지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.12
- 수록면
- 674 - 693 (20page)
- DOI
- 10.7470/jkst.2024.42.6.674
이용수
초록· 키워드
오류제보하기
시공간 단위의 통행 특성과 이동 형상은 개인에 따라 독특한 특성을 나타낸다. 본 연구에서는 이러한 모빌리티 특성을 몇 가지의 경향으로 유형화할 수 있음을 제안하였다. 유형화에 활용된 모빌리티 지표는 통행시간, 통행거리, 통행횟수 등의 기본적인 지표뿐만 아니라 위치기반 정보로 산출 가능한 미시적인 지표, 즉 활동장소별 체류시간, 모빌리티 복잡성, 활동 타원체 특성 지표 등을 포함하였다. 이를 활용하여 모빌리티 패턴을 16개 유형으로 구분하는 다차원 모빌리티 지표(Multi-Dimensional Mobility Indicators; MDMI)를 정의하였다. 유형화의 기준이 되는 요인은 4가지로 활동공간과 통행거리, 집 안과 집 밖 활동 비중, 복잡성과 활동 타원체의 원형성, 직장에서 보내는 시간으로 나타났다. 이후 MDMI 지표와 사회경제적 특성 및 지역적 특성 간 연관관계를 규명하였으며, MDMI 지표별, 유형별로 나타나는 독특한 특성을 확인하였다. 분석 결과, 연령, 성별, 소득수준, 주 이용 교통수단 등 다양한 사회경제적 특성이 개인의 모빌리티 유형에 유의미한 영향을 미치는 것으로 나타났다. 예를 들어, 운전면허 소지자는 미소지자보다 통행 거리가 길지만, 실내형, 단순장종(長縱)형의 비율이 높아 다양한 활동을 수행하지는 않는 것으로 나타났다. 또한 수도권 3개 시도(서울, 인천, 경기)는 장거리형, 실내형, 장시간 근무형의 비율이 높아 통근통행에 많은 시간을 할애하는 경향을 확인할 수 있었다. 본 연구는 개인의 모빌리티 패턴을 다차원적으로 이해하여, 기존 모빌리티 분석의 가능성을 확장하는 데 참고할 수 있을 것이다.
목차
Abstract
초록
서론
선행연구
다차원 모빌리티 지표의 개발
개인통행실태조사 데이터를 이용한 MDMI 정의 및 분석 결과
결론
REFERENCES
참고문헌 (32)
참고문헌 신청
Alexander L., Jiang S., Murga M., Gonzalez M. C. (2015), Origin-Destination Trips by Purpose and Time of Day Inferred From Mobile Phone Data, Transp. Res. C: Emerg. Technol., 58, 240-250.
Bai Y., Bai Y., Wang R., Yang T., Song X., Bai B. (2023), Exploring Associations Between the Built Environment and Cycling Behaviour Around Urban Greenways From a Human-Scale Perspective, Land, 12(3), 619.
Cao J., Li Q., Tu W., Wang F. (2019), Characterizing Preferred Motif Choices and Distance Impacts, Plos One, 14(4), e0215242.
Choo S., Lee H., Shin H. (2013), Analyzing Changes in Travel Behavior of the Elderly Using Travel Diary Survey Data in Seoul Metropolitan Area, Korea Spat. Plan. Rev, 31-45.
Cui Y., He Q., Khani A. (2018), Travel Behavior Classification: An Approach With Social Network and Deep Learning, Transp. Res. Rec., 2672(47), 68-80.
Bai Y., Bai Y., Wang R., Yang T., Song X., Bai B. (2023), Exploring Associations Between the Built Environment and Cycling Behaviour Around Urban Greenways From a Human-Scale Perspective, Land, 12(3), 619.
Cao J., Li Q., Tu W., Wang F. (2019), Characterizing Preferred Motif Choices and Distance Impacts, Plos One, 14(4), e0215242.
Choo S., Lee H., Shin H. (2013), Analyzing Changes in Travel Behavior of the Elderly Using Travel Diary Survey Data in Seoul Metropolitan Area, Korea Spat. Plan. Rev, 31-45.
Cui Y., He Q., Khani A. (2018), Travel Behavior Classification: An Approach With Social Network and Deep Learning, Transp. Res. Rec., 2672(47), 68-80.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
거주지 그룹에 따른 통근 수단 선택 분석: 서울시 중심업무지구를 중심으로
이류정
,
이주호
,
곽주현
외 1명
대한교통학회지
2025
.04
시간대별 통행정보를 고려한 장래 AAM 수요예측 - 행정중심복합도시를 중심으로 -
김규혁
,
이재홍
,
김나연
외 2명
지역정책연구
2024
.05
국가균형발전을 위한 로컬리즘 기반의 지역발전 전략 연구
이재현
국토
2024
.05
서울시 15분 근린생활권의 실증과 지역생활권 경계 비교 - 개인통행실태조사 데이터와 커뮤니티 탐지 알고리즘의 활용 -
김정우
,
강범준
대한건축학회논문집
2024
.06
개인통행실태조사 자료를 활용한 위치정보 기반 토지 이용 순차 패턴과 활동-통행 순차 패턴의 비교 분석
최수정
,
원민수
,
이재현
대한교통학회 학술대회지
2024
.03
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092216379