모빌리티 데이터를 이용한 지역 간 철도 이용객의 접근통행 정의 및 특성분석 : 오송역 사례를 중심으로

국문 초록 (Abstract)

접근성은 철도 수요를 결정하는 가장 중요한 요소 중 하나이며, 접근통행의 질 개선은 철도 이용률을 높일 수 있는 수단이다. 따라서 철도 수요를 예측하기 위해서는 접근통행에 대한 정 확한 조사가 필요하다. 하지만 현재 국내에서는 접근통행에 대한 간접적인 조사만이 이루어지 고 있으며, 지역 통행특성이 고려되지 않은 접근시간이 일괄적으로 적용되고 있다. 이러한 배 경을 바탕으로 본 연구는 실증데이터인 모빌리티 데이터를 사용하여 접근통행을 정의하고, 지 역별 접근통행 특성을 분석하는 알고리즘을 개발하였다. 접근통행을 정의하기 위해 교통량의 변화율을 확인하였으며, 접근통행의 지역별 특성을 분석하기 위해 DBSCAN으로 군집화를 진 행하였다. 또한 개발된 알고리즘을 검증하기 위해 오송역에 대한 사례연구를 진행하였다. 사례 연구 결과, 청주시는 대중교통이 잘 분산되어 있는 반면, 세종시는 일부 지역에만 서비스가 집 중되어 있는 것으로 나타났다. 대전시의 경우 이동시간이 70분을 초과함에도 불구하고 여전히 오송역을 이용하여 노선을 증설할 필요가 있었다. 이러한 결과는 해당 알고리즘을 통해 접근 통행을 효과적으로 정의하고 분석할 수 있음을 시사하며, 실증데이터로부터 접근통행 특성을 추출할 수 있다는 데 의의가 있다.

다국어 초록 (Multilingual Abstract)

Accessibility is one of the most critical factors determining railway demand, and improving the quality of access trips could potentially increase the railway. However, there is no practical way to accurately know where and how people are coming to the station. For those reasons, the access trips and their travel patterns are assumed to be uniformly distributed and have the same speed and travel patterns. Additionally, variables related to access trips, such as access time or speed, are applied as fixed values in the mode choice analysis, which leads to errors in railways demand forecasting and causes the project to fail the preliminary feasibility study. This study proposes an algorithm to define access trips and analyze the characteristics of their travel patterns by region using empirical mobility data instead of survey data. We utilized the traffic volume change rate from the mobility data to define an access boundary and applied DBSCAN to group access trips. Finally, the algorithm was validated using a case study of Osong Station in the Republic of Korea. The results showed that while some areas have a well-distributed public transport system, others have services concentrated in a limited area. In another area, despite travel times exceeding 70 minutes, Osong Station was still used, indicating a need to increase stop routes in that region. These results suggest that the proposed algorithm can be used to define and analyze access trips effectively, and it is significant that access trip characteristics can be extracted from empirical data.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• 1. 개요
• 2. 선행연구 고찰
• 3. 사용 데이터
• Ⅱ. 방법론
• 1. STEP 1: Data pre-processing and Extracting trips based on destination(데이터 전처리 및 목적지 기준 통행 추출)
• 2. STEP 2: Defining access trip (접근통행 정의)
• 3. STEP 3: Creating clusters of access trip by density (밀도 기반 접근통행 군집 생성)
• 4. STEP 4: Analyzing characteristics by clusters(군집별 특성분석)
• Ⅲ. 사례분석
• 1. 오송역 데이터 전처리
• 2. 오송역 접근통행 정의
• 3. 오송역 접근통행 군집 생성
• 4. 오송역 접근통행 군집별 특성분석
• Ⅳ. 논의 및 정책제언
• Ⅴ. 결론 및 향후 연구과제
• ACKNOWLEDGEMENTS
• REFERENCES