논문 상세보기
pp.129-144
교통카드 데이터는 도시 유동 패턴 분석을 가능하게 하는 양질의 대용량 데이터를 제공한다. 하지만 유동 클러스터링의 방법론적 어려움으로 인해 기존의 연구들은 데이터의 이점을 최대로 활용하지 못하고 있다. 이러한 한계를 극복하고자, 본 연구는 교통카드 데이터에 기반한 효율적인 유동 클러스터 탐지 기법을 제시하고, 이를 서울시 대중교통 통행 데이터에 적용하여 유의미한 유동 통행 클러스터를 도출하고자 한다. 사례 분석 결과, 서울 전체에 걸쳐 있는 다양한 대중교통 통행 클러스터를 도출할 수 있었고, 특히 공간상에서는 인접하지만 서로 다른 교통수단과 노선 하에서 이루어진 개별 유동들을 하나의 유동 통행 패턴으로 탐지할 수 있었다, 더 나아가, 일반적인 빈도분석으로는 뚜렷하게 나타나지 않지만 공간적으로 인접한 여러 다발의 유동이 모였을 때 유의미한 통행량을 가지게 되는 주요 통행 패턴을 포착할 수 있었다. 본 연구는 유동 현상을 분석하는데 중요한 방법론적 시사점을 제시하고 있으며, 제시된 알고리즘은 향후 보다 진보된 유동 클러스터링 기법을 개발하는데 필요한 기초 결과로 활용될 수 있을 것으로 기대된다.
Smart-card data is a high quality data that can be used in analyzing urban flow patterns. However, due to methodological difficulties of flow clustering, earlier studies have not been able to take full advantage of the smart-card data. To overcome this limitation, this study introduces an efficient flow cluster detection method based on smart-card data of public transportation and applies it to public transit trips in Seoul to derive significant flow clusters of trips. As a result of case study, we identified various clusters of public trasit trips in Seoul and could detect significant clusters that are composed of several individual travel flows being adjacent in space but mostly out of different transport modes and routes. Furthermore, the methodology of this study made it possible to capture the major travel flow patterns. They have not been recognized as important flow patterns in a normal way, but they have significant traffic volume when gathered into a flow cluster. This study provides important methodological implications to the analysis of flow patterns, and the suggested algorithm is expected to be the basis of more advanced flow clustering techniques in the future.
Abstract
I. 서론
1. 연구 배경 및 연구 목적
2. 관련 연구 동향
II. 유동 클러스터 탐지 방법론
1. 교통카드 데이터
2. 유동 클러스터 탐지 알고리즘
III. 서울시 대중교통 통행 유동클러스터링
1. 공간적 인접 기준 설정
2. 서울시 대중교통 통행 유동 패턴 탐지
IV. 결론
註
참고문헌
