역사 인근의 공간정보와 노선정보 활용해
신속·논리적 도시철도 수요예측 모형 구축
최근 도시철도 수요예측 이슈 발생…불확실성 보완 위한 방법론 필요
도시철도는 사업의 규모, 사회적 파급력 측면에서 공공투자사업의 중요한 분야 중 하나이며, 이러한 공공투자사업을 추진할 때는 사업의 타당성을 사전에 검토하게 된다. 그 과정에서 수요예측 결과는 경제성, 재무성, 사업 규모, 추진 여부 등을 결정할 때 아주 큰 영향을 미치는 중요한 요소이다. 최근 사회적으로 도시철도 수요예측 실패와 관련하여 다양한 이슈들이 발생하고 있다. 그러나 분석 과정이 매우 복잡하고 시간이 장기간 소요되는 기존 방법론(4단계 방법론)의 특성상 수요예측 결과에 대한 교차 검토 및 오차 발생 원인을 파악하는 것은 현실적으로 매우 어렵다. 특히 노선에 기반한 수단 전환량을 산출하여 이에 따른 도로 혼잡 완화 및 편익 산출이 주요 목적인 기존의 방법론 구조상, 실제 현실에서 마주하게 되는 지하철 역사별 승하차 인원은 다양한 사유로 인해 현실을 모사하기에 한계가 있는 것이 사실이다. 이로 인해 정류장별 승하차 예측 결과에 대한 논리적 설명이 어려우며, 예측 결과의 활용성 또한 매우 제한적이다.
이에 이 연구는 정류장을 중심으로 역사 인근의 공간정보와 도시철도 노선 정보를 활용하여 신속하고 논리적으로 역사의 승하차 인원을 예측할 수 있는 모형을 구축하기 위해 진행하였다. 도시철도 정류장 승하차 인원 예측에 대한 논리적 근거와 다양한 인과관계를 파악하고, 기존 방법론인 4단계 방법론과 병행하여 수요예측 결과를 신속하게 교차 검증함으로써 도시철도 수요예측의 불확실성을 보완하고, 수요예측 결과의 활용성 제고에 기여하고자 한다.
교통 빅데이터 결합과 가공 통해 수도권 도시철도 이용자 트립체인 구축
역사 주변 공간정보를 활용하여 승하차 인원을 예측하기 위해서는 가장 먼저 도시철도 역사의 공간적 영향권을 파악할 필요가 있다. 그동안 교통 수요 분석에 널리 활용되어 오던 교통카드 데이터의 경우, 최초 승차지(역 혹은 버스정류장) 이후의 이용자 이동 패턴은 파악이 가능하나 최초 출발지(집, 직장 등) 파악은 불가하며, 이에 따라 각 역사별 실질적인 공간적 영향권을 파악하기에는 한계가 있었다.
이 연구에서는 개별 지하철 통행의 전체 트립체인(출발지-승차-환승-하차-도착)을 파악하기 위해 한국교통안전공단에서 제공 받은 ’23년(1년간) 알뜰교통카드 데이터와 교통카드 데이터를 초단위 승하차 시간과 최초 승차지(최종 하차지) 정보를 기준으로 결합 및 재구성하였다. 지하철역 이용 행태를 분석하기 위한 총 5,900만 개의 트립체인 자료는 수도권 전체 지하철 이용객의 약 2.2% 수준으로, 수도권 지하철 이용객의 통행 패턴을 대변하기에 충분한 수준으로 판단하였다. 그 외에도 국토교통부의 건축물 통합 정보, 국토지리정보원의 국토지표를 포함한 격자 자료 등을 수집하여 500m, 1km 역별 영향권 반경을 기준으로 공간정보를 수집 및 재가공하였다.
정류장 영향권, 6개 유형 분류 가능…인접 역사 거리 등이 중요 요소
구축된 트립체인 자료를 활용하여 영향권을 분석한 결과, 도보 영향권은 400~600m으로 나타났으며, 인근 역사 거리, 매력적인 공원과 등산로, 상권, 보행환경 등이 도보 영향권 범위에 영향을 미치는 것으로 나타났다. 버스 영향권 거리는 대부분이 10km 이내이며 평균 거리는 4.7km로 나타났다. 광역버스에 대한 접근성이 좋거나 업무중심지 인근 역은 지하철역 승차 및 하차 전후 환승으로 인해 버스 거리가 크게 증가하였다.
지하철역은 역 인근의 도시공간 특성에 따라 영향권에 차이가 있으며 이 차이를 고려하는 것은 공간정보를 기준으로 역별 수요를 추정하는 데 중요한 요소이다. 이 연구는 지하철 이용객의 접근 행태를 파악하여 영향권 유형을 구분하고 다양한 공간정보를 기준으로 영향권 유형을 추정하는 모형을 제시하였다. 도보 및 버스의 영향권 거리, 시간, 속도로 K-means 분석하여 아래와 같이 6개 그룹으로 분류하였다.
6개의 영향권 분류에 영향을 끼친 주요 요인들을 랜덤 포레스트(Random Forest) 모형을 이용하여 분석한 결과 역 간 거리, 용도별 건축물 면적, 인구밀도, 위계별 가로 길이, 버스(시외버스, 광역버스, 전체버스) 정류장 수, SOC 접근성(주차장, 등산 진입로, 공원 등) 등의 중요도가 높은 것으로 분석되었다. 이 연구에서 구축한 영향권 유형 분류 모형은 역사 인근 도시 공간정보를 기반으로 신규 역사의 수단별 영향권 추정과 영향권 확장을 위한 계획 검토 등에 활용이 가능하다.