공공 자전거 시스템의 효율적 운용을 위한 모델링 및 시뮬레이션: 세종시 사례 중심 Modeling and Simulation for Analyzing Efficient Operations on Public Bike System: A Case Study of Sejong City원문보기
최근 정보통신기술의 발달에 따른 공공 자전거 시스템 운영 사례가 증가하고 있다. 대도시의 공공 자전거 시스템은 시민에 대한 공공성과 편리성을 모두 확보해야하기 때문에, 도입부터 운영까지 다양한 이슈에 대한 분석이 필요하다. 또한, 최근 라스트 마일 수단으로 각광받고 있는 개인 모빌리티 사업과의 공존을 위한 다양한 시나리오 역시 대비할 필요가 있다. 본 논문은 공공 자전거 시스템의 효율적 운영 관리를 위한 시뮬레이션 모델을 제안한다. 특히, 제안한 방법은 공공 자전거 시스템의 일반적인 구조와 행태를 모델링 하여 다른 도시에 쉽게 활용할 수 있는 형태로 개발하였고, 컴포넌트 기반의 모델 구성으로 향후 모델의 수정 및 확장이 용이하도록 개발하였다. 본 논문에서는 제안된 방법의 사례로 세종시 공공 자전거 시뮬레이션을 수행하였다. 세종시 공공 자전거 시스템의 데이터를 적용하여 시뮬레이션 결과를 도출하고, 도출된 결과를 세종시 실데이터와 비교하여 검증하였다. 검증된 모델을 이용하여, 세종시에 적합한 공공 자전거 서비스를 설계하고 분석할 수 있는 도구로 활용될 수 있을 것으로 기대한다.
최근 정보통신기술의 발달에 따른 공공 자전거 시스템 운영 사례가 증가하고 있다. 대도시의 공공 자전거 시스템은 시민에 대한 공공성과 편리성을 모두 확보해야하기 때문에, 도입부터 운영까지 다양한 이슈에 대한 분석이 필요하다. 또한, 최근 라스트 마일 수단으로 각광받고 있는 개인 모빌리티 사업과의 공존을 위한 다양한 시나리오 역시 대비할 필요가 있다. 본 논문은 공공 자전거 시스템의 효율적 운영 관리를 위한 시뮬레이션 모델을 제안한다. 특히, 제안한 방법은 공공 자전거 시스템의 일반적인 구조와 행태를 모델링 하여 다른 도시에 쉽게 활용할 수 있는 형태로 개발하였고, 컴포넌트 기반의 모델 구성으로 향후 모델의 수정 및 확장이 용이하도록 개발하였다. 본 논문에서는 제안된 방법의 사례로 세종시 공공 자전거 시뮬레이션을 수행하였다. 세종시 공공 자전거 시스템의 데이터를 적용하여 시뮬레이션 결과를 도출하고, 도출된 결과를 세종시 실데이터와 비교하여 검증하였다. 검증된 모델을 이용하여, 세종시에 적합한 공공 자전거 서비스를 설계하고 분석할 수 있는 도구로 활용될 수 있을 것으로 기대한다.
In recent years, public bicycle systems are widely spread over the world according to the development of ICT technology. Since the public bicycle systems in large cities need to secure both publicity and convenience for citizens, analysis of various their issues from introduction to operation is req...
In recent years, public bicycle systems are widely spread over the world according to the development of ICT technology. Since the public bicycle systems in large cities need to secure both publicity and convenience for citizens, analysis of various their issues from introduction to operation is required. In addition, it is also necessary to prepare for various scenarios for coexistence with the PM business, which is recently in the spotlight as a last mile means and normally managed privately. This paper introduces modeling and simulation for efficient operations of public bicycle systems. In particular, the proposed method was developed in a form that can be easily used in other cities by modeling the general structure and behavior of the public bicycle system, and it was developed to facilitate modification and expansion of the future model with a component-based model configuration. This paper provides a case study of the propose method, which is the public bicycle simulation in Sejong City. The simulation results were derived by applying the data from the public bicycle system of Sejong City, and they were verified with the associated real data of Sejong City. Using the verified model, it is expected that it can be used as a tool to design and analyze various services on the public bicycle systems, which were especially suitable for Sejong City.
In recent years, public bicycle systems are widely spread over the world according to the development of ICT technology. Since the public bicycle systems in large cities need to secure both publicity and convenience for citizens, analysis of various their issues from introduction to operation is required. In addition, it is also necessary to prepare for various scenarios for coexistence with the PM business, which is recently in the spotlight as a last mile means and normally managed privately. This paper introduces modeling and simulation for efficient operations of public bicycle systems. In particular, the proposed method was developed in a form that can be easily used in other cities by modeling the general structure and behavior of the public bicycle system, and it was developed to facilitate modification and expansion of the future model with a component-based model configuration. This paper provides a case study of the propose method, which is the public bicycle simulation in Sejong City. The simulation results were derived by applying the data from the public bicycle system of Sejong City, and they were verified with the associated real data of Sejong City. Using the verified model, it is expected that it can be used as a tool to design and analyze various services on the public bicycle systems, which were especially suitable for Sejong City.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 상술한 다양한 공공 자전거 시스템의 문제에 대해서 종합적이고 총괄적으로 분석할 수 있는 시뮬레이션 모델을 제안한다. 공공 자전거 서비스에 대한 데이터가 많지 않은 현 상황에서, 시뮬레이션 방법은 다양한 시나리오를 반영한 what-if 분석을 통해서 공공 자전거 시스템에 통찰을 줄 수 있다.
본 논문은 공공 자전거의 효율적 운용을 위한 시뮬레이션 모델을 제안하였다. 특히, 제안된 모델은 일반적인 공공 자전거 시뮬레이션을 위한 것으로, 대부분의 공공자전거 서비스에서 얻을 수 있는 일반적인 데이터를 입력으로 사용하였고, 서비스의 효율성을 판단하는데 도움이 될 수 있는 미시 데이터 (Micro-Data)를 획득할 수 있도록 출력 데이터를 설계하였다.
즉, 사용한 데이터는 모두 유사하지만, 분석 모델의 일반화(Generality)에서 한계가 있다는 것이다. 본 연구는 이런 한계점을 타계하기 위해서 자전거 사용 이력 데이터를 입력으로 이용하는 시뮬레이션 모델을 개발하였고, 이를 활용하여 다양한 도시의 공공 자전거 이용 행태를 분석할 수 있도록 개발하였다.
2020). 이 연구에서는 확률적 동적 계획법(Stochastic Dynamic Programming)을 이용하여 정비센터에서 보유해야할 여분의 공공자전거에 대한 최적 재고관리 방안을 제안하였다. 이를 위해 서울시 공공 자전거의 고장 통계치를 활용하여 모델을 피팅하였다.
현재 공공 자전거 시스템을 운영하고 있는 세종시의 관점으로 공공 자전거 시스템의 중요성과 문제점을 분석하고, 공공 자전거 시스템에 대한 관련 연구의 진행 사항을 분석하여, 본 논문의 연구의의를 설명한다.
3 시뮬레이션 활용: 세종시 어울링 효과도 분석 위의 실험결과와 같이 시뮬레이션 모델이 검증되었다면, 이를 이용하여 시뮬레이션 기반 효과도 분석을 수행할 수 있다. 효과도 분석의 하나의 사례로써, 본 논문에서는 자전거 대여 성공률(Rent Success Rate)을 활용한 세종시 어울링 시스템의 분석 및 대안을 제시한다.
가설 설정
- 자전거 이동 목적지 결정: BikeAgent는 자전거를 대여하는 과정에서 이동 목적지를 결정해야 한다. 이동목적지 역시 대여반납 이력 데이터를 이용하여 모델링 하였다.
4) 목적 거치소 도착 후, 자전거의 반납 가능성을 BikeRoadNetwork를 이용하여 확인한다. 5) 반납 가능하다고 판단되면, 목적거치소에 반납한다. 그렇지 않으면, 다른 거치소로 이동해서 다시 반납을 시도한다.
제안 방법
2018년 8월 기존 어울링(이후 구 어울링이라고 칭함)에서 더욱 개선된 새로운 어울링(이후 뉴 어울링이라고 칭함)을 도입하였다. 구/뉴 어울링의 가장 큰 차이점은 대여소 반납을 강제하지 않아 사용자가 더욱 편리하게 이용할 수 있게 되었다는 점이다.
그러지 않으면, 일정 시점 후 자전거 대여를 다시 시도한다. 4) 목적 거치소 도착 후, 자전거의 반납 가능성을 BikeRoadNetwork를 이용하여 확인한다. 5) 반납 가능하다고 판단되면, 목적거치소에 반납한다.
입력 데이터는 실데이터인 대여반납 이력과 거치 소정 보를 반영한 BikeAgent와 BikeStation의 초기 값과 자전거 이용 행동과 관련한 파라미터 추정 값으로 구성되어있다. 결과 데이터는 BikeAgent의 생성 시점, 출발/도착 정보, 대여 성공 여부, 그리고 대여/이동/반납에 소요된 시간을 측정하고, BikeStation의 시간별 자전거 수, 반납/ 대여 수, 반납/대여 성공률, 대여/반납 시간 등을 기록한다. 4.
이동목적지 역시 대여반납 이력 데이터를 이용하여 모델링 하였다. 대여반납 이력데이터의 출발/도착 거치 소정 보를 이용하여 이산 확률 분포로 모델링하였다. 따라서 BikeAgent는 출발 거치소 및 시점을 고려하여 도착 거치소를 확률적으로 결정할 수 있다.
위의 기간 동안의 대여반납이력 데이터는 약 76만 건이 존재하였고, 데이터 분석을 통해서 뉴/ 구 어울링 사용과 휴일(토, 일요일과 공휴일)/평일 이용의 구분이 필요하다고 파악하였다. 따라서 아래 그림과 같이네 가지 경우로 데이터를 분류하여 자전거 이용자의 행태를 모델링 하였다. 분류된 데이터는 각 경우의 BikeAgent 의 대여/이동/반납 세부 행동 모델링에 활용되었다.
제안된 모델은 세종시 공공 자전거 서비스 시뮬레이션에 적용되었고, 시뮬레이션 결과와 실데이터를 비교하여 패턴이나 수치가 매우 유사한 것을 확인하여 검증하였다. 또한, 검증된 모델을 이용하여 대여 성공률을 기준으로 세종시 어울링의 효과 도를 분석하였다.
도출된 결과의 신뢰성을 확인하기 위해, 실데이터와 시뮬레이션 결과의 검증 (Validation)을 수행하였고, 검증 결과로 실데이터와 시뮬레이션 결과의 많은 유사성이 확인하였다. 또한, 대여 성공률을 기반으로 효과도 분석을 수행하였고, 분석 결과를 바탕으로 세종시 어울링의 개선 방안에 대해서 논하였다. 본 연구 결과가 향후 공공 자전거 서비스에서 고려되는 자전거 재배치, 재고 관리 문제와 같은 다양한 공공자전거 서비스 분석에 활용될 수 있을 것으로 기대한다.
특히, 제안된 모델은 일반적인 공공 자전거 시뮬레이션을 위한 것으로, 대부분의 공공자전거 서비스에서 얻을 수 있는 일반적인 데이터를 입력으로 사용하였고, 서비스의 효율성을 판단하는데 도움이 될 수 있는 미시 데이터 (Micro-Data)를 획득할 수 있도록 출력 데이터를 설계하였다. 또한, 모델을 구조 모델과 행동 모델로 분리하여 확장성 및 유지보수에 효과적이도록 개발하였다. 제안된 모델은 세종시 공공 자전거 서비스 시뮬레이션에 적용되었고, 시뮬레이션 결과와 실데이터를 비교하여 패턴이나 수치가 매우 유사한 것을 확인하여 검증하였다.
본 논문에서는 제안된 방법의 사례 연구로 세종시의 공공 자전거 시스템인 ‘어울링’의 시뮬레이션 실험을 수행하였다. 제안한 모델링 방법에 어울링의 자전거 대여/ 반납 이력 및 대여소 데이터를 활용하여, 어울링 시스템의 시뮬레이션 결과를 도출하였다.
따라서 아래 그림과 같이네 가지 경우로 데이터를 분류하여 자전거 이용자의 행태를 모델링 하였다. 분류된 데이터는 각 경우의 BikeAgent 의 대여/이동/반납 세부 행동 모델링에 활용되었다. 상세한 모델링 결과는 다음 절에서 소개한다.
시뮬레이션 결과의 신빙성을 높이기 위해서, 자전거 이용과 관련된 세부 행태는 실데이터를 반영하여 모델링하였다. 특히, BikeAgent 이용 시점 및 거치소 결정, 목적 거치소 선정, 그리고 자전거 이동 시간은 관련 데이터를 분석하여 확률적으로 모델링하였다.
2 시뮬레이션 검증: 세종시 데이터와 비교 분석 위에서 제시한 시뮬레이션 출력 데이터를 이용하여 자전거 이용 시뮬레이션 모델의 검증을 수행하였다. 시뮬레이션 모델 검증은 시뮬레이션 결과를 두 가지 지표로 변환하여, 대응되는 실제 데이터와 비교하는 방식으로 수행하였다.
이 지표 역시 자전거 종류와 평일/휴일을 구분하여 추산하였다. 실데이터로 생성한 지표는 대여반납 이력 데이터를 가공하여 일별 자전거 대여 건수를 확인하고, 이를 기간 전체로 평균하여 수치화하였다. 또한, 시뮬레이션으로 생성한 지표는 출력 데이터 중, BikeStation의 대여 건수를 모두 합하여 산출하였다.
앞 절에서 소개한 시뮬레이션 시나리오를 반영하여, 자전거 이용 시뮬레이션 모델을 개발하였다. 자전거 이용 시뮬레이션 모델은 구조적(Structural) 부분과 행태적 (Behavioral) 부분으로 구분하여 설계하였고, 이를 통해 향후 모델의 확장성을 고려하였다.
위에서 설명한 모델링 결과는 한국전자통신연구원에서 개발한 repast HPC(Coller 등, 2012) 기반 시뮬레이션 엔진을 이용하여 구현하였고, 구현된 모델을 이용하여 아래 소개될 실험을 진행하였다. 자세한 결과 전에, 시뮬레이션을 통해서 확인할 수 있는 출력 데이터를 설명한다.
이 연구는 스테이션 없는 공유자전거가 도입된 수원시의 사용자의 대여 반납 이력 데이터를 이용하여, 자전거 이용현황과 통행 특성, 그리고 이동 경로 분석을 수행 하였다. 이러한 분석 결과는 향후 자전거 서비스의 운영 정책 수립에 기여할 수 있다.
이 지표 역시 자전거 종류와 평일/휴일을 구분하여 추산하였다. 실데이터로 생성한 지표는 대여반납 이력 데이터를 가공하여 일별 자전거 대여 건수를 확인하고, 이를 기간 전체로 평균하여 수치화하였다.
이 연구에서는 확률적 동적 계획법(Stochastic Dynamic Programming)을 이용하여 정비센터에서 보유해야할 여분의 공공자전거에 대한 최적 재고관리 방안을 제안하였다. 이를 위해 서울시 공공 자전거의 고장 통계치를 활용하여 모델을 피팅하였다.
2013). 이를 위해서 세종시는 도로의 구조와 규모들을 설계부터 고려하였다. 그러나 세종시의 현재 대중교통수송분담률은 목표치에 많이 모자라고 있는 실정이다.
공공 자전거는 사용자가 임의의 대여소에서 다른 대여소로 이동함에 따라, 자전거 재배치라고 하는 과정이 반드시 필요하다. 이재 배치 전략을 효율적으로 수립하기 위해서 각 대여소의 이용 특성을 분석하여 예측 수요를 추정하고, 이를 바탕으로 일정 수준의 거치를 유지하는 계획법을 제안하였다.
자전거 이용 시뮬레이션 결과 중, BikeAgent의 이동 소요된 시간을 취합하여 시간별 그리고 자전거 종류별 평균 자전거 이용 시간을 계산하였다(Fig. 9 참고). Fig.
이용 시뮬레이션 모델을 개발하였다. 자전거 이용 시뮬레이션 모델은 구조적(Structural) 부분과 행태적 (Behavioral) 부분으로 구분하여 설계하였고, 이를 통해 향후 모델의 확장성을 고려하였다.
푸아송 과정은 일반적으로 특정 기간 동안에 발생하는 이벤트의 수를 추정하는데 이용하는 방법임으로, 자전거 대여 행동을 모델링하기에 적합한 방법이다. 자전거 이용 시뮬레이션에서는 1시간 단위로 특정 거치소에 방문하는 사용자의 수를 추정하기 위해 푸아송 과정을 적용하였으며, 이를 통하여 BikeAgent가 특정 시점에 특정 거치 소로 자전거 대여를 시도하는 것을 결정하였다. 이를 추정하기 위해 대여반납이력 데이터의 거치소별 대여 데이터를 활용하였다.
자전거 이용 시뮬레이션은 하루를 기준으로 하여 24 시간 동안의 자전거 대여 및 반납 행위를 표현한다. 구체적으로, 시뮬레이션 시나리오를 설명하면 아래와 같다.
특히, 제안하는 모델에서는 와이블 분포(Weibull distribution)를 이용하여 자전거 이동 시간을 모델링하였다. 즉, 대여반납이력 데이터로부터 거치 소간의 이동 정보를 시간과 확률의 그래프로 표현하고, 이를 가장 잘 표현하는 와이블 분포의 파라미터를 추정하였다. 예를 들어, Fig.
특히, BikeAgent 이용 시점 및 거치소 결정, 목적 거치소 선정, 그리고 자전거 이동 시간은 관련 데이터를 분석하여 확률적으로 모델링하였다.
설명한다. 특히, 모델의 구조를 계층화하여 추후 모델의 관리 및 확장이 용이하도록 하였고, 모델 내부에는 자전거 사용 이력 데이터를 활용한 확률적 모델링이 적용되었다.
모델을 제안하였다. 특히, 제안된 모델은 일반적인 공공 자전거 시뮬레이션을 위한 것으로, 대부분의 공공자전거 서비스에서 얻을 수 있는 일반적인 데이터를 입력으로 사용하였고, 서비스의 효율성을 판단하는데 도움이 될 수 있는 미시 데이터 (Micro-Data)를 획득할 수 있도록 출력 데이터를 설계하였다. 또한, 모델을 구조 모델과 행동 모델로 분리하여 확장성 및 유지보수에 효과적이도록 개발하였다.
자전거의 이동 시간 역시 대여반납 이력 데이터의 출발-목적 거치소의 이동시간 정보를 활용한다. 특히, 제안하는 모델에서는 와이블 분포(Weibull distribution)를 이용하여 자전거 이동 시간을 모델링하였다. 즉, 대여반납이력 데이터로부터 거치 소간의 이동 정보를 시간과 확률의 그래프로 표현하고, 이를 가장 잘 표현하는 와이블 분포의 파라미터를 추정하였다.
행태 모델링 역시 일반적인 방법으로 활용될 수 있으나, 본 논문에서는 설명의 용이성 및 명확성을 위해, 세종시 공공 자전거 시스템의 데이터를 이용하여 모델링 과정을 설명한다.
대상 데이터
해당 기간 동안에 구 어울링 거치소는 총 72개, 뉴 어울링 거치 소는 총 511개가 운영되었다. 또한, 자전거 이용 데이터를 활용하여, 기간 동안 이용된 구/뉴 어울링 자전거는 평일 평균 510/1, 136대 휴일 평균 508/1, 157대 활용된 것으로 파악하였다(Fig. 5 참고).
대해서 설명한다. 본 연구에서 사용한 실데이터는 세종시의 공공 자전거인 어울링 관련 데이터이다. 특히, 어울링의 경우 사용자 변화의 안정화가 이루어지는 시점을 고려하여 2019년 5월 1일부터 2020년 4월 30일까지의 데이터를 사용하였다.
7은 자전거 이용 시뮬레이션 모델의 입력과 출력데이터를 보여준다. 실험에서 고려한 네트워크는 세종시에서 운영하는 총 583개의 거치소 사이의 거리를 나타낸다. 입력 데이터는 실데이터인 대여반납 이력과 거치 소정 보를 반영한 BikeAgent와 BikeStation의 초기 값과 자전거 이용 행동과 관련한 파라미터 추정 값으로 구성되어있다.
우선적으로 사용한 데이터는 어울링의 대여반납 이력 데이터이다. 대여반납 이력데이터에는 이용한 자전거, 사용자, 대여 일시, 대여/반납 거치소, 이용 시간 등의 정보가 기록되어 있다.
이동목적지 역시 대여반납 이력 데이터를 이용하여 모델링 하였다. 대여반납 이력데이터의 출발/도착 거치 소정 보를 이용하여 이산 확률 분포로 모델링하였다.
자전거 이용 시뮬레이션에서는 1시간 단위로 특정 거치소에 방문하는 사용자의 수를 추정하기 위해 푸아송 과정을 적용하였으며, 이를 통하여 BikeAgent가 특정 시점에 특정 거치 소로 자전거 대여를 시도하는 것을 결정하였다. 이를 추정하기 위해 대여반납이력 데이터의 거치소별 대여 데이터를 활용하였다.
본 연구에서 사용한 실데이터는 세종시의 공공 자전거인 어울링 관련 데이터이다. 특히, 어울링의 경우 사용자 변화의 안정화가 이루어지는 시점을 고려하여 2019년 5월 1일부터 2020년 4월 30일까지의 데이터를 사용하였다.
데이터처리
결과 데이터는 BikeAgent의 생성 시점, 출발/도착 정보, 대여 성공 여부, 그리고 대여/이동/반납에 소요된 시간을 측정하고, BikeStation의 시간별 자전거 수, 반납/ 대여 수, 반납/대여 성공률, 대여/반납 시간 등을 기록한다. 4.2 시뮬레이션 검증: 세종시 데이터와 비교 분석 위에서 제시한 시뮬레이션 출력 데이터를 이용하여 자전거 이용 시뮬레이션 모델의 검증을 수행하였다. 시뮬레이션 모델 검증은 시뮬레이션 결과를 두 가지 지표로 변환하여, 대응되는 실제 데이터와 비교하는 방식으로 수행하였다.
제안한 모델링 방법에 어울링의 자전거 대여/ 반납 이력 및 대여소 데이터를 활용하여, 어울링 시스템의 시뮬레이션 결과를 도출하였다. 도출된 결과의 신뢰성을 확인하기 위해, 실데이터와 시뮬레이션 결과의 검증 (Validation)을 수행하였고, 검증 결과로 실데이터와 시뮬레이션 결과의 많은 유사성이 확인하였다. 또한, 대여 성공률을 기반으로 효과도 분석을 수행하였고, 분석 결과를 바탕으로 세종시 어울링의 개선 방안에 대해서 논하였다.
실데이터로 생성한 지표는 대여반납 이력 데이터를 가공하여 일별 자전거 대여 건수를 확인하고, 이를 기간 전체로 평균하여 수치화하였다. 또한, 시뮬레이션으로 생성한 지표는 출력 데이터 중, BikeStation의 대여 건수를 모두 합하여 산출하였다. 아래 테이블에 실데이터와 시뮬레이션 결과에서 생성한 자전거 대여 건수를 비교하였다.
제안한 모델링 방법에 어울링의 자전거 대여/ 반납 이력 및 대여소 데이터를 활용하여, 어울링 시스템의 시뮬레이션 결과를 도출하였다. 도출된 결과의 신뢰성을 확인하기 위해, 실데이터와 시뮬레이션 결과의 검증 (Validation)을 수행하였고, 검증 결과로 실데이터와 시뮬레이션 결과의 많은 유사성이 확인하였다.
이론/모형
모델이다. 이는 대여반납 이력데이터를 이용한 푸아송 과정 (Poisson Process)을 이용하여 확률 모델링으로 구현되었다. 푸아송 과정은 일반적으로 특정 기간 동안에 발생하는 이벤트의 수를 추정하는데 이용하는 방법임으로, 자전거 대여 행동을 모델링하기에 적합한 방법이다.
성능/효과
(2)자전거 이동: 사용자가 자전거 대여에 성공하면, 미리 결정된 목표 대여소까지 자전거를 타고 이동함. 이때, 목적지 및 이동 시간은 대여 이력 데이터를 기반으로 하여 확률적으로 결정됨
(3)자전거 반납: 목표 거치소에 이동하면, 사용자는 자전거 반납을 시도함. 자전거 반납은 목표 거치 소의 현재 자전거 보유 수와 거치 가능 자전거 수에 의해 성공 혹은 실패가 결정됨
4는 위에서 설명한 시나리오를 반영한 BikeAgent, BikeStation, 그리고 BikeRoadNetwork 사이의 상호작용을 시퀀스 다이어그램으로 설명 한다: 1) 거치소의 이용 데이터를 바탕으로 거치소의 시점별 이용자를 추정하고, 이를 BikeAgent로 생성한다. 2) BikeAgent는 자전거 대여 시점에 BikeRoadNetwork를 이용하여 자전거 대여 가능성을 체크한다. 3) 대여가 가능하다고 판단되면, 자전거를 이용하여 목적지로 이동한다.
거치소 ID 0부터 71번까지는 구 어울링 거치소이고, 그 이후는 뉴 어울링의 거치소이다. 구 어울링과 뉴 어울링거치소의 평균대여 성공률은 각각 0.97과 0.71로 나타나, 전체적으로는 구 어울링이 조금 더 효율적으로 운영되었다고 분석할 수 있다.
8과 같이 표기되었다. 데이터 상 뉴어울링의 이용 횟수가 구 어울링에 비해 월등히 높은 것으로 분석하였지만, 평균 이용 시간에서는 크게 차이가 없는 것으로 나타났다. 오히려, 휴일과 평일에 평균 자전거 이용 시간의 패턴이 차이가 있었다.
또한, 다른 도시의 공공 자전거 서비스 역시 제안된 모델을 이용하여 효율성 분석이 가능하다. 즉, 세종시의 경우와 유사하게 그 도시의 공공 자전거 사용 데이터를 입력으로 적용하여 시뮬레이션 결과를 도출해내고, 이를 실데이터와의 유사성을 검증한 후에 각 도시의 특성과 목적에 맞게 공공 자전거 서비스를 설계하고 운영할 수 있는 도구로 활용될 수 있을 것으로 기대한다.
자전거 종류와 관계없이, 평일에는 출퇴근 시간으로 보이는 8시와 18시에 사용 시간이 늘어나는 패턴을 보였다. 또한, 점심시간으로 보이는 12시에도 평균 이용 시간이 증가하는 특징이 보이나, 이는 뉴 어울링의 경우에만 확인되었다. 이는 아마도 뉴 어울링 거치소의 위치가 더 근무지와 가깝게 배치된 것에 비롯된 것으로 보인다.
확인하였다. 세종시의 공공자전거 이용 데이터를 입력 데이터로 활용한 시뮬레이션 모델은 최대 10%의 오차로 확인되었다. 10%의 오차는 시뮬레이션 방법에서 큰 오차는 아니지만, 시뮬레이션 검증의 기준은 도메인과 사용자의 목적에 따라 다를 수 있다.
실데이터와 시뮬레이션의 자전거 대여 건수는 거의 유사한 것으로 확인되었다. 자전거 대여 건수는 평일이 휴일 보다 많고, 뉴 어울링이 구 어울링보다 대여 건수가 많은 것이 특징인데, 이러한 특징이 시뮬레이션 결과에서도 동일하게 나타났다.
이 두 지표를 이용한 비교 분석 결과를 종합해보면, 제안한 자전거 이용 시뮬레이션은 자전거 이용 시간과 대여 건수의 시간 별 변화에서 유사한 패턴과 값을 보이는 것을 확인하였다. 세종시의 공공자전거 이용 데이터를 입력 데이터로 활용한 시뮬레이션 모델은 최대 10%의 오차로 확인되었다.
오히려, 휴일과 평일에 평균 자전거 이용 시간의 패턴이 차이가 있었다. 자전거 종류와 관계없이, 평일에는 출퇴근 시간으로 보이는 8시와 18시에 사용 시간이 늘어나는 패턴을 보였다. 또한, 점심시간으로 보이는 12시에도 평균 이용 시간이 증가하는 특징이 보이나, 이는 뉴 어울링의 경우에만 확인되었다.
자전거 대여 건수는 평일이 휴일 보다 많고, 뉴 어울링이 구 어울링보다 대여 건수가 많은 것이 특징인데, 이러한 특징이 시뮬레이션 결과에서도 동일하게 나타났다. 정량적으로 비교해 본다면, 실데이터에서 평일 기준 뉴 어울링과 구 어울링의 대여 건수 비율은 10.25:1로 나타난 반면, 시뮬레이션에서의 수치는 11.31:1로 약 10%의 오차가 나타나는 것으로 확인하였다. 휴일 기준으로는 실데이터의 뉴 어울링과 구 어울링의 대여 건수 비율은 8.
또한, 모델을 구조 모델과 행동 모델로 분리하여 확장성 및 유지보수에 효과적이도록 개발하였다. 제안된 모델은 세종시 공공 자전거 서비스 시뮬레이션에 적용되었고, 시뮬레이션 결과와 실데이터를 비교하여 패턴이나 수치가 매우 유사한 것을 확인하여 검증하였다. 또한, 검증된 모델을 이용하여 대여 성공률을 기준으로 세종시 어울링의 효과 도를 분석하였다.
공공 자전거 서비스에 대한 데이터가 많지 않은 현 상황에서, 시뮬레이션 방법은 다양한 시나리오를 반영한 what-if 분석을 통해서 공공 자전거 시스템에 통찰을 줄 수 있다. 특히, 제안된 시뮬레이션 모델은 공공 자전거 시스템의 컴포넌트 조합으로 표현하여, 다양한 대도시의 특성을 반영할 수 있는 일반적인 방법인 동시에 향후 모델의 확장 및 수정이 용이하도록 개발되었다.
31:1로 약 10%의 오차가 나타나는 것으로 확인하였다. 휴일 기준으로는 실데이터의 뉴 어울링과 구 어울링의 대여 건수 비율은 8.12:1 이고, 시뮬레이션 결과는 8.35:1을 보여 약 3%의 오차를 보이는 것으로 확인되었다(Table 1 참고).
후속연구
또한, 대여 성공률을 기반으로 효과도 분석을 수행하였고, 분석 결과를 바탕으로 세종시 어울링의 개선 방안에 대해서 논하였다. 본 연구 결과가 향후 공공 자전거 서비스에서 고려되는 자전거 재배치, 재고 관리 문제와 같은 다양한 공공자전거 서비스 분석에 활용될 수 있을 것으로 기대한다.
이 연구는 스테이션 없는 공유자전거가 도입된 수원시의 사용자의 대여 반납 이력 데이터를 이용하여, 자전거 이용현황과 통행 특성, 그리고 이동 경로 분석을 수행 하였다. 이러한 분석 결과는 향후 자전거 서비스의 운영 정책 수립에 기여할 수 있다.
이런 관점으로 구 어울링과 뉴 어울링 거치소의 대여 성공률을 분석해보면, 구 어울링의 거치소는 대부분의 대여 성공률이 1에 가깝기 때문에, 특정 시점에 거치 소에 최적의 자전거가 배치되었는지 추가로 확인할 필요가 있다. 만약, 필요 이상의 자전거가 배치되어 있는 경우라면 다른 거치소로 자전거를 재배치하여 활용성을 높일 수도있거, 일부 자전거를 폐기하여 운영 비용을 줄일 수 있다.
또한, 다른 도시의 공공 자전거 서비스 역시 제안된 모델을 이용하여 효율성 분석이 가능하다. 즉, 세종시의 경우와 유사하게 그 도시의 공공 자전거 사용 데이터를 입력으로 적용하여 시뮬레이션 결과를 도출해내고, 이를 실데이터와의 유사성을 검증한 후에 각 도시의 특성과 목적에 맞게 공공 자전거 서비스를 설계하고 운영할 수 있는 도구로 활용될 수 있을 것으로 기대한다.
향후 실데이터와 검증된 제안된 모델은 세종시 공공자전거 서비스의 효율적인 운영 방법 분석과 다양한 정책을 제안하고 실험하기 위한 도구로 활용될 수 있다. 또한, 다른 도시의 공공 자전거 서비스 역시 제안된 모델을 이용하여 효율성 분석이 가능하다.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.