[논문]도시철도 승객경로 추적에 관한 연구: 서울지하철 9호선을 중심으로

김경민; 오석문; 홍성필; 고석준

doi:10.7782/jksr.2015.18.6.586

도시철도 승객경로 추적에 관한 연구: 서울지하철 9호선을 중심으로
Tracing a Logical Path of Passengers: A Case study of Seoul Metro Line 9 원문보기

한국철도학회 논문집 = Journal of the Korean Society for Railway, v.18 no.6 = no.91, 2015년, pp.586 - 595

김경민 (Korea Railroad Research Institute) , 오석문 (Korea Railroad Research Institute) , 홍성필 (Department of Industrial Engineering, Seoul National University) , 고석준 (Department of Industrial Engineering, Seoul National University)

초록
AI-Helper

최근 Hong et al.[1]은 같은 열차에서 하차한 승객들의 교통카드데이터 퇴장시각이 군집(cluster)을 이루어 나타나는 특성을 이용해 도시철도 승객의 실제 이용 경로와 열차를 추적하는 방법론을 제시하였다. 본 논문에서는 급행열차와 일반열차가 혼합 운영되는 서울 지하철 9호선에서도 퇴장시각이 같은 특성을 보임을 확인하고 Hong et al.[1]의 방법론을 사용하여 승객이 실제 이용한 열차를 추적하였다. 오전 시간대(6시~10시) 상행 승객에 대한 추적결과 전체 승객 중 91% 승객에 대해서 성공하였다. 이 결과를 바탕으로 일반열차와 급행열차에 대한 승객의 선호 및 이용행태를 분석하였다.

Abstract ▼ AI-Helper

Based on an observation that tag-out times of passengers from Smart Card data were clustered, Hong et al.[1] recently developed a precise algorithm that detects a logical path for metro passengers. The logical path means the sequence of train boarding and alighting. In this paper, we observe that tag-out times of passengers in Seoul Metro Line 9 were also clustered; we trace an actual logical path of passengers by applying the algorithm. As a result, we identify 91% of passengers successfully and find their logical paths; we also investigate passengers'preferences between express and local trains.

주제어

AI 본문요약
AI-Helper

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

가설 설정

먼저, O-D를 선택한다. 논의의 편의성을 위하여 선택된 O-D가 둘 다 일반만 정차하는 역이라고 가정한다. 이때, O-D사이에는 RT1종류의 가능경로가 한 개 생성된다.
국내 연구로 엄진기 외[5]는 인천 지하철을 대상으로 대중교통 서비스 평가를 위하여 교통카드 승하차 자료와 열차 시각표를 이용하여 승객의 탑승열차를 추측하였다. 하지만, 차량이 시각표에 근거하여 도착한다는 가정과 하차역에서 시각표상으로 승객의 퇴장시각 바로 이전에 도착한 열차를 이용했다는 가정을 하였다. 마지막으로 Hong et al.

제안 방법

3장에서는 Hong et al.[1]이 제시한 승객경로 추적 방법을 9호선 상황에 맞추어서 적용한 방법론을 소개한다. 4장에서는 실제 9호선에 적용한 결과 및 일반열차와 급행열차에 대한 승객의 통행행태를 분석한다.
열차별로 확실하게 그 열차를 탑승하였는지 여부는 각 승객별로 이용 가능한 열차를 논리적으로 체크하여 유일하게 이용 가능한 열차가 하나인 경우 그 열차를 이용하였다고 확정하였다. 다음으로 동일 승/하차 승객집합을 이용하여 도시철도 승객의 이용 경로와 열차를 추적한다.
다음으로 추적된 승객의 경로를 바탕으로 일반열차와 급행열차를 이용하는 승객의 실제 통행행태를 관찰하였다. 관찰결과 일반열차만 이용하는 승객은 45.
다음으로는 각 승객의 승하차카드 실적과 열차운행정보를 비교하여 이용한 열차가 확실한 승객들로 부터 동일 승/하차 승객 집합을 생성한다. 마지막으로 동일 승/하차 승객 집합을 이용하여 각 승객의 승차열차와 하차열차 그리고 환승역을 추적한다.
본 연구에서는 교통카드 자료 중 승객의 승하차역, 입장 및 퇴장시각과 열차운행정보(출발 및 도착 시각)를 가지고 승객이 실제 탑승한 열차를 추적하였다. 승객의 퇴장시각을 분석한 결과 같은 열차에서 하차한 승객들이 군집(cluster)을 이루어 게이트를 통과하는 특성을 확인하였다.
이때, O-D사이에는 RT1종류의 가능경로가 한 개 생성된다. 선택된 O-D사이의 승객들에 대해서 입장-퇴장시각(Tag-in/-out time)과 각 역에서의 도착시각 및 출발시각 정보를 비교하여 이용한 열차가 확실한 승객들부터 동일 승/하차 승객집합을 생성한다. 예를 들어 그림 4와 같이 출발역(O)에서 도착역(D)까지 이동하는 승객에 대해서 탑승가능한 일반열차는 출발역 O에서 입장시각 이후에 출발하는 일반열차이다.
본 연구에서는 교통카드 자료 중 승객의 승하차역, 입장 및 퇴장시각과 열차운행정보(출발 및 도착 시각)를 가지고 승객이 실제 탑승한 열차를 추적하였다. 승객의 퇴장시각을 분석한 결과 같은 열차에서 하차한 승객들이 군집(cluster)을 이루어 게이트를 통과하는 특성을 확인하였다. 입장시각의 경우 그 자체로는 특별한 정보를 주지는 않지만 입장-퇴장맵(Tag-in/out map)을 사용하면 대부분의 승객이 입장후 플랫폼에 도착한 2개 열차 내에서 탑승하는 사실을 발견할 수 있었다.
이번 절에서는 2장에서 관찰된 승객들의 승하차 특성을 이용하여 확실하게 같은 열차에 승차한 승객들과 같은 열차에서 하차한 승객들을 찾아내는 방법론을 제시한다. 먼저 아래와 같이 동일 하차/승차 승객집단을 정의한다.

대상 데이터

5. 11(월) 6:00:00~10:00:00 사이에 입장한 상행 승객 86,518명의 데이터를 사용하였다. 전체 O-D쌍은 431개이며 한 O-D에서 평균 3.
남은 1장에서는 지하철내 승객의 경로 추정 및 교통카드를 이용한 통행분석에 관한 기존연구를 정리하였다. 2장에서는 9호선 승객의 승하차 특성에 대해서 분석하였다. 3장에서는 Hong et al.
3장에서 제시한 방법론을 9호선에 적용하여 승객경로 추적 실험을 하였다. 실험에는 2015.
6. Boarding and alighting groups for 6 trains.
급행열차를 이용했을 때, 시간절감이 크면 클수록 일반열차의 선택비율은 감소하였다. 특히, 10분 이상차이가 나면 20% 미만의 승객들만 일반열차를 이용하였다. 시간절감이 10분 이하인 경우에는 O-D별 선택 비율의 분산이 크게 나타났는데 이는 급행과 일반사이에 시간절감이 크지 않은 경우 인지오차가 크게 발생하기 때문으로 보인다.

성능/효과

9호선 오전 시간대(6시-10시) 상행 승객을 대상으로 한 실험결과 전체 승객 중 91% 승객에 대해서 추적을 성공하였다. 이 결과를 바탕으로 승객의 일반/급행열차 선택 비율 및 통과재차인원을 정확히 파악할 수 있었다.
5%의 승객에 대해서 열차추적을 성공하였는데 이는 Hong et al.[1]이 서울수도권 다른 노선에 적용하였을 때 얻은 성공율 83.6%보다 향상된 결과이다. 9호선의 성공율이 다른 호선보다 높은 이유는 게이트가 분리되어 있으므로 지하철내 호선 간 환승을 고려하지 않아도 되고 역 구조가 비교적 간단하여 동일 하차 승객집단이 명확하게 구분되어 생성되기 때문으로 보인다.
도시철도 9호선을 대상으로 분석한 결과 Hong et al.[1]이 제시한 방법론이 일반열차와 급행열차가 동시에 운영하는 노선에서도 적용 가능하며 약 91% 승객에 대하여 승객들이 실제 이용한 열차를 추적할 수 있다는 것을 확인하였다.
9호선 오전 시간대(6시-10시) 상행 승객을 대상으로 한 실험결과 전체 승객 중 91% 승객에 대해서 추적을 성공하였다. 이 결과를 바탕으로 승객의 일반/급행열차 선택 비율 및 통과재차인원을 정확히 파악할 수 있었다. 또한, 급행열차 탑승으로 인한 총 통행 시간 절감에 따른 승객의 선호 변화 추세를 관찰할 수 있다.

후속연구

승객의 경로추적 결과는 설문조사를 대신할 기초데이터로써 다양한 연구에서 활용될 것이다. 대표적으로 예상되는 향후 연구로는 교통카드데이터로부터 추가로 얻을 수 있는 정보, 예를 들면 승객종류(일반, 노인, 청소년), 타호선으로의 환승여부 등을 추가로 고려한 급행열차 선택모형을 개발하여 열차 운영계획 변화에 따른 승객이용 변화 예측에 활용될 수 있다. 또한, 도시철도 운영기관별로 상이한 현재의 혼잡도 분석 방법을 표준화하고 개별 열차단위로 분석하는 것은 흥미로운 연구 주제이다.
하지만, 입장시각과 퇴장시각 사이에 승객의 이동경로 및 이용 열차에 대해서는 여전히 커다란 물음표로 남겨져 있었다. 만약, 교통카드를 사용하여 승객이 실제로 탑승하고 하차한 열차를 정확히 알 수 있다면 지금까지 분석하지 못하였던 지하철내 통행특성에 대한 분석이 가능할 것이다. 최근 Hong et al.
승객의 경로추적 결과는 설문조사를 대신할 기초데이터로써 다양한 연구에서 활용될 것이다. 대표적으로 예상되는 향후 연구로는 교통카드데이터로부터 추가로 얻을 수 있는 정보, 예를 들면 승객종류(일반, 노인, 청소년), 타호선으로의 환승여부 등을 추가로 고려한 급행열차 선택모형을 개발하여 열차 운영계획 변화에 따른 승객이용 변화 예측에 활용될 수 있다.
시간절감이 10분 이하인 경우에는 O-D별 선택 비율의 분산이 크게 나타났는데 이는 급행과 일반사이에 시간절감이 크지 않은 경우 인지오차가 크게 발생하기 때문으로 보인다. 이와 같은 승객의 일반열차와 급행열차 선택결과는 향후 승객 선택모형의 기초자료로 활용될 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지하철 승객이 열차 도착 후 일정시간 안에 빠져나가는 것은 어떤 이유 때문인가?	[1]이 제시한 승객경로 추적 방법론은 승객의 하차 행동을 고려하여 개발되었다는 특징을 가진다. 열차가 역에 도착해서 출입문이 열리면 마치 닫아놓았던 수문이 열린 후 물이 순식간에 빠져 나가는 것과 같이 대부분의 승객들이 게이트를 향해서 앞다투어나간다. 즉, 플랫폼에서 게이트까지 승객은 자신이 낼 수 있는 최고 속도로 이동하게 되고 따라서 이 속도는 Extreme-value 특징[7]을 가지게 된다. 이러한 하차승객의 특성 때문에 화장실에 다녀오는 사람과 같은 비정상적(abnormal) 통행을 제외하면 게이트에서는 대부분의 사람들이 열차 도착 후 일정시간 안에 빠져나가는 것을 관찰하게 된다.
	서울지하철에서 교통카드를 사용하는 승객의 수는 전체 승객의 몇%인가?	교통카드를 사용한 정산시스템 도입 이후 서울지하철에서 교통카드를 사용하는 승객의 수는 전체 승객의 90%이상으로 전수에 가까운 상황이다[8]. 교통카드 데이터상의 승차역 입장시각과 하차역 퇴장시각은 승하차 분석 및 수요 패턴분석에 기초자료로 활용되고 있다.
	교통카드데이터의 4가지 속성은?	최근 Hong et al.[1]은 교통카드데이터의 4가지 속성(승차역, 입장시각, 하차역, 퇴장시각)과 열차운행정보(각 역의 출발 및 도착 시각)를 가지고 승객이 논리적으로 탑승가능한 열차를 추적하여 실제 이용한 열차를 찾아내는 방법론을 제시하였고 9호선, 신분당선 및 공항철도를 제외한 서울 지하철 노선에 적용하여 약 84% 승객에 대하여 성공하였다.

참고문헌 (8)

S.P. Hong, Y.H. Min, M.J. Park, K.M. Kim, et al. (2015) Precise estimation of connections of metro passengers from Smart Card data, Transportation, Advance online publication, DOI 10.1007/s11116-015-9617-y.

상세보기
N. Hibino, H. Uchiyama, Y. Yamashita (2005) A study on evaluation of level of railway services in Tokyo metropolitan area based on railway network assignment analysis. Journal of the Eastern Asia Society for Transportation Studies, 6, pp. 342-355.
Z. Guo, N. Wilson (2011) Assessing the cost of transfer inconvenience in public transport systems: A case study of the London underground, Transportation Research Part A, 45(9), pp. 91-104.
Y. Sun, R. Xu (2012) Transit travel time reliability and estimation of passenger route choice behavior, Journal of the Transportation Research Board, 2275, pp. 58-67.

상세보기
J.K. Eom, M. Choi, D. Kim, J. Lee, et al. (2012) Evaluation of metro services based on transit smart card data, Journal of the Korean society for railway, 15(1), pp. 80-87.

원문보기 상세보기
J. Baek, K. Sohn (2015) An investigation into passenger preference for express trains during peak hours, Transportation, Advance online publication. DOI 10.1007/s11116-015-9592-3

상세보기
J.H. Einmahl, J.R. Magnus (2008) Records in athletics through extreme-value theory, Journal of the American Statistical Association, 103(484), pp. 1382-1391.

상세보기
W. Jang (2010) Travel time and transfer analysis using transit smart card data, Transportation Research Record: Journal of the Transportation Research Board, 2144, pp. 142-149.

상세보기

저자의 다른 논문 :

LOADING...

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