통행거리별 행태 차이를 반영한 교통존 기반의 지역 간 교통수단선택 모형의 개선

Abstract

우리나라에서 수행되는 철도부문의 교통수요예측은 교통존 기반의 자료와 분석 지역에 따른 교통수단선택 모형으로 분석되고 있다. 하지만 교통존 기반의 분석은 통행자의 개별 속성에 의한 다양한 효과 분석을 수행할 수 없고 집합화 자료에 의한 분석의 정확성이 떨어질 수밖에 없는 등 공간적 집합화의 기본적인 한계점을 가지고 있다. 이러한 한계점에도 불구하고 대규모 교통시설 분석에는 집합화 분석이 활용되고 있다. 본 연구는 교통존 기반 집합화 분석의 한계 내에서 변수 추가 및 변형하면서 예측 정확성을 향상시킬 수 있는 교통수단선택 모형을 개발하고자 하였다. 세분화된 통행시간과 철도의 배차횟수 변수를 적용하여 모형을 보다 현실적으로 묘사하였다. 통행시간을 통행거리별로 구분하고 대기시간과 접근시간으로 세분화하여 교통수단 선택행태에 다르게 영향을 주는 현상을 모형에 반영하였다. 또한 제안 모형의 논리적인 현실 설명력을 검증하기 위해 시간가치와 탄력성 분석을 수행하였다. 결과적으로 통계적 분석과 논리적 검증 분석을 통해 제안 모형이 기본 모형보다 개선됨을 확인하였다. 통행행태가 반영된 교통수단선택 모형의 예측 정확성에 대한 필요성을 확인하기 위해 사례분석도 수행하였다. 이는 교통수단선택 모형의 선정에 따라 교통정책 의사결정에 중요한 영향을 줄 수 있다는 것을 보여줬다.

The demand forecasting for rail has been analyzed with zone-based OD data at macroscopic level analysis, and two type of transportation mode choice model are separately applied for national-wide analysis and metropolitan area analysis each by using the zonal OD data in South Korea. This zone-based analysis has fundamental limitations due to the spatial aggregation. It cannot analyze the various effects according to the traveler’s individual attributes on the mode choice behavior, which is inevitable limitation of the zone-based analysis in aspect of forecasting accuracy. However, the zone-based analysis is unavoidable for analyzing large-scale areas such as the national-wide area or metropolitan area. Therefore, this study aims to build a transportation mode choice model with improved accuracy of the model than the currently used model within limitations of the zone-based analysis. In particular, the study tried to reflect travel time and service frequencies of various transit modes between an OD pair into the traveler’s behavior model in a more realistic way. The suggested model can explain the phenomenon that the travel time differently affects the traveler’s mode choice behavior by the travel distance. This study also was performed to verify logically that the proposed model explains more realistically the choice behavior by testing the value of time and elasticity. A case analysis was included to show how the analysis results may vary depending on the mode choice model to be applied.