$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 스마트카드 빅데이터를 이용한 서울시 지역별 대중교통 이동 편의성 분석
Analysis of Regional Transit Convenience in Seoul Public Transportation Networks Using Smart Card Big Data 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.42 no.4, 2016년, pp.296 - 303  

문현구 (경희대학교 산업경영공학과) ,  오규협 (경희대학교 산업경영공학과) ,  김상국 (경희대학교 산업경영공학과) ,  정재윤 (경희대학교 산업경영공학과)

Abstract AI-Helper 아이콘AI-Helper

In public transportation, smart cards have been introduced for the purpose of convenient payment systems. The smart card transaction data can be utilized not only for the exact and convenient payment but also for civil planning based on travel tracking of citizens. This paper focuses on the analysis...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 대중교통 이용객의 이동 데이터에 기반하여 대중교통 이동 편의성을 측정하는 측도들을 정리 및 개발하였고, 제시된 지표들을 활용하여 서울시 지역별 대중교통 이동 편의성을 측정하였다. 데이터 전처리로는 스마트카드에 기록된 대중교통 승하차 데이터를 버스 승강장 및 지하철 역 기준으로 정리하고, 사각 격자로 구분된 서울시 각 지역별로 결합하여 지역별 이동량 및 이동거리, 이동속도, 이동 편의성 등을 계산하였다.
  • 본 연구에서는 대중교통 이용객의 이동거리 및 이동시간과 지역별 대중교통 이용량을 결합하여 이용객이 체감할 수 있는 편의성 지표를 제안한다. 서울시 도시철도 이용객의 편의성 설문조사 결과에 따르면 편의성에 대한 주요 요인이 대기시간, 접근시간, 이동시간, 요금 등의 순으로 나타났다(Byun et al.
  • 본 연구에서는 대중교통 이용객의 이동행태를 분석하여, 지역별 이동거리, 이동시간, 이동량 등 대중교통 이용자들이 체감할 수 있는 요소들을 반영한 편의성 지표를 제안한다.
  • com). 본 연구에서는 지역의 결합과 분할이 편리한 GeoHash 기법을 도입하여 교통 데이터 분석 연구를 진행하였다.
  • 본 절에서는 GeoHash 기법을 이용하여 생성된 Zone Gi의 평균 이동거리를 나타내는 계산식을 제시한다. 두 지역간의 거리는 Zone의 중점 간 직선거리로 측정하며 Zone Gi의 평균 이동거리 Di는 각 지역으로 이동하는 이용객의 비율을 이동거리에 가중평균하여 계산한다.
  • 본 절에서는 표정속도에 지역 거주자들의 실제 이동량을 결합함으로써 대중교통 이용객이 체감할 수 있는 이동 편의성(transit convenience) 측도를 개발하였다. 먼저 Zone Gi에서 N개의 Gj지역으로 이동하는 경우, 지역 Gi의 유출 편의성 \(CV_{i}^{out}\)은 다음과 같이 계산된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
대중교통 스마트카드 데이터 분석은 어떻게 활용되었나? 대중교통 스마트카드 데이터 분석은 이용자들의 이동 정보를 추출하여 이동패턴 및 행동패턴 등의 유용한 정보를 발견하거나 패턴정보를 다른 요소들과 결합하여 대중교통 수요예측 및 지역별 노선 개선 등에 활용되었다(Park et al., 2008; Jang, 2010).
대중교통이란 어떤 서비스인가? 대중교통이란 시민들이 이용하는 교통시설과 수단을 의미하며, 정해진 시간계획과 노선을 따라서 제공되는 교통 서비스이다(Han, 2010). 대중교통에 대한 서비스 평가 및 개선을 위하여 다양한 연구들이 진행되었다(Chien et al.
Voronoi Diagram의 장점은 무엇인가? 보로노이 다이어그램(Voronoi Diagram)은 두 개의 지점을 잇는 선분과 직교하는 직선을 그리는 과정을 반복하여 지역을 분할한다. 보로노이 다이어그램은 통신 네트워크상에 최적의 센서 노드 배치 등에 종종 이용되어 불필요한 지역크기를 최소화할 수 있다. [Figure 2](a)는 마드리드 지역의 대중교통 정류소를 기준으로 보로노이 다이어그램으로 지역을 분할한 예시이다(http://www.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Andreassen, T. W. (2005), (Dis) satisfaction with public service : the case of public transportation, Journal of Service Marketing, 9(5), 30-41. 

  2. Anthony, F., Chris, E., James, H., and Skylar, L. (2013), Spatio-temporal Indexing in Non-relational Distributed Databases, Proc. IEEE Int. Conf. on Big Data, 291-299. 

  3. Bagchi, M. and White, P. R. (2005), The potential of public transport smart card, Transport Policy, 12(5), 464-474. 

  4. Byun, J. H. and Jang, K. T. (2014), User Convenience Analysis of Urban Railway Using Survey, Proc. 10th Autumn Conf. of the Korean Society for Railway, 839-844. 

  5. Cantwell, M., Caulfield, B., and O'Mahony, M. (2009), Examining the factors that impact public transport commuting satisfaction, Journal of Public Transportation, 12(2), 1-21. 

  6. Chien, S. I. and Qin, Z. (2004), Optimization of bus stop locations for improving transit accessibility, Transportation Planning and Technology, 27(3), 211-227. 

  7. Dell'Olio, L., Ibeas, A., and Cecin, P. (2011), The quality of service desired by public transport users, Transport Policy, 18(1), 217-227. 

  8. Friman, M. (2004), Implementing quality improvements in public transport, Journal of Public Transportation, 7(4), 49-65. 

  9. Han, J. S. (2010), Geography of transportation, Hanul Academy, Paju, Korea. 

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

  11. Kim, K. H., Oh, K. H., Lee, Y. K., Kim, S. H., and Jung, J. Y. (2014), An Analysis on Movement Patterns between Zones Using Smart Card Data in Subway Networks, International Journal of Geographical Information Science, 28(9), 781-1801. 

  12. Konjar, M., Lisec, A., and Drobne, S. (2010), Method for delineation of functional regions using data on commuters, Proc. 13th AGILE Int. Conf. on Geographic Information Science, 1-10. 

  13. Lee, S. J., Lee, Y., and Shin, H. (2015), Empirical Study on the Determinants of Service Quality Deterioration of Taxi Industry : Based on Traffic Accidents by Taxi in Seoul, Journal of the Korean ORMS Society, 40(4), 83-105. 

  14. Lee, W. S. and Sohn, S. Y. (2015), Topic Model Analysis of Research Trend on Spatial Big Data, Journal of Korean Institute of Industrial Engineers, 41(1), 64-73. 

  15. Park, J. Y. and Kim, D. J. (2008), The potential of using the smart card data to define the use of public transit in Seoul, Journal of the Transportation Research Board, 2063, 3-9. 

  16. Tao, S., Corcoran, J., Mateo-Babiano, M., and Rohde, D. (2014), Exploring Bus Rapid Transit passenger travel behaviour using big data, Applied Geography, 53, 90-104. 

  17. Trepanier, M., Morency, C., and Agard, B. (2009), Calculation of transit performance measures using smartcard data, Journal of Public Transportation, 12(1), 79-96. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로