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
- 혼잡도 완화는 혼잡 비용을 줄이면서 승객의 안전을 도모하는 변수로서 파악될 필요가 있다. 본 연구는 기존 혼잡도 연구인 목측및 단일역사 혼잡도 추정에 한정되어 있는 상황에 대한 한계를 파악하고 AFC기반의 ICT와 관련된 빅데이터 자료인 스마트카드자료를 토대로 모형을 구축하는 방안을 시도하였다.
가설 설정
- 스마트카드자료에는 승하차시간이 저장되기 때문에 승객들의 이동 패턴과 배차간격을 고려하여 승강장에 서의 이동 및 대기시간을 추정할 수 있다. 게이트 진입에서 승차시간은 3분이고 하차에서 게이트 진출은 1분으로 가정하였다. 환승역 간 환승시간은 환승역간 거리를 평균 통행시간으로 환산하여 적용하였다.
- 승객 통행배정모형은 승차역에서 하차역까지 최소통행시간 경로를 선택하는 가정으로 구축하였다. 개별 승객들은 최소통행시간 경로를 선택하며, 지하철 혼잡도를 고려하면 목적함수를 Eq.
- 예를 들어 노선 승객이 지하철 게이트에서 12시 정각에 Tag-in하면 승강장 도착시각은 12시 3분이며, 대기시간 3분을 적용하여 12시 6분에 승차한다고 가정한다. 하차통행의 경우 1분을 대기하고 게이트에서 Tag-out 이동한다고 가정한다. 환승통행의 경우 경로선택모형을 적용하여 분석역사에서 노선간 환승거리자료를 기반으로 평균 보행 통행속도(1.
제안 방법
- 첫째, 지하철 전체 승객의 시간대별 통행궤적을 파악하여 집중 및 분산되는 수요를 1분 단위로 동적 혼잡도를 추정한다. 둘째, 철도 승강장 수요를 역사환승통행및 직승직하통행, 노선간 환승통행으로 구분하여 개별 역사의 승강장 혼잡도를 예측한다. 마지막으로 기존 연구들이 교통수단 또는 교통시설에 한정되어서 혼잡도를 분석한 것과 달리 본 연구에서는 교통수단과 교통 시설 이용객의 혼잡도를 동시에 분석한다.
- 승강장 혼잡도에 영향을 미치는 주요 변수는 통행량, 승강장 실용대기면적이며, 기타 노선 간 환승 거리 등도 영향을 미칠 수 있다. 따라서 지하철 역사별 통행 특성을 고려하고, 구조 특성을 조사하여 승강장 혼잡도를 산정하였다.
- 여기 에서 ‘동적’이란 용어는 스마트카드자료를 활용하여 모든 지하철 이용자가 움직이는 시간대별 궤적을 파악 하여 집중 및 분산되는 수요를 1분 단위로 추정하는 동적 통행이동모형으로 시간대별 통행량과 혼잡도 변화 양상을 추정하는 것을 의미한다. 또한 지하철 역사 승강장 수요를 역사 환승통행, 자체역사 직승직하 이용통행, 노선간 환승통행으로 구분하여 개별 역사의 승강장 혼잡도를 추정하였다.
- 둘째, 철도 승강장 수요를 역사환승통행및 직승직하통행, 노선간 환승통행으로 구분하여 개별 역사의 승강장 혼잡도를 예측한다. 마지막으로 기존 연구들이 교통수단 또는 교통시설에 한정되어서 혼잡도를 분석한 것과 달리 본 연구에서는 교통수단과 교통 시설 이용객의 혼잡도를 동시에 분석한다.
- 모형은 동적으로 승객 흐름 파악하고 승강장에서 나타나는 현상을 노선간환승, 노선 도착·출발로 나타나는 역사환승 및 직승직하 통행으로 구분하여 최적의 유사경로를 선택하는 모형으로 구축하였다.
- 승강장 혼잡도를 파악하기 위하여 기존에 제안된 실용대기면적에서 승객의 집중도를 산정하는 수식을 제안하였다. 사례연구를 통해 1분 단위 승객의 동적흐름을 재현하고 수도권 전체 지하철 네트워크에서 나타나는 승객 흐름을 구현하였으며, 승강장 별로 승객의 이동특성을 파악하는 방안도 제시하였다. 그리고 본 연구를 통해 단일역사의 승객이동, 노선별 승객이동, 환승역사 통행실태, 승객의 동적 승강장 이용실태 등 다양한 관점의 결과가 도출될 수 있음을 예시하였다.
- (2014)은 승객 OD분석 통해 서울시 지하철 최대 혼잡구간인 2 호선 외선구간(사당~삼성)의 혼잡도 추정하고 통행 수요관리정책을 제시하였다. 삼성역 이전 목적지 승객과 삼성역 이후 목적지를 가진 승객의 수요를 분리 유도하기 위해 기존 순환선과 삼성역까지 운행하는 단절운행 열차를 혼합으로 운행하는 대안을 제안하였다. 그러나 2호선 일부구간의 혼잡도를 분석 연구로서 분석사 례가 제한적이며, 단절운행열차의 도입으로 인해 순환선 승객의 대기시간 증대 및 통행시간 증가에 따른 불편함이 예상된다.
- 둘째, 승객 통행유형을 고려하여 승강장 내 통행량을 추정한다. 셋째, 승강장별 실용대기면적을 나누어 혼잡도를 추정한다.
- 알고리즘은 환승역 여부와 승강장 구조 등의 역사정보, 개별 승하차 자료, 이력 OD자료, 이력 환승자료를 바탕으로 방향별 누적승강 장유입인원을 계산하고 역별 열차출발시간정보를 토대로 승강장 대기인원을 산정하였다. 승강장 대기공간은 실제역사의 실용대기면적을 그대로 반영하였고, 방향별 승강장 혼잡도는 실제 승강장 대기공간 수용가능인원 대비 추정된 승강장 대기인원으로 계산하였다. 그러나 혼잡도 분석에서 단일역사에 한정하였고 승하차 승객만 고려하고 환승 역사 내 환승 대기인원을 고려하지 못한 한계가 있다.
- 모형은 동적으로 승객 흐름 파악하고 승강장에서 나타나는 현상을 노선간환승, 노선 도착·출발로 나타나는 역사환승 및 직승직하 통행으로 구분하여 최적의 유사경로를 선택하는 모형으로 구축하였다. 승강장 혼잡도를 파악하기 위하여 기존에 제안된 실용대기면적에서 승객의 집중도를 산정하는 수식을 제안하였다. 사례연구를 통해 1분 단위 승객의 동적흐름을 재현하고 수도권 전체 지하철 네트워크에서 나타나는 승객 흐름을 구현하였으며, 승강장 별로 승객의 이동특성을 파악하는 방안도 제시하였다.
- Lee and Choi(2015)는 지하철 승강장의 시간대별 혼잡도를 추정하는 알고리즘을 개발하였다. 알고리즘은 환승역 여부와 승강장 구조 등의 역사정보, 개별 승하차 자료, 이력 OD자료, 이력 환승자료를 바탕으로 방향별 누적승강 장유입인원을 계산하고 역별 열차출발시간정보를 토대로 승강장 대기인원을 산정하였다. 승강장 대기공간은 실제역사의 실용대기면적을 그대로 반영하였고, 방향별 승강장 혼잡도는 실제 승강장 대기공간 수용가능인원 대비 추정된 승강장 대기인원으로 계산하였다.
- (2017)은 통행시간손실에 상응하는 철도 승객의 혼잡비용 추정방법론은 제시하고 경로선택 선호도 분석체계를 구축하였다. 여기서 이용수요, 열차위치정보, 입석밀도, 좌석착석 확률 등 관련정보를 이용하여 열차 내 혼잡도 변화를 측정하였다. 이 연구 또한 역사 내 승강장의 혼잡도를 반영하지 못한 한계가 있다.
- 승강장 혼잡도 기준은 Urban Railway Station and Transfer and Convenience Facilities Design Guidelines(2015) 를 준용하였다. 이 지침서는 투자재원의 효율성과 사회적ㆍ경제적인 측면을 고려하여 적정한 수준에서 보행 시설을 설계하도록 제안하고 있어 이를 이용하여 지하철 승강장 혼잡도와 서비스 수준을 분석한다. 마지막 으로 지하철 승강장 동적 혼잡도 모형이 다방면으로 활용할 수 있는 방안을 제시한다.
- 지하철 승강장 동적 혼잡도 추정 단계는 다음과 같은 3단계를 거친다. 첫째, 스마트카드자료를 기반으로 1 분 단위 통행량을 산출하고, 배차간격을 고려하여 승객 통행량을 산출한다. 둘째, 승객 통행유형을 고려하여 승강장 내 통행량을 추정한다.
- 첫째, 승강장 내의 구조물로 인해 승객이 활용하지 못하는 공간을 ‘활용 불가 공간’으로 설정하였다.
- 본 연구는 선행연구와 다음과 같은 차별성이 있다. 첫째, 지하철 전체 승객의 시간대별 통행궤적을 파악하여 집중 및 분산되는 수요를 1분 단위로 동적 혼잡도를 추정한다. 둘째, 철도 승강장 수요를 역사환승통행및 직승직하통행, 노선간 환승통행으로 구분하여 개별 역사의 승강장 혼잡도를 예측한다.
- 특히 본 연구는 승강장 혼잡도 분석, 운영, 설계 3가지 측면에서 다양한 활용방안에 대해 근간을 이룰 수있는 모형을 구축하였다. 승강장 동적 혼잡도 모형의 활용방안은 다음과 같다.
- 게이트 진입에서 승차시간은 3분이고 하차에서 게이트 진출은 1분으로 가정하였다. 환승역 간 환승시간은 환승역간 거리를 평균 통행시간으로 환산하여 적용하였다. 예를 들어 노선 승객이 지하철 게이트에서 12시 정각에 Tag-in하면 승강장 도착시각은 12시 3분이며, 대기시간 3분을 적용하여 12시 6분에 승차한다고 가정한다.
대상 데이터
- 환승은 역사 내에서 발생하는 방향별 환승비용자료를 구축하였으며, 9호선 급행 포함 93개 역에서 환승이 나타나도록 구축하였다. 노선별 배차간격은 최근 건설된 경강선, 경전철 등의 자료도 적용하였다.
- 먼저 지하철 역사는 노드로 표지되고 스마트카드단말기 번호와 역명 정보 등이 포함된 총 674개로 구성된다. 링크는 지하철 노선과 동일하게 연결시켰으며, 9호선 급행의 가상링크를 포함하여 총 1,332개로 구성 하였다. 환승은 역사 내에서 발생하는 방향별 환승비용자료를 구축하였으며, 9호선 급행 포함 93개 역에서 환승이 나타나도록 구축하였다.
- 본 연구는 수도권 지하철 승강장의 혼잡도를 동적으로 추정하기 위해 스마트카드자료를 활용하였다. 여기 에서 ‘동적’이란 용어는 스마트카드자료를 활용하여 모든 지하철 이용자가 움직이는 시간대별 궤적을 파악 하여 집중 및 분산되는 수요를 1분 단위로 추정하는 동적 통행이동모형으로 시간대별 통행량과 혼잡도 변화 양상을 추정하는 것을 의미한다.
- 본 연구의 최적경로선택 모형을 검증하기 위해 민자환승 스마트카드자료를 활용하였다. 민자 환승자료는 승객의 이동 집계 및 요금 정산을 위해 기록되며, 민자노선을 경유할 때 추가로 환승 태그 정보가 저장되기 때문에 승객의 통행 경로를 추정하는 데 검증 데이터로 활용 가능하다.
- 수도권 지하철 통행 분석을 위해 서울, 경기, 인천을 포함하는 2016년 10월 기준 수도권 물리적 네트워크를 구축하였다. 먼저 지하철 역사는 노드로 표지되고 스마트카드단말기 번호와 역명 정보 등이 포함된 총 674개로 구성된다.
- 스마트카드자료는 2016년 10월 17일 수도권 승객 1일 자료를 활용하였다. 통행사슬은 9,089,620건이고 승하차시간이 존재하지 않는 1회권은 제외시켜 8,947,636건(98.
- 링크는 지하철 노선과 동일하게 연결시켰으며, 9호선 급행의 가상링크를 포함하여 총 1,332개로 구성 하였다. 환승은 역사 내에서 발생하는 방향별 환승비용자료를 구축하였으며, 9호선 급행 포함 93개 역에서 환승이 나타나도록 구축하였다. 노선별 배차간격은 최근 건설된 경강선, 경전철 등의 자료도 적용하였다.
이론/모형
- 승강장 혼잡도 기준은 Urban Railway Station and Transfer and Convenience Facilities Design Guidelines(2015) 를 준용하였다. 이 지침서는 투자재원의 효율성과 사회적ㆍ경제적인 측면을 고려하여 적정한 수준에서 보행 시설을 설계하도록 제안하고 있어 이를 이용하여 지하철 승강장 혼잡도와 서비스 수준을 분석한다.
성능/효과
- 2호선 승강장에 대해 가장 혼잡한 시간에 서비스 수준을 분석한 결과 내ㆍ외선 방향 구분 없이 동대문역 사문화공원역에서 LOS E로 서비스 수준이 가장 낮았다. 또한 사업체와 여가 시설이 집중되어 있는 강남에서 역삼까지는 외선 구간에서 LOS E로 서비스 수준이 낮았다.
- 검증 결과 민자 환승자료상 승객 경로가 첫 번째 최적 경로에서 탐지된 비율이 79.82%, 나머지 유사한 경로까지 탐지된 비율이 19.48%로 대부분(99.3%)이 탐지되었다. 최적 경로 선택 알고리즘의 경로 탐색 결과와 실제 사용자의 통행 경로가 대부분 일치하고 있어 모형이 현실을 충분히 묘사하고 있다고 판단된다.
- 사례연구를 통해 1분 단위 승객의 동적흐름을 재현하고 수도권 전체 지하철 네트워크에서 나타나는 승객 흐름을 구현하였으며, 승강장 별로 승객의 이동특성을 파악하는 방안도 제시하였다. 그리고 본 연구를 통해 단일역사의 승객이동, 노선별 승객이동, 환승역사 통행실태, 승객의 동적 승강장 이용실태 등 다양한 관점의 결과가 도출될 수 있음을 예시하였다.
- 3%)이 탐지되었다. 최적 경로 선택 알고리즘의 경로 탐색 결과와 실제 사용자의 통행 경로가 대부분 일치하고 있어 모형이 현실을 충분히 묘사하고 있다고 판단된다.
- 승강장 구조 면적은 전체 평균보다 넓은 편이지만 통행량이 매우 많아 향후 개선이 필요할 것으로 판단된다. 충무로역은 출근 첨두시간 최대 통행량이 1,041명으로 많은 편인 반면 승강장 면적은 전체 평균보다 좁아 LOS E로 분석되었다. 사당역과 서울역은 출근 첨두시간 최대통행량이 각각 1,038명, 1,092명으로 비슷한 수준을 보이며, 승강장 면적도 전체 평균과 유사하여 두 역사 모두 LOS D를 보인다.
후속연구
- 여기서, 조절변수(αJS )는 역사 및 승강장별 승강장 형태가 다양하므로 이를 반영하기 위한 변수이다. 그러나 조절변수를 반영하려면 모든 승강장 유형 및 형태별 전수조사자료를 이용하여 변수를 추정해야하지만 관련 자료 부재로 본 연구에는 반영하지 못하였다.
- 첫째, 분석 측면에서는 혼잡도 추정의 시공간적인 제약이 없기 때문에 혼잡도 변화에 대한 장기간 분석이 가능하고 지역별ㆍ노선별 지하철 혼잡도 평가에 활용이 가능하다. 둘째, 운영 측면에서는 승객에게 혼잡도 정보를 실시간 및 예측 정보를 제공함으로서, 승객 스스로가 혼잡 시간을 피하거나, 경로 변경을 통해 초기 단계의 혼잡도를 개선 대응 책으로 활용할 수 있을 것이다. 또한 열차 스케쥴 조정 및 추가 투입 등을 혼잡 완화 대응자료로 활용할 수있다.
- 둘째, 운영 측면에서는 승객에게 혼잡도 정보를 실시간 및 예측 정보를 제공함으로서, 승객 스스로가 혼잡 시간을 피하거나, 경로 변경을 통해 초기 단계의 혼잡도를 개선 대응 책으로 활용할 수 있을 것이다. 또한 열차 스케쥴 조정 및 추가 투입 등을 혼잡 완화 대응자료로 활용할 수있다. 셋째, 설계 측면에서는 실시간 통행량 정보를 토대로 산출 때문에 승강장 구조 설계 및 변경에 활용할수 있다.
- 더불어 보행시설 승객의 동적 흐름을 파악하기 위해 1분 분석단위가 필요하다. 또한 환승역에서 환승승객의 경로선택 알고리즘을 적용하여 열차와 승강장 혼잡도를 동시에 추정하는 연구가 병행되어야한다.
- 이 지침서는 투자재원의 효율성과 사회적ㆍ경제적인 측면을 고려하여 적정한 수준에서 보행 시설을 설계하도록 제안하고 있어 이를 이용하여 지하철 승강장 혼잡도와 서비스 수준을 분석한다. 마지막 으로 지하철 승강장 동적 혼잡도 모형이 다방면으로 활용할 수 있는 방안을 제시한다.
- 또한 열차 스케쥴 조정 및 추가 투입 등을 혼잡 완화 대응자료로 활용할 수있다. 셋째, 설계 측면에서는 실시간 통행량 정보를 토대로 산출 때문에 승강장 구조 설계 및 변경에 활용할수 있다. 또한 긴급 상황에 대비하여 대피 공간 및 대피 경로 설계 등에 활용할 수 있다.
- 동대문역사문화공원역은 수도권 도시철도 역사 중 가장 혼잡한 역사 중 하나로서 최대통행량이 1,528 명에 이른다. 승강장 구조 면적은 전체 평균보다 넓은 편이지만 통행량이 매우 많아 향후 개선이 필요할 것으로 판단된다. 충무로역은 출근 첨두시간 최대 통행량이 1,041명으로 많은 편인 반면 승강장 면적은 전체 평균보다 좁아 LOS E로 분석되었다.
- 승강장 동적 혼잡도 모형의 활용방안은 다음과 같다. 첫째, 분석 측면에서는 혼잡도 추정의 시공간적인 제약이 없기 때문에 혼잡도 변화에 대한 장기간 분석이 가능하고 지역별ㆍ노선별 지하철 혼잡도 평가에 활용이 가능하다. 둘째, 운영 측면에서는 승객에게 혼잡도 정보를 실시간 및 예측 정보를 제공함으로서, 승객 스스로가 혼잡 시간을 피하거나, 경로 변경을 통해 초기 단계의 혼잡도를 개선 대응 책으로 활용할 수 있을 것이다.
- 을지로3가역과 연신내역의 경우 승강장 면적이 평균 대비 60% 수준에 불과하지만 통행량이 상대적으로 적어 LOS D를 보이고 있다. 향후 통행 량이 많아질 경우 승강장 구조 개선의 여지가 필요할 것으로 판단된다. 고속터미널역의 최대 통행량은 969 명으로 많은 반면, 승강장 면적이 평균 대비 1.
- 또한 긴급 상황에 대비하여 대피 공간 및 대피 경로 설계 등에 활용할 수 있다. 향후과제로는 승강장 혼잡도를 보다 정확히 추정하기 위해 열차스케줄, 실시간 정보, 가변수요, 날씨 등 다양한 변수들을 반영한 연구가 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.