의사결정나무 기법을 적용한 DSRC 통행속도패턴 분류방안

이민하,이상수,남궁성,최기주 한국ITS학회 2014 한국ITS학회논문지 Vol.13 No.2

본 논문의 목적은 DSRC 기반 통행속도 이력데이터를 활용하여 IC-IC 구간 단위의 통행패턴을 도출하는 것이며, 이를 통해 방대한 이력정보 데이터의 활용도를 높이고, 단순하지만 정확성 높은 방법으로 도로의 통행패턴을 용이하게 파악할 수 있게 하는 것이다. 통행패턴 분류는 의사결정나무 기법을 적용하였고, 월·시간대·구간 단위로 분리된 통행패턴을 생성하여 시·공간이 변화되어도 이에 대응 가능하도록 하였다. 경부고속도로 서울TG~안성IC 구간을 대상으로 의사결정나무 기법을 적용한 결과, 요일 기준으로 (월)(화·수·목)(금)(토)(일) 5개 그룹으로 고정 통행패턴이 분류되었다. 분류 결과를 영동, 중부, 중부내륙 고속도로의 9개 구간에 적용하여 통계적 검증을 수행한 결과 약 93%의 적합도를 갖는 것으로 나타났다. 의사결정나무를 통한 통행패턴 오차를 개선하기 위하여 4개의 추가변수를 도입한 결과, “직전월의 소통상황”을 설명변수로 추가할 경우 통행속도 분산이 약 50% 감소함을 확인하였고, 실제 상황에 적용할 경우 소통 원활 시의 오차가 약 4% 감소되었다. In this paper, travel speed patterns were deducted based on historical DSRC travel speed data using Decision Tree technique to improve availability of the massive amount of historical data. These patterns were designed to reflect spatio-temporal vicissitudes in reality by generating pattern units classified by months, time of day, and highway sections. The study area was from Seoul TG to Ansung IC sections on Gyung-bu highway where high peak time of day frequently occurs in South Korea. Decision Tree technique was applied to categorize travel speed according to day of week. As a result, five different pattern groups were generated: (Mon)(Tue·Wed·Thu)(Fri)(Sat)(Sun). Statistical verification was conducted to prove the validity of patterns on nine different highway sections, and the accuracy of fitting was found to be 93%. To reduce travel pattern errors against individual travel speed data, inclusion of four additional variables were also tested. Among those variables, ‘traffic condition on previous month’ variable improved the pattern grouping accuracy by reducing 50% of speed variance in the decision tree model developed.

COVID-19 발생 전후 스마트카드 이용자의 통행패턴 및 통행목적 변화 분석

김은정,민진홍,김동규,문세동 대한교통학회 2023 대한교통학회지 Vol.41 No.7

코로나19 팬데믹은 전 세계적인 경제 및 사회적 변화를 유발하였으며, 이러한 변화는 교통 분야에도 막대한 영향을 미쳤다. 특히 방역 지침이 강화됨에 따라 밀집도가 높은 대중교통 이용률은 급격하게 감소한 반면, 자가용 및 택시와 같은 타 교통수단의 이용이 증가하는 현상이 관찰되었다. 코로나19의 영향은 모든 사회 구성원에게 균일하게 작용하지 않았다는 점이 주목되지만, 노인이나 어린이와 같은 교통 취약 계층의 코로나19에 따른 통행패턴의 변화 및 제약에 대한 연구는 미흡한 실정이다. 이에, 본 연구는 코로나19의 영향으로 인한 대중교통 이용자들의 통행패턴 및 목적의 변화를 연령대별로 세분화하여 분석하였다. 2017년과 2021년의 스마트카드 데이터를 기반으로 코로나19 발생 전후의 통행패턴의 차이를 비교하였고, k-means 군집화 알고리즘을 활용하여 통행 특징에 따른 이용자 군집화를 수행하였다. 또한, 가구통행실태조사 데이터를 통해 각 군집의 통행목적을 추정하였으며, 이용자 연령대에 따른 통행패턴 변화를 분석하였다. 분석 결과, 코로나19로 인한 대중교통 통행패턴의 변화는 연령대 및 통행목적에 따라 유의미한 차이를 보였으며, 특히 노인 이용자의 통행패턴 변화가 두드러졌다. 본 연구는 코로나19와 같은 재난 상황에서 교통 취약 계층의 통행패턴 변화에 대한 이해를 바탕으로, 교통 취약 계층에 특성화된 정책적 지원 및 제반시설 공급 전략 등의 기반 마련과 관련된 정책적 시사점을 제공한다. The COVID-19 pandemic has caused major changes worldwide, especially in transportation behaviors. Notably, as disinfection guidelines intensified, there was a sharp decline in the use of high-density public transit, while the usage of private vehicles and taxis increased. However, the impacts of the pandemic were not uniformly distributed across societal demographics, with variations influenced by socio-economic factors. Despite these disparities, there exists few research addressing the altered and restricted travel patterns faced by transportation-vulnerable groups, such as the elderly and children, during the pandemic. To bridge this research gap, this study aims to examine the changes in travel patterns and purposes of public transit users in the wake of COVID-19, segmented by age groups. Using smartcard data from 2017 and 2021 in Seoul, Korea, the study analyzed travel patterns pre- and post-pandemic and employed the k-means clustering algorithm to categorize users based on travel characteristics. Additionally, Household Travel Survey data was utilized to infer the travel purposes of each cluster, and a detailed analysis was conducted on the variations in travel patterns by user age. The findings revealed that the shifts in public transportation travel patterns due to COVID-19 exhibited significant disparities based on age and travel purpose, with the elderly users' travel patterns being particularly pronounced. This research can be used to offer policy insights for understanding the travel pattern shifts of transportation-vulnerable groups during crises like COVID-19 and provide a foundational basis for the effective enhancement of public transportation systems, disaster response strategies, and policy formulation.

내비게이션 데이터를 활용한 시간대 그룹별 통행량 집중률 분포 패턴 분석

송용욱,김익기,남호현,박상준 대한교통학회 2021 대한교통학회지 Vol.39 No.3

This study was intended to verify the hypothesis that there is a difference in the choice of start time by travel distance and the behavioral hypothesis that such difference in departure time results in differences in vehicle trip distribution patterns by time range using actual measurement data of navigation. In the current, when estimating traffic demand, use AAWDT (Annual Average WeekDay Traffic) estimated from household traffic survey sample data to estimate traffic pattern by applying the ratio of peak and non-peak vehicle trip. However, it is thought that estimating the concentration ratio of roads with uniform rate of peak and non-peak regardless of travel distance (travel time) to analyze the network path will differ significantly from the actual traffic patterns. This study proposes a more realistic method of estimating by reflecting the traffic patterns which difference in peak and non-peak time due to differences in departure time by distance using actual measurement data of navigation. in the network analysis. This study use SK T-map data, which has the highest share of navigation service in Korea, of 261 day on weekdays during one year. SAS (statistical package program) and RapidMiner (data mining platform) were used as analysis tools to construct k-means clustering. Based on actual navigation data, interregional travel distance was divided into seven groups to have similar characteristics, and the average traffic rate was calculated by the distance groups. By grouping and simplifying similar traffic patterns such as peak, non-peak and night using 24-hours traffic concentration rate data from derived seven distance group, a study was conducted on how to most realistically express traffic patterns. In other word, using the 24-hour traffic concentration rate of seven distance groups, through the k-means clustering analysis from k=2 to k=5, the time zone with similar traffic pattern of concentration was divided into one group. The results of BIC, Elbow, Silhouette, correlation coefficient analysis by k-means clustering result, slope, and value of non-segmented simple regression model were compared according to k value. As a result of this study, it was found that it is best to classified traffic pattern by time into three groups. In addition, it proposed a method of building OD data to enable network analysis that reflected the classification of travel distance and traffic concentration ratio patterns obtained from the research results. It is expected that a more realistic analysis of the traffic patterns of time bands on roads where short, medium and long distance traffic is mixed when performing a traffic assignment based on OD data which reflecting differences in departure time by travel distance. 이 연구는 내비게이션의 실측 데이터를 이용하여 지역 간 통행에 있어 통행거리별로 출발시각 선택에 차이가 있다는 가설과 이와 같은 출발시각 차이는 통행거리별로 시간대별 교통량 분포패턴의 차이를 야기한다는 행태적 가설을 검증하고자 하였다. 현재 교통수요추정 시 가구통행실태조사 표본자료를 전수화하여 추정된 AAWDT(Annual Average WeekDay Traffic)를 이용하여 첨두 ‧ 비첨두의 집중률을 적용하여 교통패턴을 추정 분석하고 있다. 하지만 이와 같이 통행거리(통행시간)에 상관없이 획일적 첨두 및 비첨두 집중률을 적용하여 네트워크 노선배정분석을 하여 각 도로구간의 첨두시, 비첨두시의 교통량을 추정하는 것은 현실적 통행패턴과는 차이가 클 것으로 고려된다. 그래서 본 연구에서는 현실에서 실측 조사된 내비게이션 자료로부터 통행거리별 출발시각의 차이로 인한 첨두시간대의 차이를 네트워크 분석에 반영함으로써 출발시각 시점을 기준으로 첨두시와 비첨두시의 집중률 패턴을 좀 더 현실적으로 추정하는 방법을 제안한다. 본 연구에서 사용한 자료는 현재 국내 내비게이션 서비스 중 가장 높은 점유율을 확보하고 있는 SK T-map 자료이며, 2016년의 평일 261일의 자료를 사용하였다. 적용한 분석도구는 통계 패키지 프로그램인 SAS와 데이터 마이닝 플랫폼인 RapidMiner를 이용하여 k-means 클러스터링을 실시하였다. 내비게이션 실측자료를 기반으로 지역 간 통행의 통행거리를 통행특성이 유사하도록 거리별 7개의 그룹으로 구분하였으며, 구분한 거리별 그룹에 대해 시간대별 평균 교통량 비율을 산출하였다. 위에서 구한 통행거리별 7개 그룹의 출발시간 기준 24시간 교통량 집중률 자료를 활용하여 그룹별 시간대를 첨두, 비첨두 및 심야로 구분하는 것과 같이 유사 교통패턴을 그룹화 및 단순화하여 시간대별 분포패턴을 가장 현실적으로 표현 하는 방법에 대한 연구를 수행하였다. 즉, 7개의 그룹의 하루 24시간의 시간대별 교통량 집중률을 k=2부터 k=5까지 k-means 클러스터링 분석을 통해 집중률 패턴이 유사한 시간대를 하나의 그룹으로 구분하였다. k값에 따라 k-means 클러스터링 결과별 BIC, Elbow Method, 실루엣 계수, 상관계수 분석과 절편이 없는 단순회귀모형의 기울기와 값을 평가 분석결과 시간대별 교통 패턴을 3개로 구분하는 것이 최적의 결과로 도출되었다. 또한 네트워크 분석이 가능하도록 연구결과로 얻어진 통행거리 구분과 시간대별 교통량 집중률 패턴 구분이 반영된 OD 자료를 구축하는 방법도 제안하였다. 이와 같이 통행거리별 출발시각의 차이를 반영한 하루의 시간대 그룹별 OD 자료에 의한 네트워크의 노선배정(traffic assignment)을 수행할 경우 단거리, 중거리 및 장거리 통행이 혼재한 도로구간(링크) 상의 시간대 구간 그룹의 교통량 패턴을 더욱 현실적 분석을 가능하게 할 수 있을 것으로 기대된다.

TCS 자료 및 GIS를 이용한 한국의 통행패턴 분석

김재헌,정진혁,최민환,장훈 대한교통학회 2008 대한교통학회지 Vol.26 No.3

In 2002, the 5-day workweek policy was effective in Korea. As we have expected, the 5-day workweek policy has changed people's travel behavior during weekdays and weekends. Several studies have been done to understand these changes and impacts on transportation systems. However, these studies have only focused on travel pattern changes without considering spatial factors. Said in another way, although individual travel pattern changes are usually investigated, indices adopted cannot describe travel pattern changes in a proper way due to lack of the spatial distribution measure. This study aims to analyze travel change since the 5-day work week policy in effect using a new index (i.e. Travel Vector Index) developed in this study, which can explain travel pattern changes in terms of magnitude and spatial point of views. The new index uses a GIS technology and TCS (Toll Collection System) databases in Korea. The results in this study show that the index is very useful and reliable to measure the travel patterns changes. They are applied to TCS data set and the results show that the 5-day workweek policy significantly affects on travel behaviors. 2002년에 한국에 도입된 주 5일 근무제는 사람들의 주중 통행 및 주말 통행 패턴을 바꾸어 왔다. 이러한 변화가 교통 시스템에 미치는 영향을 파악하기 위하여 여러 연구들이 수행되었으나 이 연구들은 공간적 요소를 고려하지 않은 통행 패턴 변화에만 초점이 맞추어졌다. 즉, 개인 통행 패턴의 변화에 대한 연구는 많이 진행되었지만 이러한 변화에 대한 공간적 분석 기법의 부재로 인해 통행 패턴의 변화를 정확하게 분석하지는 못하였다. 본 연구는 주 5일 근무제가 도입된 뒤의 통행변화의 분석을 목적으로 하고 있으며, 이를 위해 통행 벡터 지표처럼 통행 패턴의 변화를 정량적인 관점만이 아닌 공간적인 관점에서 분석할 수 있는 새로운 지표를 이용하는데. 이 새로운 지표는 GIS 기술과 한국 고속도로의 TCS 자료를 이용한다. 본 연구의 결과는 고속도로 TCS 자료에 적용된 이 지표가 주 5일 근무제가 통행 행태에 영향을 미친다는 것을 보여주고 있고, 따라서 통행패턴의 변화를 분석하는데 매우 유용한 방법임을 보여준다.

장래 개발계획에 의한 추가 통행량 분석시 OD 패턴적용과 PA 패턴적용의 분석방법 비교

김익기,박상준 대한교통학회 2015 대한교통학회지 Vol.33 No.2

The KOTI(Korea Transport Institute) released the new version of KTDB(Korea Transport DataBase) in public. The new KTDB is different from the past KTDB in using the concept of trip generation and trip attraction instead of using the concept of Origin-Destination (OD), which was used in the past KTDB. Thus, the appropriate analysis method for future travel demand became necessary for the new type of KTDB. The method should be based on the concept of PA(Production-Attraction). This study focused on analysis of trip generation and trip distribution related to newly generated trips by future land developments. The study also described clearly the standardized forecasting process and methods with PA travel tables. The study showed that the analysis results with OD-based analysis can be different from the results with PA-based analysis in forecasting travel demand for a simple example case even though they used exactly same orignal travel data. Therefore, this study emphasized that a proper method should be applied with the new PA-based KTDB. It is necessary to prepare and disseminate guidelines of the proper forecasting method and application with PA-based travel data for practician. 한국교통연구원에서 2010년 가구통행실태조사 자료를 기초로 구축한 신규 KTDB 여객자료는 대도시권 모두에 대해 PA개념을 기반으로 통행생성과 통행유인의 통행발생량과 교통존 간의 통행량 자료를 처음으로 제공하였다. 따라서, 신규 KTDB를 활용한 장래 수요예측의 분석방법은 변화된 자료형태에 적합한 PA개념의 분석방법이 적용되어야 한다. 본 연구에서는 교통정책 분석 시 반영하게 되는 장래 개발사업에 대한 통행발생량 예측과 통행분포패턴 예측 분석에 있어 PA개념의 분석 절차를 정형화할 수 있는 방법을 명확하게 제시하고, 또한 과거의 OD기반의 분석방법이 적용될 경우 그 분석결과가 PA기반의 분석방법의 결과와 다르게 나올 수 있음을 단순 예제를 통해 증명하였다. 이와 같은 분석결과의 차이는 교통정책의 의사결정에 있어 신규 KTDB 여객자료를 활용하면서 과거의 OD기반의 분석방법이 적용될 경우 정책결정에 왜곡을 가져올 수 있음을 의미하는 것이므로, 신규 자료에 대해 적합한 분석방법이 적용되어야 함을 본 연구는 강조하였다. 또한 본 연구는 신규 KTDB 여객자료에 PA기반 분석방법이 올바로 응용 적용될 수 있도록 조속히 실무분석가들에게 분석방법 지침과 기술 보급이 필요함을 주장하였다.

통행분포패턴에 기초한 장래 O-D표 수렴계산방법 개발

유영근 대한교통학회 2005 大韓交通學會誌 Vol.23 No.2

Estimation of trip distribution, estimated O-D matrix must satisfy the condition that the sum of trips in a row should equal the trip production, and the sum of trips in a column should equal the trip attraction. In most cases the iterative calculation for convergence is needed to satisfy this condition. Most of all present convergence of iterative methods may results a big difference between estimated value and converged value, and from this, the trip distribution patterns may be changed. This paper presents a new convergence of iterative method that comes closer to meeting the convergence condition and gives the maximum likelihood estimation for calculating a distribution patterns from the trip distribution estimation model. The newly developed method differs from existing methods in three important ways. First, it simultaneously considers both the convergence condition and the distribution patterns. Second, it computes simultaneous convergence of rows and columns instead of iterating respectively. Third, instead of using the growth rates to the trip production, trip attraction, it uses the differences between trip production and sum of trips in a row, and trip attraction and sum of trips in a column.Using 38 by 38 O-D matrix, this paper compared the Fratar method and the Furness method to the newly developed method and found that this method was superior to the other two methods. 통행분포의 예측과정에서 장래 O-D표는 행의 합 및 열의 합이 통행발생 예측단계에서 예측된 존의 유출 통행량 및 유입 통행량에 근접해야 한다는 제약조건을 만족시키기 위하여 수렴계산을 하게 된다. 기존 수렴계산 방법들은 통행분포 예측모형에 의해 예측된 존간 통행분포량이 수렴계산과정에서 상당히 달라질 수 있고, 그 결과로, 예측된 존간 통행분포패턴의 변형을 가져올 수 있다. 본 논문에서는 이와 같은 문제점을 해결하고자, 새로운 수렴계산방법을 개발하였다.기존 수렴계산 방법들이 O-D표의 행의 합과 유출 통행량, 그리고 열의 합과 유입통행량을 근접시키기 위하여 비율로써 행과 열을 순차적으로 반복하면서 수렴계산을 행하는 것과 달리, 개발된 방법은 총 통행량을 기준으로 유출통행량, 유입통행량과의 차를 가중평균으로써 최소화시키는 수렴계산 특성을 갖는다.개발된 수렴계산 방법을 38개 존의 실제 O-D표를 이용하여 현재까지 가장 많이 사용되어온 프레타법 및 퍼니스법과 비교, 검증하였으며, 검증결과 개발된 방법은 제약조건을 충족시킴과 동시에 통행분포 예측모형으로부터 예측된 존간 통행분포량과의 차가 다른 방법에 비해 최소화 되어 유용한 것으로 증명되었다.

교통카드 데이터를 활용한 대중교통 최적전략 통행배정과 실제 통행행태 비교 분석

오동규(Dongkyu Oh),이인묵(Inmook Lee) 한국도시철도학회 2021 한국도시철도학회논문집 Vol.9 No.4

최적전략 통행배정기법은 대중교통계획 단계에서 통행배정기법으로 주로 사용된다. 그러나 최적전략 통행배정기법이 만들어졌을 당시에는 대중교통 이용자가 얻을 수 있는 정보에 한계가 있어 이 배정기법은 강건한 가정을 기반으로 하였다. 현재의 대중교통 이용자들은 버스정보시스템이나 대중교통 이용자 정보시스템 등을 통해 본인의 통행시간을 최소화하는 경로를 이용할 수 있는데, 이에 따라 최적전략 통행배정기법의 경로선택과 실제 통행행태가 다를 것임을 가정하고 추정치와 실제치를 비교하였다. 그 결과 통행패턴과 통행량은 추정치와 실제치가 유의미한 차이가 있고, 통행시간은 큰 차이가 없는 것으로 분석되었다. 본 연구의 결과는 향후 대중교통통행배정 모형의 개선에 활용될 수 있을 것이다. The Optimal Strategy Transit Assignment (OSTA) is mostly used as a transit assignment model in public transportation planning stage. When the OSTA was developed, there was a limit to the information available to public transportation users, so this method was based on robust assumptions. However, current public transportation users can use a route that minimizes their travel time using the bus information systems or applications. Therefore, this study compared the estimated and actual values assuming that the route selection and actual travel behavior of the OSTA would be different. As a result, it was analyzed that there was a significant difference between the estimated value and the actual value for travel pattern and traffic volume, and there was no significant difference in travel time. The results of this study can be used to improve the public transportation assignment model in the future.

온라인 쇼핑의 통행수요 변화 잠재력 추정

홍갑선(Hong Gapseon),이상협(Lee Sang Hyup) 대한토목학회 2006 대한토목학회논문집 D Vol.26 No.2D

소비자가 쇼핑통행을 하지 않으면서 인터넷을 통해 물건을 주문하고, 집이나 직장 등 소비자가 원하는 장소에서 물건을 배달 받는 온라인 쇼핑은 운송산업 구조, 산업입지 패턴, 화물운송수요 및 통행패턴에 종전과 전혀 다른 변화를 초래할 것이다. 우리나라의 경우 장래 예상되는 여성인구의 사회활동 참여 증대, 고령인구의 증가, 대량생산에서 소량 다품목 고부가 가치 생산으로 변화하는 산업구조 등 사회ㆍ경제적 변혁은 앞으로 온라인 쇼핑의 가능성을 더욱 확대시킬 것이다. 따라서 장래 통행수요 및 통행패턴에도 상당한 변화를 초래할 것이며 이러한 변화는 장래 교통정책 방향에 지대한 영향을 미칠 것이다. 온라인 쇼핑의 통행에 미치는 영향이 매우 큼에도 불구하고 아직 우리나라에서는 이에 대한 연구가 이루어진 적이 전혀 없으며 교통정책 수립 시 전혀 반영되지 못하고 있는 실정이다. 따라서 본 연구에서는 온라인 쇼핑이 개인통행에 미치는 영향을 파악하고, 이러한 변화에 대응하기 위하여 장래 교통정책에서 다루어야 할 과제와 정책방향을 검토하고 제시한다. On-line shopping allows consumers to order goods via internet and receive them at homes or workplaces. Emergence of online shopping industry has brought the changes in the structure of freight industry, in the location selection pattern of industrial clusters and in the consumer's travel pattern. This trend is likely to continue, especially in Korea, as the society sees increases in women's participation in workforce, in population of the elder and in production pattern of manufacturing individually customized goods. Despite on-line shopping's heavy influence on travel demand, no study on this particular topic has been done yet, and thus the effect of on-line shopping on travel demand has not been properly reflected on policy making process. This paper suggests the transportation strategy to cope with this change based on the analysis of the effect of on-line shopping on personal travel demand.

스마트카드 자료를 활용한 대중교통 승객의 통행목적 추정

전인우 ( In-woo Jeon ),이민혁 ( Min-hyuck Lee ),전철민 ( Chul-min Jun ) 한국지리정보학회 2019 한국지리정보학회지 Vol.22 No.1

스마트카드 자료에는 개별 승객의 대중교통 이용기록이 저장되고, 이를 활용하면 정류장별, 시간대별 통행수요를 분석할 수 있다. 다만 스마트카드 자료에는 통행목적이 기록되어 있지 않기 때문에 통근, 통학, 여가 등의 목적별 수요는 설문조사 자료를 기반으로 추정되고 있다. 하지만 설문조사 자료에는 일부 표본의 통행만 기록되어 있어 전반적인 대중교통 통행수요를 추정하는데 한계가 있다. 만약 스마트카드 자료에서 통행목적을 추정할 수 있다면, 전수조사에 가까운 통행목적별 대중교통 수요에 대한 분석이 가능하다. 이에 본 연구에서는 스마트카드 자료에 기록된 승객의 O-D 통행빈도, 체류 시간, 출발 시각 등을 고려하여 통근, 통학, 귀가의 통행목적을 추정하는 방법론을 제시한다. 결과적으로 제시한 방법론을 적용하여 승객 중 근로자와 대학생을 분류하였다. 제시한 방법론의 검증으로는 가구통행실태조사 자료의 목적별 통행패턴과 본 연구를 통해 추정한 목적별 통행패턴을 비교하였다. The smart card data stores the transit usage records of individual passengers. By using this, it is possible to analyze the traffic demand by station and time. However, since the purpose of the trip is not recorded in the smart card data, the demand for each purpose such as commuting, school, and leisure is estimated based on the survey data. Since survey data includes only some samples, it is difficult to predict public transport demand for each purpose close to the complete enumeration survey. In this study, we estimates the purposes of trip for individual passengers using the smart card data corresponding to the complete enumeration survey of public transportation. We estimated trip purposes such as commute, school(university) considering frequency of O-D, duration, and departure time of a passenger. Based on this, the passengers are classified as workers and university students. In order to verify our methodology, we compared the estimation results of our study with the patterns of the survey data.

코로나19 영향으로 인한 버스이용패턴 분석연구

빈미영,손슬기 경기연구원 2021 경기개발연구원 기본연구 Vol.- No.-

본 연구는 2020년부터 시작된 코로나19 감염확산으로 경기도 버스정류소에서 승하차하는 이용량이 얼마나 변화하고 공간적으로 어떻게 분포하는지를 분석하고 그 지역의 인구와 토지이용 등의 특성이 이러한 변화에 얼마나 영향을 미치는지 이론적 모델을 통해 계량화하였다. 우리나라는 2020년 1월 20일 코로나19 확진자가 처음으로 발생하였으며 2월 19일 대구의 종교집단에서 감영이 확산되어 3월 초에는 전국 약 800명까지 증가하였다. 수도권에서는 3월 10일 서울에 위치한 콜센터에서 집단감염 발생 시작으로 5월 연휴 및 8월 광복절 서울집회시기를 중심으로 신규확진자가 증가하였다. 정부는 코로나19 감염확산에 대응하여 사회적 거리두기를 단계별로 시행하였으며 초・중・고, 대학교에서는 등교수업을 온라인 수업으로 전환하였고 대부분의 많은 직장에서는 재택근무를 본격적으로 시행하게 되었다. 이러한 영향으로 국토교통부는 2019년 대비 2020년 대중교통이용률이 전국 27.0% 감소하였고 수도권은 26.9% 감소하였다고 발표하였다. 경기도에는 버스정류소가 약 3만개가 있으며 버스이용자는 정류소에서 승하차한다. 경기도 버스정류소는 공간적으로 균등하게 분포되어있지 않고 철도 등 환승의 기능을 담당하고 이용수요가 많이 발생하는 정류소에서는 많은 승하차빈도가 발생하고 나머지 정류소에서는 적은 승하차량이 발생하고 있다. 수요가 집중적으로 발생하는 정류소를 파레토정류소, 적은 빈도의 정류소를 롱테일 정류소로 정의하여 경제에서 불균등 함수로 이용되는 멱함수이론을 적용하였다. 멱함수이론으로 파레토정류소가 전체정류소의 약 20%를 차지하며 롱테일 정류소가 전체의 80%를 차지하는 것을 알 수 있었다. 즉 수요가 집중되는 정류소는 전체의 약 20%의 정류소라고 할 수 있다. 멱함수계수는 코로나19로 인해 승하차빈도가 적어질수록 증가하고 승하차빈도가 많아질수록 감소하는 것으로 나타났으며 이를 바탕으로 2020년의 코로나19로 인한 통행량변화시기를 감소기, 회복기, 재감소기로 구분하였다. 감소기는 1월 21일부터 3월 5일까지, 회복기는 3월 5일부터 5월28일까지, 재감소기는 5월 28일부터 8월 20일까지이며 감소기에서는 통행량의 35.1%가 줄어들었고 회복기에서는 29.3%가 증가하고 재감소기에서는 다시 10.3%가 감소하였다. 파레토와 롱테일 정류소의 공간적 분포정도를 계량화하고 통행변화의 정도를 비교하기 위하여 유클리디안 거리산정식을 적용하였으며 경기도에 파레토 정류소는 다른 정류소간의 이격거리가 롱테일 정류소의 이격거리보다 밀접해 있는 것을 확인하였다. 통행변화가 공간적 특성과 어떤 영향이 있는지를 분석하기 위하여 읍면동단위의 사회경제 및 토지이용변수를 고려하여 다중회귀분석모형을 추정하였다. 감소기에는 읍면동단위에서 총인구수(명)가 많을수록 남성비율(%)이 높을수록 고령자비(%)가 높을수록 사업체수(개)가 많을수록 상업비율(%)이 높을수록 파레토 정류소비율(%)이 높을수록 통행량이 많이 감소하고 회복기에는 통행량이 증가하였으며 재감소 기동안에는 통행량이 다시 감소하는 영향요인으로 나타났다. 사회적 거리두기에서 상업시설 이용에 제한을 둔 시책을 고려할 때 지역의 토지이용에 상업시설이 포함되는 지역에서는 이러한 변수가 통행량에 변화를 가져온다는 점에서 본 연구결과는 현실을 반영한다고 볼 수 있다. 이러한 결과로 정류소는 지역의 인구, 상업시설 등 이용수요를 중심으로 공간적으로 집중되어 배치되어있음을 계량적으로 확인할 수 있었고 코로나19와 같은 감염상황에서는 이동량의 변화가 크게 나타남을 알 수 있었다. 미래학자들은 향후 감염병이 더 많이 창궐할 것이며, 코로나19와 같은 팬데믹이 올 때마다 1년 반 정도 도시가 봉쇄될 것이며 새로운 백신이나 항체가 나오길 기다려야 한다고 예상하고 있다. 코로나19의 영향과 같이 비대면생활이 일상화될 경우, 지역 내의 이동과 공간수요는 다핵분산화가 필요하다. 이는 교통분야에서 새로운 기준을 의미하며 코로나19 이후의 대응의 방향을 중요하게 제시하는 것이다. 총 수요관리, 효율성, 대중교통 및 혼잡제어와 같은 기술을 적용하여 생산성과 최적화에 초점을 맞춰왔던 기존의 운송서비스의 변화가 요구되는데 적은 인구집단과 지역을 위한 맞춤형 서비스가 강조되어 제공되어야 할 것이다. The study analyzed the spatial distribution of the change of bus boarding and alighting frequency at the bus stops of Gyeonggi Province under the COVID-19 spread starting from 2020. A theory of power function found the relationships between the bus use frequency and the number of stops having the corresponding frequency. A theoretical model estimated the impacts of land use and demographic characteristics of the geographical region on the change of such relationships. The study classified about 30,000 bus stops of Geyonggi Province into Pareto and Long-tail bus stops based on the bus use frequency and examined the spatial distribution of the bus use change at the bus stops. The analysis found that the bus use frequency reduced by the biggest amount during the first mass infection of COVID-19, and regional characteristics such as population size and the existence of commercial facilities affect the change in bus use frequency of Gyeonggi Province. The analysis results suggests that, considering the safety against the contagious diseases, the focus of the transportation policy should shift from mass transport and efficiency to customized services for the local small population.