본문 바로가기
KERD
논문KCI 등재

경유지를 고려한 서울시 공공자전거 통행발생량 추정 모형 개발

Estimating Travel Frequency of Public Bikes in Seoul Considering Intermediate Stops

고준호|박종한
한국ITS학회 (The Korean Society of Intelligent Transport Systems)|2023.06|한국ITS학회 논문지 (Journal of Korean Society of Intelligent Transport Systems)|제22권 제3호|pp. 1-19|DOI https://doi.org/10.12815/kits.2023.22.3.1

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

Zero-Inflated Negative Binomial공공자전거GPS 주행궤적 데이터체류 지점통행발생량영과잉 음이항Public bikeGPS Trajectory DataStay pointTravel frequency

초록

최근 탄소중립의 대안으로 떠오르고 있는 자전거의 통행행태를 파악하기 위하여 경유지를고려한 통행발생량을 추정하고자 하였다. 서울시 공공자전거인 ‘따릉이’의 GPS 주행궤적 데이터를 이용하여 통행에서의 중간 경유지인 체류 지점을 파악하고, 인구, 토지이용, 물리적인 특성을 반영한 통행발생량 모형을 분석하였다. 맵매칭과 체류 지점 탐지 알고리즘을 이용하여체류 지점을 추정한 결과, 전체 통행의 약 12.1%에서 체류 지점이 나타났다. 체류가 발생한통행은 비체류에 비해 평균 이용거리와 이용시간이 더 길며, 체류 지점이 집중되는 시간대는오전 첨두시와 오후 첨두시 사이의 비첨두시인 것으로 나타났다. 시각화 분석에 따르면 공원및 레저 시설, 업무시설에서 주로 체류 지점이 나타났다. 체류 지점을 고려하기 위하여 기존의대여소 기반이 아닌 육각격자를 분석단위로 설정하였으며, 영과잉 음이항(Zero-Inflated Negative Binomial, ZINB) 모형을 이용하여 체류 지점을 고려한 통행발생량을 추정하였다. 분석결과, 자전거전용도로 및 자전거·보행자겸용도로(분리형)와 같이 자전거 이용자의 안전이 확보된 자전거 인프라에서 통행발생량 및 체류 지점에서 발생한 통행이 많은 것으로 나타났다. 또한 공공자전거는 대중교통의 접근수단으로서 퍼스트&라스트 마일 수단의 역할을 하며, 생활중심지와 고용중심지에서 통행발생량이 커지는 것으로 나타났다. 이러한 분석 결과를 토대로 자전거 인프라의 추가 확충 계획 시 이용자의 안전시설 및 공간 확보가 우선돼야 하며, 대중교통과 연계한 자전거 인프라 시설 보급방안의 수립이 필요한 것으로 보인다.

Abstract

Bikes have recently emerged as an alternative to carbon neutrality. To understand the demand for public bikes, we endeavored to estimate travel frequency of public bike by considering the intermediate stops. Using the GPS trajectory data of ‘Ttareungyi’, a public bike service in Seoul, we identified a stay point and estimated travel frequency reflecting population, land use, and physical characteristics. Application of map matching and a stay point detection algorithm revealed that stay point appeared in about 12.1% of the total trips. Compared to a trip without stay point, the trip with stay point has a longer average travel distance and travel time and a higher occurrence rate during off-peak hours. According to visualization analysis, the stay points are mainly found in parks, leisure facilities, and business facilities. To consider the stay point, the unit of analysis was set as a hexagonal grid rather than the existing rental station base. Travel frequency considering the stay point were analyzed using the Zero-Inflated Negative Binomial (ZINB) model. Results of our analysis revealed that the travel frequency were higher in bike infrastructure where the safety of bike users was secured, such as ‘Bikepath’ and ‘Bike and pedestrian path’. Also, public bikes play a role as first & last mile means of access to public transportation. The measure of travel frequency was also observed to increase in life and employment centers. Considering the results of this analysis, securing safety facilities and space for users should be given priority when planning any additional expansion of bike infrastructure. Moreover, there is a necessity to establish a plan to supply bike infrastructure facilities linked to public transportation, especially the subway.

참고문헌 (51)

  1. Cheng, X., "Trip Extraction of Shared Electric Bikes Based on Multi-Rule-Constrained Homomorphic Linear Clustering Algorithm", International Society for Photogrammetry and Remote Sensing International Journal of Geo-Information, 8(12), pp.526~ (2019)
  2. 조재희, "공공자전거 임대내역 데이터를 활용한 마이크로 모빌리티 패턴분석 연구", 한국IT서비스학회지, 20(6), pp.83~95 (2021), 한국IT서비스학회[DOI]
  3. 추상호, "통행사슬 특성 분석에 관한 연구 (서울시 사례를 중심으로)", 대한교통학회지, 26(4), pp.87~97 (2008), 대한교통학회
  4. Eren, E., "A review on bike-sharing : The factors affecting bike-sharing demand", Sustainable Cities and Society, 54, pp.101882~ (2020)
  5. Fishman, E., "Bikeshare : A Review of Recent Literature", Transport Reviews, 36(1), pp.92~113 (2015)
  6. Garrard, J., "Promoting transportation cycling for women : The role of bicycle infrastructure", Preventive Medicine, 46(1), pp.55~59 (2008)
  7. Gehrke, S. R., "Patterns and predictors of dockless bikeshare trip generation and duration in Boston’s suburbs", Case Studies on Transport Policy, 9(2), pp.756~766 (2021)
  8. Goel, R., "Cycling behaviour in 17 countries across 6 continents : Levels of cycling, who cycles, for what purpose, and how far?", Transport Reviews, 42(1), pp.58~81 (2022)
  9. Guo, Y., "Identifying the factors affecting bike-sharing usage and degree of satisfaction in Ningbo, China", PLOS ONE, 12(9), pp.0185100~ (2017)
  10. He, H., "A test of inflated zeros for Poisson regression models", Statistical Methods in Medical Research, 28(4), pp.1157~1169 (2019)
  11. Hosseinzadeh, A., "Factors influencing shared micromobility services : An analysis of e-scooters and bikeshare", Transportation Research Part D: Transport and Environment, 100, pp.103047~ (2021)
  12. 장재민, "서울시 공공자전거 이용특성에 관한 연구 - 여의도 및 상암 지구를 사례로 -", 서울도시연구, 17(4), pp.77~91 (2016), 서울연구원[DOI]
  13. 진창종, "공간회귀분석을 활용한 통행발생모형 추정 연구 : 서울특별시를 중심으로", 국토연구, 73, pp.131~143 (2012), 국토연구원[DOI]
  14. Karite, A., "Points of Interest Identification : A Case Study in Beijing Metropolitan Area", 2022 IEEE International Smart Cities Conference (2022)
  15. 김동현, "아파트 단지특성이 주택매매거래율에 미치는 영향", 부동산학연구, 24(4), pp.53~68 (2018), 한국부동산분석학회[DOI]
  16. 김도희, "ARIMA 모델 기반 서울시 공공자전거 이용 수요 예측 알고리즘 개발", 정보통신정책연구, 29(1), pp.49~74 (2022), 정보통신정책학회[DOI]
  17. 김동준, "날씨가 자전거 이용에 미치는 영향 분석 - 고양시 공공자전거를 대상으로 -", 교통연구, 19(3), pp.77~88 (2012), 한국교통연구원[DOI]
  18. 김형진, "플랜트 사고 대응 훈련을 위한 탈출 및 조치 경로 설계 기법 개발", 한국가스학회지, 21(6), pp.61~69 (2017), 한국가스학회[DOI]
  19. 김진희, "공간가중회귀분석을 이용한 통행발생모형", 대한교통학회지, 28(2), pp.101~109 (2011), 대한교통학회
  20. 김상록, "시간효과를 반영한 통행발생모형 개발", 대한교통학회지, 30(1), pp.103~112 (2012), 대한교통학회
  21. 김예술, "서울 공공자전거 신규 대여소를 위한 수요량 예측 분석", 응용통계연구, 33(6), pp.739~751 (2020), 한국통계학회
  22. Krizek, K. J., "Gender differences in bicycling behavior and facility preferences", Research on Women’s Issues in Transportation, 2, pp.31~40 (2005)
  23. 이장호, "기상조건과 입지특성이 공공자전거 이용에 미치는 영향 분석", 대한교통학회지, 34(5), pp.394~408 (2016), 대한교통학회[DOI]
  24. 이규진, "회귀분석기반의 자전거 직접수요추정 모형 구축", 대한토목학회 논문집D, 31(4), pp.489~496 (2011), 대한토목학회
  25. Li, Q., "Mining user similarity based on location history", Proceedings of the 16th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems (2008)
  26. Li, Y., "Analysis of spatial and temporal characteristics of citizens’mobility based on e-bike GPS trajectory data in Tengzhou City, China", Sustainability, 11(18), pp.5003~ (2019)
  27. 임희종, "서울시 공유자전거의 수요 예측 모델 개발", 한국콘텐츠학회 논문지, 19(1), pp.132~140 (2019), 한국콘텐츠학회[DOI]
  28. McGuckin, N., "Trips, Chains and tours-using an operational definition", National Household Travel Survey Conference (2004)
  29. Min, S., "Comparative study of prediction models for public bicycle demand of Seoul city: Based on daily demand analysis", Master, pp.2020
  30. Mix, R., "Optimal location of bike-sharing stations A built environment and accessibility approach", Transportation Research Part A : Policy and Practice, 160, pp.126~142 (2022)
  31. Montoliu, R., "Discovering places of interest in everyday life from smartphone data", Multimedia Tools and Applications, 62, pp.179~207 (2013)
  32. Morton, C., "A spatial analysis of demand patterns on a bicycle sharing scheme : Evidence from London", Journal of Transport Geography, 94, pp.103125~ (2021)
  33. Newson, P., "Hidden Markov map matching through noise and sparseness", Proceedings of the 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems (2009)
  34. Nieuwenhuijsen, M. J., "Urban and transport planning pathways to carbon neutral, liveable and healthy cities; A review of the current evidence", Environment International, 140, pp.105661~ (2020)
  35. Noland, R. B., "Bikeshare trip generation in New York city", Transportation Research Part A : Policy and Practice, 94, pp.164~181 (2016)
  36. Olmos, L. E., "A data science framework for planning the growth of bicycle infrastructures", Transportation Research Part C: Emerging Technologies, 115, pp.102640~ (2020)
  37. Rudloff, C., "Modeling demand for bikesharing systems: Neighboring stations as source for demand and reason for structural breaks", Transportation Research Record, 2430(1), pp.1~11 (2014)
  38. 사경은, "출근시간대 공유자전거 출발ㆍ도착지 및 최단이동경로 특성 분석 - 서울시 공유자전거 2017 통행 OD자료를 중심으로", 도시설계, 21(6), pp.105~120 (2020), 한국도시설계학회[DOI]
  39. Saneinejad, S., "Modelling the impact of weather conditions on active transportation travel behaviour", Transportation Research Part D : Transport and Environment, 17(2), pp.129~137 (2012)
  40. 심형욱, "네트워크 중심성 기반 서울시 공공자전거 서비스의 이용률 개선 방안 연구 - 서울시 종로구 사례를 중심으로", 대한교통학회지, 37(2), pp.124~134 (2019), 대한교통학회
  41. Teixeira, J. F., "The link between bike sharing and subway use during the COVID-19 pandemic : The case-study of New York's Citi Bike", Transportation Research Interdisciplinary Perspectives, 6, pp.100166~ (2020)
  42. Tin Tin, S., "Cycling and walking to work in New Zealand, 1991-2006 : Regional and individual differences, and pointers to effective interventions", International Journal of Behavioral Nutrition and Physical Activity, 6(1), pp.1~11 (2009)
  43. Wilson, P., "The misuse of the Vuong test for non-nested models to test for zero-inflation", Economics Letters, 127, pp.51~53 (2015)
  44. Xu, Y., "Estimating potential demand of bicycle trips from mobile phone data : An anchor-point based approach", International Society for Photogrammetry and Remote Sensing International Journal of Geo-Information, vol, 5(8), pp.131~ (2016)
  45. 양인철, "도로매칭 알고리즘 성능 향상에 관한 연구", 디지털콘텐츠학회논문지, 21(1), pp.213~218 (2020), 한국디지털콘텐츠학회[DOI]
  46. Yang, Z., "Mobility modeling and prediction in bike-sharing systems", Proceedings of the 14th Annual International Conference on Mobile Systems, Applications, and Services (2016)
  47. Zhang, Y., "An interactive method for identifying the stay points of the trajectory of moving objects", Journal of Visual Communication and Image Representation, 59, pp.387~392 (2019)
  48. Zhang, Y., "Mining bike-sharing travel behavior data : An investigation into trip chains and transition activities", Computers, Environment and Urban Systems, 69, pp.39~50 (2018)
  49. Zhao, J., "Exploring bikesharing travel time and trip chain by gender and day of the week", Transportation Research Part C : Emerging Technologies, 58, pp.251~264 (2015)
  50. Zhao, P., "Space-time dynamics of cab drivers' stay behaviors and their relationships with built environment characteristics", Cities, 101, pp.102689~ (2020)
  51. Zheng, Y., "Trajectory data mining : An overview. acm transaction on intelligent systems and technology", ACM Transactions on Intelligent Systems and Technology, 6(3), pp.1~41 (2015)

관련 논문AI추천

COVID-19 팬데믹 전후 서울시 공공자전거 이용 행태 변화 분석고혜원, 김화환, 송예나, 이태수한국경제지리학회 · 한국경제지리학회지2024 · 제27권 제4호지역 및 이용자 특성에 따른 자전거 이용패턴 분석 - 공유자전거의 일상적 통행을 중심으로 -김고은, 김진유한국부동산분석학회 · 부동산학연구2021 · 제27권 제4호서울시 생활밀착형 자전거 이용 확대를 위한출퇴근용 자전거 전용도로의 노선 선정 모델링김성빈, 김영호, 이진형한국도시지리학회 · 한국도시지리학회지2013 · 제16권 제3호통행사슬 유형에 따른 자전거 이용자 행태 분석장유경, 추상호, 황기연한국교통연구원 · 교통연구2011 · 제18권 제4호서울특별시 자전거 안전사고 예방을 위한 자전거 도로 최적 입지 선정: 자전거 전용도로 및 전용차로를 중심으로김지은, 남수민, 이준기사)한국빅데이터학회 · 한국빅데이터학회 학회지2023 · 제8권 제2호서울시 공공자전거 이용특성에 관한 연구 - 여의도 및 상암 지구를 사례로 -김태형, 이무영, 장재민서울연구원 · 서울도시연구2016 · 제17권 제4호

이 간행물의 다른 논문 (12건)

신호현시 표출 방법에 따른 교통사고 발생빈도 분석 연구: 대전광역시 관내 중심으로이민호, 윤소식, 이철기pp. 20-37커넥티드 차량 보급률 기반 고속도로 돌발상황 검지시간 추정김원길, 정연식, 김회경, 남상기pp. 38-50전동킥보드 통행분포모형 추정을 위한 적정 존단위 선정 연구김상훈, 송태진, 김규혁pp. 51-61인공지능 기반 MMS를 활용한 자전거보행자겸용도로 서비스 수준 산정도명식, 이태영pp. 62-72레이더 검지기 자료를 활용한 SSM 기반 터널 교통안전정보 제공 서비스 효과분석정성용, 이청원, 김용주, 이재현pp. 73-87
원문 보기