공간정보를 활용한 도시철도 수요예측 방법론 연구
A Study on Methodologies for Urban Rail Demand Forecasting Using Geospatial Information
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 도시철도 수요예측 정확도를 제고하기 위해, 전통적 4단계 교통수요예측 모형의 한계를 보완하기 위한 데이터 기반 수요예측 모형을 제시한다. 이를 위해 2023년 교통카드 빅데이터를 활용한 역사별 승하차 데이터, 건축물·행정·지리정보 등 공간 특성, 배차 간격·환승 편의성 등 교통 특성을 종합적으로 수집하였다. 랜덤 포레스트를 이용해 변수 중요도를 정량 평가하고, 도시계획·교통 분야 전문가 20인의 설문을 통해 정성 검증을 수행한 결과, 주거·업무·상업시설 면적, 인근 역 간 거리, 배차 간격, 강남역 접근시간 등 11개 핵심 변수를 도출하였다. 이 변수들을 활용해 전일·시간대(오전/오후), 첨두/비첨두별 승하차 회귀모형을 구축하였다. 분석결과, 토지이용 밀도, 배차 간격과 환승 노선 수 등 공간·교통 특성이 수요에 영향을 미쳤고, 주거·업무·상업시설 면적은 통행 방향과 시간대에 따라 상이한 효과를 나타냈다. 본 연구 결과를 2034년 개통 예정인 면목선에 적용하여, 정류장 승하차 인원 예측에 있어 기존 방법론을 보완할 수 있는 교차검증 수단으로 본 연구가 활용될 수 있음을 확인하였다. 본 연구는 정류장 단위의 공간·교통 정보를 통합한 다층적 수요예측 모형을 제안함으로써, 사업 초기 단계에서의 수요 불확실성 저감 및 사업 타당성 검증에 기여할 수 있을 것이다. 향후 개발계획 변동성과 환승 배분 문제 등 보완이 필요할 것이나, 수요 추정뿐 아니라 역세권 개발, 재개발 계획 등 다양한 도시·교통 의사결정에도 활용도가 높을 것으로 기대된다.
Abstract
This study introduces a data‑driven model that complements the traditional four‑step framework to improve urban rail demand forecasts. Using 2023 smart‑card big data, we combined station‑level ridership with spatial variables (land‑use mix, land value) and transport factors (headway, transfer ease). Random‑forest importance analysis and expert surveys highlighted 11 key predictors—e.g., residential/office/commercial floor area, official land value, inter‑station distance, headway, and access time to Gangnam Station. Regression models were developed for all‑day, peak/off‑peak, and AM/PM periods. Land‑use density, headway, and number of transfer lines strongly affected demand, while the influence of land‑use types varied by direction and time. Applying the model to the 2034 Myeonmok Line showed that transfer‑station classification and future development plans need refinement and that some stations may warrant more conservative forecasts. By integrating multi‑layer spatial and transport data at the station scale, the model reduces early‑stage demand uncertainty and supports decisions on investment feasibility, station‑area development, and urban regeneration.