역사 맞춤형 정책 수립을 위한 지하철 역사의 유형화 및 특성 분석에 관한 연구: 서울 지하철 사례를 중심으로 = A Study on the Classification and Characterization Analysis Subway Station for the Customized Policies: Seoul Metropolitan Subway Cases

다국어 초록 (Multilingual Abstract)

The Seoul metropolitan subway opened in 1974, and it became popular public transportation used by an average of 4.61 million passengers per day in 2021. Furthermore, by generating a vast amount of traffic data, it is showing value beyond public transportation. Developed countries utilize a combination of public transportation data and other types of data to efficiently develop public transportation operations and passenger-specific policies. On the other hand, despite various types of subway stations being added over time, the domestic study considers data of a single type (e.g., congestion, passenger, etc.). Such studies cannot effectively utilize traffic information and are challenging to utilize in various types of Seoul metropolitan subway. In this study, we aim to classify Seoul metropolitan subway from Line 1 to Line 9 by utilizing various data related to subway stations to suggest customized policies. The experiment results showed that the areas around the subway stations were categorized into three types: highly residential types, university·capital types, and transfer·commercial types. Our findings can provide appropriate policies for each type of subway station.

참고문헌 (Reference)

1 문서현, "철도 역내 상업시설의 이용 활성화를 위한 개선방안 모색 - 일본의 역내 상업시설 ‘ecute’에 관한 고찰을 중심으로 -" 한국실내디자인학회 26 (26): 101-112, 2017

2 이종민 ; 한광석, "지하철광고 제도의 문제점 및 개선방안" 한국OOH광고학회 4 (4): 5-23, 2007

3 이성희, "지하철 타고 버스 타고123㎞를?···서울시민, 하루930만건 대중교통 이용"

4 김영욱 ; 김찬주, "지하철 역사공간에서 승객의 유동 패턴에 관한 연구" 대한건축학회 23 (23): 71-78, 2007

5 장재민 ; 이경철 ; 김태형, "지하철 역사 내 임대시설 적정 면적 및 임대료 산정에 영향을 미치는 변수에 관한 연구: 서울 지하철5호선, 6호선을 사례로" 한국철도학회 19 (19): 380-387, 2016

6 송치영 ; 서상혁 ; 곽승현 ; 이석환 ; 민병찬, "지하철 광고의 부정적 정서자극과 청각자극의 동시자극이 자율신경계에 미치는 영향 연구" 사단법인 인문사회과학기술융합학회 8 (8): 99-106, 2018

7 김용민 ; 김환배 ; 정혜영 ; 이명훈, "지하철 2호선 역세권 별 유출입특성과 역세권 토지이용에 관한 연구" 한국지역개발학회 29 (29): 157-180, 2017

8 이다예 ; 이희연, "지역맞춤형 정책 수립을 위한 수도권 근교농촌의 유형화 및 특성 분석" 한국지역학회 32 (32): 15-29, 2016

9 여인권, "우리나라 기상자료에 대한 군집분석" 한국데이터정보과학회 22 (22): 941-949, 2011

10 신임호, "서울시 지하철 통행패턴을 통한 연령계층별 활동중심지 분석연구" 한양대학교 도시대학원 2012

11 임상빈, "서울시 오피스텔 및상가 건축물 시가표준액 산정체계 개선방안" 한국지방세연구원 2021

12 손동욱 ; 김진, "서울시 역세권의 도시공간특성과 대중교통 이용률간의 연관성 분석" 한국도시설계학회 11 (11): 33-44, 2010

13 최봉, "서울시 공공빅데이터 활성화방안" 서울연구원 2018

14 이창효 ; 이승일, "서울시 1인 가구의 밀집지역 분석과 주거환경 평가" 서울연구원 11 (11): 69-84, 2010

15 박주석, "빅데이터, 오픈데이터, 마이데이터의 비교 연구" 사)한국빅데이터학회 3 (3): 41-46, 2018

16 김진수, "빅데이터 분석을 이용한 지하철 혼잡도 예측 및 추천시스템" 한국디지털정책학회 14 (14): 289-295, 2016

17 이근영, "도심 지하철역사 활용 다양화 방안 연구" 994-999, 2014

18 조수진 ; 김보경 ; 김나현 ; 송종우, "데이터마이닝 기법을 이용한 서울시 지하철역 승차인원 예측" 한국통계학회 32 (32): 111-128, 2019

19 성진홍, "기계학습을 이용한 서울 지하철 승하차 인원예측" 한양대학교 2018

20 민미경, "기계학습 클러스터링을 이용한 승하차 패턴에 따른 서울시 지하철역 분류" 한국인터넷방송통신학회 18 (18): 13-18, 2018

21 이준호 ; 박광호, "군집분석을 통한 중소기업 온라인 마케팅 지원 수혜기업의 세분화 전략에 관한 연구 : 창업기업 홍보마케팅 지원사업(HIT500) 참여기업 중심으로" 국제e-비즈니스학회 13 (13): 164-194, 2012

22 송민경 ; 장훈, "군집분석을 이용한 수도권 도시의 유형화에 관한 연구" 대한공간정보학회 18 (18): 83-88, 2010

23 이상준 ; 신성일, "교통카드 자료를 활용한 지하철 혼잡도 개선 연구 : Early Bird 정책대안을 중심으로" 한국IT서비스학회 19 (19): 125-138, 2020

24 한상욱 ; 강희용 ; 이명훈, "교통카드 데이터를 활용한 주요 역세권별 대중교통 이용 통근통행자의 주거지 분포 - 수도권을 대상으로" 대한국토·도시계획학회 50 (50): 103-117, 2015

25 전병진 ; 김희웅, "공공 빅데이터 개방 및 활용 활성화 방안에 대한 연구" 한국지능정보사회진흥원 24 (24): 27-41, 2017

26 성현곤 ; 노정현 ; 김태현 ; 박지형, "고밀도시에서의 토지이용이 통행패턴에 미치는 영향: 서울시 역세권을 중심으로" 대한국토·도시계획학회 41 (41): 59-75, 2006

27 황보현우, "[기고]빅데이터 기반지하철 쾌적 경로 서비스 제공해야"

28 Ahmad, A., "Survey of state-of-the-art mixed data clustering algorithms" 7 : 31883-31902, 2019

29 Xu, R., "Survey of clustering algorithms" 16 (16): 645-678, 2005

30 권순재 ; 김성현 ; 탁온식 ; 정현희, "K-Means Clustering 알고리즘과 헤도닉 모형을 활용한 서울시 연립․다세대 군집분류 방법에 관한 연구" 한국지능정보시스템학회 23 (23): 95-118, 2017

31 Syakur, M., "Integration k-means clustering method and elbow method for identification of the best customer profile cluster" 336 (336): 012017-, 2018

32 Bharati, S., "Diagnosis of polycystic ovary syndrome using machine learning algorithms" 1486-1489, 2020

33 Zarikas, V., "Clustering analysis of countries using the COVID-19 cases dataset" 31 : 105787-, 2020

34 엄태휘 ; 고선영 ; 정남호, "COVID-19 전후 제주도 내비게이션 데이터를 이용한 주민 및 관광객의 이동밀도 및 목적지 군집분석 비교" 한국인터넷전자상거래학회 21 (21): 35-51, 2021

35 Mathivanan, N. M. N., "Analysis of k-means clustering algorithm: A case study using large scale e-commerce products" 1-4, 2019

36 Murtagh, F., "Algorithms for hierarchical clustering : an overview" 2 (2): 86-97, 2012

37 Shukla, S., "A review on K-means data clustering approach" 4 (4): 1847-1860, 2014

38 Ezugwu, A. E., "A comprehensive survey of clustering algorithms : State-of-the-art machine learning applications, taxonomy, challenges, and future research prospects" 110 : 104743-, 2022

39 Xu, D., "A comprehensive survey of clustering algorithms" 2 (2): 165-193, 2015

40 Roux, M., "A comparative study of divisive and agglomerative hierarchical clustering algorithms" 35 (35): 345-366, 2018