본 연구에서는 새마을 무궁화 열차의 주요 5개노선(경부선, 호남선, 전라선, 장항선, 중앙선)의 단기수송수요의 예측모형 선정방안을 제시하고 유용성을 확인하기 위한 검증결과를 제시하였다. 분석을 위해 계절별 특성이 반영된 SARIMA 모형을 이용하였으며, 주중/주말 통행 특성 및 대체근무제 등과 같은 공휴일 특성을 반영하고자 각 노선별 주중/주말 일평균 모형을 각각 구축하였다. 또한 모형의 신뢰도를 높이기 위해 EXPO 개최, 새로운 노선의 개통 등 노선별 개입요소를 고려하여 수송수요의 예측모형에 반영하였으며 모형 예측력의 검증을 통해 정도 높은 모형을 구축하였음을 확인하였다. 본 연구를 통해 개발된 모형은 열차 노선별 단기운행계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.
본 연구에서는 새마을 무궁화 열차의 주요 5개노선(경부선, 호남선, 전라선, 장항선, 중앙선)의 단기수송수요의 예측모형 선정방안을 제시하고 유용성을 확인하기 위한 검증결과를 제시하였다. 분석을 위해 계절별 특성이 반영된 SARIMA 모형을 이용하였으며, 주중/주말 통행 특성 및 대체근무제 등과 같은 공휴일 특성을 반영하고자 각 노선별 주중/주말 일평균 모형을 각각 구축하였다. 또한 모형의 신뢰도를 높이기 위해 EXPO 개최, 새로운 노선의 개통 등 노선별 개입요소를 고려하여 수송수요의 예측모형에 반영하였으며 모형 예측력의 검증을 통해 정도 높은 모형을 구축하였음을 확인하였다. 본 연구를 통해 개발된 모형은 열차 노선별 단기운행계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.
This study is a fundamental research to suggest a forecasting model for short-term railway passenger demand focusing on major lines (Gyeungbu, Honam, Jeonla, Janghang, Jungang) of Saemaeul rail and Mugunghwa rail. Also the author tried to verify the potential application of the proposed models. For ...
This study is a fundamental research to suggest a forecasting model for short-term railway passenger demand focusing on major lines (Gyeungbu, Honam, Jeonla, Janghang, Jungang) of Saemaeul rail and Mugunghwa rail. Also the author tried to verify the potential application of the proposed models. For this study, SARIMA model considering characteristics of seasonal trip is basically used, and daily mean forecasting models are independently constructed depending on weekday/weekend in order to consider characteristics of weekday/weekend trip and a legal holiday trip. Furthermore, intervention events having an impact on using the train such as introduction of new lines or EXPO are reflected in the model to increase reliability of the model. Finally, proposed models are confirmed to have high accuracy and reliability by verifying predictability of models. The proposed models of this research will be expected to utilize for establishing a plan for short-term operation of lines.
This study is a fundamental research to suggest a forecasting model for short-term railway passenger demand focusing on major lines (Gyeungbu, Honam, Jeonla, Janghang, Jungang) of Saemaeul rail and Mugunghwa rail. Also the author tried to verify the potential application of the proposed models. For this study, SARIMA model considering characteristics of seasonal trip is basically used, and daily mean forecasting models are independently constructed depending on weekday/weekend in order to consider characteristics of weekday/weekend trip and a legal holiday trip. Furthermore, intervention events having an impact on using the train such as introduction of new lines or EXPO are reflected in the model to increase reliability of the model. Finally, proposed models are confirmed to have high accuracy and reliability by verifying predictability of models. The proposed models of this research will be expected to utilize for establishing a plan for short-term operation of lines.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 국내 열차 중 새마을 · 무궁화 열차의 주요 5개 노선(경부선, 호남선, 전라선, 장항선, 중앙선)을 대상으로 계절 시계열모형을 이용한 단기수송수요 예측 방법론을 제시하는 것을 그 목적으로 한다.
본 연구에서는 새마을·무궁화 열차의 주요 5개 노선(경부선, 호남선, 전라선, 장항선, 중앙선)의 단기수송수요의 예측 모형 선정방안을 제시하고 유용성을 확인하기 위한 검증결과를 제시하였다.
제안 방법
SARIMA모형의 개입요소를 적용하기 위해서는 개입이 발생한 이전 시점의 시계열에 대한 모형을 식별하여야 한다. 따라서 개입이전 시계열 자료에 대한 계절적 1차 차분과 비계절적 1차 차분을 수행한 후 안정화된 시계열 그래프의 자기상관함수(ACF)와 편자기상관함수(PACF)를 이용하여 모형을 식별하였다(그림 8, 9).
또한 통행량 분포는 주중(월~목)과 주말(금~일)로 구분되는 특징이 있다. 따라서 월요일~목요일을 주중, 금요일~일요일을 주말로 구분하여 데이터를 구축하여 주중 및 주말 통행량 변화의 차이를 반영하였다. 또한 월별 일 평균 수송량 분포를 살펴보면(그림 4, 5 참고), 성수기 기간과 관광객의 유동인구가 많은 5월과 8월이 가장 높았으며, 특송기간이 포함되는 달에도 상대적으로 이용객이 많아 시계열 자료가 뚜렷한 계절성을 확인할 수 있었다.
또한 월별 총량에 대한 모형을 구축할 경우, 주중과 주말의 이용객 패턴을 구분 할 수 없고 특히 최근 시행된 대체근무제 등으로 인한 공휴일 특성을 반영할 수 없는 한계로 인해, 노선별 월별 주중/주말 일평균 모형을 각각 구축한 후 월, 연 총량을 예측하였다.
또한, 2010년 11월 이후 수요가 급격히 변화했음을 확인 할 수 있는데, 이는 KTX 2차 개통으로 인한 수요변동이 발생한 것으로 이를 개입요소로 적용하여 왜곡 요소를 차단하고 수요예측을 수행하였다.
모형의 예측력 검증을 위해 수송실적이 확보된 2014년 2월 ~ 2014년 4월의 3개월의 실측치를 바탕으로 본 연구에서 선정된 모형을 통한 예측치와 비교하였다. 적정성 검토를 위한 판단기준으로는 평균제곱오차의제곱근(Root Mean Square Error, RMSE), 평균절대백분율오차(Mean Absolute Percentage Error, MAPE)를 이용하였다.
본 연구에서는 새마을·무궁화 열차의 주요 5개 노선(경부선, 호남선, 전라선, 장항선, 중앙선)의 단기수송수요의 예측 모형 선정방안을 제시하고 유용성을 확인하기 위한 검증결과를 제시하였다. 분석을 위해 계절별 특성이 반영된 SARIMA 모형을 이용하였으며, 주중/주말 통행 특성 및 대체근무제 등과 같은 공휴일 특성을 반영하고자 각 노선별 주중/주말 일평균 모형을 각각 구축하였다. 또한 모형의 신뢰도를 높이기 위해 EXPO 개최, 새로운 노선의 개통 등 노선별 개입요소를 고려하여 수송수요의 예측모형에 반영하였으며 모형 예측력의 검증을 통해 정도 높은 모형을 구축하였음을 확인하였다.
새마을 경부선 주말 일평균 모형과 동일한 구축 과정을 거쳐 새마을·무궁화 주요 5개 노선별 최종 예측모형 식을 산정하였다.
그리고 추정단계에서는 식별단계에서 임의로 결정된 모형의 적절한 모수값을 결정한다. 특히 추정된 계수 값의 크기를 통해 정상성과 가역성 조건을 판단하고, 모수들의 유의성 검증을 수행한다. 모수 추정 방법으로는 비선형 추정법, 최소제곱 추정법, 최대우도 추정법, 적률 추정법 등이 있다.
대상 데이터
본 연구를 위해 2004년 4월 ~ 2013년 11월까지의 한국철도공사의 새마을·무궁화 연/월/일평균 수송실적 자료를 이용하였다.
데이터처리
모형의 예측력 검증을 위해 수송실적이 확보된 2014년 2월 ~ 2014년 4월의 3개월의 실측치를 바탕으로 본 연구에서 선정된 모형을 통한 예측치와 비교하였다. 적정성 검토를 위한 판단기준으로는 평균제곱오차의제곱근(Root Mean Square Error, RMSE), 평균절대백분율오차(Mean Absolute Percentage Error, MAPE)를 이용하였다.
채택된 모형에 대해 백색잡음의 독립성을 검증하기 위해 잔차분석을 수행하였다. 백색잡음들이 독립이면 추정값의 잔차 역시 독립이어야 하므로 잔차분석 결과 신뢰한계를 초과하지 않아 최종모형의 백색잡음 독립성 조건을 만족하였다(그림 10).
성능/효과
MAPE의 경우 모형 예측값의 오차를 확률로 나타낸 것으로 새마을 · 무궁화열차의 주중/주말예측 모형이 모두 평균 5%내의 오차율을 보이는 것을 확인하였다.
최종 선정된 모형의 통계량을 살펴보면, 다른 추정 노선에 비해 모형의 적합도를 나타내는 R-square, RMSE, MAPE, MAE가 상대적으로 높은 것을 알 수 있으며, 오차율과 모수절약의 원칙을 나타내는 BIC값이 상대적으로 적은 것을 볼 수 있다. 또한 Ljung-Box통계량이 유의확률 5%을 넘어 잔차(백색잡음)들이 서로 독립적임을 확인하였다.
또한 모형검증 결과, 새마을·무궁화 대부분 노선에서 주말보다 주중이 RMSE, MAPE 값 모두 상대적으로 높게 나온 것을 볼 수 있는데, 이는 주중의 경우 출퇴근이나 비즈니스 활동 등의 고정 수요가 아닌 변동성이 높은 통행량의 특성이 반영된 것으로 판단된다.
분석을 위해 계절별 특성이 반영된 SARIMA 모형을 이용하였으며, 주중/주말 통행 특성 및 대체근무제 등과 같은 공휴일 특성을 반영하고자 각 노선별 주중/주말 일평균 모형을 각각 구축하였다. 또한 모형의 신뢰도를 높이기 위해 EXPO 개최, 새로운 노선의 개통 등 노선별 개입요소를 고려하여 수송수요의 예측모형에 반영하였으며 모형 예측력의 검증을 통해 정도 높은 모형을 구축하였음을 확인하였다. 개발된 모형은 열차 노선별 단기운행계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.
따라서 월요일~목요일을 주중, 금요일~일요일을 주말로 구분하여 데이터를 구축하여 주중 및 주말 통행량 변화의 차이를 반영하였다. 또한 월별 일 평균 수송량 분포를 살펴보면(그림 4, 5 참고), 성수기 기간과 관광객의 유동인구가 많은 5월과 8월이 가장 높았으며, 특송기간이 포함되는 달에도 상대적으로 이용객이 많아 시계열 자료가 뚜렷한 계절성을 확인할 수 있었다. 그리고 새마을 중앙선의 경우 다른 노선에 비해 주중·주말, 월별로 이용객 차이가 많이 나는 것을 볼 수 있는데 이는 O/V-train(관광열차)운행 등으로 인한 여행객들의 특성이 반영되었기 때문이라 판단된다.
먼저, 새마을 · 무궁화 열차의 요일별 통행량 분포를 살펴보면(그림 2, 3 참고), 월요일~목요일에 비해 금요일~토요일 수송량이 많은 것을 알 수 있으며, 토요일의 이용객이 가장 많은 것을 볼 수 있다.
또한 PACF가 시차 1, 4, 12에서 절단되는 AR(1), AR(4), SAR(2) 모형도 고려할 수 있다. 모수 절약의 원칙에 근거하여 추정된 모형 내 모수들의 정상성과 가역성조건을 만족하며, 신뢰수준 95%에서 통계적으로 유의한 ARIMA(1,1,0)(0,1,1)12, ARIMA(0,1,1)(0,1,1)12, ARIMA(0,1,1)(1,1,0)12 모형이 잠정 모형으로 선정되었다(표 1).
모형이 최종모형으로 채택되었다. 최종 선정된 모형의 통계량을 살펴보면, 다른 추정 노선에 비해 모형의 적합도를 나타내는 R-square, RMSE, MAPE, MAE가 상대적으로 높은 것을 알 수 있으며, 오차율과 모수절약의 원칙을 나타내는 BIC값이 상대적으로 적은 것을 볼 수 있다. 또한 Ljung-Box통계량이 유의확률 5%을 넘어 잔차(백색잡음)들이 서로 독립적임을 확인하였다.
추정된 모형 중 본 연구의 새마을 경부선 주말 노선의 경우 모수절약의 원칙에 근거하여, 모형의 통계적 유의성이 우수하다고 판단되는 ARIMA(0,1,1)(1,1,0)12 모형이 최종모형으로 채택되었다. 최종 선정된 모형의 통계량을 살펴보면, 다른 추정 노선에 비해 모형의 적합도를 나타내는 R-square, RMSE, MAPE, MAE가 상대적으로 높은 것을 알 수 있으며, 오차율과 모수절약의 원칙을 나타내는 BIC값이 상대적으로 적은 것을 볼 수 있다.
후속연구
또한 모형의 신뢰도를 높이기 위해 EXPO 개최, 새로운 노선의 개통 등 노선별 개입요소를 고려하여 수송수요의 예측모형에 반영하였으며 모형 예측력의 검증을 통해 정도 높은 모형을 구축하였음을 확인하였다. 개발된 모형은 열차 노선별 단기운행계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.
철도 단기수요예측을 위한 모형 구축 시 시계열 자료 내 신규철도노선 건설, 지역 축제, 정책변화 등과 같은 제어할 수 없는 외적사건(event)이 발생한다면 기존에 관측된 자료와는 다른 패턴을 갖는 자료가 관측될 것이다. 이러한 분석에 영향을 미치는 사건들을 모형 내 반영하지 않는다면 정확하고 현실적인 예측이 불가능하다.
향후 연구에서는 열차 운행 횟수 변화나 노선연장 등과 같은 정책변화로 인한 철도 공급량의 변화를 추가적으로 반영하는 모형 확장이 필요하며, 열차 예약정보 등을 활용하여 잠재수요를 고려할 수 있는 추가 연구가 필요할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
철도의 단기 수송수요의 예측 방법으로는 크게 어떤 것들이 있나요?
철도 수송수요 예측방법은 크게 전통적 4단계 수요추정모형과 중력모형에 근거한 직접수요모형 그리고 과거패턴을 이용하여 예측하는 시계열 모형 등이 있다. 전통적 4단계 수요추정모형과 직접수요 모형의 경우 중장기 측면에서의 정책변화나 사회경제지표 등을 반영하여 분석을 수행할 수 있는 장점을 가지지만 계절별 수요변화나 주중/주말 특성을 반영한 단기수송수요 분석에는 한계를 지닌다[2].
경인선 개통의 의의는?
경인선 개통(1899년)으로 시작된 국내철도는 국가산업 발전과 더불어 국내 여객수송의 중요한 역할을 해왔다. 현재 국내철도는 일반열차(새마을, 무궁화)와 고속철도(KTX)를 중심으로 운행되고 있으며, 고속철도 개통 이전부터 이용되어 온 일반열차는 높은 접근성(Accessibility)으로 인해 많은 노선을 가지고 있다.
국내철도는 어떤 종류의 기차를 중심으로 운행되나요?
경인선 개통(1899년)으로 시작된 국내철도는 국가산업 발전과 더불어 국내 여객수송의 중요한 역할을 해왔다. 현재 국내철도는 일반열차(새마을, 무궁화)와 고속철도(KTX)를 중심으로 운행되고 있으며, 고속철도 개통 이전부터 이용되어 온 일반열차는 높은 접근성(Accessibility)으로 인해 많은 노선을 가지고 있다. 한편 철도운영기관은 이윤 극대화, 자원의 효율적 활용을 위해 중장기 및 단기 전략 수립이 필요하며, 중장기 계획은 장래 철도건설, 철도 차량 노후화에 따른 차량도입의 의사결정을 위해 주로 활용되는 반면, 단기 계획은 제한된 자원 하에서 수입증대를 위한 각종 방안에 대한 의사결정에 활용된다[1].
참고문헌 (10)
KORAIL Research Institute, The demand forecast for KTX and conventional train in 2013, p.87, Sep. 2012.
H. J. Kim and C. M. Jung, "Development of a direct demand estimation model for forecasting of railroad traffic demand", Proceedings of the Conference of the Korean Society for Railway, pp.2166-2178, Jul. 2010.
K. B. Kim and K. S. Hwang, "A study on the demand forecasting and efficient operation of Jeju national airport using seasonal ARIMA model", J. of the Korea Academic-Industrial cooperation Society, vol. 13, no. 8, pp.3381-3388, Aug. 2012.
K. H. Kim and H. S. Kim "KTX passenger demand forecast with intervention ARIMA model", J. of the Korean Society for Railway, vol. 14, no. 5, pp.470-476, Oct. 2011.
M. Vaziri and J. Hutchinson. "Short-run forecasting of United States coal production", Intl. J. of Mining and Geological Engineering, vol. 5, Issue 4, pp.419-432, Dec. 1987.
J. Considine and J. Narayan "Assessment of the impact of changes in transit systems using intervention analysis", Transportation Research_B, vol. 22, Issue 1, pp.55-67, Feb. 1988.
C. Woroniuk, M. Marinov, T. Zunder and P. Mortimer, "Time series analysis of rail freight services by the private sector in Europe", J. of Transport Policy, vol. 25, pp.81-93, Jan. 2013.
W. Chiang, R. A. Russell and T. L. Urban, "Forecasting ridership for a metropolitan transit authority", J. of Transportation Research_A, vol. 45, Issue 7, pp.696-705, Aug. 2011.
D. B. Jung, Demand forecasting of time series_I, Hannarae Pub., 2009.
K. C. Min, Y. I. Jun and H. K. Ha, "Forecasting the air cargo demand with seasonal ARIMA model: focusing on ICN to EU route", J. of the Korean Society of Transportation, vol. 31, no. 3, pp.3-18, Jun. 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.