KR102441523B1 - 수요기반 이동서비스를 위한 수요예측방법 - Google Patents

수요기반 이동서비스를 위한 수요예측방법 Download PDF

Info

Publication number
KR102441523B1
KR102441523B1 KR1020200101862A KR20200101862A KR102441523B1 KR 102441523 B1 KR102441523 B1 KR 102441523B1 KR 1020200101862 A KR1020200101862 A KR 1020200101862A KR 20200101862 A KR20200101862 A KR 20200101862A KR 102441523 B1 KR102441523 B1 KR 102441523B1
Authority
KR
South Korea
Prior art keywords
demand
area
building
data
mod
Prior art date
Application number
KR1020200101862A
Other languages
English (en)
Other versions
KR20220021245A (ko
Inventor
김영철
이하경
장기문
이하늘
김송정
최해룡
한경섭
홍성의
Original Assignee
현대오토에버 주식회사
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 현대오토에버 주식회사, 한국과학기술원 filed Critical 현대오토에버 주식회사
Priority to KR1020200101862A priority Critical patent/KR102441523B1/ko
Publication of KR20220021245A publication Critical patent/KR20220021245A/ko
Application granted granted Critical
Publication of KR102441523B1 publication Critical patent/KR102441523B1/ko

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G06Q50/30—
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Seeds, Soups, And Other Foods (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일 실시예는, 수요기반 이동서비스를 위한 수요예측방법에 있어서, 분석대상지역을 다수의 단위구역들로 구분하는 단계; 상기 분석대상지역에서의 버스정류장의 위치데이터를 획득하는 단계; 대중교통수단 선택확률의 급감 특성을 가지는 수요한계거리에 대하여, 각 버스정류장으로부터 상기 수요한계거리 이내에 위치하는 단위구역들을 교체수요지역으로 지정하고, 각 버스정류장으로부터 상기 수요한계거리 밖에 위치하는 단위구역들을 신규수요지역으로 지정하는 단계; 거주인구데이터, 업종데이터 및 건축물데이터를 포함하는 수요유발데이터를 통해 각 단위구역별 수요유발지표를 계산하는 단계; 상기 수요유발지표에 수요환산비율을 적용하여 각 단위구역별 수요를 계산하되, 상기 교체수요지역에는 수요전환비율을 더 반영하여 상기 수요를 계산하는 단계; 및 각 단위구역별 수요를 합산하여 상기 분석대상지역에 대한 MOD수요를 계산하는 단계를 포함하는 방법을 제공한다.

Description

수요기반 이동서비스를 위한 수요예측방법{DEMAND FORECASTING METHOD FOR MOBILITY-ON-DEMAND SERVICES}
본 실시예는 수요기반 이동서비스를 위한 수요예측 기술에 관한 것이다.
새로운 교통 수단의 등장과 변화하는 사회에 따라 다양한 이동 수요를 포괄할 수 있는 유연한 교통 플랫폼의 개발이 요구되고 있다. DRT(Demand Responsive Transportation)와 같은 고정 노선 기반의 운영 계획이 아닌, 수요 발생에 대응하여 교통수단을 공급하는 서비스의 개발이 요구되고 있다.
인구구조의 변화와 경제, 통신기술, 교통 플랫폼 및 교통 수단의 발전, 그리고, 이에 따른 통행 방식의 변화는 기존과 다른 통행 수단의 제공을 요구하고 있다. 특히, 미국, 유럽 등 선진국의 경우 교통체증 문제를 해결하기 위해 대중교통 이용을 촉구하였으나, 다원화된 수요에 적절히 대응하지 못하는 한계에 직면하여 새로운 대안을 도모하고 있다.
이러한 배경에서, 본 실시예의 목적은, 일 측면에서, 도시 공간 변화에 대응할 수 있는 수요기반 이동서비스의 수요 예측 모델에 대한 기술을 제공하는 것이다.
다른 측면에서, 본 실시예의 목적은, 도시 공간의 다면적 특성을 반영하는 교통 플랫폼 기술을 제공하는 것이다. 기존 연구는 일반 유형의 교통 수요만을 분석하여 새로운 교통 유형의 특성을 고려하지 못했는데, 본 실시예는, 인허가 데이터 및 SGIS(Statistical Geographic Information System) 데이터, 건축물 데이터 등 공공 데이터를 활용하여 도시 공간과 인구 변화를 수요 예측에 반영할 수 있는 기술을 제공한다.
또 다른 측면에서, 본 실시예의 목적은, 정밀한 수요 위치의 분석이 가능한 교통 플랫폼 기술을 제공하는 것이다. 기존의 넓은 공간 단위의 수요 예측 방법은 MOD(Mobility-On-Demand)의 실제 운영을 위한 수요예측으로는 부족했다. 본 실시예는, 주요 도시공간의 특성과 기존 대중교통망을 종합적으로 고려하고, 실질적 수요를 고려한 주요 위치 도출을 통해 정밀한 수요 위치의 분석이 가능한 기술을 제공한다.
또 다른 측면에서, 본 실시예의 목적은, 사업성을 고려한 모델이 포함되는 교통 플랫폼 기술을 제공하는 것이다. 기존 연구는 대중교통 서비스 및 인프라 부족 지역의 교통 복지 측면을 위한 것이어서 사업성 파악을 위한 수요 예측으로는 부족하였다. 본 실시예는, 지역의 공간적 성격과 대중교통 이용 분석을 세분화하여 MOD 이용 비율이 높은 지역을 예측하고 MOD 운영 계획을 수립할 수 있는 기술을 제공하는 것이다.
전술한 목적을 달성하기 위하여, 일 실시예는, 수요기반 이동서비스를 위한 수요예측방법에 있어서, 분석대상지역을 다수의 단위구역들로 구분하는 단계; 상기 분석대상지역에서의 버스정류장의 위치데이터를 획득하는 단계; 대중교통수단 선택확률의 급감 특성을 가지는 수요한계거리에 대하여, 각 버스정류장으로부터 상기 수요한계거리 이내에 위치하는 단위구역들을 교체수요지역으로 지정하고, 각 버스정류장으로부터 상기 수요한계거리 밖에 위치하는 단위구역들을 신규수요지역으로 지정하는 단계; 거주인구데이터, 업종데이터 및 건축물데이터를 포함하는 수요유발데이터를 통해 각 단위구역별 수요유발지표를 계산하는 단계; 상기 수요유발지표에 수요환산비율을 적용하여 각 단위구역별 수요를 계산하되, 상기 교체수요지역에는 수요전환비율을 더 반영하여 상기 수요를 계산하는 단계; 및 각 단위구역별 수요를 합산하여 상기 분석대상지역에 대한 MOD수요를 계산하는 단계를 포함하는 방법을 제공한다.
상기 방법에서, 상기 수요한계거리는 350 내지 450m 범위에 속할 수 있다.
상기 방법은, 복수의 지역에서 상기 분석대상지역을 선택하는 단계를 더 포함하고, 상기 분석대상지역을 선택하는 단계에서, 아래 수식 A와 같이 상기 거주인구데이터에 따라 계산되는 상기 교체수요지역 및 상기 신규수요지역의 수요 규모를 바탕으로 상기 복수의 지역에서 상기 분석대상지역이 선택될 수 있다.
(수식 A)
D = De + Dp = α·Pe + Pp, Te = ∑g∈GeCg, Tp = ∑g∈GpCg
여기서, Ge = {g∈G | dgs≤400}, G는 분석대상지역이고, Ge는 교체수요지역이고, dgs는 단위구역(g)의 중심점에서 버스정류장(s)의 중심점까지의 거리이고, Gp = {g∈G | 400<dgs≤L}, Gp는 신규수요지역이고, L은 분석대상범위를 나타내는 기호이고, α는 수요전환비율이고, Pe는 교체수요지역의 인구수이고, Cg는 단위구역(g)의 인구수이고, Pp는 신규수요지역의 인구수이다. De는 교체수요이고, Dp는 신규수요이고, D는 분석대상지역의 MOD(Mobility-On-Demand)수요이다.
그리고, 상기 MOD수요는 아래 수식 B와 같이 계산될 수 있다.
(수식 B)
D = De + Dp = α·Pe + Pp = α·β·Te + β·Tp, De = α·Pe = α·β·Te, Dp = Pp = β·Tp
Tb = Ab·wb, Tg = ∑b∈BgTb = ∑b∈BgAb·wb
Te = ∑g∈GeTg = ∑g∈Ge∑b∈BgAb·wb, Tp = ∑g∈GpTg = ∑g∈Gp∑b∈BgAb·wb
여기서, Bg는 단위구역(g)에 속하는 건물들의 집합이고, Tg는 단위구역(g)의 수요유발지표이고, Tb는 건물 b의 수요유발지표이고, Tb = Ab·wb, Ab는 건물 b의 건물면적이고, wb는 건물 b의 용도에 따른 교통유발계수이며, wb는 건물 b의 용도 Ub를 교통유발계수표에 입력하여 산출하고, 건물 b의 건물면적과 용도는 건축물정보데이터에서 추출하고, β = ∑b∈GCg / ∑b∈GTg, β는 수요환산비율이고, G는 분석대상지역이고, Cg는 단위구역(g)의 인구수, 특히, 유동생산인구수이고, Te는 교체수요지역의 수요유발지표이고, Tp는 신규수요지역의 수요유발지표이고, α는 수요전환비율이고, Pe는 교체수요지역의 인구수이고, Pp는 신규수요지역의 인구수이다.
상기 수요유발지표를 계산하는 단계에서, 각 단위구역에 속하는 공간들은 3가지 이상의 공간종류로 분류되고, 각 공간종류별로 서로 다른 방법으로 상기 수요유발지표를 계산할 수 있다.
상기 방법에서, 상기 3가지 이상의 공간종류는 거주지공간, 고용지공간 및 소비지공간을 포함할 수 있다.
그리고, 상기 거주지공간의 MOD수요는 교통행태에 따른 인구 이동 데이터를 반영하여 계산될 수 있고, 상기 고용지공간의 MOD수요는 교통행태에 따른 인구 이동 데이터와 업무와 공업 등의 고용지 건물용도를 고려한 건물별수요유발지표를 반영하여 산출할 수 있다.
그리고, 상기 소비지공간의 MOD수요는 개인의 위치정보를 획득하여 방문통계를 작성하는 온라인 서비스의 데이터에 가중치를 반영하고 소비지 건물 용도를 고려한 건물별 수요유발지표를 반영하여 산출할 수 있다.
상기 건물면적에서, 용도가 숙박업종인 건물은 연면적이 상기 건물면적으로 적용되고, 용도가 카페업종인 건물은 건축면적이 상기 건물면적으로 적용될 수 있다.
상기 방법은, 상기 거주지공간의 MOD수요 혹은 상기 고용지공간의 MOD수요 혹은 상기 소비지공간의 MOD수요에 시간대별 유효비율을 곱하여 시간대별 MOD수요를 계산하는 단계를 더 포함할 수 있다.
상기 방법에서, 상기 시간대별 유효비율은 유사 특성의 도시로 결정된 지역의 통행데이터로부터 획득될 수 있다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 도시 공간 변화에 대응할 수 있는 수요기반 이동서비스의 수요를 예측할 수 있다. 그리고, 본 실시예에 의하면, 도시 공간의 다면적 특성을 반영하는 교통 플랫폼 기술을 제공할 수 있고, 정밀한 수요 위치의 분석이 가능한 교통 플랫폼 기술을 제공할 수 있으며, 사업성을 고려한 모델이 포함되는 교통 플랫폼 기술을 제공할 수 있다.
도 1은 일 실시예에 따른 시스템의 구성도이다.
도 2는 일 실시예에 따른 서버의 구성도이다.
도 3은 일 실시예에 따른 MOD수요예측방법의 흐름도이다.
도 4는 분석대상지역의 단위구역들에 대한 예시 도면이다.
도 5는 일 실시예에 따른 분석대상지역 선택 방법의 흐름도이다.
도 6은 일 실시예에 따른 분석대상지역 선택 방법을 도식화한 것이다.
도 7은 일 실시예에 따른 수요유발지표 계산 방법의 흐름도이다.
도 8은 일 실시예에 따른 공간별 MOD수요의 계산표를 나타내는 도면이다.
도 9는 시간대별 유효비율의 일 예시 그래프이다.
도 10은 일 실시예에서 건물용도에 따른 수요유발지표 계산 방법의 흐름도이다.
도 11은 일 실시예에 따른 MOD수요예측 결과에 대한 제1예시 도면이다.
도 12는 일 실시예에 따른 MOD수요예측 결과에 대한 제2예시 도면이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 1은 일 실시예에 따른 시스템의 구성도이다. 여기서, 시스템(100)은 수요기반 이동서비스 MOD(Mobility-On-Demand)를 위한 수요예측시스템이다.
도 1을 참조하면, 시스템(100)은 서버(110), 단말(120) 및 데이터제공장치(130) 등을 포함할 수 있다.
서버(100)는 데이터제공장치(130)로부터 각종 데이터를 수신할 수 있다.
서버(100)는 데이터제공장치(130)로부터 수요유발데이터를 수신할 수 있다. 수요유발데이터는 수요지표의 계산에 사용되는 기초데이터로서 예를 들어, 거주인구데이터, 업종데이터, 건축물데이터 등일 수 있다. 수요지표는 수요를 나타내는 지표로서, 예를 들면, 교통유발량 등일 수 있다.
여기서, 거주인구데이터는 특정 구역에 거주하는 인구수를 포함하는 데이터로서, 다수의 구역에 대하여, 각 구역의 위치와 각 구역에 거주하는 인구의 수를 포함할 수 있다. 일 예로서, 거주인구데이터에는 격자구조를 형성하는 다수의 단위구역이 포함될 수 있고, 각 단위구역의 위치와 각 단위구역에 거주하는 인구의 수가 포함될 수 있다. 하나의 단위구역은 가로와 세로의 길이가 일정한 정사각형의 구조를 가질 수 있는데, 예를 들어, 단위구역은 100m x 100m의 정사각형 구조를 가질 수 있다. 거주인구데이터는 다른 형태의 데이터가 활용될 수도 있으며, 일반적으로 공공기관에서 공개하는 데이터가 활용될 수 있다.
업종데이터는 특정 공간에서 활동하는 주체의 업무종류를 규정할 수 있는 데이터일 수 있다. 특정 공간은 주로, 건축물 혹은 건축물의 분할된 구역으로 특정될 수 있으며, 업종데이터는 특정 공간의 위치와 특정 공간에서 활동하는 주체의 업무종류에 대한 정보를 포함할 수 있다. 공공기관에서 공개하는 인허가데이터가 일종의 업종데이터일 수 있다.
건축물데이터는 특정 건물에 대한 데이터로서, 건물의 위치, 그리고, 건물의 건축면적 및/혹은 연면적 등의 정보를 포함할 수 있다.
서버(110)는 데이터제공장치(130)로부터 버스정류장의 위치데이터를 수신할 수 있다. 버스정류장의 위치데이터는 각 버스정류장의 위치에 대한 정보를 포함할 수 있다.
서버(110)는 데이터제공장치(130)로부터 방문통계데이터를 수신할 수 있다. 데이터제공장치(130)는 개인의 위치정보를 획득하여 방문통계를 작성하는 온라인 서비스-예를 들어, 구글의 장소 이용 데이터 등-의 데이터서버일 수 있다. 서버(100)는 이러한 데이터제공장치(130)로부터 특정 공간에 대한 방문통계데이터를 수신하여 교통유발량을 계산할 수 있으며, 이러한 방문통계데이터도 전술한 수요유발데이터의 일종일 수 있다.
서버(110)는 수요유발데이터를 이용하여 특정 지역에 대한 MOD수요를 예측하고, 그 결과를 단말(120)로 송신할 수 있다.
단말(120)은 사용자조작을 인식하고 인식된 사용자데이터를 서버(110)로 송신할 수 있다. 그리고, 단말(120)은 서버(110)에서 계산된 MOD수요 예측값을 화면으로 출력할 수 있다.
서버(110)는 수요예측방법을 구현하는 하드웨어장치로서, 데이터를 저장할 수 있는 회로, 데이터에 대한 계산을 수행할 수 있는 회로, 다른 장치와 신호를 주고 받을 수 있는 회로를 작동시켜 일 실시예에 따른 수요예측방법을 구현할 수 있다.
도 2는 일 실시예에 따른 서버의 구성도이다.
도 2를 참조하면, 서버(110)는 프로세서부(210), 메모리부(220) 및 인터페이스부(230) 등을 포함할 수 있다.
메모리부(220)는 프로그램코드를 저장할 수 있다. 프로그램코드는 일 실시예에 따른 MOD수요예측방법을 컴퓨터장치에서 구현될 수 있도록 하는 명령의 집합체로서 0과 1의 디지털값으로 구성될 수 있다. 프로그램코드는 프로세서부(210)에 의해 순차적으로 실행될 수 있다.
메모리부(220)는 데이터를 저장할 수 있다. 데이터는 MOD수요예측을 위한 기초데이터일 수 있고, MOD수요예측에 의해 생성되는 결과데이터일 수 있다. 프로세서부(210)는 메모리부(220)에 저장되어 있는 기초데이터를 기반으로 MOD수요를 예측하고 그 결과를 메모리부(220)에 저장할 수 있다.
인터페이스부(230)는 네트워크통신을 수행할 수 있다. 인터페이스부(230)는 단말과 통신하여 결과데이터를 단말에 송신할 수 있고, 데이터제공장치와 통신하여 기초데이터를 수신할 수 있다.
인터페이스부(230)는 사용자조작-예를 들어, 키보드조작, 마우스조작 등-을 인식하고 사용자조작데이터를 생성할 수 있다.
일 실시예에 따른 MOD수요예측방법은 서버(110)가 포함하고 있는 이러한 하드웨어구성들에 의해 구현될 수 있다. 이하에서는 이러한 서버(110)가 MOD수요를 예측하는 방법에 대해 설명한다.
도 3은 일 실시예에 따른 MOD수요예측방법의 흐름도이다.
도 3을 참조하면, 서버는 데이터를 획득할 수 있다(S302).
서버는 수요유발데이터 및 버스정류장의 위치데이터를 획득할 수 있다. 수요유발데이터는 수요지표의 계산에 사용되는 기초데이터로서 예를 들어, 거주인구데이터, 업종데이터, 건축물데이터 등일 수 있다.
서버는 버스정류장의 위치에 따라 분석대상지역을 신규수요지역과 교체수요지역으로 구분할 수 있다.
분석대상지역은 다수의 단위구역들로 구분되어 있을 수 있는데, 서버는 버스정류장까지의 거리에 따라 단위구역들을 신규수요지역과 교체수요지역으로 구분할 수 있다(S304).
도 4는 분석대상지역의 단위구역들에 대한 예시 도면이다.
도 4를 참조하면, 분석대상지역(G)은 사각형 형태의 다수의 단위구역들로 구분되고, 버스정류장(s)과의 거리에 따라 신규수요지역(Gp)과 교체수요지역(Ge)으로 구분될 수 있다.
여기서, 거리는 수요한계거리로서 350 내지 450m의 범위에 속할 수 있다. 좀더 구체적인 예시로서, 수요한계거리는 400m로 정해질 수 있다. 성인 기준 도보 10분 거리는 400m가 되는데, 연구에 의하면, 도보 10분 거리를 기준으로 대중 교통에 대한 선택확률이 급격하게 떨어진다. 따라서, 버스정류장(s)으로부터 400m 이내에 위치하는 교체수요지역(Ge)의 사람은 대중 교통을 이용할 가능성이 높고, 버스정류장(s)으로부터 400m 밖에 위치하는 신규수요지역(Gp)의 사람은 대중 교통을 이용할 가능성이 낮다. 일 실시예에 따른 방법은 신규수요지역(Gp)의 사람은 MOD수요로 전환될 가능성이 높은 것으로 판단하고, 교체수요지역(Ge)의 사람은 일부의 비율(수요전환비율)로서 MOD수요로 전환되는 것으로 판단할 수 있다.
다시 도 3을 참조하면, 서버는 수요유발데이터를 통해 각 단위구역별 수요지표를 계산할 수 있다(S306). 수요유발지표를 계산하는 구체적인 예시는 도 7 이하를 참조하여 후술한다.
그리고, 서버는 수요유발지표에 따라 각 단위구역별 수요를 계산하되, 교체수요지역(Ge)에는 수요유발지표에 수요전환비율을 반영하여 MOD수요를 계산하고(S308), 각 단위구역별 수요를 합산하여 분석대상지역에 대한 MOD수요를 계산할 수 있다(S310).
서버는 복수의 지역에서 분석대상지역을 선택할 수 있다.
도 5는 일 실시예에 따른 분석대상지역 선택 방법의 흐름도이다.
도 5를 참조하면, 서버는 복수의 지역 각각에 대해 단위구역별 거주인구데이터를 획득할 수 있다(S502).
그리고, 서버는 복수의 지역 각각에 대해 버스정류장 위치데이터를 획득할 수 있다(S504).
그리고, 서버는 버스정류장 위치데이터를 이용하여 각각의 지역을 신규수요지역과 교체수요지역으로 구분하고(S506), 신규수요지역과 교체수요지역에 대해 각각 수요유발지표를 계산하고 MOD수요를 계산할 수 있다(S508).
프로그램코드화를 위해, 전술한 내용을 참조하여 분석대상지의 MOD수요를 수식화하면 아래와 같다.
(수식 A)
D = De + Dp = α·Pe + Pp, Pe = ∑g∈GeCg, Pp = ∑g∈GpCg
여기서, Ge = {g∈G | dgs≤400}, G는 분석대상지역이고, Ge는 교체수요지역이고, dgs는 단위구역(g)의 중심점에서 버스정류장(s)의 중심점까지의 거리이고, Gp = {g∈G | 400<dgs≤L}, Gp는 신규수요지역이고, L은 분석대상범위를 나타내는 기호이고, α는 수요전환비율이고, Pe는 교체수요지역의 인구수이고, Cg는 단위구역(g)의 인구수이고, Pp는 신규수요지역의 인구수이고, De는 교체수요이고, Dp는 신규수요이고, D는 MOD(Mobility-On-Demand)수요이다.
이와 같이, 서버는 거주인구데이터에 따라 수요유발지표의 규모를 계산하고, 계산된 수요유발지표의 규모를 바탕으로 복수의 지역 중에서 분석대상지역을 선택할 수 있다.
도 6은 일 실시예에 따른 분석대상지역 선택 방법을 도식화한 것이다.
도 6을 참조하면, 서버는 분석대상지역을 선택하기 위해 거주인구데이터를 통해 인구분포현황을 파악할 수 있다(S610). 그리고, 서버는 단위구역으로 구분된 격자 모양의 지도에 각 단위구역의 인구수에 따라 채색하여 표시할 수 있다.
서버는 버스정류장 위치데이터를 통해 대중교통 서비스 공급 현황을 파악할 수 있다(S620). 그리고, 서버는 단위구역으로 구분된 격자 모양의 지도에서 버스정류장의 유무를 채색하여 표시할 수 있다.
서버는 분석대상지역을 수요한계거리에 따라 신규수요지역과 교체수요지역으로 구분하고, 신규수요지역의 단위구역에만 인구수에 따라 채색하여 표시할 수 있다(S630).
관리자는 이러한 채색된 지도를 살펴보고, 분석대상지역을 선택할 수 있다.
한편, 일 실시예에 따른 방법은 수요유발지표를 계산하고, 수요유발지표에 따라 MOD수요를 계산할 수 있는데, 이하에서는 서버가 수요유발지표를 계산하는 방법에 대해 좀더 설명한다.
도 7은 일 실시예에 따른 수요유발지표 계산 방법의 흐름도이다.
도 7을 참조하면, 서버는 각 단위구역에 속하는 공간들을 3가지 이상의 공간종류로 분류하고(S702), 각 공간종류별로 서로 다른 방법으로 수요유발지표를 계산할 수 있다(S704).
예를 들어, 서버는 공간을 거주지공간, 고용지공간 및 소비지공간으로 분류할 수 있다. 서버는 업종데이터 및 건축물데이터를 이용하여 각 건물의 용도를 파악하고 그 용도에 따라 공간을 분류할 수 있다.
그리고, 각 공간에 따라 MOD수요는 수식 B와 같이 계산될 수 있다.
(수식 B)
D = De + Dp = α·Pe + Pp = α·β·Te + β·Tp, De = α·Pe = α·β·Te, Dp = Pp = β·Tp
Tb = Ab·wb, Tg = ∑b∈BgTb = ∑b∈BgAb·wb
Te = ∑g∈GeTg = ∑g∈Ge∑b∈BgAb·wb, Tp = ∑g∈GpTg = ∑g∈Gp∑b∈BgAb·wb
여기서, Bg는 단위구역(g)에 속하는 건물들의 집합이고, Tg는 단위구역(g)의 수요유발지표이고, Tb는 건물 b의 수요유발지표이고, Tb = Ab·wb, Ab는 건물 b의 건물면적이고, wb는 건물 b의 용도에 따른 교통유발계수이며, wb는 건물 b의 용도 Ub를 교통유발계수표에 입력하여 산출하고, 건물 b의 건물면적과 용도는 건축물정보데이터에서 추출하고, β = ∑b∈GCg / ∑b∈GTg, β는 수요환산비율이고, G는 분석대상지역이고, Cg는 단위구역(g)의 인구수, 특히, 유동생산인구수이고, Te는 교체수요지역의 수요유발지표이고, Tp는 신규수요지역의 수요유발지표이고, α는 수요전환비율이고, Pe는 교체수요지역의 인구수이고, Pp는 신규수요지역의 인구수이다.
소비지공간의 MOD수요는 개인의 위치정보를 획득하여 방문통계를 작성하는 온라인 서비스의 데이터에 가중치를 반영하여 산출할 수 있다.
그리고, 서버는 각 공간별로 계산된 MOD수요를 합산하여 각 단위구역별 MOD수요를 계산할 수 있다.
도 8은 일 실시예에 따른 공간별 MOD수요의 계산표를 나타내는 도면이다.
도 8을 참조하면, 서버는 각 단위구역별로 격자번호를 부여할 수 있다. 그리고, 서버는 각 단위구역에 속하는 공간들을 3개의 공간-제1의 공간(거주지), 제2의 공간(고용지) 및 제3의 공간(여가, 소비)-으로 구분하고, 전술한 방법을 이용하여 공간별 MOD수요를 계산할 수 있다.
도 7 및 도 8을 참조하면, 서버는 시간대별로 MOD수요를 계산할 수 있는데(S706), 서버는 전술한 방법으로 계산한 MOD수요에 시간대별 유효비율을 곱하여 시간대별 MOD수요를 계산할 수 있다.
시간대별 유효비율은 조사된 값으로 결정될 수 있고, 조사된 값이 없는 경우, 유사 특성의 도시로 결정된 지역의 통행데이터로부터 획득될 수 있다.
도 9는 시간대별 유효비율의 일 예시 그래프이다.
도 9를 참조하면, 시간대별 유효비율은 1 이하의 값을 가질 수 있고, 단위시간마다 값이 설정될 수 있다.
주거지에서는 주간에 시간대별 유효비율이 낮게 나오고 야간에 시간대별 유효비율이 높게 나올 수 있고, 고용지에서는 주간에 시간대별 유효비율이 높게 나오고 야간에는 시간대별 유효비율이 낮게 나올 수 있다.
한편, 서버는 업종데이터, 건축물데이터 및 교통유발계수데이터를 이용하여 고용지공간의 MOD수요를 계산할 수 있다.
도 10은 일 실시예에서 건물용도에 따른 수요유발지표 계산 방법의 흐름도이다.
도 10을 참조하면, 서버는 건축물데이터를 통해 건물의 면적을 확인할 수 있다(S1002).
그리고, 서버는 업종데이터를 통해 각 건물의 용도-예를 들어, 각 건물에 입주한 업체의 업무-를 파악할 수 있다. 그리고, 서버는 교통유발계수데이터에서 업무에 따른 교통유발계수를 확인할 수 있다(S1004).
교통유발계수데이터는 일반적으로 교통 정책을 다루는 공공기관에서 만들어질 수 있는데, 교통유발계수데이터에는 업무별 교통유발계수값이 포함되어 있다. 서버는 각 건물에서 이루어지는 업무를 파악하고, 해당 업무를 교통유발계수데이터에서 검색하여 해당 건물에 대한 교통유발계수를 확인할 수 있다.
서버는 건물면적과 교통유발계수를 곱하여 해당 건물의 수요유발지표를 계산할 수 있다(S1006).
건물별 수요유발지표 = 해당 건물면적 × 교통유발계수
서버는 건물면적에 건물연면적을 대입시킬 수 있으나 카페업종의 경우에는 건축면적을 건물면적에 대입시키고, 숙박업종의 경우, 건물연면적을 건물면적에 대입시킬 수 있다.
도 11은 일 실시예에 따른 MOD수요예측 결과에 대한 제1예시 도면이고, 도 12는 일 실시예에 따른 MOD수요예측 결과에 대한 제2예시 도면이다.
도 11 및 도 12를 참조하면, 서버는 버스정류장과의 거리에 따라 신규수요지역과 교체수요지역을 구분하여 MOD수요를 계산할 수 있는데, 교체수요지역에 대해서는 수요유발지표에 수요전환비율을 곱하여 MOD수요를 계산할 수 있다. 도 11은 수요전환비율을 25%로 정했을 때의 결과이고, 도 12는 수요전환비율을 75%로 정했을 때의 결과이다.
서버는 이러한 MOD수요값을 도 11 및 도 12와 같이 버스정류장별로 표시할 수 있다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 도시 공간 변화에 대응할 수 있는 수요기반 이동서비스의 수요를 예측할 수 있다. 그리고, 본 실시예에 의하면, 도시 공간의 다면적 특성을 반영하는 교통 플랫폼 기술을 제공할 수 있고, 정밀한 수요 위치의 분석이 가능한 교통 플랫폼 기술을 제공할 수 있으며, 사업성을 고려한 모델이 포함되는 교통 플랫폼 기술을 제공할 수 있다.
이상에서, 본 발명의 일 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 일 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 일 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 등이 포함될 수 있다.
이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥 상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (11)

  1. 수요기반 이동서비스를 위한 수요예측방법에 있어서,
    분석대상지역을 다수의 단위구역들로 구분하는 단계;
    상기 분석대상지역에서의 버스정류장의 위치데이터를 획득하는 단계;
    대중교통수단 선택확률의 급감 특성을 가지는 수요한계거리에 대하여, 각 버스정류장으로부터 상기 수요한계거리 이내에 위치하는 단위구역들을 교체수요지역으로 지정하고, 각 버스정류장으로부터 상기 수요한계거리 밖에 위치하는 단위구역들을 신규수요지역으로 지정하는 단계;
    거주인구데이터, 업종데이터 및 건축물데이터를 포함하는 수요유발데이터를 통해 각 단위구역별 수요유발지표를 계산하는 단계;
    상기 수요유발지표에 수요환산비율을 적용하여 각 단위구역별 수요를 계산하되, 상기 교체수요지역에는 수요전환비율을 더 반영하여 상기 수요를 계산하는 단계; 및
    각 단위구역별 수요를 합산하여 상기 분석대상지역에 대한 MOD수요를 계산하는 단계를 포함하고,
    각 단위구역에 속하는 공간들은 3가지 이상의 공간종류로 분류되고, 상기 3가지 이상의 공간종류는 거주지공간, 고용지공간 및 소비지공간을 포함하며,
    상기 소비지공간의 MOD수요는 개인의 위치정보를 획득하여 방문통계를 작성하는 온라인 서비스의 데이터에 가중치를 반영하고 소비지 건물 용도를 고려한 건물별 수요유발지표를 반영하여 산출하는 방법.
  2. 제1항에 있어서,
    상기 수요한계거리는 350 내지 450m 범위에 속하는 방법.
  3. 제1항에 있어서,
    복수의 지역에서 상기 분석대상지역을 선택하는 단계를 더 포함하고,
    상기 분석대상지역을 선택하는 단계에서,
    아래 수식 A와 같이 상기 거주인구데이터에 따라 계산되는 상기 교체수요지역 및 상기 신규수요지역의 수요 규모를 바탕으로 상기 복수의 지역에서 상기 분석대상지역이 선택되는 방법.
    (수식 A)
    D = De + Dp = α·Pe + Pp, Te = ∑g∈GeCg, Tp = ∑g∈GpCg
    여기서, Ge = {g∈G | dgs≤400}, G는 분석대상지역이고, Ge는 교체수요지역이고, dgs는 단위구역(g)의 중심점에서 버스정류장(s)의 중심점까지의 거리이고, Gp = {g∈G | 400<dgs≤L}, Gp는 신규수요지역이고, L은 분석대상범위를 나타내는 기호이고, α는 수요전환비율이고, Pe는 교체수요지역의 인구수이고, Cg는 단위구역(g)의 인구수이고, Pp는 신규수요지역의 인구수이다. De는 교체수요이고, Dp는 신규수요이고, D는 분석대상지역의 MOD(Mobility-On-Demand)수요임.
  4. 제1항에 있어서,
    상기 MOD수요는 아래 수식 B와 같이 계산되는 방법.
    (수식 B)
    D = De + Dp = α·Pe + Pp = α·β·Te + β·Tp, De = α·Pe = α·β·Te, Dp = Pp = β·Tp
    Tb = Ab·wb, Tg = ∑b∈BgTb = ∑b∈BgAb·wb
    Te = ∑g∈GeTg = ∑g∈Ge∑b∈BgAb·wb, Tp = ∑g∈GpTg = ∑g∈Gp∑b∈BgAb·wb
    여기서, Bg는 단위구역(g)에 속하는 건물들의 집합이고, Tg는 단위구역(g)의 수요유발지표이고, Tb는 건물 b의 수요유발지표이고, Tb = Ab·wb, Ab는 건물 b의 건물면적이고, wb는 건물 b의 용도에 따른 교통유발계수이며, wb는 건물 b의 용도 Ub를 교통유발계수표에 입력하여 산출하고, 건물 b의 건물면적과 용도는 건축물정보데이터에서 추출하고, β = ∑b∈GCg / ∑b∈GTg, β는 수요환산비율이고, G는 분석대상지역이고, Cg는 단위구역(g)의 인구수이고, Te는 교체수요지역의 수요유발지표이고, Tp는 신규수요지역의 수요유발지표이고, α는 수요전환비율이고, Pe는 교체수요지역의 인구수이고, Pp는 신규수요지역의 인구수임.
  5. 제4항에 있어서,
    상기 수요유발지표를 계산하는 단계에서,
    각 공간종류별로 서로 다른 방법으로 상기 수요유발지표가 계산되는 방법.
  6. 제5항에 있어서,
    상기 거주지공간의 MOD수요는 교통행태에 따른 인구 이동 데이터를 반영하여 계산되는 방법.
  7. 삭제
  8. 제5항에 있어서,
    상기 거주지공간의 MOD수요 혹은 상기 고용지공간의 MOD수요 혹은 상기 소비지공간의 MOD수요에 시간대별 유효비율을 곱하여 시간대별 MOD수요를 계산하는 단계를 더 포함하는 방법.
  9. 제8항에 있어서,
    상기 시간대별 유효비율은 유사 특성의 도시로 결정된 지역의 통행데이터로부터 획득되는 방법.
  10. 제6항에 있어서,
    상기 건물면적에서, 숙박업종의 건물은 연면적이 상기 건물면적으로 적용되고, 카페업종의 건물은 건축면적이 상기 건물면적으로 적용되는 방법.
  11. 제5항에 있어서,
    상기 고용지공간의 MOD수요는 교통행태에 따른 인구 이동 데이터와 업무와 공업 등의 고용지 건물용도를 고려한 건물별수요유발지표를 반영하여 산출하는 방법.
KR1020200101862A 2020-08-13 2020-08-13 수요기반 이동서비스를 위한 수요예측방법 KR102441523B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200101862A KR102441523B1 (ko) 2020-08-13 2020-08-13 수요기반 이동서비스를 위한 수요예측방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200101862A KR102441523B1 (ko) 2020-08-13 2020-08-13 수요기반 이동서비스를 위한 수요예측방법

Publications (2)

Publication Number Publication Date
KR20220021245A KR20220021245A (ko) 2022-02-22
KR102441523B1 true KR102441523B1 (ko) 2022-09-07

Family

ID=80494091

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200101862A KR102441523B1 (ko) 2020-08-13 2020-08-13 수요기반 이동서비스를 위한 수요예측방법

Country Status (1)

Country Link
KR (1) KR102441523B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644457B1 (ko) * 2023-07-04 2024-03-11 주식회사 스튜디오갈릴레이 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법
KR102598053B1 (ko) * 2023-07-04 2023-11-06 주식회사 스튜디오갈릴레이 통행 수요 예측 분석을 이용한 가변 정류장 결정 시스템및 그 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017204168A (ja) * 2016-05-12 2017-11-16 株式会社Ｎｔｔドコモ タクシー需要推定システム
KR102098305B1 (ko) 2018-12-14 2020-05-26 서울시립대학교 산학협력단 유동인구 분포 및 밀도 예측 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101473103B1 (ko) * 2013-05-29 2014-12-15 서울시립대학교 산학협력단 개별통행자기반 교통수요예측시스템
KR20160025698A (ko) * 2014-08-27 2016-03-09 주식회사 다울지오인포 지역 특성을 반영한 지역 정보 제공 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017204168A (ja) * 2016-05-12 2017-11-16 株式会社Ｎｔｔドコモ タクシー需要推定システム
KR102098305B1 (ko) 2018-12-14 2020-05-26 서울시립대학교 산학협력단 유동인구 분포 및 밀도 예측 방법

Also Published As

Publication number Publication date
KR20220021245A (ko) 2022-02-22

Similar Documents

Publication Publication Date Title
Li et al. The varying patterns of rail transit ridership and their relationships with fine-scale built environment factors: Big data analytics from Guangzhou
Zhu et al. Analysis of the impact of the MRT system on accessibility in Singapore using an integrated GIS tool
Yigitcanlar et al. A GIS‐based land use and public transport accessibility indexing model
Zhao et al. The impacts of rail transit on future urban land use development: A case study in Wuhan, China
Roorda et al. Trip generation of vulnerable populations in three Canadian cities: a spatial ordered probit approach
Ghiassi et al. Reductive bottom-up urban energy computing supported by multivariate cluster analysis
Gutiérrez et al. Transit ridership forecasting at station level: an approach based on distance-decay weighted regression
KR102441523B1 (ko) 수요기반 이동서비스를 위한 수요예측방법
Zhang et al. Evaluation of Public Transport‐Based Accessibility to Health Facilities considering Spatial Heterogeneity
KR102373276B1 (ko) 빅데이터 기반의 공공 시설물의 입지 선정 장치 및 방법
CN110726411A (zh) 一种基于剖分网格的建筑信息模型室内应急寻路方法
CN114548811B (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
Naish A method of developing regional road traffic noise management strategies
CN108549976A (zh) 智慧旅游大数据分析方法
Soltani et al. The influence of urban physical form on trip generation, evidence from metropolitan Shiraz, Iran
Zhu et al. Understanding taxi ridership with spatial spillover effects and temporal dynamics
KR20140090723A (ko) 초고층 건축물의 입지적정성 평가방법 및 그 장치
Huang et al. Estimating light-rail transit peak-hour boarding based on accessibility at station and route levels in Wuhan, China
Bikdeli et al. Accessibility modeling for land use, population and public transportation in Mashhad, NE Iran
CN112287503B (zh) 用于交通需求预测的动态空间网络构建方法
Fan et al. How does upzoning impact land use and transport: a case study of Seattle
Sten Hansen Analysing the role of accessibility in contemporary urban development
Yeh et al. Big data, urban analytics and the planning of smart cities
Leao et al. Evolution of a synthetic population and its daily mobility patterns under spatial strategies for urban growth
Cooke et al. A comparative empirical analysis of the relationship between public transport and land use characteristics

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant