수도권 도시철도 수입금 정산 분석모형

서울시 통합대중교통체계개편에 의한 준공영제 및 거리비례요금제의 시행으로 대중교통 수입금정산문제가 한국철도공사, 서울지하철공사, 서울특별시도시철도공 사, 인천지하철공사의 기존도시철도운영기관의 수입금 배분문제가 내재된 상태에서 버스와 도시철도의 수단간 배분문제까지 포함하는 복잡한 문제로 전개되었다. 또한 추가로 계획되고 있는 민자노선, 지자체의 경전철 도입계획으로 향후 대중교통수입금 정산은 보다 다양한 운영기관 및 지역의 협상문제로서 매우 복잡하게 전개될 것으로 예상되고 있다. 본 연구는 대중교통운영기관의 수입금 배정의 기본접근모형을 제시하는 것으로, 운영기관이 통합대중교통망에서의 승객수송에 기여한 정도를 파악하는 것을 핵심으로 하고 있다. 이를 위해 향후 전자지불시스템이 완비되었을 상황을 가정하여 이때에서 환승구간 때문에 승객의 통행행태가 파악되지 않는 수도권 도시철도로 한정하여 역간의 (복수의) 통행경로를 파악하고 수요를 배정하여 운영기관의 인-Km 등의 기여도를 계산하는 방안을 제안하다. 본 연구의 주요내용을 요약하면 다음과 같다. 1. 도시철도의 승객의 환승행태를 반영한 일반화비용. 2.역간 유사경로결정을 위한 K경로알고리즘. 3. 유사경로에 수요배정모형.

Seoul metropolitan public transport reform results in the introduction of the semi-public operation and distance-based fare policies. With implementation of these policies, public transport revenue allocation has been (will be) evolved very complicated because the existing revenue allocation issues have not only been clearly solved, which is generated by the combined relationship among Korea Railroad Corporation (KRC), Seoul Metropolitan Subway Corporation (SMSC), Seoul Metropolitan Rapid Transit Corporation (SMRTC), and Incheon Rapid Transit Corporation (IRTC), but also the revenue allocation problem between bus- and urban railroad-related organizations need to be considered in this combined framework. On top of that, based on the future plans such as the private sector's railroad construction plan(s), the light rail transit construction plans of several local governments and the join of remained bus lines of Seoul metropolitan areas, it is understood that the revenue allocation among public transport operating organization will become one of main issues of operation organization as well as local and central governments. As a basic approach for revenue allocation of public transport operation organizations, the purpose of this paper is to propose an integrated model applicable to estimate degree of service contribution in passenger carriage in the combined public transport network. With a hypothesis that the complete electronic card system is deployed, this paper supposes every passenger's loading and alighting stations is recordable. Thereby, this paper limits research scope as to Seoul metropolitan railroad area since used route(s) between origin and destination stations can not be traceded because transfer stations each passenger path through is not recorded. Each model proposed in the paper is as follows: 1. a generalized cost reflecting passenger's transfer behavior; 2.a K path model for determining similar routes between O-D; 3.an assignment model for loading O-D trips onto the detected similar routes using Logit Model.

#준공영제 #거리비례요금제 #대중교통 수입금정산 #수요배정 #환승 #유사경로 #일반화비용

참고문헌 (11)

참고문헌 신청

[학술지(정기간행물)] - / 2004 / 수도권 지하철 정기권 도입방안 최종보고서

[학술지(정기간행물)] - / 2004 / 교통망에 적합한 K 비루프 경로 탐색 알고리즘 22 (6) : 121 ~ 131

[학술지(정기간행물)] - / 2004 / K 링크 비루프 최적경로 탐색알고리즘과 복합대중교통망에의 활용

[학술지(정기간행물)] - / 1987 / 수도권 전철지하철연락 운임정산을 위한 조사연구 착수보고서

[학술지(정기간행물)] - / 2004 / 환승역사동선체계를 고려한 환승패널티 추정

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

신성일

소속기관 서울연구원

주요연구분야 공학 > 기타공학 > 교통공학 TOP 5%

논문수 75 이용수 2,721

노현수

소속기관 대한교통학회

주요연구분야 공학 > 기타공학 > 교통공학

논문수 4 이용수 243

조종석

소속기관 한국교통연구원

주요연구분야 공학 > 기타공학 > 교통공학 TOP 10%

논문수 25 이용수 1,436

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-053-003361817

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (26)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)