Ⅰ. 서 론

최근 모바일 기기의 보급과 내비게이션 서비스의 확산에 따라, 내비게이션 플랫폼으로부터 생성되는 대규모 차량 주행궤적 데이터가 지속적으로 축적되고 있다. 이러한 주행궤적 데이터는 개별 차량의 실제 이동 경로를 직접적으로 관측할 수 있다는 점에서, 기존의 단편적인 교통량 조사나 모형 기반 분석의 한계를 보완하며, 교통 분석 연구의 활용 범위를 확장하고 있다. 특히, 차량 주행궤적 데이터는 기·종점(Origin-Destination, OD) 통행 특성 분석, 경로 선택 행태 분석, 교통 운영 및 계획 수립을 위한 기초자료로서 그 활용성이 확대되고 있다. 차량 주행궤적 데이터를 활용한 분석에서 중요한 문제 중 하나는 특정 OD 쌍에 대해 다수의 실제 주행 경로를 요약하고 대변할 수 있는 대표경로를 합리적으로 선정하는 것이다. 대표경로는 교통 운영 전략 수립, 현장 조사 대상 구간 선정, 정책 효과의 공간적 평가 등 다양한 실무적 의사결정을 지원하는 핵심 정보로 활용된다. 예를 들어, 기존의 단일 통행량 기반 대표경로 선정 방식은 특정 간선축 또는 최빈 경로 중심으로 대표경로를 구성하는 경향이 있어, 실제 도심부에서 존재하는 병렬 우회축이나 분산 통행 구조를 충분히 반영하지 못할 수 있다. 이러한 한계는 현장 조사 대상 구간 선정, 혼잡 구간 분석 및 교통 운영 전략 수립 과정에서 특정 축 중심의 편향된 해석으로 이어질 가능성이 있다. 특히 도심부와 같이 대체 경로 선택 가능성이 높은 네트워크에서는 단일 대표경로만으로 전체 통행 구조를 설명하는 데 한계가 존재한다. 그러나 기존의 대표경로 선정 방식은 주로 최단 거리 또는 최단 시간 경로, 혹은 최대 통행량이 관측된 단일 경로를 대표경로로 간주하는 것이 일반적이었다. 이러한 방식은 계산이 단순하다는 장점이 있으나, 운전자의 실제 경로 선택 다양성과 도심 도로망의 복잡한 통행 특성을 충분히 반영하는 데에는 한계가 있다. 한편, 내비게이션 기반 차량 주행궤적 데이터를 그대로 적용할 경우, 물리적 연속성이 높고 유입력이 강한 고속도로나 외곽 간선 시설이 대표경로로 과도하게 선정되는 구조적 편향성이 내재되어 있으며, 이는 도심 내부 교통 흐름을 분석하고자 하는 연구 목적에 부합하지 않는 결과로 이어진다. 또한, 동일한 OD 쌍에 존재하는 다수의 경로는 일부 구간을 공유하거나 분기되는 구조적 중복성을 가지는데, 이러한 특성을 고려하지 않고 단순 통행량만을 기준으로 대표경로를 선정하면 대표경로 집합의 설명력과 신뢰성이 저하될 수 있다. 따라서 주행궤적 데이터 기반 대표경로 추출에서는 경로 간 중복 구조와 링크 단위의 상대적 통행 기여도를 함께 고려하는 접근이 필요하다.

이에 본 연구는 대용량 차량 주행궤적 데이터를 활용하여 도심 내부 도로망의 통행 특성과 운전자의 경로 선택 다양성을 체계적으로 반영할 수 있는 대표경로 추출 방법론을 개발하였다. 부천시를 대상으로 수집된 민간 내비게이션 차량 주행궤적 데이터를 활용하였으며, 전처리 과정을 통해 고속도로와 통과 교통을 제외한 도심 내부 도로망을 분석 대상으로 하였다. 이후, 경로 및 링크 단위의 통행 기여도와 경로 간 중복 구조를 반영한 가중 대표성 지표를 산정하고, 경로 유사도 기반의 그룹화 절차를 통해 도심 통행 수요를 대변하는 대표경로 집합을 도출하였다. <Fig. 1>에서와 같이, 제안된 프레임워크를 통해 내비게이션 기반의 차량 주행궤적 데이터를 체계적으로 처리하여 링크 단위의 통행 기여도와 경로 간의 중복 구조를 종합적으로 고려한 대표경로 집합을 추출한다.

본 연구의 기여는 다음과 같다. 첫째, 차량 주행궤적 데이터를 기반으로 도심 도로망의 대표경로를 정량적으로 추출하기 위한 분석 프레임워크를 제시하였다. 둘째, 이 프레임워크를 통해 단순 통행량 중심의 기존 접근에서 벗어나 경로 및 링크 단위의 통행 기여도와 중복성을 종합적으로 고려함으로써 대표경로 선정의 합리성과 설명력을 향상하였다. 셋째, GIS 기반 시각화를 통해 대표경로의 공간적 분포 특성을 확인하고, 이를 교통 운영 및 현장 조사 계획 수립에 활용할 수 있는 실무적 적용 가능성을 제시하였다. 본 연구 결과는 도심 교통 흐름의 구조적 특성을 반영한 대표경로 분석 기반을 제공함으로써, 향후 궤적 기반 교통 분석의 정밀도 향상과 정책 의사결정 지원에 기여한다.

<Fig. 1>

Overall workflow for extracting representative routes using vehicle trajectory data

Ⅱ. 선행 연구 고찰

1. 차량 주행궤적 데이터 기반 경로 재구성

차량 주행궤적 데이터는 OD 통행 특성, 경로 선택 행태, 도로망 이용 특성 분석 등 다양한 교통 분석에 활용되어 왔다. 특히, 선행연구에서는 이러한 데이터를 활용하여 대표경로 추출 및 경로 기반 네트워크 분석 기법이 제안되어 왔다. Zheng, et al.(2009)은 GPS 궤적 데이터를 활용하여 이동 경로 및 활동 패턴을 추출할 수 있음을 보였으며, 이후 차량 주행궤적 데이터의 교통 분야 활용 가능성이 본격적으로 논의되기 시작하였다. 한편, 차량 주행궤적 데이터를 교통 분석에 적용하기 위해서는 궤적 포인트를 실제 도로망의 링크로 변환하는 경로 재구성 과정이 필수적이다. Quddus, et al.(2007)은 교통 분야에서 활용되는 지도 정합(map-matching) 기법을 체계적으로 정리하고, 정확한 링크 단위 경로 재구성이 후속 경로 분석의 신뢰성을 좌우함을 강조하였다. 이러한 연구들은 주행궤적 데이터를 링크 시퀀스(sequence) 기반의 경로 자료로 활용하기 위한 방법론적 기반을 제공하였다.

2. 대표경로 및 경로 집합 개념

차량 주행궤적 데이터를 활용한 경로 분석에서 핵심적인 문제 중 하나는 동일한 OD 쌍에 대해 관측되는 다수의 실제 경로를 효과적으로 요약하고 대표할 수 있는 경로를 선정하는 것이다. 이와 관련하여 기존 연구에서는 주로 경로 선택 모형 구축을 목적으로 복수의 경로 집합을 생성하는 연구가 수행됐다. Bovy and Fiorenzo-Catalano(2007)는 확률적 경로 집합 생성 기법을 제안하였으며, 단일 최단 경로가 아닌 다수의 합리적인 경로 집합을 고려할 필요성을 제시하였다. 최근에는 희소하거나 불완전한 주행궤적 데이터를 기반으로 실제 이용 경로를 추정하고, 이를 통해 대표적인 경로 집합을 도출하려는 연구도 수행되고 있다. Zhang et al.(2018)은 실제 차량의 이동 경로가 반드시 최단 경로나 최소시간 경로와 일치하지 않음을 보이며, 관측 기반의 다중 경로 집합이 실제 통행 행태를 보다 잘 반영할 수 있음을 제시하였다. Wang et al.(2022)는 대규모 차량 궤적 데이터에서 대표경로를 탐색하는 알고리즘을 제안하였다. 그러나 이러한 연구들 또한 경로 단위의 빈도나 발생 확률에 초점을 두는 경향이 강하며, 경로를 구성하는 개별 링크의 상대적 기여도까지 충분히 고려하지는 못하고 있다.

3. 경로 중복성 및 유사도 기반 접근

동일한 OD 쌍을 연결하는 경로들은 도로망 구조상 일부 구간을 공유하거나 분기되는 형태를 가지는 경우가 많다. 이러한 경로 중복성(overlap)을 고려하지 않을 경우, 대표경로 집합에 구조적으로 유사한 경로가 중복 포함되어 분석 결과의 설명력이 저하될 수 있다. Bekhor et al.(2006)은 경로 선택 모형에서 경로 간 중복성이 결과에 미치는 영향을 분석하며, 경로 중복성을 고려하지 않은 경로 집합 생성의 한계를 지적하였다. 또한, Ramming(2001)은 운전자의 경로 인지 과정에서 경로 유사성이 중요한 요소임을 제시하였다. 이러한 문제를 해결하기 위해 경로 유사도 지표를 활용하거나, 유사한 경로를 군집화(clustering)하여 대표경로를 도출하는 접근이 사용되어 왔다. Toqeer et al.(2024)은 차량 궤적 데이터를 그래프 기반으로 변환하고 군집화하여 경로 특성을 분석하는 최신 연구로, 경로 유사성 및 군집 기반 대표경로 선정 관련 문제를 다루기에 적합하다. 그러나 다수의 유사도 기반 연구에서는 경로를 구성하는 모든 링크를 동일한 가중치로 취급하는 경우가 많아, 실제 교통량이 집중되는 주요 링크의 상대적 중요성을 충분히 반영하지 못하는 한계가 있다. 특히 도심 도로망과 같이 경로 선택의 대안이 다양한 고연결성 네트워크에서는 이러한 한계가 더욱 두드러진다.

4. 통행량 기반 대표경로 선정 방식의 한계

기존의 대표경로 선정 연구 중 상당수는 경로별 통행량 또는 관측 빈도를 주요 기준으로 활용하고 있다. 이러한 접근은 구현이 간단하다는 장점이 있으나, 가장 많이 이용된 단일 경로가 전체 통행 특성을 대표할 수 있다는 가정을 전제로 한다. 그러나 Zhu and Levinson(2010)은 실제 운전자가 반드시 최단 경로나 최빈 경로를 선택하지 않으며, 경로 선택에는 신뢰성, 친숙도, 국지적 교통 여건 등 다양한 요인이 작용함을 실증적으로 보였다. 또한 내비게이션 기반 차량 주행궤적 데이터를 그대로 활용할 경우, 고속도로나 주요 간선도로와 같이 연속성이 높고 통행이 집중되는 축이 대표경로로 과도하게 반영되는 구조적 편향이 발생한다. Yang(2025)은 대표경로를 활용한 총 주행거리 추정 프레임워크를 제안하고, 경로 대표성과 구조적 편향을 반영함으로써 기존 통행량 중심 접근의 한계를 완화하였다. 그러나 이러한 접근은 도심 내부 교통 흐름을 분석하거나 미시적 교통 운영 및 현장 조사 구간을 도출하는 목적에 있어 여전히 한계를 가진다. 특히 단일 또는 소수 경로 중심의 대표성 설정은 경로 간 중복 구조와 링크 단위의 상대적 통행 기여도를 충분히 반영하지 못한다. 따라서 단순 통행량 중심 접근을 넘어, 경로 간 중복성과 링크 단위 기여도를 종합적으로 고려할 수 있는 대표경로 추출 방법론이 요구된다.

종합하면, 기존 연구들은 차량 주행궤적 데이터를 활용한 경로 재구성, 대표경로 생성 및 경로 유사도 기반 분석 방법을 제시하였으나, 대부분 경로 단위의 빈도 또는 통행량 중심 접근에 초점을 두고 있었다. 또한 일부 연구에서는 경로 중복성(overlap) 문제를 고려하였으나, 경로를 구성하는 개별 링크의 상대적 기여도와 도심부 네트워크의 구조적 특성을 함께 반영하는 접근은 제한적으로 이루어졌다. 특히 도심부 도로망은 병렬 간선축, 우회 경로 및 분산 통행 구조가 복합적으로 나타나는 특성을 가지므로, 단순 최빈 경로 또는 단일 통행량 중심 접근만으로는 실제 통행 구조를 충분히 설명하는 데 한계가 존재한다. 이에 본 연구에서는 경로 단위 통행량과 링크 단위 기여도를 함께 고려한 가중 대표성 개념과 경로 유사도 기반 군집화 절차를 결합함으로써, 도심부 네트워크의 구조적 다양성과 경로 중복성을 동시에 고려할 수 있는 대표경로 추출 프레임워크를 제안하였다.

Ⅲ. 연구 방법론

1. 데이터 개요

본 연구의 대상지인 부천시는 수도권 서부의 대표적인 고밀도 도시로서, 도시부 간선도로와 생활권 도로망이 복합적으로 연결되어 있으며, 다양한 통행 목적과 경로 선택 특성이 혼재하는 구조를 가진다. 특히 동일 OD 쌍에 대해 복수의 대체 경로가 존재하는 도심 네트워크 특성이 뚜렷하여, 대표경로 추출 과정에서 발생할 수 있는 경로 중복성과 구조적 편향 문제를 분석하기에 적합하다. 본 연구에서는 2025년 9월에 수집된 민간 내비게이션 기반 차량 주행궤적 데이터를 활용하였다. 분석에는 고속도로 및 외부 통과 교통을 제외한 도심 내부 통행 데이터를 활용하였으며, 비정상적으로 짧거나 긴 경로 및 불완전한 링크 시퀀스를 포함하는 데이터는 제외하였다.

연구의 목적이 도심 내부 교통 특성을 반영한 대표경로 추출에 있음을 고려하여, 전처리 과정에서는 고속도로 및 통과 교통 성격의 경로를 분석 대상에서 제외하였다. 이를 위해 도로 기능 분류 정보를 활용하여 고속도로 및 도시 외곽 간선 구간을 제거하고, 도심 내부 도로망을 중심으로 분석 범위를 한정하였다. 또한 동일 OD 쌍에 대해 관측된 경로 중 비정상적으로 짧거나 긴 경로, 불완전한 링크 시퀀스(sequence)를 포함한 데이터는 제외하여 분석 결과의 신뢰성을 확보하였다. 이러한 전처리 과정을 통해 각 OD 쌍에 대해 복수의 실제 주행 경로로 구성된 경로 집합을 구축하였다.

2. 가중 대표성 지표의 정의

전 처리된 차량 주행궤적 데이터를 기반으로, 본 연구에서는 경로 단위 통행량과 링크 단위 통행 기여도를 결합한 가중 대표성 지표를 정의하였다. 기존 연구들이 주로 경로 단위의 관측 빈도 또는 통행량을 기준으로 대표경로를 선정한 것과 달리, 본 연구의 접근은 경로를 구성하는 개별 링크의 상대적 중요도를 함께 고려한다는 점에서 차별성을 가진다.

먼저, 동일 OD 쌍에 대해 관측된 전체 경로 집합을 P, 개별 경로 p ∈ P, 경로 p를 구성하는 링크 집합을 L p라고 정의한다. 이때, 경로 p의 통행량(또는 관측 빈도)을 V p, 링크 l의 통행 기여도를 C l로 정의하면, 경로 p의 가중 대표성 지표 W R p는 다음 <식 1>과 같이 표현할 수 있다.

여기서, C l은 해당 링크를 포함하는 모든 경로의 통행량을 집계하여 산정되며, 도심 도로망 내에서 교통 흐름이 집중되는 핵심 링크일수록 높은 값을 가진다. 본 지표는 통행량이 많으면서도 교통적으로 중요한 링크를 포함하는 경로에 더 높은 대표성을 부여함으로써, 단순 최빈 경로 중심 접근에서 발생하는 구조적 편향을 완화하는 것을 목표로 한다. 본 연구에서 링크 기여도 C l는 해당 링크를 포함하는 모든 경로들의 통행량 합으로 정의하였다. 즉, 특정 링크 l의 기여도는 다음과 같이 산정된다.

여기서, P l는 링크 l를 포함하는 전체 경로 집합을 의미하며, V p는 경로 p의 통행량(또는 관측 빈도)을 의미한다. 따라서, C l는 해당 링크가 전체 경로 집합 내에서 얼마나 많은 통행 흐름에 기여하는지를 나타내는 링크 단위의 상대적 통행 기여도로 해석할 수 있다.

본 연구에서 정의한 가중 대표성 지표는 통행량 정보를 완전히 배제하는 것이 아니라, 기존의 경로 단위 통행량 중심 접근에 링크 단위의 구조적 기여도를 추가적으로 반영하기 위한 목적을 가진다. 즉, 동일한 경로 통행량을 가지는 경우에도, 도심 도로망 내에서 상대적으로 높은 통행 집중도를 가지는 핵심 링크를 포함하는 경로에 보다 높은 대표성을 부여한다는 점에서 기존 접근과 차별성을 가진다. 따라서 본 연구의 가중 대표성 지표는 단순 경로 빈도 기반 대표성의 한계를 보완하기 위한 구조적 보정(structural adjustment) 개념으로 해석될 수 있으며, 경로 간 중복성과 네트워크 내 링크 중요도를 함께 고려하기 위한 목적을 가진다. 본 연구에서는 이러한 가중 대표성 개념을 분석 목적에 따라 경로 단위와 링크 단위로 구분하여 적용하였다. 본 연구에서 정의한 가중 대표성 지표는 분석 대상에 따라 경로 단위와 링크 단위로 구분하여 산정하였다. 경로 단위에서는 각 경로의 통행량과 해당 경로를 구성하는 링크들의 통행 기여도를 종합적으로 반영한 가중 평균 기반 지표를 사용하였으며, 이를 경로 단위 가중 대표성 지표(wALUR, weighted Average Link Usage Ratio)로 정의하였다(KICT, 2025). 한편, 링크 단위에서는 해당 링크가 전체 경로 집합 내에서 차지하는 상대적 통행 기여도를 산정하여 링크 단위 가중 대표성 지표(wLPR, weighted Link Passing Ratio)로 정의하였다. 이후의 분석에서는 경로 단위 가중 대표성 지표(wALUR)를 중심으로 대표 경로 도출 결과를 분석하고, 링크 단위 지표(wLPR)는 대표경로의 링크 수준 특성을 해석하기 위한 지표로 활용한다.

3. 경로 유사도 기반 군집화 및 대표경로 도출

동일 OD 쌍에 대해 관측된 경로들은 도로망 구조상 일부 구간을 공유하거나 부분적으로만 상이한 형태를 가지는 경우가 많다. 이러한 경로 중복성을 고려하지 않을 경우, 구조적으로 유사한 경로들이 대표경로 집합에 중복으로 포함될 수 있다. 이를 방지하기 위해 본 연구에서는 경로 간 유사도를 기반으로 한 군집화 절차를 적용하였다. 경로 유사도는 두 경로가 공유하는 링크의 비율을 기반으로 산정하였으며, 이를 통해 구조적으로 유사한 경로들을 하나의 군집으로 분류하였다. 본 연구에서는 두 경로 간 유사도를 링크 집합 기반의 중복비율로 정의하였다. 경로 p i와 p j의 유사도는 두 경로가 공유하는 링크 수를 전체 링크 집합의 합집합 크기로 정규화하여 산정하였으며, 다음 <식 3>과 같이 표현된다.

여기서 L p i와 L p j는 각각 경로 p i와 p j를 구성하는 링크 집합을 의미한다. 본 연구에서는 유사도 값이 0.8 이상인 경우 구조적으로 유사한 경로로 판단하여 동일 군집으로 분류하였다. 해당 임계값은 예비 분석(preliminary analysis)을 통해 설정하였으며, 임계값이 지나치게 낮을 경우 서로 다른 경로 구조가 동일 군집으로 통합되고, 반대로 지나치게 높을 경우 유사 경로가 과도하게 분리되는 경향이 확인되었다. 따라서 본 연구에서는 도심부 도로망에서 경로 중복성을 완화하면서도 주요 대체 경로의 다양성을 유지할 수 있는 수준으로 판단하여 0.8을 적용하였다. 이후 각 군집 내에서 가중 대표성 지표(W R p)값이 가장 높은 경로를 해당 군집의 대표경로로 선정하였다. 이러한 절차를 통해 동일한 구조를 가지는 경로의 중복을 최소화하면서, 도심 통행 수요를 효과적으로 대변하는 다수의 대표경로 집합을 도출하였다. 도출된 대표경로는 GIS 기반 시각화를 통해 공간적 분포 특성을 확인하였으며, 대표경로가 도심 도로망내에서 어떠한 통행축을 중심으로 형성되는지를 검토하였다. 따라서 동일 OD 쌍 내에서도 구조적으로 상이한 경로 군집이 복수로 존재할 경우, 군집별로 대표경로가 각각 도출될 수 있다. 즉, 본 연구에서의 대표경로 개수는 OD별 군집 수와 대응되며, 대부분의 OD 쌍에서는 단일 군집 구조를 보였으나, 일부 OD에서는 다양한 우회 및 대체 경로 구조가 존재하여 복수의 대표경로가 도출되었다. 다음 <Fig. 2>는 경로 중복성과 가중 대표성 지표를 활용한 대표경로 선정 개념도를 나타낸다.

<Fig. 2>

Conceptual illustration of representative route extraction based on path overlap and weighted representativeness

Ⅳ. 분석 결과 및 고찰

1. 대표경로 도출 결과 개요

본 절에서는 III장에서 정의한 경로 단위 가중 대표성 지표(wALUR)와 링크 단위 지표(wLPR)를 활용하여, 제안한 대표경로 추출 방법의 결과를 분석하였다. 분석 대상 OD 쌍은 총 약 124만 개이며, 각 OD 쌍에 대해 관측된 실제 주행 경로를 기반으로 대표경로를 도출하였다. 대표경로 개수 분포를 분석한 결과, OD 쌍당 대표경로 개수의 평균은 1.14개, 중앙값은 1.0개로 나타났다. 이는 다수의 OD 쌍에서 단일 경로가 지배적인 구조를 보이지만, 일부 OD 쌍에서는 복수의 구조적으로 상이한 경로가 동시에 의미 있는 대표경로로 도출됨을 의미한다. 이는 대부분의 OD 쌍에서는 구조적으로 유사한 경로들이 하나의 군집으로 통합되어 단일 대표경로로 요약될 수 있음을 의미한다. 반면 일부 OD 쌍에서는 도심부 네트워크 특성상 다양한 우회 및 대체 경로가 존재하며, 유사도 기준을 만족하지 않는 복수의 경로 군집이 형성됨에 따라 다수의 대표경로가 도출되었다. 일부 복잡한 OD에서는 다수의 구조적으로 상이한 대표경로가 도출되었으며, 극단 사례에서는 300개 이상의 대표경로가 관측되었다. <Fig. 3>은 OD 쌍별 대표경로 개수 분포를 나타낸다. 대부분의 OD 쌍은 1.0개의 대표경로로 충분히 설명되지만, 일부 OD에서는 다수의 대표경로가 도출되어 도심 통행 구조의 다양성이 반영됨을 확인할 수 있다.

<Fig. 3>

Distribution of the number of representative paths per OD pair

2. wALUR 기반 경로 포괄성 분석

제안한 방법의 정량적 효과를 평가하기 위해, 경로 단위 가중 대표성 지표(wALUR)를 기준으로 대표경로의 누적 커버리지를 분석하였다. 모든 경로를 wALUR 값 기준으로 내림차순 정렬한 후, 상위 경로들이 전체 wALUR 합에서 차지하는 비중을 누적 곡선 형태로 산정하였다. 분석 결과, 상대적으로 소수의 상위 경로가 전체 통행 구조의 상당 부분을 설명하는 것으로 나타났다. 누적 커버리지 곡선은 초기 구간에서 급격히 증가한 후 점진적으로 완만해지는 형태를 보였으며, 이는 통행량과 구조적 중요도가 높은 경로들이 도심 교통 흐름을 지배하고 있음을 시사한다. <Fig. 4>는 wALUR 기준 경로 누적 커버리지 곡선을 나타낸다. 이를 통해 초기 소수의 경로에서 누적 커버리지가 빠르게 증가하며, 이후 완만한 증가 양상을 보인다는 것을 알 수 있다. 이는 제안한 가중 대표성 지표가 도심 교통 흐름의 주요 구조를 요약·반영할 수 있음을 시사한다.

<Fig. 4>

Cumulative coverage of representative routes based on wALUR

3. 기존 방식 대비 제안 방법의 효과 요약

위의 분석 결과를 종합하면, 제안한 대표경로 추출 방법은 기존의 통행량 기반 단일 경로 선정 방식과 비교하여 다음 <Table 1>과 같은 장점을 가지는 것으로 요약할 수 있다.

<Fig. 5>에 제시된 바와 같이, 기존 방법은 교통량이 가장 많은 단일 주경로만을 선택하는 반면, 제안 방법은 유사도 기반 군집화와 가중 대표성 분석을 통해 구조적으로 구별되는 대안 경로들을 보존한다. 이를 통해 제안 방법은 도시 도로망 내에 존재할 수 있는 대안 축과 분산된 교통 구조를 반영할 수 있다.

본 연구에서 제안한 가중 대표성 기반 대표경로 추출 방법은, 단순 통행량 중심 접근에서 발생하는 구조적 편향을 완화하고, 도심 내부 교통 흐름의 다양성과 핵심 구조를 동시에 반영할 수 있음을 실증적으로 확인하였다. 특히, 경로 단위(wALUR)와 링크 단위(wLPR) 지표를 결합한 분석을 통해, 도심 교통 수요를 효율적으로 요약·대표할 수 있는 경로 집합을 도출할 수 있음을 보여주었다.

<Fig. 5>

Conceptual comparison between the conventional single-route approach and the proposed representative route set approach for the same OD pair

V. 결론 및 향후 연구

본 연구는 대규모 내비게이션 기반 차량 주행궤적 데이터를 활용하여, 도심 도로망의 다양한 통행 구조와 운전자의 경로 선택 특성을 고려한 대표경로 추출 방법론을 제안하였다. 기존의 대표경로 선정 방식이 최단 경로 또는 통행량이 가장 큰 단일 경로에 의존함으로써 도심 내부 교통 특성을 충분히 반영하지 못하는 한계를 가진다는 점에 착안하여, 본 연구는 경로 및 링크 단위의 통행 기여도를 함께 고려하는 가중 대표성 개념을 도입하였다.

구체적으로, 본 연구에서는 가중 대표성 지표를 경로 단위(wALUR)와 링크 단위(wLPR)로 구분하여 정의하고, 경로 유사도 기반 군집화 절차와 결합함으로써 구조적으로 중복되는 경로의 영향을 최소화하였다. 이를 통해 동일 OD 쌍에 대해 단일 경로에 편중되지 않고, 도심 내부 통행 수요를 보다 균형 있게 대변하는 대표경로 집합을 도출할 수 있었다. 부천시를 대상으로 한 실증 분석 결과, 제안한 방법을 통해 단일 통행량 기반 대표경로만으로는 나타내기 어려운 복수의 구조적으로 상이한 경로를 함께 도출할 수 있음을 확인하였다. 분석 결과, 대부분의 OD 쌍은 소수의 대표경로로 설명 가능하였으며, 일부 복잡한 OD에서는 구조적으로 상이한 복수의 대체 경로가 함께 도출되는 특성을 보였다. 또한 제안 방법은 경로 유사도 기반 군집화를 통해 경로 중복성을 완화하면서도, 도심부 네트워크의 다양한 통행 구조를 함께 반영할 수 있도록 구성되었다.

본 연구의 학술적 기여는 다음과 같다. 첫째, 차량 주행궤적 데이터를 기반으로 대표경로를 추출하는 과정에서 경로 단위 통행량뿐만 아니라 링크 단위의 상대적 통행 기여도를 함께 고려하는 정량적 프레임워크를 제시하였다. 둘째, 경로 유사도 기반 군집화와 가중 대표성 지표를 결합함으로써, 대표경로 집합의 중복성과 구조적 편향 문제를 완화할 수 있음을 실증적으로 보였다. 셋째, 제안한 방법은 도심 교통 운영, 현장 조사 구간 선정, 정책 효과 분석 등 실무적 활용 가능성이 높은 대표경로 도출 결과를 제공한다는 점에서 실질적인 의의를 가진다. 특히 본 연구의 방법론은 단일 최빈 경로 중심 접근에서 누락될 수 있는 복수의 구조적 대체 경로를 함께 고려할 수 있다는 점에서, 도심부 우회축 분석, 현장 조사 대상 구간 선정 및 통행 분산 구조 분석과 같은 교통 운영·분석 과정에 활용 가능성을 가진다.

한편, 본 연구는 몇 가지 한계를 가진다. 본 연구에서 활용한 차량 주행궤적 데이터는 특정 지역과 기간에 한정되어 있으며, 시간대별 통행 특성이나 요일별 차이는 명시적으로 고려하지 않았다. 또한 대표경로의 타당성 평가는 공간적 분포와 구조적 특성 중심으로 이루어졌으며, 개별 운전자의 경로 선택 요인이나 외생 변수의 영향은 분석 범위에 포함되지 않았다. 본 연구에서 정의한 가중 대표성 지표는 링크 기여도를 경로 단위에서 단순 평균 형태로 반영하고 있으므로, 경로 길이에 따른 영향이 충분히 고려되지 못하는 한계를 가진다. 이에 따라 일부 핵심 간선축을 포함하는 장거리 경로의 경우, 링크 기여도가 평균화 과정에서 상대적으로 희석될 가능성이 존재한다. 또한 본 연구는 대표경로 추출 프레임워크 제안에 초점을 두고 있으며, 다만, 기존 방식과의 차이를 경로 재현 정확도, 정책 효과 및 공간 분산 특성 등의 정량적 지표를 활용하여 직접 비교·검증하는 단계까지는 수행하지 않았다. 따라서 향후 연구에서는 coverage, overlap 및 spatial dispersion 등의 정량 지표를 활용하여 기존 방식과의 차이를 보다 체계적으로 비교·검증할 필요가 있다.