수도권 통합대중교통요금제를 위해 생성되고 있는 교통카드자료는 수도권 도시철도의 환승시간 및 횟수정보를 제공하지 못하고 있다. 도시철도에는 환승게이트가 설치되어 있지 않아 노선간의 환승정보는 설문조사나 목측을 통한 거시적 추정으로 진행된다. 따라서 교통카드자료를 토대로 계산되는 수도권 대중교통의 환승시간 및 횟수는 과소평가되는 문제점을 내포한다. 환승자료의 정확한 추정을 위해서는 교통카드 태그가 이루어지는 진입 및 진출 게이트 사이에서 발생하는 통행경로에 대한 설명이 필요하다. 본 연구는 교통카드 단말기 태그자료를 기반으로 환승현황을 파악하기 위한 통행경로모형을 구축하고 수도권에서 발생하는 환승정보를 도출한다. 이를 위해 단말기 운영체계와 도시철도의 네트워크 특성을 일치시키기 위한 빅노드 개념을 도입한다. 또한 수도권 도시철도의 효과적 네트워크 구동을 위해 링크표지개념을 도입한다. 교통카드단말기의 행정구역정보를 토대로 시군구의 중죤, 서울-경기-인천의 대죤에서 발생하는 환승시간과 횟수를 도출한다. 2014년 일일 대중교통카드자료를 이용하여 전수화된 환승특성데이터를 구축하고 수도권 도시철도의 환승저항에 대한 통합적인 자료로서 활용가능성을 제시한다.
수도권 통합대중교통요금제를 위해 생성되고 있는 교통카드자료는 수도권 도시철도의 환승시간 및 횟수정보를 제공하지 못하고 있다. 도시철도에는 환승게이트가 설치되어 있지 않아 노선간의 환승정보는 설문조사나 목측을 통한 거시적 추정으로 진행된다. 따라서 교통카드자료를 토대로 계산되는 수도권 대중교통의 환승시간 및 횟수는 과소평가되는 문제점을 내포한다. 환승자료의 정확한 추정을 위해서는 교통카드 태그가 이루어지는 진입 및 진출 게이트 사이에서 발생하는 통행경로에 대한 설명이 필요하다. 본 연구는 교통카드 단말기 태그자료를 기반으로 환승현황을 파악하기 위한 통행경로모형을 구축하고 수도권에서 발생하는 환승정보를 도출한다. 이를 위해 단말기 운영체계와 도시철도의 네트워크 특성을 일치시키기 위한 빅노드 개념을 도입한다. 또한 수도권 도시철도의 효과적 네트워크 구동을 위해 링크표지개념을 도입한다. 교통카드단말기의 행정구역정보를 토대로 시군구의 중죤, 서울-경기-인천의 대죤에서 발생하는 환승시간과 횟수를 도출한다. 2014년 일일 대중교통카드자료를 이용하여 전수화된 환승특성데이터를 구축하고 수도권 도시철도의 환승저항에 대한 통합적인 자료로서 활용가능성을 제시한다.
Public transportation card data, which is collected for purposes of the Integrated Public Transportation Fare System, provides neither transfer time nor transfer frequency occurring on the metropolitan city-rail (MCR). And because there are no transfer toll gates installed on the MCR, data on transf...
Public transportation card data, which is collected for purposes of the Integrated Public Transportation Fare System, provides neither transfer time nor transfer frequency occurring on the metropolitan city-rail (MCR). And because there are no transfer toll gates installed on the MCR, data on transfers between lines are estimated through means such as elicitations using survey questionnaire, or otherwise through macroscopic observations, which poses the risk of transfer time and frequencies being underestimated. For the accurate estimation thereof, an explanation of the transit path that arises between the Entry-and Exit-Gates must be provided. The purpose of this research is twofold : 1) to build a transit path model to reflect the current state of transfer movements on the basis of transportation card reader data, and 2) to deduce information on transfers occurring in the greater metropolis. To achieve these aims, the idea of Big Nodes is introduced in the model to align transportation card reader operation system characteristics with those of the MCR network. The link-label method is applied in the model as well to make certain that the MCR network runs in an effective manner. Administrative information obtained by the transportation card reader is used to derive transfer time and frequency both in the city's mid-zones, and in the Seoul-Gyeonggi-Incheon district's large-zones. Public transportation card data from a single specific day in year 2014 is employed in the building of the quantified transfer specific data. Extended usage thereof as providing comprehensive data of transfer resistance on the MCR is also examined.
Public transportation card data, which is collected for purposes of the Integrated Public Transportation Fare System, provides neither transfer time nor transfer frequency occurring on the metropolitan city-rail (MCR). And because there are no transfer toll gates installed on the MCR, data on transfers between lines are estimated through means such as elicitations using survey questionnaire, or otherwise through macroscopic observations, which poses the risk of transfer time and frequencies being underestimated. For the accurate estimation thereof, an explanation of the transit path that arises between the Entry-and Exit-Gates must be provided. The purpose of this research is twofold : 1) to build a transit path model to reflect the current state of transfer movements on the basis of transportation card reader data, and 2) to deduce information on transfers occurring in the greater metropolis. To achieve these aims, the idea of Big Nodes is introduced in the model to align transportation card reader operation system characteristics with those of the MCR network. The link-label method is applied in the model as well to make certain that the MCR network runs in an effective manner. Administrative information obtained by the transportation card reader is used to derive transfer time and frequency both in the city's mid-zones, and in the Seoul-Gyeonggi-Incheon district's large-zones. Public transportation card data from a single specific day in year 2014 is employed in the building of the quantified transfer specific data. Extended usage thereof as providing comprehensive data of transfer resistance on the MCR is also examined.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Ⅳ장에서는 수도권 도시철도의 네트워크 자료를 구축하고 1일 교통카드자료를 토대로 시·군·구 단위의 중죤 및 서울, 경기, 인천 단위의 대죤의 환승자료 특성에 대하여 전수화 분석을 시행한다. Ⅴ장에서는 연구의 결론을 도출하고 구축된 모형 및 자료의 활용방안에 대하여 논의한다.
특히 이 장에서는 단말기가 동단위의 소죤과 일반노드를 동일하게 인식되도록 노드체계를 구성하는 방법을 논의한다. 그리고 수도권 도시철도의 환승역을 네트워크의 확장 없이 구축하도록 수리적 모형에 포함시키기 위해 링크표지(Link Label)를 도입하는 방안을 제안한다.
본 연구는 교통카드에서 나타난 철도역사 게이트－진출입 태그기록을 토대로 승객의 도시철도 네트워크 경로선택모형을 구축하여 도시철도 환승자료를 도출하는 방안을 제안하였다. 이를 위해 빅노드 개념을 도입하여 환승역에 존재하는 복수의 태그번호를 단일화하는 방법에 적용하였다.
본 연구는 도시철도역사에 존재하는 개찰구의 위치좌표를 토대로 통행의 기종점을 포착하는 기법을 통하여 기종점 통행수요를 구축하는 방안을 제시하였으며, 기종점 수요를 도시철도네트워크에 최소시간의 행태로 통행한다는 가정 하에 환승시간과 환승횟수를 도출하는 것을 목적으로 한다. 따라서 교통카드자료를 이용하여 수도권차원의 환승자료를 구축하는 최초의 시도라고 볼 수 있다.
Lee(2004)는 경로탐색알고리즘에서 링크표지(Link Label)를 적용하게 되면 노드표지 알고리즘과 비교하여, 교차점에서 방향별 통행을 표현하기 위해서 네트워크의 확장이 필요하지 않는 장점이 존재함을 보여주었다[14]. 본 연구에서도 빅노드로 구축된 수도권 도시철도 네트워크에 대하여 링크표지기반의 알고리즘을 적용하는 방안으로서 네트워크의 확장 없이 네트워크를 구축한다.
본 장에서는 수도권 대중교통카드자료를 활용하여 진행되었던 기존 연구를 고찰하고, 정류장기반모형이 효과적으로 구축되기 위한 네트워크 구축방법을 논의한다.
가설 설정
또한 링크표지기반의 경로탐색알고리즘을 도입하여 수도권 도시철도에 적합한 네트워크 구축방안을 시도했다. 그리고 승객은 환승이동 및 대기를 포함하여 최소통행시간경로를 선택한다고 가정하여 모형에 반영하였다. 게이트별 위치정보를 이용하여 행정동, 시군구, 서울－경기－인천의 소죤, 중죤, 대죤 단위별로 환승특성을 도출하기 용이하도록 하였다.
이를 위해 한국스마트카드(KSCC)의 단말기 번호와 수도권 도시철도 특성을 고려하여 빅노드(Big Node)와 링크표지(Link Label)를 이용한 네트워크 구축방안을 제시한다. 또한 승객이 환승이동 및 대기를 포함한 최소통행시간의 경로를 선택한다는 가정을 도입한다. 또한 단말기 위치자료를 토대로 시군구의 중죤체계, 서울－경기－인천의 대죤체계에서 발생하는 환승시간과 횟수자료를 도출한다.
본 장에서는 정류장기반의 경로선택모형을 구축하는 방안을 논의한다. 모형은 환승시간을 포함하여 최소의 통행시간경로를 선택한다고 가정한다. 차량의 혼잡을 고려하지 않는 선형목적함수를 도입하여 구축한다.
제안 방법
우선 Ⅱ장에서 수도권 대중교통카드를 이용하여 진행된 기존 연구를 고찰하고 연구의 진행에서 중요한 개념인 도시철도 네트워크의 매칭방법과 효과적인 네트워크 구축방안을 설명한다. Ⅲ장에서 수도권 도시철도 환승특성분석을 위한 모형을 제안한다. Ⅳ장에서는 수도권 도시철도의 네트워크 자료를 구축하고 1일 교통카드자료를 토대로 시·군·구 단위의 중죤 및 서울, 경기, 인천 단위의 대죤의 환승자료 특성에 대하여 전수화 분석을 시행한다.
그리고 승객은 환승이동 및 대기를 포함하여 최소통행시간경로를 선택한다고 가정하여 모형에 반영하였다. 게이트별 위치정보를 이용하여 행정동, 시군구, 서울－경기－인천의 소죤, 중죤, 대죤 단위별로 환승특성을 도출하기 용이하도록 하였다.
또한 승객이 환승이동 및 대기를 포함한 최소통행시간의 경로를 선택한다는 가정을 도입한다. 또한 단말기 위치자료를 토대로 시군구의 중죤체계, 서울－경기－인천의 대죤체계에서 발생하는 환승시간과 횟수자료를 도출한다.
이를 위해 빅노드 개념을 도입하여 환승역에 존재하는 복수의 태그번호를 단일화하는 방법에 적용하였다. 또한 링크표지기반의 경로탐색알고리즘을 도입하여 수도권 도시철도에 적합한 네트워크 구축방안을 시도했다. 그리고 승객은 환승이동 및 대기를 포함하여 최소통행시간경로를 선택한다고 가정하여 모형에 반영하였다.
우선 자료구축과정을 설명하고, 모형에 의해 도출된 통행시간과 실제 카드태그시간을 이용하여 선형회귀식(Linear Regression)을 통해 일치성 여부를 판단한다. 마지막으로 수도권 시군구의 중죤단위 및 서울, 인천, 경기 대죤단위의 결과를 토대로 환승특성자료에 대하여 논의한다.
본 연구는 수도권 도시철도의 환승시간, 환승횟수의 자료를 도출하는 모형을 구축한다. 이를 위해 한국스마트카드(KSCC)의 단말기 번호와 수도권 도시철도 특성을 고려하여 빅노드(Big Node)와 링크표지(Link Label)를 이용한 네트워크 구축방안을 제시한다.
본 연구에서 적용한 방법은 역명을 기준으로 빅노드(Big Node)를 구성하는 방안이다. [Fig.
본 장에서는 Ⅲ장에서 제안된 모형을 이용하여 교통카드 1일 자료를 토대로 수도권 도시철도의 환승통행을 분석한다. 우선 자료구축과정을 설명하고, 모형에 의해 도출된 통행시간과 실제 카드태그시간을 이용하여 선형회귀식(Linear Regression)을 통해 일치성 여부를 판단한다.
2014년 일일 교통카드 이용자료를 토대로 사례분석을 시행하였다. 실제통행시간과 모형통행시간을 토대로 모형의 타당성을 검증하였다. 66개 중죤,서울－경기－인천의 환승통행에 대한 자료를 도출하였다.
본 장에서는 Ⅲ장에서 제안된 모형을 이용하여 교통카드 1일 자료를 토대로 수도권 도시철도의 환승통행을 분석한다. 우선 자료구축과정을 설명하고, 모형에 의해 도출된 통행시간과 실제 카드태그시간을 이용하여 선형회귀식(Linear Regression)을 통해 일치성 여부를 판단한다. 마지막으로 수도권 시군구의 중죤단위 및 서울, 인천, 경기 대죤단위의 결과를 토대로 환승특성자료에 대하여 논의한다.
차량의 혼잡을 고려하지 않는 선형목적함수를 도입하여 구축한다. 우선 환승을 포함한 통행시간 개념을 정의하고, 이를 바탕으로 개별승객이 최적의 경로를 선택하는 모형을 제안한다.
본 연구는 수도권 도시철도의 환승시간, 환승횟수의 자료를 도출하는 모형을 구축한다. 이를 위해 한국스마트카드(KSCC)의 단말기 번호와 수도권 도시철도 특성을 고려하여 빅노드(Big Node)와 링크표지(Link Label)를 이용한 네트워크 구축방안을 제시한다. 또한 승객이 환승이동 및 대기를 포함한 최소통행시간의 경로를 선택한다는 가정을 도입한다.
모형은 환승시간을 포함하여 최소의 통행시간경로를 선택한다고 가정한다. 차량의 혼잡을 고려하지 않는 선형목적함수를 도입하여 구축한다. 우선 환승을 포함한 통행시간 개념을 정의하고, 이를 바탕으로 개별승객이 최적의 경로를 선택하는 모형을 제안한다.
환승역에서 노선별 차두간격은 첨두시 30%, 비첨두시 70%를 반영하여 적용하였다. 이렇게 반영한 이유는 전일 대중교통카드자료를 대상으로 모형을 구축하였기 때문에 교통카드에서 나타나는 통행현상을 적절하게 반영하기 위하여 평균화한 값이다.
대상 데이터
2014년 10월 13일 교통카드는 총 15,325,487개의 연계통행(Trip Chain, Travel)을 포함하고 있으며 이중 출발역과 도착역 진입게이트－태그시간, 진출게이트－태그시간 자료가 완전한 철도통행(S)는 총 7,852,523개로 나타나 이를 대상으로 분석을 시행하였다.
2014년 일일 교통카드 이용자료를 토대로 사례분석을 시행하였다. 실제통행시간과 모형통행시간을 토대로 모형의 타당성을 검증하였다.
실제통행시간과 모형통행시간을 토대로 모형의 타당성을 검증하였다. 66개 중죤,서울－경기－인천의 환승통행에 대한 자료를 도출하였다. 수도권에서 도시철도통행의 평균환승시간은 4.
교통카드자료는 2014년 10월 13일(월) 자료를 대상으로 도시철도통행을 분리한다. Lee(2015)는 수도권 인구이동을 동일한 자료를 이용하여 분석하였으며 1일 약 8백 만 건의 철도통행의 전수자료는 철도통행의 경향에 대한 충분한 설명력을 보유하고 있다고 판단된다[2].
입력자료는 최종적으로 수도권통합요금제에 진입한 용인경전철까지 포함된 네트워크로서 역간 통행 시간정보를 담은 1162개 링크, 역사게이트ID 601개 노드, 환승은 712개로 구성된다. 이때 생성된 빅노드는 513개이다.
이론/모형
본 연구는 교통카드에서 나타난 철도역사 게이트－진출입 태그기록을 토대로 승객의 도시철도 네트워크 경로선택모형을 구축하여 도시철도 환승자료를 도출하는 방안을 제안하였다. 이를 위해 빅노드 개념을 도입하여 환승역에 존재하는 복수의 태그번호를 단일화하는 방법에 적용하였다. 또한 링크표지기반의 경로탐색알고리즘을 도입하여 수도권 도시철도에 적합한 네트워크 구축방안을 시도했다.
성능/효과
3%의 설명력을 갖는 것으로 파악된다. [Fig. 10]은 샘플사이즈가 적고 값이 튀는 이상치(Outlier)를 제거하여 확률적 설명도를 높이기 위하여 수요가 100 이상인 OD쌍 2270개에 대한 선형회귀식을 도출하였으며 98.4%의 설명력을 갖는 것으로 파악되었다.
∙인천시에서 서울시 통행의 평균통행시간은 58분정도이며 환승시간은 5.17분, 0.90회 환승하는 것으로 나타났다. 인천시 내부통행의 평균 통행시간은 22분 정도이며 환승시간은 3.
후속연구
그럼에도 본 연구가 함축하는 정책적인 의미는 수요예측에 대한 정확성을 향상시키는 목적으로 활용이 가능하다는 것이다. 현행 수도권 지하철 환승 계수는 수도권의 통합대중교통체계에서 버스 및 철도의 인프라를 효과적으로 판단하여 투자의 적정성을 파악하는 중요한 지표이다.
621로 제시하고 있으나 본 연구에서 구축한 모형을 통해 보다 적은 값이 도출되었다. 따라서 도시철도 환승통행의 변화에 따른 수도권의 수단 및 목적통행의 수단분담율의변화에 대한 새로운 추정기법이 필요할 것으로 판단된다.
본 연구는 서울, 경기, 인천의 내부죤과 죤간의 환승 계수와 같은 자료값을 구축하는데 활용될 수 있을 것으로 파악된다. 수도권교통본부(2016)에서 발표한 “2015년 수도권 여객 기종점통행량 (O/D) 현행화 공동사업(이하 현행화사업)”[16]에서 연도별 제시한 지하철 환승계수를 보면 2014년 “서울－서울”은 0.
현행 수도권 지하철 환승 계수는 수도권의 통합대중교통체계에서 버스 및 철도의 인프라를 효과적으로 판단하여 투자의 적정성을 파악하는 중요한 지표이다. 예비타당성 조사, 수도권 대중교통의 수단분담율과 같이 현행 도시철도 수요예측과정에서 나타나는 지표들과의 비교를 통해 정확성의 제고가 요구되는 분야에서 본 연구가 기여될 것으로 판단된다.
본 연구는 다음과 같은 한계가 존재한다. 우선 본 연구의 결론에 대한 구체적인 검증작업이 필요하다. 환승자료 구축에 대한 방법론적인 제시였으며 결론에 대한 확신을 추구하기에는 도시철도네트워크, 정류장의 행정동 위치, 환승자료 등에 대한 종합적인 검증이 요구된다.
10]. 향후 관련되어 연구가 필요할 것으로 판단된다.
우선 본 연구의 결론에 대한 구체적인 검증작업이 필요하다. 환승자료 구축에 대한 방법론적인 제시였으며 결론에 대한 확신을 추구하기에는 도시철도네트워크, 정류장의 행정동 위치, 환승자료 등에 대한 종합적인 검증이 요구된다. 또한 환승에 대한 적절한 개념정의가 선행될 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
대중교통노선정책과 인프라 투자에 중요한 판단 근거는 무엇입니까?
대중교통정책에 있어서 교통수단 간의 환승에 대한 정확한 분석은 대중교통노선정책과 인프라 투자에 중요한 판단근거가 된다. 대중교통 이용승객의 경우 차내통행시간과 함께 차외통행시간으로 분류되는 환승을 위한 이동과 노력, 대기시간 등에 민감하게 반응하여 대중교통이용에 영향을 미치는 요인으로 작용한다.
이용승객의 경우 차내통행시간 외에 대중교통이용에 영향을 미치는 요인은?
대중교통정책에 있어서 교통수단 간의 환승에 대한 정확한 분석은 대중교통노선정책과 인프라 투자에 중요한 판단근거가 된다. 대중교통 이용승객의 경우 차내통행시간과 함께 차외통행시간으로 분류되는 환승을 위한 이동과 노력, 대기시간 등에 민감하게 반응하여 대중교통이용에 영향을 미치는 요인으로 작용한다. 승객들이 경험하는 환승과 관련한 저항요인을 판단하여 대중교통개선을 위한 근거로 활용하는 것이 필요하다.
대중교통카드시스템이 운영되면서 발생하는 교통카드 일일 데이터는 어느 정도입니까?
2004년 서울을 중심으로 대중교통체계개편에 의해 탄생된 대중교통카드시스템은 2007년 경기도,2009년 인천과 수도권 통합요금체계 공동합의가 완성되면서 현재의 카드시스템으로 운영되고 있다. 교통카드는 일일 약 2000만 건의 통행자료－1500만 건의 여행(Trip Chain, Travel)자료를 생성하고 있어 수도권 대중교통이용에 대한 연구로서 최근까지 활발하게 연구되고 있다.
참고문헌 (16)
Sohn J.(2015), "Dynamic Passenger-Trip Assignment Model of Urban Railway Using Seoul-Incheon-Gyeonggi's Transportation Card," Journal of the Korean Society of Civil Engineers, vol. 36, no. 1, pp.105-114.
Lee M.(2015), "Analysis of Transit Passenger Movement within Seoul-Gyeonggi-Incheon Area using Transportation Card Data," Korea Research institute of human settlements.
Kim S.(2007), "The Estimation and Application of Origin-Destination Tables by Using Smart Card Data," Seoul Development Institute, 2007-R-11.
Shin S.(2011a), "Constructing an Optimal Integrated Public Transit Network," Seoul Development Institute, 2011-PR-59.
Shin S.(2011b), "Congestion Index of Urban Rail Transit Using Public Transportation Card Data," Seoul Development Institute, Working Paper, 2011-BR-04.
Choi M., Eom J., Lee J. and Park J.(2011), "Evaluation of Transit Services based on Transit Smart Card Data," The Korean Society for Railway, Spring Conference 2011, pp.1811-1825.
Bin M., Moon J. and Cho C.(2012), "A Study on Travel Pattern Analysis and Political Application using Transportation Card Data : In Gyeonggi-Do," Journal of the Economic Geographical Society of Korea, vol. 15, no. 4, pp.615-627.
Kim S.(2012), "Travel characteristics and behavior of transit card users," The Seoul Institute, 2012-BR-07.
Kim J. and Shon J.(2014), "The Congestion Index of Urban Rail for the Transportation Welfare in Incheon," Incheon Development Institute, 2014-20.
Jeon S., Lee J. and Jun C.(2014), "Development of an Algorithm for Minimization of Passengers' Waiting Time Using Smart Card Data," Journal of Korea Spatial Information Society, vol. 22, no. 5, pp.65-75.
Kim J. and Lee M.(2015), "Analysis of the Peak Hour Delay of Urban Rail in Incheon," The Korean Society for Railway, Spring Conference 2015, pp.310-314.
Han S., Kang H. and Lee M.(2015), "Residential Distribution of Public Transport Commuter by Smart Card through the Use of the Major Subway Influence Area-Focus on Metropolitan," Journal of Korea Planning Association, vol. 50, no. 4, pp.103-117.
Cheon S.(2010), "Development of A Smart Card Data-Based Stochastic Transit Assignment Model on Integrated Public Transportation Networks," Ph.D. thesis, Graduate school of Environmental Study, Seoul National University.
Lee M.(2004), "Transportation Network Models and Algorithms Considering Directional Delay and Prohibitions for Intersection Movement," Ph.D. Thesis, University of Wisconsin at Madison.
Lee M., Kim H., Park D. and Shin S.(2008), "A Link-Based Label Correcting Multi-Objective Shortest Paths Algorithm in Multi-Modal Transit Networks," Journal of Korean Society of Transportation, vol. 26, no. 1, pp.127-135.
Metropolitan Transportation Authority(2016), "Joint Project for the Analysis of Seoul Metropolitan Passenger Ogirin and Destination Trip(OD) in 2015 Year".
※ AI-Helper는 부적절한 답변을 할 수 있습니다.