으로는 무엇이 있는가?
도시철도사업은 교통수단 간 전환교통량을 예측하는 것이 교통수요 분석과정에서 매우 중요하다. 현재 도시철도 신설에 따른 수단분담률 추정은 SP 자료를 이용한 다항로짓모형(multinomial logit model) 또는 점진적 로짓모형(incremental logit model)이 이용되고 있다.
참고문헌 (16)
Bates, J., Ashley, D. and Hyman, G.(1987), "The Nested Incremental Logit Model: Theory and Application to Modal Choice", PTRC Summer Annual Meeting, Seminar C, Bath.
Ben-Akiva and Morikawa(1990), "Estimation of Switching Models from Revealed Preferences and Stated Intentions", Transportation Research, Part A, Vol.24, No.6, pp.485-495.
Jo, Hang Ung., Lee, Seung Yong., and Jeon, Gong Joon(2010), "Study on Approach to Segmentation of Station Influence Area into Zones Appropriate for Demand Estimation of Urban Railway", Proceedings of the Korean Society for Railway Conference, pp.2122-2136.
Joachim Scheiner(2010), "Interrelations between Travel Mode Choice and Trip Distance: Trends in Germany 1978-2002", Journal of Transport Geography, pp.75-84.
Jonathan Preston(1991), "Demand Forecasting for New Local Rail Stations and Services", Journal of Transport Economics and Policy, pp.183-202.
Juan de Dios Ortuzar, Luis G. Willumsen (2001), "Modelling Transport", John Wiley & Sons, Ltd, pp.398-400.
Kim, Ikki(1998), "Calibration and Application of Route Choice Behavioral Model for ATIS", The Journal of Korea Planners Association, Vol.33, No.1, pp.77-90.
Kim, Ikki., Han, Khun Soo., and Bang, Hyung Joon.(2006), "Suggesting a Demand Forecasting Technique Explicitly Considering Transfers in Light Rail Transit Project Analysis", Journal of Korean Society of Transportation, Vol.24, No.3, Korean Society of Transportation, pp.197-205.
Korea Development Institute(2008), "Study on Standard Guidelines for Pre-feasibility Study on Road and Railway Projects(fifth edition)", pp.265-277.
Kumar, A.(1980), "Use of Incremental Form of Logit Model in Demand Analysis", Transportation Research Record, No.775, pp.21-27.
Koppelman, F.(1983), "Predicting Transit Ridership in Response to Transit Service Changes", Journal of Transportation Engineering, Vol.109, pp.548-564.
Louviere, Hensher and Swait(2000), Stated Choice Methods: Analysis and Application, The Press Syndicate of the University of Cambridge.
SG Associates, Inc and Volpe National Transportation System Center(1998), "Guidelines for Network Representation of Transit Access, State-of-the-Practice Summary".
SHON, Eui Young.KIM, Jae-Young.JUNG, Chang Yong.LEE, Jong Hoon(2009), "Modeling the Urban Railway Demand Estimation by Station Reflecting Station Access Area on Foot", Journal of Korean Society of Transportation, Vol.27, No.2, Korean Society of Transportation, pp.15-22.
Sul, You Jin., Chon, Kyung Soo(2006), "A Study on Testing Methodology of Logit Model Using the Mode Share according to Distance", The 53th Conference of Korean Society of Transportation, Korean Society of Transportation, pp.151-157.
Won, Jai Mu(2001), "Transportation Economics for Transit", Bosunggak, pp.67-70.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.