[논문]부산·울산광역권 교통수단 선택모형 구축 방법론 개선

신강원

doi:10.5762/kais.2014.15.7.4580

[국내논문] 부산·울산광역권 교통수단 선택모형 구축 방법론 개선
Improving Methods for Estimating Transportation Mode Choice Model in Busan-Ulsan Metropolitan Area 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.15 no.7, 2014년, pp.4580 - 4587

초록
AI-Helper

본 연구는 부산 울산광역권의 여객 통행 OD자료 구축을 위해 적용된 여러 교통수요예측 모형 중 다항로짓모형에 기반한 교통수단 선택모형의 문제점을 진단하고 이를 개선하기 위한 모형 구축 방법론을 제시하였다. 기존 교통수단 선택모형은 외관상으로는 적용 가능한 모형구조를 갖고 있으나, 모형 구축에 활용된 원시자료 상세 분석결과 교통존쌍간 총 통행량 미반영, 선택집합의 누락, 교통 혼잡 상태의 미반영, 교통존 특성변수의 미반영과 같은 문제점들이 내재되어 있는 것으로 나타났다. 본 논문에서는 전술한 기존 모형의 문제점들을 개선하여 다항로짓모형을 재구축하였으며, 재구축 결과 부산 울산 광역권의 교통수단 선택행태는 각 교통수단의 통행시간 및 통행비용보다는 각 교통수단의 고유특성 및 교통존 특성에 더 큰 영향을 받는 것으로 나타났으며, 추정모형의 계수 부호 및 적합도 또한 적용 가능한 수준으로 나타났다.

Abstract ▼ AI-Helper

This study provides an improved transportation mode choice models applicable to the Busan-Ulsan Metropolitan area by scrutinizing previous study results developed using the multinomial logit model. Although the previous model has an appropriate modeling structure in terms of the sign of coefficient estimates and goodness-of-fit, the model ignores the total number of trips and traffic congestion condition between the two zones and partially reflects zone-specific variables and choice set. Therefore, this study considered all of these modeling faults by re-constructing the representative utility functions. The modeling results show that travelers in Busan-Ulsan metropolitan area tend to choose their mode using mode-specific characteristics rather than the classical travel time and/or cost variables.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

교통수단 선택모형은 McFadden의 이산선택모형(discrete choice model)을 주로 적용하는 바 본 절에서는 McFadden의 이산선택모형을 상세 설명하고 각 모형전개 과정에서 본 연구를 통해 개선하고자 하는 수단선택 모델링의 방향을 제시하였다.
본 연구는 교통수요분석의 기초자료인 교통수단별 여객 통행 OD자료를 보다 현실적으로 추정하기 위해 다양한 모형구조의 비교·분석과 상세 원시자료 분석을 통해 최종 모형을 도출했다는 점에서 의의가 있다고 할 수 있다. 그러나 본 연구에서 제시한 최종모형은 장래 예측이 상대적으로 어려운 교통존 특성변수를 포함하고 있어 각 특성변수의 예측과정에 연구가 향후 보완되어야 할 것으로 판단된다.
본 연구는 부산·울산광역권의 여객 OD 구축 시 사용된 기존 교통수단 선택모형의 문제점을 진단하고 이를 개선하기 위한 모형 정립 방향을 제시하고자 한다.
본 연구에서는 부산·울산광역권의 여객 통행 OD자료 구축을 위해 적용된 여러 교통수요예측 모형 중 다항로짓모형에 기반한 교통수단 선택모형의 문제점을 진단하고 이를 개선한 모형 구축결과를 제시하였다.
본 절에서는 전술한 기존 부산·울산광역권 교통수단 선택모형의 문제점을 개선하기 위해 재구축된 다항 로짓 모델링 결과를 제시하였다.
비록 수도권을 대상으로 하는 선행연구들에서는 각 교통수단의 설명변수를 세분화하여 다양한 모형구조를 고려하고 있으나, 본 연구의 대상지인 부산·울산광역권의 자료 구조는 수도권의 자료구조와 다르기 때문에 본 연구에서는 부산·울산광역권에 적합한 교통수단 선택모형을 다양한 독립변수를 고려하여 구축하고 이에 대한 비교·분석을 수행하고자 한다.
최기주 외 2인(2010)은 수도권의 통합요금제를 고려한 수단별 효용산정 기법을 2006년 가구통행실태조사 자료를 활용하여 제시하였다[4]. 이 연구에서는 교통수단 선택모형의 독립변수인 각 교통수단별 통행시간 및 통행비용 산출방법을 검토하여 해당 방법론이 2004년도 이전의 수단간 독립요금제를 기반으로 구축되었다는 문제점을 지적하고 이에 대한 해결책을 제시하였다. 구체적으로 이 연구는 독립요금제와 통합요금제가 혼재되어 있는 지역의 수단별 통행시간을 추출하기 위해 승용차 통행시간 대비 버스 통행시간의 상대비율을 가구통행실태조사 자료를 활용하여 재추정하였으며, 지하철 통행시간은 차내시간과 차외시간으로 구분하여 산정하되 차외시간을 접근시간과 대기시간으로 세분화하여 산정하였다.

제안 방법

이 연구에서는 수단별 효용함수 추정을 위해 각 수단별 통행시간 및 통행비용을 5가지로 구분하여 산정한 후 교통수단선택 모형을 추정하고 그 결과를 비교·분석하였다. 구체적으로 각 수단별 통행시간 및 통행비용은 편도통행비용 및 통행시간만 고려한 경우, 왕복통행비용 및 왕복통행시간을 고려한 경우, 편도통행 비용과 편도통행시간을 차내시간과 차외시간으로 구분한 경우, 편도통행시간과 편도통행비용을 개인의 일소득으로 나눈 경우, 편도통행시간과 주차비를 제외한 편도통행비용을 개인의 일소득으로 나눈 경우로 구분하였다. 전술한 5가지의 독립변수 집합을 이용하여 수단선택모형을 추정한 결과 모형 적합도 측면에서는 편도통행시간과 주차비를 제외한 편도통행비용을 개인의 일소득으로 나눈 값을 독립변수로 설정한 모형이 가장 우수한 것으로 나타났으나, 시간가치 분석결과 각 수단의 편도통행시간 및 편도통행비용만을 고려한 단순 모형이 가장 적합하다고 제시하였다.
이 연구에서는 교통수단 선택모형의 독립변수인 각 교통수단별 통행시간 및 통행비용 산출방법을 검토하여 해당 방법론이 2004년도 이전의 수단간 독립요금제를 기반으로 구축되었다는 문제점을 지적하고 이에 대한 해결책을 제시하였다. 구체적으로 이 연구는 독립요금제와 통합요금제가 혼재되어 있는 지역의 수단별 통행시간을 추출하기 위해 승용차 통행시간 대비 버스 통행시간의 상대비율을 가구통행실태조사 자료를 활용하여 재추정하였으며, 지하철 통행시간은 차내시간과 차외시간으로 구분하여 산정하되 차외시간을 접근시간과 대기시간으로 세분화하여 산정하였다. 전술한 독립변수 세분화 및 재추정을 통해 정립된 수단선택모형은 기존 모형에 비해 오차를 감소시키는 것으로 나타났다.
따라서 본 연구에서는 전술한 기존 교통수단 선택모형의 문제점을 개선한 모형을 부산·울산광역권 전수화 자료를 이용하여 구축하고 그 결과를 비교·분석하였다.
따라서 본 연구에서는 전술한 기존연구의 문제점들을 해결할 수 있게끔 독립변수를 재구축하고 효용함수의 구조를 개선하여 부산·울산광역권의 교통수단 선택행태를 보다 현실적으로 반영할 수 있는 교통수단 선택모형을 구축하였다.
부산·울산광역권의 교통수요 자료인 여객통행 OD를 구축한 선행연구[6]에서는 8개 도시(총 431개 교통존)의 2010년 총 여객통행량이 ‘18,121,199통행/일’라고 제시하고 있으며, 각 교통존의 통행발생량은 가정기반 5개 통행 목적과 비가정기반 3개 통행목적으로 분류한 후 각 통행 목적별 회귀모형을 적용하여 추정하였다. 또한 각 교통존간 교차통행량은 전술한 8개 통행목적별 통행저항함수를 수정혼합형으로 구축한 후 이중제약 중력모형을 적용하여 추정하였다. 전술한 방법론을 적용하여 산출한 각 교통존간 교차통행량은 총 26개의 변수(시간변수 5개, 거리변수 2개, 비용변수 13개, 더미변수 6개)를 활용하여 구축한 다항로짓모형을 기반으로 3개의 교통수단(승용차, 버스, 도시철도)별 통행량으로 재분류되었으며, 다항로짓 선택확률을 추정하기 위해 구축된 관측효용함수(representative utility function)의 구조와 추정계수의 값은 Table 1과 같다(모형에 사용된 원시자료 구축방법은 선행연구[6] 참조).
본 장에서는 부산·울산광역권내에 포함되어 있는 8개 도시(부산광역시, 울산광역시, 창원시, 포항시, 김해시, 양산시, 밀양시, 경주시)의 2010년 가구통행실태조사 결과를 이용하여 구축된 교통수단 선택모형의 문제점들을 진단하고 각 문제점들을 개선한 교통수단 선택모형 구축 결과를 제시하였다.
이 연구에서는 수단별 효용함수 추정을 위해 각 수단별 통행시간 및 통행비용을 5가지로 구분하여 산정한 후 교통수단선택 모형을 추정하고 그 결과를 비교·분석하였다.
또한 각 교통존간 교차통행량은 전술한 8개 통행목적별 통행저항함수를 수정혼합형으로 구축한 후 이중제약 중력모형을 적용하여 추정하였다. 전술한 방법론을 적용하여 산출한 각 교통존간 교차통행량은 총 26개의 변수(시간변수 5개, 거리변수 2개, 비용변수 13개, 더미변수 6개)를 활용하여 구축한 다항로짓모형을 기반으로 3개의 교통수단(승용차, 버스, 도시철도)별 통행량으로 재분류되었으며, 다항로짓 선택확률을 추정하기 위해 구축된 관측효용함수(representative utility function)의 구조와 추정계수의 값은 Table 1과 같다(모형에 사용된 원시자료 구축방법은 선행연구[6] 참조).

성능/효과

구체적으로 통행시간 및 통행비용의 증가에 따른 효용의 감소는 오즈(odds, 1-exp(β))로 표현할 수 있으며, 각 교통존간 통행시간이 1분 증가 시 각 교통수단의 선택 오즈는 1.6% 감소하고 각 교통존간 통행비용이 100원 증가 시 각 교통수단의 오즈는 0.8% 감소함을 의미한다.
그러나 교통존쌍의 총통행량 반영, 교통존의 특성변수의 추가반영, 교통 혼잡의 반영, 선택집합의 확장 시(Model 3)에는 모형 적합도가 0.2731로 증가하는 것으로 나타나 기존 교통수단 선택모형의 문제점을 모두 개선한 Model 3는 부산울산광역권의 최종 수단 선택모형으로 활용될 수 있을 것으로 판단된다.
둘째, 기존모형의 교통수단별 통행시간은 교통 혼잡을 고려하지 않은 자유통행시간 기반 통행시간을 적용했을뿐 아니라 선택모형 구축 시 선택집합으로 분류될 수 있는 ‘택시’를 제외하여 추정결과는 현실적인 값을 제공하지 못하고 있다.
구체적으로 통행유형을 나타내는 ‘Intra-trip dummy’의 계수값은 양의 값을 가져 부산·울산광역권의 통행자는 장거리 통행인 도시 간 통행의 경우 열악한 대중교통수단체계보다는 승용차를 선호하고 있음을 나타낸다. 또한 대중교통 잠재수요가 많고 대학교가 존재하는 교통존으로의 통행은 승용차의 선호도가 상대적으로 낮게 추정되며, 출발존 또는 도착존에 도시 철도 역이 존재할 경우에는 도시철도의 선호도가 높게 추정되었다.
즉 Table 3의 분석결과는 기존모형(Model 0)이 존간 교차통행량의 미반영 뿐 아니라 선택집합의 불완전성, 설명변수의 누락 등의 문제점을 갖고 있으나 우도함수의 오설정으로 인해 적합도가 높은 것으로 보일 뿐이며, 동일조건에서 존간 교차통행량을 Model 1과 같이 반영하면 적합도는 낮아진다는 사실을 보여준다. 또한 분석결과는 존간 교차통행량이 반영한 모형(Model 1, 2)이라 할지라도 선택집합이 불완전하거나 설명변수가 누락된 경우에는 가용한 선택집합과 설명변수를 합리적으로 반영한 모형(Model 3)이 보다 적합하다는 사실을 보여준다.
먼저 각 교통존쌍별 총 통행량을 반영할 경우 계수 추정값은 크게 달라짐을 알 수 있는데 특히 Model 0와 Model 1을 비교했을 때 각 계수의 부호는 동일하나 통행시간의 계수의 절대값이 대폭 감소하고 대중교통수단의 대안 상수값이 크게 증가하는 것으로 나타나 부산·울산 광역권 통행자의 교통수단 선택행위는 각 교통수단의 통행시간보다는 각 교통수단의 고유특성에 의해 민감하게 영향을 받고 있음을 알 수 있다.
셋째, 기존모형의 관측효용함수에는 대안특성변수인 교통수단별 통행시간 및 통행비용이 주요 변수로 활용되고 있고, 개체특성변수인 각 교통존별 특성변수는 ‘Admin Dummy(출발지가 행정동일 경우 1, 그렇지 않으면 0)’만 활용되고 있다.
구체적으로 각 수단별 통행시간 및 통행비용은 편도통행비용 및 통행시간만 고려한 경우, 왕복통행비용 및 왕복통행시간을 고려한 경우, 편도통행 비용과 편도통행시간을 차내시간과 차외시간으로 구분한 경우, 편도통행시간과 편도통행비용을 개인의 일소득으로 나눈 경우, 편도통행시간과 주차비를 제외한 편도통행비용을 개인의 일소득으로 나눈 경우로 구분하였다. 전술한 5가지의 독립변수 집합을 이용하여 수단선택모형을 추정한 결과 모형 적합도 측면에서는 편도통행시간과 주차비를 제외한 편도통행비용을 개인의 일소득으로 나눈 값을 독립변수로 설정한 모형이 가장 우수한 것으로 나타났으나, 시간가치 분석결과 각 수단의 편도통행시간 및 편도통행비용만을 고려한 단순 모형이 가장 적합하다고 제시하였다.
구체적으로 이 연구는 독립요금제와 통합요금제가 혼재되어 있는 지역의 수단별 통행시간을 추출하기 위해 승용차 통행시간 대비 버스 통행시간의 상대비율을 가구통행실태조사 자료를 활용하여 재추정하였으며, 지하철 통행시간은 차내시간과 차외시간으로 구분하여 산정하되 차외시간을 접근시간과 대기시간으로 세분화하여 산정하였다. 전술한 독립변수 세분화 및 재추정을 통해 정립된 수단선택모형은 기존 모형에 비해 오차를 감소시키는 것으로 나타났다.
전술한 문제점들을 해결한 개선모형(Model 3) 추정 결과, 부산·울산광역권의 교통수단 선택행태는 각 교통수단의 통행시간 및 통행비용보다는 각 교통수단의 고유특성 및 교통존 특성에 더 큰 영향을 받는 것으로 나타났으며, 추정모형의 계수 부호 및 적합도 또한 적용 가능한 수준으로 나타났다.
첫째, 기존 모형은 각 교통존간 교차통행량이 동일하다는 가정 하에 구축되어 교통수단 선택모형의 결과를 크게 왜곡시키고 있다. Fig 1.

후속연구

본 연구는 교통수요분석의 기초자료인 교통수단별 여객 통행 OD자료를 보다 현실적으로 추정하기 위해 다양한 모형구조의 비교·분석과 상세 원시자료 분석을 통해 최종 모형을 도출했다는 점에서 의의가 있다고 할 수 있다. 그러나 본 연구에서 제시한 최종모형은 장래 예측이 상대적으로 어려운 교통존 특성변수를 포함하고 있어 각 특성변수의 예측과정에 연구가 향후 보완되어야 할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	여객통행 OD 자료는 어떻게 구축될까?	교통수요분석의 기초가 되는 전국 여객통행 기종점 자료(이하 여객통행 OD 자료)는 가구통행 실태조사를 통해 수집한 표본자료를 센서스 및 정부 통계자료에 근거해 전수화하여 구축된다. 여객통행 OD 자료는 행정동으로 구분되는 교통존(TAZ, traffic analysis zone)의 총 유출량과 유입량의 추정, 교통존간 통행량의 분포 추정 과정을 거친 후 각 교통수단별 교차통행량을 추정하는 소위 교통수단선택 모델링을 통해 구축된다. 구체적으로 각 교통존의 여객 통행 유출량과 유입량은 주로 각 통행 목적별 회귀모형(regression model)을 통해 추정되며, 교통존간 교차통행량은 이중제약 중력모형(doubly constrained gravity model)을 통해 추정된다 [1-2].
	여객통행 OD 자료는 구체적으로 어떤 과정으로 구축되는 것일까?	여객통행 OD 자료는 행정동으로 구분되는 교통존(TAZ, traffic analysis zone)의 총 유출량과 유입량의 추정, 교통존간 통행량의 분포 추정 과정을 거친 후 각 교통수단별 교차통행량을 추정하는 소위 교통수단선택 모델링을 통해 구축된다. 구체적으로 각 교통존의 여객 통행 유출량과 유입량은 주로 각 통행 목적별 회귀모형(regression model)을 통해 추정되며, 교통존간 교차통행량은 이중제약 중력모형(doubly constrained gravity model)을 통해 추정된다 [1-2]. 추정된 교통존간 교차통행량은 교통수단 선택모형인 다항로짓모형(multinomial logit model)이나 점진적 로짓모형 (incremental logit model)을 이용해 각 교통수단별 교차통행량으로 분리된다. 전술한 과정을 통해 추정된 여객 통행 OD자료는 주로 교통투자사업의 평가와 통행패턴 분석을 통한 교통정책 수립의 의사결정과정에 활용되는 바, 각 단계별로 적용되는 회귀모형, 중력모형, 수단선택모형은 현실을 반영할 수 있는 것이어야 한다.
	전국 여객통행 기종점 자료란 무엇인가?	교통수요분석의 기초가 되는 전국 여객통행 기종점 자료(이하 여객통행 OD 자료)는 가구통행 실태조사를 통해 수집한 표본자료를 센서스 및 정부 통계자료에 근거해 전수화하여 구축된다. 여객통행 OD 자료는 행정동으로 구분되는 교통존(TAZ, traffic analysis zone)의 총 유출량과 유입량의 추정, 교통존간 통행량의 분포 추정 과정을 거친 후 각 교통수단별 교차통행량을 추정하는 소위 교통수단선택 모델링을 통해 구축된다.

참고문헌 (12)

The Korea Transport Institute. Material for Explaining the Distributed Travel Demand Analysis Data. 2012.
K. Park, S. Choo, S. Lee, I. Kim. A Study on a Guideline for Urban Transport Analysis. The Korea Transport Institute, 2010.
K.Hwang, I. Kim, W. Lee. Parameter Estimation and Validation of a Multinomial Logit Model for the Prediction of Mode Shift as a Result of TDM Schemes in Seoul. Journal of Korean Society of Transportation, Vol. 16, No. 4, pp. 53-62, 1998.
K.Choi, K. Lee, I. Ryu. Improvement of Railway Demand Forecasting Methodology under the Various Transit Fare Systems of Seoul Metropolitan Area-Focused on Mode Share. Journal of Korean Society of Transportation, Vol. 28, No. 2, pp. 171-181, 2010.
Trustec Engineering and Busan Development Institute. Expanding Passenger OD and Travel Demand Forecasting : Busan-Ulsan Metropolitan Area. Busan Metropolitan City, 2009.
Sun-Il E&C, Busan Development Institute, Korea Transport Institute. Expanding Passenger OD and Travel Demand Forecasting : Busan-Ulsan Metropolitan Area. Ministry of Land, Transport and Maritime Affairs, 2012.
K. E. Train. Discrete Choice Methods with Simulation. 2nd Edition, Cambridge Press, 2009. DOI: http://dx.doi.org/10.1017/CBO9780511805271
D. Yoon. Travel Demand Analysis : Theory and Model. Park-young sa, 2012.
A. C. Cameron, P. K. Trivedi.Microeconometrics Using Stata. STATA Press, 2010.
S. Woo. STATA for Economic Analysis. Jiphil Media, 2013.
M. Ben-Akiva, S. R. Lerman. Discrete Choice Analysis : Theory and Application to Travel Demand. MIT Press, 1985.
W. H. Greene, LIMDEP Version 8.0 : Econometric Modeling Guide Volume 2. pp. E19-44-45, Econometric Software, Inc., 2002.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증