보행은 개인의 건강 뿐만 아니라 탄소 중립과 초고령화 등 환경과 사회 문제에 대한 대응책으로서 중요성이 증가하고 있다. 보행의 증진을 위해서 보행의 직간접적인 효과를 높이고 안전한 보행 환경을 조성할 수 있는 보행 활성화 정책이 필요하며, 관련한 연구가 활발히 진행되고 있으나 보행 활동 시간 특성 분석과 보행량 추정에 대한 연구는 미미한 실정이다.
본 연구는 크게 2가지로 구분된다. 첫째, 생활시간조사자료를 활용하여 보행특성을 분석하였다. 둘째, 보행량 추정모델을 개발하고 그를 바탕으로 인프라 변화에 따른 보행량 변화정도 분석하였다.
보행특성분석은 (1) 보행시간 영향요인 분석, (2) 보행시간 차이분석, (3) 보행활동시간 특성분석으로 구성된다. (1) 보행시간 영향요인 분석에서는 머신러닝 기법(XGBoost, Conditional GAN, Random Forest)과 SHAP(해석가능한 머신러닝) 기법, 토빗(Tobit) 회귀모형, 겉보기 무관 회귀(SUR) 모형을 활용하여 보행시간 영향요인은 무엇이며, 보행시간 영향요인의 시계열적 변화는 어떠한지를 검토하였다. (2) 보행시간 차이분석에서는 분위(Quantile) 회귀모형과 분해분석(Blinder-Oaxaca 분해법)을 활용하여 보행시간 정도에 따른 영향요인 발생하는지, 남녀의 보행시간은 왜 다른지를 검토하였다. (3) 보행활동시간 특성분석에서는 군집분석과 대응분석을 활용하여, 사람들은 언제 보행하는지, 동일 보행패턴을 하는사람들의 특징은 무엇인지 검토하였다.
보행시간 영향요인 분석을 통하여 통행 및 여가보행의 영향요인은 성별, 연령, 타교통수단 이용특성이 중요한 영향요소임을 확인 할 수 있었다. 또한, 통행 및 여가보행의 특성이 다름을 확인할 수 있었다. 시계열 분석결과 1999년 대비 2019년의 통행보행은 감소하였으나, 여가보행은 증가 추세를 보이며, 동일시기 통행보행의 영향정도는 증가하나, 여가보행의 영향정도는 감소하는 추세를 보였다.
보행시간 차이분석을 통하여 통행보행 수준이 40~80%일 때 성별, 연령별 영향정도가 강하게 나타나고, 통행보행 수준이 90% 이상이면 그 설명력 감소함을 확인할 수 있었다. 즉, 이는 보행을 하거나 그 수준이 보통일 때는 성별, 연령별 특성이 유의미하며 강화되고 있으나, 보행을 많이 하는 경우 성별, 연령별, 타교통수단이용특성이 유의미하지 않다는 것을 의미한다. 분해(Decomposition) 분석을 통해 남녀 차이 중 설명가능한 부분과 설명불가능한 부분을 검토하였으며, 남녀 성별의 차이로 인한 통행보행 및 여가보행의 차이가 많이 발생하는 것을 확인할 수 있었다. 이는 타 변수차이(직업, 타교통수단이용시간 등)의 영향이 아닌, 남녀의 원천적 차이, 신체 및 건강차이, 생활양식 차이 등에 기인한 것으로 유추된다.
보행활동시간 특성분석을 통하여 보행활동시간이 그룹별로 차이가 있으며, 그에 따른 첨두특성도 차이가 있음을 확인할 수 있었다. 또한 통행보행은 가정주부 및 학생이, 여가보행은 노년층이 많이 함을 확인할 수 있었다.
보행량 추정모델은 (1) 보행량 추정모델 개발, (2) 인프라 변화에 따른 보행량 변화정도 추정으로 구성된다.
UNA(Urban Network Analysis) 접근성 지표중 하나인 Betweenness는 보행량과 긴밀한 상관성을 가지므로 Betweenness를 기반으로 하여 보행량을 추정하는 모델을 개발하였다. 보행량 추정을 위하여 4개의 모델(A. 지표활용모델(가중치 합계), B. 지표활용모델(상관관계 높은 지표), C. 회귀모델(개별), D. 회귀모델(교통수단통합))을 구축하고 검증하였다. 평가 결과 ‘C. 회귀모델(개별)’의 정합도가 가장 높은 것으로 나타났다.
추가적으로 모델을 활용하여 인프라의 변화에 따른 보행량의 변화를 추정하기 위해 인프라 변경에 대해 세가지 시나리오(도로망/지하철역/버스정류장 삭제)를 구성하였다. 추정결과 도로망이 삭제될 경우, 우회경로 증가에 따라 보행량이 오히려 증가하는 결과를 얻었으며, 지하철역과 버스정류장이 삭제될 경우엔 접근성이 감소함에 따라 보행량 또한 감소하는 것으로 추정되었다. 위치에 따라 보행량 증감의 결과 또한 다르게 나타났다.
본 연구에서 분석한 보행특성 및 보행량 추정모델 등은 향후 보행 친화 사업에 대한 의사결정에 유용하게 활용이 기대된다. 제안된 모델 및 구축자료가 향후 친환경, 건강 측면에서 보행 활성화를 위한 평가 방법, 인프라 변화에 따른 보행량 변화 예측 등에 활용되기를 기대한다.

The importance of walking is rapidly increasing not only for individual''s health but also for environment and society as it can be a countermeasure against carbon neutrality and super-aged society. In order to increase walking and walkability, it is necessary to develop pedestrian policy that can revitalize direct and indirect effects of walking and create a safe walking environment. However, not much about has been studied in terms of factors influencing walking time, walking time characteristics and estimation of pedestrian volume.
With this background, this study aimed to analyze the walking characteristics by using Time Use Survey data. And estimate pedestrian volume by developing pedestrian volume estimation models, and analyze the impact of infrastructure changes on the pedestrian volume based on the models.
Analysis of walking characteristics consists of (1) analysis of factors influencing walking time, (2) analysis of differences in walking time, and (3) analysis of characteristics of walking activity time. In the analysis of factors influencing walking time, machine learning techniques (XGBoost, Conditional GAN, Random Forest), SHAP (interpretable machine learning), Tobit regression model, and seemingly unrelated regression (SUR) model were used to determine the factors influencing walking time. The time-sequential change of the factors influencing walking time was analyzed as well. In the difference analysis of walking time, a quantile regression model and a decomposition analysis (Blinder-Oaxaca decomposition) were used to examine whether there were influencing factors depending on the degree of walking time and how the walking time of men and women differed. In the analysis of walking activity time characteristics, cluster analysis and correspondence analysis were used to examine when people walk and characteristics of pedestrians with the same walking pattern.
Through the analysis of factors influencing walking time, it was confirmed that gender, age, and characteristics of using other modes of transportation are important influencing factors for utilitarian and leisure walking. In addition, the characteristics of utilitarian and leisure walking were different. As a result of the time series analysis, utilitarian walking in 2019 decreased compared to 1999, but leisure walking showed an increasing trend, and the degree of influence of utilitarian walking during the same period increased, but the degree of influence of leisure walking showed a decreasing trend.
Through the analysis of differences in utilitarian walking time, the degree of influence by gender and age was strong when the utilitarian walking level was 40-80%, and the explanatory power decreased when the utilitarian walking level was 90% or higher. In other words, it means that characteristics by gender and age are significant and strengthened when walking or when the level is normal, but when walking a lot, characteristics by gender, age, and use of other modes of transportation are not significant.
Through decomposition analysis, the explainable and unexplainable parts of male and female differences were analyzed, and there were many differences in utilitarian and leisure walking due to gender differences. This is inferred to be due to the fundamental differences between men and women, such as body and health, and differences in lifestyle, rather than the effects of differences in other variables (occupation, time spent using other modes of transportation, etc).
Through the analysis of the walking activity time characteristics, there were differences in the walking activity time by cluster, and in the peak characteristics. In addition, housewives and students were more likely to utilitarian walking, and elderly people were more likely to walk for leisure.
The pedestrian volume estimation model consists of (1) developing estimation models and (2) estimating the impact of infrastructure on the pedestrian volume.
Since betweenness, one of UNA (Urban Network Analysis) accessibility indicators, has a close correlation with the amount of walking, a model for estimating the amount of walking based on betweenness was developed. 4 models (A. Indicator utilization model (weighted sum), B. Indicator utilization model (highly correlated indicator), C. Regression model (individual), D. Regression model (integrated transportation)) to estimate the amount of walking. As a result of the evaluation, ''C. The regression model (individual)'' showed the highest degree of consistency.
In addition, three scenarios (deletion of road network/subway station/bus stop) were constructed for infrastructure change in order to estimate the change in pedestrian volume according to infrastructure change using the model. A result of the estimation, when the road network was deleted, the pedestrian volume increased as the detour route increased, and when the subway station and bus stop were deleted, it was estimated that the pedestrian volume also decreased as accessibility decreased. Depending on the location, the result of the increase or decrease in the amount of walking was also different.
The walking characteristics and pedestrian volume estimation model analyzed in this study are expected to be usefully utilized in decision-making for future pedestrian-friendly projects. It is expected that the proposed model and construction data will be used in the future for evaluation methods for facilitating walking in terms of eco-friendliness and health, and for predicting changes in pedestrian volume due to infrastructure changes.