KR102098305B1 - 유동인구 분포 및 밀도 예측 방법 - Google Patents
유동인구 분포 및 밀도 예측 방법 Download PDFInfo
- Publication number
- KR102098305B1 KR102098305B1 KR1020180161988A KR20180161988A KR102098305B1 KR 102098305 B1 KR102098305 B1 KR 102098305B1 KR 1020180161988 A KR1020180161988 A KR 1020180161988A KR 20180161988 A KR20180161988 A KR 20180161988A KR 102098305 B1 KR102098305 B1 KR 102098305B1
- Authority
- KR
- South Korea
- Prior art keywords
- traffic
- building
- passage
- public transportation
- destination
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007667 floating Methods 0.000 claims abstract description 27
- 230000007774 longterm Effects 0.000 claims abstract description 12
- 230000005484 gravity Effects 0.000 claims abstract description 8
- 238000000611 regression analysis Methods 0.000 claims description 13
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000003012 network analysis Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241000287107 Passer Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
유동인구 예측 방법으로서, 기본 단위를 이용하여 통행 목적 및 통행 유형별로 소정의 건물의 대한, 발생 통행량 및 유인 통행량을 계산하는 단계; 상기 건물이 포함된 영역에 대하여 보행 통행 또는 대중교통 통행에 대한 통행량을 계산하는 단계; 상기 건물로부터 제1 반경 이내에서, 상기 대중교통의 노드를 상기 대중교통의 출발지와 목적지로 정의하고, 상기 건물을 상기 보행 통행의 출발지와 목적지로 정의하는 단계; 상기 대중교통 통행의 출발지와 목적지 사이의 대중교통 통행량 및 상기 보행 통행의 출발지와 목적지 사이의 보행 통행량을 계산하고 경로를 선정하는 단계를 포함하고, 상기 통행 목적은 주거-직장, 주거- 학교, 주거-기타 및 비 주거의 4가지 통행 목적을 포함하고, 상기 통행은 대중교통 통행과 보행 통행을 포함하며, 상기 통행량은 중력 모델 및 상기 통행 목적의 특성에 따라 지정되고, 상기 대중 교통의 노드는 버스 정류장 또는 지하철이다.
Description
본 발명은 유동인구 예측 시스템에 관한 것으로서, 보다 상세하게는 유동인구 분포 및 밀도 예측 시스템에 관한 것이다.
일반적으로 걷는 것은 인간을 위한 가장 기본적인 운송 수단이며, 다양한 활동을 포함하여 도시 시설 이용에 필수적인 행위이다. 자동차가 오늘날 주요 교통수단 임에도 걷기는 여전히 개인을 위한 기본적이고 보편적인 교통수단이다. 도시 개발의 중요한 패러다임으로 최근에는 소형 도시와 대중교통 개발(TOD: Transit Oriented Development)이 주목을 받고 있다. 이에, 걷기는 단순한 교통수단으로서의 수단이 아닌 도시의 지속 가능성을 측정하기위한 지표로 평가되고 있다.
종래의 유동인구 예측 방법 모델에는 대중교통을 사용하는 보행자가 포함되지 않으며 보행자가 대부분을 차지하고, 토지 이용 및 운송 인프라의 변화로 인해 보행자의 장기적인 변화를 예측하기 어렵다는 문제점이 있었다.
또한, 종래의 유동인구 예측 방법은 걷기와 같이 중간 또는 마이크로 스케일에서의 장기간의 활동 변화를 예측하는 데에는 한계가 있다.
또한, 이동통신사에서 수집한 자료에 근거하는 유동인구 예측 방법 모델은 단순히 현재 유동인구의 분포자료를 기초로 하여 가공한 모델로서, 유동인구의 장기적 변화를 추정하는 데에는 한계가 있다.
본 발명은 상술한 문제점을 극복하기 위한 것으로서, 유동인구의 장기적인 변화를 예측하기 위한 것이다.
또한, 중간 규모의 유동량을 예측할 수 있고 보행자뿐만 아니라 대중교통을 이용하는 유동 인구의 변화를 예측하기 위한 것이다.
또한, 체계적이고 구체적인 유동인구의 분포와 밀도변화를 예측하기 위한 것이다.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 본 발명의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
실시예는 유동인구 예측 방법을 제공하고, 이러한 유동인구 예측 방법은, 기본 단위를 이용하여 통행 목적 및 통행 유형별로 소정의 건물의 대한, 발생 통행량 및 유인 통행량을 계산하는 단계; 상기 건물이 포함된 영역에 대하여 보행 통행 또는 대중교통 통행에 대한 통행량을 계산하는 단계; 상기 건물로부터 제1 반경 이내에서, 상기 대중교통의 노드를 상기 대중교통의 출발지와 목적지로 정의하고, 상기 건물을 상기 보행 통행의 출발지와 목적지로 정의하는 단계; 상기 대중교통 통행의 출발지와 목적지 사이의 대중교통 통행량 및 상기 보행 통행의 출발지와 목적지 사이의 보행 통행량을 계산하고 경로를 선정하는 단계를 포함하고, 상기 통행 목적은 주거-직장(HBW: home-based-work), 주거- 학교(HBS: home-based school), 주거-기타(HBO: home-based others) 및 비 주거(NHB: non-home-based)의 4가지 통행 목적을 포함하고, 상기 통행은 대중교통 통행과 보행 통행을 포함하며, 상기 통행량은 중력 모델 및 상기 통행 목적의 특성에 따라 지정되고, 상기 대중 교통의 노드는 버스 정류장 또는 지하철역이다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 건물에 대한, 발생 통행량 및 유인 통행량을 계산하는 단계는, 상기 영역의 장기 예측 모델 데이터에 다항 회기 분석을 수행하여 상기 영역의 토지 이용에 대한 통행 발생의 기본 단위를 계산하는 단계 및 상기 다항 회귀 분석, 상기 건물의 토지 이용 면적 및 상기 건물의 사회 경제적 지표로부터 계산된 매개 변수를 이용하여 상기 건물의 발생 통행량 및 유인 통행량을 계산하는 단계를 포함하고, 상기 다항 회기 분석의 독립 변수는 상기 건물이 포함된 영역의 토지 이용 면적과 사회 경제적 지표를 기초로 대규모 모델로 계산될 수 있고, 상기 다항 회기 분석의 종속 변수는 상기 대규모 모델을 사용하여 계산할 수 있는 상기 영역의 발생 통행량 및 유인 통행량을 기반으로 한다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 보행 통행 또는 대중교통 통행에 대한 통행량은, 상기 영역에 대한 상기 통행 목적별 수단 분담률을 활용하여 계산되고, 상기 수단 분담률은 상기 영역의 유출 통행량 및 유입 통행량에서 상기 대중교통과 상기 보행을 선택하는 비율이다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 대중교통의 노드를 상기 대중교통의 출발지와 목적지로 정의하고, 상기 건물을 상기 상기 보행 통행의 출발지와 목적지로 정의하는 단계는, 상기 건물에서 대중교통을 이용하는 보행자의 출발지와 목적지를 상기 노드로 정의하는 단계; 및 상기 건물에서 보행자의 출발지 원점과 목적지 원점을 상기 건물로 정의하는 단계를 포함하고, 상기 제1 반경은 1km이고, 상기 보행자의 출발지와 목적지 사이의 보행 거리는 2km이다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 대중교통 통행량은, 상기 제1 반경 이내에 위치한 노드를 대중교통 통행의 출발지 및 목적지로 정의하고, 상기 건물과 상기 노드 사이의 통행량으로 계산된다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 건물과 노드 사이의 통행량은, 상기 발생 통행량 및 유인 통행량을 포함한다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 경로는 아크맵(ArcMap)의 네트워크 분석을 통해 유도되고 상기 건물과 상기 노드 사이의 최단 경로로 정의된다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 대중교통 통행량은, 상기 출발지 및 목적지 사이의 거리 및 상기 노드에서 승차/하차하는 사람의 수를 기초로 하여 중력 모델(gravity model)로써 계산될 수 있다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 보행 통행량은, 상기 통행 목적의 분포 특성을 기반으로 하고, 상기 통행 목적에 대한 상기 건물의 보행 통행량을 이용하여 계산된다.
또한, 실시예에 따른 유동인구 예측 방법의, 상기 보행 분포 특성은 상기 보행 통행의 출발지와 목적지 사이의 거리에 따른 통행량에 따라 지수 함수 형태로 결정된다.
실시예에 따른 유동인구 분포 및 밀도 예측 방법은 유동인구의 장기적인 변화를 예측할 수 있는 효과가 있다.
또한, 중간 규모의 유동량을 예측할 수 있고 보행자뿐만 아니라 대중교통을 이용하는 유동 인구의 변화를 예측할 수 있는 효과가 있다.
또한, 체계적이고 구체적으로 유동인구의 분포와 밀도변화를 예측할 수 있는 효과가 있다.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 본 발명의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 실시예에 따른 유동인구 분포 및 밀도 예측 방법의 분석 대상 영역 및 분석 대상 영역의 연면적 데이터를 형상화한 것이다.
도 2는 실시 예에 따른 유동인구 분포 및 밀도 예측 방법의 흐름도이다.
도 3은 실시예에 따른 통행 발생 단계에서의 영역별 통행량 및 토지 이용 면적이다.
도 4는 실시예에 따른 통행 발생 단계에서의 각 건물에서의 통행 목적별 발생 통행량 및 유인 통행량이다.
도 5는 실시예에 따른 수단 선택 단계에서의 강남 지역의 각 통행 유형별 평균 수단 분담률이다.
도 6은 실시예에 따른 수단 선택 단계에서의 건물별 통행 유형별 수단 분담률이다.
도 7은 실시예에 따른 목적지 설정 단계에서 건물에서 유출(유입)되는 통행의 도착(출발) 범위이다.
도 8은 실시예에 따른 대중교통을 위한 통행 배정 모델에서 네트워크에 할당된 버스이용자 이동경로 및 통행량이다.
도 9는 실시예에 따른 대중교통을 위한 통행 배정 모델에서 네트워크에 할당된 지하철 사용자 이동경로 및 통행량이다.
도 10은 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 통행 목적별 보행통행자의 통행 패턴이다.
도 11은 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 건물을 기준으로 한 보행통행분포이다.
도 12는 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 영역 거리별 공간 데이터에 보행 통행량을 배분하는 방법을 나타낸 것이다.
도 13은 실제 유동인구와 실시예에 따른 유동인구 분포 및 밀도 예측 방법에서 추정된 유동인구이다.
도 14는 실시예에 따른 유동인구 분포 및 밀도 예측 방법의 각 지점의 보행자와 관측된 보행자 간의 비교를 나타낸 그래프이다.
도 15는 측정 보행자와 유동인구 분포 및 밀도 예측 방법의 추정 보행자 간의 차이이다.
도 2는 실시 예에 따른 유동인구 분포 및 밀도 예측 방법의 흐름도이다.
도 3은 실시예에 따른 통행 발생 단계에서의 영역별 통행량 및 토지 이용 면적이다.
도 4는 실시예에 따른 통행 발생 단계에서의 각 건물에서의 통행 목적별 발생 통행량 및 유인 통행량이다.
도 5는 실시예에 따른 수단 선택 단계에서의 강남 지역의 각 통행 유형별 평균 수단 분담률이다.
도 6은 실시예에 따른 수단 선택 단계에서의 건물별 통행 유형별 수단 분담률이다.
도 7은 실시예에 따른 목적지 설정 단계에서 건물에서 유출(유입)되는 통행의 도착(출발) 범위이다.
도 8은 실시예에 따른 대중교통을 위한 통행 배정 모델에서 네트워크에 할당된 버스이용자 이동경로 및 통행량이다.
도 9는 실시예에 따른 대중교통을 위한 통행 배정 모델에서 네트워크에 할당된 지하철 사용자 이동경로 및 통행량이다.
도 10은 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 통행 목적별 보행통행자의 통행 패턴이다.
도 11은 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 건물을 기준으로 한 보행통행분포이다.
도 12는 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 영역 거리별 공간 데이터에 보행 통행량을 배분하는 방법을 나타낸 것이다.
도 13은 실제 유동인구와 실시예에 따른 유동인구 분포 및 밀도 예측 방법에서 추정된 유동인구이다.
도 14는 실시예에 따른 유동인구 분포 및 밀도 예측 방법의 각 지점의 보행자와 관측된 보행자 간의 비교를 나타낸 그래프이다.
도 15는 측정 보행자와 유동인구 분포 및 밀도 예측 방법의 추정 보행자 간의 차이이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 동일하거나 유사한 구성요소에는 동일, 유사한 도면 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않은 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다." 또는 "가지다." 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 실시예에 따른 유동인구 분포 및 밀도 예측 방법의 분석 대상 영역 및 분석 대상 영역의 연면적 데이터를 형상화한 것이다.
도 1을 참조하면, 실시예에 따른 유동인구 분포 및 밀도 예측 방법의 분석 대상은 일례로, 도 1의 왼쪽과 같이 서울시 강남구와 서초구일 수 있으나 이에 한정되는 것은 아니다. 또한, 강남구와 서초구의 건물 전체면적 데이터는 도 1의 오른쪽과 같이 형상화 될 수 있다.
도 2는 실시 예에 따른 유동인구 분포 및 밀도 예측 방법의 흐름도이다.
도 2를 참조하면, 실시예에 따른 유동 인구 분포 및 밀도 예측 방법은, 통행 발생 단계(S10), 수단 선택 단계(S20), 목적지 선택 단계(S30), 및 통행 배정 단계(S40)를 포함한다.
통행 발생 단계(S10)에서 다항 회귀 분석을 수행하여, 통행 목적별로 발생 통행의 기본 단위를 계산하고, 계산된 기본 단위를 기반으로 각 건물에 대한 발생 통행량 및 유인 통행량을 계산한다. 구체적으로, 통행 발생 단계(S10)는 기본 단위 계산 단계(S11) 및 발생 통행량 및 유인 통행량 계산 단계(S12)를 포함한다.
기본 단위 계산 단계(S11)는 건물이 속한 영역의 장기 예측 모델 데이터 및 통계청의 설문 조사 데이터에 다항 회귀 분석을 수행하여, 각 건물이 포함된 영역의 토지 이용에 대한 통행 발생의 기본 단위를 계산한다. 이러한 다항 회기 분석의 종속 변수는 대규모 모델을 사용하여 계산할 수 있는 각 영역의 발생 통행량 및 유인 통행량을 기반으로 한다. 예를 들어, 424개 지역의 발생 통행 및 유인 통행이 종속 변수로서 사용될 수 있으나 실시예가 이에 한정되는 것은 아니다.
또한, 다항 회기 분석의 독립 변수는 역방향 삭제를 통해, 각 건물이 포함된 영역의 토지 이용 면적과 사회 경제적 지표를 기초로 대규모 모델(거시 모델)로 계산될 수 있다. 각 건물의 면적은 대규모 모델의 결과를 기반으로 하는 미세 공간 단위의 장기 변화에 따라 계산될 수 있으며 각 건물의 통행량을 계산하는 데 사용된다.
본 단계에서 통행 목적은, 주거-직장(HBW: home-based-work), 주거- 학교(HBS: home-based school), 주거-기타(HBO: home-based others) 및 비 주거(NHB: non-home-based)의 4가지 통행 목적으로 분류되며, 각 통행 목적은 발생(P: production)과 유인(A: attraction)의 두 가지 유형으로 나누어질 수 있으나 이에 한정되는 것은 아니다.
도 3은 실시예에 따른 통행 발생 단계에서의 영역별 통행량 및 토지 이용 면적이다. 도 3을 참조하면, 각 건물에서의 통행 목적별 발생 통행량 및 유인 통행량을 계산하여 도시하고 있다. 구체적으로, 도 3은 토지이용 용도별 통행발생 단위를 산출할 때 활용되는 서울시 현황자료로서, 서울시 목적별 통행 발생 및 유인 통행량 도면(왼쪽), 서울시 행정동별 주택용도 건물 전체면적 도면(가운데), 서울시 행정동별 비 주거용도 건물 연면적 도면(오른쪽)을 나타낸다.
주거 기반 통행 발생 모델의 경우 토지 이용 면적은 주거지의 유형, 인구 비율 및 각 지역의 토지 가격을 독립 변수로 사용하여 결정된다. 주거 기반 통행 유인 모델과 비 주거 기반 통행 모델의 경우, 각 지역의 비 주거 사용을 독립 변수로 사용하여 토지 이용 영역이 선정된다.
산업 유형에 따른 직업과 학교 유형에 따른 학생의 비율이 통행 목적에 대하여 독립 변수로 선택되며, 건물이 속한 영역의 통행 목적 및 통행 유형별 통행량은 이하의 수학식 1과 같다.
[수학식 1]
여기서 
는 영역 i의 통행 목적(TP) 및 통행 유형(PA) 별 통행량이고, 
_i는 영역 i의 토지 이용 유형에 대한 총 영역이다. 
는 영역 i의 사회 경제적(SE) 유형에 의한 인자(factor)이고, 
는 통행 목적(TP)과 통행 유형(PA)에 의한 상수이다. 
는 통행 목적(TP)과 통행 유형(PA)에 의한 토지 이용 매개 변수이고, 
는 통행 목적(TP)과 통행 유형(PA)에 따른 사회 경제적 파라미터이다. TP는 통행 목적(HBW, HBS, HBO, NHB)이고, PA는 통행 유형(P 또는 A)이며, LU는 토지 이용 유형에 따른 총 바닥 영역(total floor area)이다. SE는 사회 경제적 요인(연령대 별 인구 비율, 토지 가격, 업종별 취업률, 학교 유형별 취업률)이다.
사회 경제적 요인에서, 연령대는 10-19 세, 20-34 세, 35-49 세, 50-64 세, 65세 이상으로 분류될 수 있고, 산업 유형은, 농업, 임업, 수산업, 광업, 제조업, 전기, 가스, 스팀, 상수도, 폐수 처리, 원재료 회수, 환경 복구, 건설, 도매, 소매, 운송, 숙박, 공공, 국방, 사회 보장 행정, 교육 서비스, 보건 복지 서비스, 예술, 스포츠, 사회 복지 서비스, 금융업, 보험업, 부동산 중개/임대업, 과학 기술 서비스업, 레저 서비스업, 협회/단체, 및 수리/기타 개인 서비스업일 수 있으며, 학교 유형은, 초등학교, 중학교, 고등학교, 또는 대학교 이상일 수 있으나 이에 한정되는 것은 아니다.
발생 통행량 및 유인 통행량 계산 단계(S12)에서, 각 건물의 다항 회귀 분석, 토지 이용 면적 및 사회 경제적 지표로부터 계산된 매개 변수를 이하의 수학식 2에 사용하여 각 건물의 발생 통행량 및 유인 통행량을 계산한다.
[수학식 2]
여기서 
는 건물 k의 통행 목적(TP)과 통행 유형(PA)에 의한 통행량이다. 
는 통행 목적(TP)과 통행 유형(PA)에 의한 토지 이용 매개 변수이고, 
는 통행 목적(TP)과 통행 유형(PA)에 따른 사회 경제적 파라미터이다. 
는 건물 k의 토지 이용에 의한 총 영역이고, 
는 건물 k의 사회 경제적(SE) 요소이다. 
는 건물 k가 위치한 영역에서 통행 목적(TP) 및 통행 유형(PA)에 따른 k 건물의 총 발생 통행 및 유인 통행이다. 또한, TP는 통행 목적(HBW, HBS, HBO, NHB)이고, PA는 통행 유형(P 또는 A)이며, LU는 토지 이용 유형에 따른 총 바닥 영역이다.
도 4는 실시예에 따른 통행 발생 단계에서의 영역별 통행량 및 토지 이용 면적이다. 도 4를 참조하면, 분석 대상지 건물별 토지이용 전체면적 데이터를 활용하여 산출한 유인, 유출 통행량을 도시한다. 구체적으로, 분석 대상지 내 위치한 건물에서 유인 또는 유출되는 총 통행량(왼쪽) 및 한 해당 건물이 포함하고 있는 데이터를 표출하고, 통행 목적(HBW, HBS, HBO, NHB) 별 유출(P), 유입(A) 통행량(오른쪽)을 나타낸다.
수단 선택 단계(S20)에서, 대규모 모델에서 산출된 각 통행 목적 및 영역별로, 건물 영역의 유출, 유입 통행량에서, 대중교통과 보행을 선택하는 비율인 수단 선택 비율(이하, 수단 분담률이라 함)을 활용하여 각 건물마다 수단별 통행량을 계산한다.
수단 선택 단계(S20)에서 각 건물의 수단별 통행량은 각 영역의 수단 분담 비율을 사용하여 분석되고, 대규모 모델로 계산될 수 있다. 이것은 대규모 모델의 각 영역의 특성을 중간규모 모델에 적용하는 것을 가능하게 한다.
수단 선택 단계(S20)에서 대규모 모델로부터 계산된 각 영역에 대해 수단 분담 결과를 분담 데이터로서 사용한다. 수단 분담 데이터는 통행 목적 및 통행 유형에 따라 나누어지며, 본 단계를 통해 대규모 모델에서 파생된 각 영역의 수단 분담 특성을 중간 규모 영역 분석 모델에 적용한다. 본 단계에서는 보행자와 관련된 보행 및 대중교통 통행만 분석 대상으로 정의되고 통행량이 추출된다. 예를 들어, 강남 지역의 40 영역 평균 수단 분담률은 도 5와 같으며, 각 건물의 보행 및 대중 통행량은 각 건물이 속한 영역의 수단 분담 비율에 따라 도 6과 같이 계산되었다.
구체적으로, 도 5는 실시예에 따른 수단 선택 단계에서의 강남 지역의 각 통행 유형별 평균 수단 분담률이다. 도 6은 실시예에 따른 수단 선택 단계에서의 각 건물 별 각 통행 유형별 수단 분담률이다.
도 5를 참조하면, 건물의 영역의 각 통행 목적별 유출, 유입 통행량의 수단 선택 비율을 알 수 있다. 도 6을 참조하면, 한 건물의 일례로써, 해당 건물이 위치한 행정동의 통행 목적별 수단 분담률에 근거하여, 각 통행 목적별 유출/유입 통행의 수단별 통행량을 산정하여 각 목적 통행별 유출/유입 통행의 수단별 통행량을 계산할 수 있다.
목적지 선택 단계(S30)에서 각 건물에 대한 보행자의 출발지와 목적지를 정의한다. 보행자 수는 대중교통 수단의 통행량과 각 건물의 보행자 수로 정의된다. 대중교통 이용자의 목적지 반경과 보행자의 목적지 반경은 문헌 검토를 통해 정의된다.
구체적으로, 목적지 선택 단계(S30)는 목적지 정의 단계(S31) 및 원점 정의 단계(S32)를 포함한다.
목적지 정의 단계(S31)에서는, 각 건물에서 대중교통을 이용하는 보행자의 목적지 및 출발지는 버스 정류장 또는 지하철역(즉, 대중교통 노드)로 정의한다.
원점 정의 단계(S32)는 각 건물에서의 유인 통행의 원점을 정의하는 단계로서, 각 건물에서의 보행자의 목적지 원점과 출발지 원점을 건물로 정의한다.
건물과 건물 또는 대중교통 노드들 사이를 이동하는 거리 기준은 한국 교통 연구원(KOTI)의 보고서에 제시된 지표를 기반으로 한다.
도 7은 실시예에 따른 목적지 설정 단계에서 건물에서 유출(유입)되는 통행의 도착(출발) 범위이다. 도 7을 참조하면, 도 7은 목적지 선택 단계(S30)에서 선택된, 대중교통을 이용하는 보행자의 원점/목적지 선택 영역과 보행자의 원점/목적지 선택 영역을 나타낸다.
도 7을 참조하면, 건물과 대중교통 노드 사이의 보행 거리는 KOTI의 교통 수요 예측 모델 구축을 위한 대중교통 접근 및 출구 거리 기준을 참고하여 1km로 설정된다. 예를 들어, 해당 건물에서 유출(유입)되는 대중교통 통행량의 도착(출발) 범위는 건물을 중심으로 영역 거리 1km내로 설정된다(도 7의 왼쪽).
또한, 건물들 간 보행 거리는 KOTI의 교통 수요 예측 모델을 구성하기 위한 보행 지역 기준을 참고하여 2km로 설정된다. 예를 들어, 해당 건물에서 유출(유입)되는 보행 통행량의 도착(출발) 범위는 건물을 중심으로 영역 거리 2km 내로 설정된다(도 7의 오른쪽).
통행 배정 단계(S40)에서 각 건물 간의 출발지와 목적지 사이의 보행 통행량과 대중교통 통행의 출발지와 목적지 사이의 대중교통 통행량을 계산하고 계산된 통행이 네트워크에 할당된다. 본 단계에서, 목적지 선택 단계(S30)와 마찬가지로 통행은 대중교통 통행과 보행 통행의 두 가지로 분류되고, 각 통행량은 중력 모델 및 각 통행 목적의 특성에 따라 지정된다.
대중교통은 버스와 지하철로 구분될 수 있으며, 대중교통 이용자는 대중교통 노드와 건물 사이를 통행하고, 각 노드에서 승차/하차하는 사람을 수를 이용하여 중력 모델(gravity model)로써 계산될 수 있다. 보행 통행은 건물 사이를 걸어다니는 보행자를 의미한다.
구체적으로, 통행 배정 단계(S40)는 대중교통 통행 배정 단계(S41) 및 보행 통행 배정 단계(S42)를 포함한다.
대중교통 통행 배정 단계(S41)에서, 목적지 선택 단계(S30)의 기준에 따라 각 건물의 영역 거리에서 1km 이내에 위치한 대중교통 노드를 대중교통 통행의 출발지 및 목적지로 정의하고, 건물과 대중교통 노드(버스 정류장) 사이의 통행량으로써 계산되며, 최단 경로를 산출한다.
최단 경로는 아크맵(ArcMap)의 네트워크 분석을 통해 유도되고 각 건물과 대중교통 노드 사이의 최단 경로로 정의된다. 차량 통행의 경우 지연 및 요금을 고려하여 최단 경로가 정의될 수 있으나 보행 통행에는 고려 사항이 아니다.
또한, 예를 들어, 강남 지역은 외부와 연결되어있어 보행으로 자유롭게 출입할 수 있다. 따라서, 통행 배정 분석에는 분석 지역 바깥 1km 이내의 건물 및 대중교통 노드가 포함될 수 있으나 이에 한정되는 것은 아니다.
대중교통 통행량은 출발지와 목적지 사이의 거리 및 각 대중교통 노드에서 승차/하차하는 사람들의 수를 기초로 하여 중력 모델 즉, 토지 이용 및 운송 모델로 계산될 수 있다.
구체적으로, 이하의 수학식 3 및 수학식 4를 이용하여 대중교통 통행량을 계산한다.
[수학식 3]
[수학식 4]
여기서 
와 
는 건물 k에 의해, 버스 정류장(s)과 건물(k) 사이에서 발생(P)하거나 또는 유인(A)된 버스 통행량이고, 
와 
는 건물 k에 의해, 발생(P)하거나 유인(A)된 버스 통행량이다. 
와 
는 각각 버스 정류장(s)에서 승차(GN)하는 사람의 수 또는 버스 정류장(s)에서 하차(GF)하는 사람 수이고, 
는 건물(k)과 버스 정류장(s) 사이의 거리이다. n은(1km의 영역 거리 이내) 건물 k에 대한 모든 대체 버스 정류장이다.
건물과 지하철역 사이의 통행량은 전술한 건물과 대중교통 노드 사이의 통행량과 같은 방식으로 계산될 수 있다. 이러한 대중교통 통행량은 두 지점을 연결하는 보행 경로에 입력된다.
도 8은 실시예에 따른 대중교통을 위한 통행 배정 모델에서 네트워크에 할당된 버스이용자 이동경로 및 통행량이다. 도 8을 참조하면, 일례로써, 버스 정류장별 승차인원과 건물 사이의 거리에 근거하여 산출한 건물에서 유출하는 버스통행자의 이동경로 및 통행량(도 8의 위) 및 버스 정류장별 하차인원과 건물과의 거리에 근거하여 산출한 건물에서 유인하는 버스통행자의 이동경로 및 통행량(도 8의 아래)을 알 수 있다.
도 9는 실시예에 따른 대중교통을 위한 통행 배정 모델에서 네트워크에 할당된 지하철 사용자 이동경로 및 통행량이다. 도 9를 참조하면, 일례로써, 지하철역 승차인원과 건물과의 거리에 근거하여 산출한, 건물에서 유출하는 지하철 이용자의 이동경로 및 통행량(도 9의 위) 및 지하철역 하차인원과 건물과의 거리에 근거하여 산출한 건물에서 유인하는 지하철이용자의 이동경로 및 통행량(도 9의 아래)을 알 수 있다.
보행 통행 배정 단계(S42)에서, 목적지 선택 단계(S30)에서 설정된 기준에 따라, 영역 거리가 2km 이내인 건물을 보행 통행의 출발지 및 목적지로 정의하고, 보행 통행량을 계산한다.
예를 들어, 강남 지역은 외부와 연결되어있어 보행으로 자유롭게 출입할 수 있다. 따라서 통행 배정 분석에는 분석 영역 밖의 2km 이내의 건물을 포함할 수 있고, 통행 목적에 따라 건물에서의, 발생 보행 통행량 및 유인 보행 통행량으로 나뉠 수 있다.
도 11은 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 각 건물을 기준으로 한 보행통행 분포이다. 도 11을 참조하면, 보행 통행자의 거리에 관한 패턴 분석자료로써 보행의 기점과 종점 사이의 거리에 따라 통행 목적별 통행 비율을 산정할 수 있다. 일례로써, 건물을 중심으로 영역 내의 거리(500M, 1000M, 1500M, 2000M) 면적을 산출하고, 분석 영역 전체 건물을 대상으로 영역 거리 면적 데이터를 산출한다.
본 단계에서 통행 목적 분포 특성을 기반으로 하여 보행 통행량이 계산되고. 보행 분포 특성은 출발지와 목적지 사이의 거리에 따른 통행량에 따라 결정된다. 통행 목적 분포 특성은 지수 함수로서 결정된다. 도 10에 도시된 바와 같이, 통행 목적별 보행 특성을 분석한 결과, 단거리(0~ 500m)에서 HBS 통행량(약 53%)이 다른 목적의 통행량보다 빈번하게 나타난다. 반면에, 다른 목적에 비해 NHB 통행량(약 9 %)이 가장 먼 거리(1500-2000 m)를 통행하는 사람들을 포함한다.
도 12는 실시예에 따른 보행 통행을 위한 통행 배정 모델에서 영역의 거리별 공간 데이터에 보행 통행량을 배분하는 방법을 나타낸 것이다. 구체적으로, 도 12는 각 영역 거리별(500M, 1000M, 1500M, 2000M) 공간 데이터를 100MХ100M 셀로 구획하고 각 셀별 통행량 데이터를 산정하는 방법이다.
보행 통행량을 배정하기 위해 아크 맵(ArcMap)의 서비스 지역 분석(service area analysis)을 사용하여 각 건물의 주변 지역을 등거리 지역으로 나눌 수 있다.
도 12에 도시된 바와 같이, 네트워크 영역은 500m의 거리 증가 단위로, 500m, 1000m, 1500m, 및 2000m의 4개 영역으로 나누어질 수 있다. 각 통행 목적의 보행 분포 특성을 고려하여 각 네트워크 영역에 보행 통행을 입력한다. 각 네트워크 영역을 100mХ100m 셀(cell)들로 나누고, 네트워크 영역에 입력된 통행을 각 셀에 균등하게 분배 한다.
각 셀의 보행 통행량은 이하의 수학식 5에 의해 계산된다.
[수학식 5]
여기서, 
는 네트워크 영역 클래스(c)에 속하는 셀에 분배될 건물 k의 보행 통행량이고, 
는 각 통행 목적(TP)에 대한 건물 k의 보행 통행량이다. TP는 통행 목적(HBW, HBS, HBO, NHB)이고, c는 네트워크 영역 클래스(0-500m, 500-1000m, 1000-1500m, 및 1500-2000m)이다. 
는 각 통행 목적(TP)별로 각 네트워크 영역 클래스(c)에 분배되는 보행 통행량의 비율이다. 
는 네트워크 영역 클래스(c)의 셀 수 이다.
이러한 보행 통행량은 측량 지점과 같은 지점에서 추정되었다. 각 지점의 보행자 수는 네트워크에서 할당된 대중교통 통행량 및 보행 통행량을 합산하여 추정했다.
도 13은, 실제 유동인구와 실시예에 따른 유동인구 분포 및 밀도 예측 방법에서 추정된 유동인구이다. 구체적으로, 분석 대상지 내 실제 측정된 1284개 지점의 유동인구 수(도 13의 왼쪽) 및 실시예에 따른 유동인구 분포 및 밀도 예측 방법에서 추정된 동일 지점의 유동인구 수(도 13의 오른쪽)이다.
각 지점의 예상 보행자 수는 관측된 데이터보다 20.23% 많았다. 추정된 보행자의 양과 관측된 데이터는 검증 과정을 통해 일치되어 예상 보행자수를 조정한다.
도 14는 실시예에 따른 유동인구 분포 및 밀도 예측 방법에서 각 지점의 추정 된 보행자와 관측된 보행자 간의 비교를 나타낸 그래프이다. 이하, 도 15를 참조하여 각 관찰 지점에 대해 관찰 된 보행자 양과 추정 된 보행자 양을 비교한다.
1284건의 관측 중 678건의 추정치(52.8%)는 관측된 자료의 ±0.5 표준 편차(± 58.80%) 이내였다. 이 결과는 실시예의 분석 사이트의 절반에서 관측된 데이터의 약 ±60% 내에서 보행자 수를 추정한 것을 나타낸다. 또한, 예상 보행자 수는 1284개의 관측점 중 1201개(93.5%)에서 관찰된 보행자의 표준 편차(±176.41%)의 ±1.5배 이내였다. 이것은 실시예 대부분의 분석된 영역에서 관측된 데이터의 약 ±180% 내에서 보행자 수를 추정했다는 것을 의미한다.
도 15는 측정 보행자와 유동인구 분포 및 밀도 예측 방법의 추정 보행자 간의 차이이다. 도 15를 참조하면, 측정된 유동인구와 본 연구에서 산출한 유동인구 간의 비교(차이)를 형상화할 수 있으며, 공간보간법을 통해, 실제 지점별 측정된 유동인구와 산출한 유동인구 간의 차이 값을 기준으로, 분석 대상지 전역의 유동인구 과대, 과소 예측 지점을 선별한다.
강남 지역의 교외 지역은 보행자 설문 조사 포인트가 거의 없어 분석 결과에 큰 영향을 미쳤다. 따라서 많은 보행자 조사 지점으로 인해 강남 지역의 중심만이 신뢰성 있는 보간 결과로 고려되었다.
따라서, 실시예에 따른 유동인구 분포 및 밀도 예측 방법을 이용하여 예측 가능한 토지이용 및 교통의 장기적 변화에 따라 미시적 공간 단위에서의 유동 인구의 분포 및 밀도를 장기적으로 예측할 수 있다. 또한, 중간 규모의 유동량을 예측할 수 있고 보행자뿐만 아니라 대중교통을 이용하는 유동 인구의 변화를 예측할 수 있다. 또한, 체계적이고 구체적으로 유동인구의 분포와 밀도변화를 예측할 수 있다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
Claims (10)
- 기본 단위를 이용하여 통행 목적 및 통행 유형별로 소정의 건물의 대한, 발생 통행량 및 유인 통행량을 계산하는 단계;
상기 건물이 포함된 영역에 대하여 보행 통행 또는 대중교통 통행에 대한 통행량을 계산하는 단계;
상기 건물로부터 제1 반경 이내에서, 상기 대중교통의 노드를 상기 대중교통의 출발지와 목적지로 정의하고, 상기 건물을 상기 보행 통행의 출발지와 목적지로 정의하는 단계;
상기 대중교통 통행의 출발지와 목적지 사이의 대중교통 통행량 및 상기 보행 통행의 출발지와 목적지 사이의 보행 통행량을 계산하고 경로를 선정하는 단계
를 포함하고,
상기 통행 목적은 주거-직장(HBW: home-based-work), 주거- 학교(HBS: home-based school), 주거-기타(HBO: home-based others) 및 비 주거(NHB: non-home-based)의 4가지 통행 목적을 포함하고, 상기 통행유형은 대중교통 통행과 보행 통행을 포함하며, 상기 통행량은 중력 모델 및 상기 통행 목적의 특성에 따라 지정되고, 상기 대중 교통의 노드는 버스 정류장 또는 지하철역인, 유동인구 예측 방법. - 제1항에 있어서,
상기 건물에 대한, 발생 통행량 및 유인 통행량을 계산하는 단계는,
상기 영역의 장기 예측 모델 데이터에 다항 회귀 분석을 수행하여 상기 영역의 토지 이용에 대한 통행 발생의 기본 단위를 계산하는 단계 및
상기 다항 회귀 분석, 상기 건물의 토지 이용 면적 및 상기 건물의 사회 경제적 지표로부터 계산된 매개 변수를 이용하여 상기 건물의 발생 통행량 및 유인 통행량을 계산하는 단계
를 포함하고,
상기 다항 회귀 분석의 독립 변수는 상기 건물이 포함된 영역의 토지 이용 면적과 사회 경제적 지표를 기초로 대규모 모델로 계산될 수 있고, 상기 다항 회귀 분석의 종속 변수는 상기 대규모 모델을 사용하여 계산할 수 있는 상기 영역의 발생 통행량 및 유인 통행량을 기반으로 하는, 유동인구 예측 방법. - 제2항에 있어서,
상기 보행 통행 또는 대중교통 통행에 대한 통행량은, 상기 영역에 대한 상기 통행 목적별 수단 분담률을 활용하여 계산되고,
상기 수단 분담률은 상기 영역의 유출 통행량 및 유입 통행량에서 상기 대중교통과 상기 보행을 선택하는 비율인, 유동인구 예측 방법. - 제3항에 있어서,
상기 대중교통의 노드를 상기 대중교통의 출발지와 목적지로 정의하고, 상기 건물을 상기 상기 보행 통행의 출발지와 목적지로 정의하는 단계는,
상기 건물에서 대중교통을 이용하는 보행자의 출발지와 목적지를 상기 노드로 정의하는 단계; 및
상기 건물에서 보행자의 출발지 원점과 목적지 원점을 상기 건물로 정의하는 단계
를 포함하고,
상기 제1 반경은 1km이고, 상기 보행자의 출발지와 목적지 사이의 보행 거리는 2km인, 유동인구 예측 방법. - 제4항에 있어서,
상기 대중교통 통행량은, 상기 제1 반경 이내에 위치한 노드를 대중교통 통행의 출발지 및 목적지로 정의하고, 상기 건물과 상기 노드 사이의 통행량으로 계산되는, 유동인구 예측 방법. - 제5항에 있어서,
상기 건물과 노드 사이의 통행량은, 상기 발생 통행량 및 유인 통행량을 포함하는, 유동인구 예측 방법. - 제6항에 있어서,
상기 경로는 아크맵(ArcMap)의 네트워크 분석을 통해 유도되고 상기 건물과 상기 노드 사이의 최단 경로로 정의되는, 유동인구 예측 방법. - 제7항에 있어서,
상기 대중교통 통행량은, 상기 출발지 및 목적지 사이의 거리 및 상기 노드에서 승차/하차하는 사람의 수를 기초로 하여 중력 모델(gravity model)로써 계산될 수 있는, 유동인구 예측 방법. - 제8항에 있어서,
상기 보행 통행량은, 상기 통행 목적의 분포 특성을 기반으로 하고, 상기 통행 목적에 대한 상기 건물의 보행 통행량을 이용하여 계산되는, 유동인구 예측 방법. - 제9항에 있어서,
상기 분포 특성은 상기 보행 통행의 출발지와 목적지 사이의 거리에 따른 통행량에 따라 지수 함수 형태로 결정되는, 유동인구 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180161988A KR102098305B1 (ko) | 2018-12-14 | 2018-12-14 | 유동인구 분포 및 밀도 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180161988A KR102098305B1 (ko) | 2018-12-14 | 2018-12-14 | 유동인구 분포 및 밀도 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102098305B1 true KR102098305B1 (ko) | 2020-05-26 |
Family
ID=70914746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180161988A KR102098305B1 (ko) | 2018-12-14 | 2018-12-14 | 유동인구 분포 및 밀도 예측 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102098305B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220021245A (ko) * | 2020-08-13 | 2022-02-22 | 현대오토에버 주식회사 | 수요기반 이동서비스를 위한 수요예측방법 |
| KR20220041968A (ko) * | 2020-09-25 | 2022-04-04 | 서울대학교산학협력단 | 개인형 이동장치 신규 이용수요 예측 방법 및 장치 |
| WO2023033564A1 (ko) * | 2021-09-02 | 2023-03-09 | 삼성전자주식회사 | 서버 및 이의 제어 방법 |
| KR102549028B1 (ko) * | 2023-03-31 | 2023-06-28 | 주식회사 에스티이노베이션 | 체인인공지능모형을 활용한 인구 추계 예측 시스템 |
| KR20230100535A (ko) | 2021-12-28 | 2023-07-05 | 국민대학교산학협력단 | 인공지능 기반의 기상환경 적응형 교통 유동량 예측 장치 및 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130015336A (ko) * | 2011-08-03 | 2013-02-14 | 에스케이텔레콤 주식회사 | 상권정보 제공 시스템, 장치, 방법 및 이를 위한 단말기 |
| KR20130139824A (ko) * | 2013-12-05 | 2013-12-23 | (주)오픈메이트 | 유동인구 추정 고도화 시스템 및 방법 |
-
2018
- 2018-12-14 KR KR1020180161988A patent/KR102098305B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130015336A (ko) * | 2011-08-03 | 2013-02-14 | 에스케이텔레콤 주식회사 | 상권정보 제공 시스템, 장치, 방법 및 이를 위한 단말기 |
| KR20130139824A (ko) * | 2013-12-05 | 2013-12-23 | (주)오픈메이트 | 유동인구 추정 고도화 시스템 및 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 국토연구 제84권 '대중교통 승하차 수요분석을 통한 서울시 역세권 유형화 및 토지이용 특성 연구' * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220021245A (ko) * | 2020-08-13 | 2022-02-22 | 현대오토에버 주식회사 | 수요기반 이동서비스를 위한 수요예측방법 |
| KR102441523B1 (ko) | 2020-08-13 | 2022-09-07 | 현대오토에버 주식회사 | 수요기반 이동서비스를 위한 수요예측방법 |
| KR20220041968A (ko) * | 2020-09-25 | 2022-04-04 | 서울대학교산학협력단 | 개인형 이동장치 신규 이용수요 예측 방법 및 장치 |
| KR102532112B1 (ko) * | 2020-09-25 | 2023-05-12 | 서울대학교산학협력단 | 개인형 이동장치 신규 이용수요 예측 방법 및 장치 |
| WO2023033564A1 (ko) * | 2021-09-02 | 2023-03-09 | 삼성전자주식회사 | 서버 및 이의 제어 방법 |
| KR20230100535A (ko) | 2021-12-28 | 2023-07-05 | 국민대학교산학협력단 | 인공지능 기반의 기상환경 적응형 교통 유동량 예측 장치 및 방법 |
| KR102549028B1 (ko) * | 2023-03-31 | 2023-06-28 | 주식회사 에스티이노베이션 | 체인인공지능모형을 활용한 인구 추계 예측 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102098305B1 (ko) | 유동인구 분포 및 밀도 예측 방법 | |
| Gutiérrez et al. | Transit ridership forecasting at station level: an approach based on distance-decay weighted regression | |
| Biba et al. | A new method for determining the population with walking access to transit | |
| Horner et al. | Network flow-based strategies for identifying rail park-and-ride facility locations | |
| Herrera-Restrepo et al. | A multi-perspective dynamic network performance efficiency measurement of an evacuation: A dynamic network-DEA approach | |
| Koutsopoulos et al. | Transit data analytics for planning, monitoring, control, and information | |
| Anderson et al. | Accessibility futures | |
| Duncan et al. | Is the provision of park-and-ride facilities at light rail stations an effective approach to reducing vehicle kilometers traveled in a US context? | |
| Luo et al. | Integrating network science and public transport accessibility analysis for comparative assessment | |
| Rahman et al. | Modelling pedestrian travel time and the design of facilities: A queuing approach | |
| Chen et al. | Toward BIM-enabled decision making for in-building response missions | |
| Eom et al. | Exploring the catchment area of an urban railway station by using transit card data: Case study in Seoul | |
| Si et al. | Development of a transfer‐cost‐based logit assignment model for the Beijing rail transit network using automated fare collection data | |
| Danalet | Activity choice modeling for pedestrian facilities | |
| Kumar et al. | Multi-criteria based approach to identify critical links in a transportation network | |
| Śleszyński et al. | The ideal isochrone: Assessing the efficiency of transport systems | |
| Nostikasari | Representations of everyday travel experiences: Case study of the Dallas-Fort Worth Metropolitan Area | |
| Sweet et al. | Gridlock in the Greater Toronto Area: Its geography and intensity during key periods | |
| Ma et al. | Influential factors of spatial performance in metro-led urban underground public space: A case study in Shanghai | |
| Kaziyeva et al. | Large-scale agent-based simulation model of pedestrian traffic flows | |
| Szeto | Dynamic modeling for intelligent transportation system applications | |
| Valença et al. | Where is it complex to reallocate road space? | |
| Jung et al. | GIS-based transit trip allocation methods converting stop-level boarding and alighting trips into TAZ trips | |
| OKUDA et al. | Method for evaluating the level of convenience of public transportation networks in regional small and middle sized cities | |
| Massobrio et al. | Public transportation and accessibility to education centers in Maldonado, Uruguay |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |