대중교통체계 번역(한국어 원본)대도시에서의 심각한 문제인 도시교통문제를 해소하기 위해 대중교통체계개편을 시행하고 있다. 대중교통체계개편이 효과적으로 시행되기 위해서는 간선과 지선의 이원화 체계가 필요하며, 이 경우 환승체계 구축이 매우 중요하다. 체계적인 환승체계를 구축하기 위해서 이용자의 통행실태를 파악하는 것은 무엇보다 중요하다. 따라서 본 연구는 대중교통 이용자의 통행실태를 반영한 교통카드자료를 이용하여 환승량을 추정하는 모형을 개발하기 위한 목적으로 실시하였다.
대구광역시는 교통카드 사용률이 91%에 달하고 있으나, 교통카드자료를 활용하는데 있어 많은 제약이 따르고 있다. 버스의 운행 스케쥴의 업데이트 문제로 인하여, 승객의 O/D를 파악할 수 없어 교통카드를 통해 수집할 수 있는 자료가 부정확한 실정이다. 따라서 본 연구에서는 교통카드자료에서 수집할 수 없는 위치 정보를 대구광역시 BMS자료를 이용하여 환승자료를 구축하고, 이를 토대로 환승정류장의 특성을 파악하였다.
환승량을 추정하기 위하여 군집분석과 판별분석을 이용하였다. 환승량에 대하여 환승유형별로 군집분석을 실시하였으며, TwoStep, K-means, Kohonen 군집분석 방법을 이용하여 군집 수별 실루엣 너비를 측정하여 적정 군집수를 도출하였다. 세 가지 환승유형 모두 적정 군집 수는 2개로 나타났다.
분류된 환승량 군집을 종속변수로 하고, 환승정류장 특성 변수를 독립변수로 하는 판별함수를 도출하였다. 판별함수의 정확도는 버스-도시철도 환승의 경우 92.4%, 도시철도-버스 환승은 88.1%로 나타났다. 환승량 추정을 위해서 환승유형별 군집에 따른 회귀모형을 도출하였으며, 버스에서 버스로 환승하는 경우의 군집1의 R2는 0.940, 군집2의 R2는 0.852로 나타났으며, 버스에서 도시철도로 환승하는 경우의 군집1은 0.374, 군집2는 0.980으로 나타났다. 그리고 도시철도에서 버스로 환승하는 경우의 군집1은 0.942, 군집2는 0.555로 나타나 정확도가 다소 있는 것으로 나타났다.
정류장 15개소를 대상으로 모형의 검정을 실시하였다. 버스에서 버스로 환승하는 경우는 정규분포를 따르는 것으로 나타나 t-검정을 실시하였으며, 버스에서 도시철도, 도시철도에서 버스로 환승하는 경우는 표본의 분포가 정규분포를 따르지 않는 것으로 나타나 비모수 검정을 실시하였다. 검정결과 3가지 유형 모두 실측치와 예측치의 차이가 없는 것으로 나타났다. 도출된 판별함수를 이용하여 현재 건설 중인 대구광역시 도시철도 3호선 주변의 정류장들에 대하여 소속군집을 예측하였으며, 예측된 군집의 회귀모형을 통해 환승량을 추정하였다. 버스에서 도시철도, 도시철도에서 버스로 환승하는 경우의 해당 군집에 대한 회귀모형을 통해 정류장별 환승량을 추정하였으며, 도시철도 3호선 역별 환승량에 대해서도 집계하였다. 추정결과 총 23,017건의 환승이 이루어질 것으로 예측되었다. |
대중교통체계 번역(영어 번역본)To resolve city traffic problem that is becoming a serious issue in major cities, public transportation system reform is being implemented. To effectively enforce the public transportation system reform, a binary system of main artery roads and local lines is needed, and in this case, building a transfer system is very important. To establish a systematic transfer network, understanding the users’ flow status is important above all. Therefore, this research was conducted to develop a model that estimates transfer amount using transportation card data that reflects the flow status of public transportation users.
In Daegu, transportation card usage is reaching 91%, but there are many constraints in using transportation card data. Due to the update problem of bus operating schedule, data that can be collected from transportation cards is incorrect because customers’ O/D cannot be obtained. Therefore, in this research, we will obtain position information that cannot be collected by transportation card data by using Daegu’s BMS data to build transfer data, and figuring out the characteristics of transfer stations based on this.
To estimate the transfer amount, we used cluster analysis and discriminant analysis. Regarding transfer amount, we conducted a cluster analysis for each type of transferring, and used TwoStep, K-means, Kohonen cluster analysis methods to measure the silhouette area for each number of clusters and deduce a suitable number of clusters. The suitable number of clusters for all three types of transferring was 2.
We deduced a discriminant function that has the divided transfer amount cluster as its dependant variable, and the transfer station characteristic variable as its independent variable. The accuracy of the discriminant function was 92.4% in the case of bus-subway transfer, and 88.1% for subway-bus. To estimate the transfer amount, we deduced a regression model for each cluster per type of transfer, which in the case of transferring from bus to bus, Cluster 1’s R2 was 0.940, Cluster 2’s R2 was 0.852, and in the case of transferring from bus to subway, Cluster 1 was 0.374, Cluster 2 was 0.980. Also, in the case of transferring from subway to bus, Cluster 1 was 0.942, and Cluster 2 was 0.555 so it showed that there was some accuracy.
We tested the model on 15 stations. Bus to bus transfer showed a normal distribution so a t-test was used, while bus to subway, and subway to bus did not have samples that showed a normal distribution so we conducted a non-parametric test. After testing, we found that all 3 types showed no difference in the actual and estimated values. Using the deduced discriminant function, we estimated the affiliated cluster for stations nearby Daegu subway Line 3, which is currently under construction, and estimated the transfer amount through the regression model of the estimated cluster. In the case of bus to subway, subway to bus transfers, we estimated the transfer amount for each bus station through the regression model of the corresponding cluster, and also collected information for the transfer amount of each Line 3 subway station. As a result, we estimated a total of 23,017 cases of transfers to happen. |
