Journal of Korean Society of Transportation ISSN:1229-1366(Print) 2234-4217(Online) 대한교통학회지

공유 Personal mobility(PM)의 적절한 배치를 통해 목적지까지 단거리 이동이 불편한 거주민의 Mobility를 증가시킬 수 있다. 본 연구는 지리정보시스템(Geographic Information System; GIS) 및 강화학습을 활용하여 공유 PM의 최적 배치지역을 선정하였다. 분석대상지역은 오픈소스 데이터를 제공하고 유동인구 및 PM 이용이 많은 서울시를 선정하였다. 서울 열린 데이터 광장에서 제공하는 데이터 중, 분석에 활용한 데이터는 대중교통 관련 데이터, 사회경제지표, 도로 및 지형 데이터와 공유 모빌리티 데이터이다. 분석대상지역을 헥사곤 그리드로 세분화 후 데이터를 입력하여, 연산을 위한 의사결정 최소화를 수행하였다. 강화학습 구조는 주로 활용되는 Markov decision process(MDP)로 구성하였다. MDP는 간단한 강화학습 환경을 구축가능한 Open AI GYM을 기반으로 구축하였다. MDP의 보상함수는 PM 배치를 위해 필요한 이동거리가 작을수록 더 많은 보상을 줄 수 있도록 설계하였다. 강화학습의 최적화는 단순하고 다양한 환경에서 적용가능한 Q-learning algorithm을 통해 수행하였다. 매 시간 마다 무작위 지점에서 생성된 PM 이용객은 수집된 공유 모빌리티 시·종점에 따라 이동하고, 이동 결과에 따라 예측된 PM 배치지역은 QGIS를 활용하여 시각화 하였다. 분석결과 예측된 PM 배치지역은 공업지역 인근의 출·퇴근 이용객이 많을것으로 예측되는 화양사거리, 가산디지털단지역으로 나타났다. 그리고 PM을 여가목적으로 이용할 것으로 예측되는 지역인 잠실역과 마곡나루역이 PM 배치가 필요한 것으로 예측되었다. 본 연구결과를 통해 서비스 업체의 운영효율성 및 서비스 이용자의 이동성을 향상 시킬 수 있으며, 정책개발자의 법적 근거마련에 도움을 줄 수 있다.

2020년 초부터 3년간, 코로나19(코로나바이러스감염증-19)의 대유행으로 인해 감염 확산을 막기 위한 사회적 거리두기 등 물리적 이동을 제한하는 정책이 시행되었다. 이는 많은 사람의 통행량 감소를 초래했으며, 도시 내 핵심적인 대중교통수단인 지하철 이용량도 큰 폭으로 감소시켰다. 하지만 팬데믹(Pandemic) 기간 중 이러한 감소 폭 및 패턴은 도시 내 전 지역에서 동일하게 나타나지 않으며, 유사한 패턴을 보이는 지역군을 식별한다면 회복력 있는 도시관리에 유용하게 활용될 수 있다. 이에 본 연구는 팬데믹 동안 서울 지하철 역별 이용량 감소 패턴을 동적 시간 왜곡(Dynamic Time Warping)과 응집형 계층적 군집화(Agglomerative Hierarchical Clustering)를 통해 분석하였다. 본 연구는 서울 지하철 이용자 수를 기준으로 코로나19 발생 시점(2020.01)부터 사회적 거리두기 전면 해제 이후의 시기(2023.04)까지 장기적인 관점에서, 분석 기간의 세부 단계를 정의하고, 그룹별, 단계별로 사람들의 이동성 변화를 시간 단위 이용량 정보에 기반하여 시계열로 분석한다는 점에서 기존 연구들과의 차별성이 존재한다. 분석 결과, 대부분의 역에서 2019년도 수준의 일상적인 이동성을 회복하지 못하였고, 이용자 수 규모가 상대적으로 적은 지하철 역 그룹이 이용자 수 규모가 큰 그룹보다 조기에 회복되었으며, 코로나19 유행 후반부로 갈수록 거리두기 정책과 비례하는 이용자 수 감소율의 변동 폭이 줄어들었다. 본 연구를 통해 향후 코로나19와 같은 유행병이나 충격이 발생할 경우, 지역별 필요에 부합하는 정책 지원에 활용될 수 있을 것으로 기대하며, 정책 적용을 위한 지하철 역의 우선순위를 선정함으로써 한정된 자원을 효율적으로 활용할 수 있을 것으로 기대한다.

전통적인 4단계 교통수요예측 과정에서 수단분담 과정은 로짓모형으로 대표되는 선택모형의 효용함수에 의해 결정되며, 수단별 효용의 추정을 위해 가장 널리 사용되는 설명변수는 통행시간과 통행비용이다. 최근 모든 개인의 통행속도 또는 통행시간이 실시간으로 생성 및 수집되는 환경에도 불구하고 교통수요모형 연구에 있어 이러한 자료의 활용은 제한적이었다. 본 연구는 포털 사이트의 클라우드 지도플랫폼 서비스에서 제공하는 Open API를 활용하여 존간 통행시간을 집계하고, 이를 수단별로 비교하는 과정을 통해 교통수요 모형의 버스통행시간 상대지표를 개선하기 위한 방법론을 모색하였다. 또한 이 과정에서 5대 광역시를 기준으로 승용차와 버스 통행속도의 차이를 통계적으로 검증하였다. 결론적으로 본 연구는 실측자료의 분석을 통해 합리적인 수단분담 모형 개선 방향을 제시함으로써, 보다 현실에 가까운 대도시권 대중교통 수요분석과 편익 산정에 기여할 수 있을 것으로 기대된다.

본 연구에서는 대전-세종 간 간선도로를 대상으로 레벨 4이상의 자율주행자동차의 혼입률 및 대중교통 수단전환율 변화에 따른 잉여차로 발생 가능성을 분석하고 잉여차로 구간을 대상으로 한 자산가치 평가 및 활용방안을 제안하고자 한다. 먼저, 자율주행자동차의 혼입률이 증가할수록 통행속도와 통행시간 등 교통류 흐름이 개선되는 것을 확인하였으며, 자율주행자동차의 혼입률과 대중교통 수단전환율을 기반으로 잉여차로 발생 가능성을 시뮬레이션을 활용하여 분석하였다. 이에 따른 잉여차로의 도로 자산가치 평가를 위해 대전-세종 간 16.5 km를 대상으로 1)표준지공시지가를 활용한 방법, 2) 개별공시지가를 활용한 방법과 3) 감정평가 실무기준을 적용한 방법을 적용한 결과, 최소 113억 원에서 최대 343억 원으로 산정되었다. 나아가, 레벨 4이상의 자율주행자동차의 혼입률 증가와 대중교통으로의 수단전환 변화로 생기는 잉여차로의 도로 자산은 공간의 재구조화가 가능함을 의미한다. 더불어, 완전도로의 개념을 기반으로 활용방안과 우선순위 도출을 위해 전문가 설문조사를 수행한 결과, 연속류와 단속류 모두 자전거 및 개인형 이동장치를 위한 공간으로 활용하는 것이 가장 적합하다고 나타났으며, 공유자율주행자동차의 임시 주정차를 위한 탄력 주정차장으로 운영하는 것이 적절하다고 답변하였다. 반면, 단속류의 경우 보행공간이 녹지공간보다 중요도가 높게 분석되었으며, 연속류는 녹지공간이 보행공간보다 상대적으로 중요하다는 의견이 많았다. 본 연구는 BRT전용차로 운영과 자율주행자동차의 도입으로 도로용량 증가에 따른 잉여차로 발생 가능성을 확인함과 동시에 자산가치를 산정하는 방안을 제시하였으며, 향후 활용방안을 제시함으로써 미래 해당 구간의 운영 전략 마련에 기여할 수 있을 것으로 기대한다.

2018년 7월 서울시에 도입된 공유 개인형 이동수단(PM, Personal Mobility)은 대중교통을 보완하는 친환경 이동수단으로 기대를 모았지만 프리 플로팅 방식으로 인해 도로 방치, 보행자 통행 방해 등 다양한 문제가 발생했다. 이러한 문제를 해결하기 위해 서울시는 2022년 약 190곳의 PM 주차구역을 지정하였다. 본 연구는 PM 주차구역 지정 정책의 효과를 검증하기 위해 공간적 자기상관분석을 적용하여 주차구역 지정 전후의 PM 견인 수 변화를 분석했다. 분석 결과, 주차구역 지정 후 주차구역 반경 100m와 300m 내에서 PM 견인 수가 각각 19.03%p, 20.05%p 감소하였는데 이는 주차구역 지정이 PM 견인 문제 해결에 효과가 있음을 시사한다. Moran's I 지수를 통해 PM 견인의 공간적 패턴을 분석한 결과 양의 공간적 자기상관성이 확인되었으며, LISA와 LISA 클러스터 분석에서는 주차구역 반경 300m 내에서 PM 견인이 자주 발생하는 HH (High-High) 군집이 17.36%p 감소한 것으로 나타났다. 또한 HH (High-High) 군집이 LL/NS (Low-Low/Non Significant)로 변화한 비율이 38.9%p에 달해 주차구역 지정이 특정 지역의 PM 견인 문제를 완화하는 데 효과적임을 입증하였다. 본 연구를 기반으로 추후 PM 주차구역 지정 정책의 면밀한 방향성을 제시할 수 있을 것이며, 이를 통해 올바른 PM 이용 문화가 자리 잡는 데 도움이 될 수 있을 것으로 판단된다.

도시화의 가속화로 인해 주차 공간의 부족과 비효율적인 주차로 인한 교통 혼잡은 현대 도시에서 심각한 문제로 대두되고 있다. 이를 해결하기 위한 혁신적인 대안으로 주차로봇 기술이 주목받고 있으나, 현재 상용화된 주차로봇은 차량의 크기나 형태에 맞춘 개별적인 경로 생성이 미흡해 실질적인 효율성 증대에 한계가 있다. 특히, 다양한 차량 크기와 형태를 사용하는 국내 환경에서, 차량의 제원과 주차장 내 장애물의 크기를 더 정밀하게 반영하는 경로 생성이 필요하다. 이러한 경로 최적화는 주차 공간의 효율적 활용을 가능하게 하고, 주차장 운영 비용 절감 및 사용자 만족도를 향상시키는데 기여할 수 있다. 본 연구는 Hybrid A-star 알고리즘과 RRT 알고리즘을 혼합하여 격자를 더욱 세분화하더라도 경로 생성 시간을 감소할 수 있는 혼합 주차 경로 생성 모델을 제안한다. 또한, 라이다(LiDAR) 센서를 이용하여 실시간으로 차량의 크기를 측정하고 이를 경로 생성에 반영한다. 시뮬레이션 환경은 실제 운영 중인 공영주차장을 기반으로, 장애물이 있는 제한적인 시나리오와 장애물이 없는 일반적인 시나리오를 구축하여 분석을 진행하였다. 제안된 모델은 기존 알고리즘과 비교하여 주차 경로 거리 단축, 시간 단축, 장애물 회피 능력 측면에서 효용성을 평가하였다. 향후 연구에서는 더 복잡한 도심 구조와 다양한 주차 조건을 고려한 확장 연구가 이루어질 것이다.

서울시의 대중교통은 도시혼잡 완화와 지속가능한 수단으로 중요한 역할을 수행하고 있다. 그러나 서울시 간선버스는 장대노선, 불분명한 위계, 지속적인 수단분담률 감소로 인해 운영의 비효율성이 발생하고 재정적 부담이 가중되고 있는 상태이다. 본 연구에서는 이러한 문제를 해결하기 위해 전문가 설문을 활용한 델파이 조사를 기반으로 노선 평가에 필요한 평가함수를 개발하였으며, 조사 결과 노선 굴곡도, 운행생산성, 평균 혼잡도, 평균 환승시간 비율이 간선버스 노선망 평가함수로 선정되었다. 이후 수립된 평가함수에 대해 유전자 알고리즘을 적용하여 최적 노선망을 도출하였다. 도출된 최적 노선망은 현재 간선버스 노선망 대비 짧은 노선연장과 긴 정류장 간 길이를 보였으며, 유효경로 수에서 더 높은 다양성을 가지는 것으로 나타났다. 본 연구는 전문가 평가를 기반으로 대중교통 네트워크 최적화에 대한 접근방식을 제시하였으며, 향후 대중교통 정책 수립 및 네트워크 설계과정에서 활용이 가능할 것으로 기대된다.

본 연구에서는 오전 첨두시 혼잡도가 극심한 김포골드라인을 대상으로 오전 첨두시 SKIP- STOP 도입에 따른 혼잡도 감소 효과를 분석하였다. SKIP-STOP 운영 방식은 일부 역에 정차하지 않는 여러 열차 패턴 간 조합을 통해 대피선을 필요로 하지 않으면서 열차의 급행 효과를 높일 수 있는 전략이다. 본 연구에서는 승차수요를 기반으로 특정 구간에 과도한 수요가 집중되지 않도록 SKIP-STOP 패턴을 설정하고, 교통카드 raw data에 기반한 통계 데이터를 활용하여 데이터 전처리 과정을 최소화하는 방식으로 SKIP-STOP 도입 전후 평균 혼잡도의 변화를 분석하였다. SKIP-STOP 도입 결과, 기존 182.12%에 달하던 오전 7시-8시 최고 평균 구간 혼잡도는 142.76%로 약 40% 감소했으며, 오전 8시-9시 최고 평균 구간 혼잡도는 기존 160.38%에서 130.2%로 약 30% 감소하여 혼잡 완화에 큰 역할을 하는 것으로 나타났다. 따라서 일반 운행 방식을 채택하고 있는 김포골드라인을 대상으로 본 SKIP-STOP 운영 방식을 도입할 경우 혼잡 완화 및 승객 안전에 기여할 수 있을 것으로 기대된다.