최근 서울 및 수도권 도시에서 철도확장 또는 버스체계개편으로 대중교통 활성화 방안이 다양하게 추구되고 있다. 이중 철도는 천문학적인 건설비용과 장시간 건설시간이 소요되고 한번 건설된 노선을 변경 또는 폐지하는 것이 어렵다. 반면 버스노선은 수요에 대응하여 탄력적인 노선 조정이 가능하다.
다만 버스의 노선 조정은 다음과 같은 문제점의 해결이 선행되어져야한다. 첫 번째, 현재 버스 노선 배정의 가장 큰 문제점은 버스의 이용현황을 적절히 고려하지 못한 점, 중복노선 문제 등 수요에 대비한 공급의 불균형을 들 수 있다. 두 번째, 버스 이용은 지리적 공간 내에서 일어나는 상호작용 있어서 동단위로 교통 수요를 예측함으로써 교통 수요가 세분화 되지 못하고 과대, 과소평가가 되는 문제점이 있다. 이러한 문제점들의 해결방안으로 GIS-T Data 및 GIS의 지리적 가중 회귀분석(GWR)을 통한 버스정류장, 버스노선의 버스 잠재 수요를 파악하고 공급 현황을 분석하여 버스의 수요와 공급의 균형여부를 파악함으로써 효율적 버스 노선을 구축할 필요가 있다.
본 논문은 기존의 전통적 회귀모형인 OLS모델이 교통수요를 충분히 설명하지 못하는 문제점을 해결하기 위한 GWR모델(Geographically Weighted Regression)을 이용하여 공간적 수요관계를 도출하였다. 공간효과를 고려한 GWR모델을 통해 버스수요을 예측하고 공급과 비교하여 공급 과부족을 파악하고 노선의 최적화를 계량적으로 제시하고자 하였다.
수원시 일반버스 814대의 BIS(Bus Information System, 이하 BIS) 자료와 SCD(Smart Card Data, 이하 SCD) 자료를 활용하여, 기존 노선도의 수요를 파악하였다. 특히 SCD로 구축된 승차인원, 하차인원를 통해 수원시 일반버스 수송인원을 파악했다. 이러한 수원시 정류장 500m 이내의 수송인원을 GWR모델의 버스수요 대리변수로 하고 버스수요에 영향을 주는 독립변수는 총인구수, 총수용학생수, 총직장인수, 상업지 연면적으로 설정하였다. 교통공급을 나타내는 버스노선도를 구축하기 위해서 수원시의 집계구 단위로 이루어진 행정구역 Layer, 「한국교통연구원」의 교통 네트워크 도로 Layer을 사용하였다.
수원시의 버스수요예측모형의 분석결과 수요에 가장 큰 영향을 미치는 변수는 총수용학생수와 총직장인수로 나타났다. 이 두 변수를 사용하여 버스수요를 밀도로 표현하고 일반버스와 광역버스, 좌석버스가 운행 중인 4차선이상도로와 2차선이상 도로를 겹쳐보았다.
분석결과 택지개발지구인 호매실지구와 입북동지구은 현재 아파트와 학교가 건설 되었지만, 대중교통 인프라가 구축되지 않는 지역으로 향후 버스 노선 고려가 되어야할 최우선 지역으로 나탔다. 수원시 일반산업단지는 현재 직장인들이 대중교통이 부족한 지역으로 자가용을 주로 이용하는 지역으로 노선 고려 대상이 되어야 한다. 직장인이 밀집한 지구인 영통1동 지역은 주변에 삼성전자 본사와 하청업체가 있는 지역임에도 불구하고 주변 아파트 지역에서 대중교통으로 접근하기에 어렵이 있는 지역으로 판별되었다. 또한 차선 노선 고려지역으로 구도심지인 화성 일대는 도로 확장어려운 지역으로 향후 마을버스를 증차하는 해야 하는 것으로 판단되었다.
특히 가장 혼잡이 예상되는 수원 호매실 택지지구내 운행 중인 버스 노선을 증차시키고 가용부분이 발생하는 권선동 지역에서 버스를 감차시킬 필요가 있다. 이를 통해서 신규도로 건설이나 새로운 인프라 구축되는 동안 효율적인 버스 운행과 버스노선 최적화을 도모할 수 있을 것이다.

ABSTRACT
Seoul and the surrounding metropolitan areas heavily rely on the mass public transit including subway and bus line. In case of the subway and railway, the construction requires astronomical burden in terms of the construction cost and time. Further, once the rail line is constructed, it if virtually impossible to alter or relocate. On the contrary, bus service is easily adjusted to accommodate the changed demand.

Despite the flexibility of bus service, its relocation should overcome the following problems: first, Bus line rearrangement should consider the balance between the demand and the supply to enhance the transit equity among the users scattered around the area that Supply against demand imbalances. Second, The existing demand analysis is to crude since the demand was analysed based on TAZ, mainly based on the Dong unit. Utilization of the GIS-GWR and GIS-T data can resolve the problem.

In this paper, the limitation of the conventional transit demand analysis model is overcome by deploying the GWR model, which identifies the transit demand based on the geographic relation between the service location and those of the users. GWR model considers the spatial effect of the bus demand in accordance with the distance to the each bus stops. For this, BIS (Bus Information System) and SCD (Smart Card Data) of the area for one weekday are analysed in this study.

The population, total number of students, total number of employees, and the accumulated commercial area are used as the independent variables for the model. The analysis results shows that the total number of students and total number of employees are the two most important variable that affect to the bus demand. Based on this finding, the potential bus demand of the entire area was computed in an 100 meter by 100 meter spatial unit. This demand map was then superimposes with the existing bus route which identified the areas where the balance between demand and supply is severely skewed. Since the analysis was computed with numerical attribute data, e.g., numbers of passenger and service headway at every bus stops, the shortage and surplus of bus service of entire study area could computed. Further, based on this computational result and considering the entire bus service capacity data, the sample relocation computation of the bus service for Bus routes optimization from the oversupplied areas to the undersupplied area was illustrated. Thus this study clearly compares the benefits the GIS based bus demand analysis.