교통수요 예측 모델에서 통행을 기본 단위로 사용하는 4-단계 통행기반 모형은 오랜 시간동안 광범위하게 사용되어 왔으나, 최근 교통수요예측의 결과가 차량 개통 후 실제 교통량과 차이가 크게 발생되어, 예측 결과에 대한 불신이 증가되고 있다. 이러한 교통량 예측의 차이는 인간의 자연스러운 통행활동을 모형 개발 단계에서 고려하지 않기 때문이다. 그러나 미국에서는 교통수요예측의 정확성과 현실성을 높이기 위해 활동기반 모형을 1990년대 부터 활발하게 연구 및 개발하여 점진적으로 기존 4-단계 통행기반 모형을 대체하고 있는 상황이다. 본 논문은 통행기반 모형과 활동기반 모형을 분석단위, 분석절차, 문제점 등을 상호 비교 검토하는데 목적을 두었다. 기존의 교통수요예측 방법론의 문제점을 진단하기 위해, 미국을 중심으로 대표적인 세 가지 활동기반 모형 시스템(DaySim, CT-Ramp, CEMDAP)을 사용하였다. 통행기반 모형은 인간의 다차원적인 통행의사 결정 과정을 효율적으로 쉽게 설명할 수 있으며, 이는 교통수요 예측의 정확성을 한층 더 높일 수 있을 것으로 판단된다. 따라서, 우리나라도 수요예측의 현실성과 정확도를 높이기 위해 인간의 활동을 기반으로 보완, 개선된 수요예측방법론이 검토되어야 한다.
교통수요 예측 모델에서 통행을 기본 단위로 사용하는 4-단계 통행기반 모형은 오랜 시간동안 광범위하게 사용되어 왔으나, 최근 교통수요예측의 결과가 차량 개통 후 실제 교통량과 차이가 크게 발생되어, 예측 결과에 대한 불신이 증가되고 있다. 이러한 교통량 예측의 차이는 인간의 자연스러운 통행활동을 모형 개발 단계에서 고려하지 않기 때문이다. 그러나 미국에서는 교통수요예측의 정확성과 현실성을 높이기 위해 활동기반 모형을 1990년대 부터 활발하게 연구 및 개발하여 점진적으로 기존 4-단계 통행기반 모형을 대체하고 있는 상황이다. 본 논문은 통행기반 모형과 활동기반 모형을 분석단위, 분석절차, 문제점 등을 상호 비교 검토하는데 목적을 두었다. 기존의 교통수요예측 방법론의 문제점을 진단하기 위해, 미국을 중심으로 대표적인 세 가지 활동기반 모형 시스템(DaySim, CT-Ramp, CEMDAP)을 사용하였다. 통행기반 모형은 인간의 다차원적인 통행의사 결정 과정을 효율적으로 쉽게 설명할 수 있으며, 이는 교통수요 예측의 정확성을 한층 더 높일 수 있을 것으로 판단된다. 따라서, 우리나라도 수요예측의 현실성과 정확도를 높이기 위해 인간의 활동을 기반으로 보완, 개선된 수요예측방법론이 검토되어야 한다.
Four-step travel-demand modeling based on a trip-level has been widely used over many decades. However, there has been a wide variance between forecasted- and real-travel demands, which leads less reliable on the model implications. A primary reason is that person's real travel behavior is not prope...
Four-step travel-demand modeling based on a trip-level has been widely used over many decades. However, there has been a wide variance between forecasted- and real-travel demands, which leads less reliable on the model implications. A primary reason is that person's real travel behavior is not properly captured throughout the model developments. An activity-based modeling (ABM) approach was proposed and developed toward increasing the accuracy and reality of person's travel behavior in the U.S. since 1990', and stands as a good alternative to replace the existing trip-based approach. The paper contributes to the understanding of how the ABM approaches are dissimilar to the trip-based modeling approach in terms of estimation units, estimation process, their pros and cons and etc. We examined three activity-based travel demand model systems (DaySim, CT-Ramp, and CEMDAP) that are most commonly applied by many MPOs (Metropolitan Planning Organization). We found that the ABM approach can effectively explain multi-dimensional travel decision-makings and be expected to increase the predictive accuracy. Overall, the ABM approach can be a good substitute for the existing travel-demand methods having unreliable forecasts.
Four-step travel-demand modeling based on a trip-level has been widely used over many decades. However, there has been a wide variance between forecasted- and real-travel demands, which leads less reliable on the model implications. A primary reason is that person's real travel behavior is not properly captured throughout the model developments. An activity-based modeling (ABM) approach was proposed and developed toward increasing the accuracy and reality of person's travel behavior in the U.S. since 1990', and stands as a good alternative to replace the existing trip-based approach. The paper contributes to the understanding of how the ABM approaches are dissimilar to the trip-based modeling approach in terms of estimation units, estimation process, their pros and cons and etc. We examined three activity-based travel demand model systems (DaySim, CT-Ramp, and CEMDAP) that are most commonly applied by many MPOs (Metropolitan Planning Organization). We found that the ABM approach can effectively explain multi-dimensional travel decision-makings and be expected to increase the predictive accuracy. Overall, the ABM approach can be a good substitute for the existing travel-demand methods having unreliable forecasts.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
아쉽게도 우리나라는 아직 활동 기반 모형에 대한 연구가 시작되지 못하고 있는 실정이며, 이의 소개 및 필요성에 대해 다루는 논문도 보기 힘들다. 따라서, 본 연구는 활동기반 모형에 대한 소개, 필요성과 기존 통행 기반 모형이 갖는 문제점, 그리고 활동 기반모형의 연구진행 현황을 미국 사례를 중심으로 살펴 보고자 한다.
그러나 집과 직장 사이에 통행시간을 단축시켜 주는 대중교통 시스템이 새로 도입되어 직접 자가운전이 불필요 해졌다고 가정해 보자. 여전히 집에 돌아오는 길에 식료품 가게를 들러야 하는 상황에서, 이 사람의 통근 수단이 어떻게 바뀔지 생각해 보자. 통행기반 모형에서는 각 통행간 독립적이고 개별적인 의사결정으로 분석한다.
가설 설정
즉, 일반적으로 집을 나서기 위해 사용된 교통수단은 마찬가지로 집에 돌아오는 길에도 사용된다. 그러나 집과 직장 사이에 통행시간을 단축시켜 주는 대중교통 시스템이 새로 도입되어 직접 자가운전이 불필요 해졌다고 가정해 보자. 여전히 집에 돌아오는 길에 식료품 가게를 들러야 하는 상황에서, 이 사람의 통근 수단이 어떻게 바뀔지 생각해 보자.
제안 방법
본 모형은 일곱 개의 다른 목적(일, 학교, 배웅, 쇼핑, 개인용무, 외식, 소셜 · 레크레이션)을 구분하여 활동 및 통행 발생에 공통적으로 사용하며, 목적지 위치 결정은 존 단위 보다 작은 파슬(Parcel) 단위까지 이루어진다. 각 통행은 각각의 목적지에 도착 및 출발시간을 30분 단위로 예측하였다. 앞서 언급한 것처럼, 활동기반 모형의 가장 큰 차이점은 상위단위에서 이루어진 결정이 하위단위에서 이루어지는 결정에 따라 다시 동시적인 절차를 통해 그 결정이 다시 수정되는 반복과정이다.
활동기반 모형에서는 우선 여러 개의 통행으로 연결된 투어의 개수를 예측하고, 각 투어별로 몇 개의 통행이 발생되는지를 모형화한다. 각 투어내의 통행은 집에서 출발해서 집으로 돌아오기까지 몇 개의 중간 정착지가 있었는지를 예상하며, 각 중간 정착지의 위치와 이동하는데 사용된 교통수단 그리고 각 정착지에 머무른 체류시간과 출발시간을 하나의 셋으로 동시처리 과정을 통해 분석한다. 일반적으로 투어 단위에서 개수와 위치, 교통수단, 시간 등을 산출하고, 각 투어 내의 중간 정착지의 개수와 위치, 교통수단, 시간 등을 예상할 수 있는 모델을 모듈화 한다.
마지막으로 첨두 ·비첨두시율을 사용하여 얼마의 통행량이 첨두 또는 비첨두 시간에 발생될 것인지를 예측한다.
Figure 9에서 제시된 것 처럼 CEMDAP시스템은 세 개의 활동 발생 관련 모듈과, 일곱 개의 활동 스케쥴 관련 모듈로 구성되며, 각각의 모듈은 다시 부수적인 모듈과 연결된다(Figure 9에서는 공간의 제약으로 두 개의 부수적인 모듈만 제시되었고, 각 회색 박스는 각각의 부수적인 모듈을 의미한다). 본 시스템에서는 부분 결합(Joint) 투어인 자녀 학교 배웅 통행을 추가적으로 고려하여 결합투어에 대한 모델링을 향상시켰다. 이전의 DaySim과 CT-Ramp 시스템에서는 Multinomial logit(또는 Nested logit) 모델이 주로 사용된 반면, CEMDAP 시스템에서는 초이스 셋(choice set) 의 다른 특징에 따라 여섯 개의 다양한 모델링 방법(binary logit, multinomial logit, hazard duration, regression, ordered probit, spatial location choice 모델)이 사용되었다.
지금까지 주요 세 가지 활동기반 모형의 전체적인 구성을 살펴보았고, 좀 더 구체적인 각 활동기반 모형의 분석 방법 및 속성에 대한 비교는 아래 Table 1과 같이 추가로 제시하였다. 앞서 설명된 바와 같이 CEMDAP 모듈은 기존의 다른 활동기반 모듈에 비해 보다 다양한 활동기반 패턴 분석이 가능하며, 각각의 다른 선택환경에 맞는 다양한 이론적인 모델 시스템을 적용하여 보다 정확한 통행패턴 분석 노력을 기하였다.
둘째, 통행패턴의 변화를 반영하기 어렵다. 앞선 예제에서 통행기반 모형의 일관되지 않은 수단선택의 오류를 다루었다. 그러나 단순히 교통수단 선택의 일관성 문제를 떠나 개선된 대중교통 시스템은 이 사람의 통행패턴을 변화시킬 수 있다.
통행기반 모형의 기본적인 설명과 통행기반 모형 사용으로 인해 발생되는 몇 가지 단점을 언급하였고, 그에 대한 개선으로 활동기반 모형을 소개하였다. 이를 위해 미국에서 일반적으로 많이 사용되는 세 가지 모듈 시스템을 예로 들어 각각의 속성과 특징을 비교하였다. 통행기반에서 활동기반 모형으로 교통수요예측 모델을 개발하는데 있어 상대적인 모형의 복잡함, 자세한 데이타의 필요 등은 분명히 기존의 방법과 비교하여 약간의 어려움이 있지만, 좀 더 현실에 가깝게 통행패턴을 묘사할 수 있다는 장점은 활동기반 모형의 필요성을 더욱 증가시켰다.
, 2007). 집에서 일터까지 자가용으로 출근 하고(혼자 운전) 집에 오는 길도 혼자 운전하여 식료품 가게에 거쳐 장보기를 한 후 집으로 돌아가는 하루의 통행여정을 고려해보자. 이 사람의 교통수단은 집에 돌아오는 길에도 출근 길에 사용된 동일한 교통수단을 이용할 것이다.
첫 번째 투어는 집을 기반으로 한(집 → 학교 → 직장 → 장보기 → 집) 일련의 통행사슬로 정의되고, 두 번째 투어는 직장을 기반으로 정의된다(직장 → 점심 → 직장).
통행기반 모형의 기본적인 설명과 통행기반 모형 사용으로 인해 발생되는 몇 가지 단점을 언급하였고, 그에 대한 개선으로 활동기반 모형을 소개하였다. 이를 위해 미국에서 일반적으로 많이 사용되는 세 가지 모듈 시스템을 예로 들어 각각의 속성과 특징을 비교하였다.
통행분포(Trip Distribution) 모듈은 죤(Zone) 간 통행시간을 변수로 사용한 마찰계수(Friction factor)와 함께 통행분포 모듈에 입력값으로 사용하여 발생-유입량(Production- Attraction, PA)을 예측하며, 수단선택(Mode Split) 단계에서는 PA메트릭스와 혼잡·비혼잡시 도로 통행시간 자료를 사용하여 출발-목적지(Origin-Destination, OD) 별 통행량을 산출한다.
이론/모형
본 시스템에서는 부분 결합(Joint) 투어인 자녀 학교 배웅 통행을 추가적으로 고려하여 결합투어에 대한 모델링을 향상시켰다. 이전의 DaySim과 CT-Ramp 시스템에서는 Multinomial logit(또는 Nested logit) 모델이 주로 사용된 반면, CEMDAP 시스템에서는 초이스 셋(choice set) 의 다른 특징에 따라 여섯 개의 다양한 모델링 방법(binary logit, multinomial logit, hazard duration, regression, ordered probit, spatial location choice 모델)이 사용되었다. 전체적으로 CEMDAP 시스템이 이전 두 시스템과 비교하여 보다 다양하게 활동·통행 패턴 모형화가 가능하며, 보다 현실적인 교통통행 패턴 설명이 가능하다.
성능/효과
넷째, 활동기반 모형은 아직 정형화된 절차 및 소프트웨어가 없다. 통행기반 모형과 달리, 활동기반 모형의 의사결정 모듈 구성은 아직까지 각 개발자의 생각에 따라 조금씩 다른 의사결정 모듈 시스템을 갖는다.
둘째, 활동기반 모형은 많은 양의 데이타 정보가 필요하다. 모형 개발을 위한 광범위한 가구 통행 설문 조사는 데이타 획득에 있어 분명한 어려움이다.
기존 시설의 변경이나 신설은 장기간에 걸친 막대한 비용이 소요되며, 사업추진이 되더라도 상당한 재원 투자대비 성공적인 문제해결은 보장되지 못했다. 따라서, 기존 교통시설 인프라를 최대한 효과적으로 사용하고, 다양한 사람들의 불확실한 교통패턴을 분석할 필요성이 증가되었다. 이를 위해 교통수요예측 방법은 그러한 의사결정 지원을 위해 필수적이고, 교통에서 발생되는 다차원적인 문제를 효과적으로 예측하기 위해 오랫동안 연구되고 사용되어져 왔다.
셋째, 활동기반 모형은 많은 컴퓨터 기술을 필요로 한다. 많은 모델 구성요소의 필요성과 각 모듈간 상호종속되고 연결되어 있는 특징으로 모델 개발단계에서 많은 통계처리 기술과 검증을 위한 시뮬레이션 및 기타 컴퓨터 프로그래밍 등의 기술을 필요로 한다.
전체적으로 CEMDAP 시스템이 이전 두 시스템과 비교하여 보다 다양하게 활동·통행 패턴 모형화가 가능하며, 보다 현실적인 교통통행 패턴 설명이 가능하다.
첫째, 활동기반 모형은 복잡하다. 기존의 4-단계로 이루어진 통행기반 모형과 비교하면, 활동기반 모형은 보다 많은 의사 결정 모듈이 복잡하게 연결되어 있고, 이에 따른 다양한 분석방법을 필요로 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
통행단위의 사용은 어떤 한계가 있는가?
여기서 통행이란, 하나의 중간 정착지에서 다른 곳의 정착지까지의 이동이며, 그 이동은 시간과 공간 그리고 교통수단의 다양한 정보를 포함한다. 그러나, 통행단위의 사용은 사람들의 통행패턴을 사실대로 묘사하지 못하는 한계를 갖고 있다. 즉, 통행은 단순히 한 사람에 의해 만들어진 결과물도 아니며, 하나의 목적지에서 다른 목적지까지 독립된 단위로 가정할 수 없다.
통행기반 모형은 통행을 어떻게 보는가?
통행기반 모형은 분석의 단위인 통행이 다른 통행과 독립되고 분리된 것으로, 다른 통행과 연관성이 고려되지 않는다. 통행기반 모형에서는 6 개의 독립된 통행이 다음과 같이 정의된다: 한 개의 HBO(home-based other) 통행(집 → 학교), 한 개의 HBSH(homebased shopping) 통행(장보기 → 집), 네 개의 NHB(non-home based) 통행.
DaySim의 구성은?
DaySim은 크게 네 가지의 모듈로 구성된다. 일상적인 직장과 학교 위치, 가구별 자동차 보유 결정이 장기적인 관점에서 선택 문제로 구성되고, 다음은 개인의 하루 일상 패턴 결정, 투어 단위에서의 선택, 통행(Trip) 단위에서의 선택 문제들이 단기적인 관점에서 구성된다. 상위 단계인, 직장 및 학교의 위치 결정은 네트워크 접근성과 다양한 토지이용 현황에 대한 속성이 주요 인자로 사용된다. 본 모형은 일곱 개의 다른 목적(일, 학교, 배웅, 쇼핑, 개인용무, 외식, 소셜 · 레크레이션)을 구분하여 활동 및 통행 발생에 공통적으로 사용하며, 목적지 위치 결정은 존 단위 보다 작은 파슬(Parcel) 단위까지 이루어 진다.
참고문헌 (19)
Arentze TA, Timmermans HJP (2004), "A learning-based transportation oriented simulation system." Transportation Research. Part B: Methodological 38:613-633.
Association of Metropolitan Planning Organization (AMPO) (2011), "Advanced Travel Modeling Study," Final Report.
Bradley, M., J.L. Bowman, Y. Shiftan, T. K. Lawton. and M.E. Ben-Akiva. (1998) "A System of Activity-Based Models for Portland, Oregon. Report prepared for the Federal Highway Administration Travel Model Improvement Program." Washington, D.C.
Bhat, C.R., J.Y. Guo, S. Srinivasan and A. Sivakumar (2004), "A Comprehensive Econometric Microsimulator for Daily Activity- Travel Patterns." TRR, 1894, pp. 57-66.
Bhat, C., A. Pinjari, N. Eluru, J. Guo, S. Srinivasan, R. Copperman, and I. Sener (2007), "Activity-based Travel Demand Modeling: CEMDAP Performance Measurements and Validation," http:// onlinepubs.trb.org/onlinepubs/archive/conferences/2007/PM/3D _Chandra_Bhat.pdf
Bowman, J.L., M.A. Bradley, J. Gibb (2006), "The Sacramento Activity-Based Travel Demand Model: Estimation and Validation Results." Presented at the 2006 European Transport Conference, Strasbourg, France.
Bradley, M., J.L. Bowman, and T. K. Lawton (1999) "A Comparison of Sample Enumeration and Stochastic Microsimulation for Application of Tour-Based and Activity-Based Travel Demand Models," Presented at European Transport Conference, Cambridge, UK.
Bradley M., M. Outwater, N. Jonnalagadda and E. Ruiter (2001) "Estimation of an Activity-Based Micro-Simulation Model for San Francisco." Paper presented at the 80th Annual Meeting of the Transportation Research Board, Washington D.C.
Bradley, M.A., J.L Bowman, J. Castiglione (2008), "Activity Model Work Plan & Activity Generation Model." Work Plan Report- Draft 2.
Bradley, M., J.L. Bowman, and B. Griesenbeck (2010) "SACSIM: An applied activity-based model system with fine level spatial and temporal resolution," Journal of Choice Modeling, Vol 3, No 1, pp. 5-31.
Jonnalagadda N, J. Freedman, W. Davidson and J. D. Hunt (2001) "Development of a Micro-Simulation Activity-based Model for San Francisco - Destination and Mode Choice Models." Paper presented at the 80th Annual Meeting of the TRB, Washington DC.
Lim, K.K (2012) "Intra-Household Interactions in Social-Recreational Activities and Travel." Ph.D dissertation at University of Florida.
Miller, E. J. and M. J. Roorda (2003). "A Prototype Model of Household Activity/Travel Scheduling." Transportation Research Record, No. 1831, pp. 114-121.
Mirzaei, A. and N. Eluru (2007), "A Comparison of CEMDAP Activity-based Model with DFWRTM 4-Step Model," 11th TRB National Transportation Planning Application Conference, http:// nctcog.org/trans/modeling/presentations/TBApplicationConf_C EMDAP_May2007.pdf
PB Americas Inc. (2009), "Activity-based Travel Model Specifications: Coordinated Travel-Regional Activity Based Modeling Platform (CT-RAMP) for the Atlanta Region," Atlanta Regional Commission.
Pendyala, R.M. (2004), "Phased Implementation of a Multimodal Activity-Based Travel Demand Modeling System in Florida," Final report, Vol II: FAMOS Users Guide, Florida Department of Transportation.
Pinjari, A., N. Eluru, R. Copperman, I.N. Sener, J.Y. Guo, S. Srinivasan, and C.R. Bhat. (2006), "Activity-Based Travel-Demand Analysis for Metropolitan Areas in Texas: CEMDAP Models, Framework, Software Architecture and Application Results," FHWA/TX-07/0-4080-8
Vovsha P, E. Petersen and R. Donnelly (2002) "Micro-Simulation in Travel Demand Modeling: Lessons Learned from the New York Best Practice Model," Transportation Research Record. 1805, pp. 68-77
Vovsha P, E. Petersen and R. Donnelly (2003) "Explicit Modeling of Joint Travel by Household Members: Statistical Evidence and Applied Approach." Transportation Research Record. 1831, pp. 1-10.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.