서론

최근 정보 ‧ 통신 기술 및 GPS 기술의 발달로 다양한 형태의 교통 정보 수집이 가능하게 되었다. 이에 따라 지점검지, 구간검지, 궤적검지 등의 교통 검지체계 수집 시스템 또한 함께 발달했다. 특히 최근 위성측위시스템을 통해 실시간성의 대용량 교통 빅데이터 수집이 가능해지면서 교통 분야에서 이를 활용한 연구가 활발히 진행되고 있다. 택시 DTG 데이터는 택시 차내에 설치된 디지털운행기록계(Digital Tachograph, DTG)로부터 수집된 택시 운행기록정보로서 운행위치, 지점속도, 수집시간, 탑승여부 등의 정보를 포함한 데이터이다. 현재 서울시에 등록되어 있는 약 7만 여 대의 택시가 연간 1,300억 건의 이동정보를 수집하고 있으며 데이터의 양도 방대하다. 서울시는 택시 DTG 데이터를 가공하여 링크별 속도정보를 생성하고 이를 통해 실시간으로 교통 소통 정보를 제공하고 있다. 현재 수집된 택시 DTG 데이터의 대부분은 실시간 교통정보 제공 및 택시 차량 관리용도 외에는 크게 활용되지 않고 있는 실정이다. 하지만 택시 DTG 데이터는 시공간적 속성을 포함한 방대한 양의 교통 이력 데이터이다. 또한 원시 데이터의 가공 방식에 따라 자료 속성이 다른 정보로 구분된다. 이에 따라 교통류 분석과 같은 교통 운영 및 관리 분야에서 활용 가능성이 크다.

현재 서울시는 24개의 도로축을 주요 간선도로축으로 선정하여 관리하고 있다. 해당 축들은 2007년 시행된 서울형 신호제어시스템 개선사업의 평균통행속도 분석 대상으로 선정된 축을 기반으로 한 축이다. 십여 년이 지난 지금까지 일부 축의 연장 길이의 변동만 있을 뿐 해당 축을 그대로 사용하고 있다. 이에 따라 현재에도 해당 주요 간선도로 관리축이 유효한지에 대한 검증이 필요하다고 할 수 있다. 본 연구는 택시 DTG 데이터를 이용하여 산출한 차량 통행이 많은 도로와 현재 서울시 주요간선도로 관리축을 비교 ‧ 분석하였다. 이에 따라 기존 주요도로축을 검증 및 확인하고 추가적으로 선정 가능성이 있는 도로를 검출하고자 하였다. 또한 현재 제한적으로 활용되고 있는 택시 DTG 데이터의 가공단계별 형태와 속성을 소개하고 활용 가능성을 제시하고자 했다.

분석을 위해 택시 DTG 데이터의 2차 가공 자료인 개별차량의 링크별 통행시간 데이터를 이용했다. 시간적 범위는 2016년 10월 2주치 데이터를 사용했으며 공간적 범위는 서울지역으로 한정했다. 데이터를 가공하여 링크별 통과차량대수를 산출하고 서울시 약 20,317개의 링크 중 통과차량대수가 많은 상위 100개(0.5%), 200개(1%), 500개(2.5%) 링크를 각각 산출했다. 이를 기존 서울시 주요 간선도로 관리 축과 비교 ‧ 분석 했다. 대부분의 상위 링크가 기존 도로축과 일치했다. 하지만 통과차량대수가 많음에도 기준 도로축에 포함되지 않은 링크가 다소 나타났다. 추출된 통과차량대수 상위 링크를 기준으로 차량대수 누적 합이 높은 주요도로를 추출하고 도로 링크 중 상위링크에 포함된 비율 및 자유속도 등을 고려하여 향후 주요 간선도로축에 추가 고려 필요성이 있는 도로를 추출했다. 본 연구에서는 택시 DTG 데이터의 가공 단계별 속성을 소개하고 데이터를 활용하여 분석을 진행했다. 앞으로 활용 가능성이 높은 택시 DTG 데이터가 교통 운영 및 관리 분야에서 보다 활발히 활용됨을 기대한다.

선행연구

궤적 검지 체계는 GPS를 활용하여 차량의 위치정보를 수집하며 이에 따라 차량위치, 통과시간 및 구간속도 등의 정보를 수집한다. 최근 정보통신기술의 발달에 따라 프로브 차량, 핸드폰, 택시단말기 등을 통하여 다양한 형태의 교통 정보 수집이 가능하게 되었다. 궤적 데이터는 통행의 출발지와 도착지 및 다양한 형태의 교통 정보를 포함하고 있기 때문에 교통 행태를 보다 현실적으로 반영 및 분석할 수 있는 기반이 될 수 있다. 현재 활발히 연구 및 활용되고 있는 궤적 데이터는 크게 핸드폰단말기 데이터, 네비게이션 데이터, 블루투스 데이터, 택시 DTG 데이터 등이 있다. 본 연구에서는 현재 다양하게 수집되고 있는 궤적 데이터 중 택시 DTG 데이터의 활용 현황 및 활용 방안을 제시하고자 한다.

The Seoul Institute(2014)는 DTG 데이터를 이용하여 택시의 이용 및 운행 행태에 관한 연구를 수행했다. 이를 위해 승객의 승하차 위치정보를 온도지도(Hot Spot Analysis)로 표현하여 시간대별 공간 패턴을 분석했다. 또한 시간대별 택시 구간 평균통행속도를 분석하고 혼잡정보를 파악하는 등의 다양한 분석을 수행했다. Park(2016)은 기존 표본조사를 통해 만들어진 택시수단 O/D를 보완하고자 실측데이터인 택시 DTG 자료를 이용하여 택시O/D를 구축하는 연구를 수행했다. 택시 DTG 자료를 이용하여 택시 O/D를 구축하는 것이 현실 분석에서 효율적이며 택시 DTG 데이터의 다방면 활용이 요구된다는 연구결과를 도출했다. Kim et al.(2016)은 교통안전성 향상을 위하여 사업용 차량에 설치된 디지털 운행 기록계(DTG)와 첨단안전장치기반 운전자상태 모니터링 방안을 제시하고자 하였다. DTG 데이터로부터 운전자의 운전 상태에 대한 정보를 수집하고 사업용 자동차에 대한 운행 기록 분석 및 위험운전자를 판별하는 연구를 수행했다. Kim(2017)은 교통사고발생과 개연성이 높은 DTG기반 위험운전이벤트를 활용하여 회귀모형을 구축하고 개별 차량의 위험운전이 지역의 교통안전도에 미치는 영항에 관한 연구를 수행했다. Alizadeh et al.(2016)은 택시 1,746대로부터 1년 동안 수집된 22,000건 이상의 GPS 데이터를 사용하여 운전자경로 선택 패턴을 분석했다. 이를 통해 운전자의 실제 경로 선택과 경로 선택에 영향을 미치는 요인의 상관관계를 도출했다. Laviolette et al.(2016)은 택시 통행 데이터를 이용하여 택시 일일 분포를 지도상에 표시하고 택시 통행 수요의 공간 ‧ 시간적 분석을 진행했으며 K 평균 알고리즘을 사용하여 택시 통행의 공간 ‧ 시간대별 정규화 분포를 통해 패턴을 산출했다. 서울시 교통정보센터 TOPIS 에서는 DTG 데이터 3차 가공형태인 Level 3을 사용하여 서울시 전역 실시간 교통 소통정보를 제공하고 있다. 수집된 링크별 5분 단위 통행속도 데이터를 이용해 소통상황을 원활, 서행, 정체의 3단계로 구분하여 실시간 서비스를 제공한다. 또한 서울시는 2013년부터 DTG Level 3 데이터를 이용하여 일별, 요일별, 월별, 년별 등의 시간대별 분석결과 및 도로기능 및 유형별, 지역별 등의 공간대별 통행속도 변화를 분석했다. 매년 다양한 조건별 통행속도 분석을 통해 교통현황을 파악하고 있다. 또한 이는 주요 도로 및 교차로의 교통 혼잡 개선을 위한 지점선정 등 교통정책 수립 시 중요한 지표로 활용되고 있다(Seoul Metropolitan Government, 2016). Seoul Metropolitan Government(2017)은 DTG 데이터를 기반으로 광역차원에서의 교통신호시스템 신규 평가지표를 설계하고 서울형 교통신호시스템 평가 모델을 구축하는 연구를 수행했다. 서울시 혼잡도 분석을 위한 지표로 DTG Level 3의 링크별 5분 단위 통행속도 데이터를 이용하여 통행시간지표(TTI)를 산출하였다. 산출된 통행시간지표(TTI)로 도심 혼잡패턴 분석 및 교통운영방식 변화에 따른 사전 ‧ 사후 비교 ‧ 분석을 수행 했다.

현재 기술의 발달으로 인해 다양한 궤적 빅데이터가 수집되고 있다. 그 중 택시 DTG 데이터는 도심 곳곳을 주행하는 택시의 실시간 운행정보 데이터이다. 위치정보를 포함한 궤적 검지 자료인 택시 DTG 자료를 교통류, 교통 운영 측면에 접목한다면 다양한 분석 활용 가능성이 있을 것으로 보인다. 현재 택시 DTG 데이터는 서울시 실시간 교통소통정보 제공 및 통행속도 분석, 교통예보시스템, 교통신호시스템 평가모델 등에서 활용되고 있다. 택시 DTG 데이터는 가공단계에 따라 Level 0-3의 데이터로 구분 될 수 있는데 현재 주로 활용되고 있는 데이터는 주로 Level 3의 5분 단위 통행 속도 데이터이다. 중간 단계 가공 데이터인 Level 1, 2 데이터는 Level 3데이터와는 다른 속성을 지니는 데이터로서 다른 방향으로 활용가능성이 있으나 현재 별도로 추출되거나 저장되지 않으며 활용되고 있지 않는 실정이다. 택시 DTG 데이터 관련 기존 연구 또한 택시 관리 및 운영, 교통 안전 측면에 치우쳐 분석되었다. 교통운영 측면에서의 택시 DTG 빅데이터 관련 연구가 필요한 것으로 판단된다. 따라서 본 연구에서는 택시 DTG Level 2 데이터를 활용하여 주요 교통축을 분석하고 데이터의 활용성에 대해 검증하고자 한다.

택시 DTG 데이터

1. 택시 DTG 데이터 개념

택시 DTG 데이터는 택시 차내에 설치된 디지털운행기록계(Digital Tachograph)로부터 수집된 택시 운행기록정보이다. DTG 기기를 설치한 택시는 운행위치, 속도, 시간, 승객탑승여부 등의 정보를 포함한 데이터를 10초 단위로 수집하고 2분 30초마다 서버로 전송한다. 현재 서울시에서는 시에 소속된 72,000여대의 개인 및 법인 택시가 연간 1,300억 건의 이동정보를 수집하고 있으며 데이터의 양도 방대하다.

2. 택시 DTG 데이터 종류

서울시 교통정보센터(TOPIS)에서는 서울시 전역 실시간 도로소통정보를 제공하고 있다. 이를 위한 링크별 5분 단위 통행속도 정보 생성을 위해 택시 DTG 원시 데이터를 3단계에 걸쳐 가공한다. DTG 데이터는 가공 방식에 따라 자료 속성이 다른 정보로 구분된다. 이에 따라 DTG 정보를 Level 0-3으로 구분하고 정의할 수 있다. 10초 단위로 수집되는 원시데이터는 Level 0, 원시데이터를 도로 링크정보와 맵매칭한 자료는 Level 1, 이를 5분 단위로 개별차량의 링크별 통행시간 정보로 가공한 자료는 Level 2, 최종 산출된 5분 단위 링크별 통행속도 자료는 Level 3으로 구분할 수 있다.

현재 TOPIS 에서는 Level 3 생성을 위한 중간 단계 가공 데이터인 Level 1, 2 데이터는 별도로 추출하여 저장하거나 활용하지 않는 실정이다. 하지만 Level 0-3 데이터는 데이터 속성이 각기 다르며 각기 다른 방향으로 활용될 수 있을 것으로 사료된다. 본 연구에서는 TOPIS의 5분 단위 통행속도 정보 생성을 위한 가공단계에 따라 데이터를 구분하여 각 속성 및 형태를 정리하였다.

첫 번째로 택시 DTG 원시 데이터를 Level 0이라 정의한다. Table 1과 같이 Level 0 의 속성은 택시ID, 위도, 경도, 고도의 위치정보, 기록시간(년-월-일-시-분-초), 방위각, 순간속도(km/h), 승객탑승여부(빈차(0), 승차(1))를 포함한다. 데이터는 10초 단위로 수집되며 월 단위로 수집되는 용량은 약 330GB이다.

Table 1. Characteristic of DTG level 0 data

Level 1은 원시 데이터인 Level 0의 위치정보에 도로 링크정보를 맵 매칭하여 1차 가공한 데이터를 의미한다. Table 2와 같이 Level 1의 속성은 Level 0의 택시ID, 위도, 경도, 고도의 위치정보, 기록시간(년-월-일-시-분-초), 방위각, 순간속도(km/h), 승객탑승여부(빈차(0), 승차(1)) 정보에 맵 매칭 된 링크ID 정보가 추가된 형태를 띤다. 가공 시 택시의 통행 특성을 위해 승객이 탑승한 실차 기준 데이터만 사용한다. 또한 수집 시 위치정보에 오류가 생긴 데이터도 가공 과정에서 제외된다. 결측 데이터가 제외되고 차량의 이동 경로가 네트워크 링크에 맵 매칭 된 위치 정보이므로 도로 위에서 개별 차량이 움직이는 차량 궤적을 파악할 수 있다.

Table 2. Characteristic of DTG level 1 data

Level 2는 개별차량의 링크 통행시간 데이터를 의미한다. Level 1의 데이터를 2차 가공하여 개별차량의 링크별 통행시간을 산출한 데이터이다. Table 3과 같이 Level 2의 속성은 기록시간, 택시ID, 링크ID, 가공서버 명, 통행거리(링크거리(m)), 통행시간(sec), 통행속도(km/h), 방향정보(좌회전(0), 직진(1), 우회전(2)),가공시간 정보를 포함한다. Level 2 데이터는 방향정보를 포함하고 있어 방향별 회전정보도 파악이 가능하며 월별 약 15GB의 데이터가 수집된다.

Table 3. Characteristic of DTG level 2 data

Level 3은 Level 2의 데이터를 링크 별 5분 단위 통행속도를 산출하는 3차 가공 데이터를 의미한다. 각 링크 별 링크길이, 통행시간 정보를 이용하여 통행속도를 산출한다. Table 4와 같이 Level 3의 속성은 연, 월, 일, 시, 분의 시간정보와 링크ID, 통행속도(km/h) 정보를 포함한다. 현재 TOPIS에서는 Level 3 데이터를 이용해 서울시 전역 도로 소통정보 서비스를 제공하고 있다.

Table 4. Characteristic of DTG level 3 data

연구 방법

1. 분석 방법

분석 시간적 범위는 2016년 10월 17일부터 10월 30일까지의 2주 동안 수집된 데이터를 사용하여 분석했으며 공간적 범위는 서울 지역으로 한정하여 분석했다. 분석을 위해 택시 DTG 데이터 중 개별차량의 5분 단위 링크 통행시간 데이터인 Level 2 데이터를 사용하였다. Level 2는 위의 Table 2와 같이 기록시간, 택시ID, 링크ID, 가공서버 명, 통행거리(링크거리), 통행시간, 통행속도, 방향정보를 포함하는 데이터이다. 또한 택시에 승객이 타고 있는 실차를 기준으로 가공한 데이터이다. 이에 따라 일반차량과는 다를 수 있는 택시만의 특성을 대부분 배제한 데이터라고 할 수 있다. 본 연구에서는 실차 기준으로 가공된 Level 2 데이터를 택시의 특성이 필터링 되었다고 간주하고 이를 가공하여 링크별 통과 차량 대수를 산출하고 교통량이 많은 주요 링크를 도출했다. 분석에 사용된 2주 기간의 Level 2 데이터는 66,194대의 택시에서 수집된 약 80,866,867건의 데이터를 포함하고 있으며 용량은 약 5.8GB에 달한다. 총 주행거리는 약 47,432,474km이다.

분석 절차는 다음과 같다. 첫 번째로 Level 2 데이터를 사용하여 링크별 통과차량대수를 산출한다. 두 번째로 통과 차량 대수가 많은 링크를 기준으로 주요 링크 및 주요 도로를 추출한다. 본 연구에서는 서울시 약 20,317개의 링크 중 통과 차량 대수가 많은 상위 100개(0.5%), 200개(1%), 500개(2.5%) 링크를 각각 산출하여 결과를 비교하였다. 이는 분석 대상 상위 링크 수를 확대 했을 때 결과 값을 비교하기 위해 임의로 설정한 값이다. 세 번째로 추출된 상위 링크를 기준으로 기존 서울시 주요 간선도로축에 포함되지 않은 주요도로를 산출한다. 이는 상위 100개, 200개, 500개 링크가 포함된 도로별로 통과차량대수 누적 합이 큰 기준으로 산정한다. 네 번째로 서울시 주요 간선도로축 및 산출된 주요도로의 속도를 산출하여 비교분석 했다. 교통류 내에서 합리적인 속도의 최대값을 나타내는 자유속도(Free Flow Speed)를 산출하여 비교하였으며 비첨두시인 새벽 3-5시 속도 중 85th percentile 속도를 산출했다. 또한 오전첨두, 오후첨두, 오후비첨두시의 평균속도도 산출하여 비교하였다. 마지막으로 공간정보 지도 시각화를 통해 서울시 주요 간선도로 현황과 본 연구의 결과 값을 비교하여 기존 서울시 주요 간선도로에 추가 고려가 필요한 도로를 산출했다.

2. 기존 서울시 주요 간선 도로축

기존 서울시 신호운영 관리 주요도로축은 Figure 1과 같이 24개의 총 연장 366.6km의 도로가 주요 간선도로축으로 선정되어 관리되고 있다(서울시 내부자료). 해당 축들은 2007년 시행된 서울형 신호제어시스템 개선사업의 평균통행속도 분석 대상으로 선정된 축을 기반으로 한 축이다. 십여 년이 지난 지금까지 일부 축의 연장 길이의 변동만 있을 뿐 해당 축을 그대로 사용하고 있다. 이에 따라 현재에도 해당 주요 간선도로 관리축이 유효한지에 대한 검증이 필요하다고 할 수 있다.

Figure 1.

Major arterials in Seoul

분석 결과

택시 DTG Level 2 데이터를 이용해 링크별 통과차량대수를 산출하고 통과차량대수가 많은 링크를 추출하였다. 앞서 언급했듯이 분석 대상 링크 수를 확대 했을 때 결과 값을 비교하기 위해 분석 결과를 통과교통량 상위 100개, 200개, 500개 링크별로 나누어 분석하였다. 이에 따라 케이스별로 누적 통과차량대수가 많은 주요도로를 추출했다. 추출된 도로와 현재 서울시 주요 간선도로 관리축의 자유속도 비교 ‧ 분석을 통해 검증하고 마지막으로 기존 서울시 주요 간선도로 관리 축과 비교했다.

1. 서울시 주요 관리 도로축 분석 결과

서울시 주요 관리 도로축 택시 교통량 분석 결과는 Table 5와 같다.

Table 5. Major arterials in Seoul

2. 통과차량대수 상위 링크 분석 결과

산출된 통과차량대수 상위 100개 링크를 지도상에 도식화 하면 Figure 2와 같다. Figure 2에서 붉은색으로 표시된 부분이 추출된 상위 100개 링크를 의미한다. 초록색으로 표시된 부분은 기존 서울시 주요도로 관리 축을 의미한다(이하 Figure 3－4에도 동일 의미 적용). 결과 값과 기존 주요도로축을 비교하면 상당 부분 일치하는 것으로 나타난다. 상위 100개 링크 중 87개가 기존 주요도로축에 포함된 것으로 나타났다. Table 6과 같이 통행차량대수가 가장 많은 링크는 강남대로의 ‘신사역-한남IC_강남대로_진입_2’링크였으며 통과차량대수는 11,341대/일인 것으로 나타났다.

Figure 2.

Traffic volume top 100links in Seoul

Figure 3.

Traffic volume Top 200links in Seoul

Figure 4.

Traffic volume Top 500links in Seoul

Table 6. Characteristic of top 100links

통과차량대수 상위 200개 링크를 지도상에 도식화하면 Figure 3과 같다. 결과 값과 기존 주요도로축을 비교하면 상위 200개 링크 중 179개가 기존 주요도로축에 포함된 것으로 나타났다. 상위 500개 링크를 지도상에 도식화하면 Figure 4와 같으며 상위 500개 링크 중 467개가 기존 주요도로축에 포함된 것으로 나타났다.

3. 통과차량대수 상위 도로 분석 결과

추출된 상위 100개, 200개, 500개 링크를 기준으로 누적 통과교통량이 높은 순으로 주요 도로를 산출하였다. 이를 바탕으로 기존 주요 도로축과 비교하여 비교 ‧ 분석하였다. 산출된 교통량 상위 링크 중 연속류 도로인 도시고속도로에 포함되는 링크는 제외하고 분석했다. 분석 결과 상위 100개, 200개 기준 산출된 주요 도로 결과 값은 거의 유사하여 상위 100개 링크 기준 주요도로 결과 값은 생략하였다.

1) 상위 200개 링크 기준 주요도로 산출

상위 200개 링크 기준으로 주요도로를 산출한 결과 40개의 도로가 추출되었다. 가장 누적 차량통행량이 많았던 도로는 일 기준 95,928대가 통행한 강남대로이다. 강남대로 총 링크 30개 중 12개 링크(40%)가 상위 200개 링크에 포함된 것으로 나타났다. 강남대로 다음으로는 종로, 테헤란로가 통행량이 많았다. 산출된 도로축 중 대부분이 기존 주요 도로 관리 축에 포함된 도로였다. 하지만 기존 주요 간선도로축에 포함되지 않으나 차량 통행량이 많은 도로들도 다수 산출되었다. 이는 Table 7의 음영 처리된 도로인 도산대로(상위 9번째), 사평대로(10), 세종대로(18), 한남대로(20), 삼일대로(24) 등이다.

Table 7. Major road extracted by top 200links

2) 상위 500개 링크 기준 주요도로 산출

상위 500개 링크 기준으로 주요도로를 산출한 결과 연속류 도로를 제외하고 68개의 도로가 추출되었다. 가장 누적 차량통행량이 많았던 도로는 일 기준 140,426대가 통행한 남부순환로인 것으로 나타났다. 남부순환로 총 링크 90개 중 24개 링크가 상위 500개 링크에 포함된 것으로 나타났다. 남부순환로 다음으로는 강남대로, 천호대로 순으로 통행량이 많았다. 상위 200개 링크 기준 결과와 같이 산출된 도로축 중 대부분이 기존 주요 도로 관리축에 포함된 도로였다. 하지만 기존 주요 도로축에 포함되지 않았으나 차량 통행량이 많은 도로들은 Table 8의 음영 처리된 도로인 총 9개 도로가 추출되었다. 이 중 5개 도로는 상위 200개 링크 기준 결과 값과 같았다. 그 외 추가적으로 추출된 4개 도로는 을지로(상위 34번째), 신반포로(48), 서빙고로(52), 학동로(64)인 것으로 나타났다.

Table 8. Major road extracted by top 500links

4. 속도 비교 분석

추출된 주요도로와 기존 주요도로축의 속도를 비교분석했다. 먼저 자유속도를 추출하여 비교한 결과는 Table 9와 같다. 서울시 주요 간선도로관리축의 자유속도는 상행과 하행 평균이 각각 49.6km/h로 유사했으며 상 ‧ 하행 종합 평균 자유속도는 49.7km/h로 나타났다. ‘김포공항입구-한강대교남단’축이 상 ‧ 하행 평균 자유속도가 64.6km/h으로 가장 높았으며 ‘서대문역-동부제일병원’축이 41.8km/h로 가장 낮았다.

Table 9. Free flow speed of major arterials in Seoul

분석을 통해 추출된 주요 도로의 기준속도를 분석한 결과는 Table 10과 같다. 분석 대상 주요 도로는 서울시 주요 간선도로축에 포함되지 않은 도로 중 상위 링크 포함 비율이 상위 200개 링크 기준 30% 이상, 500개 링크 기준 50% 이상이며 km당 통과차량대수가 10,000대/일 이상인 도로를 기준으로 분석했다. 분석대상 주요도로는 도산대로, 사평대로, 세종대로, 한남대로이다. 각 도로의 자유속도를 기존 주요도로축과 비교한 결과 도산대로의 자유속도는 자유속도는 36.7km/h로 다소 낮게 나타냈는데 이는 간선도로와의 비교를 위해 샘플로 분석한 보조간선도로 학동로(37.7km/h), 응암로(39km/h)와 비슷한 수준이었다. 이에 따라 도산대로는 고려대상에서 제외하였다.

Table 10. Free flow speed of extracted major road

또한 추출된 주요도로와 기존 주요도로축의 평균 속도를 오전비첨두(3-5시), 오전첨두(7-9시) 오후비첨두(12-14시), 오후첨두(17-19시)로 시간대를 나누어 비교 ‧ 분석했다. Table 11과 같이 주요도로축의 시간대별 평균속도는 오전비첨두 37.4km/h로 가장 높았으며 오전첨두 29.8km/h, 오후비첨두 26.5km/h, 오후첨두 23.4km/h 순으로 나타났다. ‘김포공항입구-한강대교남단’축이 모든 시간대에서 가장 높은 평균속도를 보였으며 ‘명덕초교-둔촌사거리’축이 오전과 오후 첨두시에 평균속도가 가장 낮았다. ‘가양대아아파트-구로소방서’축이 오전비첨두, ‘서대문역-동부제일병원’축이 오후비첨두에 평균속도가 가장 낮은 축으로 나타났다.

Table 11. Average speed of major arterials in Seoul

분석을 통해 추출된 주요 도로의 시간대별 평균속도를 분석한 결과는 Table 12와 같다. 분석 대상 주요 도로는 앞의 자유속도 분석대상 도로와 같이 도산대로, 사평대로, 세종대로, 한남대로이다. 분석결과 사평대로, 세종대로의 시간대별 평균속도가 서울시 주요 간선도로축과 비슷한 수준으로 나타났다. 한남대로는 비첨두시 43.2km/h, 첨두시 31.8km/h로 주요 간선도로축 대비 상당히 높게, 도산대로는 비첨두시 25.1km/h, 첨두시 23.1km/h로 상당히 낮게 분석됐다.

Table 12. Average speed of extracted major road

5. 소결

서울시 주요 간선도로축에는 포함되어 있지 않으나 누적 통과차량대수가 많고 자유속도가 기존 주요간선도로축과 유사한 도로를 산출했다. 최종적으로 사평대로, 세종대로가 추출되었으며 두 도로에 대해 기존 주요 간선도로축과 비교하여 분석한 결과는 다음과 같다. 사평대로는 도로 내 링크 14개 중 10개 링크가 통과차량대수 상위 500개 기준 내에 포함 될 정도로 많은 통과차량대수를 나타냈다. 자유속도 분석결과도 49.7km/h로 주요 간선도로 관리 축과 비슷한 수준을 보였다. 이는 Figure 5와 같이 위치상 인접해있고 자유속도 및 시간대별 평균속도가 비슷한 ‘이수교차로-경찰특공대’축(자유속도 55.8km/h)에 포함되어 관리되는 것이 필요할 것으로 사료된다. 세종대로는 도로 내 링크 14개 중 11개가 상위 500개 기준 내에 포함됐으며 자유속도가 42km/h로 나타났다. 이는 Figure 6과 같이 인근 위치하며 자유속도 및 평균속도가 유사한 ‘서대문역-동부제일병원’축(자유속도 41.8km/h)에 포함되는 것에 대한 고려 또는 별도 축으로 관리하는 방안이 필요하다. 한남대로는 도로 내 링크 6개 중 3개 링크가 통과차량대수 상위 500개 기준 내에 포함되어서 위치상 인접하고 자유속도가 비슷한 ‘은평차고지-한남광장’축에 포함되어 관리되는 방안을 검토했다. 하지만 시간대별 평균속도가 높은 편인 점을 감안하여 최종 고려 대상 도로에는 포함하지 않았다. 도산대로는 10개 링크 중 9개 링크가 상위 500개 기준 내 포함되었지만 자유속도 및 시간대별 평균속도가 보조 간선도로 급으로 낮아 최종 고려 대상 도로에서 제외되었다.

Figure 5.

Analysis for the Sapyeong main road

Figure 6.

Analysis for the Sejong Main Road

결론

본 연구에서는 교통 운영 및 관리 측면에서 제한적으로 활용되고 있는 택시 DTG 데이터의 속성에 대해 살펴보고 활용가능성을 제시하고자 했다. 또한 택시 DTG 데이터 중 개별차량의 링크단위 통행시간 데이터인 Level 2 데이터를 이용하여 서울시 주요 도로 관리축에 관한 교통류 특성 분석을 진행했다. 데이터 가공을 통해 통과차량대수가 많은 링크 및 도로를 산출하고 현재 서울시 주요 간선도로축과 비교했다. 비교 ‧ 분석 결과 택시 DTG 데이터를 이용하여 산출된 주요 링크의 대부분이 기존 서울시 신호관리 주요 도로축과 일치하는 것으로 나타났다. 이에 따라 DTG 데이터가 개별 차량 데이터로서 활용 가능성이 있다고 보여진다. 하지만 분석결과 통과차량대수는 많은 것으로 관측되나 기존 주요 간선도로 관리축에 포함되지 않는 도로들도 다수 나타났다. 이는 도산대로, 사평대로 등 상위 200개 추출 링크 기준 5개 도로, 상위 500개 추출 링크 기준 추가 4개 도로이다. 이 도로는 추후 주요 관리 도로축 재선정 등 정책 의사 결정 시 고려되어야 할 것으로 사료된다. 또한 서울시 주요 간선도로축 및 추출된 주요 도로의 자유속도 및 평균 통행속도와 도로 링크 중 상위 링크 기준에 포함된 비율을 고려하여 향후 우선적으로 고려될 필요성이 있는 도로로 사평대로, 세종대로를 추출했다.

택시 DTG 데이터는 위치정보, 차량정보, 도로정보, 기록시간정보, 승 ‧ 하차정보 등 의미 있는 정보들을 다수 포함한 데이터이다. 또한 앞서 기술하였듯이 가공 단계에 따라 Level 0-3의 다른 속성을 가진 데이터로 사용 가능하다. 따라서 교통운영 및 관리 분야에서의 택시 DTG 데이터의 활용가능성은 클 것으로 생각된다. 하지만 현재 일부 단계의 데이터는 별도로 저장 및 활용되지 않고 있는 실정이다. 앞으로 보다 체계적으로 택시 DTG 데이터를 관리하고 활용할 수 있는 체계가 필요할 것으로 생각된다.

본 연구에서는 택시 DTG 데이터를 통해 산출한 누적통과차량대수가 많은 도로와 기존 주요도로축을 단순 비교 하였다. 이를 바탕으로 향후 연구에서는 보다 논리적이고 정밀한 지표를 기준으로 주요 도로를 산출하는 방안이 필요할 것으로 판단된다. 연구의 시간적 범위를 구분하지 않고 분석하였으나 향후에는 시간대를 구분하여 분석하는 방안이 필요할 것이다. 또한 분석 시 승객이 타고 있는 실차 기준 택시운행기록 데이터를 이용하여 분석을 진행 했으나 택시의 특성이 일반 차량과는 차이가 있는 것이 사실이다. 자유속도 비교분석 결과에서도 오전 첨두 속도가 오후 비첨두 속도보다 낮게 나오는 등의 일반차량과는 다소 다른 경향을 보였다. 따라서 택시 데이터로 일반 차량의 행태를 일반화하는 것에는 다소 한계점이 있다고 할 수 있다. 이에 따라 DTG 데이터를 활용한 연구 결과와 기존 VDS 등의 검지체계로 수집된 정보를 비교하여 결과 값을 비교하는 등의 절차를 통해 데이터의 유효성에 대한 검증에 대한 연구가 추가적으로 필요할 것으로 생각된다. 향후 연구에서는 택시 DTG 데이터와 다른 교통 빅데이터를 복합적으로 사용하여 분석한다면 보다 신뢰성 있는 분석 결과가 나타날 것으로 생각된다.