$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

통행시간 분포 기반의 전철역 클러스터링
Metro Station Clustering based on Travel-Time Distributions 원문보기

한국전자거래학회지 = The Journal of Society for e-Business Studies, v.27 no.2, 2022년, pp.193 - 204  

공인택 (Procurement DX Team, LG CNS) ,  김동윤 (Graduate School of Logistics, Incheon National University) ,  민윤홍 (Graduate School of Logistics, Incheon National University)

초록
AI-Helper 아이콘AI-Helper

스마트교통카드 데이터는 대표적인 모빌리티 데이터로 이를 이용하여 대중교통 이용행태를 분석하고 정책 개발에 활용할 수 있다. 본 논문은 이러한 연구의 하나로 전철 이용패턴을 이용하여 전철역들을 분류하는 문제를 다룬다. 전철역의 클러스터링을 다룬 기존 논문들은 이용행태 중 통행량만을 고려하였기에 본 논문은 이에 대한 보완적인 방법의 하나로 통행시간을 고려한 클러스터링을 제안한다. 각 역의 승객들을 출근 시간 출발, 출근 시간 도착, 퇴근 시간 출발, 퇴근 시간 도착 승객들로 분류한 다음 각각의 통행시간을 와이블 분포로 모형화하여 추정한 형상모수를 역의 특성값으로 정의하였다. 그리고 특성 벡터들을 K-평균 클러스터링 기법을 사용하여 클러스터링하였다. 실험결과 통행시간을 고려하여 역의 클러스터링을 수행하면 기존 연구의 클러스터링 결과와 유사한 결과가 나올 뿐만 아니라 더 세분화 된 클러스터링이 가능함을 관찰하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Smart card data is representative mobility data and can be used for policy development by analyzing public transportation usage behavior. This paper deals with the problem of classifying metro stations using metro usage patterns as one of these studies. Since the previous papers dealing with cluster...

주제어

#네트워크 분석   #스마트카드 데이터   #전철역 클러스터링  

표/그림 (4)

참고문헌 (23)

  1. Bagchi, M. and White, P. R., "The potential of public transport smart card data," Transport Policy, Vol. 12, No. 5, pp. 464-474, 2005. 

    상세보기

  2. Ebrahimpou, Z., Wan, W., Cervantes, O., Luo, T., and Ullah, H., "Comparison of main approaches for extracting behavior features from crowd flow analysis," ISPRS International Journal of Geo-Information, Vol. 8, No. 10, p. 440, 2019. 

    상세보기

  3. El Mahrsi, M. K., Come, E., Oukhellou, L., and Verleysen, M., "Clustering smart card data for urban mobility analysis," IEEE Transactions on Intelligent Transportation Systems, Vol. 18, No. 3, pp. 712-718, 2017. 

    상세보기

  4. Gonzalez, M. C., Hidalgo, C. A., and Barabasi, A-L., "Understnading individual human mobility patterns," Nature, Vol. 453, No. 7196, pp. 779-782, 2008. 

  5. Gordon, J., Koutsopoulos, H., Wilson, N., and Attanucci, J., "Automated inference of linked transit journeys in London using fare-transaction and vehicle location data," Transportation Research Record: Journal of the Transportation Research Board, Vol. 2343, No. 1, pp. 17-24, 2013. 

    상세보기

  6. Ha, J. and Lee, S., "The estimation of commuting patterns and the analysis of the commuting network structure using smart card data: Focused on the possibility of application through the validation process with household travel survey data," Journal of Korea Planning Association, Vol. 51, No. 4, pp. 123-143, 2016. 

  7. Hofmann, M. and O'Mahony, M., "Transfer journey identification and analyses from electronic fare collection data," In the Proceedings of IEEE Intelligent Transportation Systems Conference, pp. 34-39, 2005. 

  8. Hong, S.-P., Min, Y.-H., Park, M.-J., Kim, K. M., and Oh, S. M., "Precise estimation of connections of metro passengers from smart card data," Transportation, Vol. 43, pp. 749-769, 2016. 

    상세보기

  9. Jun, M. J., Choi, K., Jeong, J. E., Kwon, K. H., and Kim, H. J., "Land use characteristics of subway catchment areas and their influence on subway ridership in Seoul," Journal of Transport Geography, Vol. 48, pp. 30-40, 2015. 

    상세보기

  10. Kieu, L. M., Bhaskar, A., and Chung, E., "Passenger segmentation using smart card data," IEEE Transactions on Intelligent Transportation Systems, Vol. 16, No. 3, pp. 1537-1548, 2015. 

    상세보기

  11. Kim, K., Oh, K., Lee, Y., and Jung, J., "Discovery of travel patterns in Seoul Metropolitan subway using big data of smart card transaction systems," The Journal of Society for e-Business Studies, Vol. 18, No. 3, pp. 211-222, 2013. 

  12. Kim, S. K., "Plans for raising the utilization of smart card data," KRIHS Monthly Magazine, Vol. 205, pp. 18-24, 2015. 

  13. Lee, M., Han, J., and Lee, H., "Analysis of the transit ridership pattern using transportation card data: Focusing on Ganghwa," The Journal of Korea Institute of Intelligent Transportation Systems, Vol. 17, No. 2, pp. 58-72, 2018. 

  14. Ma, X. L., Wu, Y. J., Wang, Y. H., Chen, F., and Liu, J. F., "Mining smart card data for transit riders' travel patterns," Transportation Research Part C: Emerging Technologies, Vol. 36, pp. 1-12, 2013. 

    상세보기

  15. Min, M. K., "Classification of seoul metro stations based on boarding/alighting patterns using machine learning clustering," The Journal of the Institute of Internet, Broadcasting and Communication, Vol. 18, No. 4, pp. 13-18, 2018. 

  16. Morency, C., Trepanier, M., and Agard, B., "Analysing the variability of transit users ehaviour with smart card data," In Proceedings of IEEE Intelligent Transportation Systems Conference, pp. 44-49, 2006. 

  17. Mudholkar, G. S. and Srivastava, D. K., "Exponentiated Weibull family for analyzing bathtub failure-rate data," IEEE Transactions on Probability, Vol. 42, No. 2, pp. 299-302, 1993. 

  18. Munizaga, M. and Palma, C., "Estimation of a disaggregate multi-modal public transport origin-destination matrix from passive smartcard data from Santiago, Chile," Transportation Research Part C: Emerging Technologies, Vol. 24, pp. 9-18, 2012. 

    상세보기

  19. Park, J. S. and Lee, K., "Classification of the seoul metropolitan subway stations using graph partitioining," Journal of the Economic Geographical Society of Korea, Vol. 15, No. 3, pp. 343-357, 2012. 

  20. Seaborn, C., Attanucci, J., and Wilson, N., "Analyzing multimodal public transport journeys in London with smart card fare payment data," Transportation Research Record: Journal of the Transportation Research Board, Vol. 2121, No. 1, pp. 55-62, 2009. 

    상세보기

  21. Trepanier, M., Tranchant, N., and Chapleau, R., "Individual trip destination estimation in a transit smart card automated fare collection system," Journal of Intelligent Transportation Systems, Vol. 11, No. 1, pp. 1-14, 2007. 

    상세보기

  22. Utsunomiya, M., Attanucci, J., and Wilson, N., "Potential uses of transit smart card registration and transaction data to improve transit planning," Transportation Research Record: Journal of the Transportation Research Board, Vol. 1971, No. 1, pp. 119-126, 2006. 

  23. Zhou, Q., Liu, S., and Wang, Y., "A study on the coordinative relation of land use and transport around the metro station," Railway Transport and Economy, Vol. 40, No. 4, pp. 100-106, 2018. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로