KR102644457B1 - 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법 - Google Patents

공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR102644457B1
KR102644457B1 KR1020230086446A KR20230086446A KR102644457B1 KR 102644457 B1 KR102644457 B1 KR 102644457B1 KR 1020230086446 A KR1020230086446 A KR 1020230086446A KR 20230086446 A KR20230086446 A KR 20230086446A KR 102644457 B1 KR102644457 B1 KR 102644457B1
Authority
KR
South Korea
Prior art keywords
data
demand
area
stop
cell
Prior art date
Application number
KR1020230086446A
Other languages
English (en)
Inventor
문태훈
강태석
Original Assignee
주식회사 스튜디오갈릴레이
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 주식회사 스튜디오갈릴레이 filed Critical 주식회사 스튜디오갈릴레이
Priority to KR1020230086446A priority Critical patent/KR102644457B1/ko
Application granted granted Critical
Publication of KR102644457B1 publication Critical patent/KR102644457B1/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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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"
    • 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
    • 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
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Landscapes

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

Abstract

본 발명의 실시예에 따른 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템은 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 기초로 기초 데이터를 생성하고, 통행 목적별 수요 속성 데이터를 구축하는 수요 예측 지역 기초 데이터 생성부; 상기 수요 예측 지역의 공간 분석을 통해 셀을 생성하여 공간 타입을 지정하고, 상기 셀에 수요 데이터 및 속성 데이터를 부여하는 공간 정보 분석부; 상기 부여된 속성 데이터를 기초로 유사한 상기 속성 데이터를 가지는 상기 셀을 병합하여 기초 권역을 생성하는 기초 권역 생성부; 상기 생성된 기초 권역의 중심셀을 추출하여 최근접 정류장을 매칭하거나 사용자 지정 정류장을 지정하여 매칭하는 정류장 매칭부; 상기 기초 권역과 상기 최근접 정류장 및 상기 사용자 지정 정류장이 매칭되지 않는 경우, 가상 정류장을 생성하여 상기 기초 권역과 매칭하는 가상 정류장 생성부; 미리 설정된 조건에 따라 상기 기초 권역을 병합함으로써 탑승 권역을 생성하는 탑승 권역 생성부;및 상기 탑승 권역을 구성하는 상기 기초 권역의 상기 셀에 대한 상기 수요 데이터를 병합하여 상기 탑승 권역의 수요 데이터를 예측하는 수요 예측부;를 포함할 수 있다.

Description

공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법{SYSTEM FOR FORECASTING DEMAND USING SPATIAL ANALYSIS IN DEMAND RESPONSIVE TRANSPORT AND METHOD OF THE SAME}
본 발명은 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 GIS 데이터를 이용하여 공간 분석을 수행함으로써 DRT 서비스에 대한 수요를 세부적인 단위로 예측하고, 기존 정류장과 매칭되지 않는 경우 가상의 정류장을 생성하여 제공할 수 있는 수요 예측 시스템 및 그 방법에 관한 것이다.
수요 응답형 교통 체계(DRT, Demand Responsive Transport)는 승객의 요구에 따라 탄력적으로 노선이나 시간을 변경하거나 신설하여 운영하는 것으로, 교통 상황을 반영하여 최적의 경로를 찾아 운영하는 대중 교통 체계를 의미한다. DRT는 신도시 또는 대규모 택지 개발 지구의 부족한 광역 출퇴근 교통 문제 해소를 목적으로 운영되고 있다. 특히, 농어촌을 기종점으로 하거나 대중교통이 부족한 지역에서 운행 시간 및 운행 횟수를 승객의 요청에 따라 탄력적으로 차량을 배차하는 것이다.
또한, Market Research Future (MRFR)의 연구보고에 따르면, DRT의 글로벌 시장 가치가 2023년까지 1,860억 달러(한화 약 207조)로 증가하고, 연평균 성장률(CAGR)은 18% 정도로 예상되고 있다. 현재, 각 국가 정부는 인구 저밀도 지역의 대중 교통 공백 지역 해소 차원에서 DRT 사업 지원과 관련 정책 수립을 진행하고 있다. 이로 인해, DRT 사업으로 글로벌 모빌리티 기업들의 관심이 집중되면서, 활발하게 사업 영역으로 확장되고 있는 추세이다.
그러나, 종래의 국내 DRT는 정부와 지자체의 보조금을 기반으로 운영되고 있다. 일 예로, DRT가 운행될 시, 일부 금액은 승객이 지불하고 나머지 금액은 정부 및 지자체에서 보전하고 있다. 따라서, 정부와 지자체로부터 지속적으로 지원받기 위해서는 DRT를 필요로 하는 수요 지역을 지정하여 체계적으로 운영함으로써 손실금을 최소화해야만 한다.
한편, 종래의 DRT는 수요자를 파악하기 위하여 차량 데이터 및 통신 데이터를 기초로하여 출발지/도착지에 따른 유동 인구를 파악하고 있다. 그러나, 차량 데이터 및 통신 데이터는 실제 교통량과 측정된 교통량의 일치도가 낮아 수집된 데이터가 정확하지 않다는 문제점이 있다. 뿐만 아니라, 반복적이고 대량으로 발생하는 통근 및 통학 통행이 아닌 기타 통행 위주의 서비스로 운영되고 있기 때문에 충분한 양의 데이터가 수집되지 않는다.
또한, 광역으로 운영되는 DRT인 경우, 지자체간 협의가 지연되거나 행정/투자의 사각지대가 발생하게 되면서 수요자를 파악하는 것에 한계가 있다. 여기서, 수집된 데이터는 시군구 단위로 발생되기 때문에 동단위의 세부적인 데이터를 획득할 수 없다. 즉, 종래의 DRT는 정확한 수요 예측을 하는 것에 한계가 있으므로, 충분한 재정을 확보하는 것에 어려움이 있다.
또한, 종래의 DRT는 승객의 요청에 따라 지정된 정류장에 차량을 배차하고 있다. 즉, 승객이 직접 지정된 정류장에 방문해야 한다는 번거로움이 존재한다. 특히, 교통 취약 지역은 지정된 정류장까지 이동하는 것에 상당한 시간과 비용이 소모되어 DRT 서비스가 제대로 활용되지 못할 가능성이 높다.
따라서, DRT 서비스에 대한 수요를 세부적인 단위로 예측하고, 지정된 기존 정류장을 이용할 수 없거나 교통 취약 지역에는 가상의 정류장을 제공할 수 있는 DRT 수요 예측 시스템의 개발이 필요한 실정이다.
본 발명이 이루고자 하는 기술적 과제는 GIS 데이터를 이용하여 공간 분석을 수행함으로써 DRT 서비스에 대한 수요를 세부적인 단위로 예측하고, 기존 정류장과 매칭되지 않는 경우 가상의 정류장을 생성하여 제공할 수 있는 수요 예측 시스템 및 그 방법에 관한 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 공간 분석을 통해 임의의 크기로 구성된 셀을 생성하고, 생성된 셀에 공간 타입을 지정하여 수요 데이터 및 속성 데이터를 부여함으로써 공간적인 패턴을 형성할 수 있는 수요 예측 시스템 및 그 방법에 관한 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 셀의 속성 데이터를 기초로하여 병합함으로써 기초 권역을 생성하고, 생성된 기초 권역의 무게 중심 좌표를 계산하여 최근접 정류장을 매칭할 수 있는 수요 예측 시스템 및 그 방법에 관한 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 최근접 정류장과 매칭이 되지 않는 경우, 사용자 단말로 정류장 지정을 요청하거나 가상 정류장을 생성하여 매칭을 수행할 수 있는 수요 예측 시스템 및 그 방법에 관한 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 동일한 정류장과 매칭된 기초 권역을 병합함으로써 탑승 권역을 생성하고, 생성된 탑승 권역을 구성하는 기초 권역의 각 셀에 대한 수요 데이터를 병합함으로써 세부 단위로 수요 데이터를 예측할 수 있는 수요 예측 시스템 및 그 방법에 관한 것이다.
상기 기술적 과제를 달성하기 위하여, 본 발명의 일 실시예에 따른 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템에 있어서, 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 기초로 기초 데이터를 생성하고, 통행 목적별 수요 속성 데이터를 구축하는 수요 예측 지역 기초 데이터 생성부; 상기 수요 예측 지역의 공간 분석을 통해 셀을 생성하여 공간 타입을 지정하고, 상기 셀에 수요 데이터 및 속성 데이터를 부여하는 공간 정보 분석부; 유사한 상기 공간 타입을 가지는 상기 셀을 병합하여 기초 권역을 생성하는 기초 권역 생성부; 상기 생성된 기초 권역의 중심셀을 추출하여 최근접 정류장을 매칭하거나 사용자 지정 정류장을 지정하여 매칭하는 정류장 매칭부; 상기 기초 권역과 상기 최근접 정류장 및 상기 사용자 지정 정류장이 매칭되지 않는 경우, 가상 정류장을 생성하여 상기 기초 권역과 매칭하는 가상 정류장 생성부; 미리 설정된 조건에 따라 상기 기초 권역을 병합함으로써 탑승 권역을 생성하는 탑승 권역 생성부;및 상기 탑승 권역을 구성하는 상기 기초 권역의 상기 셀에 대한 상기 수요 데이터를 병합하여 상기 탑승 권역의 수요 데이터를 예측하는 수요 예측부;를 포함할 수 있다.
상기 공간 정보 데이터는 Shape(Point/Polyline/Polygon) 기반의 GIS(Geographic Information System) 정보로 도로, 수계, 건물, 법정동 경계 및 버스 정류장 데이터를 포함하며, 상기 사회 경제 지표 데이터는 시군구 단위의 취업자수, 고용자수, 거주 학생수, 수용 학생수 및 가구수와 같은 발생 데이터 및 유인 데이터를 포함하며, 상기 발생 데이터는 상기 정류장 기준 차량 승차 데이터이고, 상기 유인 데이터는 상기 정류장 기준 차량 하차 데이터일 수 있다.
상기 수요 예측 지역 기초 데이터 생성부는 상기 공간 정보 데이터 및 상기 사회 경제 지표 데이터를 기초로 상기 시군구 단위에 포함된 건물 연면적과 법정동 단위에 포함된 건물 연면적을 계산하고, 상기 계산된 시군구 단위에 포함된 건물 연면적과 상기 법정동 단위에 포함된 건물 연면적의 비율을 기반으로 법정동 단위의 발생 데이터 및 유인 데이터를 산출하며, 상기 계산된 법정동 단위의 상기 발생 데이터 및 상기 유인 데이터는 상기 수요 예측 지역의 기초 데이터일 수 있다.
상기 공간 정보 분석부는 상기 수요 예측 지역의 공간 분석을 통해 임의의 크기로 구성된 격자 형태의 최소 단위 공간인 상기 셀을 생성하고, 상기 생성된 셀에 도로, 수계 및 건물을 포함하는 상기 공간 타입을 지정하며, 상기 셀에 여러 개의 상기 공간 타입이 지정된 경우, 도로, 수계, 건물 순으로 우선 순위을 부여하여 지정하는 셀 생성부; 및 상기 셀의 공간 타입이 상기 건물인 경우, 상기 셀에 상기 수요 데이터 및 상기 속성 데이터를 부여하는 셀 수요 데이터 및 속성 부여부를 포함할 수 있다.
상기 수요 데이터는 상기 건물의 발생 데이터 및 유인 데이터를 기초로 계산되며, 상기 계산된 상기 건물의 상기 발생 데이터 및 상기 유인 데이터를 상기 건물을 구성하는 상기 셀에 부여하고, 상기 속성 데이터는 가정 기반 또는 비가정 기반으로 구성된 통행 목적별 수요 데이터를 기반으로 상기 셀에 부여되며, 상기 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가를 포함하고, 상기 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무를 포함할 수 있다.
상기 정류장 매칭부는 상기 생성된 기초 권역의 무게 중심 좌표를 계산하고, 상기 계산된 무게 중심 좌표를 포함하는 상기 셀을 상기 기초 권역의 중심셀로 추출하는 기초 권역 중심셀 추출부; 상기 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출하고, 상기 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 상기 최근접 정류장으로 지정하여 상기 기초 권역과 상기 최근접 정류장을 매칭하는 최근접 정류장 매칭부;및 상기 최근접 정류장이 매칭되지 않는 경우, 사용자 단말로 정류장 지정을 요청하여 상기 사용자 지정 정류장을 생성하며, 상기 기초 권역과 상기 사용자 지정 정류장을 매칭하는 사용자 지정 정류장 매칭부;를 포함할 수 있다.
상기 가상 정류장 생성부는 상기 기초 권역의 중심셀의 일정 거리 내에 상기 가상 정류장을 생성하며, 상기 가상 정류장은 상기 셀의 공간 타입이 도로인 상기 셀에 생성될 수 있다.
상기 탑승 권역 생성부는 상기 기초 권역의 중심셀과 매칭된 상기 정류장 간의 거리가 미리 설정된 거리 이내이고, 상기 기초 권역의 중심셀간 거리는 미리 설정된 거리 이내인 경우 상기 기초 권역을 병합할 수 있다.
또한, 상기 기술적 과제를 달성하기 위하여, 공간 정보를 이용하는 수요 예측 시스템의 수요 예측 방법에 있어서a) 수요 예측 시스템이 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 기초로 기초 데이터를 생성하고, 통행 목적별 수요 속성 데이터를 구축하는 단계; b) 상기 수요 예측 시스템이 상기 수요 예측 지역의 공간 분석을 통해 셀을 생성하여 공간 타입을 지정하고, 상기 셀에 수요 데이터 및 속성 데이터를 부여하는 단계; c) 상기 수요 예측 시스템이 유사한 상기 공간 타입을 가지는 상기 셀을 병합하여 기초 권역을 생성하는 단계; d) 상기 수요 예측 시스템이 상기 생성된 기초 권역의 중심셀을 추출하여 최근접 정류장을 매칭하거나 사용자 지정 정류장을 지정하여 매칭하는 단계; e) 상기 수요 예측 시스템이 상기 기초 권역과 상기 최근접 정류장 및 상기 사용자 지정 정류장이 매칭되지 않는 경우, 가상 정류장을 생성하여 상기 기초 권역과 매칭하는 단계; f) 상기 수요 예측 시스템이 미리 설정된 조건에 따라 상기 기초 권역을 병합함으로써 탑승 권역을 생성하는 단계;및 g) 상기 수요 예측 시스템이 상기 탑승 권역을 구성하는 상기 기초 권역의 상기 셀에 대한 상기 수요 데이터를 병합하여 상기 탑승 권역의 수요 데이터를 예측하는 단계;를 포함할 수 있다.
상기 a) 단계는 상기 공간 정보 데이터 및 상기 사회 경제 지표 데이터를 기초로 상기 시군구 단위에 포함된 건물 연면적과 법정동 단위에 포함된 건물 연면적을 계산하고, 상기 계산된 시군구 단위에 포함된 건물 연면적과 상기 법정동 단위에 포함된 건물 연면적의 비율을 기반으로 법정동 단위의 발생 데이터 및 유인 데이터를 산출하며, 상기 계산된 법정동 단위의 상기 발생 데이터 및 상기 유인 데이터는 상기 수요 예측 지역의 기초 데이터일 수 있다.
상기 b) 단계는, 상기 수요 예측 지역의 공간 분석을 통해 임의의 크기로 구성된 격자 형태의 최소 단위 공간인 상기 셀을 생성하고, 상기 생성된 셀에 도로, 수계 및 건물을 포함하는 상기 공간 타입을 지정하며, 상기 셀에 여러 개의 상기 공간 타입이 지정된 경우, 도로, 수계, 건물 순으로 우선 순위을 부여하여 지정하는 단계;및 상기 셀의 공간 타입이 상기 건물인 경우, 상기 셀에 상기 수요 데이터 및 상기 속성 데이터를 부여하는 단계;를 포함할 수 있다.
상기 b) 단계는, 상기 수요 데이터를 상기 건물의 발생 데이터 및 유인 데이터를 기초로 계산하며, 상기 계산된 상기 건물의 상기 발생 데이터 및 상기 유인 데이터를 상기 건물을 구성하는 상기 셀에 부여하고, 상기 속성 데이터는 가정 기반 또는 비가정 기반으로 구성된 통행 목적별 수요 데이터를 기반으로 상기 셀에 부여되며, 상기 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가를 포함하고, 상기 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무를 포함할 수 있다.
상기 d) 단계는, 상기 생성된 기초 권역의 무게 중심 좌표를 계산하고, 상기 계산된 무게 중심 좌표를 포함하는 상기 셀을 상기 기초 권역의 중심셀로 추출하는 단계; 상기 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출하고, 상기 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 상기 최근접 정류장으로 지정하여 상기 기초 권역과 상기 최근접 정류장을 매칭하는 단계;및 상기 최근접 정류장이 매칭되지 않는 경우, 사용자 단말로 정류장 지정을 요청하여 상기 사용자 지정 정류장을 생성하며, 상기 기초 권역과 상기 사용자 지정 정류장을 매칭하는 단계;를 포함할 수 있다.
상기 e) 단계는, 상기 기초 권역의 중심셀의 일정 거리 내에 상기 가상 정류장을 생성하며, 상기 가상 정류장은 상기 셀의 공간 타입이 도로인 상기 셀에 생성될 수 있다.
상기 f) 단계는, 상기 기초 권역의 중심셀과 매칭된 상기 정류장 간의 거리가 미리 설정된 거리 이내이고, 상기 기초 권역의 중심셀간 거리는 미리 설정된 거리 이내인 경우 상기 기초 권역을 병합할 수 있다.
본 발명의 실시예에 따르면 공간 분석을 통해 임의의 크기로 셀을 형성하고, GIS 데이터를 기반으로 공간 분석을 수행하여 셀의 공간 타입을 지정할 수 있다. 여기서, 공간 분석을 통해 셀의 공간 타입을 지정함으로써 수요가 발생하는 공간 타입의 셀에 수요 데이터와 속성 데이터를 부여할 수 있으므로 수요 예측 지역의 공간적인 패턴을 형성할 수 있다.
또한, 본 발명의 실시예에 따르면, 셀에 부여된 속성 데이터를 기초로 유사한 속성 데이터를 가진 셀을 병합함으로써 기초 권역을 생성할 수 있다. 또한, 생성된 기초 권역의 무게 중심 좌표를 계산하고, 계산된 무게 중심 좌표를 중심셀로 변환할 수 있다. 여기서, 기초 권역의 중심셀을 기초로 일정 거리 내에 있는 후보 정류장을 추출하고, 추출된 후보 정류장 중 탐색 거리가 가장 짧은 것을 최근접 정류장으로 지정함으로써 매칭할 수 있다. 즉, 셀에 속성 데이터를 부여하여 공간 패턴을 형성함으로써 자동으로 최단거리에 위치한 최근접 정류장을 선정하여 매칭하는 것이 가능하다.
또한, 본 발명의 실시예에 따르면, 정류장 매칭 시 수계나 도로 차선수가 2차선 초과인 경우 이동이 불가한 것으로 판단하여 정류장 매칭에서 제외할 수 있다. 따라서, 사용자의 위치에 적합한 정류장을 매칭함으로써 서비스 만족도를 향상시킬 수 있다.
또한, 본 발명의 실시예에 따르면, 기초 권역이 최근접 정류장과 매칭이 되지 않는 경우, 사용자 단말로 정류장 지정을 요청하거나 가상 정류장을 자동으로 생성할 수 있다. 즉, 기존의 정류장을 이용이 불가능한 지역이거나 교통 취약 지점인 경우 가상 정류장을 실시간으로 생성함으로써 사용자가 직접 지정된 정류장에 방문할 시 발생하는 시간과 비용을 효과적으로 감축시킬 수 있다.
또한, 본 발명의 실시예에 따르면, 동일한 정류장과 매칭된 기초 권역을 병합함으로써 탑승 권역을 생성할 수 있다. 또한, 탑승 권역을 구성하는 기초 권역의 셀에 대한 수요 데이터를 병합하여 탑승 권역의 수요 데이터를 예측할 수 있다. 즉, 시군구 단위의 데이터를 기초로 법정동 단위인 탑승 권역의 수요 예측 데이터를 산출할 수 있다. 따라서, 충분한 양의 데이터를 이용하여 보다 정확하게 수요 예측 데이터를 계산하는 것이 가능하므로 DRT 운행 차량 수, 배차 간격을 배정함으로써 사용자들의 편의성을 향상시킬 수 있다.
도1은 본 발명의 실시예에 따른 수요 예측 시스템의 구성을 도시하는 도면이다.
도 2는 본 발명의 실시예에 따른 수요 예측 시스템의 기초 권역을 생성하는 세부 구성을 도시하는 도면이다.
도3은 본 발명의 실시예에 따른 공간 정보 분석부가 셀을 생성하여 수요 데이터를 부여하는 것을 도시하는 도면이다.
도4는 본 발명의 실시예에 따른 수요 예측 시스템이 탑승 권역을 생성하는 것을 도시하는 도면이다.
도5는 본 발명의 실시예에 따른 기초 권역의 중심셀을 추출하는 것을 도시하는 도면이다.
도6은 본 발명의 실시예에 따른 기초 권역의 중심셀을 기초로하여 정류장을 매칭하는 것을 도시하는 도면이다.
도7은 본 발명의 실시예에 따른 기초 권역의 중심셀을 기초로하여 탑승 권역을 생성하는 것을 도시하는 도면이다.
도8은 본 발명의 실시예에 따른 수요 예측 데이터를 생성하는 방법을 도시하는 도면이다.
도9는 본 발명의 실시예에 따른 기초 권역과 정류장을 매칭하여 탑승 권역을 생성하는 방법을 도시하는 도면이다.
도10은 본 발명의 실시예에 따른 사용자 단말에 표시된 가상 정류장 생성 및 사용자 지정 정류장 생성의 예시를 도시하는 도면이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 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.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도1은 본 발명의 실시예에 따른 수요 예측 시스템의 구성을 도시하는 도면이다.
도1에 도시된 바와 같이, 수요 예측 시스템(100)은 수요 예측 지역 선정부(110), 수요 예측 지역 기초 데이터 생성부(120), 공간 정보 분석부(130), 기초 권역 생성부(140), 정류장 매칭부(150), 가상 정류장 생성부(160), 탑승 권역 생성부(170) 및 수요 예측부(180)를 포함할 수 있다.
수요 예측 지역 선정부(110)는 사용자 단말(미도시)로부터 수요를 예측할 필요가 있는 지역의 요청을 수신할 수 있다. 수요 예측 지역 선정부(110)는 수신한 요청을 기반으로 수요 예측 지역을 선정할 수 있다. 여기서, 수요 예측 지역은 시군구 단위로 선정될 수 있다.
수요 예측 지역 기초 데이터 생성부(120)는 선정된 수요 예측 지역의 기초 데이터를 산출하여 생성할 수 있다. 수요 예측 지역 기초 데이터 생성부(120)는 공간 정보 DB(200)로부터 수요 예측 지역의 공간 정보 데이터를 수신할 수 있다. 일 예로, 공간 정보 데이터는 생활에 필요한 지리 정보를 컴퓨터 데이터로 변환하여 활용할 수 있는 GIS(Geographic Information System) 정보를 포함할 수 있다. 수요 예측 지역 기초 데이터 생성부(110)는 공간 정보 데이터에서 Shape 파일(*.shp) 및 CSV 파일(*.csv) 기반의 도로, 수계, 건물, 법정동 경계 및 버스 정류장 데이터를 활용할 수 있다.
또한, 수요 예측 지역 기초 데이터 생성부(120)는 사회 경제 지표 DB(300)로부터 수요 예측 지역의 사회 경제 지표 데이터를 수신할 수 있다. 일 예로, 사회 경제 지표 데이터는 시군구 단위의 취업자수, 고용자수, 거주 학생수, 수용 학생수 및 가구수 등을 포함할 수 있다. 즉, 사회 경제 지표 데이터는 총 발생/유인 데이터를 포함할 수 있다. 여기서, 발생 데이터는 정류장 기준 차량 승차 데이터이며, 유인 데이터는 정류장 기준 차량 하차 데이터이다.
또한, 수요 예측 지역 기초 데이터 생성부(120)는 주요 이동 수단 출발지/목적지 DB(400)로부터 주요 이동 수단 출발지/목적지 데이터를 수신할 수 있다. 일 예로, 주요 이동 수단 출발지/목적지 데이터는 교통 기초 통계를 종합 표준적으로 조사 분석한 국가 교통 데이터 베이스(KTDB, Korea Transport Data Base)를 기반으로 할 수 있다. 주요 이동 수단 출발지/목적지 데이터는 교통 카드와 같은 정보를 이용하여 이동 수단에 대한 시군구 단위의 출발지/목적지 데이터를 포함할 수 있다. 여기서, 이동 수단은 승용차, 버스, 일반 철도/지하철, 고속 철도, 항공 및 해운 등으로 구분될 수 있다.
수요 예측 지역 기초 데이터 생성부(120)는 수신한 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/도착지 데이터를 이용하여 수요 예측 지역 기초 데이터를 산출할 수 있다. 일 예로, 수요 예측 지역 기초 데이터 생성부(120)는 법정동 코드와 행정 코드를 매칭함으로써 데이터를 병합하여 수요 예측 지역의 기초 데이터를 생성할 수 있다. 또한, 수요 예측 지역 기초 데이터 생성부(120)는 수요 예측 지역의 기초 데이터를 생성함으로써 통행 목적별 수요 DB(500)를 구축할 수 있다. 여기서, 통행 목적별 수요 DB(500)는 통행 목적별 수요 속성 데이터를 포함할 수 있다. 통행 목적별 수요 속성 데이터는 가정 기반 또는 비가정 기반으로 구성될 수 있다. 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가 등을 포함할 수 있다. 또한, 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무 등을 포함할 수 있다.
공간 정보 분석부(130)는 수요 예측 지역의 공간 분석을 통해 셀을 생성할 수 있다. 여기서, 셀은 임의의 크기로 구성된 격자 형태의 최소 단위 공간을 의미한다. 공간 정보 분석부(130)는 공간 정보 데이터의 각 형상에 대한 공간 분석을 수행하여 셀의 공간 타입을 지정할 수 있다. 일 예로, 공간 타입은 도로, 수계 및 건물 등을 포함할 수 있다. 여기서, 공간 정보 분석부(130)는 하나의 셀에 한 개의 공간 타입을 지정할 수 있다. 공간 정보 분석부(130)는 하나의 셀에 여러 개의 공간 타입이 지정된 경우, 미리 지정된 우선 순위에 따라 처리할 수 있다.
또한, 공간 정보 분석부(130)는 공간 타입이 건물인 경우, 건물을 구성하는 각 셀에 수요 데이터를 부여할 수 있다. 일 예로, 수요 데이터는 해당 건물의 총 발생 데이터 및 유인 데이터를 기초로 계산될 수 있다. 또한, 공간 정보 분석부(130)는 계산된 건물의 총 발생 데이터 및 유인 데이터를 건물을 구성하는 각 셀에 분배할 수 있다.
뿐만 아니라, 공간 정보 분석부(130)는 공간 타입이 건물인 경우, 해당 셀에 속성을 부여할 수 있다. 일 예로, 공간 정보 분석부(130) 통행 목적별 수요 DB(500)로부터 통행 목적별 수요 속성 데이터를 수신하여 부여할 수 있다.
한편, 기초 권역 생성부(140)는 셀을 공간 타입을 기초로 병합함으로써 기초 권역을 생성할 수 있다. 일 예로, 기초 권역 생성부(140)는 임의의 셀에 대한 주변 셀을 확인하여 유사한 공간 타입을 셀을 병합할 수 있다. 이 때, 기초 권역 생성부(140)는 공간 타입이 건물인 셀만 병합할 수 있다. 즉, 기초 권역 생성부(140)는 수요 데이터가 부여되지 않는 도로 및 수계를 셀 병합에서 제외할 수 있다.
정류장 매칭부(150)는 생성된 기초 권역과 정류장을 매칭할 수 있다. 일 예로, 정류장 매칭부(150)는 기초 권역의 중심셀을 추출할 수 있다. 정류장 매칭부(150)는 기초 권역의 무게 중심 좌표를 계산할 수 있다. 또한, 정류장 매칭부(150)는 계산된 무게 중심 좌표를 기초 권역의 중심셀로 변환할 수 있다. 정류장 매칭부(150)는 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출할 수 있다. 정류장 매칭부(150)는 추출된 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 최근접 정류장으로 지정할 수 있다. 단, 정류장 매칭부(150)는 수요 데이터가 부여되지 않는 기초 권역인 경우 정류장 매칭을 수행하지 않을 수 있다.
한편, 정류장 매칭부(150)는 일정 거리에 있는 후보 정류장이 추출되지 않는 경우, 사용자 단말(미도시)로 정류장 지정 또는 가상 정류장 생성을 요청할 수 있다. 일 예로, 정류장 매칭부(150)는 사용자 단말로부터 정류장 지정 요청에 대한 응답을 수신할 시, 기초 권역에서 탐색 거리가 짧은 상위 3개의 정류장 정보를 사용자 단말로 제공할 수 있다. 여기서, 정류장 매칭부(150)는 사용자 단말로부터 지정된 정류장을 수신함으로써, 해당 기초권역과 사용자 지정 정류장을 매칭할 수 있다.
또한, 가상 정류장 생성부(160) 사용자 단말로부터 가상 정류장 생성에 대한 응답을 수신할 시, 가상 정류장을 생성하여 기초 권역과 매칭할 수 있다. 일 예로, 가상 정류장 생성부(160)는 기초 권역 주변 셀 중에서 미리 설정된 거리 내에 위치한 도로 타입 셀에 가상 정류장을 생성하여 매칭할 수 있다.
탑승 권역 생성부(170)는 기초 권역을 병합함으로써 탑승 권역을 생성할 수 있다. 일 예로, 탑승 권역 생성부(170)는 미리 설정된 조건에 따라 동일한 정류장이 매칭된 기초 권역을 병합할 수 있다. 여기서, 탑승 권역 생성에 대한 미리 설정된 조건은 기초 권역의 중심셀과 매칭된 정류장 간의 거리가 임의의 거리 이내여야 한다는 것을 포함할 수 있다. 또한, 탑승 권역 생성에 대한 미리 설정된 조건은 각 기초 권역의 중심 셀간 거리는 임의의 거리 이내여야 한다는 것을 포함할 수 있다.
수요 예측부(180)는 탑승 권역별 수요를 예측할 수 있다. 수요 예측부(180)는 탑승 권역에 포함된 각 셀의 수요 데이터를 병합할 수 있다. 이로써, 수요 예측부(180)는 각 탑승 권역에 대한 수요 예측 데이터를 산출할 수 있다.
이로써, 수요 예측 시스템(100)은 시군구 단위로 수집된 데이터를 기반으로 동 단위의 수요 데이터를 예측할 수 있다. 또한, 수요 예측 시스템(100)은 정류장을 이용할 수 없을 시, 가상의 정류장을 생성하여 제공함으로써 효율적으로 DRT를 운영할 수 있다.
도 2는 본 발명의 실시예에 따른 수요 예측 시스템의 기초 권역을 생성하는 세부 구성을 도시하는 도면이다.
도2를 참조하면 수요 예측 지역 기초 데이터 생성부(120)는 공간 정보 DB(200), 사회 경제 지표 DB(300) 및 주요 이동 수단 출발지/목적지 DB(400)로부터 데이터를 수신할 수 있다. 일 예로, 수요 예측 지역 기초 데이터 생성부(120)는 공간 정보 DB(200)로부터 수요 예측 지역의 공간 정보 데이터를 수신할 수 있다. 공간 정보 데이터는 생활에 필요한 지리 정보를 컴퓨터 데이터로 변환하여 활용할 수 있는 Shape(Point/Polyline/Polygon) 기반의 GIS(Geographic Information System) 정보를 포함할 수 있다. 여기서, 수요 예측 지역 기초 데이터 생성부(120)는 공간 정보 데이터에서 도로, 수계, 건물, 법정동 경계 및 버스 정류장 데이터를 활용할 수 있다.
또한, 수요 예측 지역 기초 데이터 생성부(120)는 사회 경제 지표 DB(300)로부터 수요 예측 지역의 사회 경제 지표 데이터를 수신할 수 있다. 일 예로, 사회 경제 지표 데이터는 시군구 단위의 취업자수, 고용자수, 거주 학생수, 수용 학생수 및 가구수 등을 포함할 수 있다. 즉, 사회 경제 지표 데이터는 시군구 단위의 총 발생/유인 데이터를 포함할 수 있다. 여기서, 발생 데이터는 정류장 기준 차량 승차 데이터이며, 유인 데이터는 정류장 기준 차량 하차 데이터이다.
또한, 수요 예측 지역 치도 데이터 생성부(120)는 주요 이동 수단 출발지/목적지 DB(400)로부터 주요 이동 수단 출발지/목적지 데이터를 수신할 수 있다. 일 예로, 주요 이동 수단 출발지/목적지 데이터는 교통 기초 통계를 종합 표준적으로 조사 분석한 국가 교통 데이터 베이스(KTDB, Korea Transport Data Base)를 기반으로 할 수 있다. 주요 이동 수단 출발지/목적지 데이터는 교통 카드와 같은 정보를 이용하여 이동 수단에 대한 시군구 단위의 출발지/목적지 데이터를 포함할 수 있다.
수요 예측 지역 기초 데이터 생성부(120)는 수신한 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 이용하여 수요 예측 지역 기초 데이터를 산출할 수 있다. 일 예로, 수요 예측 지역 기초 데이터 생성부(120)는 식1 내지 식4를 이용하여 수요 예측 지역의 기초 데이터를 생성할 수 있다.
식1 :
식2 :
식3 :
식4 :
여기서, 는 시군구에 포함된 건물 연면적이며, 는 법정동에 포함된 건물 연면적이다. 또한, 는 시군구의 총 발생(prod)/유인(attr) 데이터이며, 는 법정동의 총 발생(prod)/유인(attr) 데이터이다. 즉, 수요 예측 지역 기초 데이터 생성부(120)는 시군구 단위에 포함된 건물 연면적과 법정동 단위에 포함된 건물 연면적을 계산하여, 계산된 비율을 기반으로 법정동 단위의 발생 데이터 및 유인 데이터를 산출할 수 있다. 여기서, 수요 예측 지역 기초 데이터 생성부(120)는 산출된 법정동 단위의 발생 데이터 및 유인 데이터를 수요 예측 지역의 기초 데이터로 정의할 수 있다.
또한, 수요 예측 지역 기초 데이터 생성부(120)는 생성된 수요 예측 지역의 기초 데이터를 기초로 통행 목적별 수요 DB(500)를 구축할 수 있다. 여기서, 통행 목적별 수요 DB(500)는 통행 목적별 수요 속성 데이터를 포함할 수 있다. 통행 목적별 수요 속성 데이터는 가정 기반 또는 비가정 기반으로 구성될 수 있다. 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가 등을 포함할 수 있다. 또한, 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무 등을 포함할 수 있다.
또한, 공간 정보 분석부(130)는 셀 생성부(131) 및 셀 수요 데이터 및 속성 부여부(132)를 포함할 수 있다. 셀 생성부(131)는 수요 예측 지역의 공간 분석을 통해 셀을 생성할 수 있다. 여기서, 셀은 임의의 크기로 구성된 격자 형태의 최소 단위 공간을 의미한다. 또한, 셀은 Decimal Coordinate및 Z-order Curve Algorithm을 이용하여 지리적인 요소가 포함된 아이디를 속성으로 가질 수 있다. 셀 생성부(131)는 아이디를 이용하여 해당 셀의 경위도 좌표를 획득할 수 있다.
또한, 셀 생성부(131)는 공간 정보 데이터의 각 형상에 대한 공간 분석을 수행하여 공간 타입을 지정할 수 있다. 일 예로, 공간 타입은 도로, 수계 및 건물 등을 포함할 수 있다. 여기서, 하나의 셀에는 한 개의 공간 타입이 지정될 수 있다. 일 예로, 셀 생성부(131)는 하나의 셀에 여러 개의 공간 타입이 지정된 경우, 미리 지정된 우선 순위에 따라 처리할 수 있다. 이 때, 우선 순위는 도로, 수계, 건물 순으로 지정될 수 있다.
한편, 셀 수요 데이터 및 속성 부여부(132)는 셀의 공간 타입에 따라 셀 수요 데이터 및 셀 속성을 부여할 수 있다. 일 예로, 셀 수요 데이터 및 속성 부여부(132)는 셀의 공간 타입이 건물인 경우, 해당 셀에 수요 데이터를 부여할 수 있다. 셀 수요 데이터 및 속성 부여부(132)는 해당 건물의 총 발생 데이터 및 유인 데이터를 기초로 수요 데이터를 계산할 수 있다. 수요 데이터는 건물의 총 발생 데이터 및 유인 데이터로 정의된다. 또한, 셀 수요 데이터 및 속성 부여부(132)는 계산된 건물의 총 발생 데이터 및 유인 데이터를 건물을 구성하는 각 셀에 분배할 수 있다. 여기서, 셀 수요 데이터 및 속성 부여부(132)는 식 5 내지 식6을 기초로 수요 데이터를 계산하여 각 셀별로 부여할 수 있다.
식 5 :
식 6 :
이때, 는 단일 건물의 연면?Ю見?, 는 동단위 건물의 총 면적이다. 또한, 는 동단위 발생 데이터이며, 는 동단위 유인 데이터이다. 식 5 내지 식6을 참조하면, 셀 수요 데이터 및 속성 부여부(132)는 단일 건물의 연면적을 동단위 건물의 총 면적으로 나눈 뒤 동 단위 수요 데이터를 곱함으로써 해당 건물의 수요 데이터를 산출할 수 있다. 또한, 셀 수요 데이터 및 속성 부여부(132)는 산출된 해당 건물의 수요 데이터를 건물을 구성하는 셀 개수로 나눔으로써 수요 데이터를 셀별로 분배할 수 있다.
그리고, 셀 수요 데이터 및 속성 부여부(132)는 셀에 속성을 부여할 수 있다. 일 예로, 셀 수요 데이터 및 속성 부여부(132)는 셀의 공간 타입이 건물인 경우, 해당 셀에 속성을 부여할 수 있다. 셀 수요 데이터 및 속성 부여부(132)는 통행 목적별 수요 DB(400)로부터 통행 목적별 수요 속성 데이터를 수신하여 부여할 수 있다.
기초 권역 생성부(140)는 셀에 부여된 속성을 기초로 셀을 병합함으로써 기초 권역을 생성할 수 있다. 일 예로, 기초 권역 생성부(140)는 임의의 셀에 대한 주변 셀을 확인하여 유사한 공간 타입을 가진 셀을 병합할 수 있다. 여기서, 기초 권역 생성부(140)는 건물 타입의 셀만 병합을 수행할 수 있다. 즉, 수요 데이터가 부여되지 않은 도로 및 수계는 셀 병합에서 제외될 수 있다.
도3은 본 발명의 실시예에 따른 공간 정보 분석부가 셀을 생성하여 수요 데이터를 부여하는 것을 도시하는 도면이다.
도3의 (a)에 도시된 바와 같이, 셀은 임의의 크기로 구성된 격자 형태의 단위 공간이다. 이 때, 수요 예측 시스템은 수요 예측 지역의 공간 분석을 수행함으로써 각 셀의 공간 타입을 지정할 수 있다. 일 예로, 수요 예측 시스템은 공간 정보 데이터를 활용하여 공간 분석을 수행할 수 있다. 공간 정보 데이터는 도로, 수계, 건물, 법정동 경계 및 버스 정류장 데이터를 포함할 수 있다.
또한, 수요 예측 시스템은 셀의 공간 타입이 건물일 시, 해당 셀에 수요 데이터를 계산하여 부여할 수 있다. 일 예로, 수요 데이터는 해당 건물의 총 발생 데이터 및 유인 데이터를 기초로 계산될 수 있다.
한편, 도3의 (b)에 도시된 바와 같이, 셀(t)은 건물, 도로 및 수계가 중첩된 것을 확인할 수 있다. 수요 예측 시스템은 하나의 셀에 한 개의 공간 타입을 지정할 수 있다. 수요 예측 시스템은 하나의 셀에 여러 개의 공간 타입이 지정된 경우, 미리 지정된 우선 순위에 따라 처리할 수 있다. 일 예로, 수요 예측 시스템은 도로, 수계 건물 순으로 우선 순위를 설정할 수 있다. 따라서, 셀(t)은 우선 순위에 따라 도로로 지정될 수 있다.
또한, 수요 예측 시스템은 셀의 공간 타입이 건물인 경우, 계산된 수요 데이터를 각 셀에 균등하게 분배할 수 있다. 일 예로, 건물 A의 수요 데이터는 12이고 건물 A를 구성하는 셀의 개수는 4이므로, 각 셀별로 3의 수요 데이터가 분배될 수 있다. 또한, 건물 B의 수요 데이터는 35이고 셀의 개수는 7개이므로, 각 셀별로 5의 수요 데이터가 분배될 수 있다.
이로써, 수요 예측 시스템은 공간 정보 데이터를 기반으로 셀에 공간 타입을 지정할 수 있다. 또한, 수요 예측 시스템은 사회 경제 지표 데이터를 이용하여 수요 데이터를 계산하고, 각 셀별로 계산된 수요 데이터를 부여할 수 있다. 즉, 수요 예측 시스템은 수요 예측 지역의 셀에 수요 데이터를 부여하고 미리 설정된 조건에 따라 병합함으로써 수요 데이터를 정확하게 예측할 수 있다.
도4는 본 발명의 실시예에 따른 수요 예측 시스템이 탑승 권역을 생성하는 것을 도시하는 도면이다.
기초 권역 생성부(140)는 셀을 공간 타입을 기초로 병합함으로써 기초 권역을 생성할 수 있다. 일 예로, 기초 권역 생성부(140)는 임의의 셀에 대한 주변 셀을 확인하여 유사한 공간 타입을 가진 셀을 병합할 수 있다. 여기서, 기초 권역 생성부(140)는 수요 데이터가 부여된 공간 타입이 건물인 셀만 병합할 수 있다. 즉, 기초 권역 생성부(140)는 수요 데이터가 부여되지 않은 공간 타입이 도로 및 수계인 셀은 병합에서 제외할 수 있다.
한편, 정류장 매칭부(150)는 기초 권역 중심셀 추출부(151), 최근접 정류장 매칭부(152) 및 사용자 지정 정류장 매칭부(153)를 포함할 수 있다.
기초 권역 중심셀 추출부(151)는 생성된 기초 권역의 무게 중심 좌표를 계산하여 중심셀을 추출할 수 있다. 일 예로, 기초 권역 중심셀 추출부(151)는 식7 내지 식9를 이용하여 무게 중심 좌표를 계산할 수 있다.
식7 :
식 8 :
식 9 :
여기서, 는 무게 중심 좌표의 x값이며, 는 무게 중심 좌표의 y값이다. 기초 권역 중심셀 추출부(151)는 계산된 무게 중심 좌표를 기초 권역의 중심셀로 변환할 수 있다.
최근접 정류장 매칭부(152)는 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출할 수 있다. 최근접 정류장 매칭부(152)는 추출된 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 최근접 정류장으로 지정할 수 있다. 또한, 최근접 정류장 매칭부(152)는 수요 데이터가 부여되지 않는 기초 권역인 경우 정류장 매칭을 수행하지 않을 수 있다.
한편, 사용자 지정 정류장 매칭부(153)는 일정 거리에 있는 후보 정류장이 추출되지 않는 경우, 사용자 단말(미도시)로 정류장 지정을 요청할 수 있다. 일 예로, 사용자 지정 정류장 매칭부(153)는 사용자 단말로부터 정류장 지정 요청에 대한 응답을 수신할 시, 기초 권역에서 탐색 거리가 짧은 상위 3개의 후보 정류장 정보를 사용자 단말로 송신할 수 있다. 또한, 사용자 지정 정류장 매칭부(153)는 사용자 단말로부터 지정된 정류장 정보를 수신하여 해당 정류장을 사용자 지정 정류장으로 지정할 수 있다. 사용자 지정 정류장 매칭부(153)는 사용자 지정 정류장과 기초 권역을 매칭할 수 있다.
가상 정류장 생성부(160)는 사용자 지정 정류장 매칭부(153)에서 사용자 단말로부터 정류장 지정 요청에 대한 응답을 수신하지 않을 시, 사용자 단말로 가상 정류장 생성 여부를 요청할 수 있다. 가상 정류장 생성부(160)는 사용자 단말로부터 가상 정류장 생성 요청에 대한 응답을 수신할 시, 중심셀 일정 거리 내에 가상 정류장을 생성하여 기초 권역과 매칭할 수 있다. 이 때, 가상 정류장 생성부(160)는 기초 권역 주변 셀 중에서 도로 타입 셀에 가상 정류장을 생성하여 매칭할 수 있다.
탑승 권역 생성부(170)는 기초 권역을 병합함으로써 탑승 권역을 생성할 수 있다. 일 예로, 탑승 권역 생성부(170)는 미리 설정된 조건에 따라 동일한 정류장이 매칭된 기초 권역을 병합할 수 있다. 여기서, 탑승 권역 생성부(170)는 기초 권역의 중심셀과 매칭된 정류장간의 거리 및 각 기초 권역 중심셀간의 거리를 조건으로 설정할 수 있다.
도5는 본 발명의 실시예에 따른 기초 권역의 중심셀을 추출하는 것을 도시하는 도면이다.
도5의 (a)에 도시된 바와 같이, 수요 예측 시스템은 셀에 부여된 속성을 기초로 셀을 병합함으로써 기초 권역(f)을 생성할 수 있다. 일 예로, 수요 예측 시스템은 이미지 프로세싱 기법 중 하나인 Image Pixel Connectivity Algorithm을 활용하여 셀을 병합할 수 있다. Image Pixel Connectivity Algorithm는 임의의 셀에 대한 주변 셀을 확인하여 유사한 통행 목적별 수요 속성 데이터를 가진 셀을 병합하는 것이다. 수요 예측 시스템은 4-neighbourhood 패턴으로 기초로 셀 병합을 진행할 수 있다. 여기서, 4-neighbourhood 패턴을 이용한 셀 병합은 임의의 셀을 기준으로 4개의 수평/수직으로 인접한 셀을 병합하는 것이다. 수요 예측 시스템은 4-neighbourhood 패턴을 기초로 유사한 셀 공간 타입을 가진 셀들을 병합할 수 있다. 또한, 수요 예측 시스템은 미리 설정된 조건을 기반으로 기초 권역(f)을 구성하는 셀의 통행 목적별 수요를 병합하여 기초 권역(f)에 부여할 수 있다.
또한, 도5의 (b)를 참조하면, 수요 예측 시스템은 기초 권역의 무게 중심 좌표(g)를 계산할 수 있다. 일 예로, 수요 예측 시스템은 다각형의 무게 중심 좌표 계산 공식인 식7 내지 식9를 이용하여 무게 중심 좌표(g)를 계산할 수 있다.
식7 :
식 8 :
식 9 :
여기서, 는 무게 중심 좌표의 x값이며, 는 무게 중심 좌표의 y값이다. 또한, 도5의 (c)에 도시된 바와 같이, 수요 예측 시스템은 무게 중심 좌표(g)가 포함된 셀을 중심셀(e)로 지정할 수 있다. 수요 예측 시스템은 추출한 기초 권역의 중심셀(e)을 기초로 정류장을 매칭하고 탑승 권역을 생성할 수 있다.
도6은 본 발명의 실시예에 따른 기초 권역의 중심셀을 기초로하여 정류장을 매칭하는 것을 도시하는 도면이다.
수요 예측 시스템은 기초 권역(f)의 중심셀(e)을 기초로 정류장을 매칭할 수 있다. 먼저, 수요 예측 시스템은 기초 권역(f)의 중심셀(e)을 이용하여 일정 거리에 있는 후보 정류장(s1, s2, s3)를 추출할 수 있다. 일 예로, 수요 예측 시스템은 후보 정류장(s1, s2, s3)를 추출하기 위하여 출발지에서 목적지까지 최단 경로를 찾기 위한 알고리즘인 A* Algorithm을 활용할 수 있다. 또한, 수요 예측 시스템은 기초 권역(f)의 중심셀(e)로부터 미리 설정된 거리 이내에 있는 정류장을 대상으로 A* Algorithm을 수행하여 후보 정류장(s1, s2, s3)을 추출할 수 있다. 도6에 도시된 f(x)는 비용이며, g(x)는 다음 노드 방향에 대한 비용이고, h(x)는 다음 노드에서 도착 노드까지의 비용이다. 여기서, f(x)는 g(x)와 g(x)의 합으로 계산될 수 있다.
또한, 수요 예측 시스템은 후보 정류장(s1, s2, s3)의 셀이 수계이거나 도로 차선수가 2차선 초과인 경우 이동이 불가한 것으로 판단할 수 있다. 즉, 수요 예측 시스템은 후보 정류장(s2, s3)을 정류장 매칭에서 제외하고, 후보 정류장(s1)을 최근접 정류장으로 지정할 수 있다.
도7은 본 발명의 실시예에 따른 기초 권역의 중심셀을 기초로하여 탑승 권역을 생성하는 것을 도시하는 도면이다.
수요 예측 시스템은 탑승 권역(z)을 생성하기 위하여 미리 설정된 조건에 따라 동일한 정류장(s)이 매칭된 기초 권역(f1, f2)를 병합할 수 있다.
도7의 (a)를 참조하면, 탑승 권역(z)을 생성하기 위한 미리 설정된 조건은 기초 권역의 중심셀(e1, e2)과 매칭된 정류장(s)간의 거리가 임의의 거리 이내여야 한다는 것을 포함할 수 있다. 또한, 탑승 권역(z)을 생성하기 위한 미리 설정된 조건은 기초 권역(f1)의 중심셀(e1)과 기초 권역(f2)의 중심셀(e2)간의 거리는 임의의 거리 이내여야 한다는 것을 포함할 수 있다.
여기서, 도7의 (b)에 도시된 바와 같이, 수요 예측 시스템은 미리 설정된 조건이 충족될 시, 동일한 정류장(z)을 포함하는 기초 권역(f1)과 기초 권역(f2)을 병합하여 탑승 권역(z)을 생성할 수 있다. 또한, 수요 예측 시스템은 탑승 권역(z)을 포함하는 각 셀의 수요 데이터를 병합함으로써 탑승 권역(z)에 대한 수요 데이터를 산출할 수 있다
도8은 본 발명의 실시예에 따른 수요 예측 데이터를 생성하는 방법을 도시하는 도면이다.
단계(S110)에서, 수요 예측 시스템은 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 공공DB로부터 수신할 수 있다. 일 예로, 공간 정보 데이터는 생활에 필요한 지리 정보를 컴퓨터 데이터로 변환하여 활용할 수 있는 GIS(Geographic Information System) 정보를 포함할 수 있다. 또한, 사회 경제 지표 데이터는 시군구 단위의 취업자수, 고용자수, 거주 학생수, 수용 학생수 및 가구수 등을 포함할 수 있다. 사회 경제 지표 데이터는 총 발생/유인 데이터를 포함할 수 있다. 여기서, 발생 데이터는 정류장 기준 차량 승차 데이터이며, 유인 데이터는 정류장 기준 차량 하차 데이터이다.
또한, 주요 이동 수단 출발지/목적지 데이터는 교통 기초 통계를 종합 표준적으로 조사 분석한 국가 교통 데이터 베이스(KTDB, Korea Transport Data Base)를 기반으로 할 수 있다. 주요 이동 수단 출발지/목적지 데이터는 교통 카드와 같은 정보를 이용하여 이동 수단에 대한 시군구 단위의 출발지/목적지 데이터를 포함할 수 있다. 여기서, 이동 수단은 승용차, 버스, 일반 철도/지하철, 고속 철도, 항공 및 해운 등으로 구분될 수 있다.
단계(S120)에서, 수요 예측 시스템은 수요 예측 지역을 선정할 수 있다. 수요 예측 시스템은 사용자 단말로부터 수요를 예측할 필요가 있는 것으로 판단된 지역을 수신할 수 있다. 수요 예측 시스템은 사용자 단말로부터 수신한 지역을 수요 예측 지역으로 선정할 수 있다. 여기서, 수요 예측 지역은 시군구 단위로 선정될 수 있다.
단계(S130)에서, 수요 예측 시스템은 수요 예측 지역의 기초 데이터를 생성할 수 있다. 수요 예측 시스템은 수신한 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터이용하여 수요 예측 지역의 기초 데이터를 계산할 수 있다. 일 예로, 수요 예측 시스템은 시군구 단위에 포함된 건물 연면적과 법정동 단위에 포함된 건물 연면적을 계산할 수 있다. 또한, 수요 예측 시스템은 계산된 비율을 기반으로 법정동 단위의 발생 데이터 및 유인 데이터를 산출할 수 있다. 여기서, 수요 예측 시스템은 산출된 법정동 단위의 발생 데이터 및 유인 데이터를 수요 예측 지역의 기초 데이터로 정의할 수 있다.
또한, 수요 예측 시스템은 생성된 수요 예측 지역의 기초 데이터를 기반으로 통행 목적별 수요 속성 DB를 구축할 수 있다. 여기서, 통행 목적별 수요 속성 데이터는 가정 기반 또는 비가정 기반으로 구성될 수 있다. 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가 등을 포함할 수 있다. 또한, 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무 등을 포함할 수 있다.
단계(S140)에서, 수요 예측 시스템은 수요 예측 지역의 공간 분석을 통해 셀을 생성할 수 있다. 셀은 임의의 크기로 구성된 격자 형태의 최소 단위 공간을 의미한다. 또한, 수요 예측 시스템은 공간 정보 데이터의 각 형상에 대한 공간 분석을 수행하여 셀에 공간 타입을 지정할 수 있다. 일 예로, 공간 타입은 도로, 수계 및 건물 등을 포함할 수 있다. 여기서, 하나의 셀에는 한 개의 공간 타입이 지정될 수 있다. 일 예로, 수요 예측 시스템은 하나의 셀에 여러 개의 공간 타입이 지정된 경우, 미리 지정된 우선 순위에 따라 처리할 수 있다. 이 때, 우선 순위는 도로, 수계, 건물 순으로 지정될 수 있다.
또한, 수요 예측 시스템은 셀의 공간 타입에 따라 셀 수요 데이터 및 셀 속성을 부여할 수 있다. 수요 예측 시스템은 셀의 공간 타입이 건물일 시, 해당 셀에 수요 데이터를 부여할 수 있다. 수요 예측 시스템은 해당 건물의 총 발생 데이터 및 유인 데이터를 기초로 수요 데이터를 계산할 수 있다. 수요 예측 시스템은 계산된 건물의 총 발생 데이터 및 유인 데이터를 건물을 구성하는 각 셀에 분배할 수 있다. 일 예로, 수요 예측 시스템은 단일 건물의 연면적을 동단위 건물의 총 면적으로 나눈 뒤, 동 단위 수요 데이터를 곱함으로써 해당 건물의 수요 데이터를 산출할 수 있다. 또한, 수요 예측 시스템은 산출된 해당 건물의 수요 데이터를 건물을 구성하는 셀 개수로 나눔으로써 수요 데이터를 셀별로 분배할 수 있다.
또한, 수요 예측 시스템은 셀에 속성을 부여할 수 있다. 일 예로, 수요 예측 시스템은 셀의 공간 타입이 건물인 경우, 해당 셀에 속성을 부여할 수 있다. 셀의 속성은 통행 목적별 수요 속성 데이터를 기반으로 부여될 수 있다.
단계(S150)에서, 수요 예측 시스템은 셀에 부여된 속성을 기초로 셀을 병합함으로써 기초 권역을 생성할 수 있다. 일 예로, 수요 예측 시스템은 임의의 셀에 대한 주변 셀을 확인하여 유사한 셀 공간 타입을가진 셀을 병합할 수 있다. 여기서, 수요 예측 시스템은 건물 타입의 셀만 병합을 수행할 수 있다. 즉, 수요 데이터가 부여되지 않은 도로 및 수계는 셀 병합에서 제외될 수 있다. 이 때, 수요 예측 시스템은 이미지 프로세싱 기법 중 하나인 Image Pixel Connectivity Algorithm을 활용하여 셀을 병합할 수 있다. 보다 구체적으로 수요 예측 시스템은 4-neighbourhood 패턴을 이용하여 임의의 셀을 기준으로 4개의 수평/수직으로 인접한 셀을 병합할 수 있다. 또한, 수요 예측 시스템은 미리 설정된 조건을 기반으로 기초 권역을 구성하는 셀의 통행 목적별 수요를기초 권역에 부여할 수 있다.
단계(S160)에서, 수요 예측 시스템은 생성된 기초 권역과 정류장을 매칭할 수 있다. 수요 예측 시스템은 기초 권역의 무게 중심 좌표를 계산하여 중심셀을 추출할 수 있다. 일 예로, 수요 예측 시스템은 다각형 무게 중심 좌표 공식을 이용할 수 있다. 또한, 수요 예측 시스템은 계산된 무게 중심 좌표가 포함된 셀을 중심셀로 지정할 수 있다.
또한, 수요 예측 시스템은 기초 권역의 중심셀에서 일정 거리에 있는 후보 정류장을 추출할 수 있다. 수요 예측 시스템은 추출된 후보 정류장 중 탐색 거리가 가장 짧은 정류장을 최근접 정류장으로 지정할 수 있다. 여기서, 수요 예측 시스템은 최근접 정류장을 기초 권역과 매칭할 수 있다. 또한, 수요 예측 시스템은 수요 데이터가 부여되지 않는 기초 권역인 경우 정류장 매칭을 수행하지 않을 수 있다.
한편, 수요 예측 시스템은 후보 정류장이 추출되지 않는 경우, 사용자 단말로 정류장 지정을 요청할 수 있다. 수요 예측 시스템은 사용자 단말로부터 지정된 정류장 정보를 수신할 시, 해당 정류장을 사용자 지정 정류장으로 지정할 수 있다. 또한, 수요 예측 시스템은 사용자 지정 정류장을 기초 권역과 매칭할 수 있다.
단계(S170)에서, 수요 예측 시스템은 가상 정류장을 생성할 수 있다. 일 예로, 단계(S160)에서 수요 예측 시스템이 사용자 단말로부터 지정된 정류장 정보를 수신하지 않는 경우, 단계(S170)에서 수요 예측 시스템은 사용자 단말로 가상 정류장 생성을 요청할 수 있다. 수요 예측 시스템은 사용자 단말로부터 가상 정류장 생성 요청에 대한 응답을 수신할 시, 기초 권역의 중심셀 일정 거리 내에 가상 정류장을 생성하여 기초 권역과 매칭할 수 있다. 여기서, 수요 예측 시스템은 기초 권역 주변 셀 중에서 도로 타입 셀에 가상 정류장을 생성하여 매칭할 수 있다.
단계(S180)에서, 수요 예측 시스템은 탑승 권역을 생성할 수 있다. 수요 예측 시스템은 미리 설정된 조건에 다라 동일한 정류장이 매칭된 기초 권역을 병합할 수 있다. 여기서, 탑승 권역 생성에 대한 미리 설정된 조건은 기초 권역의 중심셀과 매칭된 정류장 간의 거리가 임의의 거리 이내여야 한다는 것을 포함할 수 있다. 또한, 탑승 권역 생성에 대한 미리 설정된 조건은 각 기초 권역의 중심 셀간 거리는 임의의 거리 이내여야 한다는 것을 포함할 수 있다.
단계(S190)에서, 수요 예측 시스템은 탑승 권역별 수요를 예측할 수 있다. 수요 예측 시스템은 탑승 권역을 구성하는 기초 권역의 각 셀에 대한 수요 데이터를 병합할 수 있다. 즉, 수요 예측 시스템은 시군구 단위로 수집된 데이터를 기반으로 동단위의 수요 데이터를 예측하는 것이 가능하다.
도9는 본 발명의 실시예에 따른 기초 권역과 정류장을 매칭하여 탑승 권역을 생성하는 방법을 도시하는 도면이다.
단계(S161)에서, 수요 예측 시스템은 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출할 수 있다. 수요 예측 시스템은 추출된 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 최근접 정류장으로 지정할 수 있다. 또한, 수요 예측 시스템은 수요 데이터가 부여되지 않는 기초 권역인 경우 정류장 매칭을 수행하지 않을 수 있다.
단계(S162)에서, 수요 예측 시스템은 기초 권역과 최근접 정류장 매칭 여부를 판단할 수 있다. 수요 예측 시스템은 기초 권역과 최근접 정류장이 매칭된 것으로 판단될 시, 기초 권역과 최근접 정류장을 기반으로 탑승 권역을 생성(S170)할 수 있다.
한편, 단계(S163)에서, 수요 예측 시스템은 기초 권역과 최근접 정류장이 매칭되지 않은 것으로 판단될 시, 사용자 단말로 사용자 지정 정류장 지정 여부를 요청할 수 있다. 또한, 수요 예측 시스템은 사용자 단말로부터 사용자 지정 정류장 지정 요청에 대한 응답을 수신하여, 사용자 지정 정류장 매칭 여부를 판단할 수 있다.
단계(S164)에서, 수요 예측 시스템은 사용자 지정 정류장에 대한 정보를 수신한 것으로 판단될 시, 해당 사용자 지정 정류장과 기초 권역을 매칭할 수 있다. 일 예로, 수요 예측 시스템은 사용자 단말로 기초 권역에서 탐색 거리가 짧은 상위 3개의 정류장 정보를 사용자 단말로 송신할 수 있다. 또한, 수요 예측 시스템은 사용자 단말로부터 송신한 정류장 정보 중 선택된 정류장 정보를 수신하여 해당 정류장을 기초 권역과 매칭할 수 있다.
단계(S170)에서, 수요 예측 시스템은 사용자 단말로부터 지정 정류장에 대한 정보를 수신하지 않은 것으로 판단될 시, 가상 정류장을 생성할 수 있다. 일 예로, 수요 예측 시스템은 사용자 단말로 가상 정류장 생성 여부를 요청할 수 있다. 수요 예측 시스템은 사용자 단말로부터 가상 정류장 생성 요청을 수신할 시, 기초 권역의 중심셀 일정 거리 내에 가상 정류장을 생성할 수 있다. 여기서, 수요 예측 시스템은 기초 권역 주변 셀 중에서 도로 타입 셀에 가상 정류장을 생성하여 매칭할 수 있다. 이로써, 수요 예측 시스템은 정류장을 이용할 수 없을 시, 가상의 정류장을 생성하여 제공함으로써 효율적으로 DRT를 운영할 수 있다.
단계(S180)에서, 수요 예측 시스템은 기초 권역과 매칭된 정류장을 기반으로 탑승 권역을 생성할 수 있다. 수요 예측 시스템은 미리 설정된 조건에 따라 동일한 정류장이 매칭된 기초 권역을 병합함으로써 탑승 권역을 생성할 수 있다.
도10은 본 발명의 실시예에 따른 사용자 단말에 표시된 가상 정류장 생성 및 사용자 지정 정류장 생성의 예시를 도시하는 도면이다.
도10의 (a)에 도시된 바와 같이, 사용자 단말에 가상 정류장 생성 여부에 대한 요청이 표시될 수 있다. 수요 예측 시스템은 '정류장 생성'이 클릭될 시, 해당 기초 권역 주변 셀 중에서 도로 타입 셀에 가상 정류장을 생성할 수 있다.
또한, 수요 예측 시스템은 사용자 지정 정류장를 생성하는 것으로 판단될 시, 기초 권역에서 탐색 거리가 짧은 상위 3개의 후보 정류장 정보를 사용자 단말로 송신할 수 있다. 도10의 (b)에 도시된 바와 같이, 사용자 단말에 후보 정류장(s1, s2, s3)이 표시될 수 있다. 여기서, 사용자 단말은 각 후보 정류장(s1, s2, s3)과 사용자 위치 정보간의 거리 정보가 표시될 수 있다. 수요 예측 시스템은 사용자 단말로부터 선택된 후보 정류장(s1)을 사용자 지정 정류장으로 지정할 수 있다.
이와 같이, 수요 예측 시스템은 기초 권역과 최근접 정류장을 매칭할 수 없는 경우, 가상 정류장을 생성하거나 사용자 지정 정류장을 생성함으로써 기존 정류장을 이용할 수 없는 지역에서도 DRT 서비스를 제공하는 것이 가능하다.
도11은 본 발명의 실시예에 따른 탑승 권역별 수요 예측 데이터를 도시하는 도면이다.
수요 예측 시스템은 미리 설정된 조건에 따라 동일한 정류장이 매칭된 기초 권역을 병합하여 탑승 권역을 생성할 수 있다. 또한, 도11를 참조하면, 수요 예측 시스템은 생성된 탑승 권역별로 수요 예측 데이터를 제공할 수 있다. 일 예로, 수요 예측 시스템은 탑승 권역에 포함된 기초 권역의 각 셀에 대한 수요 데이터를 병합할 수 있다. 이로써, 수요 예측 시스템은 탑승 권역에 대한 수요 예측 데이터를 산출하는 것이 가능하다. 수요 예측 데이터는 셀의 수요 데이터를 탑승 권역의 건물의 총 발생 데이터 및 유인 데이터로 정의된다. 또한, 수요 예측 데이터는 각 셀에 부여된 통행 목적별 수요 속성 데이터를 병합함으로써 각 통행 목적별 수요 속성에 대한 수요 예측 데이터를 산출할 수 있다. 통행 목적별 수요 속성 데이터는 가정 기반 또는 비가정 기반으로 구성될 수 있다. 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가 등을 포함할 수 있다. 또한, 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무 등을 포함할 수 있다. 이 때, 수요 예측 시스템은 건물 타입의 셀만 병합을 수행하여 탑승 권역을 생성할 수 있다. 즉, 수요 데이터가 부여되지 않는 도로 및 수계는 탑승 권역 생성을 위한 셀 병합에서 제외될 수 있다.
따라서, 수요 예측 시스템은 충분한 양의 시군구 단위의 데이터를 기반으로 동단위의 수요 데이터를 예측하는 것이 가능하다. 이로써, 수요 예측 시스템은 보다 정확한 수요 예측 데이터를 계산하여 제공함으로써 투입될 DRT 운행 차량 수 및 운행 스케줄 등을 효율적으로 관리할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변경이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변경된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 수요 예측 시스템
110 : 수요 예측 지역 선정부
120 : 수요 예측 지역 기초 데이터 생성부
130 : 공간 정보 분석부
140 : 기초 권역 생성부
150 : 정류장 매칭부
160 : 가상 정류장 생성부
170 : 탑승 권역 생성부
180 : 수요 예측부

Claims (16)

  1. 수요 예측 지역의 공간 정보 데이터, 사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 기초로 기초 데이터를 생성하고,통행 목적별 수요 속성 데이터를 구축하는 수요 예측 지역 기초 데이터 생성부;
    상기 수요 예측 지역의 공간 분석을 통해 셀을 생성하여 공간 타입을 지정하고, 상기 셀에 수요 데이터 및 속성 데이터를 부여하는 공간 정보 분석부;
    유사한 상기 공간 타입을 가지는 상기 셀을 병합하고, 수요 데이터가 부여되지 않은 공간 타입은 셀 병합에서 제외함으로써 기초 권역을 생성하는 기초 권역 생성부;
    상기 생성된 기초 권역의 무게 중심 좌표를 계산함으로써 중심셀을 추출하여, 상기 중심셀과 최근접 정류장을 매칭하거나 사용자 지정 정류장을 지정하여 매칭하는 정류장 매칭부;
    상기 기초 권역과 상기 최근접 정류장 및 상기 사용자 지정 정류장이 매칭되지 않는 경우, 가상 정류장을 생성하여 상기 기초 권역의 중심셀과 매칭하는 가상 정류장 생성부;
    미리 설정된 조건에 따라 상기 기초 권역을 병합함으로써 탑승 권역을 생성하는 탑승 권역 생성부;및
    상기 탑승 권역을 구성하는 상기 기초 권역의 상기 셀에 대한 상기 수요 데이터를 병합하여 상기 탑승 권역의 수요 데이터를 예측하는 수요 예측부;
    를 포함하고,
    상기 탑승 권역 생성부는 상기 기초 권역의 중심셀과 매칭된 상기 정류장 간의 거리가 미리 설정된 거리 이내이고, 상기 기초 권역의 중심셀간 거리는 미리 설정된 거리 이내인 경우 상기 기초 권역을 병합하는 것인 수요 예측 시스템.
  2. 제1항에 있어서,
    상기 공간 정보 데이터는 Shape(Point/Polyline/Polygon) 기반의 GIS(Geographic Information System) 정보로 도로, 수계, 건물, 법정동 경계 및 버스 정류장 데이터를 포함하며,
    상기 사회 경제 지표 데이터는 시군구 단위의 취업자수, 고용자수, 거주 학생수, 수용 학생수 및 가구수와 같은 발생 데이터 및 유인 데이터를 포함하며,
    상기 발생 데이터는 정류장 기준 차량 승차 데이터이고, 상기 유인 데이터는 상기 정류장 기준 차량 하차 데이터인 것인 수요 예측 시스템.
  3. 제2항에 있어서,
    상기 수요 예측 지역 기초 데이터 생성부는 상기 공간 정보 데이터 및 상기 사회 경제 지표 데이터를 기초로 상기 시군구 단위에 포함된 건물 연면적과 법정동 단위에 포함된 건물 연면적을 계산하고,
    상기 계산된 시군구 단위에 포함된 건물 연면적과 상기 법정동 단위에 포함된 건물 연면적의 비율을 기반으로 법정동 단위의 발생 데이터 및 유인 데이터를 산출하며,
    상기 계산된 법정동 단위의 상기 발생 데이터 및 상기 유인 데이터는 상기 수요 예측 지역의 기초 데이터인 것인 수요 예측 시스템.
  4. 제1항에 있어서,
    상기 공간 정보 분석부는
    상기 수요 예측 지역의 공간 분석을 통해 임의의 크기로 구성된 격자 형태의 최소 단위 공간인 상기 셀을 생성하고, 상기 생성된 셀에 도로, 수계 및 건물을 포함하는 상기 공간 타입을 지정하며, 상기 셀에 여러 개의 상기 공간 타입이 지정된 경우, 도로, 수계, 건물 순으로 우선 순위을 부여하여 지정하는 셀 생성부; 및
    상기 셀의 공간 타입이 상기 건물인 경우, 상기 셀에 상기 수요 데이터 및 상기 속성 데이터를 부여하는 셀 수요 데이터 및 속성 부여부를 포함하는 것인 수요 예측 시스템.
  5. 제4항에 있어서,
    상기 수요 데이터는 상기 건물의 발생 데이터 및 유인 데이터를 기초로 계산되며, 상기 계산된 상기 건물의 상기 발생 데이터 및 상기 유인 데이터를 상기 건물을 구성하는 상기 셀에 부여하고,
    상기 속성 데이터는 가정 기반 또는 비가정 기반으로 구성된 통행 목적별 수요 데이터를 기반으로 상기 셀에 부여되며,
    상기 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가를 포함하고,
    상기 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무를 포함하는 것인 수요 예측 시스템.
  6. 제1항에 있어서,
    상기 정류장 매칭부는
    상기 생성된 기초 권역의 무게 중심 좌표를 계산하고, 상기 계산된 무게 중심 좌표를 포함하는 상기 셀을 상기 기초 권역의 중심셀로 추출하는 기초 권역 중심셀 추출부;
    상기 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출하고, 상기 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 상기 최근접 정류장으로 지정하여 상기 기초 권역과 상기 최근접 정류장을 매칭하는 최근접 정류장 매칭부;및
    상기 최근접 정류장이 매칭되지 않는 경우, 사용자 단말로 정류장 지정을 요청하여 상기 사용자 지정 정류장을 생성하며, 상기 기초 권역과 상기 사용자 지정 정류장을 매칭하는 사용자 지정 정류장 매칭부;를 포함하는 것인 수요 예측 시스템.
  7. 제1항에 있어서,
    상기 가상 정류장 생성부는
    상기 기초 권역의 중심셀의 일정 거리 내에 상기 가상 정류장을 생성하며,
    상기 가상 정류장은 상기 셀의 공간 타입이 도로인 상기 셀에 생성되는 것인 수요 예측 시스템.
  8. 삭제
  9. 공간 정보를 이용하는 수요 예측 시스템의 수요 예측 방법에 있어서
    a) 수요 예측 시스템이 수요 예측 지역의 공간 정보 데이터,사회 경제 지표 데이터 및 주요 이동 수단 출발지/목적지 데이터를 기초로 기초 데이터를 생성하고, 통행 목적별 수요 속성 데이터를 구축하는 단계;
    b) 상기 수요 예측 시스템이 상기 수요 예측 지역의 공간 분석을 통해 셀을 생성하여 공간 타입을 지정하고, 상기 셀에 수요 데이터 및 속성 데이터를 부여하는 단계;
    c) 상기 수요 예측 시스템이 유사한 상기 공간 타입을 가지는 상기 셀을 병합하고, 수요 데이터가 부여되지 않은 공간 타입은 셀 병합에서 제외함으로써 기초 권역을 생성하는 단계;
    d) 상기 수요 예측 시스템이 상기 생성된 기초 권역의 무게 중심 좌표를 계산함으로써 중심셀을 추출하여, 상기 중심셀과 최근접 정류장을 매칭하거나 사용자 지정 정류장을 지정하여 매칭하는 단계;
    e) 상기 수요 예측 시스템이 상기 기초 권역과 상기 최근접 정류장 및 상기 사용자 지정 정류장이 매칭되지 않는 경우, 가상 정류장을 생성하여 상기 기초 권역의 중심셀과 매칭하는 단계;
    f) 상기 수요 예측 시스템이 미리 설정된 조건에 따라 상기 기초 권역을 병합함으로써 탑승 권역을 생성하는 단계;및
    g) 상기 수요 예측 시스템이 상기 탑승 권역을 구성하는 상기 기초 권역의 상기 셀에 대한 상기 수요 데이터를 병합하여 상기 탑승 권역의 수요 데이터를 예측하는 단계;
    를 포함하고,
    상기 단계 f)는 상기 기초 권역의 중심셀과 매칭된 상기 정류장 간의 거리가 미리 설정된 거리 이내이고, 상기 기초 권역의 중심셀간 거리는 미리 설정된 거리 이내인 경우 상기 기초 권역을 병합하는 것인 수요 예측 방법.
  10. 제9항에 있어서,
    상기 공간 정보 데이터는 Shape(Point/Polyline/Polygon) 기반의 GIS(Geographic Information System) 정보로 도로, 수계, 건물, 법정동 경계 및 버스 정류장 데이터를 포함하며,
    상기 사회 경제 지표 데이터는 시군구 단위의 취업자수, 고용자수, 거주 학생수, 수용 학생수 및 가구수와 같은 발생 데이터 및 유인 데이터를 포함하며,
    상기 발생 데이터는 정류장 기준 차량 승차 데이터이고, 상기 유인 데이터는 상기 정류장 기준 차량 하차 데이터인 것인 수요 예측 방법.
  11. 제10항에 있어서,
    상기 a) 단계는 상기 공간 정보 데이터 및 상기 사회 경제 지표 데이터를 기초로 상기 시군구 단위에 포함된 건물 연면적과 법정동 단위에 포함된 건물 연면적을 계산하고,
    상기 계산된 시군구 단위에 포함된 건물 연면적과 상기 법정동 단위에 포함된 건물 연면적의 비율을 기반으로 법정동 단위의 발생 데이터 및 유인 데이터를 산출하며,
    상기 계산된 법정동 단위의 상기 발생 데이터 및 상기 유인 데이터는 상기 수요 예측 지역의 기초 데이터인 것인 수요 예측 방법.
  12. 제9항에 있어서,
    상기 b) 단계는,
    상기 수요 예측 지역의 공간 분석을 통해 임의의 크기로 구성된 격자 형태의 최소 단위 공간인 상기 셀을 생성하고,
    상기 생성된 셀에 도로, 수계 및 건물을 포함하는 상기 공간 타입을 지정하며, 상기 셀에 여러 개의 상기 공간 타입이 지정된 경우, 도로, 수계, 건물 순으로 우선 순위을 부여하여 지정하는 단계;및
    상기 셀의 공간 타입이 상기 건물인 경우, 상기 셀에 상기 수요 데이터 및 상기 속성 데이터를 부여하는 단계;를 포함하는 것인 수요 예측 방법.
  13. 제12항에 있어서,
    상기 b) 단계는,
    상기 수요 데이터를 상기 건물의 발생 데이터 및 유인 데이터를 기초로 계산하며, 상기 계산된 상기 건물의 상기 발생 데이터 및 상기 유인 데이터를 상기 건물을 구성하는 상기 셀에 부여하고,
    상기 속성 데이터는 가정 기반 또는 비가정 기반으로 구성된 통행 목적별 수요 데이터를 기반으로 상기 셀에 부여되며,
    상기 가정 기반 수요 속성 데이터는 통행 목적이 가정에서 발생하는 수요 데이터로 출근, 등교, 업무, 상업, 쇼핑/여가 및 귀가를 포함하고,
    상기 비가정 기반 수요 속성 데이터는 통행 목적이 비가정에서 발생하는 수요 데이터로 업무를 포함하는 것인 수요 예측 방법.
  14. 제9항에 있어서,
    상기 d) 단계는,
    상기 생성된 기초 권역의 무게 중심 좌표를 계산하고, 상기 계산된 무게 중심 좌표를 포함하는 상기 셀을 상기 기초 권역의 중심셀로 추출하는 단계;
    상기 기초 권역의 중심셀을 기초로 일정 거리에 있는 후보 정류장을 추출하고, 상기 후보 정류장을 대상으로 탐색 거리가 가장 짧은 정류장을 상기 최근접 정류장으로 지정하여 상기 기초 권역과 상기 최근접 정류장을 매칭하는 단계;및
    상기 최근접 정류장이 매칭되지 않는 경우, 사용자 단말로 정류장 지정을 요청하여 상기 사용자 지정 정류장을 생성하며, 상기 기초 권역과 상기 사용자 지정 정류장을 매칭하는 단계;를 포함하는 것인 수요 예측 방법.
  15. 제9항에 있어서,
    상기 e) 단계는,
    상기 기초 권역의 중심셀의 일정 거리 내에 상기 가상 정류장을 생성하며,
    상기 가상 정류장은 상기 셀의 공간 타입이 도로인 상기 셀에 생성되는 것인 수요 예측 방법.
  16. 삭제
KR1020230086446A 2023-07-04 2023-07-04 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법 KR102644457B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230086446A KR102644457B1 (ko) 2023-07-04 2023-07-04 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230086446A KR102644457B1 (ko) 2023-07-04 2023-07-04 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102644457B1 true KR102644457B1 (ko) 2024-03-11

Family

ID=90248750

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230086446A KR102644457B1 (ko) 2023-07-04 2023-07-04 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102644457B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
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
KR20220121751A (ko) * 2021-02-25 2022-09-01 주식회사 씨엘 수요기반 모빌리티 서비스를 위한 라우팅 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
KR20220121751A (ko) * 2021-02-25 2022-09-01 주식회사 씨엘 수요기반 모빌리티 서비스를 위한 라우팅 방법 및 장치

Similar Documents

Publication Publication Date Title
US10692028B2 (en) Optimal demand-based allocation
Samanta et al. Modeling a rail transit alignment considering different objectives
Lee et al. Development of a decision making system for installing unmanned parcel lockers: Focusing on residential complexes in Korea
Tali et al. Location–Allocation model applied to urban public services: Spatial analysis of fire stations in Mysore urban area Karnataka, India
Torkestani et al. Hierarchical facility location and hub network problems: A literature review
Nistor et al. Application of GIS Technology for Tourism Flow Modelling in The United Kingdom.
Mao et al. Customer attractiveness evaluation and classification of urban commercial centers by crowd intelligence
Li et al. Routing service with real world severe weather
Huang et al. Estimating light-rail transit peak-hour boarding based on accessibility at station and route levels in Wuhan, China
CN114238491A (zh) 一种基于异质图的多模式交通运行态势关联规则挖掘方法
KR102441523B1 (ko) 수요기반 이동서비스를 위한 수요예측방법
KR102644457B1 (ko) 공간 분석을 이용한 수요 응답형 교통 체계 수요 예측 시스템 및 그 방법
Kusam et al. Spatial proximity and dependency to model urban travel demand
Weerasinghe et al. Modified traffic analysis zones approach for the estimation of passenger flow distribution in urban areas
Albalawneh et al. Evaluation of Using Genetic Algorithm and ArcGIS for Determining the Optimal‐Time Path in the Optimization of Vehicle Routing Applications
Stadler et al. A method for the optimized placement of bus stops based on voronoi diagrams
Cyril et al. DEVELOPMENT OF A GIS-BASED COMPOSITE PUBLIC TRANSPORT ACCESSIBILITY INDEX.
Santos et al. Multiple-criteria analysis model to the location of dry ports in urban areas: a case study in Garuva City, Santa Catarina State
Jamalul Shamsudin et al. Integrating network concept into multi criteria analysis for suggesting bus rapid transit routes
Saputra et al. The effect of urban spatial structure on rapid bus transit services in Yogyakarta and Surakarta, Indonesia: A comparative study of the Trans Jogja and the Batik Solo Trans
Roy et al. Optimization of high-speed railway station location selection based on accessibility and environmental impact
Choi et al. Utilizing Spatial Big Data platform in evaluating correlations between rental housing car sharing and public transportation
Fatima et al. Assessing the serviceability status of existing transport network by using geospatial techniques in metropolitan city Lahore
Chen et al. Understanding City‐Wide Ride‐Sourcing Travel Flow: A Geographically Weighted Regression Approach
JP2020112863A (ja) 立地評価プログラム、立地評価方法及び立地評価装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant