본 연구는 코로나19가 도로 교통수요(평균 일교통량)에 미치는 영향을 분석하고자 하였다. 코로나19로 인한 평균 일교통량 변화를 분석하기 위해 2019년과 2020년 1~5월까지의 상시 교통량 조사자료를 이용하였다. 국내 첫 감염자가 2020년 1월 20일에 발생하였고, 2월 29일에 1일 최대 감염자수인 909명을 기록하였으며, 4월 30일 4명으로 감소하였기 때문이다. 코로나19 발생으로 인해 평균 일교통량은 전년 동기 대비 3.3% 감소한 것으로 분석된다. 최근 10년 동안 교통량이 연평균 2.3% 증가한 점을 고려할 때, 이번 코로나로 인한 실질적인 평균 일교통량 감소는 5.6%(3.3% + 2.3%)로 추정된다. 주중보다는 주말의 평균 일교통량이 상대적으로 크게 감소한 것으로 나타난다. 도로 유형별 변화를 분석해 보면, 도시부 도로 -4.6%, 지방부 도로 -3.2%, 관광부 도로 -0.7%로 분석된다. 도시부 도로가 가장 크게 감소하였으며, 관광부 도로가 가장 적게 감소한 것으로 분석된다.
본 연구는 코로나19가 도로 교통수요(평균 일교통량)에 미치는 영향을 분석하고자 하였다. 코로나19로 인한 평균 일교통량 변화를 분석하기 위해 2019년과 2020년 1~5월까지의 상시 교통량 조사자료를 이용하였다. 국내 첫 감염자가 2020년 1월 20일에 발생하였고, 2월 29일에 1일 최대 감염자수인 909명을 기록하였으며, 4월 30일 4명으로 감소하였기 때문이다. 코로나19 발생으로 인해 평균 일교통량은 전년 동기 대비 3.3% 감소한 것으로 분석된다. 최근 10년 동안 교통량이 연평균 2.3% 증가한 점을 고려할 때, 이번 코로나로 인한 실질적인 평균 일교통량 감소는 5.6%(3.3% + 2.3%)로 추정된다. 주중보다는 주말의 평균 일교통량이 상대적으로 크게 감소한 것으로 나타난다. 도로 유형별 변화를 분석해 보면, 도시부 도로 -4.6%, 지방부 도로 -3.2%, 관광부 도로 -0.7%로 분석된다. 도시부 도로가 가장 크게 감소하였으며, 관광부 도로가 가장 적게 감소한 것으로 분석된다.
This study examined the impact of COVID-19 on traffic demand (Average Daily Traffic : ADT) by analyzing the available data on highway traffic volume and the spread of COVID-19 cases in Korea. This study used the data from 228 permanent traffic counts (PTCs) on highways from January to May of 2019 an...
This study examined the impact of COVID-19 on traffic demand (Average Daily Traffic : ADT) by analyzing the available data on highway traffic volume and the spread of COVID-19 cases in Korea. This study used the data from 228 permanent traffic counts (PTCs) on highways from January to May of 2019 and 2020 to analyze the change in ADT. The first cases of infection in Korea occurred on January 20, 2020, and the maximum daily number of infections was 909 on February 29. On April 30, 2020, the daily number of infections decreased to four. The ADT decreased by 3.3% due to the impact of COVID-19. Considering that the traffic volume has increased 2.3% annually over the past decade, the actual decrease in ADT due to the COVID-19 is estimated to be 5.6% (3.3% + 2.3%). The ADT for weekends decreased significantly, compared to during the week. An analysis of the changes in ADT according to the road type revealed decreases in the following: urban roads -4.6%, rural roads -3.2%, and recreational roads -0.7%. Urban roads decreased the most, and tourist roads decreased the least.
This study examined the impact of COVID-19 on traffic demand (Average Daily Traffic : ADT) by analyzing the available data on highway traffic volume and the spread of COVID-19 cases in Korea. This study used the data from 228 permanent traffic counts (PTCs) on highways from January to May of 2019 and 2020 to analyze the change in ADT. The first cases of infection in Korea occurred on January 20, 2020, and the maximum daily number of infections was 909 on February 29. On April 30, 2020, the daily number of infections decreased to four. The ADT decreased by 3.3% due to the impact of COVID-19. Considering that the traffic volume has increased 2.3% annually over the past decade, the actual decrease in ADT due to the COVID-19 is estimated to be 5.6% (3.3% + 2.3%). The ADT for weekends decreased significantly, compared to during the week. An analysis of the changes in ADT according to the road type revealed decreases in the following: urban roads -4.6%, rural roads -3.2%, and recreational roads -0.7%. Urban roads decreased the most, and tourist roads decreased the least.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
소재 지역에 따라서는 도시부, 지방부 등으로 구분한다. 본 연구는 코로나19 발생으로 인한 교통수요 변화 분석이 목적이기 때문에, 토지 이용 및 이용자 행태와 밀접한 관련이 있을 것으로 판단되는 소재 지역에 따라 도로를 분류하였다. 토지이용 특성과 교통 특성은 밀접한 관련이 있기 때문에, 도로의 지역 특성과 교통 특성은 관련성이 크다.
K-평균 군집분석은 교통 변수를 기준으로 상대적으로 동질적인 교통 특성을 갖는 도로를 구별할 수 있다. 본 연구에서는 도시부 도로, 지방부 도로, 관광부도로로 구분하기 위해 군집의 수를 3개로 설정하였다.
따라서 일별 감염자 수와 일별 교통량 변화 간 상관관계 분석은 의미가 없다. 본 연구에서는 이러한 한계를 극복하기 위해 월 단위의 자료를 기초로 상관관계를 분석하였다. 월별 감염자 수와 월별 ADT 변화율 간 상관관계를 분석하였다.
2020년 현재 코로나19는 정치, 사회, 경제, 교육 등 국민 생활 전반에 막대한 영향을 끼치고 있다. 본 연구에서는 코로나19가 교통 부문에 미치는 영향, 특히 도로 교통수요에 미치는 영향을 분석하고자 하였다. 코로나19가 도로 교통수요에 적지 않은 영향을 끼칠 것으로 판단했으며, 이러한 수요 변화에 대한 정확한 분석은 교통관리 등 교통정책 수립에 기여할 수 있다고 판단했기 때문이다.
이러한 교통수요 변화에 대한 분석은 교통관리를 포함한 교통정책 수립 측면에서 중요하다. 이러한 배경 하에, 본 연구에서는 코로나19가 도로 교통수요에 미치는 영향을 분석하고자 하였다. 코로나19 발생 시점 - 대유행 기간 - 안정화 기간을 거치는 동안 교통수요가 어떻게 변화되었는지를 분석하는 것이 본 연구의 주된 목적이다.
교통수요 변화에 대한 정확한 추정 또는 예측은 효율적인 교통정책을 수립하는데 매우 중요하다. 이에 본 연구에서는 코로나19가 도로 교통수요에 미치는 영향을 분석하여, 효율적인 교통정책을 수립하는데 기여하고자 한다. 코로나19 발생 추이에 따른 교통수요 변화 추이, 지역별 교통수요 변화 추이, 토지 이용 특성과 관련성이 있는 도로 특성에 따른 교통수요 변화 추이를 분석하였다.
이러한 배경 하에, 본 연구에서는 코로나19가 도로 교통수요에 미치는 영향을 분석하고자 하였다. 코로나19 발생 시점 - 대유행 기간 - 안정화 기간을 거치는 동안 교통수요가 어떻게 변화되었는지를 분석하는 것이 본 연구의 주된 목적이다. 본 연구 결과는 향후 코로나19와 같은 감염병 발생시 교통수요 변화를 예측하고, 관련 교통정책을 수립하는데 기여할 수 있을 것으로 판단된다.
가설 설정
코로나19가 교통수요, 교통 패턴, 교퉁 수단에 전반적으로 영향을 미쳤을 것으로 가정하여 변수를 선정하였다. 기본적으로 교통수요 감소를 가정하여 설계시간계수(K30)를 변수로 선정하였다. 코로나 19로 인해 개인 교통이 증가하고, 대중교통과 화물교통은 감소하였을 것으로 가정하여 차종 구성비를 변수로 선정하였다.
코로나 19로 인해 개인 교통이 증가하고, 대중교통과 화물교통은 감소하였을 것으로 가정하여 차종 구성비를 변수로 선정하였다. 선택의 여지가 크지 않은 출퇴근 통행은 수요 변화가 적은 반면, 그 이외의 통행은 크게 감소하였을 것으로 가정하여 주간 교통량 비율과 첨두율을 변수로 선정하였다. 코로나19 감염 우려로 인해 관광 통행이 크게 감소하였을 것으로 가정하여 일요일계수와 휴가철계수를 변수로 선정하였다.
기본적으로 교통수요 감소를 가정하여 설계시간계수(K30)를 변수로 선정하였다. 코로나 19로 인해 개인 교통이 증가하고, 대중교통과 화물교통은 감소하였을 것으로 가정하여 차종 구성비를 변수로 선정하였다. 선택의 여지가 크지 않은 출퇴근 통행은 수요 변화가 적은 반면, 그 이외의 통행은 크게 감소하였을 것으로 가정하여 주간 교통량 비율과 첨두율을 변수로 선정하였다.
선택의 여지가 크지 않은 출퇴근 통행은 수요 변화가 적은 반면, 그 이외의 통행은 크게 감소하였을 것으로 가정하여 주간 교통량 비율과 첨두율을 변수로 선정하였다. 코로나19 감염 우려로 인해 관광 통행이 크게 감소하였을 것으로 가정하여 일요일계수와 휴가철계수를 변수로 선정하였다.
사용된 변수는 설계시간 계수(K30, %), 승용차 비율(%), 버스 비율(%), 트럭 비율(%), 주간 교통량 비율(%), 첨두율(%), 일요일 계수, 휴가철 계수이다. 코로나19가 교통수요, 교통 패턴, 교퉁 수단에 전반적으로 영향을 미쳤을 것으로 가정하여 변수를 선정하였다. 기본적으로 교통수요 감소를 가정하여 설계시간계수(K30)를 변수로 선정하였다.
제안 방법
교통수요 변화와 상관성이 있을 것으로 판단되는 코로나19 관련 변수로서 1일 감염자수, 발생 지역, 요일(주중/주말), 도로 특성 등을 고려하여 분석하였다. 본 논문에서 교통수요는 도로에서 관측된 평균 일교통량(Average Daily Traffic : ADT)을 의미한다.
도로 특성에 따라 코로나19 발생으로 인한 교통수요 변화가 달리 나타날 것이라는 판단 하에 도로 특성에 따른 ADT 변화를 분석하였다. 이를 위해 분석 대상 도로를 교통 특성에 따라 유형별로 분류하였다.
‘사회적 거리두기’는 3월 22일부터 4월 19일까지 처음 시행되었고, 4월 20일부터 5월 5일까지 ‘완화된 거리두기’로 시행되었으며, 코로나19 감염이 안정화 추세로 접어든 5월 5일부터는 ‘생활 속 거리두기’로 전환되었다. 본 연구에서는 코로나19가 교통수요에 미치는 영향을 분석하기 위해 코로나19 최초 발생 시점(1월), 대유행 기간(2~3월), 감소 기간(3~4월), 안정화 기간(5월)을 포함하여 교통량 변화를 분석하였다. 또한, 코로나19 감염자 수가 크게 감소한 4월 이후 관광시즌(5월)에 교통수요가 어떻게 변화되었는지를 분석하는 것도 의미가 있다고 판단되어, 분석기간을 2020년 1월 ~ 5월까지로 설정하였다.
228개 상시조자 지점에서 2019년도에 조사된 교통자료가 군집분석에 사용되었다. 사용된 변수는 설계시간 계수(K30, %), 승용차 비율(%), 버스 비율(%), 트럭 비율(%), 주간 교통량 비율(%), 첨두율(%), 일요일 계수, 휴가철 계수이다. 코로나19가 교통수요, 교통 패턴, 교퉁 수단에 전반적으로 영향을 미쳤을 것으로 가정하여 변수를 선정하였다.
본 연구에서는 이러한 한계를 극복하기 위해 월 단위의 자료를 기초로 상관관계를 분석하였다. 월별 감염자 수와 월별 ADT 변화율 간 상관관계를 분석하였다. 상관관계 분석은 공간적 분석과 시계열 분석으로 구분하였는데, 공간적 분석은 ‘지역별 감염자 수’와 ‘지역별 ADT 변화율’ 간 상관관계이며, 시계열 분석은 ‘월별 감염자 수’와 ‘월별 ADT 변화율’ 간 상관관계 분석이다.
도로 특성에 따라 코로나19 발생으로 인한 교통수요 변화가 달리 나타날 것이라는 판단 하에 도로 특성에 따른 ADT 변화를 분석하였다. 이를 위해 분석 대상 도로를 교통 특성에 따라 유형별로 분류하였다. 우리나라에서는 몇 가지 기준에 따라 도로를 분류하고 있다.
코로나19가 발생하지 않은 2019년 1~5월 교통량과 코로나19가 발생한 2020년 1~5월 교통량을 비교 분석하였다. 전년 동기 대비 교통수요 변화를 분석하되, 코로나19로 인한 변화만 반영하기 위해 법정 공휴일(신정, 설날, 삼일절, 국회의원 선거일, 부처님오신날, 어린이날) 기간은 제외하고 분석하였다.
코로나19 감염자 수가 교통수요 변화에 미치는 영향을 분석하기 위해 코로나19 감염자 수와 ADT 변화율간 상관관계를 분석하였다. 정부에서는 1일 단위로 전 날의 코로나19 감염자 수를 지역별로 집계하여 발표한다.
이에 본 연구에서는 코로나19가 도로 교통수요에 미치는 영향을 분석하여, 효율적인 교통정책을 수립하는데 기여하고자 한다. 코로나19 발생 추이에 따른 교통수요 변화 추이, 지역별 교통수요 변화 추이, 토지 이용 특성과 관련성이 있는 도로 특성에 따른 교통수요 변화 추이를 분석하였다.
또한, 코로나19 감염자 수가 크게 감소한 4월 이후 관광시즌(5월)에 교통수요가 어떻게 변화되었는지를 분석하는 것도 의미가 있다고 판단되어, 분석기간을 2020년 1월 ~ 5월까지로 설정하였다. 코로나19가 발생하지 않은 2019년 1~5월 교통량과 코로나19가 발생한 2020년 1~5월 교통량을 비교 분석하였다. 전년 동기 대비 교통수요 변화를 분석하되, 코로나19로 인한 변화만 반영하기 위해 법정 공휴일(신정, 설날, 삼일절, 국회의원 선거일, 부처님오신날, 어린이날) 기간은 제외하고 분석하였다.
코로나19로 인한 교통수요 변화를 분석하기 위해서 실제 관측된 교통량을 비교 분석하였다. 교통수요를 간접적인 방법으로 추정하여 비교할 수도 있겠으나, 관측 교통량을 비교하는 것이 교통수요 변화를 보다 정확하게 분석할 수 있다고 판단했기 때문이다.
대상 데이터
228개 상시조자 지점에서 2019년도에 조사된 교통자료가 군집분석에 사용되었다. 사용된 변수는 설계시간 계수(K30, %), 승용차 비율(%), 버스 비율(%), 트럭 비율(%), 주간 교통량 비율(%), 첨두율(%), 일요일 계수, 휴가철 계수이다.
본 연구에서는 코로나19가 교통수요에 미치는 영향을 분석하기 위해 코로나19 최초 발생 시점(1월), 대유행 기간(2~3월), 감소 기간(3~4월), 안정화 기간(5월)을 포함하여 교통량 변화를 분석하였다. 또한, 코로나19 감염자 수가 크게 감소한 4월 이후 관광시즌(5월)에 교통수요가 어떻게 변화되었는지를 분석하는 것도 의미가 있다고 판단되어, 분석기간을 2020년 1월 ~ 5월까지로 설정하였다. 코로나19가 발생하지 않은 2019년 1~5월 교통량과 코로나19가 발생한 2020년 1~5월 교통량을 비교 분석하였다.
kr)을 통해 교통량 조사 자료를 제공하고 있다. 이 중 본 연구에서 사용된 자료는 일반국도 상시 교통량 조사자료(permanent traffic counts, PTCs)이다. 매설식 교통량 센서(루프, 피에조)를 이용해 실시간으로 측정한 교통량 자료이다.
군집분석 방법으로는 K-평균 군집분석 방법을 적용하였다. K-평균 군집분석은 교통 변수를 기준으로 상대적으로 동질적인 교통 특성을 갖는 도로를 구별할 수 있다.
, 2007). 본 연구에서도 FHWA의 Traffic Monitoring Guide(2001)에서 제시하는 군집분석을 통해 분석 대상 도로를 분류하였다.
성능/효과
Kim and Cho(2016)은 재난 유형별로 발생하는 관광 피해의 정도와 영향 기간을 연구하였다. SARS, MERS 등 감염성 질병의 경우 사람의 이동을 기반으로 하여 급속히 확산될 수 있기에 관광시장에 주는 부정적 영향은 다른 재난에 비해 그 정도가 큰 것으로 분석되었다.
공간적 분석과 시계열 분석을 종합해 보면, 코로나19 감염자 수의 공간적(지역적) 분포 차이는 ADT 변화에 영향을 미치지 않는 반면, 감염자 수의 시계열적 변화 추이는 ADT 변화에 크게 영향을 미치는 것으로 분석된다. 감염자 수의 시계열 변화 추이는 통계적으로 강한 상관성을 갖는 것으로 분석됨에 따라, 감염자 수가 “0”에 가까워질 경우 교통수요는 크게 증가할 것으로 예상된다.
교통수요가 휴일에 집중되고, 관광지 인근에 위치한 도로로 판단된다. 군집 분석 결과를 종합해 보면, 그룹 1은 도시부 도로, 그룹 2는 지방부 도로, 그룹 3은 관광부 도로로 판단된다.
3%)로 추정된다. 시계열적으로 분석해 본 결과, 1일 감염자 수 추이와 ADT 감소량은 상관성이 큰 것으로 분석된다. 주중보다는 주말 ADT가 상대적으로 크게 감소한 것으로 나타난다.
월별로 분석한 결과에서도 상관계수가 –0.815(전남)~-0.469(강원)로 나타나, 코로나19 감염자 수에 비례해서 ADT가 감소하는 것을 알 수 있다.
월별로 분석해 보면, 전체적으로 코로나19 감염자 수가 급증한 3월과 4월에 ADT 감소가 큰 것으로 분석된다. 도시부 도로의 3월 ADT 변화가 –7.
전체적으로는 경남 지역의 ADT가 가장 크게 감소하였으며, 충남 지역의 토요일 ADT 변화가 –7.0%로 가장 큰 것으로 분석된다.
코로나19 감염자 수가 ADT 변화에 미치는 영향 분석 결과를 종합해 볼 때, 감염자 수의 공간적(지역적) 분포 차이는 관련성이 적고, 감염자 수의 시계열적 변화 추이와 도로 특성(유형)과는 관련성이 큰 것으로 분석된다. 타 지역에 비해서 감염자 수가 적다고 해서 교통수요가 적게 감소하고, 감염자 수가 많다고 해서 교통수요가 크게 감소하는 게 아닌 것으로 해석된다.
코로나19 발생으로 인한 ADT 변화를 지역별 월별로 분석해 보면, 월별로는 2월과 3월의 ADT 감소가 크고, 지역별로는 경상도와 충청도의 감소가 큰 것으로 분석된다. 경상도 지역의 ADT 감소가 크게 나타난 것은 2월 중순 이후 경상도 지역에서 발생한 대규모 코로나19 감염자 수와 관련된 것으로 추정된다.
후속연구
또한 타 지역에 비해 감염자 수가 적다고 해도 도시부도로의 경우는 교통수요가 크게 감소하며, 감염자 수가 많다고 해도 관광부 도로의 경우는 교통수요가 적게 감소하는 것으로 해석된다. 따라서 코로나19와 같은 감염병 발생에 따른 교통 대책을 수립할 때, 지역별 감염자 수는 고려 필요성이 적고, 전국(지역별) 감염자수 추이와 도로 유형을 고려하는 것이 필요할 것으로 판단된다.
코로나19 발생 시점 - 대유행 기간 - 안정화 기간을 거치는 동안 교통수요가 어떻게 변화되었는지를 분석하는 것이 본 연구의 주된 목적이다. 본 연구 결과는 향후 코로나19와 같은 감염병 발생시 교통수요 변화를 예측하고, 관련 교통정책을 수립하는데 기여할 수 있을 것으로 판단된다.
이러한 여가 문화 변화가 오히려 관광부 도로의 교통수요를 증가시키는 요인으로 일부 작용한 것으로 추정된다. 코로나19 감염자 수의 시계열적 변화 추이와 도로 특성(유형)이 교통수요 변화와 관련성이 큰 것으로 분석됨에 따라, 향후 감염병 발생에 따른 교통 대책을 수립할 때, 전국(지역별) 감염자수 추이와 도로 유형을 고려하는 것이 효과가 클 것으로 판단된다.
본 연구에서는 이러한 대중교통 수요 변화에 대한 분석은 이루어지지 못했다. 향후 대중교통을 포함한 종합적인 분석이 이루어질 경우, 보다 유용한 결과를 도출할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
코로나19 국내 첫 감염자는 언제 발생하였는가?
2019년 7월 9일 09시 기준, 전 세계 코로나-19 확진자 수는 총 11,922,112명(사망 547,251명)이다. 국내 첫 감염자는 2020년 1월 20일에 발생하였고, 2020년 7월 9일 0시 기준 확진자 수는 총 13,293명(사망 287명)이다. 2월 29일에 1일 최대 감염자수인 909명을 기록하였으며, 4월 30일 4명으로 감소한 후 7월 현재 50명 수준으로 증가한 상태이다.
코로나19로 인해 위축되고 제약 받는 것은 무엇인가?
코로나19로 인해 경제활동이 위축되고, 사람 간 접촉이 제약받고 있다. 기업은 재택근무 제도를 시행하고, 학교는 온라인 재택수업을 시행하고 있다.
세계보건기구는 코로나바이러스감염증-19로 인한 질병 경계 수위를 어떻게 선언하였는가?
코로나19는 2019년 12월 중국에서 처음 감염 보고된 이후, 전 세계 대부분의 나라에서 많은 감염자와 사망자를 낳으며 경각심을 일으키고 있다. 세계보건기구(WHO)는 코로나19로 인한 질병 경계 수위를 범유행전염병(Pandemic)으로, 위험도를 매우 높음(Very High at a Global Level)으로 선언하였다. 2019년 7월 9일 09시 기준, 전 세계 코로나-19 확진자 수는 총 11,922,112명(사망 547,251명)이다.
참고문헌 (19)
Albright D.(1987), "A Quick Cluster Control Method: Permanent Control Station Cluster Analysis in Average Daily Traffic Calculations," Transportation Research Record, vol. 1134, pp.57-64.
Carter D.(2020), Effects of COVID-19 Shutdown on Crashes and Travel in NC. North Carolina, Department of Transportation, Transportation Research Board (TRB) Webinar.
Cho N. G.(2020), "Understanding the impacts of COVID-19 on Commuting and Retail: An Analysis of the U.S. Epicenter," Chungbuk Issue & Trend, no. 39, pp.48-54.
Choi K., Won C. Y. and Chung W.(2007), "Classification of Freeways based on the Characteristics of Hourly Traffic Variation for Efficient Network Planning," Journal of the Korean Society of Civil Engineers D, vol. 27, no. 6D, pp.713-719.
De Vos J.(2020), "The effect of COVID-19 and subsequent social distancing on travel behavior," Transportation Research Interdisciplinary Perspectives, 100121.
Flaherty J.(1993), "Cluster Analysis of Arizona Automatic Traffic Recorder Data," Transportation Research Record, vol. 1410, pp.93-99.
Iacus S. M., Natale F., Santamaria C., Spyratos S. and Vespe M.(2020), "Estimating and projecting air passenger traffic during the COVID-19 coronavirus outbreak and its socio-economic impact," Safety Science, vol. 129, 104791.
Kim D. K. and Cho C. H.(2016), "Comparative Study on Tourism Damage by Disaster Type," Journal of Tourism and Leisure Research, vol. 28, no. 12, pp.185-201.
Kim J. H., Do M. S. and Jung J. E.(2002), "Grouping Method on Functional Classification for National Highway," Journal of Korean Society of Transportation, vol. 20, no. 5, pp.131-144.
Korea Centers for Disease Control and Prevention, http://www.cdc.go.kr.
Lim S. H. and Oh J. S.(2005), "A Study on Highway Classification and Traffic Characteristics by Highway Type," Journal of the Korean Society of Civil Engineers D, vol. 25, no. 4D, pp.555-563.
Lockwood M., Lahiri S. and Babiceanu S.(2020), Traffic Trends and Safety in a COVID-19 World. What Is Happening in Virginia?, Virginia department of Transportation (VDOT), Transportation Research Board (TRB) Webinar.
Ministry of Land, Infrastructure and Transport, www.molit.go.kr.
Shi K., De Vos J., Yang Y. and Witlox F.(2019), "Does e-shopping replace shopping trips? Empirical evidence from Chengdu, China," Transportation Research Part A: Policy and Practice, vol. 122, pp.21-33.
Sung H.(2016), "Impacts of the Outbreak and Proliferation of the Middle East Respiratory Syndrome on Rail Transit Ridership in the Seoul Metropolitan City," Journal of Korea Planning Association, vol. 51, no. 3, pp.163-179.
The Financial News, https://www.fnnews.com/news/202007210914067501.
Traffic Monitoring System, http://www.road.re.kr.
Troko J., Myles P., Gibson J., Hashim A., Enstone J., Kingdon S., Packham C., Amin S., Hayward A. and Nguyen Van-Tam J.(2011), "Is public transport a risk factor for acute respiratory infection?," BMC Infectious Diseases, vol. 11, p.16.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.