사회 네트워크 분석 기반 광역급행철도 역세권 도출
Deriving the Station Influence Area of High-speed Train Express based on the Social Network Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
역세권은 일반적으로 역에서부터의 특정 반경을 지칭하나, 역세권의 활용 가치를 높이기 위해서는 도시민의 통행특성 등을 고려하여 역세권 범위를 선정하여야 한다. 특히, GTX와 같은 광역급행철도 노선의 경우 효율적인 광역권 내 중장거리 통행이 가능하다는 장점이 있어 일반적인 도시철도에 비해 역세권의 범위가 넓게 형성될 수 있다. 본 연구에서는 사람의 실제 통행 범위를 파악할 수 있는 스마트폰 기지국 데이터에 사회 네트워크 분석을 적용하여 광역급행철도 역사의 역세권 범위를 도출하는 방법론을 개발하였다. 추가로, 개발한 방법론을 GTX-C 노선에 실제로 적용하는 사례분석을 수행하였다. 스마트폰 기지국 데이터와 네트워크 분석법 중 하나인 커뮤니티 디텍션을 활용하여 각 역사별 역세권을 도출하였다.
Abstract
Station influence areas generally refer to specific radius from stations, but in order to increase the value of utilization of station influence areas, station influence areas must be selected in consideration of trip characteristics of urban residents. In particular, in the case of regional high-speed train express such as GTX (Great Train eXpress), there is an advantage that high-speed regional trip is possible, so station influence areas of GTX can be wider than that of general railroads. In this study, the station influence area is derived by applying social network analysis to mobile data that can determine the actual range of human travel. In addition, a case study was performed in which the developed methodology was actually applied to the GTX-C route. Community detection, one of the network analysis methods, was derived from mobile phone signaling data to derive station influence areas for each station.
참고문헌 (28)
- 김규혁, "모바일 생활통행데이터 기반 도시 인구 규모별 생활권 분류 및특성 파악", 대한교통학회지, 39(5), pp.662~679 (2021)
- 김규혁, "모바일폰 네트워크 데이터 기반 생활통행권 도출을 통한 택시사업구역 재설정 연구", 국토계획, 57(6), pp.61~73 (2022)
- 김수연, "토지이용 특성별 서울시 역세권의 범위설정에 관한 연구", 국토계획, 48(1), pp.23~37 (2013)
- 김수현, "휴대전화 빅데이터 기반 기종점 통행량 자료를 활용한 서울시 생활권 분석", 대한공간정보학회지, 28(1), pp.3~10 (2020)
- 빅데이터 기반 교통수요예측의 신뢰도 제고 연구 (2차년도), "김주영", 한국교통연구원, 1~310 (2019)
- 빅데이터 기반의 교통수요 예측의 신뢰도 제고 연구-기종점통행량 (O, "D) 구축방법론 개발을 중심으로 (1 차년도)-", 김주영, 2019, pp.1~177
- 박지혜, "지하철 역 사이 거리 1km인데… 서울 전역 고밀 개발?", 뉴스A, ~ (2021)
- 송태진, "모빌리티 분석을 위한 모바일 빅데이터활용성 검토", 한국도로학회논문집, 20(6), pp.199~209 (2018)
- 심준석, "지리가중회귀모델을 이용한 역세권 공간구조 특성 분석", 한국지리정보학회지, 16(1), pp.67~79 (2013)
- 오병록, "가구통행실태조사 자료를 이용한 통행특성 분석과 생활권 기준 설정 연구. 서울시를 중심으로", 서울도시연구, 15(3), pp.1~18 (2014)
- 원민수, "모바일기지국 데이터를이용한 출퇴근 통행 분석 알고리즘 개발 : 집, 직장 추정을중심으로", 대한교통학회지, 39(3), pp.383~398 (2021)
- 이소영, "네트워크 분석기법을 활용한 직장인구 통근·통행권역 설정-모바일 생활 통행 빅데이터를 기반으로", 대한건축학회논문집, 38(9), pp.23~34 (2022)
- 이정우, "대중교통 승하차 수요분석을 통한 서울시 역세권 유형화 및 토지이용 특성 연구", 국토연구, pp.35~53 (2015)
- 전병윤, "연령별 고령인구의통행 특성을 고려한 공간 위계별 생활권 분석-충청북도2016 년 가구통행실태조사 자료를 중심으로", 한국도시설계학회지 도시설계, 22(6), pp.129~145 (2021)
- 정윤영, "유동인구 자료를 이용한 서울시 도시공간구조 분석 연구 : 2030 서울플랜과 비교연구", 한국지역개발학회지, 26(3), pp.139~158 (2014)
- 정창호, "지역 간 통행에 따른 생활권 설정에 관한 연구 : 부산·울산·경남지역을 중심으로", 주거환경, 12(3), pp.363~373 (2014)
- 하재현, "통행특성별 OD 자료와 Community Detection 기법을 활용한 공간위계별 생활권 설정 연구 : 2010년 수도권 가구통행실태조사자료를 중심으로", 국토계획, 51(6), pp.79~98 (2016)
- 홍성조, "통행실태조사 자료를 활용한 중생활권 설정에 관한 연구-수원시를 대상으로", 부동산학보, (72), pp.87~98 (2018)
- Anda, C., "Transport modelling in the age of big data", International Journal of Urban Sciences, 21, pp.19~42 (2016)
- Blondel, V. D., "Fast unfolding of communities in large networks", Journal of statistical mechanics: theory and experiment, 2008(10), pp.P10008~ (2008)
- Chen C., "The Promises of Big Data and Small Data for Travel Behavior(Aka Human Mobility)Analysis", Transportation Research Part C : Emerging Technologies, 68, pp.285~299 (2016)
- Madhawa, K., "Understanding communities using mobile network big data", CPRsouth, 2015, pp.1~10 (2015)
- Narayanan, T., "Modularity detection in protein-protein interaction networks", BMC research notes, 4, pp.1~6 (2011)
- Newman, M. E., "Fast algorithm for detecting community structure in networks", Physical review E, 69(6), pp.066133~ (2004)
- Qu, Y., "Transportation mode split with mobile phone data", 2015 IEEE 18th international conference on intelligent transportation systems, pp.285~289 (2015)
- Ratti, C., "Redrawing the map of Great Britain from a network of human interactions", PloS one, 5(12), pp.e14248~ (2010)
- Sobolevsky, S., "Delineating geographical regions with networks of human interactions in an extensive set of countries", PloS one, 8(12), pp.e81707~ (2013)
- Yu, Q., "Mobile phone data in urban commuting : A network community detection-based framework to unveil the spatial structure of commuting demand", Journal of Advanced Transportation, 2020(1), pp.8835981~ (2020)