스마트카드 빅데이터를 이용한 대중교통 노선 조정 시뮬레이션 :Route adjustment simulation for public transit using smartcard bigdata

전인우

추천

검색

자료유형: 학위논문

저자정보: 전인우 (서울시립대학교, 서울시립대학교 대학원)

지도교수: 전철민

발행연도: 2020

저작권: 서울시립대학교 논문은 저작권에 의해 보호받습니다.

이용수47

이 논문의 연구 히스토리 (3)

2020

스마트카드 빅데이터를 이용한 대중교통 노선 조정 시뮬레이션

전인우 공간정보공학과 2020.01 학위논문

2019

대중교통 노선 조정 통합 시뮬레이터 개발

전인우 , 이민혁 , 전철민 대한공간정보학회 학술대회 2019.05 학술대회자료

스마트카드 자료를 활용한 대중교통 승객의 통행목적 추정

전인우 , 이민혁 , 전철민 한국지리정보학회지 2019.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

대중교통은 모든 시민에게 공평하게 제공되어야 할 공공서비스로서 지역 간 서비스 형평성을 맞추기 위해 대중교통 노선 조정이 수행되고 있다. 기존의 노선 조정 방식은 교통 전문가들이 민원 및 관련 기관의 의견을 반영하여 노선 조정 계획을 수립하고 이에 따라 노선 조정을 수행하고 있다. 다만 기존 노선 조정 계획 수립 시 노선 조정 이후에 발생할 효과를 정성적으로 예측한다는 한계가 있기 때문에 추후 연구에서는 정량적인 지표를 통해 노선 조정에 따른 효과를 면밀히 살펴볼 필요가 있다.
스마트카드 자료에는 대중교통을 이용한 모든 승객의 통행이 기록되어 승객의 정류장, 노선, 탑승시각 등 다양한 정보가 저장되고, 이를 이용하여 정류장 단위의 O-D별 통행량을 정확하게 알 수 있게 된다. 다만 기존 대중교통 관련 연구에서는 이러한 승객별 통행 자료를 집계하여 사용하고 있는데 이를 그대로 사용한다면 조금 더 미시적인 분석이 가능하다.
따라서 본 연구에서는 스마트카드 빅데이터를 이용하여 노선 조정 계획에 따른 정량적인 효과를 미시적으로 분석할 수 있는 시뮬레이션 방법론을 제안하고자 한다. 이를 위해 시뮬레이션에서는 사용자가 노선 조정 계획에 따라 대중교통 네트워크를 쉽게 변경할 수 있도록 하였으며, 스마트카드 자료의 승객별 통행을 이용하여 변경된 대중교통 네트워크에서의 통행배정을 수행한다. 마지막으로 통행배정된 결과로부터 정량적 지표를 산출하여 노선 조정 계획의 정량적 효과를 분석한다.
전체적인 연구 내용은 크게 대중교통 자료 구축, 대중교통 네트워크 편집, 대중교통 통행배정, 정량적 효과 분석의 네 가지로 구분되고, 이를 다양한 노선 조정 시나리오를 통해 검증을 수행하였다.
첫 번째로 시뮬레이션을 위해 먼저 BIS 자료와 지하철 운행 자료를 기반으로 대중교통 네트워크를 생성하고 스마트카드 자료 및 노선별 운행시간표와 함께 하나의 데이터베이스로 구축하였다.
두 번째로 사용자가 대중교통 노선 조정 계획에 따라 네트워크를 변경할 수 있도록 GUI 기반 네트워크 편집 방법을 개발하였다. 노선 조정 계획은 기존 노선의 정류장 추가·삭제, 운행계획의 변경, 신설 노선 생성으로 구분하여 적용하였고, 변경된 노선의 형상정보 및 이동시간을 얻기 위해 표준 노드-링크와 대중교통 네트워크의 매칭 알고리즘과 운행시간표 생성 알고리즘을 추가적으로 개발하였다.
세 번째로 편집된 대중교통 네트워크에서 승객이 어떤 경로를 이용할지 예측하기 위한 통행배정 방법을 개발하였다. 통행배정은 스마트카드 자료에 기록된 승객의 출발 정류장, 도착 정류장, 출발시각을 경로 탐색 알고리즘에 적용하여 승객이 이용할 만한 경로를 산출하는 방법을 이용하였다. 통행배정에서 사용한 경로 탐색 알고리즘은 운행시간표를 기반으로 승객의 출발시각에 따른 최적 경로를 산출하도록 개발하여 사용하였다.
네 번째는 통행배정 결과로부터 승객의 통행시간 감소량, 노선·정류장별 수요 변화, 승객의 통행경로 변화, 시간대별 수요 변화 등의 정량적 지표를 산출하였다.
이후 다양한 노선 조정 시나리오를 본 연구의 시뮬레이션 방법론에 적용하여 실제 수요와 통행배정을 통해 예측된 수요를 비교해보았고 결과적으로 예측 수요가 실제 수요와 매우 유사하게 산출됨을 확인할 수 있었다. 또한 승객 단위의 통행배정 방법을 이용하여 노선의 시간대별 수요도 유사하게 산출할 수 있었으며 승객의 통행경로도 예측해 볼 수 있었다.

Public transit is a public service that should be provided equally to all citizens, and public transit route adjustments are being carried out in order to service equity between region. Existing public transit route adjustments were carried out based on the route adjustment plan established by transport experts gathering opinions from related agencies and complaints. However, there is a limit to the existing method that it predicts the effect after route adjustments qualitatively. Therefore, it is necessary to closely examine the effects of route adjustments plan through quantitative indicators.
The smart card data will record the travel of all passengers using public transit, which will store various information such as passenger stops, routes and boarding time. Thus, by aggregating the passenger travel, we can know the exact traffic volume between all origin to destination. While existing public transit studies have aggregated and used these passenger travel, a more microscopic analysis is possible if passenger travel is used as it is.
Therefore, this study proposes a simulation methodology that can analyze microscopically the quantitative effects of the route adjustment plan using smart card big data. The simulation allowed users to easily change the public transit network according to the route adjustment plan, and the passenger travel of smart card data is used to carry out the assignment of traffic in the changed public transit network. Finally, quantitative indicators are calculated from the results of the traffic assignment to analyze the quantitative effects of the route adjustment plan.
The overall study is divided into four main categories: creating public transit database, editing public transit networks, public transit traffic assignment and analyzing quantitative effects.
First, for simulation purposes, a public transit network was created based on BIS data and subway operating data, and a database was built with smart card data and timetable of public transit.
Second, a GUI-based network editing method was developed to allow users to change the network according to a public transport route adjustment plan. The route adjustment plan was applied separately by adding and deleting stops on existing routes, changing operation plans, and creating new routes. Additionally we developed algorithms that can match standard node-links and public transit network to obtain route''s shape and generate timetable trough the calculated travel time.
Third, a traffic assignment method was developed to predict which routes passengers would use in the edited public transport network. The proposed traffic assignment method used path finding algorithm to calculate routes available to passengers by applying the departure stop, arrival stop and departure time of passengers recorded in smart card data. In addition, path finding algorithm calculated the optimal path according to the departure time of passengers based on the timetable of public transit.
Fourth, from the results of the traffic assignment, quantitative indicators such as reduction of passenger travel time, change in demand by route and stop, change in passenger traffic route, and change in demand by time zone were calculated.
Later, various route adjustment scenarios were applied to the simulation methodology of the study to compare actual demand with predicted demand from the traffic assignment, and it was confirmed that the forecast demand was produced very similar to the actual demand. In addition, we similarly predicted the demand for each time zone of the route by using the passenger-unit traffic assignment and we similarly computed the changed path of passengers.

1. 서 론 1
1.1 연구의 배경 및 목적 1
1.1.1 연구의 배경 1
1.1.2 연구의 목적 3
1.2 연구의 범위 및 개요 4
1.2.1 연구의 범위 4
1.2.2 연구의 개요 5
2. 선행 연구 검토 7
2.1 대중교통 노선 조정 관련 연구 7
2.2 대중교통 수요 추정 및 통행배정 관련 연구 11
3. 대중교통 노선 조정 시뮬레이션 방법론 16
3.1 방법론 개요 16
3.2 대중교통 자료 구축 및 데이터 전처리 18
3.3 대중교통 네트워크 모듈 21
3.3.1 네트워크 편집 개요 21
3.3.2 대중교통 네트워크와 표준 노드-링크 매칭 알고리즘 25
3.3.3 운행시간표 생성 알고리즘 28
3.4 대중교통 통행배정 31
3.4.1 스마트카드 자료를 활용한 통행배정 방법 31
3.4.2 운행시간표 기반의 대중교통 경로탐색 알고리즘 34
3.5 노선 조정 효과 분석 39
4. 노선조정 시뮬레이션 검증 42
4.1 시뮬레이션 시나리오 개요 42
4.2 시뮬레이션 자료 구축 43
4.3 노선 조정 시뮬레이터 구현 46
4.4 통행배정 알고리즘 정확도 검증 52
4.4.1 실험개요 52
4.4.2 실험결과 54
4.5 버스 노선 신설 시나리오 실험 65
4.5.1 시나리오 개요 65
4.5.2 실험개요 67
4.6 지하철 노선 신설 시나리오 실험 71
4.6.1 시나리오 개요 71
4.6.2 실험결과 72
5. 결론 78
참고문헌 80
ABSTRACT 82
감사의 글 85

최근 본 자료

전체보기

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 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)