에이전트 기반 시뮬레이션을 활용한 멀티모달 모빌리티 시스템 평가 방법론 개발 : GTX 도입 효과를 중심으로 = Development of Agent-Based Simulation Methodology for Multimodal Mobility System Evaluation : Focusing on the Impact of GTX Introduction

국문 초록 (Abstract)

현대 도시 교통환경에서는 버스, 지하철, 공유자전거, 도심항공교통(Urban Air Mobility, UAM) 등 다양한 교통수단이 혼재하며, Mobility as a Service(MaaS)의 확산으로 복합적 이동 서비스가 통합 플랫폼에서 제공되고 있다. 이러한 환경에서 개별 교통수단 단위의 분석만으로는 통행 행태를 충분히 설명하기 어려우며, 다수 교통수단을 하나의 시스템으로 통합하여 평가할 수 있는 분석 체계가 요구된다. 그러나 데이터 형식의 이질성, 환승을 고려한 경로 탐색의 복잡성, 실제 이용 행태 반영의 한계로 인해 멀티모달 모빌리티 시스템을 정량적으로 비교·평가한 연구는 여전히 제한적이다. 본 연구는 이러한 한계를 극복하기 위해 General Transit Feed Specification(GTFS)과 OpenStreetMap(OSM) 기반 교통망, 그리고 오픈소스 경로탐색 엔진 OpenTripPlanner(OTP)을 결합한 멀티모달 시뮬레이션 프레임워크를 구축하였다. 버스·지하철·보행·환승 정보를 통합한 네트워크를 구성하고, 일반화 비용 함수를 적용하여 통행시간, 대기시간, 환승 페널티, 보행거리를 고려한 최적 경로를 산출하였다. 또한 스마트카드 데이터를 활용해 시뮬레이션 결과의 현실 적합성을 검증하고, OD 클러스터링과 Local Outlier Factor(LOF) 기반 이상치 제거를 통해 대규모 OD 수요를 대표 OD로 축약함으로써 계산 효율성을 확보하였다.
제안한 프레임워크를 수도권에 적용하여 기존 대중교통 시나리오와 수도권 광역급행철도(Great Train eXpress, GTX) 도입 시나리오를 비교한 결과, GTX 도입은 주요 노선 간 통행시간을 유의하게 단축시키는 반면, 추가 환승 발생으로 인해 평균 환승 횟수가 증가하는 상충 효과를 보였다. 이는 고속 교통수단 도입 시 시간 절감 효과와 환승 불편 간 균형 검토의 필요성을 시사한다. 본 연구의 프레임워크는 교통 인프라 투자 및 신규 모빌리티 수단 도입을 위한 근거 기반 평가도구로 활용 가능성이 크다.

다국어 초록 (Multilingual Abstract)

In contemporary urban transportation environments, diverse mobility modes—including buses, subways, shared bicycles, and Urban Air Mobility (UAM)—coexist, while the expansion of Mobility as a Service (MaaS) enables integrated travel services through unified platforms. Under such conditions, analyses limited to individual transport modes are insufficient to adequately explain travel behavior, highlighting the need for analytical frameworks that evaluate multiple modes as an integrated system. However, quantitative comparisons and evaluations of multimodal mobility systems remain limited due to heterogeneous data formats, the complexity of transfer-aware routing, and difficulties in reflecting actual user behavior. To address these challenges, this study develops a multimodal simulation framework by integrating transportation networks based on the General Transit Feed Specification (GTFS) and OpenStreetMap (OSM) with the open-source routing engine OpenTripPlanner (OTP). A unified network incorporating bus, subway, walking, and transfer information is constructed, and optimal routes are generated using a generalized cost function that accounts for travel time, waiting time, transfer penalties, and walking distance. The realism of the simulation results is validated using smart-card transaction data. In addition, large-scale origin–destination (OD) demand is reduced to representative OD sets through OD clustering and Local Outlier Factor (LOF)–based outlier removal, thereby improving computational efficiency. The proposed framework is applied to the Seoul Metropolitan Area to compare a baseline public transit scenario with scenarios incorporating the Great Train eXpress (GTX). The results indicate that the introduction of GTX significantly reduces travel times along major corridors, while simultaneously increasing the average number of transfers due to additional transfer requirements, revealing a trade-off between travel time savings and transfer inconvenience. The proposed framework provides an evidence-based evaluation tool for transportation infrastructure investment and the introduction of new mobility services.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1 연구 배경 및 필요성 1
• 1.2 연구 내용 및 목적 2
• 1.3 연구 방법 및 구성 3
• 제2장 이론적 배경 및 선행연구 고찰 4
• 2.1 멀티모달 교통시스템과 네트워크 구조 4
• 2.2 GTFS 기반 대중교통 데이터 구조 5
• 2.3 대중교통 경로탐색 알고리즘 이론 8
• 2.3.1 대중교통 경로탐색의 기본 구조 8
• 2.3.2 RAPTOR 기반 현대 대중교통 경로탐색 알고리즘 9
• 2.4 전통적 교통수요모형 기반의 시스템 평가 방법 12
• 2.5 멀티모달 에이전트 기반 시뮬레이션 평가 방법 13
• 2.6 시간표ㆍ데이터 기반 시뮬레이션 평가 방법 15
• 2.7 GTX 도입 효과 평가 방법 17
• 2.8 연구의 차별성 21
• 제3장 연구 방법론 23
• 3.1 연구 흐름도 23
• 3.2 데이터수집 24
• 3.2.1 도로 네트워크 24
• 3.2.2 대중교통 네트워크 GTFS 데이터 26
• 3.2.3 GTX 네트워크 GTFS 데이터 구축 26
• 3.2.4 현실 반영 모델 적용 및 품질 검증 28
• 3.3 OTP 기반 멀티모달 네트워크 구축 29
• 3.3.1 네트워크 구축 과정 31
• 3.3.2 OTP 일반화 비용 기반 경로선택 구조 32
• 3.4 OTP 검증 절차 34
• 3.4.1 비교 지표 정의 35
• 3.4.2 단일 경로 신뢰도 평가 결과 36
• 3.5 클러스터링 기법 37
• 3.5.1 OD 특성 변수 구성 37
• 3.5.2 AF-OPTICS 기반 OD 군집화 37
• 제4장 시뮬레이션 프레임워크 설계 40
• 4.1 시나리오 설계 40
• 4.2 지표 체계 40
• 제5장 연구 결과 42
• 5.1 분석 조건 42
• 5.2 분석 결과 42
• 5.2.1 GTX-A 시나리오 결과 43
• 5.2.2 GTX-B 시나리오 결과 44
• 5.2.3 GTX-C 시나리오 결과 46
• 5.2.4 시나리오 비교 및 종합 분석 47
• 5.3 GTX 개통 후 공간적 분석 48
• 5.3.1 OTP 시뮬레이션의 공간적 타당성 검증 48
• 5.3.2 GTX-A 삼성역 개통에 따른 밀도 변화 분석 51
• 5.3.3 GTX-A 삼성역 개통에 따른 영향권 변화 분석 56
• 5.3.4 GTX-B/C 추가시 영향권 분석 60
• 제6장 결론 및 시사점 63
• 6.1 연구 주요 결과 요약 63
• 6.2 연구의 의의 및 기존 연구와의 차별성 64
• 6.3 학술적 시사점 65
• 6.4 정책적 시사점 66
• 6.5 연구 한계 및 향후 연구방향 67
• 부록 69
• A 가우시안 거리 감쇠 효과 69
• B GTFS 검증 71
• 참고문헌 74
• ABSTRACT 83