선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구는 앞선 연구들과 차별화된 방식으로 교통약자를 위한 교통편의 증진 정책을 제안한다. 데이터 분석 언어인 R을 사용한 데이터 분석기법으로 보다 정확하고 효율적으로 데이터의 분석 결과를 도출했으며 타 연구에서 분석할 수 없었던 특별교통수단에 대한 데이터까지 초점을 맞춰 분석했다.
- 앞으로 서울시는 2017년까지 시내버스의 55%를 저상버스로 교체하겠다고 발표했으나 단순히 저상버스의 비율을 늘리는 것은 표면적인 해결일 뿐 근본적인 원인 해결이라 할 수 없다. 따라서 본 연구에서는 통계분석과 다양한 데이터 조작 및 시각화 기능을 가진 R을 사용하여 서울시 교통약자의 생활권과 생활패턴을 파악하고 저상버스의 우선 확장 지역과 우선 배차 시간을 제안한다.
- 사회적 약자인 교통약자를 위한 이동편의 증진에 대한 관심이 커지고 있어 많은 법률과 계획들이 중앙정부를 비롯한 여러 단체들에서 제정, 수립되고 있다. 이에 본 연구는 근본적인 원인의 해결로 교통약자의 설치률 대비 이용만족도가 낮은 저상버스의 이용 만족도를 증진시키기 위하여 통계분석과 데이터 분석 및 시각화를 할 수 있는 프로그래밍언어 R을 사용하여 실제 교통약자의 생활권과 이동패턴을 분석하였으며 이를 기반으로 서울시의 저상버스 확대를 제안하였다.
제안 방법
- 각 시간대의 월별 데이터를 생성하고 막대그래프로 시각화하여 수요가 집중되는 주요 이동시간대를 분석한다. 막대그래프의 값 중 수요가 집중된다고 판단되는 1-6 월 기준 300건 이상, 7-10월 기준 400명이상의 콜 건수가 있는 시간대는 붉은색 막대로 표현하여 시각화하였다.
- 다음으로 각 데이터별 시계열 분석결과를 자치구로 나누어 1~5까지의 순위를 출력하고 순위에 따라 1~5까지의 가중치를 부여하였다. 우선순위 점수가 가장 높은 시간대가 우선적으로 배차가 필요한 시간대로 선정되었으며 가장 추가 배차가 필요한 시간대는 15시~16시가 선정되었다.
- 다음으로 장애인 콜택시의 대기시간이 길어지는 시간대를 그림4와 동일하게 시계열 분석기법으로 분석한다. 시간대별 대기시간 데이터의 평균을 구한 후 데이터를 시계열 데이터로 변환하여 막대그래프로 시각화하여 대기시간이 길어지는 주요 이동시간대를 분석한다.
- 다음으로 장애인과 고령자 두 기준에 모두 만족하는 생활권을 분석하기 위하여 고령자 및 장애인에게 발급되는 도시철도 ‘무료승차권’의 승/하차 데이터를 분석한다.
- 따라서 본 연구는 앞선 연구들과 차별화된 방식으로 교통약자를 위한 교통편의 증진 정책을 제안한다. 데이터 분석 언어인 R을 사용한 데이터 분석기법으로 보다 정확하고 효율적으로 데이터의 분석 결과를 도출했으며 타 연구에서 분석할 수 없었던 특별교통수단에 대한 데이터까지 초점을 맞춰 분석했다. 리서치 기반의 결과도출이 아닌 데이터 통계를 기반으로 한 분석은 실제 교통약자들의 주요 목적지가 되는 생활권과 이동패턴을 파악할 수 있었으며 이를 통해 우선적으로 확장되어야할 지역 및 우선 배차 시간을 제안한다.
- 이는 장애인 콜택시의 수요가 상반기에 비해 증가했음을 나타낸다. 따라서 데이터를 1-6월, 7-10월로 분할하여 각 시간대의 장애인 콜택시 수요를 분석한다
- 데이터 분석 언어인 R을 사용한 데이터 분석기법으로 보다 정확하고 효율적으로 데이터의 분석 결과를 도출했으며 타 연구에서 분석할 수 없었던 특별교통수단에 대한 데이터까지 초점을 맞춰 분석했다. 리서치 기반의 결과도출이 아닌 데이터 통계를 기반으로 한 분석은 실제 교통약자들의 주요 목적지가 되는 생활권과 이동패턴을 파악할 수 있었으며 이를 통해 우선적으로 확장되어야할 지역 및 우선 배차 시간을 제안한다.
- 먼저 데이터를 분석하기 위하여 서울시 시내버스 노선 정보 중에서 저상버스를 운행하는 노선의 정보를 필터링 한 후 각 노선의 정류소별 승/하차 인원을 합한다. 정제된 데이터를 시계열 분석하기 위하여 데이터 프레임을 시계열 데이터로 변환한 후 ts함수를 사용해 시계 열 데이터를 48개의 frequency로 분할하여 분석한다.
- 먼저 본 연구에서 다룬 데이터의 분석결과를 자치구로 나누어 1~5위까지의 순위를 출력하고 순위에 따라 1~5까지의 가중치를 부여하였다. 우선순위 점수가 가장 높은 자치구를 우선적으로 확대되어야 할 지역으로 선정하였으며 가장 저상버스의 확대가 필요한 자치구는 노원구로 선정되었다.
- 회귀분석으로 알아낸 장애인의 생활권에 영향을 미치는 데이터를 활용하여 장애인의 생활권을 분석한다. 먼저 서울시에 거주하는 장애인의 현황 데이터를 분석한다. 각 자치구별로 데이터를 내림차순 정렬한 결과 가장 많은 장애인이 거주하고 있는 지역은 ‘노원구’로 나타났다.
- 먼저 시계열 분석을 하기 위하여 가지고 있던 데이터 프레임을 시계열 데이터로 변환한 후 ts()함수를 사용해 시계열 데이터를 24개의 frequency로 분할하여 분석한다. 이는 0시~23시까지의 단위로 데이터를 분석하기 위함이다.
- 서울시에서 저상버스를 운행하는 노선의 데이터를 시간대별로 나열하여 수요가 많아지는 시간대를 시계열 분석기법으로 분석한다.
- 다음으로 장애인 콜택시의 대기시간이 길어지는 시간대를 그림4와 동일하게 시계열 분석기법으로 분석한다. 시간대별 대기시간 데이터의 평균을 구한 후 데이터를 시계열 데이터로 변환하여 막대그래프로 시각화하여 대기시간이 길어지는 주요 이동시간대를 분석한다.
- 먼저 데이터를 분석하기 위하여 서울시 시내버스 노선 정보 중에서 저상버스를 운행하는 노선의 정보를 필터링 한 후 각 노선의 정류소별 승/하차 인원을 합한다. 정제된 데이터를 시계열 분석하기 위하여 데이터 프레임을 시계열 데이터로 변환한 후 ts함수를 사용해 시계 열 데이터를 48개의 frequency로 분할하여 분석한다. 이는 0시~23시까지의 승/하차 단위로 데이터를 분석하기 위함이다.
- 회귀분석으로 알아낸 장애인의 생활권에 영향을 미치는 데이터를 활용하여 장애인의 생활권을 분석한다. 먼저 서울시에 거주하는 장애인의 현황 데이터를 분석한다.
대상 데이터
- 고령자의 생활권을 분석하기 위해 서울시에 거주하는 독거노인의 거주현황 데이터를 분석한다. 자치구별로 데이터를 내림차순 정렬한 결과 가장 많은 고령자가 거주하고 있는 지역은 ‘노원구’로 나타났다.
- 다음으로 서울시에 위치한 장애인 편의시설 데이터를 분석한다. 각 자치구별로 데이터를 내림차순 정렬한 결과 가장 많은 편의시설을 보유하고 있는 지역은 ‘송파구’로 나타났다.
- 연구에 들어가기에 앞서 교통약자들의 생활권 데이터와 교통이용 데이터를 이용하여 교통약자의 생활권을 분석하며 데이터들의 상관관계 분석으로 데이터들을 회귀 분석한다. 분석의 기준으로 각 자치구별 우선순위와 교통약자의 유형에 따라 제안의 기준을 정했는데, 교통약자의 유형 중 장애인과 고령자를 중점 연구대상으로 설정했다. 이는 가장 많은 이용률을 보이는 고령자와 가장 높은 개선 필요도를 가지는 장애인의 이용만족도가 우선적으로 증진된다면 그들을 제외한 다른 교통약자들에게도 높은 만족도를 보일 것으로 예상하기 때문이다.
- 먼저 본 연구에서 다룬 데이터의 분석결과를 자치구로 나누어 1~5위까지의 순위를 출력하고 순위에 따라 1~5까지의 가중치를 부여하였다. 우선순위 점수가 가장 높은 자치구를 우선적으로 확대되어야 할 지역으로 선정하였으며 가장 저상버스의 확대가 필요한 자치구는 노원구로 선정되었다. 노원구는 고령자와 장애인 두 기준의 교통약자가 가장 많이 거주하는 지역이며 여러 곳에 장애인 편의시설이 위치하고 실제적으로 장애인들이 특별 교통수단인 장애인 콜택시로 가장 많이 방문하는 지역이었다.
데이터처리
- 각 자치구의 여러 요인들 중 장애인의 이동패턴과 상관관계를 보이는 데이터를 검출하기 위해 ‘장애인 콜택시의 목적지 방문 횟수’를[4] 종속변수로 하여 보유하고 있는 데이터들과의 상관계수를 분석한다.
- 서울시 장애인 콜택시의 2016년 10개월간의 데이터를 시간대별로 나열하여 수요가 많아지는 시간대를 시계열 분석기법으로 분석한다.
- 연구에 들어가기에 앞서 교통약자들의 생활권 데이터와 교통이용 데이터를 이용하여 교통약자의 생활권을 분석하며 데이터들의 상관관계 분석으로 데이터들을 회귀 분석한다. 분석의 기준으로 각 자치구별 우선순위와 교통약자의 유형에 따라 제안의 기준을 정했는데, 교통약자의 유형 중 장애인과 고령자를 중점 연구대상으로 설정했다.
성능/효과
- 각 자치구별로 데이터를 내림차순 정렬한 결과 가장 많은 장애인이 거주하고 있는 지역은 ‘노원구’로 나타났다.
- 각 자치구별로 데이터를 내림차순 정렬한 결과 가장 많은 편의시설을 보유하고 있는 지역은 ‘송파구’로 나타났다.
- 교통약자의 생활권과 이동패턴의 분석을 통해 본 연구에서는 두 가지 특이점을 찾을 수 있었는데 그 첫 번째는 교통약자가 서울시 전역에 걸쳐 고르게 분포하는 것이 아니라 특정 지역별로 편차가 있게 거주하고 있다는 것이며 거주하는 밀집도 역시 자치구별 면적에 영향을 받는 것이 아니라는 것이다.
- 두 번째로 교통약자의 주요 이동시간이 일반 이용객들의 출퇴근시간이 외에도 다른 시간에 분산되어있다는 것이다. 출퇴근시간대의 추가 배차는 우선적으로 개선되어야 할 요소이지만 그 이외에도 교통약자의 수요에 의한 추가 배차가 이루어 져야만 교통약자의 이용 만족도 증진에 더 나아갈 수 있다는 의미로 판단된다.
- 두 번째로 높은 우선순위를 차지한 지역은 강서구로 선정되었으며 강서구는 노원구와 비슷한 가중치로 정 상관관계를 이루는 데이터들에게서 높은 비중을 차지했다.
- 시간대별 데이터를 시계열 데이터로 변환하여 그림5와 같이 월별로 시각화한 결과 연초보다 연말로 갈수록 시간별 수요량이 증가하고 있음을 확인할 수 있다. 이는 장애인 콜택시의 수요가 상반기에 비해 증가했음을 나타낸다.
- 시간대별 데이터를 시계열 데이터로 변환하여 분석한 결과 07시~09시, 14시~17시에 저상버스 운행노선의 수요가 증가하고 있음을 알 수 있으며 가장 보완되어야 할 시간대는 8시로 확인되었다.
- 6170059로 이 역시 정 상관관계에 가깝다고 볼 수 있다. 위와 같은 상관관계의 분석으로 장애인 편의시설과 거주 현황의 유무가 장애인의 이동패턴에 영향을 미치고 있다는 것을 확인할 수 있었다.
- 이 두 모델의 결과로 보았을 때 장애인의 생활권은 주로 장애인의 거주지역과 편의시설이 위치한 지역의 영향을 받고 있다는 것을 알 수 있다,
- 자치구별로 데이터를 내림차순 정렬한 결과 가장 많은 고령자가 거주하고 있는 지역은 ‘노원구’로 나타났다.
후속연구
- 하지만 진정한 의미에서의 교통약자 이동편의 증진이란 한 지역에 국한된 이동편의 증진이 아닌 교통약자가 있는 어느 지역에서라도 우선적으로 개선이 될 수 있는 정책이어야 한다. 때문에 향후 이에 대한 연구가 계속적으로 필요하다고 판단되며 이러한 정책의 실행을 위해서는 교통약자를 사회의 일원으로 인식하고 배려하는 사회적 환경제공이 절대적으로 필요할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.