문제 정의

• 본 연구는 지방부의 시군구 행정단위 교통존을 읍면동 행정단위 교통존으로 세분화하는 방법론을 제시하였다. 읍면동 행정단위로 세분화된 수도권 및 광역권의 기종점 자료를 토대로 본 연구는 교통존 내부 통행과 중력모형 관련 연구를 고찰하고 기존 문헌과 차별성을 제시하였다.
• 후)계수값을">계수 값을 정산하여 모형을 구축하였다. 따라서 본 연구는 주로 교통존 내부 통행의 발생량을 추정하는 기존 연구와는 다르게 교통존 내투 통행의 분포를 추정하고 분포 모형을 선별하는 방법론을 제시하는데 중점을 두었다.
• 본 연구는 읍면동 행정단위 수도권 및 광역권의 기종점 자료를 토대로 내부 통행 분포 모형을 구축하여 세분화된 교통존 간 통행량을 제시하였다. 인도 밀도에 따라 내부 통행 분포 패턴이 다르다고 판단하여 교통존을 인구 저밀도, 중밀도, 고밀도로 분류하고 본 연구는 읍면동 행정단위로 구축된 교통존 간의 통행 분포 패턴을 추정하는 것이 목적이므로 수도권 및 광역권의 PA 통행량을 토대로 인구 밀도에 따라 중력모형을 정산하였다. 본 연구는 읍면동 행정단위의 교통존 자료가 구축된 수도권 및 광역권 KTDB 자료를 활용함으로써 시군구 행정단위의 존내부 통행(intra-zonal trip)을 기반으로 세분화한 소존 간의 통행 분포 패턴을 모사할 수 있는 모형의 정산이 가능하게 되었다. 이와 같은 모형을 정산하는 과정을 거쳐 후)본절에서는">본 절에서는 앞에서 정산된 모형을 적용한 사례적 분석 예제를 제시하였다. 본 연구는 지방부의 내부 교통존을 읍면동 행정단위 로 세분화하여 통행 분포를 추정하는 방법론을 제시하였다.

  가설 설정

  • 후)교통존간">교통존 간 통행 자료를 배포하고 있지 않다. 본 연구는 이러한 자료의 한계성을 극복하고자 내부 통행 분포를 추정하기 위하여 수도권 및 광역권의 인구 밀도에 따라 공간적 분포 패턴이 지방부도 동일하다고 가정하였다. 수도권 및 광역권의 내 부 통행 분포와 후)지방 부도">지방부도 동일하다고 가정하였다. 수도권 및 광역권의 내 부 통행 분포와 지방부의 내부 통행 분포가 지역적인 특성으로 다를 수도 있지만 본 연구에서 통행 분포 모형으 로 정산된 중력모형은 기본적으로 공간적인 전이성을 갖는다고 가정하였다. 즉 기종점 간 통행량은 거리에 반비례하고 활동인구에 비례한다는

    제안 방법

    • 후)읍면 동">읍면동 행정단위 교통존으로 세분화하는 방법론을 제시하였다. 읍면동 행정단위로 세분화된 수도권 및 광역권의 기종점 자료를 토대로 인구 밀도에 따라 공간적인 통행 분포 패턴을 수학식으로 모형화하고, 정산된 모형을 지방부에 적용하여 세분화된 교통존의 O-D 통행량을 추정하는 방법론을 제시하였다. 즉 수도권 및 광역권의 교통존 내부 통행 패턴에 대해 후)인구밀도에">인구 밀도에 따라 공간적인 통행 분포 패턴을 수학식으로 모형화하고, 정산된 모형을 지방부에 적용하여 세분화된 교통존의 O-D 통행량을 추정하는 방법론을 제시하였다. 즉 수도권 및 광역권의 교통존 내부 통행 패턴에 대해 직접수요모형과 중력모형을 활용하여 인구 밀도로 범주화한 모형 계수 값을 정산하고, 분석 결과에 대해서는 회귀분석을 통해 수도권 및 광역권의 읍면동 행정단위의 통행 패턴이 모형에 의해 잘 설명 되는지를 검증하고, 적절한 모형을 최종적으로 제안하였다. 지방부의 교통존에 대해서는 읍면동 행정단위로 세분화하고, 정산된 모형을 활용하여 지역별 특성을 후)설명되는지를">설명 되는지를 검증하고, 적절한 모형을 최종적으로 제안하였다. 지방부의 교통존에 대해서는 읍면동 행정단위로 세분화하고, 정산된 모형을 활용하여 지역별 특성을 반영하기 위해 인구 밀도로 범주화된 모형으로 세분화 교통존의 O-D 통행량을 추정하였다.
    • 후)다중회귀 모형으로">다중회귀모형으로 추정하였다. 추가적으로 연구에서 제시한 교통존 내부 통행량 비율 추정 회귀모형과 기존 연구들에서 제시된 모형들과 비교하며 오차율 측면에서 개선효과를 제시하였다. Park et al.
    • 후)기준 연도에서">기준연도에서 구축된 중력모형을 통하여 존내 통행의 교통저항을 산출하고 장래연도에 이 교통저항을 대입하여 존내 통행을 예측하였다. 기존에 교통존 내부 통행을 예측하기 위해 사용되어 왔던 후)직접수요 모형을">직접수요모형을 이용하여 내부 통행 분포 패턴을 설명하는 기존 연구가 수행되었으나 본 연구에서는 직접 수요모형뿐만 아니라 중력모형을 이용하여 내부 통행 분포를 우수하게 설명하는 모형을 비교하여 제시하였다. 나아가 단일 모형으로 통행 분포 패턴을 설명하기에는 한계성이 있다고 판단하여 교통존의 후)통행분포를">통행 분포를 우수하게 설명하는 모형을 비교하여 제시하였다. 나아가 단일 모형으로 통행 분포 패턴을 설명하기에는 한계성이 있다고 판단하여 교통존의 인구 밀도에 따른 그룹별 모형의 계수 값을 정산하여 모형을 구축하였다. 따라서 본 연구는 주로 교통존 내부 통행의 발생량을 추정하는 기존 연구와는 다르게 교통존 후)교통존간">교통존 간 통행량을 제시하였다. 인도 밀도에 따라 내부 통행 분포 패턴이 다르다고 판단하여 교통존을 인구 저밀도, 중밀도, 고밀도로 분류하고 인구 밀도별 직접 수요모형과 중력모형을 정산하였다. 그리고 회귀분석을 통해 대존(시군구 행정단위) 내부의 소존(읍면동 행정단위) 간 후)중력 모형을">중력모형을 정산하였다. 그리고 회귀분석을 통해 대존(시군구 행정단위) 내부의 소존(읍면동 행정단위) 간 통행 분포 특성을 잘 설명하는 모형을 선정하고, 선정된 모형을 지방부 시군구 행정단위의 교통존에 적용 하여 읍면동 행정단위 교통존의 통행 분포 패턴을 추정하였다. Figure 1은 연구의 흐름도를 나타낸다.
    • 후)통행비용">통행 비용 등을 나타낸다. 본 연구에서는 수도권 및 광역 권의 기종점 자료에서 읍면동 행정단위의 인구수, 인구 밀도, 종사자 수, 종사자 밀도를 수요 변수로 설정하였다. 또한 읍면동 행정단위로 세분화된 후)회귀 모형을">회귀모형을 정산 시, 다중공선성을 고려하며 변수들 간의 조합으로 설명력이 우수한 모형을 구축하였다. 또한 지역별 특성을 반영하기 위하여 시군구 행정단위의 후)정산시,">정산 시, 다중공선성을 고려하며 변수들 간의 조합으로 설명력이 우수한 모형을 구축하였다. 또한 지역별 특성을 반영하기 위하여 시군구 행정단위의 인구 밀도별로 직접수요모형을 정산하였다.
    • 후)인구밀도를">인구 밀도를 저밀도, 중밀도, 고밀도로 분류하기 위하여 임계치가 필요하다. 본 연구에서는 시행착오를 통하여 내부의 통행 분포 패턴이 통계적으로 유의한 차이가 있다고 판단되는 임계치를 기준으로 인구 밀도 그룹을 분류하였다. 결과적으로 5,000 (인/km²), 10,000(인/km²)로 임계치를 정하여 저밀도, 중밀도, 고밀도 세 그룹 간의 분산 분석을 수행하였다.
    • 후)인구밀도">인구 밀도 그룹을 분류하였다. 결과적으로 5,000 (인/km²), 10,000(인/km²)로 임계치를 정하여 저밀도, 중밀도, 고밀도 세 그룹 간의 분산 분석을 수행하였다. 본 연구에서는 TransCAD를 이용하여 읍면동 행정단위의 교통존 간 통행거리(eij)을 산출하고 인구 밀도에 따라 각 저항함수의 파라미터(α,β, γ)를 Table 3과 같이 산출하였다.
    • 읍면동 행정단위의 교통존 간 통행 분포 패턴을 인구 밀도에 따라 직접수요모형과 중력모형으로 정산하였다. 통행 분포 패턴을 우수하게 설명하는 모형을 선별하기 위하여 본 연구에서는 식(4)와 같이 모형치와 실측치를 토대로 회귀분석을 수행하였다.
    • 수도권 및 광역권 자료를 토대로 정산된 시군구 행정단위의 대존을 읍면동 행정단위의 소존으로 세분화하고 대존의 내부 통행을 소존 간 P-A 통행으로 추정할 수 있는 분포 모형을 제시하였다. 따라서 읍면동 행정단위로 교통존 구축이 안 되어 있는 자료를 세분화 분석하고자 하는 경우 혹은 임의로 세분화된 본 연구에서 정산된 통행 분포 모형을 적용할 지역으로 강원도 인제군을 예시로 선정하여 세부존 간 통행량을 산출하였다. 지방부의 시군구 행정단위의 교통존을 후)통행유인량이">통행 유인량이 구축되어 있지 않다. 따라서 본 연구에서는 교통존의 통행 생성량은 인구 수로, 교통존의 통행 유인량은 종사자 수로 대체하여 정산된 모형을 적용하였다. 강원도 인제군은 인제읍, 남면, 후)인구밀도별로">인구 밀도별로 정산한 중력모형을 대존의 내부 통행에 적용하여 세분화된 소존간 P-A 통행으로 추정하였다. 주의할 점은 후)수요예측">수요 예측 4단계에서 수단 선택 단계와 노선 배정 단계를 수행하기 전에 P-A 통행을 O-D 통행으로 전환하여야 한다는 점이다. 본 연구에서는 P-A 통행에서 O-D 통행으로 전환할 때 사용 하는 전환 계수 값을 모두 0.5로 단순화하여 사례분석 예제를 제시하였다. 현실적 분석에서는 후)교통존간">교통존 간 통행 분포 패턴을 정교하게 분석하기 위하여 도로 및 철도 사업 지역 주변에 교통존을 세분화한다. 도로 및 후)인구밀도가">인구 밀도가 유사한 수도권 및 광역권의 통행 분포 패턴을 모형화하고 이를 지방부에 적용하여 교통존을 시군구 행정단위에서 읍면동 행정단위로 세분화하였다. 후)수도권">수도권 및 광역권 자료에서 읍면동 행정단위의 교통존 간 통행량과 인구수, 종사자 수 자료를 활용하여 인구 밀도 에 따라 직접수요모형과 중력모형을 정산하였다. 후)중력 모형은">중력모형은 exponential, power, modified gamma function으 로 구성된 저항함수를 이용하여 각 파라미터를 산출하였다.

      대상 데이터

      • 한국교통연구원 KTDB에서 배포한 2010년 가구통행 실태 표본조사자료 기준의 수도권 및 광역권 PA 통행량 자료와 네트워크를 기초자료로 활용하였다. 또한

        데이터처리

        • (2011)은 가구통행 실태조사의 한계성으로 인하여 일부 교통존은 내부 통행량 관측 자료가 없다는 점을 지적하여 교통존 내부 통행량을 산출하는 방법론을 제시하였다. KTDB 기종점 자료와 가구통행 실태조사 자료를 기반으로 군집분석과 회귀분석을 실시하여 교통존 내부 통행량을 산출하였고 직접수요모형을 이용하여 세부 교통존의 존간 통행량과 존내 통행량을 산출하였다. Bhatta and Larsen(2011)은 가구통행실태조사 자료를 바탕으로 교통존 내부 통행과 교통존간 통행의 수단 분담률을 비교하였으며, 후)중력 모형으로">중력모형으로 정산하였다. 통행 분포 패턴을 우수하게 설명하는 모형을 선별하기 위하여 본 연구에서는 식(4)와 같이 모형치와 실측치를 토대로 회귀분석을 수행하였다. 식(4)에서

          성능/효과

          • 후)예측 모형을">예측모형을 구축하였다. 해당 교통존의 인구만으로도 교통존 내부 통행량에 대한 설명력이 0.91로 도출되어 인구 수와 교통존 내부 통행량의 관계가 매우 밀접함을 주장하였다. Choi and Rho(2013)는 교통존의 후)존 내">존내 통행을 포함 혹은 제외하며 수단선택 모형을 각각 산출하고, 그 결과를 비교 분석하였다. 결과적으로 교통존 내부 통행을 제외하고 수단선택 모형을 산출할 때는 모형의 계수 값이 편향된다는 결론을 도출하였다. Greenwald(2006)는 후)토지이용에">토지 이용에 따른 교통존 내부 통행의 특성을 분석하였다. 교통존 내부 통행은 통행의 목적이 되는 활동시간과 통행거리가 짧았으며 도시와 산업의 형태에 따라 통행 분포와 수단선택에 유효한 영향을 미치는 것으로 분석하였다.
          • 후)존 내">존내 통행을 예측하였다. 기존에 교통존 내부 통행을 예측하기 위해 사용되어 왔던 성장률법과 회귀모형법과 본방법론의 결과 값을 비교해 본 결과, 본 방법론이 우수한 결과로 분석되었다고 주장하였다. Ghareib (1996)은 기종점 자료를 구성하는 교통존 내부통행(intra-zonal trip), 교통존 간(inter-zonal trip) 그리고 후)중력 모형를">중력모형를 이용한 모형치와 실측치를 비교 및 분석하였다. 교통존 내부 통행과 교통존 간 통행별로 각각 중력모형의 계수 값을 추정하여 적용하는 것이 현실에 가까운 묘사력을 갖는 것으로 분석되었다.
          • 후)분산분석">분산 분석 결과, 유의수준 0.01보다 많이 적은 p-값의 결과가 나와서 귀무가설을 충분히 기각하게 되었다. 결론적으로 세 그룹 간 내부 통행 분포 패턴이 99% 신뢰 수준에서 통계적으로 유의한 차이가 있다고 분석되었다.
          • 01보다 많이 적은 p-값의 결과가 나와서 귀무가설을 충분히 기각하게 되었다. 결론적으로 세 그룹 간 내부 통행 분포 패턴이 99% 신뢰 수준에서 통계적으로 유의한 차이가 있다고 분석되었다. 따라서 시군구의 후)인구밀도에">인구 밀도에 따른 직접수요모형을 정산한 결과, 독립 변수는 저밀도 그룹에서는 생성존의 인구수, 유인존의 종사자 수, 교통존 간 통행거리로 결정되었고 수정된 R²는 0.463으로 분석되었다. 또한 고밀도 그룹에서도 power function을 이용한 중력모형 이 통행 분포 패턴을 우수하게 설명하는 것으로 분석되 었으며 수정된 R2 값 역시 0.7194로 가장 높게 산출되었다.
          • 각 인구 밀도 그룹에서 power function을 저항함 수로 이용한 중력모형의 회귀분석 결과를 살펴보면, β값 이 모두 0.95, 0.99, 1.04로 모두 1에 가장 근접하게 산 출되었다.
          • 후)중밀도그룹에서는">중밀도 그룹에서는 power function을 저항함수로 사용한 중력모형이 통행 분포 패턴을 가장 우수하게 설명하는 것으로 분석되었으며 수정된 R²값이 0.6456으로 가장 높게 산출되었다. 또한 후)설명하고">설명하고 있음을 파악할 수 있다. 또한 시군구 행정단위인 대존의 인구 밀도별 저항함수 형태와 계수 값을 적용할 때가 각각 환경에서 통계적으로 잘 설명하고 있는 것으 로 분석되었다.
          • 직접수요모형과 중력모형을 비교한 결과, power function을 저항함수로 사용한 중력모형이 인구 저밀도 그룹에서 수정된 R2 이 0.7426, 중밀도 그룹에서 0.6456, 고밀도 그룹에서는 0.7194로 모든 인구 밀도 그룹에서 통행 분포 패턴을 가장 우수하게 설명하는 것 으로 분석되었다.

          후속연구

          • 후)행정단위의">행정단위의 대존을 읍면동 행정단위의 소존으로 세분화하고 대존의 내부 통행을 소존 간 P-A 통행으로 추정할 수 있는 분포 모형을 제시하였다. 따라서 읍면동 행정단위로 교통존 구축이 안 되어 있는 자료를 세분화 분석하고자 하는 경우 혹은 임의로 세분화된 교통존 자료로 구축하고자 할 경우에 앞에서 분석 결과로 제시된 정산된 모형을 적합한 환경에 적용할 수가 있을 것이다.
          • 후)사례 분석">사례분석 예제를 제시하였다. 현실적 분석에서는 가구통행 실태조사 자료에서 구축된 P-A 통행에서 O-D 통행으로의 전환계수를 적용하면 좀 더 조사 자료에 충실한 분석을 수행할 수 있을 것으로 기대된다
          • 후)통행특성이">통행 특성이 다르므로 모형을 구분하여 세분화하는 연구가 필요한 것으로 판단된다. 또한 직접수요모형과 중력모형을 정산 시, 통행목적을 구분하여 파라미터를 추정한다면 더 정교한 모형이 구축될 수 있을 것으로 기대된다.