[논문]대중교통카드기반 수도권 도시철도 통행수요배정모형

손지언

doi:10.12652/ksce.2016.36.1.0105

대중교통카드기반 수도권 도시철도 통행수요배정모형
Development of Dynamic Passenger-Trip Assignment Model of Urban Railway Using Seoul-Incheon-Gyeonggi's Transportation Card 원문보기

대한토목학회논문집 = Journal of the Korean Society of Civil Engineers, v.36 no.1, 2016년, pp.105 - 114

손지언 (인천발전연구원)

초록
AI-Helper

수도권에는 1일 약 2000만 건의 대중교통카드 전수자료가 생성되고 있으며, 이 자료를 이용하여 시설운영 및 정책방안을 개선하고 도출하려는 시도가 다양해지고 있다. 본 연구는 교통카드에서 생성되는 동적인 수요변화의 예측 가능성을 모형화하는 시도로서 동적 통행수요배정모형을 구축하는 것이 목적이다. 버스의 경우 승객 이동상황이 카드태그(tag)를 통해 비교적 정확하게 파악되므로, 본 연구에서는 버스를 제외한 수도권 도시철도에 대해, 7개 운송기관이 운영하는 노선을 대상으로 적용되는 모형 및 알고리즘을 구축하였다. 구축된 모형은 교통카드자료의 Big Data 속성에 적합하게 연속 시간형 모형으로 구축되었으며, 승객의 경로선택행태를 효과적으로 나타내기 위하여 환승 횟수 증가에 따른 인지파라메타를 구성하였다. 수도권 도시철도 약 800만 쌍에 대하여 모델링한 결과, 연속형 시간기반 모형의 장점이 반영되어 어떤 시간 시점에서도 동적 수요를 분석할 수 있는 특성을 파악하였다. 특히 기존 철도운영기관의 목측조사자료와 비교한 혼잡도 변화를 파악할 때, 모형에서 도출된 혼잡도와 운영기관이 제시한 혼잡도 간에 유사한 추세를 보이고 있어 높은 신뢰도를 보여주고 있다. 본 연구는 철도기관에 한정한 모형으로 향후, 버스-도시철도와 통합된 모형체계 구축과 같은 연구가 필요할 것으로 파악된다.

Abstract ▼ AI-Helper

With approximately 20 million transportation card data entries of the metropolitan districts being generated per day, application of the data to management and policy interventions is becoming an issue of interest. The research herein attempts a model of the possibility of dynamic demand change predictions and its purpose is thereby to construct a Dynamic Passengers Trip Assignment Model. The model and algorithm created are targeted at city rail lines operated by seven different transport facilities with the exclusion of travel by bus, as passenger movements by this mode can be minutely disaggregated through card tagging. The model created has been constructed in continuous time as is fitting to the big data characteristic of transport card data, while passenger path choice behavior is effectively represented using a perception parameter as a function of increasing number of transfers. Running the model on 800 pairs of metropolitan city rail data has proven its capability in determining dynamic demand at any moment in time, in line with the typical advantages expected of a continuous time-based model. Comparison against data measured by the eye of existing rail operating facilities to assess changes in congestion intensity shows that the model closely approximates the values and trends of the existing data with high levels of confidence. Future research efforts should be directed toward continued examination into construction of an integrated bus-city rail system model.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 이 연구는 다양한 수도권 대중교통행태에 관한 실시간 분석을 위하여 대중교통카드자료를 활용한 동적 통행경로 모형을 제안한다. 이를 위해 카드자료에 포함되어 있는 개별승객의 출발역 개찰구와 태그시간, 도착역 개찰구를 기본정보로 하는 출발시간기반 통행경로구축모형을 구성한다.
본 연구는 수도권에서 운영되는 대중교통카드자료를 이용하여 수도권 도시철도의 동적수요변화를 평가하기 위한 모형과 해법을 제안했다. 교통카드의 모형구조상 기존 프로그램에 적용되었던 이산형 시간 모형구조를 탈피하고 연속형 모형구조를 도입하는 방안을 강구하였다.

가설 설정

수리적인 기법을 포함하는 동적 통행배정은 크게 3가지 모형- 1) 수리최적화 모형, 2) 최적제어모형, 3) 변동부등식 모형-으로 구분된다.
따라서 엄밀한 의미에서 이 모형은 경로기반 확률적 연속형 통행배정모형이다. 그러나 기종점간에 사용된 경로를 최적경로와 분간하기 어려운 유사한 경로라고 가정하고, 본 모형은 이 유사경로에 균일한 확률을 적용한다. 참고로 수도권도시철도운영기관(2012)에서 유사경로에 대한 판정기준을 최적경로 일반화비용의 10% 이내를 유사경로라고 판정하고 최대 3개의 경로까지 탐색하였다.
본 연구 제안 모형에서 경로를 탐색하는 기준은 시간으로 환산된일반화비용이다. 탑승역-하차역-게이트에서 태그할 때까지 1번 환승을 하는 경우를 가정으로 일반화비용 요소를 파악하고자 한다.Fig.

제안 방법

2.1절과 2.2절을 통해 기존의 대중교통 통행배정모형과 동적통행배정모형의 구조를 파악하였다. 본 연구는 교통카드를 기반으로 동적인 수요를 배정하는 것이므로 이미 제안된 두 모형구조와 차이점을 논의하고 새로운 모형으로 개발되는 의의를 파악할 필요가 있다.
본 연구에서 제안한 동적 모형의 추정력을 분석하기 위하여인천도시철도1호선에서 가장 수요가 많은 구간인 부평시장역에서부평역까지의 시간대별 이동수요를 5분, 15분 간격으로 비교하였다. 5분 이하 및 15분이상의 임의의 시간간격 대에서도 분석을 수행할 수 있으나, 대표적인 분석단위인 5분과 15분 단위를 이용하여 모형의 추정력을 살펴보았다. 또한 연도별 비교를 위하여 2011년과2013년 자료를 활용하였으며 2011년 자료는 시간간격을 5분 및15분간 분석을 각각 수행하였다.
현재 수도권 도시철도에서 발생하는 개인별 통행사슬은 1일 약 800만 건이므로 이들 통행사슬을 활용하여 시간대 별로 수도권 도시철도의 노선-링크에 배정되는 모형이 구축가능하다. 구축모형을 검증하기 위하여 분석의 공간적 범위를 전체수도권 도시철도를 대상으로 수행하고 정책적 시사점을 도출한다.
물론 엄밀하게 말하면 800만개의 이산시간에기반한 모형이라고 할 수 있으나, 태그하는 승객과 시간대를 모두 포함하는 측면에서 폐쇄된 수도권 도시철도 시스템의 연속형 모형구조로 구축하는 것이 타당하다. 따라서 본 연구에서 제안하는 모형은 경로기반 연속형 동적 통행배정모형이다.
5분 이하 및 15분이상의 임의의 시간간격 대에서도 분석을 수행할 수 있으나, 대표적인 분석단위인 5분과 15분 단위를 이용하여 모형의 추정력을 살펴보았다. 또한 연도별 비교를 위하여 2011년과2013년 자료를 활용하였으며 2011년 자료는 시간간격을 5분 및15분간 분석을 각각 수행하였다. Tables 1, 2 and 3은 1시부터24시까지 전일 통행수요를 보여주고 있으며, 1시간을 15분과 5분단위로 구분하여 부평시장역과 부평역 해당 시간대에 그 구간을 이용한 통행수요를 표시하였다.
모형에서 도출된 통행시간과 실제교통카드에서 도출된 통행시간을 비교하기 위하여 선형회귀식을 구성하였다. Fig.
본 연구 제안 모형에서 경로를 탐색하는 기준은 시간으로 환산된일반화비용이다. 탑승역-하차역-게이트에서 태그할 때까지 1번 환승을 하는 경우를 가정으로 일반화비용 요소를 파악하고자 한다.
본 연구에서 적용하는 일반화비용은 환승횟수에 비례해서 환승인지비용(transfer perceived cost)이 증가하는 형태로 제안한다. 이 식은 아래와 같이 표현된다.
본 연구에서 제안한 동적 모형의 추정력을 분석하기 위하여인천도시철도1호선에서 가장 수요가 많은 구간인 부평시장역에서부평역까지의 시간대별 이동수요를 5분, 15분 간격으로 비교하였다. 5분 이하 및 15분이상의 임의의 시간간격 대에서도 분석을 수행할 수 있으나, 대표적인 분석단위인 5분과 15분 단위를 이용하여 모형의 추정력을 살펴보았다.
동적 통행배정모형은 일반 승용차량에 대하여 시간대 별로 변화하는 수요를 고려하여 통행을 배정하기 위해 제안되었다. 실시간으로 교통상황을 파악하고 해결할 수 있는 시간종속적(time dependent)인 모형으로 시뮬레이션 기법과 수학적 기법을 통합하여 발달되었다. 동적 통행배정모형에서 통행자를 교통망에 합리적으로 배정하기 위한 경로선택규칙은 정적 통행배정모형의 Wardrop의 이용자 균형개념을 활용하였다.
기존 모형에서는5분 또는 10분 단위의 수요를 판단하여 군집수요를 배정하는 방법을 일반적으로 적용하고 있으나, 교통카드는 개별 통행자에 대하여 태그가 발생하는 모든 시간을 반영하는 방안이 요구된다. 이를 위해 본 연구는 출발지 기반의 연속시간형 동적 모형으로 구축하였다
따라서 이 연구는 다양한 수도권 대중교통행태에 관한 실시간 분석을 위하여 대중교통카드자료를 활용한 동적 통행경로 모형을 제안한다. 이를 위해 카드자료에 포함되어 있는 개별승객의 출발역 개찰구와 태그시간, 도착역 개찰구를 기본정보로 하는 출발시간기반 통행경로구축모형을 구성한다. 여기서 개별승객은 자신의 일반화 통행비용을 최소화하기 위해서 경로를 선택한다는 기본가정을 활용하고 이를 최소화하는 수리적인 동적 통행배정모형(이하 동적 배정모형)을 구축한다.
출발지(r)에서 시간t를 시점으로 경로를 탐색하는 방안은 링크기반 최적식을 구축한다. 여기서 동적최적 경로식은 다음과 같다.
연속형 모형은 수도권 교통카드자료의 시간속성을 그대로 반영할 수 있어 빅데이터 기반의 모형구조로서 적합함을 입증하였다. 특히 모형은 유사경로기반의 동적모형으로 구성했으며, 유사경로의 특성상 이미 승객의 확률적 선택이 포함된다는 특성을 반영하여 균일분포를 가정한 수요배정기법을 적용하였다.

대상 데이터

교통카드자료는 2011년과 2013년 각각 일일 자료를 활용하였다. 적용된 네트워크는 578개 카드자료기반 노드로 구성된 자료를 실제 역노드로 환산하는 과정을 거쳤으며, 역간 링크 수는 1,125개로 구성되었다.
수도권 교통카드를 기반으로 하는 모형관련 특성 중 첫 번째는 기종점을 연결하는 경로기반 모형이 필요하다는 것이다. 본 연구의 범위는 도시철도에 한정되어 있으나 수도권 환승할인 요금정책을 운영하는 교통카드 정보는 최대 5회(환승4회) 수단이 포함되는 여행(travel; trip-chain)구조로 구축되어 있다. 여기서 여행은 개별수단을 이용하는 통행(mode trip)의 합으로 표현된다.
교통카드자료는 2011년과 2013년 각각 일일 자료를 활용하였다. 적용된 네트워크는 578개 카드자료기반 노드로 구성된 자료를 실제 역노드로 환산하는 과정을 거쳤으며, 역간 링크 수는 1,125개로 구성되었다. 환승역의 방향별 환승이동시간 및 환승대기시간은 수도권 7개 도시철도운영기관에서 2012년 조사한 자료를 적용하였다.
적용된 네트워크는 578개 카드자료기반 노드로 구성된 자료를 실제 역노드로 환산하는 과정을 거쳤으며, 역간 링크 수는 1,125개로 구성되었다. 환승역의 방향별 환승이동시간 및 환승대기시간은 수도권 7개 도시철도운영기관에서 2012년 조사한 자료를 적용하였다.

이론/모형

실시간으로 교통상황을 파악하고 해결할 수 있는 시간종속적(time dependent)인 모형으로 시뮬레이션 기법과 수학적 기법을 통합하여 발달되었다. 동적 통행배정모형에서 통행자를 교통망에 합리적으로 배정하기 위한 경로선택규칙은 정적 통행배정모형의 Wardrop의 이용자 균형개념을 활용하였다. 이를 동적 이용자 균형상태라고 정의하며 다음과 같다.
수리최적화모형(Mathematical Programming Model)은 Merchantand Nemhauser (1978a, b)에 의해 이산형 비볼록(Non convex)의 형태로서 체계 최적화문제로 구성되었다. Carey (1986)은 Merchantand Nemhauser 모형을 볼록(Convex) 문제로 재구성하였다.
승객의 출발지, 도착지, 출발시간 정보는 교통카드자료를 통해서 생성되며, 별도의 도시철도 네트워크를 초기상태로 준비한다. 출발지와 도착지를 연결하는 동적 유사경로를 탐색하기 위하여 Avezedo et al. (1993)이 제안한 K경로탐색알고리즘을 이용한다. 이 알고리즘에서 탐색된 최초의 동적경로를 기준으로 네트워크를 변형하면서 계속 다음 경로를 탐색하는 과정을 반복한다.
(1990), Lam and Huang (1995)에 의해 연구되었다. 통행배정을 연속시간 최적제어 문제로 구성하여 Pontryyagin(1962)의 최대원칙(maximum principle)을 이용하여 최적성 조건을 유도하였다.

성능/효과

또한 일반적으로 운영기관은 목측 및 중량조사를 통해서 혼잡도를 산정하고 있으며, 본 모형에서는 그러한 조사와 총량적인측면에서 혼잡도의 경향이 매우 유사한 것으로 나타나고 있다. 따라서 본 연구는 예측모형뿐만 아니라 동적 스케쥴링과 같은 전략모형으로서 높은 가능성을 보여주었다.
교통카드의 모형구조상 기존 프로그램에 적용되었던 이산형 시간 모형구조를 탈피하고 연속형 모형구조를 도입하는 방안을 강구하였다. 연속형 모형은 수도권 교통카드자료의 시간속성을 그대로 반영할 수 있어 빅데이터 기반의 모형구조로서 적합함을 입증하였다. 특히 모형은 유사경로기반의 동적모형으로 구성했으며, 유사경로의 특성상 이미 승객의 확률적 선택이 포함된다는 특성을 반영하여 균일분포를 가정한 수요배정기법을 적용하였다.

후속연구

이 연구는 수도권 도시철도를 대상으로 하는 모형구조였으나, 버스-철도를 아우르는 대중교통망에 적용되어 장래 수도권 통합대중교통체계의 효율성 증진을 위한 향후 과제가 수행될 필요가 있다. 또한, 본 연구에서 제안된 모형은 급행을 이용하는 승객행태에 대한 고려가 없기 때문에 향후 경인선과 서울지하철 9호선과 같이 급행철도에 대한 추가적인 연구가 필요하다.
2절을 통해 기존의 대중교통 통행배정모형과 동적통행배정모형의 구조를 파악하였다. 본 연구는 교통카드를 기반으로 동적인 수요를 배정하는 것이므로 이미 제안된 두 모형구조와 차이점을 논의하고 새로운 모형으로 개발되는 의의를 파악할 필요가 있다.
이 연구는 수도권 도시철도를 대상으로 하는 모형구조였으나, 버스-철도를 아우르는 대중교통망에 적용되어 장래 수도권 통합대중교통체계의 효율성 증진을 위한 향후 과제가 수행될 필요가 있다. 또한, 본 연구에서 제안된 모형은 급행을 이용하는 승객행태에 대한 고려가 없기 때문에 향후 경인선과 서울지하철 9호선과 같이 급행철도에 대한 추가적인 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	버스부문의 카드자료분석 데이터들은 어떻게 이용될 수 있는가?	버스에 승하차하면서 교통카드를 모두 단말기에 접촉(tag)해야하기 때문에 탑승하는 승객과 하차하는 승객의 개별통행에 대해서 비교적 정확히 모니터링이 가능하다. 따라서 노선망에 대한 전반적인 분석이 가능하고 버스-버스, 버스-철도간 환승에 대한 지점별, 구역별, 노선별 상황을 면밀히 파악할 수 있다. 또한, 승하차 정보를 활용하여 개별차량내부의 혼잡상황 등을 알 수 있는 상태정보 계산이 가능하다. 이에 따라 버스노선개편과 증차 등 다양한 버스정책에 활용이 가능한 정보가 도출될 수 있다.
	전량통행배정모형이란 무엇인가?	대중교통통행배정모형은 크게 세 가지 모형-1) 전량통행배정모형, 2) 최적전략(optimal strategy)에 의한 통행배정모형, 3) 경로기반 통행배정모형-으로 발전되어 왔다. 전량통행배정모형은 기종점정류장간 대기시간 및 다른 노선으로 환승을 고려하여 최단경로를 찾고 그 경로에 수요를 전량으로 배정하는 방법이다. 이 기법은 기종점간 경로를 연결하는 경로의 수가 적고 수요가 많지 않은 경우 합리적이나 수도권과 같은 대규모 교통망에서 적용하기는 곤란하다.
	교통카드에는 실시간으로 어떤 데이터들이 기록되는가?	수도권에는 약 2천만 건 이상의 대중교통카드 정보가 생성되며, 교통 분야를 포함한 다양한 분야에서 분석자료로서 활용도가 매우 높다. 교통카드에는 승객의 이용수단, 승차시간, 승차역, 하차시간, 하차역 등 핵심적으로 이용 가능한 기본 자료가 실시간 기록되고 있다. 또한 수단의 노선 자료와 연계하면 승객이 이용한 통행거리, 차량의 탑승인원과 같은 다양한 대중교통 통행지표 도출이 가능하다.

참고문헌 (11)

Azevedo, J. A., Costa, M. E. O. S., Madeira, J. J. E. R. S. and Martins, E. Q. V. (1993). "An algorithm for the ranking of shortest paths." European Journal of Operational Research, Vol. 69, No. 1, pp. 97-106.

상세보기
Carey, M. (1992) Nonconvexity of the Dynamic Traffic Assignment Problem. Transportation Research. 26B, pp. 127-133.
Friesz, T. L., Bernstein, D., Smith, T. E., Tobin, R. L. and Wie, B. W. (1993). A Variational Inequality Formulation of the Dynamic Network User Equilibrium Problem. Operation. Operations Research. 41, pp. 179-191.

상세보기
Friesz, T. L., Luque, F. J., Tobin, R. L. and Wie, B. W. (1989). Dynamic Network Traffic Assignment Considered As A Continuous Time Optimal Control Problem. Operations Research. 37, pp. 893-901.

상세보기
Metchang, D. K. and Nemhausser, G. L. (1978a). A Model and An Algorithm for the Dynamic Traffic Assignment Problems. Transportation Science. 12, pp. 183-199.

상세보기
Metchang, D. K. and Nemhausser, G. L. (1978b). Optimality Conditions for a dynamic Traffic assignment Model. Transportation Science. 12, pp. 200-207.

상세보기
Pontryagin, L. S., Boltyanskii, V. G., Gamkrelidze, R. V. and Mishchenko, E. F. (1962). The Mathematical Theory of Optimal Processes. English translation. Interscience. ISBN 2-88124-077-1.
Ran, B. and Boyce, D. E. (1996). Modeling Dynamic Transportation Networks. Springer.
Spiess, H. and Florian, M. (1999). "Optimal Strategies : A New Assignment Model for Transit Networks." Transportation Research B, Vol. 3, No. 2, pp. 83-102.
Wie, B. W., Friesz, T. L. and Tobin, R. L. (1990). "Dynamic user optimal traffic assignment on congested multidestination Networks." Transportation Research, 24B, pp. 443-451.
Wie, B. W., Tobin, R. L., Friesz, T. L. and Bernstein, D. (1995). "A discrete time, Nested cost operator approach to the dynamic network user equilibrium problem." Transportation Science, Vol. 29, No. 1, pp. 79-92.

상세보기

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