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
- 학위논문
- 저자정보
- 지도교수
- 박동주
- 발행연도
- 2022
- 저작권
- 서울시립대학교 논문은 저작권에 의해 보호받습니다.
이용수14
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
도시가 발전함에 따라 도시철도 네트워크는 점차 복잡해졌고, 이를 관리하는 운영조직의 수도 증가하고 있다. 효율적인 도시철도 시스템 관리 및 운행계획 조정을 위해서는 승객의 경로선택에 대한 이해가 필요하다. AFC(Automated Fare Collection) 시스템으로부터 산출된 스마트카드 데이터와 달리 스마트폰 데이터에는 승객의 이동 경로를 나타내는 정보가 포함되어 있다. 이에 본 연구에서는 스마트폰 데이터를 이용하여 도시철도를 이용하는 승객의 경로를 추정 방법론을 제안한다. 또한, 경로를 추정한 기존의 방법론과의 비교분석을 통해 스마트폰 데이터의 성능을 분석한다.
본 연구는 스마트폰 데이터로부터 데이터 기반 경로 집합을 구축하였다. 비교 대상으로 EVL(Efficient Vector Labeling) 알고리즘 이용해 EVL 알고리즘 기반 경로 집합을 생성하였다. 데이터 기반 경로 집합으로부터 Data-driven probability model, Conditional logit model을 활용해 경로선택 모형을 구축하였으며, EVL 알고리즘 기반 경로 집합으로부터 Conditional logit model, Shortest path model을 구축하였다. 모형의 성능을 비교 분석한 결과 데이터 기반 경로 집합으로부터 구축한 Conditional logit model 성능이 가장 높은 것으로 나타났다. 모형에 의하면 도시철도 이용자의 경로선택은 차내시간보다 환승시간에 더 큰 영향을 받음을 확인하였으며, 장거리 통행일수록 이러한 경향이 강해지는 것을 도출할 수 있었다. 반면, 데이터 기반 경로 집합으로부터 구축한 Data-driven probability model의 성능이 가장 낮은 것으로 확인하였다. 이는 표본 수의 부족으로 인한 표집오차의 결과로 확인하였으며, 충분한 표본 수가 확보되지 않을 경우, Conditional logit model과 같은 통계적 모형을 사용하여 경로선택을 추정하는 것이 합리적일 것으로 판단하였다.
본 연구는 스마트폰 데이터를 활용하여 도시철도 사용자의 경로를 추정하는 방법론을 제시하였다. 또한, 기존 방법론과의 비교분석을 통해 스마트폰 데이터의 효과를 측정하였으며, 이를 기반으로 도시철도 이용자들의 경로선택 관련 요인의 영향을 규명하였다. 본 연구를 통하여 도시철도 이용자의 통행행태에 대한 이해를 돕고 도시철도 운행계획 및 정책 지원에 활용이 가능할 것으로 기대한다.
본 연구는 스마트폰 데이터로부터 데이터 기반 경로 집합을 구축하였다. 비교 대상으로 EVL(Efficient Vector Labeling) 알고리즘 이용해 EVL 알고리즘 기반 경로 집합을 생성하였다. 데이터 기반 경로 집합으로부터 Data-driven probability model, Conditional logit model을 활용해 경로선택 모형을 구축하였으며, EVL 알고리즘 기반 경로 집합으로부터 Conditional logit model, Shortest path model을 구축하였다. 모형의 성능을 비교 분석한 결과 데이터 기반 경로 집합으로부터 구축한 Conditional logit model 성능이 가장 높은 것으로 나타났다. 모형에 의하면 도시철도 이용자의 경로선택은 차내시간보다 환승시간에 더 큰 영향을 받음을 확인하였으며, 장거리 통행일수록 이러한 경향이 강해지는 것을 도출할 수 있었다. 반면, 데이터 기반 경로 집합으로부터 구축한 Data-driven probability model의 성능이 가장 낮은 것으로 확인하였다. 이는 표본 수의 부족으로 인한 표집오차의 결과로 확인하였으며, 충분한 표본 수가 확보되지 않을 경우, Conditional logit model과 같은 통계적 모형을 사용하여 경로선택을 추정하는 것이 합리적일 것으로 판단하였다.
본 연구는 스마트폰 데이터를 활용하여 도시철도 사용자의 경로를 추정하는 방법론을 제시하였다. 또한, 기존 방법론과의 비교분석을 통해 스마트폰 데이터의 효과를 측정하였으며, 이를 기반으로 도시철도 이용자들의 경로선택 관련 요인의 영향을 규명하였다. 본 연구를 통하여 도시철도 이용자의 통행행태에 대한 이해를 돕고 도시철도 운행계획 및 정책 지원에 활용이 가능할 것으로 기대한다.
목차
제1장 서론 1제1절 연구의 배경 및 목적 1제2절 연구의 범위 및 방법 41. 연구의 범위 42. 연구의 방법 4제2장 선행연구 고찰 6제1절 도시철도 이용자의 통행 경로를 추정한 연구 6제2절 스마트폰 데이터를 활용한 경로선택 분석 연구 9제3절 기존 연구와의 차별성 10제3장 연구수행방법 12제1절 데이터 121. 스마트카드 데이터 122. 스마트폰 데이터 15제2절 네트워크 구축 17제3절 데이터 정제 201. 스마트카드 데이터 정제 202. 스마트폰 데이터 정제 21제4절 경로 집합 생성 231. 데이터 기반 경로 집합 232. EVL 알고리즘 기반 경로 집합 25제5절 경로선택 모형 281. Data-driven probability model 282. Conditional logit model 293. Shortest path model 31제6절 모형 성능 비교 33제4장 연구결과 35제1절 데이터 정제 결과 35제2절 경로 집합 생성 결과 361. 데이터 기반 경로 집합 생성 결과 362. EVL 알고리즘 기반 경로 집합 생성 결과 36제3절 경로선택 모형 구축 결과 381. Data-driven probability model 생성 결과 382. Conditional logit model 생성 결과 383. Shortest path model 생성 결과 40제4절 모형 성능 비교 결과 41제5장 결론 44참고문헌 46Abstract 50
최근 본 자료
댓글(0)
0