Journal Search Engine

Volume/Issue :

Year(s) : to

Search :

Title :

Author :

Keyword :

Abstract :

Figure :

Table :

Reference :

Search Advanced Search

Adode Reader(link)

View PDF Download PDF Export Citation Korean Bibliography PMC Previewer

The Journal of The Korea Institute of Intelligent Transport Systems Vol.17 No.6 pp.67-83
DOI : https://doi.org/10.12815/kits.2018.17.6.67

A Study on Selected Station Analysis of AFC-Based Integrated Transit Network

Mee Young Lee^*

^*Korea Research Institute for Human Settlements

†Corresponding author : Mee young Lee, mylee@krihs.re.kr

Received 20181030 │ Revised 20181119 │ Accepted 20181123

Abstract

This research is motivated by the question, "Where, when, and through what mode does an individual passenger moving within a subway station use to travel from starting to final destinations ?" To answer this, the stations passed by the individual passenger, the path taken, and modes used need to be known beforehand. In the metropolitan integrated public transportation fare system, Automated Fare Collection System(AFC) can be a source of information on transit modes, stations, and paths of individual passengers. AFC calculates a fare for the passenger based on travel data such as boarding and alighting stations, time, and mode used. In this research, an Selected Station Analysis(SSA) method, in which AFC data is used to observe passenger movement in the metropolitan public transportation subway station from the perspective of subway transfer stations, is proposed. SSA subdivides individual passenger movement in transfer stations and analyzes initial station/time and final destination station/time information using the trip chain perspective.

Key Words : Automated Fare Collection System , Selected Station Analysis , Trip Chain , Subway Station , Least Travel Time Path

AFC-기반 통합대중교통 네트워크의 Selected Station Analysis (SSA) 연구
- 수도권 지하철 환승역사를 중심으로 -

이 미 영^*

^*주저자 및 교신저자 : 국토연구원 국토계획·지역연구본부 책임연구원

초록

본 연구를 아우르는 질문은 “지하철 역사내부를 이동하는 개별승객은 언제 어디서 어떤수 단을 이용해서 출발해서 언제 어디로 어떤 수단을 이용해서 갔는가 ?”이다. 이 물음에 답하기 위해서는 지하철 역사를 이동하는 개별승객이 이용한 정류장, 경로, 수단에 대한 파악이 선행 되어야 한다. 수도권 통합대중교통요금체계에서는 AFC(자동요금징수체계)자료를 활용하면 개 별대중교통이용승객의 통행수단, 정류장, 경로가 파악된다. 본 연구는 AFC자료를 이용하여 수 도권의 대중교통역사의 승객이동을 지하철 환승역사의 관점에서 관찰하는 SSA(선별역사분석) 기법을 제안한다. SSA는 환승역사내 개별승객이동을 세분화하고 연계통행관점에서 최초출발 역/시간과 최종도착역/시간 정보를 분석한다.

키워드 : AFC , SSA , 연계통행 , 지하철역사 , 최소통행시간경로

This article has been cited by 0 article in crossref

Cited-By

Funding:

Ⅰ. 서 론

1. 개요

본 연구는 수도권 통합대중교통체계에서 선별된 역사를 중심으로 승객의 통행흐름을 입체적으로 세밀하 게 분석하는 기법을 제안하며, 이를 Selected Station Analysis(선별역사분석, 이하 SSA)라고 명명한다. SSA는 교통망최적화기법에서 제안된 Selected Link Analysis(선별링크분석, 이하 SLA)에서 개념을 착안했다. SSA는 특정 지하철역사를 이동하는 개별승객의 기종점으로 연관하여 분석하는 기법이다. SSA는 수도권통합대중교 통체계에서 크게 2가지 특징이 있다. 우선 SSA는 수도권통합대중교통요금체계를 운영하는 AFC자료를 근거 로 활용한다. 현행 요금체계에서 환승할인제도는 5회까지 수단이용에 대한 환승요금을 부과하지 않으며 따 라서 5회까지 승객통행을 연계통행자료로서 산출한다. 이에 착안하여 AFC자료를 근거로한 SSA는 개별승객 의 기종점과 함께 연계수단에 대한 분석을 가능하게 한다. 또한 SSA는 지하철역사의 내부통행이동에 대한 분석을 포괄한다는데 있다. 지하철역사에서 나타나는 개별통행은 탑승, 하차, 환승의 보행이동과 열차노선이 동이 입체적으로 나타난다. 이들 이동은 환승통로, 계단, 에스컬레이터, 선로와 같은 수평 및 수직이동시설로 구성된 네트워크체계이다. 따라서 SSA는 지하철역사내부네트워크에서 개별통행시설에 대한 승객의 집중/분 산흐름(flow)과 연관된 분석이 가능하게 한다.

<Fig. 1>를 통해 개별승객이 구성한 연계통행을 사례로 본 연구에서 추구하는 SSA의 상을 설명하면 다음 과 같다. 승객이 구성한 연계통행을 버스(B)와 지하철(S)로 요약하면 ‘BSB’로 나타나며, 첫 번째 B는 지선/마 을버스, 세 번째 B는 광역버스를 의미한다. 각각의 B는 출발/도착 정류장 및 시간이 AFC 통행자료에 기록된 다. S는 ‘완정(Wanjeong)’과 ‘길음(Gireum)’에서 각각 AFC 단말기를 TagIn과 TagOut 한다. 이때 ‘3205’와 ‘0427’은 각각 ‘인천2호선 완정’과 ‘4호선 길음’으로 사전에 정해진 AFC 단말기ID 이다. ‘완정’과 ‘길음’의 통행은 2번의 환승을 나타나는데 ‘계양’과 ‘서울역(Seoul Station)’이다. ‘계양’에서 ‘공항철도(Airport Railroad)’ 로 환승하고 ‘서울역’에서 다시 ‘4호선’으로 환승하게 된다.

만약 ‘서울역’을 SSA를 통해서 분석하게 되면 <Fig. 1>에서 나타나는 연계통행 ‘BSB’의 ‘S’가 환승역인 ‘서울역’이고 ‘서울역’에서 이 연계통행의 승객이동이 포착된다. ‘서울역’의 관점에서 개별통행 ‘BSB’의 정보 는 다양하게 존재한다. 개별통행의 수단, 시간, 위치, 노선정보를 포함하면서 ‘서울역’ 환승통로를 통해 보행 으로 ‘4호선’ 승강장까지 이동해서 ‘4호선’ 열차를 대기하고 탑승한 연계통행의 중간에서 여행다이어리의 분석이 가능하다. 현재 수도권통합요금체계의 AFC자료는 선후불카드를 통해 평일 약 15,000,000(Trip Chain, 연계통행)에서 지하철(S)에는 약 8,000,000(Trip, 통행)을 포함하는 상황이 나타난다. 지하철통행에는 일회권 과 정기권이 포함되므로 100%의 지하철통행의 전수자료가 확보된다. SSA를 통해 ‘서울역’을 여행하는 모든 승객의 연계통행자료를 포함하면서 역사내부의 흐름을 개별승객의 과거통행시점과 미래통행종점의 시공간 차원에서의 포괄적 분석이 가능하다.

이후 내용은 다음과 같이 진행된다. Ⅱ장은 SLA에 대한 이론적 내용과 함께 수도권통합대중교통요금체계 에서 AFC의 자료수집체계를 비교한다. Ⅲ장은 우선 AFC의 단말기ID를 적용한 통합대중교통네트워크의 구 축방안을 검토한다. 다음으로 SSA를 지하철역사의 보행이동과 열차통행으로 분류해서 개별승객의 연계통행 을 착안하는 수리적 모형을 제안한다. Ⅳ장은 수도권통합대중교통이용자료를 토대로 SSA에서 분석되는 상 황을 사례연구를 통해 시연한다. Ⅴ장은 제안된 SSA의 결언과 함께 향후요구사항을 검토한다.

Ⅱ. 이론적 배경

본 연구에서 SSA(선별역사분석)의 기본개념은 SLA(선별링크분석)에서 최초로 도입되었다. SLA는 교통망 최적화모형에서 소개되었다. SLA의 기본구조는 기종점(r-s)쌍 수요를 최적경로선택원리를 기반으로 배정하 는 모형에 의존한다. 본 연구에서 제안하는 SSA는 AFC자료를 근거로 구축된 버스-지하철 통합대중교통네트 워크에 AFC에서 수집된 통행을 배정하는 원리이다. 이장에서는 SLA기법을 검토하고 버스와 지하철의 AFC 자료 수집체계를 비교한다.

1. 교통망균형과 Selected Link Analysis (SLA)

교통망의 균형개념은 도로의 혼잡이 존재하는 상황에서 Wardrop(1952)이 제시한 사용자최적(User Optimal) 경로선택원리은 “기종점간 사용된 경로의 통행시간은 최소통행시간이며 사용되지 않은 경로의 통행시간보 다 크지 않다”에 있다. UO 경로선택조건을 경로기반 수식으로 표현하면 식(1)과 같다.

\begin{array}{l} η_{k}^{r s} - μ_{r s} = 0, if f_{k}^{r s^{*}} > 0 & \forall r, s, k \\ η_{k}^{r s} - μ_{r s} \geq 0, if f_{k}^{r s^{*}} = 0 & \forall r, s, k \\ (η_{k}^{r s} - μ_{r s}) \cdot f_{k}^{r s^{*}} = 0 & \forall r, s, k \\ f_{k}^{r s} \geq 0 & \forall r, s, k \end{array}

(1)

여기서,

$η_{k}^{r s}$ 는 r-s간 경로k 통행시간 ; $f_{k}^{r s}$ 는 r-s간 경로k 통행량;
μ_rs는 r-s간 최소통행시간

Beckmann et al.(1956)은 식(1)의 UO경로선택원리를 비선형식(Nonlinear Programming, NLP)으로 식(2)와 같 이 표현하였다. LeBlanc et al.(1975)는 식(2)에 대한 대규모 교통량의 해법으로 Frank-Wolfe 알고리즘을 적용 하였다.

\begin{array}{l} min Z (X) = \sum_{a} \int_{0}^{x_{a}} t_{a} (ω) d ω \\ s.t . \begin{array}{l} q_{r s} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} & \forall r, s \end{array} \\ \begin{array}{l} f_{k}^{r s} \geq 0 & \forall r, s, k \end{array} \\ \begin{array}{l} x_{a} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, a}^{r s} & \forall a \end{array} \end{array}

(2)

여기서,

x_a 링크a 통행량; t_a (x_a ) 는 링크a 통행시간함수; q_rs는 r-s간 수요
$δ_{k, a}^{r s}$ 는 r-s간 경로k가 링크a를 통과하면 1, 아니면 0

Dafermos(1980)은 식(1)의 UO경로선택원리를 변동부등식(Variational Inequality, VI)으로 식(3)와 같이 표현 하였다. VI는 링크간의 상호영향을 고려하기 위하여 식(2)의 NLP구조를 확대한 개념이다. Dafermos(1982), Fisk and Nguyen(1982), Florian and Spicess(1982)가 VI해법을 제안하였다. VI해법으로는 Florian and Spicess (1982)가 제안한 대각화알고리즘(Diagonalization Algorithm)이 일반적으로 적용되고 있다.

\begin{array}{l} \sum_{a} c_{a} (X) \cdot (x_{a} - x_{a}^{*}) \geq 0 \\ s.t. 식(1) 과 동일 \\ X = (\dots, x_{a}, \dots) 는 링크통행량 벡터 \end{array}

(3)

Lee(2004)는 UO경로선택조건에서 노드에서 네트워크의 확장없이 회전지체(d_ab)를 반영하기 위하여 NLP 식(2)를 식(4)와 같이 변형하고 해법으로 Frank-Wolfe 알고리즘을 적용하는 방안을 제시하였다.

\begin{array}{l} min Z (X, V) = \sum_{a} \int_{0}^{x_{a}} t_{a} (ω) d ω + \sum_{a} \sum_{b} \int_{0}^{υ_{a b}} d_{a b} (ω) d ω \\ s.t. 식(1) 과 동일 \\ υ_{a b} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, a b}^{r s} \forall a b, b \in Γ_{a}^{+} \end{array}

(4)

여기서,

υ_ab는 회전ab 통행량; d_ab는 회전ab 지체함수;
$Γ_{a}^{+}$ 는 링크a의 유출링크집합;
$δ_{k, a b}^{r s}$ 는 r-s간 경로k가 회전ab를 통과하면 1, 아니면 0

Lee(2004)는 UO경로선택조건에서 노드에서 네트워크의 확장없이 회전지체를 반영하기 위하여 VI 식(3)을 식(4)와 같이 변형하고 해법으로 대각화알고리즘을 적용하는 방안을 제시하였다.(5)

\begin{array}{l} \sum_{a} c_{a} (X) \cdot (x_{a} - x_{a}^{*}) + \sum_{a} \sum_{b} d_{a b} (V) \cdot (υ_{a b} - υ_{a b}^{*}) \geq 0 \\ s.t. 식(2)와 동일 \\ V = (\dots, υ_{a b}, \dots) 는 회전통행량 벡터 \end{array}

(5)

s. t. 식(2)와 동일

V = (⋯, υ_ab ,⋯) 는 회전통행량 벡터

SLA는 위에서 설명한 교통망균형의 해법알고리즘 구현과정에서 특정 링크에서 차지하는 기종점수요를 파악하기 위해서 도출되었다. SLA는 특정링크를 통과하는 통행량과 특정회전을 통과하는 회전통행량을 기 종점과 연관된 수요관점에서 분석하는 기법이다. <Fig. 2>에서 기점(r)과 종점(s)를 연결하는 통행경로에서 링 크(a)를 통과하는 경로(k∈K )의 통행량( $f_{k}^{r s}$ )을 모두 합하면( $δ_{k, a}^{r s}$ ≡ 1) 링크(a) 통행량(x_a)이 된다. 따라서 x_a는 모든 수요의 기종점(r,s)으로 연관된 경로통행량으로 분석이 가능하게 된다. 또한 두 개의 인접링크(ab)로 구 성된 회전통행량(υ_ab)도 모든 수요의 기종점과 연관된 경로통행량으로 분석이 가능하게 된다.

2. AFC기반 통합대중교통 네트워크

수도권통합대중교통요금체계에서 AFC를 운영하는 궁극적인 목적은 승객에게 요금부과 및 운송기관에게 운송기여도에 해당하는 수입금의 배분이다. 현행 요금제도는 거리비례와 환승할인이 복합되어 있는 구조로 서 5회까지 버스/지하철 수단이용에 대해서는 환승요금이 할인되며 10Km 기본거리는 기본운임을 부과하고 5Km 추가거리에 대해서 추가운임이 부과된다. 승객이 버스와 지하철에서 교통카드를 TagIn 및 TagOut하는 순간 버스정류장과 지하철역사의 위치, Tag시간, 버스차량, 지하철노선이 요금 및 수입금배분을 위해 전송된 다. <Fig. 3>은 지하철과 버스의 승객Tag에서 발생하는 자료를 통신(TCP/IP Socket)으로 수집(Aggregation)하 고 거래파일(Transaction File)로 만들어서 수입금배분센터의 운영DB로 이동하는 상황을 보여주고 있다. 이때 AFC 단말기에는 TagIn과 TagOut자료가 별도로 송수신되며 짝이 맞추어지지 않은 원시자료(Raw Data)는 추 후 Pairing 작업이 진행된다. 원시자료는 평일 약 40,000,000(건), Pairing 자료는 통행으로 약 20,000,000(trip), 이를 개인의 연계통행으로 산정하면 약 15,000,000(trip chain)으로 나타난다.

AFC가 요금을 부과하기 위해서 판단하는 버스승객의 위치정보는 버스정류장과 버스노선이다. 탑승정류장 과 하차정류장 사이의 이동한 노선거리를 이동거리로 파악한다. 버스네트워크는 정류장이 노드가 되고 인접 정류장간의 노선이 링크로 구축된다. <Fig. 4>의 그림에서 지선버스(Feeder Bus)의 노드는 ⓘ와 ⓙ, 링크는 ⓘ →ⓙ, 광역버스(Intercity Bus)의 노드는 ⓜ, ⓝ이고 링크는 ⓜ→ⓝ이다. 지하철은 역사노선을 나타내는 AFC 단말기ID를 복수로 고려해야 한다. <Fig. 4>의 ‘서울역’은 4개 노선의 환승을 반영하는 네트워크를 표현하고 있다. 이때 ‘서울역’은 대표노드이고 ‘1호선 0150’, ‘4호선 0426’, ‘경의-중앙선 1251, 1291’, ‘공항철도 4201’이 각각 포함되어 있다. 이때 버스와 지하철의 환승링크에 대한 보행이동을 네트워크에서 고려하지 못하는 상 황이 발생한다. 이에 대한 우회방안으로 Shin(2011)은 버스정류장과 대표노드로 정의된 지하철역사의 좌표를 이용하여 식(6)과 같이 유클리드거리를 기반으로 가중치를 적용한 환승페널티(Transfer Penalty) 개념을 도입 하는 방법을 제안하였다.

d_{a b} = d_{(i, j) (j, 4201)} = β \cdot \sqrt{{(x_{1} - x_{2})}^{2} + {(y_{1} - y_{2})}^{2}}

(6)

여기서,

β는 환승보행파라메타(>1.0)

Ⅲ. AFC기반 통합대중교통 네트워크의 Selected Station Analysis 기법

AFC로 구축된 버스-지하철 통합대중교통네트워크에서 버스정류장과 지하철역사를 대상으로 개별승객의 연계통행정보의 분석이 가능하다. 이 장에서 SSA는 지하철역사내부의 개별승객이동에 대하여 연계통행을 분석하는 방안으로 제안된다. 이를 위해 지하철역사의 승객이동을 분류하고 개별승객의 연계통행을 분석하 는 방안을 검토한다.

1. 지하철역사 승객흐름

AFC단말기ID는 지하철통행에 대한 진출입역사번호 및 통과시간을 주요정보로 기록한다. 진출입역사번호 는 승객이 단말기를 Tag-In/Out 하면서 발생한다. AFC단말기ID의 진출입역사번호는 역사단말기노선번호와 동일하다. ‘서울역’의 4개 노선 단말기노선번호를 예로 들면, 1호선 ‘0150’, 4호선 ‘0426’, 경의선 ‘1251’ 또는 ‘1291’ (이중 하나는 예비번호), 공항철도 ‘4201’로 각각 부여된다. AFC단말기ID를 기반으로 지하철네트워크 를 구축하기 위해서는 <Fig. 4>의 ‘서울역’ 사례와 같이 복수의 단말기노선정보를 단일노드정보로 변환하는 작업이 필요하다.

모든 지하철역사의 AFC단말기ID를 노드정보로 구축한 지하철네트워크에서 나타나는 승객의 통행경로에 대한 사례는 <Fig. 5>와 같다. 이 경로에서 출발역(r), 중간역(j), 도착역(s)으로 구분하며, 단말기노선번호는 출발노선 3개 (r₁, r₂, r₃), 중간역노선 3개 (j₁, j₂, j₃), 도착노선 3개 (s₁, s₂, s₃)로 각각 구성된다.

2. AFC단말기ID기반 지하철역사 승객경로선택모형

AFC단말기ID를 기반으로 구축된 지하철네트워크에서 승객의 최소통행시간경로선택모형은 식(7)과 같이 선형목적함수식으로 표현된다. AFC단말기ID로 구성된 최초출발정류장(r)부터 최종도착정류장(s)까지 승객 (q_rs)을 배정하는 문제이다.

\begin{array}{l} min Z (X, V) = \sum_{a} (c_{a} \cdot x_{a}) + \sum_{a} \sum_{b} (d_{a b} \cdot υ_{a b}) \\ s.t. q_{r s} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \forall r, s \\ f_{k}^{r s} \geq 0 \forall r, s, k \\ υ_{a b} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, a b}^{r s} \forall a b, b \in Γ_{a}^{+} \\ x_{a} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, a}^{r s} \forall a \end{array}

(7)

여기서

c_a는 링크(a) 통행시간 ; d_ab는 회전(ab) 환승시간
q_rs는 AFC단말기ID(r-s)간 수요; $f_{k}^{r s}$ 는 AFC단말기ID(r-s)간 경로k의 통행량
υ_ab는 회전(ab) 통행량; x_a는 링크(a) 통행량

여기서 AFC단말기ID와 지하철노선정보를 나타내는 Φ(r) , Φ(s) , Φ(a) , Φ(b) 에 대하여 노선의 파악이 가 능하다. 지하철출발역사의 식(8)에 의해서 노선정보를 비교하여 승차역보행흐름은 $x_{a}^{r \to}$ 는 1) 직접승차(직승) 과 2) 출발역사환승, 도착역보행흐름은 $x_{b}^{\to s}$ 는 3) 직접하차(직하)와 4) 도착역사환승, 중간역사 $x_{a b}^{j}$ 는 5) 노 선환승보행과 6)차내통행으로 표현된다. 6가지로 구분된 통행은 2017년 10월 기준 86개 환승역사에서 상시 나타나는 통행유형으로 <Table 1>은 식(8)의 통행분류를 보여주고 있다. Lee(2018)은 6가지 승객의 통행흐름 을 모사하기 위한 경로선택모형과 알고리즘을 제안하였다.

\begin{array}{l} x_{a}^{r \to} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, r a}^{r s} \forall r, s \\ x_{b}^{\to s} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, b s}^{r s} \forall b (*, s), s \\ x_{a b}^{[j]} = \sum_{r} \sum_{s} \sum_{k} f_{k}^{r s} \cdot δ_{k, a b}^{r s} \forall a b = (*, j) b (j, *) \end{array}

(8)

여기서

$x_{a}^{r \to}$ 는 AFC단말기r에서 링크a 통행량 ;
$x_{b}^{\to s}$ 는 링크b 에서 AFC단말기s 통행량
$x_{a b}^{[j]}$ 는 j역사의 모든 회전ab 통행량 a=(*,j), b=(j,*)

3. 개별승객 연계통행정보를 내재한 AFC단말기ID기반 지하철역사 승객경로선택모형

AFC단말기ID를 기반으로 구축된 지하철네트워크에서 승객의 최소통행시간경로선택모형은 식(9)과 같이 선형목적함수식으로 표현된다. 여기서 $q_{r s}^{- m}$ 과 같이 AFC단말기ID로 구성된 최초출발정류장(r)부터 최종도착정 류장(s)까지 연계통행이 포함된 개별승객(m)을 의미한다. 본 연구의 해법에 대한 자세한 내용은 Lee(2017)와 유사한 접근방법을 취하고 있다. 다만 Lee(2017)는 비가산성경로비용(Non Additive Cost), 본 연구는 가산성경 로비용(Additive Path Cost)을 전제로 통행배정을 수행하였다.

\begin{array}{l} min Z (\bar{X}, \bar{V}) = \sum_{a} (c_{a} \cdot {\bar{x}}_{a}) + \sum_{a} \sum_{b} (d_{a b} \cdot {\bar{υ}}_{a b}) \\ s.t. {\bar{q}}_{r s}^{m} = \sum_{r} \sum_{s} \sum_{k} {\bar{f}}_{m k}^{r s} = 1 \forall r, s, m \\ {\bar{f}}_{m k}^{r s} \geq 0 \forall r, s, m, k \\ {\bar{υ}}_{a b} = \sum_{m} \sum_{r} \sum_{s} \sum_{k} {\bar{f}}_{m k}^{r s} \cdot δ_{k, a b}^{r s} \forall a b, b \in Γ_{a}^{+} \\ {\bar{x}}_{a} = \sum_{m} \sum_{r} \sum_{s} \sum_{k} {\bar{f}}_{m k}^{r s} \cdot δ_{k, a}^{r s} \forall a \end{array}

(9)

여기서

$\bar{X} = {\dots, {\bar{x}}_{a}, \dots}, \bar{V} = {\dots, {\bar{υ}}_{a b}, \dots};$
$q_{r s}^{m}$ 는 연계통행정보포함 개인(m)의 AFC단말기ID(r-s)간 수요( $q_{r s}^{m}$ = 1);
${\bar{f}}_{m k}^{r s}$ 는 연계통행정보포함 개인(m)의 AFC단말기ID(r-s)간 경로k의 통행량 ( $f_{m k}^{r s}$ ≤ 1.0);
${\bar{υ}}_{a b}$ 는 회전ab로 통행량; x_a는 링크 a 통행량

Ⅳ. 사례연구

사례연구는 2017년 10월 중 일일 선후불 교통카드자료를 대상으로 시행한다. 자료에서 연계통행은 15,458,413 (건)으로 구성되어 있다. 수도권지하철네트워크 노선단말기는 총 688(개), 역(노드)수는 588(개), 노선단말기 가 복수로 운영되는 환승노드는 86(개)이다. 네트워크의 (역-노선-역)을 나타내는 노선링크는 총 1,332(개)로 구성되어 있다. 네트워크의 (역-노선-역-노선-역)으로 구성된 회전은 총 2,132(개)이며 회전에서 노선이 동일 한 통과노선은 1,308(개), 환승노선은 824(개)에 해당된다.

1. 결과분석

총 588개 개별역사를 포함하는 수도권지하철네트워크에서 86개의 환승역사를 중심으로 SSA분석을 시행 하였다. 특히 SSA 분석결과는 ‘교대’역을 중심으로 설명한다. <Fig. 6-(a)>는 지하철네트워크에서 ‘교대’역 위 치를 보여주고 있다. <Fig. 6-(b)>와 같이 ‘교대’역은 2호선과 3호선의 환승역으로 2호선 ‘서초’와 ‘강남’ 3호 선의 ‘고속터미널’과 ‘남부터미널’의 중심에 위치한다.

<Fig. 7>는 ‘교대’역에서 교통카드번호와 플랫폼의 보행이동상황을 보여주는 그림이다. ‘0223’은 2호선 단 말기 ‘0330’은 3호선 단말기를 각각 표시한다. 2호선 ‘교대’는 상대식플랫폼(Side Platform)으로 3호선은 섬식 (Island Platform)으로 각각 운영되고 있다. 따라서 2호선과 3호선을 연결하는 환승통로는 2개 방향으로 별도 로 구성된다. <Fig. 7> ‘교대’역에서는 총 6개의 통행유형 – a) 노선 In-Vehicle 통행, b) 노선환승, c) 출발역 사환승, d) 도착역사환승, e) 출발역사직승, f) 도착역사직하 –에 대하여 설명하고 있다.

<Table 2>는 <Fig. 7>의 ‘교대’의 통행유형에 대하여 거시적으로 분석된 연계통행수를 나타낸 것이며 세부 내용은 3절-9절을 통해 설명한다. <Table 2>를 살펴보면 하루 동안 ‘교대’역에서 총 858,188(건)의 연계통행이 발생하는 것으로 나타났으며 이중 열차통과통행은 610,579(건)으로 71.1(%), 노선환승통행은 127,334(건)으로 14.8(%)로 나타났다. ‘교대’역에서 보행통행은 28.9(%)인 247,609(건)으로 분석되며(b-f), 이중 수평보행시설을 주로 이용하는 환승보행통행은 19.4(%)인 166,295(건)으로 산정된다(b-d). 반면 수직보행시설을 이용하는 환승 보행통행은 9.5(%)인 81,314(건)으로 나타난다(e-f).

2. 노선 In-Vehicle 통행 <Fig. 7 (a)>

<Fig. 8>은 ‘교대’의 열차탑승통행에 대한 방향별 세부결과를 보여주고 있다. 연계수단 통행수는 ‘2호 선’-‘2호선’에서 ‘S’ 100,000(건), ‘3호선’-‘3호선’은 80,000(건)을 상회한다.

3. 노선환승보행 <Fig. 7 (b)>

<Fig. 9>은 ‘교대’역 노선환승보행을 방향별 세부결과를 보여주고 있다. ‘고속버스터미널’-‘교대’-‘강남’의 3호선에서 2호선으로 가장 많은 보행통행이 나타나며 연계수단은 29개 조합이 나타나고 있다.

4. 출발역사환승보행 <Fig. 7 (c)>

<Fig. 10>은 ‘교대’의 출발역사환승보행의 세부결과를 보여주고 있다. ‘2호선’에서 TagIn하고 ‘3호선’으로 의 환승이 가장 많았으며 연계수단은 22개로 나타나고 있다.

5. 도착역사환승보행 <Fig. 7 (d)>

<Fig. 11>은 ‘교대’의 도착역사환승보행의 세부결과를 보여주고 있다. ‘고속터미널’-‘교대’의 ‘3호선’ 하차 후 ‘2호선’ TagOut 보행이 가장 많고 총 25개의 연계수단이 나타난다.

6. 출발역사직승보행 <Fig. 7 (e)>

<Fig. 12>은 ‘교대’의 출발역사직승보행의 세부결과를 보여주고 있다. ‘교대’-‘남부터미널’의 ‘3호선’ TagIn 후 ‘3호선’ 승차의 경우 보행수와 연계수단(15개)이 낮으며, 나머지 3개 방향은 유사한 패턴을 보이고 있다.

7. 도착역사직하보행 <Fig. 7 (f)>

<Fig. 13>은 ‘교대’의 도착역사직하보행의 세부결과를 보여주고 있다. ‘남부터미널’-‘교대’의 ‘3호선’ TagOut 후 ‘3호선’ 하차가 상대적으로 낮은 보행수와 연계수단을 보여주고 있다.

8. 개별 연계수단 사례 설명

‘교대’을 통행하는 ‘BBSB’의 연계수단에 대한 사례 2건을 세부분석하면 다음과 같이 유추된다.

1) 첫 번째 사례의 ‘S’는 ‘0234 2호선 신도림’과 ‘0216 2호선 잠실’의 지하철 통행에서 교대역을 통과하는 통행은 경기일반버스(500)노선의 ‘4197212’정류장을 2017년10월18일15시15분22초에 탑승해서 경기좌석 (533)을 거쳐 ‘교대’를 2호선 In-Vehicle 통행으로 통과해서 지선버스(120)으로 최종하차 정류장 ‘0010202’를 2017년10월18일17시20분20초에 TagOut하였다.
2) 두 번째 사례의 ‘S’는 ‘1859 분당선 오리’과 ‘0325 3호선 옥수’의 지하철 통행에서 교대역을 환승보행하 는 통행이며 경기마을버스(582)노선 ‘4111728’정류장을 2017년10월18일07시45분30초에 탑승해서 경기 마을버스(500)을 거쳐 ‘교대’에서 3호선 In-Vehicle 통행으로 통과해서 마을버스(105)으로 최종하차 정류 장 ‘9014136’를 2017년10월18일09시18분41초에 TagOut하였다.

Ⅴ. 결 론

SSA는 수도권통합대중교통체계에서 지하철역사를 이동하는 개별승객의 기종점을 연관하여 분석하는 기 법이다. SSA는 수도권통합대중교통요금체계를 운영하는 AFC자료를 근거로 활용되며 5회까지 개별승객의 연계통행자료를 산출한다. 본 연구는 SSA로 선별된 지하철역사의 내부통행이동에서 개별승객의 연계통행자 료를 연관하여 분석하는 기법으로 정의한다. 지하철역사의 승객통행은 탑승, 하차, 환승, 이동이 입체적이고 복합적으로 나타난다. SSA는 지하철역사내부네트워크에서 승객의 집중 및 분산흐름(flow)을 개별승객의 연 계수단정보로 다시 재구성하는 기법이다.

본 연구는 AFC의 단말기ID로 구축된 네트워크에서 연계수단정보를 함의한 개별승객의 경로선택모형인 SSA 분석기법을 제안하였다. 수도권 588개 역사에서 ‘2호선’과 ‘3호선’의 환승역사 ‘교대’을 선별하여 SSA분 석을 시행하였다. 결과로서 ‘교대’역에서 나타나는 6개 유형의 통행을 방향별로 연계수단과 함께 분석하고, SSA를 통하여 개별승객의 통행다이어리를 분석하는 사례도 제시하였다.

본 연구에서 SSA라는 용어와 개념을 최초로 제안하였다. SSA는 과거 수요기반의 최적화이론에서 개별승 객의 연계통행이 포함된 움직임을 분석하기 위한 목적으로 개발되었다. 따라서 현재 교통분야의 빅데이터 및 DB기법에 적합하며 유용한 사례라고 평가된다. 향후 이와 관련하여 다양한 분석사례를 포함한 연구가 진 행될 것으로 기대된다. 특히 본 연구의 주제인 지하철네트워크에서는 급행/완행열차투입과 같은 운영전략 도 출, 피크시 대중교통수요의 집중을 완화하기 위한 정책평가, 지하철역사 긴급재난시 피난정보제공, 지하철노 선변화에 따른 통합대중교통운영전략 등 다양한 실용화 분야에서의 성과가 기대된다.

Figure

<Fig. 1>.

Estimation of A Passenger Trip in ‘Seoul Station’ with T. C. BSB

<Fig. 2>.

Passenger Trip in Subway Station Network

<Fig. 3>.

Flow of AFC Transaction File & Data from Bus and Railroad’s Passengers(resource : KSCC)

<Fig. 4>.

Four Subway Lines and Terminal Numbers of Seoul Station

<Fig. 5>.

Passenger Pedestrian Flow in Subway Station Network

<Fig. 6>.

Seoul Metropolitan Subway Network and Seoul Nat'l Univ. of Education Station

<Fig. 7>.

Six Trip Types Appeared in ‘Seoul Nat'l Univ. of Education’ Station

<Fig. 8>.

Mode Chain of Line In-Vehicle Trip in ‘Seoul Nat'l Univ. of Education’ Station

<Fig. 9>.

Line Transfer Pedestrian in ‘Seoul Nat'l Univ. of Education’ Stations

<Fig. 10>.

Departure Station Transfer in ‘Seoul Nat'l Univ. of Education’ Station

<Fig. 11>.

Arrival Station Transfer in ‘Seoul Nat'l Univ. of Education’ Station

<Fig. 12>.

Straight Ride Pedestrian in ‘Seoul Nat'l Univ. of Education’ Station

<Fig. 13>.

Straight Alight Pedestrian in ‘Seoul Nat'l Univ. of Education’ Station

Table

<Table 1>.

Passenger Movement in Transfer Subway Stations

<Table 2>.

Number of Chain Trips Occupying Each Six Trip Type

Reference

BeckmannM. J. , McGuireC. B. and WinsternC. B. (1956), Studies int the Economics of Transportation, Yale University Press, New Haven, Conn.
DafermosS. (1980), “ Traffic Equilibrium and Variational Inequalities ,” Transportation Science, 14, pp.42-54.
DafermosS. (1982), “ Relaxation Algorithm for the General Asymmetric Traffic Equilibrium Problem ,” Transportation Science, 16, pp.231-240.
FiskC. S. and NguyenS. (1982), “ Solution Algorithm for network Equilibrium Models with Asymmetric User Costs ,” Transportation Science, 16, pp.361-381.
FlorianM. and SpicessH. (1982), “The Convergence of Diagonalization Algorithm for Astmmetric Network Equilibrium Problems,” Transportation Research 16B, pp.477-483.
LeBlancL. J. , MorlockE. K. and PierskallaW. (1975), “ An Efficient Approach to Solving the Road Network Equilibrium Traffic Assignment Problem ,” Transportation Research, vol. 9, no. 5, pp.309-318.
LeeM. (2004), Transportation Network Models and Algorithms Considering Directional Delay and Prohibitions for Intersection Movement, Ph.D. Thesis, University of Wisconsin at Madison.
LeeM. (2017), “ Transportation Card Based Optimal M-Similar Paths Searching for Estimating Passengers’ Route Choice in Seoul Metropolitan Railway Network ,” The Journal of The Korea Institute of Intelligent Transport Systems, vol. 16, no. 2, pp.1-123.
LeeM. (2018), “ An Analysis Model on Passenger Pedestrian FLow within Subway Stations : Using Smart Card Data ,” Accepted for publication in The Journal of The Korea Institute of Intelligent Transport Systems.
ShinS. (2011), Constructing An Optimal Integrated Public Transit Network, Seoul Development Institute.
WardropJ. G. (1952), “ Some Theoretical Aspects of Road Traffic Research ,” Proc. Inst. Civ. Eng., Part II, 1, pp.325-378.

A Study on Selected Station Analysis of AFC-Based Integrated Transit Network

Abstract

AFC-기반 통합대중교통 네트워크의 Selected Station Analysis (SSA) 연구
- 수도권 지하철 환승역사를 중심으로 -

초록