서울 대도시권 통합 대중 교통망에서 연도별 및 요일별 시간거리 접근도 변화 Changes of Time-Distance Accessibility by Year and Day in the Integrated Seoul Metropolitan Public Transportation Network원문보기
본 연구의 목적은 시간이 경과하면서 통행속도와 같은 교통환경에 나타나는 변화가 대중교통이용자의 시간거리 접근성에 미치는 영향을 분석하는 것이다. 이를 위하여 서울대도시권 대중교통체계의 3개년(2011년, 2013년, 2015년)의 각각 1주일치 통행기록을 담은 교통카드 데이터를 활용한다. 교통카드빅데이터에는 대중교통이용자들의 통행궤적에 대한 시 공간 정보가 담겨 있다. 본 연구에서는 교통카드 자료의 통행시간을 토대로 각 시점의 대중교통체계를 구성하고 있는 지하철 역 및 버스 정류장들 사이의 링크들의 시간거리를 산출한다. 실험 결과로 얻어진 통합 교통망에서 접근도 변화는 두 가지 관점으로 요약할 수 있다. 첫째, 해가 지날수록 접근도는 떨어지는 경향이 있다. 교통망이 더 복잡해짐으로 차량의 이동 속도가 저하되기 때문이다. 둘째, 요일별 접근도 변화 분석에서 주말에 접근도가 높아지는 경향이 있다. 이것은 버스노선들 상의 버스 속도가 주말에 빨라지기 때문이다. 접근도 변화의 분석을 위해 연도별과 요일별 차량속도와 승객수를 그래프로 설명한다.
본 연구의 목적은 시간이 경과하면서 통행속도와 같은 교통환경에 나타나는 변화가 대중교통이용자의 시간거리 접근성에 미치는 영향을 분석하는 것이다. 이를 위하여 서울대도시권 대중교통체계의 3개년(2011년, 2013년, 2015년)의 각각 1주일치 통행기록을 담은 교통카드 데이터를 활용한다. 교통카드빅데이터에는 대중교통이용자들의 통행궤적에 대한 시 공간 정보가 담겨 있다. 본 연구에서는 교통카드 자료의 통행시간을 토대로 각 시점의 대중교통체계를 구성하고 있는 지하철 역 및 버스 정류장들 사이의 링크들의 시간거리를 산출한다. 실험 결과로 얻어진 통합 교통망에서 접근도 변화는 두 가지 관점으로 요약할 수 있다. 첫째, 해가 지날수록 접근도는 떨어지는 경향이 있다. 교통망이 더 복잡해짐으로 차량의 이동 속도가 저하되기 때문이다. 둘째, 요일별 접근도 변화 분석에서 주말에 접근도가 높아지는 경향이 있다. 이것은 버스노선들 상의 버스 속도가 주말에 빨라지기 때문이다. 접근도 변화의 분석을 위해 연도별과 요일별 차량속도와 승객수를 그래프로 설명한다.
This study analyzes the effect of the changes in traffic environments such as transportation speeds on the time-distance accessibility for the public transportation passengers. To do this, we use passenger transaction databases of the Seoul metropolitan public transportation system: one week for eac...
This study analyzes the effect of the changes in traffic environments such as transportation speeds on the time-distance accessibility for the public transportation passengers. To do this, we use passenger transaction databases of the Seoul metropolitan public transportation system: one week for each of the three years (2011, 2013, and 2015). These big data contain the information about time and space on the traffic trajectories of every passenger. In this study, the time-distances of links between subway stations and bus stops of the public transportation system at each time are calculated based on the actual travel time extracted from the traffic-card transaction database. The changes in the time-distance accessibility of the integrated transportation network from the experimental results can be summarized in two aspects. First, the accessibility tends to decline as the year goes by. This is because the transportation network becomes more complicated and then the average moving speed of the vehicles is lowered. Second, the accessibility tends to increase on the weekend in the analysis of accessibility changes by day. This tendency is because the bus speeds on bus routes on the weekend are faster than other days. In order to analyze the accessibility changes, we illustrate graphs of the vehicle speeds and the numbers of passengers by year and day.
This study analyzes the effect of the changes in traffic environments such as transportation speeds on the time-distance accessibility for the public transportation passengers. To do this, we use passenger transaction databases of the Seoul metropolitan public transportation system: one week for each of the three years (2011, 2013, and 2015). These big data contain the information about time and space on the traffic trajectories of every passenger. In this study, the time-distances of links between subway stations and bus stops of the public transportation system at each time are calculated based on the actual travel time extracted from the traffic-card transaction database. The changes in the time-distance accessibility of the integrated transportation network from the experimental results can be summarized in two aspects. First, the accessibility tends to decline as the year goes by. This is because the transportation network becomes more complicated and then the average moving speed of the vehicles is lowered. Second, the accessibility tends to increase on the weekend in the analysis of accessibility changes by day. This tendency is because the bus speeds on bus routes on the weekend are faster than other days. In order to analyze the accessibility changes, we illustrate graphs of the vehicle speeds and the numbers of passengers by year and day.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 서울 시내버스 교통망과 수도권 지하철 교통망을 합한 하나의 통합 교통망에서2011년, 2013년, 2015년에 구성된 각각의 교통망에서 접근도의 변화를 연구하고 분석하였다. 교통망은 노드들과 링크들로 이루어지는데, 노드는 버스정류장이나 지하철역을 나타내고 링크는 버스노선 상의 버스정류장들의 연결선과 지하철 노선상의 지하철역들의 연결선을 표시한다.
서울대도시권 대중교통체계는 도시 총통행량의 2/3 이상을 분담하는 수도권 교통의 중추 역할을 담당하고 있으며 교통카드 데이터베이스에는 대중교통이용자들의 통행궤적에 대한 시·공간 정보가 담겨 있다. 본 연구에서는 교통카드 자료의 실제 통행에 걸린 통행시간을 토대로 각 시점의 대중 교통체계를 구성하고 있는 지하철 역 및 버스 정류장 들 간의 시간거리를 산출하고 이를 바탕으로 시간거리 접근성을 산출하는 방법론을 제시한다.
본 연구에서는 접근성을 좀 더 실제에 가깝게 산출하기 위하여 통행자들의 실제 통행기록을 담은교통카드데이터에서 지점 간 통행에 걸린 실제 통행시간을 바탕으로 시간거리를 산출하였다. 본 연구에서는 서울시내 버스 교통망과 수도권 지하철 교통망을 합한 통합 교통망에 있는 버스정류장 또는 지하철역의 접근도를 연도별 및 요일별로 계산한 결과를 분석하였다. 2장에서는 주어진 교통망에서시간거리 접근도의 정의를 설명하고 노드수가 증가하거나 시간거리가 변하는 간단한 교통망에서 접근도의 특성을 분석하고 접근도의 변화를 추정할 수 있게 한다.
본 연구에서는 접근성을 좀 더 실제에 가깝게 산출하기 위하여 통행자들의 실제 통행기록을 담은교통카드데이터에서 지점 간 통행에 걸린 실제 통행시간을 바탕으로 시간거리를 산출하였다. 본 연구에서는 서울시내 버스 교통망과 수도권 지하철 교통망을 합한 통합 교통망에 있는 버스정류장 또는 지하철역의 접근도를 연도별 및 요일별로 계산한 결과를 분석하였다.
본 연구의 목적은 시간이 경과하면서 교통환경이나 통행수요에 나타나는 변화가 대중교통 이용자의 시간 거리 접근성에 미치는 영향을 분석하는 것이다. 이를 위하여 서울대도시권 대중 교통체계의 3개년(2011년, 2013년, 2015년)의 각각 1주일 치 통행기록 빅데이터를 활용한다.
서울 대도시권 통합 교통망에서 최소 또는 최대 접근도를 가지는 버스정류장이나 지하철역을 찾아내고 그 특성을 분석하고자 한다. 표 3은 표 1과 동일한 날짜에 대해 3개년도 연도별 최소 접근도와 최대 접근도를 갖는 노드를 나타내고 있다.
2015년도 지하철 노선들에서 지하철역들의 개수는2013년도에 비해 19개가 증가된 594개가 되었다.표 1에서 평균이동시간은 접근도에 반비례하는 특성을 가지고 있으므로 본 논문에서는 주로 접근도에 대한 분석을 하고 평균이동시간에 대한 결과 분석은 생략하고자 한다.
제안 방법
접근도 결과 분석은 먼저 차량 속도가 일정한 경우에 노드들의 증가가 접근도에 어떻게 영향을 끼치는 지를 살펴보고, 다음으로 교통카드 데이터에서 추출한 일상적인 차량속도인 경우에 접근도의변화를 분석한다. 그리고 연도별 및 요일별의 접근도 변화에 대한 분석을 하고, 마지막으로 접근도의 값이 최솟값과 최댓값을 갖는 노드들의 특성을 살펴보고 접근도 상위 5개씩의 버스정류장들과 지하철역들을 나열하여 지리적 특성을 분석한다.
단계 3: 일정 거리 이내의 지하철역과 버스정류장 사이에 링크를 연결하여 통합 교통망을 구성한다. 그리고 통합 교통망에서 최단 시간 거리 행렬을 구하고, 그 행렬에서 각 노드인 버스정류장이나 지하철역의 접근도와 평균 이동시간을 구한다.
먼저 수도권 지하철 교통망에서 접근도 변화, 그리고 서울 시내버스 교통망에서 접근도 변화, 마지막으로 두 개가 합한 통합교통망에서 접근도 변화를 분석한다.
통합 교통망에서 시간거리 접근성을 계산하려면 각 링크의 가중치로 시간거리에 해당되는 값이 정의되어 있어야 한다. 본 논문에서는 각 링크의가중치는 링크를 연결하는 두 노드 사이의 이동시간으로 한다. 시내버스 노선과 지하철 노선 상에 있는 링크의 이동시간은 교통망에서 승객들의 교통카드 트랜잭션 데이터베이스에서 계산으로 추출하고, 승객이 도보로 이동하여 연결된 링크의 가중치는 두 정거장 간에 승객들의 평균 속도로 이동한 시간으로 한다.
본 논문에서는 교통망의 접근성 계산모형으로 사용한 식 (1)에서 B의 값을 1로 설정하여 각 노드인 버스정류장이나 지하철역의 접근성을 계산하였다. 이것은 버스노선상의 링크나 지하철노선상의 링크가중치가 그 링크에 통과하는 승객들의 숫자와 무관한 단순한 이동 시간 개념을 적용한 것이다.
그리고 서로 다른 버스 노선이라도 인접한 버스정류장 사이에는 버스 교통망의 링크로 연결한다. 인접한 거리는 프로그램에서 120m로 설정하고 도보 이동 시간과 평균 환승 시간을 링크의 가중치로 두었다.
접근도 결과 분석은 먼저 차량 속도가 일정한 경우에 노드들의 증가가 접근도에 어떻게 영향을 끼치는 지를 살펴보고, 다음으로 교통카드 데이터에서 추출한 일상적인 차량속도인 경우에 접근도의변화를 분석한다. 그리고 연도별 및 요일별의 접근도 변화에 대한 분석을 하고, 마지막으로 접근도의 값이 최솟값과 최댓값을 갖는 노드들의 특성을 살펴보고 접근도 상위 5개씩의 버스정류장들과 지하철역들을 나열하여 지리적 특성을 분석한다.
대상 데이터
서울 대중 교통망의 접근도 결과를 얻기 위해 실험에 사용된 데이터는 2011년 4월 10일(일요일)부터 1주일 수도권 교통카드 트랜잭션 데이터, 2013년 3월 4일(월요일)부터 1주일 데이터, 그리고2015년 5월 17일(일요일)부터 1주일 데이터에 해당된다. 2011년과 2013년 교통카드 트랜잭션 데이터는 서울시내버스 승객들과 수도권 지하철 승객들의 승차와 하차를 기록한 트랜잭션 데이터베이스이고,2015년 데이터는 서울시내버스 승객들의 트랜잭션 데이터와 수도권 지하철 승객들 중에서 서울시내 지하철역에서 승차를 한 승객들의 트랜잭션 데이터를 포함한다. 그러므로 2015년 교통카드 트랜잭션데이터에는 서울시가 아닌 지역의 지하철역에서 승차한 승객의 트랜잭션 데이터가 포함되지 않는다.
서울 대중 교통망의 접근도 결과를 얻기 위해 실험에 사용된 데이터는 2011년 4월 10일(일요일)부터 1주일 수도권 교통카드 트랜잭션 데이터, 2013년 3월 4일(월요일)부터 1주일 데이터, 그리고2015년 5월 17일(일요일)부터 1주일 데이터에 해당된다. 2011년과 2013년 교통카드 트랜잭션 데이터는 서울시내버스 승객들과 수도권 지하철 승객들의 승차와 하차를 기록한 트랜잭션 데이터베이스이고,2015년 데이터는 서울시내버스 승객들의 트랜잭션 데이터와 수도권 지하철 승객들 중에서 서울시내 지하철역에서 승차를 한 승객들의 트랜잭션 데이터를 포함한다.
그림 4에는 요일별 승객수를 그래프로 보여주고 있다. 이 그래프에서 보여주는 2011년과 2013년 데이터는 서울시내버스의 승객들과 수도권 지하철 승객들의 교통카드 트랜잭션 데이터를 포함하고 있다. 반면에 2015년 교통 데이터에는 서울시내버스에 속한 버스정류장으로 승차를 하거나 하차한 승객들과 수도권 지하철역들 중에서 서울 시내 지하철역으로 승차를 한 승객들의 자료만 포함되어 있다.
본 연구의 목적은 시간이 경과하면서 교통환경이나 통행수요에 나타나는 변화가 대중교통 이용자의 시간 거리 접근성에 미치는 영향을 분석하는 것이다. 이를 위하여 서울대도시권 대중 교통체계의 3개년(2011년, 2013년, 2015년)의 각각 1주일 치 통행기록 빅데이터를 활용한다. 서울대도시권 대중교통체계는 도시 총통행량의 2/3 이상을 분담하는 수도권 교통의 중추 역할을 담당하고 있으며 교통카드 데이터베이스에는 대중교통이용자들의 통행궤적에 대한 시·공간 정보가 담겨 있다.
이론/모형
시간거리 가중치는 이동거리에 환승시간을 더하여 설정하였다. 모든 노드들 사이의 최단 시간 거리를 계산하는 방법은 Floyd 알고리즘(Floyd, 1962)을 사용하였다. 최단 거리 알고리즘을 적용하면 한 지하철역에서 120미터 이내인 여러 버스정류장들이 있더라고 가장 가까운 버스정류장이 그 지하철역과 연결되는 결과를 얻게 된다.
접근도 계산 알고리즘은 참고 문헌(박종수·이금숙, 2017)에 나와 있는 방법을 적용하였다.
성능/효과
본 논문의 연구 분석의 또 다른 결과는 차량 속도 면에서 주말이 주중보다 빠르다는 것이고 그 요인은 승객들의 통행량이 상대적으로 적다는 것이다. 결과적으로 통합 교통망에서도 주중보다 주말에 접근도가 더 좋다는 것으로 분석되었다.
그러므로 시내버스 교통망의 노선 조정이나 지하철 교통망의 새로운 노드들의 추가에서 가장 중요시해야 될 점은 차량들의 속도를 유지하거나 개선할 수 있는 방안을 강구해야 교통망의 접근도가 더 좋아질 수 있다는 것이다. 본 논문의 연구 분석의 또 다른 결과는 차량 속도 면에서 주말이 주중보다 빠르다는 것이고 그 요인은 승객들의 통행량이 상대적으로 적다는 것이다. 결과적으로 통합 교통망에서도 주중보다 주말에 접근도가 더 좋다는 것으로 분석되었다.
그러므로 2015년 교통카드 트랜잭션데이터에는 서울시가 아닌 지역의 지하철역에서 승차한 승객의 트랜잭션 데이터가 포함되지 않는다. 실험은 MS 윈도즈 7 운영체제와 64GB 메인 메모리가 설치된 PC에서 이루어지고, 마이크로소프트Visual C++ 2010 프로그램 개발 환경에서 프로그램을 구현하여 실험 결과를 얻었다.
3개년에 걸친 접근도의 값은 점차 감소하는 변화를 보여주고 있다. 통합 교통망의 노드들의 개수는 증가하여 이론적으로 접근도의 값이 증가하는 것이 타당하지만 교통카드 트랜잭션 데이터베이스에서 추출한 접근도의 값은 감소하고 있었다. 접근도가 감소하는 주된 요인은 서울 시내버스 차량의 평균 속도와 수도권 지하철 전동차의 평균 속도가 해가 지남에 따라 감소하는 것으로 연구되어졌다.
표 2는 서울 대도시권 대중교통 차량의 속도를 교통카드 트랜잭션 데이터베이스에서 추출하여 적용하여 얻어진 접근도와 평균이동시간을 보여주고 있다. 표 2에서 서울 시내버스 시스템과 수도권 지하철 시스템을 합친 통합 교통망에서 버스 노드들의 개수는 각 연도별로 전체 노드들에서 차지하는 비율이 96.66%, 96.47%, 96.41%로 점차 작아지지만 여전히 지하철 교통망의 노드들에 비해 대다수를 점유하고 있어서 접근도 계산에서 큰 영향력을 주고 있다. 서울 시내버스 교통망에서 버스정류장들의 개수인 |V|는 점차 증가하고 있지만 버스들의 평균 속도는 점점 감소하고 있다.
후속연구
각 링크의 교통량의 차이를 반영하는 접근도 계산 모델 개발이 필요하다. 본 논문에서접근도와 차량들의 이동 속도 사이에 상관관계를 보여주었지만, 차량들의 이동 속도에 영향을 주는 자동차 통행량에 대한 데이터를 수집하여 접근도, 차량들의 이동 속도, 자동차 통행량 사이의 상관관계를 파악하는 것도 중요한 연구 분야이고 서울시내 교통정책 입안 등에 필요하다.
식 (1)과 (2)에서 정의된 접근도는 지하철교통망의 링크와 시내버스교통망의 링크에서 단순하게 승객의 이동시간을 가중치로 갖는 것을 전제로 하고 있다. 지하철 교통망에서 한 링크에서 이동하는 승객들의 통행량을 고려하는 접근도를 상정하면 그 영향력이 실제로 더 큰 것으로 파악되고 있으므로 이에 대한 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
노드란 무엇인가?
서울 시내 대중교통망은 노드들과 링크들로 구성되는데, 노드는 버스노선상의 버스정류장 또는 지하철 노선상의 지하철역에 해당되고 링크는 버스노선에서 노드와 노드 사이의 연결선과 지하철 노선에서 노드와 노드 사이의 연결선을 의미한다. 인접한 버스정류장과 지하철역은 승객이 도보로 이동하는 링크로 연결하면 서울 시내버스 시스템과 수도권 지하철 시스템이 하나의 통합 교통망을 이루게 된다.
접근성 측정에 적용해 온 지점 간의 거리는 어떤것이 있는가?
하지만 지표공간에서 이동성에 기반을 둔 접근성 측정에 있어 지점 간의 거리는 핵심적 요소이다(Hansen, 1959;Handy and Niemeier, 1997). 접근성 측정에 적용해 온 지점 간의 거리는 교통망의 특성과 연구목적에 따라 교통로의 물리적 거리, 경로거리, 시간거리, 비용거리 등 다양하다(Lee and Lee, 1998; 이금숙 등, 2014). 그중 도시민의 통행과 토지이용에 가장 큰 영향을 미치는 시간거리는 접근성 측정에 빈번히 사용되어 왔다(김소연·이금숙, 2006; 이금숙등, 2010; 2014; 박종수·이금숙, 2015; 2017).
대중교통체계 개선을 위한 여러 노력에도 불구하고 현재의 실정은 어떠한가?
우리나라 인구의 절반 정도가 거주하며 다양한 도시기능이 밀집되어 있는 수도권 지역에서도 1974년 1호선 개통을 시작으로 지속적으로 지하철 노선 및 버스노선을 확충하고 운영체계를 개선하는 등 대중교통체계 개선을 위해 많은 노력을 기울여 오고 있다(이금숙외, 2014). 그러나 이러한 노력에도 불구하고 시민들이 체감하는 교통상황은 여전히 힘들며 일상생활과 관련된 활동장소로의 접근성도 그다지 개선되었다고 느끼지 못하는 실정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.