선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 경기도 교통형평성의 지역 간 편차에 주목하여, 지역별 교통인프라 수준과 통행행태를 근거로 경기도의 교통형평성을 통합적으로 분석⋅평가하는 것에 목적을 둔다.
- AIC값의 절대량은 의미가 없으며, 각 모델들을 비교할 때 어느 것이 적합한지를 확인하는데 목적이 있다(Jung, 2009). 본 연구에서는 ANOVA분석을 통한 OLS 와 GWR의 잔차값과 AIC값을 동시에 살펴봄으로서 GWR 모델을 평가한다.
- 앞에서의 측정 변수 표준화 값의 단계구분에서와 마찬가지로, 합산 결과인 교통인프라 수준 값의 평균을 3개 구간으로 분류하였다. 이는 평균값을 기준으로, 인프라 수준을 상 중 하로 구분함으로써, 집단구분을 통해 지역별 분포를 명확하게 살펴보고자 함이다.
- 이에 본 연구에서는 지역 간 교통형평성을 “교통시설과 서비스 공급의 지역 간 차이에 의한 이용자의 이동에 대한 제약이, 이용자의 사회경제적 특성의 차이나 이용자가 속한 지역적 특성의 차이가 용인하는 범위 내에 있는 상태”로 정의하여 살펴보고자 한다.
제안 방법
- 1 이하인 경우이며, 이 때 해당 독립변수에는 다중공선성이 존재한다고 본다. 검토 결과 다중공선성이 존재하거나 회귀계수가 유의하지 않은 변수를 제외하고 최종적으로 도로시설현황 지수의 도로연장(road length), 도로면적(road area), 주차장면적(parking area) 변수, 대중교통시설현황 지수의 지하철역수(subway)와 버스 정류장(bus station)수, 지역특성의 총인구(total population) 등 6개 변수를 교통인프라 수준의 측정 변수로 선정하였다. Table 1은 이들 6개 변수들에 의한 교통인프라 수준의 회귀분석 결과를 나타낸다.
- 교통인프라 수준의 공간적 집중도와 통행행태 간의 관계 분석을 위하여 읍⋅면⋅동 단위의 공간군집분석을 실행하였다(Figure 3).
- 기존에 수행된 많은 연구들이 정책 실현의 용이성 때문에 대부분이 중존 단위인 시⋅군⋅구의 수준에서 형평성을 고려하고 있으나, 본 연구에서는 생활권의 단위인 읍⋅면⋅동으로 분석하였다.
- 이러한 집단은 다른 지역에 비해 기댓값보다 잔차가 매우 크거나 매우 작게 나타난 지역으로서, 해당속성이 높거나(H), 낮은(L) 집단으로 구성될 수 있다. 둘째, 추출된 지역의 유의수준(p-value)이 0.05이하인 지역을 대상으로, 표준화된 값을 자신과 인접지역을 비교하여, 4개의 군집집단(HH, HL, LH, LL)으로 분류하였다. HH의 경우, 자신의 값과 인접지역의 값이 모두 높은 지역으로, 해당특성이 높게 나타나는 hot-spot cluster로 해석될 수 있으며, 반대로 LL의 경우, 자신의 값과 인접지역의 값이 모두 낮게 나타난 cold-spot cluster로 해석될 수 있다.
- 인프라 지수산정은 경기개발연구원 (2010)의 교통지표를 바탕으로, 도로시설현황, 대중교통시설현황을 선정하였다. 또한, 지역별 잠재적 수요자(인구) 반영을 위해 인구요인을 추가하여, 총 3개요인, 8개의 측정 변수를 선정하였다. 이를 바탕으로, 변수들의 총평균값을 인프라 지수로 산출하였다.
- Table 1은 이들 6개 변수들에 의한 교통인프라 수준의 회귀분석 결과를 나타낸다. 본 연구는 이상의 6개 측정 변수를 표준화하고 이들을 해당 지수 내에서 가중 합산하는 방식으로 교통인프라 수준을 계산하기로 한다.
- 선정된 변수들의 다중공선성을 검토하기 위하여 분산팽창계수를 산정하였다. 다중공선성의 일반적인 기준은, 추정된 회귀식의 공선성 통계량에서 각 독립변수의 분산팽창계수(VIF)가 10 이상, 공차가 0.
- 둘째, 대중교통시설현황 지수를 측정하는 변수로는 버스정류장수와 지하철역수 이며, 모두 51,380개소와 131개소를 각각 확인하였다. 셋째, 지역특성 지수를 측정하는 변수로 해당 지역의 인구, 주택, 사업체수를 고려하였다. 인구와 주택은 『2010년 인구총조사』, 사업체수는 『2010년 사업체조사』를 각각 사용하였다.
- 앞에서의 측정 변수 표준화 값의 단계구분에서와 마찬가지로, 합산 결과인 교통인프라 수준 값의 평균을 3개 구간으로 분류하였다. 이는 평균값을 기준으로, 인프라 수준을 상 중 하로 구분함으로써, 집단구분을 통해 지역별 분포를 명확하게 살펴보고자 함이다.
- 도로시설현황 지수를 측정하는 변수로는 도로연장, 도로면적, 주차장면적을 포함하였다. 이 중 도로면적은 도로현황 자료가 polyline(선자료)이기 때문에 정확한 정보가 없어 차선수를 기반으로 추정하였으며, 일괄적으로 차선별 폭을 3.5m로 간주하였다. 도로시설은 KTDB의 『2011년 교통주제도』 링크(레벨2) 자료를 사용하였으며, 주차장면적은 KLIS의 『2011년 토지특성 조사자료』를 재구성하였다.
- 이러한 공간적 자기상관성 지수는 공간적으로 군집된 형태(+1)와 분산된 형태(-1)를 찾는데 활용할 수 있으며, 본 연구에선 국지적 Moran’s I 값을 바탕으로 이례값(outliner) 지역을 추출한 후, 자신의 값과 주변지역의 값을 비교하여 군집형태(cluster type)를 분류하는 공간군집분석을 시행하였다.
- 또한, 지역별 잠재적 수요자(인구) 반영을 위해 인구요인을 추가하여, 총 3개요인, 8개의 측정 변수를 선정하였다. 이를 바탕으로, 변수들의 총평균값을 인프라 지수로 산출하였다. 도로시설현황 지수를 측정하는 변수로는 도로연장, 도로면적, 주차장면적을 포함하였다.
- 이상의 각 측정 변수는 해당 지역의 전체 면적 대비 측정값으로 환산하였다. 종합적인 인프라 수준을 계산하기 위해 3개 인프라 지수를 구성하는 이들 측정 변수들의 값은 표준화한 뒤 합산하였다. 표준화 합산 방법은 3개 지수의 선형결합으로 특정 지역의 종합적인 교통인프라 수준을 계산할 때 이들 측정 변수들의 표준화를 실행하였는데, 그 이유는 각 측정 변수들의 자료 표현 단위가서로 달라 그 값들을 직접적으로 상호비교 및 선형결합 하는 것이 무의미하기 때문이다.
- 첫째, 산출된 국지적 Moran’s I 값을 표준화(z-score)한 후, 정규화(95%)를 넘어가는 지역(value1.96)을 이례값 집단으로 추출하였다.
- 통합적인 분석을 위해, 지역별 특성, 교통인프라, 통행행태 등을 읍⋅면⋅동 스케일로 측정한다.
대상 데이터
- 5m로 간주하였다. 도로시설은 KTDB의 『2011년 교통주제도』 링크(레벨2) 자료를 사용하였으며, 주차장면적은 KLIS의 『2011년 토지특성 조사자료』를 재구성하였다. 둘째, 대중교통시설현황 지수를 측정하는 변수로는 버스정류장수와 지하철역수 이며, 모두 51,380개소와 131개소를 각각 확인하였다.
- 이를 바탕으로, 변수들의 총평균값을 인프라 지수로 산출하였다. 도로시설현황 지수를 측정하는 변수로는 도로연장, 도로면적, 주차장면적을 포함하였다. 이 중 도로면적은 도로현황 자료가 polyline(선자료)이기 때문에 정확한 정보가 없어 차선수를 기반으로 추정하였으며, 일괄적으로 차선별 폭을 3.
- 본 연구의 시간적 범위는 2012년을 기준으로 하며, 데이터 분석에 이용된 자료는 가능한 최신자료를 이용하였다. 자료의 종류에 대한 상세 설명은 분석과 함께 제시하며, 공간적 범위는 경기도를 대상으로 한다.
- 셋째, 지역특성 지수를 측정하는 변수로 해당 지역의 인구, 주택, 사업체수를 고려하였다. 인구와 주택은 『2010년 인구총조사』, 사업체수는 『2010년 사업체조사』를 각각 사용하였다.
- 본 연구의 시간적 범위는 2012년을 기준으로 하며, 데이터 분석에 이용된 자료는 가능한 최신자료를 이용하였다. 자료의 종류에 대한 상세 설명은 분석과 함께 제시하며, 공간적 범위는 경기도를 대상으로 한다. 기존에 수행된 많은 연구들이 정책 실현의 용이성 때문에 대부분이 중존 단위인 시⋅군⋅구의 수준에서 형평성을 고려하고 있으나, 본 연구에서는 생활권의 단위인 읍⋅면⋅동으로 분석하였다.
- 통행행태 분석을 위해 2011년 4월 27일(수요일)자 경기도 버스카드 통행데이터(EB카드)를 이용하였다. 분석결과, 서울과 인접한 지역은 평균통행수가 비교적 많은 것으로 나타났으며, 외곽지역으로 갈수록 그 수가 감소하였다(Figure 2).
데이터처리
- 평가는 모평균과 분산차이를 분석하는 ANOVA분석을 통해 OLS와 GWR의 잔차를 비교하여 설명력의 차이를 확인한다. 또한, AIC(Akaike Information Criterion)의 값을 통해 비교할 수도 있다.
이론/모형
- HH의 경우, 자신의 값과 인접지역의 값이 모두 높은 지역으로, 해당특성이 높게 나타나는 hot-spot cluster로 해석될 수 있으며, 반대로 LL의 경우, 자신의 값과 인접지역의 값이 모두 낮게 나타난 cold-spot cluster로 해석될 수 있다. 본 연구에선 분석을 위해 ArcGIS 10.1, Cluster and Outliner Analysis Tool을 사용하였다.
- 분석을 위한 데이터는 그 내용에 따라 교통인프라 분석과 통행분석을 위한 데이터로 나뉜다. 인프라 지수산정은 경기개발연구원 (2010)의 교통지표를 바탕으로, 도로시설현황, 대중교통시설현황을 선정하였다. 또한, 지역별 잠재적 수요자(인구) 반영을 위해 인구요인을 추가하여, 총 3개요인, 8개의 측정 변수를 선정하였다.
성능/효과
- 공간군집분석을 통해 읍⋅면⋅동별 교통인프라 수준이 전반적으로 매우 높은 지역(HH)과 매우 낮은 지역(LL)외에도, 주변보다 높은 지역(HL) 및 특히 주변보다 낮은 지역들(LH)이 일정한 공간적인 규칙을 갖고 분포함을 알 수 있었다.
- 공간군집분석을 통해 읍⋅면⋅동별 교통인프라 수준이 전반적으로 매우 높은 지역(HH)과 매우 낮은 지역(LL)외에도, 주변보다 높은 지역(HL) 및 특히 주변보다 낮은 지역들(LH)이 일정한 공간적인 규칙을 갖고 분포함을 알 수 있었다. 구체적으로, HH 지역은 부천, 안양, 성남, 고양시 등 대도시-서울 인접지역, LL 지역은 북부의 연천군-포천시-남양주시 일대 및 남부의 양평군-광주시-여주시-이천시-용인시-안성시 일대 등 서울 외곽지역으로 나타났다. 그리고 HL 지역은 평택시 통복동으로 나타났으며, 교통인프라 수준에 대한 검토가 시급한 LH 지역은 광명-시흥시, 과천-의왕시, 성남시, 하남-광주시 등 대도시에 인접한 지역의 일부 읍⋅면⋅동으로 나타났다.
- 도로시설은 KTDB의 『2011년 교통주제도』 링크(레벨2) 자료를 사용하였으며, 주차장면적은 KLIS의 『2011년 토지특성 조사자료』를 재구성하였다. 둘째, 대중교통시설현황 지수를 측정하는 변수로는 버스정류장수와 지하철역수 이며, 모두 51,380개소와 131개소를 각각 확인하였다. 셋째, 지역특성 지수를 측정하는 변수로 해당 지역의 인구, 주택, 사업체수를 고려하였다.
- 또한, 그룹별 평균적인 통행특성을 살펴봄으로써, 해당지역의 통행행태 개선 및 정책제언에 필요한 기초자료로 활용될 수 있다. 분석결과, HH와 LL type별 지역의 평균통행특성의 차이가 뚜렷하게 나타났다.
- 분석결과, 서울 인접지역과 경부축 방향으로 집중된 도로현황에 따라 교통인프라 수준이 높게 나타났다.
- 통행행태 분석을 위해 2011년 4월 27일(수요일)자 경기도 버스카드 통행데이터(EB카드)를 이용하였다. 분석결과, 서울과 인접한 지역은 평균통행수가 비교적 많은 것으로 나타났으며, 외곽지역으로 갈수록 그 수가 감소하였다(Figure 2). 서울과 인접한 지역은 서울 생활권에 속하여 다양한 목적의 활동을 수행하는 반면, 도 외곽지역은 버스를 이용한 많은 통행이 동일 지역 내로 국한된다고 볼 수 있다.
- 반면, 경기도의 버스요금은 거리비례제를 채택하고 있기 때문에, 통행거리와 비용의 지역적 분포는 거의 비슷하다. 서울과 인접한 지역은 비교적 낮은 거리를 이동하고 적은 비용이 들었지만, 외곽지역으로 갈수록 더 먼 거리를 이동하며, 많은 비용을 지불하는 것으로 나타났다. 평균1통행비용은 Figure 2와 같이 하나의 통행이 여러 개의 환승할인을 포함하는 통행단들로 구성될 때 특히 낮아지는데, 서울 인접지역이 특히 낮은 것은 이 지역 통행에 환승할인 혜택이 많이 작용했다고 판단할 수 있다.
- 셋째, 수요대응형 교통수단의 공급이 필요하다. 교통인프라 수준이 낮은 읍⋅면⋅동에서 수요에 대응하여 이용할 수 있는 교통수단을 공급함으로써 이동의 불편함을 단기적으로 보완할 수 있다.
- 전역적 회귀분석에 의해 교통인프라 수준을 통행행태 변수로 회귀한 결과, 버스이용자수(bus users), 평균환승수(mean_trans), 평균내부통행수(mean_inside), 평균통행속도(mean_speed), 총 4개의 통행특성 변수를 분석에 유의한 변수로 추출하였다(Table 4 참조). 이들 변수에 의한 국지적 회귀분석(GWR)은 전역적 회귀분석에 비해 AIC와 ANOVA 결과 모두 모형의 결과를 유의하게 향상시켜, 경기도 내 통행행태 특성이 교통 인프라 수준을 설명하는 데 있어 지역 간 차이가 많이 존재하는 것을 다시 한 번 확인시켜주었다. 특히 경기 북동부 지역은 인프라 수준이 통행행태 변수에 의해 설명이 잘 되는데 반해 남서부 지역으로 내려오면서 그렇지 않은 것을 보인다.
- 전역적 회귀-단계별(stepwise)분석을 실시하여, 교통인프라지수에 영향을 미치는 변수가 버스이용자수, 버스환승수, 평균내부통행수, 평균속도로 나타났다. 이를 바탕으로 한 GWR분석에서 결정계수(R2)는 전역적 회귀모형의 33.4보다 높은 46.9로 나타났으며, 모델향상 여부를 통계적 유의수준으로 평가하는 AIC와 ANOVA분석도 통과하였다.
- 이상에서 요약한 바, 읍⋅면⋅동 단위 분석은 기존 연구의 분석 지역 단위인 시⋅군⋅구의 행정구역 경계를 따르지 않는 결과를 보여 주었다.
- 전역적 회귀-단계별(stepwise)분석을 실시하여, 교통인프라지수에 영향을 미치는 변수가 버스이용자수, 버스환승수, 평균내부통행수, 평균속도로 나타났다. 이를 바탕으로 한 GWR분석에서 결정계수(R2)는 전역적 회귀모형의 33.
- 전역적 회귀분석에 의해 교통인프라 수준을 통행행태 변수로 회귀한 결과, 버스이용자수(bus users), 평균환승수(mean_trans), 평균내부통행수(mean_inside), 평균통행속도(mean_speed), 총 4개의 통행특성 변수를 분석에 유의한 변수로 추출하였다(Table 4 참조). 이들 변수에 의한 국지적 회귀분석(GWR)은 전역적 회귀분석에 비해 AIC와 ANOVA 결과 모두 모형의 결과를 유의하게 향상시켜, 경기도 내 통행행태 특성이 교통 인프라 수준을 설명하는 데 있어 지역 간 차이가 많이 존재하는 것을 다시 한 번 확인시켜주었다.
- 전역적 회귀분석의 최소자승법(OLS)을 통해 나타난 표준잔차와 GWR을 통해 나타난 표준잔차를 비교하면, GWR을 사용한 모형의 표준잔차의 값이 더 정규성을(-0.5∼0.5 값) 띄게 나타났다.
- 전체적으로, 경기도의 읍⋅면⋅동별 교통인프라 수준은 가장 뚜렷하게는 서울 인접지역-외곽지역의 차이를 볼 수 있으며, 또한, 경부축을 포함하는 남부에 비해 상대적으로 낮은 북부의 교통인프라 수준을 확인할 수 있다.
- 즉 AIC값은 적을수록 모델이 향상된 것으로(OLS: 1039.29, GWR: 974.46) 해석될 수 있으며, ANOVA분석 역시 F-value(2.25)가 유의수준보다 높게 나타남에 따라, 전역적 회귀모형에 비해 GWR이 우수함을 판정할 수 있었다. Table 4,5는 이 같은 사실을 요약한다.
- 교통인프라의 수준과 통행행태가 상호의존성을 갖는 것과 관련, 주목해야할 점이 두 가지가 있다. 첫 번째로, 이러한 상호작용이 교통인프라 수준의 지역 간 격차를 심화시키는 악순환의 원인이 될 수 있다는 점이다. 사람들은 교통인프라가 잘 갖추어진 지역에 거주하기를 희망하므로, 시간이 지남에 따라 그 지역을 중심으로 통행량이 증가하게 된다.
- HH지역과 LL지역의 통행특성을 비교하면 Table 2, 3과 같다. 특히, 이용자, 통행, 환승수의 경우 HH type이 높으며, 내부통행수, 통행시간, 통행거리, 통행속도, 모든 요금항목의 경우 LL type이 높게 나타났다. HL지역은 해당 지역개수가 적어 해석이 어려우며, LH지역은 LL지역보다 HH에 가까운 통행특성을 보인다.
후속연구
- 성남시민버스의 예는 생활에 기반한 주민들의 자발적 교통죤 구성이라고 볼 수 있으며, 이는 본 연구 결과(시군구가 아닌 시군구를 넘나드는 읍면동 연합의 새로운 교통죤)와 매우 잘 통하는 일이다. 그래서 시민들의 이러한 수요 표현을 좀 더 학문적이고 체계적으로 그리고 효율적으로 뒷받침해 줄 수 있어야 하며, 본 연구의 결과는 그런 노력에 도움이 될 것으로 기대된다.
- 96이상)에 해당된다. 또한, 그룹별 평균적인 통행특성을 살펴봄으로써, 해당지역의 통행행태 개선 및 정책제언에 필요한 기초자료로 활용될 수 있다. 분석결과, HH와 LL type별 지역의 평균통행특성의 차이가 뚜렷하게 나타났다.
- 이를 위해서는 우선적으로 동일한 시⋅군⋅구 안의 지역에 대한 정책적 우선을 형평성의 격차에 따라 추진할 수 있는 매뉴얼을 개발해야 할 것이다.
- 이러한 지역은 통근시간에 상대적으로 교통혼잡이 잦고 대중교통서비스의 만족감이 떨어지기 쉽다. 이에, 경기도에서 시행하고 있는 출근시간용 간선급행버스나 대중교통전용제도(버스중앙차선제도)와 같이 대중교통이용자들의 비율을 유지하면서, 서비스의 질을 향상시킬 수 있는 정책이 필요할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.