지역 및 이용자 특성에 따른 자전거 이용패턴 분석 - 공유자전거의 일상적 통행을 중심으로 -
Analysis of Bicycle Usage Behavior according to Regional and Demographic Characteristics - Focusing on the Daily Passage of Shared Bicycles -
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 친환경 교통수단인 자전거 이용을 확대하기 위하여, 자전거 이용행태 분석을 통해 레저ㆍ운동 통행을 뛰어넘어 통근ㆍ통학 등 일상적 통행수단으로서 활용방안을 모색하였다. 특히 공유자전거를 중심으로 어떠한 지역적 특성이 이용행태에 영향을 미치는지 분석함에 목표를 두었다. 분석자료로는 서울시 공공자전거 ‘따릉이’ 데이터를 활용하였으며, 서울 3도심이 속한 5개 자치구의 2019년 9~10월 데이터를 중심으로 분석을 실시하였다. 자전거 이용은 휴일보다 평일에 2.1배 높은 대여건수를 보였으며, 시계열 군집분석을 통해 평일의 시간별 대여건수 패턴을 분석한 결과, 토지이용에 따라 출근 시간에는 외곽 주거지, 퇴근 시간에는 중심부의 업무지에서 높은 이용비중을 나타냈다. 자전거 관련 인프라로서 전철역 접근성이 좋을수록 퇴근 시간의 이용이 높고, 하천 접근성이 높을수록 상대적으로 아침과 낮 시간 이용이 높았다. 연령대는 20~30대 청년세대의 이용이 가장 높게 나타났다. 분석 결과는 다음과 같은 시사점을 제공한다. 첫째, 대중교통과 연계될 수 있도록 전철역, 주요 버스정류장 등에 자전거도로 및 대여소가 확충될 필요가 있다. 둘째, 시간대별로 상이한 이용패턴을 반영하여 주거지 인근에는 출근로 중심으로 업무중심지에는 퇴근경로 중심으로 자전거 인프라가 구축될 필요가 있다. 셋째, 다양한 연령층이 이용할 수 있도록 중장년층이나 고령층의 이용이 높은 지역에서는 비대면 뿐 아니라 대면 대여체계도 병행하여 운영할 필요가 있다.
Abstract
This study aims to analyze the usage behavior regarding shared bicycles in an effort to expand the use of bicycles, by focusing on regional and user characteristics affecting daily use such as commuting. The Seoul public bicycle data is used, specifically data from September to October 2019 from 5 districts that cover Seoul’s 3 urban centers. Bicycle use data shows that bicycle rentals more than double on weekdays compared to weekends. Through Time Series Clustering Analysis of weekday rental patterns, the highest number of rentals is at the residential area during mornings and at the central business area in the evenings. Regarding bicycle-related infrastructure, better access to the subway station and to the river is important for bicycle usage. Lastly, in terms of the age group, young people in their 20s and 30s account for the most number of users. Expanding bicycle paths and rental stations around subway stations is necessary and can be actively linked with public transportation. This should be constructed by reflecting usage patterns. Finally, the rental system needs to be reorganized so that it can be used by various age groups.
참고문헌 (27)
- 서울시 도로다이어트사업의 성과 및 효과평가 연구: 2018~2019년 사업 대상지를 중심으로, "건축공간연구원", ~ (2020)
- "한강홍수통제소 하천망도"[URL]
- 김경옥, "공유자전거 시스템의 이용 예측을 위한K-Means 기반의 군집 알고리즘", 정보처리학회 논문지, 10(5), pp.169~178 (2021), 한국정보처리학회
- 김민혁, "시계열 군집분석 기반 서울시 공공자전거 수요예측", pp.2018
- 김희수, "네트워크 클러스터를 활용한 서울시 공공자전거의 시공간 통행 분석 및 시각화: 공간적 네트워크 자기상관을 활용하여", 한국지도학회지, 20(1), pp.93~106 (2020), 한국지도학회
- 고은정, "압축도시 계획요소가 지역주민들의 쇼핑통행에 미치는 영향 -서울시를 대상으로", 한국산학기술학회논문지, 14(8), pp.4077~4085 (2013), 한국산학기술학회[DOI]
- 나종화, "R 응용 시계열분석" (2020), 자유아카데미
- 문현수, "대전시 공공 자전거(타슈) 공개 데이터시각화 및 분석", 정보과학회 컴퓨팅의 실제 논문지, 22(6), pp.253~267 (2016), 한국정보과학회
- 민소아, "서울시 공공자전거 수요예측 모형 비교 연구", 한국데이터정보과학회지, 32(3), pp.585~592 (2021), 한국데이터정보과학회[DOI]
- 서울시, "서울시, 작년 ‘따릉이’ 이용 2,300만 건 돌파... 코로나 시대 교통수단 각광", ~ (2021)
- 서울시, "서울시 자전거 이용률 통계", ~ (2019)
- 공공자전거 확대 구축, 운영계획, "서울시", ~ (2014)
- "서울교통공사 노선별 지하철역 정보"[URL]
- "서울특별시 공공자전거 이용정보"[URL]
- 이경환, "컴팩트 시티 계획 요소가 지역 주민의 보행 시간에 미치는 영향에 관한 연구 - 한국의 40개 중소도시를 대상으로", 도시설계, 9(3), pp.55~68 (2008), 한국도시설계학회
- 이석준, "데이터마이닝을 통한 주택 하위시장 구분 및 주택가격 예측", 박사, pp.2019
- 이재영, "도시특성에 따른 공공자전거 이용특성 및 정책방향 연구", 국토계획, 47(3), pp.295~308 (2012), 대한국토·도시계획학회[DOI]
- 이희연, "수도권 신도시 개발이 인구이동과 통근통행패턴에 미친 영향", 대한지리학회지, 43(4), pp.561~579 (2008), 대한지리학회
- 임희지, "지속가능한 도시조성을 위한 신-전통주의계획이론분석 연구 : 우리나라 도시개발기법의 실태와 개선방향을 중심으로", 국토연구, 32, pp.95~111 (2001)
- 장재민, "서울시 공공자전거 이용특성에 관한 연구 - 여의도 및 상암 지구를 사례로 -", 서울도시연구, 17(4), pp.77~91 (2016), 서울연구원[DOI]
- "자전거교통 통계자료실: 국가별 자전거 수단분담률" (2020)[URL]
- 전국자전거도로 기본계획 수립연구, "행정안전부", ~ (2010)
- 환경부, "2050 탄소중립을 향한 경제, 사회 전환 법제화:탄소중립기본법 국회 통과", 환경부, ~ (2021)
- "2050 탄소중립 추진전략" (2020), 환경부[URL]
- DeMaio, P, "Bike-sharing: History, Impacts, Models of Provision, and Future", Journal of Public Transportation, 12(4), pp.41~56 (2009)
- Shang, W, "Bike-Sharing-A new public transportation mode:State of the practice & prospects", Proceedings of 『2010 IEEE International Conference on Emergency Management and Management Sciences』, ICEMMS, pp.222~225
- Zhou, X, "Understanding spatiotemporal patterns of biking behavior by analyzing massive bike sharing data in Chicago", PLoS, 10(10), pp.1~20 (2015)