전동킥보드 통행분포모형 추정을 위한 적정 존단위 선정 연구
How to Set an Appropriate Scale of Traffic Analysis Zone for Estimating Travel Patterns of E-Scooter in Transporation Planning?
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
정확한 전동킥보드 중장기수요예측은 지역별 수요공급 불균형 문제해결 및 MaaS 등 연계교통체계 마련을 위해 필요하다. 공유 전동킥보드의 지역별 발생-유입량을 예측하는 연구는많지만, 공유 전동킥보드의 존간 통행분포를 예측하는 연구는 전무한 실정이다. 본 연구에서는공유 전동킥보드의 통행분포모형 추정을 위한 적정 존단위를 선정하고자 하였다. 분석 대상존단위는 250m, 500m, 750m, 1,000m 정사각형 그리드로 설정하였다. 공유 전동킥보드 이용 이력 데이터는 각 공간 단위별 통행거리, 통행시간 계산 및 중력모형 도출을 위해 활용되었다. 평균제곱오차는 각 중력모형의 적정성을 검증하는데 활용되었다. 분석 결과, 250m 그리드가실제 공유킥보드 통행분포를 가장 잘 묘사하는 것으로 나타났다.
Abstract
Travel demand estimation of E-Scooter is the start point of solving the regional demand-supply imbalance problem and plays pivotal role in a linked transportation system such as Mobility-as-a-Service (a.k.a. MaaS). Most focuses on developing trip generation model of shared E-Scooter but it is no study on selection of an appropriate zone scale when it comes to estimating travel demand of E-Scooter. This paper aimed for selecting an optimal TAZ scale for developing trip distribution model for shared E-Scooter. The TAZ scale candidates were selected in 250m, 500m, 750m, 1,000m square grid. The shared E-Scooter usage historical data were utilized for calculating trip distance and time, and then applying to developing gravity model. Mean Squared Error (MSE) is applied for the verification step to select the best suitable gravity model by TAZ scale. As a result, 250m of TAZ scale is the best for describing practical trip distribution of shared E-Scooter among the candidates.
참고문헌 (15)
- Abdel-Aal, M. M. M., "Calibrating a trip distribution gravity model stratified by the trip purposes for the city of Alexandria", Alexandria Engineering Journal, 53(3), pp.677~689 (2014)
- Clifton, K. J., "Development of destination choice models for pedestrian travel", Transportation Research Part A : Policy and Practice, 94, pp.255~265 (2016)
- De Dios Ortuzar, J., "Modelling Transport" (1994), Wiley
- Ham, S. W., "Spatiotemporal demand prediction model for e-scooter sharing services with latent feature and deep learning", Transportation Research Record, 2675(11), pp.34~43 (2021)
- James, O., "Pedestrians and E-scooters : An Initial Look at E-scooter Parking and Perceptions by Riders and Non-riders", Sustainability, 11, pp.5591~ (2019)
- 정창용, "중죤단위와 중력모형을 이용한 택지개발사업의 통행분포 예측방법에 관한 연구", 대한교통학회지, 27(6), pp.19~28 (2009), 대한교통학회
- 김경옥, "공유자전거 시스템의 이용 예측을 위한K-Means 기반의 군집 알고리즘", 정보처리학회 논문지, 10(5), pp.169~178 (2021), 한국정보처리학회
- Kim, S., "Predicting Demand for Shared E-Scooter Using Community Structure and Deep Learning Method", Sustainability, 14(5), pp.2564~ (2022)
- Safety Survey on Electric Kickboard Sharing Service, "Korea Consumer Agency", 1~51 (2021)
- Kwon, S. I., "Trip boundary identification of Personal Mobility and Applications based on Trip Patterns", Master, pp.2022
- Lenormand, M., "Systematic comparison of trip distribution laws and models", Journal of Transport Geography, 51, pp.158~169 (2016)
- 임희종, "서울시 공유자전거의 수요 예측 모델 개발", 한국콘텐츠학회 논문지, 19(1), pp.132~140 (2019), 한국콘텐츠학회[DOI]
- Mozolin, M., "Trip distribution forecasting with multilayer perceptron neural networks : A critical evaluation", Transportation Research Part B : Methodological, 34(1), pp.53~73 (2000)
- National Passenger OD Transmission and Forecast of Future Demand Ⅱ, "The Korea Transport Institute", 1~396 (2012)
- 임석회, "기능적 연계에 기초한 대구도시권 분석", 대한지리학회지, 53(1), pp.19~35 (2018), 대한지리학회