[논문]서울 공공자전거 신규 대여소를 위한 수요량 예측 분석

김예술; 박시온; 박건웅

doi:10.5351/kjas.2020.36.6.739

서울 공공자전거 신규 대여소를 위한 수요량 예측 분석
Analysis of the Seoul public bikes usage for new rental locations 원문보기

응용통계연구 = The Korean journal of applied statistics, v.33 no.6, 2020년, pp.739 - 751

김예술 (서울시립대학교 통계학과) , 박시온 (서울시립대학교 통계학과) , 박건웅 (서울시립대학교 통계학과)

초록
AI-Helper

서울시는 시민의 건강 증진과 이산화탄소 저감을 통한 저탄소 녹색성장 실현을 목표로 2015년부터 2020년 현재까지 공공자전거 대여소를 확장하고 있다. 매년 공공자전거에 대한 시민들의 접근성과 이용률이 증가하고 있으며, 이에 서울시는 수요와 접근성을 모두 고려한 공공자전거 대여소 신규 입지를 확장하고자 노력하고 있다. 공공자전거 대여소 위치는 주변 지형지물에 영향을 받으며, 수요량은 지역적 특성에 영향을 받으므로 이들을 고려한 신규 대여소 입지를 선정해야 할 필요성이 있다. 따라서 본 연구는 서울시 공공자전거의 새로운 입지 선정을 위하여 2019년 서울시 공공자전거 데이터와 지리정보체계, 대중교통, 인구 등의 데이터를 전처리하여 신규 대여소 거치가 가능한 장소를 선별하고, 랜덤 포레스트를 이용하여 신규 대여소의 이용량을 예측하였다. 이를 바탕으로 평균 경사도, 대중교통과의 거리, 특화 시설과의 거리, 하천과의 거리 등이 자전거 이용량에 영향을 미치는 주요한 요소임을 도출할 수 있었다. 본 결과는 신규 대여소 설치 지역을 결정하는데 객관적인 통계적 지표가 될 것으로 기대한다.

Abstract ▼ AI-Helper

Seoul public bike program facilitates access to bicycles and offers potential for greater mobility and health for users. Furthermore, it would have positive impacts on transport congestion, energy use, and the environment. Hence, it is important to find future rental locations by taking to account both bike-demand and regional imbalance. This paper first finds eligible candidates of rental locations with the required spatial conditions such as a sufficient sidewalk width and accessibility of bike pick-up vehicles. And then, estimates public bike daily usage for each selected location via random forest based on Seoul public bike historical usage, Seoul geographical features, regional characteristics, and populations. This study contributes to a better comprehension of the Seoul public bike program, and would be useful in determining new public bike rental locations.

주제어

표/그림 (9)

표 Table 3.1. Descriptions of considered data sets
그림 Figure 3.1. Examples of Data Preprocessing Procedures.
그림 Figure 3.2. Examples of public bike rental locations with high-level bike usages and different regional characteristics.
그림 Figure 3.3. The average daily bike usages of 1,551 rental locations and their surrounding facilities' distributions.
표 Table 3.2. The characteristics and correlation coefficient of the surrounding facilities (buses and subway usage, the number of floating population, average gradient, and distance between rental location and stream) by the quantile of public bike rental locations use
표 Table 3.3. All 39 variables used in the analysis
표 Table 3.4. The comparison of accuracy between linear regression model and random forest with the K-fold cross validation in terms of root mean square of error
표 Table 3.5. Confusion matrix of linear regression model and random forest classifier with K-fold cross validation in the test data
그림 Table 3.4. Estimated usage of candidates of rental locations in Seoul, and corresponding to 6 candidates of new rental locations (a)–(f) with the top 30% estimated usage and no existing rental location within the 200m radius.

참고문헌 (10)

Breimanm, L. (2001). Random forest, Machine Learning, 45, 5-32.
James, G., Witten, D., Hastie, T., and Tibshirani, R. (2013). An Introduction to Statistical Learning: with Applications in R., Springer, New York.
Jang, J. M., Gim, T. H. T., and Lee, MY. (2016). A study on the Seoul public bikes use characteristics-a case of the districts of Yeouido and Sangam, Seoul Studies, 17, 77-91.
Jung, I. W., Uhm, H. S., and LEE, Y. H. (2018). Demand driven reallocation in bike sharing system, Journal of the Korean Operations Research and Management Science Society, 43, 17-31.

상세보기
Lee, C. H., Jeong, G. O., and Shin, H. C. (2016). Impace analysis of weather condition and locational characteristics on the usage of public bike sharing system, Journal of Korean Society of Transportation, 34, 394-408.

원문보기 상세보기
Lee, E. T. and Son, B. S. (2019). Optimal rebalancing strategy for public bike-sharing system in Seoul, Journal of Korean Society of Transportation, 37, 27-38.

상세보기
Lee, G. H., Lee, S. G., and Cheon, S. H. (2018). An analysis of locational characteristics and business change in the commercially gentrified residential areas in Seoul, Korea, Journal of the Korean Regional Science Association, 34, 31-47.

원문보기 상세보기
Kim, E. M. (2010). Service for bicycle use information based on low carbon green growth, Journal of Korean Society for Geospatial Information Science, 18, 75-81.
Kim, D. J., Shin, H. C., Park, J. S., and Im, H. J. (2012). The impact of weather on bicycle usage-focus on usage of bike-sharing system in Goyang, Journal of Transport Research, 19, 77-88.

상세보기
Yoo, J. E. (2015). Random forest, an alternative data mining technique to decision tree, Journal of Educational Evaluation, 28, 427-448.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증