본 연구의 목적은 서울시의 환승통행 특성을 분석하고 토지이용이 환승통행에 미치는 영향을 규명하는 것이다. 이를 위해 서울시의 2013년 4월 평일 하루치 교통카드자료를 이용하여 환승통행의 일반적인 특성을 분석하고, 토지이용과 사회경제지표 등을 독립변수로 고려한 환승통행량의 다중선형 회귀모형을 구축하였다. 환승통행특성의 경우, 환승통행이 전체 통행의 26.7%를 차지하였으며, 이 중 1회 환승한 경우가 86.4%로 대부분이었다. 또한 버스-지하철간 환승이 64.7%로 큰 비중을 차지하였며, 주로 지하철 역 및 업무시설이 다수 위치하는 곳에서 환승통행이 많이 발생하였다. 회귀모형 구축 결과, 업무시설면적비율 및 백화점시설의 면적비가 높거나 복합토지이용도가 높은 지역일수록 환승통행량이 많아지는 것으로 분석되었다. 본 연구의 결과는 향후 복합환승센터와 같이 도시 내 환승통행을 고려하는 교통시설의 입지 선정을 위한 기초자료로 활용될 수 있을 것이다.
본 연구의 목적은 서울시의 환승통행 특성을 분석하고 토지이용이 환승통행에 미치는 영향을 규명하는 것이다. 이를 위해 서울시의 2013년 4월 평일 하루치 교통카드자료를 이용하여 환승통행의 일반적인 특성을 분석하고, 토지이용과 사회경제지표 등을 독립변수로 고려한 환승통행량의 다중선형 회귀모형을 구축하였다. 환승통행특성의 경우, 환승통행이 전체 통행의 26.7%를 차지하였으며, 이 중 1회 환승한 경우가 86.4%로 대부분이었다. 또한 버스-지하철간 환승이 64.7%로 큰 비중을 차지하였며, 주로 지하철 역 및 업무시설이 다수 위치하는 곳에서 환승통행이 많이 발생하였다. 회귀모형 구축 결과, 업무시설면적비율 및 백화점시설의 면적비가 높거나 복합토지이용도가 높은 지역일수록 환승통행량이 많아지는 것으로 분석되었다. 본 연구의 결과는 향후 복합환승센터와 같이 도시 내 환승통행을 고려하는 교통시설의 입지 선정을 위한 기초자료로 활용될 수 있을 것이다.
This paper is to analyze characteristics of transfer trips and to identify impacts of land use on them. Using the smart transport card data of Seoul on a weekday in April 2013, we explored general characteristics of the transfer trips such as spatial and temporal distributions, transfer types, and g...
This paper is to analyze characteristics of transfer trips and to identify impacts of land use on them. Using the smart transport card data of Seoul on a weekday in April 2013, we explored general characteristics of the transfer trips such as spatial and temporal distributions, transfer types, and geographical patterns of transfer trips. Then, the multiple regression model for the transfer trips was developed, considering land use as well as socio-economic variables as explanatory ones. For the characteristics of the transfer trips, their ratio to the total trips accounts for 26.7%. Nearly 87% of the trips are one-time transferred, and 64.7% are bus-subway transfer trips. In addition, the transfer trips are more likely to appear nearby subway stations and business facilities. The regression model indicates that land use variables such as the floor areas of business facilities and department stores and mixed land use index significantly positively affect the transfer trips. Our results can be used as basic data for choosing feasible locations of multi-modal transfer centers in urban areas.
This paper is to analyze characteristics of transfer trips and to identify impacts of land use on them. Using the smart transport card data of Seoul on a weekday in April 2013, we explored general characteristics of the transfer trips such as spatial and temporal distributions, transfer types, and geographical patterns of transfer trips. Then, the multiple regression model for the transfer trips was developed, considering land use as well as socio-economic variables as explanatory ones. For the characteristics of the transfer trips, their ratio to the total trips accounts for 26.7%. Nearly 87% of the trips are one-time transferred, and 64.7% are bus-subway transfer trips. In addition, the transfer trips are more likely to appear nearby subway stations and business facilities. The regression model indicates that land use variables such as the floor areas of business facilities and department stores and mixed land use index significantly positively affect the transfer trips. Our results can be used as basic data for choosing feasible locations of multi-modal transfer centers in urban areas.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
특히 서울시는 버스와 지하철간 연계환승이 활발히 이루어지고 있어, 이들 수단 간의 환승통행자료를 종합적으로 분석하는 것은 매우 중요하다. 따라서 본 연구에서는 서울시 버스와 지하철을 포함한 대중교통 수단의 환승통행에 대한 특성을 분석하고, 토지이용이 환승통행에 미치는 영향을 분석하고자 한다.
본 연구는 서울시 버스와 지하철을 포함한 대중 교통 수단의 환승통행에 대한 특성을 분석하고, 토지이용이 환승통행에 어떻게 영향을 미치는지를 분석하였다. 이를 위해 스마트카드사로부터 수집한 2013년 4월 17일의 서울시 교통카드 자료 중 내부 통행 자료를 대상으로 하여 환승통행 비율, 환승통행 분포, 환승통행시간 분포, 환승유형, 시간대별 환승통행 분포, 환승통행 승하차 분포, 최초출발-최종도착지별 환승통행 분포 등 환승통행 특성을 분석하였으며, 이어서 환승통행량과 토지이용의 연관성을 분석하기 위해 행정동별 환승통행량을 종속변수로 하고 토지이용 관련 변수, 사회경제지표 등을 독립변수로 하는 다중선형 회귀모형을 구축하였다.
본 연구에서는 교통카드 자료를 이용하여 서울시 환승통행행태를 분석한다. 분석자료는 자료의 이용이 가능한 2013년 4월 17일 수요일의 서울시 교통카드자료를 대상으로 하였다.
본 연구의 흐름은 다음과 같다. 우선 환승통행에 관해 분석한 선행연구를 검토하여 본 연구의 착안점을 도출하였다. 이를 바탕으로 환승통행에 관한 연구를 수행하기 위하여 교통카드 자료를 수집하고, 분석방법론을 설정하였다.
가설 설정
이 때 y는 종속변수, xi는 독립변수를 나타내며, α는 독립변수에서 고려되지 못했지만 종속변수에 영향을 미치는 상수항, β는 독립변수의 계수, ε은 오차항을 의미하며 정규분포를 가정한다.
제안 방법
토지이용 관련 변수는 건축법 시행령의 ‘용도별 건축물의 종류’에 따라 분류되는 시설로 주거, 상업, 업무, 교육복지, 산업, 문화집회, 기타시설로 유형을 구분하였다. 각 시설별 연면적을 변수로 활용하였으며, 토지이용의 혼재된 정도를 파악하기 위해 토지이용엔트로피지수를 활용하였다.
독립변수로 사용한 자료는 크게 토지이용 관련 변수와 사회경제지표로 구분되며 분석단위에 맞춰 행정동 단위로 집계하여 사용하였다.
본 장에서는 환승통행량과 토지이용의 연관성을 분석하기 위해 행정동별 환승통행량을 종속변수로 설정하였다. 또한 토지이용 관련 변수를 주요 독립 변수로 설정하고, 이 밖에 사회경제지표인 인구, 자동차대수, 종사자수 등의 변수를 포함하여 회귀모형을 구축하였다. 이 회귀모형을 구축하기 위해 먼저 환승통행량과 각 토지이용 변수들 간의 상관분석을 실시하였으며 상관계수가 높은 변수들을 우선적으로 모형에 포함시켜 분석하였다.
이에 본 연구에서는 선행연구와 달리 목적통행에만 한정하지 않고, 수단통행에 대한 환승행태분석도 수행하였다. 또한 환승행태 분석을 위해 환승 유형 및 환승시간대 등 다양한 기준을 설정하였다. 환승통행과 연관된 요인을 밝히기 위해 지하철과 버스를 모두 포함하여 환승수요를 분석하였다.
본 장에서는 환승통행량과 토지이용의 연관성을 분석하기 위해 행정동별 환승통행량을 종속변수로 설정하였다. 또한 토지이용 관련 변수를 주요 독립 변수로 설정하고, 이 밖에 사회경제지표인 인구, 자동차대수, 종사자수 등의 변수를 포함하여 회귀모형을 구축하였다.
환승통행과 연관된 요인을 밝히기 위해 지하철과 버스를 모두 포함하여 환승수요를 분석하였다. 분석단위를 지하철역 및 정류장이 아닌 서울시 행정동으로 설정하여, 사회경제지표 및 토지이용변수를 설명변수로 환승통행의 영향요인을 규명하였다. 본 연구는 보다 심도 있는 환승통행행태분석과 지하철 및 버스 수단에 대한 환승통행의 행정동 기준 영향 요인을 규명하였다는 점에서 선행연구와 차별성을 가진다.
사회경제지표는 행정동 면적, 인구밀도, 연령별 인구, 종사자수, 자동차등록대수, 지방세과세액 등을 변수로 활용하였다. 이는 각 행정동의 사회 경제적 특성을 통제하기 위해서 변수로 반영하였다.
또한 토지이용 관련 변수를 주요 독립 변수로 설정하고, 이 밖에 사회경제지표인 인구, 자동차대수, 종사자수 등의 변수를 포함하여 회귀모형을 구축하였다. 이 회귀모형을 구축하기 위해 먼저 환승통행량과 각 토지이용 변수들 간의 상관분석을 실시하였으며 상관계수가 높은 변수들을 우선적으로 모형에 포함시켜 분석하였다. 또한 회귀모형의 독립변수들 간의 다중공선성이 높은 변수들은 모형구축시 제외하였으며, 통계적으로 유의한 변수들로 최종 모형을 구축하였다.
환승통행의 통행시간은 최종도착지에 도착한 시각에서 최초출발한 시각의 차이로 산출하였다. 이때, 하차시각이 승차시각보다 빠르게 입력되어 오류가 발생한 교통카드자료(51 통행)를 제외하고 통행시간분석을 수행하였다. 환승횟수별 통행시간 분포를 살펴보면, 환승횟수가 많아질수록 통행시간이 길어지는 것을 알 수 있었다.
우선 환승통행에 관해 분석한 선행연구를 검토하여 본 연구의 착안점을 도출하였다. 이를 바탕으로 환승통행에 관한 연구를 수행하기 위하여 교통카드 자료를 수집하고, 분석방법론을 설정하였다. 환승통행의 다양한 행태를 상세분석한 후, 환승지점에서 발생한 환승 통행량의 영향요인을 규명하기 위하여 다중선형 회귀모형을 구축하였다.
본 연구는 서울시 버스와 지하철을 포함한 대중 교통 수단의 환승통행에 대한 특성을 분석하고, 토지이용이 환승통행에 어떻게 영향을 미치는지를 분석하였다. 이를 위해 스마트카드사로부터 수집한 2013년 4월 17일의 서울시 교통카드 자료 중 내부 통행 자료를 대상으로 하여 환승통행 비율, 환승통행 분포, 환승통행시간 분포, 환승유형, 시간대별 환승통행 분포, 환승통행 승하차 분포, 최초출발-최종도착지별 환승통행 분포 등 환승통행 특성을 분석하였으며, 이어서 환승통행량과 토지이용의 연관성을 분석하기 위해 행정동별 환승통행량을 종속변수로 하고 토지이용 관련 변수, 사회경제지표 등을 독립변수로 하는 다중선형 회귀모형을 구축하였다.
이에 본 연구에서는 선행연구와 달리 목적통행에만 한정하지 않고, 수단통행에 대한 환승행태분석도 수행하였다. 또한 환승행태 분석을 위해 환승 유형 및 환승시간대 등 다양한 기준을 설정하였다.
추가적으로 버스-지하철간 환승유형을 이용순서 별로 세밀하게 분석하였다. 대부분의 버스-지하철간 환승의 경우, 지하철이용은 1~2번째 통행에서 각각 43.
토지이용 관련 변수는 건축법 시행령의 ‘용도별 건축물의 종류’에 따라 분류되는 시설로 주거, 상업, 업무, 교육복지, 산업, 문화집회, 기타시설로 유형을 구분하였다.
환승요인을 규명한 연구는 지하철 수단을 중심으로 지하철역 및 역세권에 대하여 분석을 수행하였다. 하지만 서울시는 버스 및 지하철 수단의 환승체계가 편리하게 갖추어져 있으므로, 환승통행에 관한 연구에 있어 버스수단의 이용수요도 필수적으로 분석되어야 한다.
환승통행 분포를 분석하기 위하여 최초출발지-최종도착지의 목적통행 OD를 구축하였다. 서울시 25개 구별 OD를 구축한 결과, 환승통행량으로는 강남구, 관악구, 송파구, 서초구를 통행하는 이용수요가 가장 많은 것으로 나타났다.
환승통행 특성을 분석한 연구는 주로 최초출발지부터 최종도착지까지 도달하는 목적통행을 기준으로 통행량, 통행시간 및 거리 등의 지표를 분석하였다. 목적통행을 각 수단통행으로 구분하여 특성을 분석한 연구는 미미한 것으로 나타났다.
또한 환승행태 분석을 위해 환승 유형 및 환승시간대 등 다양한 기준을 설정하였다. 환승통행과 연관된 요인을 밝히기 위해 지하철과 버스를 모두 포함하여 환승수요를 분석하였다. 분석단위를 지하철역 및 정류장이 아닌 서울시 행정동으로 설정하여, 사회경제지표 및 토지이용변수를 설명변수로 환승통행의 영향요인을 규명하였다.
이를 바탕으로 환승통행에 관한 연구를 수행하기 위하여 교통카드 자료를 수집하고, 분석방법론을 설정하였다. 환승통행의 다양한 행태를 상세분석한 후, 환승지점에서 발생한 환승 통행량의 영향요인을 규명하기 위하여 다중선형 회귀모형을 구축하였다. 마지막으로 구축된 모형의 해석 및 시사점을 제시하였다.
환승통행의 승하차 분포는 목적통행의 최초출발지와 최종도착지를 제외한 각 수단통행의 출발·도착 행정동의 수단통행수를 집계하여 산출하였다.
대상 데이터
본 연구에서 사용한 교통카드자료는 스마트카드사에서 제공받은 2013년 4월 17일 수요일의 교통카드자료이다. 교통카드 자료 중 서울시 내부통행에 해당하는 자료를 대상으로 분석하였으며, 서울시 내부통행은 최초출발지-최종도착지까지 서울내부에서만 이동한 통행으로 정의하였다. 수집된 교통카드자료 중 약 1,000만 건이 서울 내부통행에 해당되었다.
본 연구에서 사용한 교통카드자료는 스마트카드사에서 제공받은 2013년 4월 17일 수요일의 교통카드자료이다. 교통카드 자료 중 서울시 내부통행에 해당하는 자료를 대상으로 분석하였으며, 서울시 내부통행은 최초출발지-최종도착지까지 서울내부에서만 이동한 통행으로 정의하였다.
수집된 교통카드자료 중 약 1,000만 건이 서울 내부통행에 해당되었다. 분석단위는 서울시 행정동 423개로 설정하였으며, 환승통행의 최초출발지를 제외한 환승승차지점을 기준으로 수단통행량을 집계하였다. 이는 환승통행이 발생하는 환승지점의 통행량을 연구하고자 하기 때문이다.
본 연구에서는 교통카드 자료를 이용하여 서울시 환승통행행태를 분석한다. 분석자료는 자료의 이용이 가능한 2013년 4월 17일 수요일의 서울시 교통카드자료를 대상으로 하였다. 교통카드자료는 카드정산사업자에 의해 지역별로 제공된다.
교통카드 자료 중 서울시 내부통행에 해당하는 자료를 대상으로 분석하였으며, 서울시 내부통행은 최초출발지-최종도착지까지 서울내부에서만 이동한 통행으로 정의하였다. 수집된 교통카드자료 중 약 1,000만 건이 서울 내부통행에 해당되었다. 분석단위는 서울시 행정동 423개로 설정하였으며, 환승통행의 최초출발지를 제외한 환승승차지점을 기준으로 수단통행량을 집계하였다.
이론/모형
환승통행의 영향요인을 밝히기 위한 분석기법으로 다중선형 회귀모형을 선정하였다. 다중선형 회귀모형은 종속변수와 여러 독립변수들의 상관관계를 나타내는 모형으로 종속변수가 독립변수에 대해 선형 함수의 관계에 있음을 가정한다.
성능/효과
각각의 변수들을 살펴보면, 업무시설면적비율 및 백화점시설의 면적비가 높거나 복합토지이용도가 높은 지역일수록 환승통행량이 많아지는 것으로 분석되었다. 이는 업무나 상업 밀집지역일수록 주요 환승거점에 적합함을 시사하고 있다.
환승통행 역시 전형적인 오전첨두와 오후첨두가 형성되었고, 주로 지하철 역 및 업무시설이 다수 위치하는 곳에서 환승통행의 승하차가 많이 발생하는 것으로 확인되었다. 구축된 회귀모형의 결정계수(R2 )는 0.358로 비교적 높은 설명력을 보였으며, 토지이용이 환승통행량에 미치는 영향이 통계적으로 유의한 것으로 나타났다. 업무시설면적비율 및 백화점시설의 면적비가 높거나 복합토지이용도가 높은 지역일수록 환승통행량이 많아지는 반면, 인구 밀집지역과 환승통행량의 관계는 음의 관계인 것으로 분석되었다.
환승통행으로 연계되는 지역을 찾아보기 위해 단독통행 대비 환승통행비율을 산출한 결과, 환승 통행량의 순위와는 달리 금천구-서대문구의 비율이 223%로 1순위를 차지하였다. 단독통행 대비 환승통행 비율이 높게 나타난 지역을 분석해본 결과, 금천구에서 서대문구, 강남구, 송파구로의 직결노선이 부족한 것으로 판단되었다. 이외에도 도봉구-강서구, 성북구-관악구 등 지리적인 거리가 먼 경우 환승을 이용한 수요가 많은 것으로 분석되었다.
이 중 업무 및 상업시설이 많은 지역일수록 환승통행량이 많고 인구가 밀집한 지역일수록 환승통행량과의 관계는 적은 것으로 분석되었다. 또한 복합토지이용도가 높을수록 환승통행량이 많이 발생하는 것으로 나타났으며, 소비나 여가관련 시설이 많은 곳일수록 환승통행이 많이 발생하는 것으로 나타났다.
또한 인구밀도는 환승통행량에 음의 영향을 미치고 있는 것으로 나타났다. 이는 주거밀집지역이주로 가정기반통행의 출발 또는 도착지에 해당되므로 환승통행의 발생이 상대적으로 적은 것으로 판단된다.
분석결과, 서울시 환승통행은 전체 통행의 26.7%인 204만 통행이었으며, 1회 환승한 경우가 86.4%로 가장 많았다. 1~2회 환승한 경우는 50%이상의 이용자가 30~60분을 통행하였으며, 버스-지하철간 환승이 64.
수도권에서 최대로 환승 가능한 경우인 4회 환승은 약 8,756통행으로 서울 내부통행 중 차지하는 양은 미미한 것으로 분석되었다. 서울 내에서 이동하는 대중교통 이용자들의 대부분인 98%가 1~2회 환승으로 최종목적지까지 도달할 수있는 것으로 판단되었다.
환승통행 분포를 분석하기 위하여 최초출발지-최종도착지의 목적통행 OD를 구축하였다. 서울시 25개 구별 OD를 구축한 결과, 환승통행량으로는 강남구, 관악구, 송파구, 서초구를 통행하는 이용수요가 가장 많은 것으로 나타났다. 성북구 및 강서구 내부 통행도 다른 지역에 비하여 많은 것이 확인되었다.
4%로 가장 많은 유형으로 나타났다. 수도권에서 최대로 환승 가능한 경우인 4회 환승은 약 8,756통행으로 서울 내부통행 중 차지하는 양은 미미한 것으로 분석되었다. 서울 내에서 이동하는 대중교통 이용자들의 대부분인 98%가 1~2회 환승으로 최종목적지까지 도달할 수있는 것으로 판단되었다.
숙박·음식 및 예술·운동·여가 관련 분야의 종사자수가 많은 지역일수록 환승통행이 많이 발생하는 것으로 나타난 반면, 금융보험, 전문서비스, 보건복지 분야 관련 종사자수가 많은 지역은 환승통행이 적게 발생하는 것으로 나타났다.
358로 비교적 높은 설명력을 보였으며, 토지이용이 환승통행량에 미치는 영향이 통계적으로 유의한 것으로 나타났다. 업무시설면적비율 및 백화점시설의 면적비가 높거나 복합토지이용도가 높은 지역일수록 환승통행량이 많아지는 반면, 인구 밀집지역과 환승통행량의 관계는 음의 관계인 것으로 분석되었다. 따라서 토지이용이 업무시설 및 쇼핑시설과 혼재되어 있고 지하철역과의 접근성이 좋은 지점에 복합환승센터를 입지시키는 것이 환승통행의 효율성을 증대시킬 것으로 판단된다.
이는 오전첨두에 지하철을 이용하기 위한 접근수단으로 버스를 이용하는 수요가 많이 발생하는 것을 의미한다. 오후첨두시인 18~20시의 통행 분포를 살펴보면, 오전첨두시와는 반대로 최초승차의 버스와 지하철 이용수요가 비슷하며, 환승승차에서는 지하철에 비해 버스의 이용수요가 많은 것으로 나타났다. 이를 통해 오전 통행의 출발지인 거주지에서는 지하철을 이용하기 위해 버스로 접근해야하는 경우가 많으며, 오후 출발지인 직장 및 상업지역은 첫 번째 수단으로 지하철을 이할 수 있는 지하철 역세권 지역에 많이 분포하고 있는 것으로 판단되었다.
위의 회귀모형 분석결과를 종합해보면, 토지이용이 환승통행량에 미치는 영향이 통계적으로 유의함을 알 수 있다. 이 중 업무 및 상업시설이 많은 지역일수록 환승통행량이 많고 인구가 밀집한 지역일수록 환승통행량과의 관계는 적은 것으로 분석되었다.
위의 회귀모형 분석결과를 종합해보면, 토지이용이 환승통행량에 미치는 영향이 통계적으로 유의함을 알 수 있다. 이 중 업무 및 상업시설이 많은 지역일수록 환승통행량이 많고 인구가 밀집한 지역일수록 환승통행량과의 관계는 적은 것으로 분석되었다. 또한 복합토지이용도가 높을수록 환승통행량이 많이 발생하는 것으로 나타났으며, 소비나 여가관련 시설이 많은 곳일수록 환승통행이 많이 발생하는 것으로 나타났다.
주로 영등포구 여의도동, 구로구 구로동 및 신도림동, 종로구 1·2·3·4가동, 용산구 남영동 등 지하철 역 및 업무시설이 다수 위치하는 곳에서 환승통행의 승하차가 많은 것을 확인하였다.
환승통행의 승하차 분포는 목적통행의 최초출발지와 최종도착지를 제외한 각 수단통행의 출발·도착 행정동의 수단통행수를 집계하여 산출하였다. 환승승하차 분포를 살펴보면 서울시 외곽에 비해 도심이나 부도심 등의 중심지역에서 환승통행이 많이 발생하는 것으로 나타났다. 주로 영등포구 여의도동, 구로구 구로동 및 신도림동, 종로구 1·2·3·4가동, 용산구 남영동 등 지하철 역 및 업무시설이 다수 위치하는 곳에서 환승통행의 승하차가 많은 것을 확인하였다.
환승통행으로 연계되는 지역을 찾아보기 위해 단독통행 대비 환승통행비율을 산출한 결과, 환승 통행량의 순위와는 달리 금천구-서대문구의 비율이 223%로 1순위를 차지하였다. 단독통행 대비 환승통행 비율이 높게 나타난 지역을 분석해본 결과, 금천구에서 서대문구, 강남구, 송파구로의 직결노선이 부족한 것으로 판단되었다.
이때, 하차시각이 승차시각보다 빠르게 입력되어 오류가 발생한 교통카드자료(51 통행)를 제외하고 통행시간분석을 수행하였다. 환승횟수별 통행시간 분포를 살펴보면, 환승횟수가 많아질수록 통행시간이 길어지는 것을 알 수 있었다. 1~2회 환승한 경우는 50%이상의 이용자가 30~60분을 통행하였으며, 3~4회 환승한 이용자는 각각 60~90분, 90~120분 사이에 많이 분포하는 것으로 나타났다.
1~2회 환승한 경우는 50%이상의 이용자가 30~60분을 통행하였으며, 3~4회 환승한 이용자는 각각 60~90분, 90~120분 사이에 많이 분포하는 것으로 나타났다. 환승횟수별 통행시간 분포를 통해 환승횟수가 많아지면 장거리통행이 많이 발생하는 일반적인 사실을 수치로 확인하였다.
후속연구
본 연구의 결과는 대중교통의 이용을 활성화하거나 환승통행의 효율성을 도모하기 위한 각종 정책 수립시 기초자료로 활용될 수 있을 것이다. 단, 자료수집의 제한으로 인천시 및 경기도 기점의 서울시 대중교통 이용 자료가 분석되지 못한 점과 하루치 자료만을 분석하였다는 점은 본 연구의 한계점이라 하겠다. 향후 보다 광범위한 자료 확보를 통해 신뢰성을 높일 필요가 있으며, 특히 주말/평일에 따라 달라지는 토지이용패턴에 관한 연구, 시간대-목적통행-토지이용 간 연관성 분석 등이 가능할 것이다.
본 연구는 지하철 통행자료만을 이용하여 서울시 통행행태를 분석했던 선행연구와는 달리 버스와 지하철을 함께 고려하여 환승통행 특성을 분석하였다는 데에 그 의의가 있다. 본 연구의 결과는 대중교통의 이용을 활성화하거나 환승통행의 효율성을 도모하기 위한 각종 정책 수립시 기초자료로 활용될 수 있을 것이다. 단, 자료수집의 제한으로 인천시 및 경기도 기점의 서울시 대중교통 이용 자료가 분석되지 못한 점과 하루치 자료만을 분석하였다는 점은 본 연구의 한계점이라 하겠다.
단, 자료수집의 제한으로 인천시 및 경기도 기점의 서울시 대중교통 이용 자료가 분석되지 못한 점과 하루치 자료만을 분석하였다는 점은 본 연구의 한계점이라 하겠다. 향후 보다 광범위한 자료 확보를 통해 신뢰성을 높일 필요가 있으며, 특히 주말/평일에 따라 달라지는 토지이용패턴에 관한 연구, 시간대-목적통행-토지이용 간 연관성 분석 등이 가능할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
수도권의 대중교통수단분담률이 비수도권과 비교하여 높은 이유는?
1%로 비수도권과 비교하여 상대적으로 높은 대중교통 이용률을 보이고 있다[2]. 이는 수도권의 촘촘한 지하철 및 버스 노선망을 기반으로 한 대중교통 수단간 환승체계 구축 및 환승할인요금제도가 대중교통이용에 영향을 미치고 있기 때문이다.
과거와 현재 대중교통의 환승행태 분석의 차이는?
현재 수도권에서는 교통카드를 이용한 환승이 대부분이며, 교통카드 사용률도 98%로 이 자료를 활용하면 수도권 이용자 대부분의 대중교통 통행행태를 분석 할 수 있다[3]. 과거에는 주로 3% 미만의 표본조사인 가구통행실태조사 자료를 이용하여 대중교통의 환승행태를 분석하였으나 최근에는 전수에 가까운 교통카드 자료를 이용한 환승통행 관련 연구가 활발히 진행되고 있다.
2012년 수도권의 대중교통수단분담률은?
이후 2007년 경기도, 2009년 인천시에서 수도권 통합요금제를 실시함으로써 수도권 전철 및 버스간의 환승은 크게 증가한 것으로 나타났다. 실제 2012년 수도권의 대중교통수단분담률은 48.1%로 비수도권과 비교하여 상대적으로 높은 대중교통 이용률을 보이고 있다[2]. 이는 수도권의 촘촘한 지하철 및 버스 노선망을 기반으로 한 대중교통 수단간 환승체계 구축 및 환승할인요금제도가 대중교통이용에 영향을 미치고 있기 때문이다.
참고문헌 (17)
Kim S. K. and Sohn K. M.(2008), "Desirable Metropolitan Transport System in Seoul Metropolitan Area: Present Condition of Transportation based on Transport Census Results," SDI Policy Report, vol. 9, pp.1-20.
Gyeonggi Research Institute(2011), "A Study on Analysis Travel Pattens and Applications Using Gyeonggi-Do Traffic Card Data," pp.39-76.
Song J. Y., Eom J. K., Park J. H., Kim D. S. and Choi M. H.(2011), "Analysis of Passenger Transfer Patterns Based on Transit Smart Card Data in Seoul," The Korean Society for railway Conferences, pp.563-570.
Sohn J. U., Kim J. H. and Kang M. H.(2012), "A Study on the Public Transit System by Using Transportation Card Data in Incheon," Transportation Technology and Policy, vol. 9, no. 6, pp.36-42.
Bin M. Y., Jung E. S., Lee W. D. and Joh C. H.(2012), "Classification and Profiling of Bus Stops in Gyeong-gi Province on the Basis of Trip Chain Variables," Journal of the Economic Geographical Society of Korea, vol. 15, no. 2, pp.332-342.
Lee S. H., Kim J. S., Kim M. S. and Woo Y. H.(2013), "A Study on Users' Travel Behavior Analysis of Transit Transfer," The Journal of The Korea Institute of Intelligent Transport System, vol. 12, no. 1, pp.147-157.
Kim J. H. and Sohn J. E.(2014), "Estimation of Railway Transfer Demand in Incheon," The Korean Society for railway Conferences, pp.541-546.
Hwang Y. H.(2007), "A Study on Developing Design Criteria of Transfer Facolity Center," Transportation Technology and Policy, vol. 4, no. 1, pp.115-130.
Gyeonggi Research Institute(2008), "Analysis on Transfer Trip of GyeongGi-Do," pp.1-93.
Kim K. H. and Lee S. C.(2012), "A Study on the Development Directions of Transfer Stations with Traffic Cards Data- Focused on Daegu City," Journal Of The Korean Society Of Civil Engineers, vol. 32, no. 6D, pp.539-547.
Gyeonggi Research Institute(2013), "A Study on Development and Application of Rail Station Accessibility Measures Using Traffic Card Data, Gyeonggi Research Institute," pp.1-51.
Lim S. J., Park J. T. and Kim T. H.(2013), "Comparative Study on the Characteristics of Public Transport Users According to the Types of Transit Station Influence Areas in Seoul''s Urban Railway's," Journal of the Korean Society for Railway, vol. 16, no. 2, pp.129-137.
Hwang J. H.(2014), "Analyzing Factors Affecting Public Transit Transfer Volume: Focused on Daegu City," Journal of Korean Society of Transportation, vol. 32, no. 3, pp.179-186.
Lee J. A., Cho M. S. and Koo J. H.(2013), "Relationship Between Mixed Land-Use Characteristics and Time-Based Patterns of Subway Users: Focused on the Surrounding Areas of Seoul Subway Stations," Journal of the Korea Planning Association, vol. 48, no. 4, pp.19-31.
Kim J. Y., Lim S. Y., Choo S. H., Park I. K. "Analysis of Transit Ridership Patterns and Influencing Factors in Seoul," The Korea Spatial Planning Review, vol. 87, pp.49-65.
Korea Transportation Safety Authority(2014), "2013 Publlic Transit Operation and Usage Survey," pp.167-186.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.