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 연구에서는 전통적인 교통수요예측의 첫 번째 단계인 통행발생(trip generation) 부분에 한정하여 연구를 진행하고자 하였으며, 기존 도시철도 이용수요 예측 방법의 문제점을 보완하기 위한 방법으로 교통존 기준이 아닌 역세권을 기준으로 하여 도시철도역별 이용수요에 영향을 미치는 요인을 분석하고자 하였다. 그리고 도시철도 이용수요가 주중과 주말에 차이가 있음을 확인하고, 주중과 주말의 도시철도역별 이용수요를 종속변수로 하여 이에 영향을 미치는 다양한 설명변수들(역세권의 용도별 건축물 연면적, 사회경제적 특성 등)을 활용하여 도시철도역별 이용수요에 영향을 미치는 요인을 분석하고자 하였다.
- 본 연구에서는 전통적인 교통수요예측의 첫 번째 단계인 통행발생(trip generation) 부분에 한정하여 연구를 진행하고자 하였으며, 기존 도시철도 이용수요 예측 방법의 문제점을 보완하기 위한 방법으로 교통존 기준이 아닌 역세권을 기준으로 하여 도시철도역별 이용수요에 영향을 미치는 요인을 분석하고자 하였다. 그리고 도시철도 이용수요가 주중과 주말에 차이가 있음을 확인하고, 주중과 주말의 도시철도역별 이용수요를 종속변수로 하여 이에 영향을 미치는 다양한 설명변수들(역세권의 용도별 건축물 연면적, 사회경제적 특성 등)을 활용하여 도시철도역별 이용수요에 영향을 미치는 요인을 분석하고자 하였다.
- 예컨대 토지이용 용도별 연면적은 필지 단위로 자료를 구축하였는데, 아파트 단지 같은 경우에는 하나의 필지가 넓기 때문에 역세권에 일부만 포함되는 문제가 있을 수 있다. 이러한 문제를 해결하기 위해 본 연구에서는 아파트 단지 내에서 역세권내에 포함되는 건축물만을 구분하여 자료를 구축하였다. 아울러 사회경제적 특성 변수인 인구, 고용자수 등의 경우 현재 행정동 기준으로만 자료 획득이 가능하고 역세권 기준으로 자료 획득이 불가능함을 감안하여 설명변수에서 제외하였다.
- (2007), Kim(2013)의 연구에서는 시간대별로 구분하여 분석을 수행하였으나, 주중과 주말로 구분하여 도시철도역별 이용수요의 영향요인을 분석한 연구는 거의 없었다. 따라서 본 연구에서는 도시철도역별 이용수요의 영향요인 분석을 위해 주중과 주말을 구분하여 분석하였다. 이처럼 주중과 주말로 구분하여 도시철도역별 이용수요의 영향요인을 분석함으로써 도시철도의 통행발생 예측의 정확도를 제고할 수 있을 것으로 판단된다.
- 이렇게 두개의 모형으로 구분하여 분석을 하기 전에 먼저 도시철도역별 주중 이용수요와 주말 이용수요 간 차이가 있는가에 대한 통계적 검정이 선행되어야 한다. 따라서 본 연구에서는 회귀분석에 앞서 주중과 주말의 도시철도역별 이용수요가 통계적으로 충분히 다른지 확인하는 과정을 거쳤다.
- 첫째, 본 연구에서는 도시철도 수요예측모형의 개발이 아니라 도시철도 이용수요에 영향을 미치는 요인을 확인하는데 초점을 두었다. 따라서 향후에는 도시철도의 수요예측을 위해 본 연구에서 추정된 도시철도 역세권별 모형을 활용할 수 있는 방안의 마련이 필요할 것으로 판단된다.
- 둘째, 본 연구에서는 기존의 행정동 기준이 아닌 역세권 기준으로 자료를 구축하여 도시철도의 이용수요에 영향을 미치는 요인을 분석하였다. 이러한 분석과정에서 역세권의 토지이용 변수만을 주요 설명변수로 활용할 수 밖에 없는 한계를 가진다.
가설 설정
- 도시철도역별 주중 이용수요와 주말 이용수요 간 차이가 있는지를 검정하기 위한 귀무가설은 ‘H0 : μi1 = μi2 ’이고, 대립가설은 ‘H1 : μi1≠ μi2 ’이다.
제안 방법
- 또한 도시철도역별 이용수요에 영향을 미칠 수 있는 다양한 요인들에 대한 자료를 획득하기 위해 대구광역시 건축물대장과 GIS 지적도를 확보하여 55개 도시철도 역세권의 용도별 건축물의 연상면적 자료를 구축하였고, 그 외에 도시철도 역세권내 환승이 가능한 버스노선수, 역세권내 중·고등·대학교 학생수 등의 자료를 구축하였다.
- (2006)는 고밀 도시(서울시)에서 토지 이용과 통행패턴의 연관성을 분석하기 위해 서울시 역세권(500m)을 사례지역으로 하여 통행수단간 분담율의 비(比)를 종속변수로 하고, 역세권내 개발밀도, 토지이용 불균형지수(복합적 토지이용의 정도를 나타내기 위해 개발한 지수), 직주균형지수(거주자수/고용자수)를 설명 변수로 하는 다중회귀분석을 실시하였다. 그리고 이러한 분석결과를 토대로 하여 역세권을 중심으로 한 토지이용 전략의 방향(정책적 시사점)을 제시하였다.
- (2007)는 기존의 고밀화된 서울시의 역세권에 대해서 역세권의 개발밀도를 산정하고, 역세권의 개발밀도와 이용자수의 상관관계를 분석함으로써 고밀의 토지이용이 대중교통 이용에 어떠한 영향을 미치는지를 살펴보았다. 이러한 연구를 위해 서울 지하철 4호선을 대상으로 지하철 역세권의 범위를 500m로 설정하고, 토지대장과 지적도, 건축물대장을 이용하여 개별 역세권 500m 안의 개발밀도를 산정하였고, 2006년 5월 평일 평균이용자수를 이용하여 개발밀도와 이용자수의 상관관계를 분석하였다. 또한 높은 개발밀도에 낮은 이용자 또는 낮은 개발밀도에 높은 이용자의 성격을 가진 역을 대상으로 도보접근시간을 산정하여 그 분포를 살펴보았다.
- 이러한 연구를 위해 서울 지하철 4호선을 대상으로 지하철 역세권의 범위를 500m로 설정하고, 토지대장과 지적도, 건축물대장을 이용하여 개별 역세권 500m 안의 개발밀도를 산정하였고, 2006년 5월 평일 평균이용자수를 이용하여 개발밀도와 이용자수의 상관관계를 분석하였다. 또한 높은 개발밀도에 낮은 이용자 또는 낮은 개발밀도에 높은 이용자의 성격을 가진 역을 대상으로 도보접근시간을 산정하여 그 분포를 살펴보았다.
- (2007)는 서울시를 포함한 수도권지역에서 가장 높은 수송분담율을 차지하고 있는 지하철망 상통행흐름의 시·공간적 구조를 밝히고, 이러한 통행흐름과 토지이용의 관계를 분석하였다. 이러한 연구를 위해 2004년 7월 서울시 대중교통체계 개편 이후 축적되어온 교통카드 DB에서 매년 하루치의 통행거래자료를 이용하였으며, 하루를 아침 출근시간대, 낮 시간대, 저녁 퇴근시간대로 구분하여 시간대별 통행흐름의 공간적 특징을 비교 분석하였다. 또한 수도권 지하철 통행흐름과 토지 이용의 관계를 밝히기 위해 시간대별 각 역의 통행량과 주변지역의 토지이용상태를 반영하는 42개의 지리적 속성변수들에 대해 다중회귀분석을 실시하여 시간대별 출발 통행흐름과 도착 통행흐름과의 관계를 설명하는 함수 식을 도출하였다.
- 이러한 연구를 위해 2004년 7월 서울시 대중교통체계 개편 이후 축적되어온 교통카드 DB에서 매년 하루치의 통행거래자료를 이용하였으며, 하루를 아침 출근시간대, 낮 시간대, 저녁 퇴근시간대로 구분하여 시간대별 통행흐름의 공간적 특징을 비교 분석하였다. 또한 수도권 지하철 통행흐름과 토지 이용의 관계를 밝히기 위해 시간대별 각 역의 통행량과 주변지역의 토지이용상태를 반영하는 42개의 지리적 속성변수들에 대해 다중회귀분석을 실시하여 시간대별 출발 통행흐름과 도착 통행흐름과의 관계를 설명하는 함수 식을 도출하였다.
- (2009)는 서울시의 대중교통 이용수요(역세권의 일일 이용수요)를 종속변수로 하고, 버스 및 도시철도와 관련된 12개의 설명변수를 사용하여 다중회귀 분석을 실시하였다. 이러한 다중회귀분석을 위해 먼저 계층적 군집분석(hierarchy cluster analysis)을 실시하여 역세권의 유형을 주거지역과 비주거지역으로 구분하고, 역세권 유형별(주거/비주거) 모형을 추정하였다.
- (2010)는 서울시와 경기도 지하철 역세권의 특성을 서울시와 경기도 건축물 과세대장(2006)에서 제공하는 필지별 건축물 정보와 필지 및 용도지역 데이터, 동 단위 인구 총조사 데이터(통계청, 2005)를 활용하여 개발밀도, 토지이용패턴, 도시계획 요소, 인구사회학적 요소를 분석하고, 이들 요소가 대중교통 이용률과 어떠한 연관성을 가지는지 회귀모형을 추정하여 분석하였다. 특히 이 연구에서는 서울시와 경기도의 역세권을 구분하여 회귀모형을 추정하고, 그 결과를 비교하였다.
- 이러한 분석을 위해 역별 연간 지하철 이용자수를 종속변수로 하고, 각 역세권별 도시공간특성을 설명변수로, 그리고 인구사회요인을 통제변수로 하는 회귀분석을 실시하였다. 특히 이 연구에서는 서울시 주거중심 역세권, 서울시 비주거중심 역세권, 경기도 주거중심 역세권, 경기도 비주거중심 역세권의 4개로 역세권 유형을 구분하여 회귀분석을 실시하였다.
- Kim(2013)은 대구광역시 지하철 이용자를 오전 첨두시간대의 승차자와 하차자로 구분하여 지하철역 주변의 토지이용, 인구수, 고용자수 등의 변수들과의 관계를 분석하고 차이를 비교하였다. 지하철 승차자수와 하차자 수의 영향요인 분석을 위해 회귀분석을 하였으며, 이때 선형모형, 준로그모형, 로그모형 등 세가지 모형을 추정하였다.
- (2013)는 서울시내의 지하철 역세권 범위를 다양하게 고려하여 유형화하고, 대중교통 이용수요와의 관계를 살펴보았다. 이를 위해 자료 수집을 철도역으로부터 반경 250m, 500m, 750m, 1,000m, 1,250m, 1,500m로 대별하여 개발밀도, 토지이용 다양성, 대중교통 접근성 등 자료를 추출한 후 요인분석을 통해 물리적 환경에 대한 유형적 특성을 분석하였다. 이를 통해 도출된 반경별 유형 및 영향요인 분석결과를 토대로, 역세권 이용수요와 주요 변수들 간의 연관성을 분석하기 위해 다중회귀모형을 추정하였다.
- Johnson(2003)은 미국 미네소타주 미네아폴리스-세인트폴의 트윈시티를 대상으로 토지이용과 대중교통수요 간의 관계를 분석하였다. 이 연구에서 종속변수는 미네아폴리스-세인트폴의 트윈시티에 있는 버스정류장의 주중(weekday) 승차 인원이고, 설명변수로는 버스정류장 주변 토지이용, 사회경제적 특성, 대중교통 서비스수준을 나타내는 변수들이 사용되었다.
- (2009)는 미국 뉴욕시 지하철의 하루 시간대별 이용자수의 변화패턴을 분석하였으며, 이러한 변화패턴과 토지이용 및 통행자의 사회인구학적 특성의 관계를 분석하였다. 이러한 분석을 위해 뉴욕의 지하철역을 5개의 군집(clusters)으로 구분한 후, 구분된 군집별 지하철역 이용자수의 시간대별 변화패턴을 분석하고 이에 영향을 미치는 요인을 분석하였다.
- 아울러 사회경제적 특성 변수인 인구, 고용자수 등의 경우 현재 행정동 기준으로만 자료 획득이 가능하고 역세권 기준으로 자료 획득이 불가능함을 감안하여 설명변수에서 제외하였다. 따라서 선행연구들과는 달리 본 연구는 분석을 위해 설정한 역세권의 특성을 정확하게 반영할 수 있는 설명변수들만을 포함하여 분석하였다.
- 그리고 사회경제적 특성으로 중·고등·대학교의 학생수 자료를 구축하였으며, 환승수단 특성으로 도시철도와 환승이 가능한 버스노선 수 자료를 구축하였다.
- 설명변수는 도시철도역별 이용수요에 영향을 미칠 것으로 예상되는 변수로서 토지이용 특성 변수인 역세권내의 주거, 상업, 공업, 업무 등 용도별 건축물의 연상면적과 사회경제적 특성 변수인 중·고등·대학교의 학생수(No. of Students), 환승수단 특성 변수인 환승이 가능한 버스노선수(No. of Bus Routes or Lines)를 포함하였다.
- 본 연구에서 도시철도역별 이용수요의 영향요인을 분석하기 위해 주중 이용수요와 주말 이용수요를 종속변수로 하는 두 개의 다중회귀모형을 추정하였다.
- 용도별 건축물의 연상면적은 실질적으로 사용되고 있는 용도를 기준으로 하여 자료를 구축하였다. 주거 건축물에 해당하는 아파트 단지 같은 경우 하나의 필지로 되어 있지만 역세권에 포함되는 아파트 건축물의 연상면적만을 확인하여 자료를 구축하였다.
- 용도별 건축물의 연상면적은 실질적으로 사용되고 있는 용도를 기준으로 하여 자료를 구축하였다. 주거 건축물에 해당하는 아파트 단지 같은 경우 하나의 필지로 되어 있지만 역세권에 포함되는 아파트 건축물의 연상면적만을 확인하여 자료를 구축하였다.
- 본 연구에서는 도시철도역별 이용수요를 주중 이용수요와 주말 이용수요로 구분하여 분석하였다. 이렇게 두개의 모형으로 구분하여 분석을 하기 전에 먼저 도시철도역별 주중 이용수요와 주말 이용수요 간 차이가 있는가에 대한 통계적 검정이 선행되어야 한다.
- 본 연구에서 추정한 주중 이용수요 모형과 주말 이용수요 모형에서 채택된 변수는 비슷하지만 각 모형에서 채택된 변수의 수가 다르기 때문에 두 모형의 변수들 간 직접적이고 절대적인 비교는 불가능하다. 하지만 표준화 계수인 Beta값을 이용해 각 모형에서 선정된 변수들 간 상대적인 영향력을 비교하는 것은 가능하기 때문에 본 연구에서는 이를 이용한 간접적인 비교를 하였다. 주중 이용수요 모형과 주말 이용수요 모형의 표준화된 회귀계수 값(Beta값)은 Table 6과 같다.
- 본 연구에서는 도시철도역별 이용수요의 영향요인을 분석하기 위해 대구광역시 도시철도역별 이용수요를 주중과 주말로 구분하여 종속변수로 설정하고, 도시철도역세권 범위를 반경 500m로 설정하여 역세권내 10개의 용도별 건축물 연상면적과 중·고등·대학교 학생수, 환승이 가능한 버스노선수 등을 설명변수로 하는 다중회귀모형을 추정하였다.
- 설명변수들 간 다중공선성 여부를 검토하기 위해 상관관계 및 분산팽창인자(VIF) 분석을 수행하였다. 분석 결과 설명변수들 간 다중공선성 문제가 없다고 판단되는 설명변수들을 포함하여 주중과 주말로 나누어 다중회귀 분석을 수행하였다.
- 셋째, 본 연구에서는 도시철도의 역세권을 고려하여 분석을 하였지만 도시철도역을 유형별로 구분하고, 이에 따른 역세권 분석은 하지 않았다. 도시철도역을 유형별로 구분하여 역세권 분석을 한다면 좀 더 정밀한 도시철도 이용수요의 분석이 가능할 것으로 기대된다.
대상 데이터
- 본 연구에서는 도시철도역별 이용수요의 영향요인을 분석하기 위해 2개의 도시철도 노선이 운영되고 있는 대구광역시를 사례지역으로 하여 연구를 수행하였다. 분석을 위해 2011년도 대구도시철도 1호선과 2호선 55개역(1호선과 2호선의 환승역인 반월당역 통합)의 이용수요(365일간 연중 요일별 승하차 인원)에 대한 자료(대구도시철도공사 제공)를 획득하였다.
- 본 연구에서는 도시철도역별 이용수요의 영향요인을 분석하기 위해 2개의 도시철도 노선이 운영되고 있는 대구광역시를 사례지역으로 하여 연구를 수행하였다. 분석을 위해 2011년도 대구도시철도 1호선과 2호선 55개역(1호선과 2호선의 환승역인 반월당역 통합)의 이용수요(365일간 연중 요일별 승하차 인원)에 대한 자료(대구도시철도공사 제공)를 획득하였다. 가장 최근 연도인 2012년 자료의 획득도 가능하지만, 2012년 9월 대구도시철도 2호선의 경산연장으로 인한 경산지역 3개 역의 추가 개통으로 연중 비교의 의미가 없는 것으로 판단하였다.
- (1986)는 미국 펜실베니아주 필라델피아 중심부(CBD)에서 뉴저지주 남부의 교외지역(Camden County)을 연결하는 도시고속철도 라인(Lindenwold High Speed Line)의 월 이용자수를 분석하기 위해 선형(Linear)과 로그의 함수형태를 사용하여 시계열 회귀 모형을 추정하였다. 이러한 분석을 위해 1978-1984년 사이 6년 6개월간의 이용자수 자료를 바탕으로 모형이 추정되었으며, 이용자수는 계절별 변화와 월별 변화가 분석되었다.
- 역세권내의 용도별 건축물 연상면적 자료는 대구광역시에서 제공한 건축물대장 자료를 활용하였고, 중·고등학교의 학생수는 대구교육청에서 획득하였으며, 대학교의 학생수는 통계청에서 획득하였다.
- 본 연구에서 사용하는 도시철도역별 이용수요 자료는 대구도시철도공사에서 제공하는 것으로, 도시철도역마다 설치된 단말기를 통해서 수집된 것이므로 부정 승차 인원수 등을 제외한다면 매우 정확한 자료이다.
- 대구도시철도공사에서 제공하는 자료는 도시철도역별, 날짜별, 시간대별로 승하차 인원수의 자료가 수록되어 있다. 이 가운데 본 연구에서 사용된 자료는 2011년 도시철도 1호선과 2호선의 역별 주중과 주말의 승하차 인원수이다.
- 기존의 많은 연구들에서는 필지단위의 주 용도별 연면적 자료가 많이 사용되었는데, 자료 구축 시 역세권내 아파트 단지가 일부만 포함될 경우 아파트 단지가 역세권에 포함된 비율에 따라 아파트 단지 전체의 연면적을 포함하거나 제거하여 자료를 구축하였다. 이러한 자료 구축 방법은 부정확할 우려가 있어 본 연구에서는 필지단위가 아닌 건축물 단위의 자료를 사용하였다. 그리고 사회경제적 특성으로 중·고등·대학교의 학생수 자료를 구축하였으며, 환승수단 특성으로 도시철도와 환승이 가능한 버스노선 수 자료를 구축하였다.
데이터처리
- 또한 도시철도역별 이용수요에 영향을 미칠 수 있는 다양한 요인들에 대한 자료를 획득하기 위해 대구광역시 건축물대장과 GIS 지적도를 확보하여 55개 도시철도 역세권의 용도별 건축물의 연상면적 자료를 구축하였고, 그 외에 도시철도 역세권내 환승이 가능한 버스노선수, 역세권내 중·고등·대학교 학생수 등의 자료를 구축하였다. 이렇게 구축된 자료들을 바탕으로 도시철도역별 이용수요에 영향을 미치는 다양한 설명변수들을 포함하여 회귀모형(regression models)을 추정하였다.
- 마지막으로 분석결과를 요약한 후 본 연구의 한계와 향후과제를 제시하였다. 본 연구에서는 공간정보 활용을 위해 ArcView GIS 3.3과 ArcGIS 9.0 프로그램을 사용하였고, 회귀모형 추정을 위해 SPSS 21 프로그램을 사용하였다.
- (2005)는 요일별 시간대별 지하철역의 이용인구를 중심으로 서울시의 역세권을 유형화한 후 이를 토대로 토지이용특성과의 연관성을 살펴보았다. 역세권 유형화를 위하여 지하철역 이용특성 자료를 이용하여 요인분석(factor analysis)을 실시하였으며, 토지이용 특성과의 연관성을 파악하기 위하여 다차원척도법을 사용하였다. 그러나 이 연구에서는 서울시 역세권의 유형화에 초점을 둔 이유로 말미암아 요일별 시간대별 지하철역 이용인구의 영향요인을 규명하기 위한 인과관계의 분석은 미흡하였다.
- (2008)는 TOD(Transit Oriented Development)의 주요 구성요소인 밀도(density) 및 다양성(diversity) 등의 토지이용특성과 가로망 및 건물 형성 등의 도시설계특성이 대중교통 이용에 미치는 영향을 서울시 215개 지하철 역세권을 대상으로 실증적으로 분석하였다. 종속변수는 일일 대중교통 이용수요(지하철과 버스의 승차인원)로 설정하고, 설명변수로는 토지이용특성과 도시설계특성을 대변하는 총 32개의 계획요소를 도출한 다음 요인분석을 실시하여 7개의 요인으로 압축한 후, 다중회귀분석을 수행하였다. 아울러 오전 첨두시 이용수요와 오후 첨두시 이용수요를 종속변수로 하는 다중회귀분석도 실시하였다.
- 종속변수는 일일 대중교통 이용수요(지하철과 버스의 승차인원)로 설정하고, 설명변수로는 토지이용특성과 도시설계특성을 대변하는 총 32개의 계획요소를 도출한 다음 요인분석을 실시하여 7개의 요인으로 압축한 후, 다중회귀분석을 수행하였다. 아울러 오전 첨두시 이용수요와 오후 첨두시 이용수요를 종속변수로 하는 다중회귀분석도 실시하였다.
- (2011)는 역세권 분석의 범위를 서울을 포함한 수도권 전체로 확대하여 서울과 그 주변지역들의 역세권(반경 400m) 도시공간특성의 차이가 지하철 이용과 어떠한 연관성을 지니며, 지역적으로 어떠한 차이를 보이는지를 분석하였다. 이러한 분석을 위해 역별 연간 지하철 이용자수를 종속변수로 하고, 각 역세권별 도시공간특성을 설명변수로, 그리고 인구사회요인을 통제변수로 하는 회귀분석을 실시하였다. 특히 이 연구에서는 서울시 주거중심 역세권, 서울시 비주거중심 역세권, 경기도 주거중심 역세권, 경기도 비주거중심 역세권의 4개로 역세권 유형을 구분하여 회귀분석을 실시하였다.
- 이를 위해 자료 수집을 철도역으로부터 반경 250m, 500m, 750m, 1,000m, 1,250m, 1,500m로 대별하여 개발밀도, 토지이용 다양성, 대중교통 접근성 등 자료를 추출한 후 요인분석을 통해 물리적 환경에 대한 유형적 특성을 분석하였다. 이를 통해 도출된 반경별 유형 및 영향요인 분석결과를 토대로, 역세권 이용수요와 주요 변수들 간의 연관성을 분석하기 위해 다중회귀모형을 추정하였다.
- 설명변수들 간 다중공선성 여부를 검토하기 위해 상관관계 및 분산팽창인자(VIF) 분석을 수행하였다. 분석 결과 설명변수들 간 다중공선성 문제가 없다고 판단되는 설명변수들을 포함하여 주중과 주말로 나누어 다중회귀 분석을 수행하였다.
이론/모형
- 도시철도역별 주중 이용수요의 영향요인을 분석하기 위해 다중회귀분석의 변수 선정방법 가운데 하나인 후진 제거법(backward elimination)을 적용하였다. 이 방법은 모든 변수를 다 사용한 전체모형으로부터 t값(또는 F값)이 가장 작은 변수, 즉 가장 불필요한 변수를 하나씩 제거시키는 것이다.
- 도시철도역별 주말 이용수요의 영향요인을 분석하기 위해 주중 이용수요 모형과 마찬가지로 후진제거법을 적용하여 모형을 추정하였으며, 그 결과는 Table 5와 같다.
성능/효과
- 도시철도역별 주말 일평균 승하차 인원수를 보면 도시철도 1호선은 중앙로역이 주중보다 더 많은 47,810명으로 가장 많은 승하차 인원수를 나타내고 있으며, 동대구역(28,466명), 상인역(21,928명), 대구역(21,772명) 순으로 승하차 인원수가 많은 것으로 나타났다. 한편 가장 적은 승하차 인원수를 나타내는 역은 주중과 마찬가지로 동촌역(3,058명)이다.
- Table 2는 본 연구에서 사용된 설명변수들의 분산팽창인자(VIF)검토를 수행한 결과이다. 상관분석 결과, 상관계수가 가장 높은 변수는 상업(Commerce)과 업무(Business Service)가 0.681로 상관성이 다소 높게 나타났지만 임의로 제외시킬 수 있는 수준에 해당하는 만큼 높지는 않았다. VIF도 가장 높은 값이 3.
- 96이상일 경우 귀무가설이 기각되고 대립가설이 채택되어 도시철도역별 주중 이용수요와 주말 이용수요 간 차이가 있다고 말할 수 있다. 검정결과 대구도시철도 1호선의 성당못역(Seongdangmot), 대구역(Daegu Station), 동촌역(Dongchon), 율하역(Yulha)과 대구도시철도 2호선의 대공원역(Daegu Grand Park) 총 5개역을 제외한 50개의 역에서 주중 이용수요와 주말 이용수요가 통계적으로 차이가 있는 것으로 확인되었다. 비록 모든 도시철도역에서 이러한 결과가 나온 것은 아니지만, 대구도시철도역 중 90% 이상의 역에서 주중과 주말의 이용수요 간 차이가 있다고 나타난 것은 도시철도역별 이용수요를 주중과 주말로 구분하여 분석을 하는 것이 타당한 것임을 보여준다.
- 주중 이용수요 모형에서는 주거(Residence) 건축물의 연상면적, 상업(Commerce) 건축물의 연상면적, 교통관련(Transportation) 건축물의 연상면적, 중·고등·대학교 학생수(No. of Students), 환승이 가능한 버스노선수(No. of Bus Routes or Lines) 변수가 통계적으로 유의한 변수로 선정되었으며, 모형의 설명력을 나타내는 결정계수(R2)는 0.781로 나타났고, 모형의 F통계치는 34.973(유의확률 0.000)으로 95%의 신뢰구간에서 유의한 값을 나타내고 있어 모형이 통계적으로 유의함을 알 수 있다.
- 각 설명변수들의 상대적인 영향력을 비교할 수 있는 표준화된 회귀계수 값(Beta값)을 살펴보면, 주중 이용수요 모형에서는 상업 건축물의 연상면적 변수가 가장 큰 영향력을 미치고, 그 다음으로 주거 건축물의 연상면적, 교통관련 건축물의 연상면적, 환승이 가능한 버스노선수, 중·고등·대학교 학생수 순으로 영향력이 큰 것으로 나타났다.
- 주거 건축물의 연상면적 변수는 종속변수와 정(+)의 관계를 가지는 것으로 나타났는데, 이는 도시철도 역세권내 주거 건축물의 연상면적이 클수록 도시철도의 주중 이용수요가 많아진다는 것을 의미한다. 출·퇴근과 등·하교를 위해 도시철도를 이용하는 직장인들과 학생들, 그 외의 목적을 가진 도시철도 이용자들의 최초 출발지와 최종 목적지가 대부분 자신이 거주하는 집이기 때문에 나타난 결과로 판단된다.
- 상업 건축물의 연상면적 변수는 종속변수와 정(+)의 관계를 가지는 것으로 나타났는데, 이는 도시철도 역세권내 상업 건축물의 연상면적이 클수록 도시철도의 주중 이용수요가 많아진다는 것을 의미한다. 변수들 간 상대적인 영향력을 비교할 수 있는 표준화된 회귀계수 값(Beta값)을 보면 상업 건축물의 연상면적 변수의 표준화된 회귀계수 값이 다른 변수들보다 3배가 넘는 것을 확인할 수 있는데, 이는 도시철도 이용자들이 상업적 활동을 위한 목적이 많기 때문으로 해석할 수도 있겠지만, 상업활동에 종사하는 종업원들의 출·퇴근 영향도 다소 있을 것으로 판단된다.
- 주말 이용수요 모형에서는 주거(Residence) 건축물의 연상면적, 상업(Commerce) 건축물의 연상면적, 교통관련(Transportation) 건축물의 연상면적, 환승이 가능한 버스노선수(No. of Bus Routes or Lines) 변수가 통계적으로 유의한 변수로 선정되었으며, 모형의 설명력을 나타내는 결정계수(R2)는 0.844로 나타났고, 모형의 F통계치는 67.680(유의확률 0.000)으로 95%의 신뢰구간에서 유의한 값을 나타내고 있어 모형이 통계적으로 유의함을 알 수 있다.
- 표준화된 회귀계수 값(Beta값)은 각 설명변수들의 상대적인 영향력을 비교할 수 있는 값으로 주말 이용수요 모형에서는 상업 건축물의 연상면적 변수가 가장 큰 영향력을 미치고, 그 다음으로 교통관련 건축물의 연상면적, 환승이 가능한 버스노선수, 주거 건축물의 연상면적 순으로 영향력을 미치는 것으로 나타났다.
- 주거 건축물의 연상면적 변수는 종속변수와 정(+)의 관계를 가지는 것으로 나타났는데, 이는 도시철도 역세권내 주거 건축물의 연상면적이 클수록 도시철도의 주말 이용수요가 많아진다는 것을 의미한다. 주거 건축물의 연상면적의 경우 주중 이용수요 모형과 달리 주말 이용수요 모형에서는 영향력이 가장 작은 것으로 나타났는데, 이는 일요일과 공휴일에 출근과 등교를 하지 않는 직장인들과 학생들로 인해 나타난 결과로 판단된다.
- 상업 건축물의 연상면적 변수는 종속변수와 정(+)의 관계를 가지는 것으로 나타났는데, 이는 도시철도 역세권내 상업 건축물의 연상면적이 클수록 도시철도 주말 이용수요가 많아진다는 것을 의미한다. 주말 이용수요 모형에서도 주중 이용수요 모형에서와 마찬가지로 상업 건축물의 연상면적이 가장 큰 영향력을 미치는 것으로 나타났으며, 주중 이용수요 모형과 비교해 볼 때 영향력은 더 큰 것으로 나타났다. 이는 주중에 비해 주말에 상업활동(쇼핑)을 위해 도시철도를 이용하는 사람들이 더 많기 때문에 나타난 결과로 해석할 수 있다.
- 환승이 가능한 버스노선수(No. of Bus Routes or Lines)는 주중 이용수요 모형과 주말 이용수요 모형에서 비슷한 영향력을 미치는 것으로 확인되었다. 이는 도시철도 역세권내 도시철도와 환승이 가능한 버스노선수가 도시철도 이용수요에 영향을 미치지만, 주중과 주말에 상관없이 영향을 미치기 때문에 나타난 결과로 판단된다.
- 또한 주중 이용수요 모형의 경우 직장인들의 출·퇴근과 학생들의 등·하교로 인해 주거 건축물의 연상면적이 큰 영향력을 미치는 것으로 나타났으며, 주말 이용수요 모형의 경우 장거리 여행 및 여가활동으로 인해 교통관련 건축물의 연상면적이 큰 영향을 미치는 것으로 나타났다.
- 표준화 계수인 Beta값을 이용해 각 모형의 상대적인 영향력을 비교해 본 결과, 주중 이용수요 모형은 상업 건축물의 연상면적, 주거 건축물의 연상면적, 환승이 가능한 버스노선수, 교통관련 건축물의 연상면적, 중·고등·대학교 학생수 순으로 영향력을 미치는 것으로 나타났고, 주말 이용수요 모형은 상업 건축물의 연상면적, 교통관련 건축물의 연상면적, 환승이 가능한 버스노선수, 주거 건축물의 연상면적 순으로 영향력을 미치는 것으로 나타났다.
- 주중 이용수요 모형의 추정결과 도시철도 역세권내 주거 건축물의 연상면적, 상업 건축물의 연상면적, 교통 관련 건축물의 연상면적이 클수록, 그리고 중·고등·대학교 학생수, 환승이 가능한 버스노선수가 많을수록 도시철도의 주중 이용수요가 많아지는 것으로 확인되었다.
- 주말 이용수요 모형의 추정결과 도시철도 역세권내 주거 건축물의 연상면적, 상업 건축물의 연상면적, 교통 관련 건축물의 연상면적이 클수록, 그리고 환승이 가능한 버스노선수가 많을수록 도시철도의 주말 이용수요가 많아지는 것으로 확인되었다.
후속연구
- 본 연구를 통해 역세권 자료를 기반으로 한 도시철도 수요예측모형의 개발과 도시철도 역세권 개발 및 교통정책 등에 유용한 정보와 시사점을 제공할 수 있을 것으로 기대된다.
- 따라서 본 연구에서는 도시철도역별 이용수요의 영향요인 분석을 위해 주중과 주말을 구분하여 분석하였다. 이처럼 주중과 주말로 구분하여 도시철도역별 이용수요의 영향요인을 분석함으로써 도시철도의 통행발생 예측의 정확도를 제고할 수 있을 것으로 판단된다.
- 첫째, 본 연구에서는 도시철도 수요예측모형의 개발이 아니라 도시철도 이용수요에 영향을 미치는 요인을 확인하는데 초점을 두었다. 따라서 향후에는 도시철도의 수요예측을 위해 본 연구에서 추정된 도시철도 역세권별 모형을 활용할 수 있는 방안의 마련이 필요할 것으로 판단된다.
- 이러한 분석과정에서 역세권의 토지이용 변수만을 주요 설명변수로 활용할 수 밖에 없는 한계를 가진다. 따라서 향후 인구 및 고용자수 등의 자료를 행정동이 아닌 역세권 기준으로 수집할 수 있다면 더 많은 설명변수를 포함할 수 있을 것이고, 분석의 정확도를 높일 수 있을 것으로 판단된다.
- 셋째, 본 연구에서는 도시철도의 역세권을 고려하여 분석을 하였지만 도시철도역을 유형별로 구분하고, 이에 따른 역세권 분석은 하지 않았다. 도시철도역을 유형별로 구분하여 역세권 분석을 한다면 좀 더 정밀한 도시철도 이용수요의 분석이 가능할 것으로 기대된다.
- 넷째, 본 연구에서는 도시철도역별 이용수요의 영향요인을 확인하기 위해 도시철도역별 이용수요를 주중과 주말로 구분하여 분석함으로써 다양한 시점별 영향요인을 확인하는 데는 한계를 가진다. 본 연구에서 구분한 주중과 주말 외에 계절별, 월별, 요일별, 시간대별, 날씨별로도 도시철도 이용수요에 영향을 미치는 요인에 차이가 있을 수 있다.
- 본 연구에서 구분한 주중과 주말 외에 계절별, 월별, 요일별, 시간대별, 날씨별로도 도시철도 이용수요에 영향을 미치는 요인에 차이가 있을 수 있다. 따라서 향후에는 다양한 시점별 도시철도 이용수요에 영향을 미치는 요인을 분석하는 연구가 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.