$\require{mediawiki-texvc}$

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.

시간거리 접근성과 교통카드 기반 통행량을 이용한 OD별 잠재적 대중교통 서비스 개선량 분석
Analysing Potential Improvement of Public Transit Services in OD Level Using Time-Distance Accessibility and Smartcard Traffic Volume 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.21 no.2, 2018년, pp.80 - 93  

양현재 (서울시립대학교 공간정보공학과) ,  남현우 (서울시립대학교 공간정보공학과) ,  전철민 (서울시립대학교 공간정보공학과)

초록
AI-Helper 아이콘AI-Helper

대중교통 서비스 개선 분석은 형평성의 관점에서 공급과 수요의 상관관계로 분석되고 있다. 공급은 접근성을 이용하여 계산하고 있으며, 수요는 거주인구를 기반으로 추정한 통행수요가 이용되고 있다. 그러나 추정에 의한 수요는 교통카드 기반 통행량에 비하여 정확성과 미시적인 공간 단위의 개선지역을 도출하기 어려운 한계가 있다. 이에 본 연구는 교통카드 데이터 기반의 통행량을 이용하여 대중교통의 잠재적인 서비스 개선량을 산출하였다. 대중교통의 공급은 시간거리 접근성으로 계산하였고, 이를 통해 상대적으로 접근성이 떨어지는 출 도착지 쌍(OD)을 이용하는 승객이 손해 보는 시간비용을 계산하였다. 서울시를 대상으로 본 연구에서 제안한 방법론을 적용하여 모든 OD의 시간비용을 계산하였으며, 분석 결과 서대문구, 구로구, 노원구 등지에서 개선이 가능한 것을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

Public transit services are generally analyzed based on the correlation of demand and supply. The computation of supply uses accessibility while demand uses travel demands estimation based on residential population. However, the traditional demand estimation has a limitation in analysing in micro-sc...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구는 서울시를 대상으로 분석을 수행하여 모든 OD에서 잠재적 개선량을 계산하고, 잠재적 개선량이 큰 OD를 경험적으로 확인하였다. 그 결과 서대문구, 노원구, 구로구 등지에서의 노선의 개선이 가능하리라 판단되었다.
  • 본 연구는 이동시간 기반 접근성과 교통카드 데이터를 이용하여 미시적 단위인 정류장 OD의 잠재적 서비스 개선량을 분석하였다. 선행연구들은 수요와 공급을 비교하여 형평성의 관점에서 서비스 개선 지역을 도출하였다.
  • 본 연구는 이동시간 기반의 접근성과 교통카드 데이터를 이용한 수요로 서비스 개선 지역을 도출하고자 한다. 이를 위해 각 군집 OD 접근성을 비교하여 서비스의 수준을 비교하였다.
  • 본 연구는 정류장 단위 OD의 미시적인 공간적 단위로 접근성 지표와 통행량을 고려하여 서비스 불균형 지역을 찾고자하는 연구의 초석 연구이다. 이를 위해 본 연구는 정류장 단위 OD의 시간거리 접근성을 모두 계산하고 이를 교통카드 기반의 실제 통행량과 분석을 시도하였다.
  • 이에 앞서 계산한 OD의 개선가능한 정도와 통행량을 식 3을 통해 계산하여 man-minute 단위의 잠재적 개선량을 도출할 수 있다. 본 연구에서는 개선량이 높을수록 개선의 우선순위가 높은 지역으로 가정하고 이를 기준으로 서비스 개선 우선지역을 도출하였다.
  • 각각 일일 통행량(\(f_i\))과 해당 OD의 접근성(\(t_i\)), 거리(\(d_i\)), 평균 접근성과의 차이, 잠재적으로 개선가능한 시간비용(\(g_i\))을 나타낸다. 본 연구에서는 개선량이 크게 나타나는 상위의 OD 쌍 중에 실질적으로 개선이 가능한지를 경험적으로 확인하였다.
  • 본 연구에서는 출발지에서 목적지까지 걸리는 이동시간을 이용하여 시간거리 기반의 접근성을 정의하였다. 이동시간을 이용한 접근성의 정의는 식 1과 같다.
  • OD별 상대적 접근성은 거리별 평균접근성과의 차이로 산출하였다. 이를 통해 본 연구에서는 유사한 거리를 가지는 OD들을 이동할 때의 평균과 차이를 해당 OD를 이용하는 승객이 손해보는 시간으로 정의하였다. 또한, 이를 잠재적으로 개선이 가능한 시간비용이라고 가정하였다.
  • 이는 본 연구가 제시한 기법이 개선 가능한 지역만을 찾을 수 없는 한계를 의미한다. 이에 공급과 수요의 상관관계를 고려하여 서비스 개선량을 도출하는 지표를 개선하고, 서비스 불균형 지역을 도출할 수 있는 군집화 방법을 향후 연구로 수행하고자한다. 향후 연구를 진행하여 다양한 시간대의 접근성과 수요를 가중하는 지표의 개발을 통해 보다 효과적인 서비스 개선 지역을 도출할 수 있으리라 예상된다.
  • 이에 본 연구는 교통카드 데이터로 실제 수요를 반영하여 잠재적 개선량을 정량적으로 분석하였다. 이를 위해 대중교통 네트워크를 비롯한 데이터 들을 구축하였으며, RAPTOR를 이용해 접근성을 산출하고 OD를 비교하였다.
  • 이에 본 연구는 교통카드 수요를 활용하여 정류장 단위 OD(origin-destination)의 서비스 개선량을 분석하였다. 정류장 단위의 OD를 분석함으로써 기존의 연구방법으로서 확인할 수 없었던 미시적인 단위에서의 공급과 수요를 정량적으로 비교하고자 한다.
  • 하지만 노선의 정류장을 수정하거나 배차간격을 조절하는 등의 미시적인 조정에는 효과적이지 않다. 이에 본 연구는 시간거리 접근성과 교통카드 데이터를 이용함으로써 실제 통행수요를 반영한 미시적인 공간단위의 분석을 시도하였다.
  • 또한, 대중교통 접근성의 정의로 다른 두 유형은 미시적인 OD 단위로 산출하기에 한계가 존재하였다. 이에 본 연구에서는 목적지까지의이동시간이 미시적인 단위에서 승객에게 제공되는 대중교통 서비스를 대표할 수 있으리라 판단하였다.

가설 설정

  • 이를 통해 본 연구에서는 유사한 거리를 가지는 OD들을 이동할 때의 평균과 차이를 해당 OD를 이용하는 승객이 손해보는 시간으로 정의하였다. 또한, 이를 잠재적으로 개선이 가능한 시간비용이라고 가정하였다. 식 3과 같이 해당 OD를 이용하는 승객의 수를 이용하여 OD를 이용하는 승객들이 손해보는 총 시간비용을 잠재적 개선량으로 산출하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
형평성은 무엇을 의미하는가? 대중교통 개선 지역을 도출하는 연구들은 형평성의 관점에서 수요와 공급을 비교하였다. 형평성은 다양한 계층에게 자원이 적절히 분배되고 있는 가를 의미한다. 형평성의 관점에서는 대중교통의 수요와 공급을 비교하여 상관관계를 분석하고, 대중교통의 개선이 필요한 취약지나 사회적 약자가 배제되는 지역을 도출한다.
국내에서는 어떤 방법으로 통행량을 대중교통 통행량을 집계하는가? , 2012). 특히, 국내에서는 교통카드 데이터에 승하차 정류장이 기록되고 전수에 가까운 통행이 기록되고 있어 정류장단위의 대중교통 통행량을 집계할 수 있다. 이에 교통카드 도입 이후로 결측 데이터를 보정하여 정확한 통행량을 집계하는 연구(Park et al.
교통카드 데이터가 가지는 한계점은 무엇인가? 교통카드 데이터의 열(row)에는 승객의 승차태깅과 하차태깅을 기준으로 데이터가 기록된다. 이는 하나의 교통수단을 이용한 통행으로 승객의 최초출발지와 최종목적지를 의미하지 못한다. 최초출발지와 최종목적지로의 통행량을 집계하기 위해, 교통카드 데이터에서 통행사슬을 추정하는 과정을 수행하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. Baek, J.H. 2016. Bus Demand Prediction With Smart Card Data - A Deep Learning Approach. Ph.D. Thesis, Chung-Ang University(백정한. 2016. 스마트 카드 데이터를 통한버스 수요 예측에 관한 연구 - 딥러닝을 활용하여. 중앙대학교 대학원 박사학위논문). 

  2. Bok, J.J and Y.S. Kwon. 2016. Comparable Measures of Accessibility to Public Transport Using the General Transit Feed Specification. Sustainability 8(3):224. 

  3. Cascetta, E., A, Carteni and M, Montanion. 2013. A new measure of accessibility based on perceived opportunities. Procedia-Social and Behavioral Sciences 87:117-132. 

  4. Choi, S.U. 2016. Micro-scale Public Transport Accessibility by Stations : Seoul KTX Stations Case Study. Master thesis, University of Seoul, Seoul, Korea(최승우. 2016. 정류장 단위의 미시적 대중교통 접근성 분석 : 서울시 KTX역 사례 연구. 서울시립대학교 대학원 석사학위논문). 

  5. Currie, G. Quantifying spatial gaps in public transport supply based on social needs. Journal of Transport Geography 18(1):31-41. 

  6. Delling, D., T. Pajor and RF. Werneck. 2014. Round-Based Public Transit Routing. Transportation Science 49(3):591-604. 

  7. Farber, S., B. Ritter and L. Fu. 2016. Space-time mismatch between transit service and observed travel patterns in the Wasatch Front, Utah: A social equity perspective. Travel Behaviour and Society 4:40-48. 

  8. Farber, S and L. Fu. 2017. Dynamic public transit accessibility using travel time cubes: Comparing the effects of infrastructure (dis)investments over time. Computers, Environment and Urban System 62:30-40. 

  9. Han, D.H. 2016. The Analysis of Public Transport Accessibility and Equity in Seoul. Ph.D. Thesis, Konkuk University (한대호. 2016. 서울의 대중교통 접근성과 형평성 분석. 건국대학교 대학원 박사학위논문). 

  10. Kim, D.H and D.J. Park. 2015. A study on Customer-Oriented Measure Methodology of Public Transport Accessibility Under Time and Space Constraints. The 73rd Conference of Korean Society of Transportation:545-550(김동호, 박동주. 시공간 제약하에서 이용자 기반의 대중교통 접근성 측정 방법론 연구. 제 73회 대한교통학회 학술대회지:545-550). 

  11. Kujala, R., C. Weckstrom, M.N. Mladenovic and J. Saramaki. 2018. Travel times and transfers in public transport: Comprehensive accessibility analysis based on Pareto-optimal journeys. Computers, Environment and Urban Systems 67:47-54. 

  12. Lee, W.D., Y.G. Na, S.H. Park, B.J. Lee and C.H. Joh. 2012. Transportation Equity Analysis Based on the Metropolitan Household Survey. Journal of the Korean Urban Geographical Society 15(1):75-88(이원도, 나유경, 박시현, 이백진, 조창현. 2012. 수도권 가구통행 조사를 바탕으로 한 교통 형평성 분석. 한국도시지리학회지 15(1):75-88). 

  13. Lee, M.H., I.W. Jeon and C.M. Jun. 2017. Clustering Public Transit Stops using an Improved DBSCAN Algorithm. Journal of the Korean Society for Geospatial Information Science 25(4):97-106(이민혁, 전인우, 전철민. 2017. 개선된 DBSCAN 알고리즘을 이용한 대중교통 정류장 군집화 기법. 한국지형공간정보학회지 25(4):97-106). 

  14. Lei, T.L and R.L. Church. 2010. Mapping transit based access: integrating GIS, routes and schedules. International Journal of Geographical Information Science 24(2):283-304. 

  15. Munizaga, M. A and C. Palma. 2012. Estimation of a disaggregate multimodal public transport Origin-Destination matrix from passive smartcard data from Santiago, Chile. Transportation Research Part C: Emerging Technologies 24:9-18. 

  16. Noh, H. S., T. W. Doh, W. K. Kim, C. S. Cho and S. I. Shin. 2005. Transit Mobility Measures on the Seoul Multimodal Network. Journal of Korean Society of Transportation 23(8):7-17(노현수, 도철웅, 김원근, 조종석, 신성일. 2005. 대중교통망 이동성지표 개발: 네트워크 분석을 중심으로. 대한교통학회지 23(8):7-17). 

  17. Park, J. H., S. G. Kim, C. S. Cho and M. W. Heo. 2008. The study on error, missing data and imputation of the smart card data for the transit OD construction. Journal of Korean Society of Transportation 26(2):109-119(박준환, 김순관, 조종석, 허민욱. 2008. 대중교통 OD 구축을 위한 대중교통카드 데이터의 오류와 결측 분석 및 보정에 관한 연구. 대한교통학회지 26(2):109-119). 

  18. Park, J.S and K.S. Lee. 2017. Development of Integrated Accessibility Measurement Algorithm for the Seoul Metropolitan Public Transportation System. Journal of the Korean Regional Science Association 33(1):29-41(박종수, 이금숙. 2017. 서울대도시권 대중교통체계의 통합 시간거리 접근성 산출 알고리즘 개발. 한국지역학회 33(1):29-41). 

  19. Sun, Y and H.F. Lin. 2015. GIS-Based Analysis of Public Transit Accessibility: Definition and Display. CICTP 2015:1213-1224. 

  20. Woo, W.H. 2014. Origin-Destination Trip Matrices Estimation with Open Data. Ph.D. Thesis, Myongji University(우왕희. 2014. 공공데이터를 이용한 기종점 통행량추정방안 연구. 명지대학교 대학원 박사학위논문). 

  21. Yun, J.G and M.J. Woo. 2015. Empirical Study on Spatial Justice through the Analysis of Transportation Accessibility of Seoul. Journal of Korea Planning Association 50(4):69-85 (윤종진, 우명제. 2015. 서울시 대중교통 접근성의 공간적 정의에 대한 실증연구. 국토계획 50(4):69-85). 

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

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