KR20210142978A - Prediction device of microscopic pedestrian's route choice at the center of subway station - Google Patents
Prediction device of microscopic pedestrian's route choice at the center of subway station Download PDFInfo
- Publication number
- KR20210142978A KR20210142978A KR1020200059809A KR20200059809A KR20210142978A KR 20210142978 A KR20210142978 A KR 20210142978A KR 1020200059809 A KR1020200059809 A KR 1020200059809A KR 20200059809 A KR20200059809 A KR 20200059809A KR 20210142978 A KR20210142978 A KR 20210142978A
- Authority
- KR
- South Korea
- Prior art keywords
- pedestrian
- path
- information
- traffic
- prediction device
- Prior art date
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
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 보행자의 미시적 경로선택 예측장치에 관한 것으로서, 보다 상세히는 지하철 이용자 기준 500m 이내의 단거리 보행자가 지하철역 주변의 가로(街路)를 지나가는 경로를 미시적으로 예측하여 그 통행량을 추정할 수 있는 지하철역 중심 단거리 보행자의 미시적 경로선택 예측장치에 관한 것이다.The present invention relates to a micro-path selection prediction device for pedestrians, and more particularly, a subway station center capable of estimating the amount of traffic by microscopically predicting the path that a short-distance pedestrian within 500 m of a subway user passes through a street around a subway station. It relates to a micro-path selection prediction device for short-distance pedestrians.
인구밀도가 높은 도시는 교통량이 많을 수밖에 없고, 적절한 교통대책을 세우지 못하면 교통체증에 의한 경제적 손실은 물론이거니와 교통밀집 지역에서의 대기오염과 이로 인한 개인건강과 생활여건의 하락 등 많은 문제를 야기한다. 따라서, 중앙정부와 지방자치단체는 교통정책을 수립하는데 많은 자원과 노력을 투자하고 있다.A city with a high population density inevitably has a lot of traffic, and if appropriate traffic measures are not taken, not only economic loss due to traffic congestion, but also air pollution in traffic-dense areas and consequent deterioration of personal health and living conditions cause many problems. . Therefore, the central government and local governments are investing a lot of resources and efforts to establish transportation policies.
도시 교통정책에서 대중교통은 중요한 부분을 차지하고 있다. 개인 교통수단에 비해 버스나 지하철로 대표되는 대중교통은 대량의 유동인구를 담당하기에 교통체증을 완화하고 대기오염을 개선하는데 큰 기여를 한다. 따라서, 우리나라에서는 대도시의 버스노선 체계를 개선하고 지하철 노선을 지속적으로 증설하며 대중교통 사이의 연계를 촉진하는 등 여러 정책을 펼쳐왔으며, 상당한 성과를 올리고 있다.Public transport plays an important role in urban transport policy. Compared to personal transportation, public transportation, represented by buses and subways, is responsible for a large floating population, thus contributing greatly to alleviating traffic congestion and improving air pollution. Therefore, in Korea, various policies have been implemented, such as improving the bus route system in large cities, continuously expanding subway lines, and facilitating the linkage between public transportation, and they have achieved considerable results.
이제는 교통정책에서 대중교통만이 아니라 보행자 정책에도 관심을 쏟고 있다. 대중교통 이용시 그 허브가 되는 버스 정류장이나 지하철역 등을 중심으로 하여 단거리를 이동하는 보행자의 유동량은 상당히 높다. 특히, 지하철역 주변은 역세권이라 할 정도로 유동인구가 많아 주변 경제활동과 주거공간의 중심지로서 그 가치가 높게 평가된다. 따라서, 보행자 정책에서 지하철역은 중요하게 다뤄질 필요가 있다.Now, the traffic policy is paying attention not only to public transport but also to pedestrian policy. When using public transportation, the flow of pedestrians moving short distances centered on bus stops or subway stations, which are hubs, is quite high. In particular, the vicinity of the subway station is highly valued as a center for economic activities and residential space, as there is a large floating population that is close to the station. Therefore, subway stations need to be treated as important in pedestrian policy.
그렇지만, 이제까지는 지하철역에서의 유동량을 실측 또는 영상촬영을 통해 필요한 경우에 보행자의 경로를 거시적으로 조사해왔으며, 종횡으로 얽힌 가로(街路)의 각 구역별로 보행자 통행량이 어떠한지를 측정하는 것은 비용과 시간면에서 매우 어려웠다.However, until now, the amount of flow in the subway station has been macroscopically investigated when necessary through actual measurement or imaging, and measuring the amount of pedestrian traffic in each section of the entangled street is costly and time-consuming. It was very difficult in
적절한 보행자 정책을 수립하기 위해서는 보행자의 미시적 경로를 파악하는 것이 선행될 필요가 있으며, 따라서 유동인구가 많은 지하철역을 중심으로 한 단거리 보행자의 미시적 경로를 예측 내지 추정할 수 있는 모델이 개발된다면 보행자 정책을 수립하는데 큰 도움이 된다.In order to establish an appropriate pedestrian policy, it is necessary to understand the micro-path of pedestrians in advance. Therefore, if a model that can predict or estimate the micro-path of short-distance pedestrians centered on subway stations with large floating populations is developed, then pedestrian policies can be implemented. It is very helpful in setting up.
본 발명은 지하철 이용자 기준 단거리 보행자가 지하철역 주변의 가로(街路)를 지나가는 경로를 미시적으로 예측하여 그 통행량을 추정할 수 있는 지하철역 중심 단거리 보행자의 미시적 경로선택 예측장치를 제공하는데 그 목적이 있다.It is an object of the present invention to provide a micro-path selection prediction device for short-distance pedestrians in the center of a subway station that can microscopically predict the path that a short-distance pedestrian passes through a street around a subway station and estimate the amount of traffic based on the subway user.
본 발명은 지하철역을 중심으로 한 보행자 경로 예측장치로서, 지하철역 주변의 보행자 네트워크를 포함하는 지리정보를 저장하거나, 또는 외부 서버로부터 호출하는 보행자 네트워크 정보부;와, 보행자의 통행량과, 보행자의 경로선택에 영향을 미칠 수 있는 직업, 나이를 포함하는 객관적 인자에 대한 정보를 저장하는 보행자 기초 데이터베이스;와, 상기 보행자 네트워크에서 통행경로가 2개 이상으로 구분되는 결점에서 최단경로를 선택할 확률을 계산하는 보행자 경로선택 모형부; 및 상기 보행자 네트워크 정보부와 보행자 기초 데이터베이스로부터 각각 분석대상 지역의 보행자 네트워크 정보와 보행자 기초 정보를 입력받고, 상기 보행자 경로선택 모형부가 계산한 각 결점에서의 최단경로 선택여부의 확률로부터 보행자의 경로선택을 계산하고, 그 결과를 출력하는 교통 분석 모듈;을 포함한다.The present invention is a pedestrian path prediction device centered on a subway station, and a pedestrian network information unit that stores geographic information including a pedestrian network around the subway station or calls from an external server; Pedestrian basic database that stores information on objective factors including occupation and age that can affect; and Pedestrian path for calculating the probability of selecting the shortest path from a defect in which the pedestrian network is divided into two or more paths selection model unit; and from the pedestrian network information unit and the pedestrian basic database, respectively, input the pedestrian network information and the pedestrian basic information of the analysis target area, and select the pedestrian path from the probability of selecting the shortest path at each defect calculated by the pedestrian path selection model unit. and a traffic analysis module that calculates and outputs the result.
상기 보행자 기초 데이터베이스에서, 상기 보행자의 경로선택에 영향을 미칠 수 있는 인자 중의 일부는 스마트 교통카드 지불거래 정보로부터 취득된다.In the pedestrian basic database, some of the factors that may affect the pedestrian's path selection are obtained from smart traffic card payment transaction information.
여기서, 상기 스마트 교통카드 지불거래 정보로부터는 일반과 학생, 환승, 승하차, 이동거리, 해당역의 방문빈도에 관한 정보를 취득할 수 있다.Here, from the smart transportation card payment transaction information, it is possible to obtain information on general students, transfers, getting on and off, moving distance, and visiting frequency of the corresponding station.
그리고, 상기 보행자 경로선택 모형부는, 상기 결점에서 최단경로를 선택할 확률을 방정식으로부터 계산한다.In addition, the pedestrian path selection model unit calculates a probability of selecting the shortest path from the fault from the equation.
여기서, 상기 방정식은, 연령, 직업(1), 직업(2), 목적, 방문횟수, 익숙도의 6개 독립변수 및 최단경로 선택여부를 종속변수로 하고, 여기서 상기 직업(1)은 판매직/서비스직/일용직/자영업이고 상기 직업(2)는 전업주부/학생/무직/기타로 분류될 수 있다.Here, in the equation, six independent variables of age, occupation (1), occupation (2), purpose, number of visits, and familiarity and whether the shortest route is selected are the dependent variables, where the occupation (1) is a sales job/ It is a service job/daily job/self-employment, and the job (2) may be classified as a housewife/student/unemployed/other.
그리고, 상기 방정식은 하기의 식으로 표현된다.And, the above equation is expressed by the following equation.
나아가, 상기 방정식의 K1∼K7의 각 변수 및 상수항은 보행 시간대별로 서로 다르게 설정될 수 있으며, 실시형태에 따라서 상기 보행 시간대는 출근시간대(8∼9시), 점심시간대(11∼13시), 퇴근시간대(17∼18시), 그외 시간대(10시, 14∼16시)로 분류된다.Furthermore, each variable and constant term of K 1 to K 7 in the above equation may be set differently for each walking time zone, and according to an embodiment, the walking time zone is a work time zone (8-9 o'clock) and a lunch time zone (11-13 o'clock) ), work hours (17:00 to 18:00), and other time zones (10 o'clock, 14:00 to 16:00).
상기와 같은 구성을 가진 본 발명의 보행자 경로 예측장치는 지하철 이용자 기준 단거리 보행자가 지하철역 주변의 가로 네트워크를 지나가는 경로를 미시적으로 예측하여 그 결과를 제공함으로써, 주변 경제활동과 주거공간의 중심지인 지하철역 주변에 대한 보행자 정책 수립에 기여하게 된다.The apparatus for predicting a pedestrian path of the present invention having the above configuration microscopically predicts the path that a short-distance pedestrian passes through a street network around a subway station based on a subway user and provides the result, thereby providing a result around the subway station, which is the center of surrounding economic activities and residential space. It will contribute to the establishment of pedestrian policies for
도 1은 본 발명의 보행자 경로 예측장치에 대한 전체적인 구성을 도시한 도면.
도 2는 서울 강남의 역삼역 7번, 8번 출입구 근방의 보행자 네트워크를 도시한 도면.
도 3은 보행자 경로선택 모형부 설계의 기초자료를 수집하기 위한 조사 설문지의 일례를 도시한 도면.
도 4는 보행자 경로선택 모형부를 구성하는 방정식의 각 변수를 설정한 일례를 도시한 도면.
도 5는 보행자 경로선택 모형부를 시간대별로 설계할 때의 방정식의 각 변수를 예시적으로 도시한 도면.
도 6은 본 발명의 보행자 경로 예측장치에 의한 시뮬레이션 결과를 3차원적으로 시각화한 일례를 도시한 도면.1 is a view showing the overall configuration of the pedestrian path prediction apparatus of the present invention.
2 is a diagram illustrating a pedestrian network in the vicinity of exits 7 and 8 of Yeoksam Station in Gangnam, Seoul.
3 is a view showing an example of a survey questionnaire for collecting the basic data of the design of the pedestrian path selection model unit.
4 is a view showing an example of setting each variable of the equation constituting the pedestrian path selection model unit.
5 is a view illustrating each variable of an equation when designing a pedestrian path selection model unit for each time period by way of example;
6 is a view showing an example of three-dimensional visualization of the simulation result by the pedestrian path prediction apparatus of the present invention.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예를 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can apply various transformations and can have various embodiments, specific embodiments are illustrated and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention.
본 발명에서 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 발명에서, '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.The terms used in the present invention are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present invention, terms such as 'comprising' or 'having' are intended to designate that the features, numbers, steps, operations, components, parts, or combinations thereof described in the specification exist, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In this case, it should be noted that in the accompanying drawings, the same components are denoted by the same reference numerals as much as possible. In addition, detailed descriptions of well-known functions and configurations that may obscure the gist of the present invention will be omitted. For the same reason, some components are exaggerated, omitted, or schematically illustrated in the accompanying drawings.
도 1은 본 발명에 따른 지하철역 중심 단거리 보행자의 미시적 경로선택 예측장치(이하, 간략히 "보행자 경로 예측장치"라고 함)에 대한 전체적인 구성을 도시한 도면이다.1 is a diagram showing the overall configuration of a micro-path selection prediction apparatus for a short-distance pedestrian in the center of a subway station (hereinafter, simply referred to as a "pedestrian path prediction apparatus") according to the present invention.
보행자 경로 예측장치에는 교통 분석 모듈을 포함한다. 교통 분석 모듈은 차량의 통행량은 물론 보행자의 통행량도 예측할 수 있는 모듈로서, 별도로 모듈을 개발할 수도 있고 VISSIM Viswalk와 같은 상용 프로그램을 활용할 수도 있다. 교통 분석 모듈은 가로(街路) 네트워크, 건물(랜드마크), 도로환경 등의 보행자 네트워크 정보와, 보행자의 지하철 승하차 여부와 거리, 통행량 등에 관한 보행자 기초 정보, 그리고 보행자의 경로선택 모형을 바탕으로 하여 보행자의 통행량을 시뮬레이션하고 그 결과를 수치정보 또는 시각정보로 제공한다.The pedestrian path prediction device includes a traffic analysis module. The traffic analysis module is a module that can predict not only vehicle traffic but also pedestrian traffic. A separate module can be developed or a commercial program such as VISSIM Viswalk can be used. The traffic analysis module is based on pedestrian network information such as street networks, buildings (landmarks), and road environments, pedestrian basic information on whether pedestrians get on and off the subway, distance, and traffic volume, and a pedestrian path selection model. It simulates pedestrian traffic and provides the result as numerical or visual information.
이와 같이, 교통 분석 모듈은 보행자 통행량을 예측하는데 필요한 각종 정보를 필요로 하며, 이를 위해 본 발명의 보행자 경로 예측장치는 보행자 네트워크 정보부, 보행자 기초 데이터베이스, 그리고 보행자 경로선택 모형부를 포함한다.As such, the traffic analysis module requires various types of information necessary to predict the amount of pedestrian traffic, and for this purpose, the apparatus for predicting a pedestrian path of the present invention includes a pedestrian network information unit, a pedestrian basic database, and a pedestrian path selection model unit.
보행자 네트워크 정보부는 지하철역 주변의 지리정보, 특히 가로 네트워크와 건물정보를 저장하거나 또는 외부 서버로부터 호출하는 구성요소이다. 도 2는 서울 강남의 역삼역 7번, 8번 출입구와 연결된 대략 500m 반경의 지리정보를 예시적으로 보여준다. 지리정보에는 종횡으로 연결 또는 연장된 가로 네트워크 정보와, 가로 네트워크에 인접한 각종 건물정보가 포함되어 있다. 가로 네트워크는 복수의 링크가 연결된 구조로 파악할 수 있으며, 도시된 일례에서는 58개의 링크가 포함되어 있다. 또한, 더욱 정밀한 가로 네트워크 정보에는 각 링크의 폭과 경사도 등이 포함될 수 있다.The pedestrian network information unit is a component that stores geographic information around a subway station, particularly street network and building information, or calls it from an external server. 2 exemplarily shows geographic information with a radius of approximately 500 m connected to exits 7 and 8 of Yeoksam Station in Gangnam, Seoul. The geographic information includes information on a horizontally connected or extended street network and information on various buildings adjacent to the street network. A horizontal network can be understood as a structure in which a plurality of links are connected, and 58 links are included in the illustrated example. In addition, the more precise horizontal network information may include the width and inclination of each link.
보행자는 지하철역 출입구로부터, 또는 출입구를 향해 통행하게 되며, 이는 곧 보행자의 경로라는 것은 지하철역 출입구와 가로 네트워크상의 어떤 링크를 연결하는 선에 대응한다. 다수의 보행자에 대해 경로선택을 예측했을 때, 겹치는 선의 밀도가 높은 링크가 보행자 통행량이 많은 가로에 해당한다. 다만, 보행자가 어떤 경로를 선택할지를 예측하기 위해서는 별도의 정보와 모형이 필요하다.Pedestrians pass from or toward the subway station entrance, and the pedestrian path corresponds to a line connecting the subway station entrance and any link on the street network. When route selection is predicted for multiple pedestrians, a link with a high density of overlapping lines corresponds to a street with high pedestrian traffic. However, separate information and models are needed to predict which path a pedestrian will choose.
보행자의 경로선택을 예측하기 위해서는, 보행자에 대한 기초 정보가 필요하다. 보행자의 경로선택, 즉 길찾기는 특정지점에서 목적지를 찾아가는 과정뿐만 아니라, 필요한 정보를 습득하고 판단하는 일련의 과정들을 종합적으로 해석하는 복합적인 개념으로 정의될 수 있다. 길찾기에 관한 기존 연구를 보면, 개별적 환경요소(사인, 안내도, 랜드마크 등)와 건물의 기본구성요소인 공간구조를 중요한 인자로서 언급하고 있다. 이처럼 보행자는 물리적 공간에서 필요에 의해 이동하며, 출발지에서 목적지까지 안전하고 편안하게 통행하기를 원한다.In order to predict the pedestrian's path selection, basic information about the pedestrian is required. Pedestrian path selection, that is, pathfinding, can be defined as a complex concept that comprehensively interprets not only the process of finding a destination at a specific point, but also a series of processes of acquiring and judging necessary information. Existing studies on wayfinding mention individual environmental factors (signs, guide maps, landmarks, etc.) and spatial structure, which is a basic component of a building, as important factors. As such, pedestrians move according to their needs in the physical space, and they want to travel safely and comfortably from the origin to the destination.
보행자의 통행에 미치는 요인들은 다양하며, 예를 들어 보행자의 활동에 있어 가장 기본이 되는 보행환경요소와 보행여건요소, 주변시설요소 등과 같은 물리적 요인은 보행자의 주관적 판단에 영향을 미친다. 또한, 해당 가로 네트워크에 대한 익숙도에 따라 경로선택이 달라질 수 있고, 노약자나 보행장애가 있는 사람은 최단경로가 아니더라도 경사로보다 평탄로를 선호하는 등 성별과 나이 등에 따라서도 경로선택에 차이가 생긴다.Factors affecting pedestrian traffic are diverse, and for example, physical factors such as walking environment factors, walking condition factors, and surrounding facility factors, which are the most basic factors in pedestrian activity, affect the pedestrian's subjective judgment. In addition, path selection may vary depending on familiarity with the street network, and there are differences in path selection depending on gender and age, such as the elderly or people with walking disabilities prefer flat rather than ramps, even if it is not the shortest path.
보행자 기초 데이터베이스는 보행자의 통행량과 보행자의 경로선택에 영향을 미칠 수 있는 성별, 나이와 같은 객관적 인자(변수)에 대한 정보를 저장하는 구성요소이다. 보행자의 통행량은 주로 지방자치단체에서 수행한 유동인구자료(예를 들어, 서울시 유동인구조사 보고서)를 통해 데이터베이스를 구축할 수 있다. 여기서, 보행자의 통행량은 일일 합산만이 아니라 시간대별 통행량 정보도 포함하는 것이 바람직하다.The pedestrian base database is a component that stores information about objective factors (variables) such as gender and age that can affect pedestrian traffic and pedestrian path selection. For pedestrian traffic, a database can be established mainly through floating population data (eg, Seoul floating population census report) conducted by local governments. Here, it is preferable that the pedestrian traffic includes not only the daily summation but also information on the amount of traffic for each time period.
그리고, 근래에는 지하철 이용자의 압도적 다수가 대중교통 이용시 선불이나 후불의 스마트 교통카드를 이용하고 있으므로, 스마트 교통카드 지불거래 정보로부터 필요자료 위주로 보행자 정보를 구축할 수 있다. 예컨대, 스마트 교통카드 지불거래 정보로부터 일반과 학생, 환승, 승하차, 이동거리, 해당역의 방문빈도 등을 파악할 수 있다. 이를 테면, 해당역의 방문빈도가 많으면 가로 네트워크에 대한 익숙도가 높은 것이고, 특히 주중에 매일 일정시각에 주기적으로 승하차를 한다면 해당 지역에 직장이 있는 것으로 판단할 수 있다.And, in recent years, since the overwhelming majority of subway users use prepaid or postpaid smart transportation cards when using public transportation, it is possible to construct pedestrian information based on necessary data from smart transportation card payment transaction information. For example, from the smart transportation card payment transaction information, it is possible to grasp the general department, students, transfers, getting on and off, moving distance, frequency of visits to the station, and the like. For example, if the station visits frequently, familiarity with the street network is high. In particular, if you regularly get on and off at a certain time every day during the week, it can be determined that there is a job in the area.
한편, 보행자 경로선택 모형부는 가로 네트워크 상에서 보행자가 어떤 경로를 선택할 것이지를 예측하기 위한 핵심 구성요소이다. 만일 A지점에서 B지점으로 가는 통행로가 하나라면, 경로선택은 무의하며 예측할 필요가 없다. 보행자의 경로선택을 예측하는 것은 결국 통행경로가 2개 이상으로 구분되는 결점에서 어떤 링크를 선택할 것인지가 실제에서 어떻게 일어날 것인지를 근사적으로 추정하는 것이다. 보행자 경로선택 모형부는 바로 이러한 결점에서 보행자가 어떤 링크를 선택할 것인지를 확률적으로 계산하는 것이며, 매 결점마다 이러한 판단을 내림으로써 분석 영역에서의 보행자 경로선택이 예측된다.Meanwhile, the pedestrian path selection model is a key component for predicting which path a pedestrian will choose on a street network. If there is only one path from point A to point B, the path selection is meaningless and need not be predicted. Predicting the pedestrian's path selection is ultimately approximating how it will happen in reality which link to choose from a defect in which the path is divided into two or more. The pedestrian path selection model part probabilistically calculates which link the pedestrian will select from these faults, and by making this judgment for each fault, the pedestrian path selection in the analysis area is predicted.
실제를 유사하게 반영할 수 있는 보행자 경로선택 모형을 구축하기 위해서는 현실 보행자의 일정 표본에 대한 실측 조사가 수반될 필요가 있다. 설문조사는 지하철 이용여부, 개인특성(성별, 연령, 직업), 통행특성(통행인수, 보행목적), 경로특성(익숙도, 보행거리, 노드 수), 최단거리(지하철과 그외 교통수단 구분), 만족도 등을 파악하기 위한 것이다. 여기서, 보행거리와 노드 수는 지도에 표기하는 것이 바람직하다.In order to construct a pedestrian path selection model that can reflect reality similarly, it is necessary to accompany a survey of a certain sample of real pedestrians. The survey includes subway use, personal characteristics (gender, age, occupation), travel characteristics (number of people, purpose of walking), route characteristics (familiarity, walking distance, number of nodes), shortest distance (classification of subways and other means of transportation) , to determine satisfaction. Here, it is preferable to indicate the walking distance and the number of nodes on the map.
도 3은 보행자에 대한 조사 설문지의 일례를 도시한 것이며, 도 2에 도시한 서울 역삼역의 7번, 8번 출입구를 진출입하는 지하철 이용객을 대상으로 설문 조사를 시행했다. 조사시간은 특정 시간대에 집중되지 않게 오전과 오후를 일정 비율로 조사하는 것이 바람직하다. 설문 조사된 응답자의 보행 경로선택의 특성은 로지스틱 회귀 분석을 통해 모형으로 개발하는데 이용된다. FIG. 3 shows an example of a questionnaire survey for pedestrians, and a survey was conducted for subway users entering and exiting exits 7 and 8 of Yeoksam Station in Seoul shown in FIG. 2 . It is desirable to irradiate the morning and afternoon at a certain ratio so that the irradiation time is not concentrated in a specific time period. The characteristics of the gait path selection of the surveyed respondents are used to develop a model through logistic regression analysis.
경로선택에 영향을 미치는 독립변수로는 성별, 연령(39세 이하, 40세 이상), 직업, 동행여부, 통행목적, 방문횟수(주 1회 이상과 미만), 익숙도, 선택이유(최단경로, 비 최단경로), 만족도, 소요시간, 실제이동거리가 투입되고, 종속변수로서 최단경로 선택여부(경로안내 어플레케이션 사용 여부)가 투입되어 독립변수가 조정된다. 여기서, 통행목적은 의무적 통행(출근, 업무관련, 등교, 학업관련)과 비의무적 통행(여가/오락/친교, 개인용무, 귀가/퇴근/하교, 구매, 배웅, 기타)로 분류된다.Independent variables that affect route selection include gender, age (under 39, over 40), occupation, accompaniment, purpose of travel, number of visits (more than once a week and less), familiarity, and reason for choosing (shortest route). , non-shortest route), satisfaction, required time, and actual travel distance are input, and as a dependent variable, whether the shortest route is selected (whether or not a route guide application is used) is input, and the independent variable is adjusted. Here, the purpose of travel is classified into compulsory travel (commuting to work, work-related, school-related, school-related) and non-compulsory travel (leisure/entertainment/communion, personal business, home/work/school, purchase, drop off, etc.).
도 4는 변수를 투입하여 로지스틱 회귀분석을 시행한 결과를 보여준다. 로지스틱 회귀분석의 모형은 독립변수의 Negelkerke R2 값이 20% 이상인 경우만 유효하며, 연령, 직업(1), 직업(2), 목적, 방문횟수, 익숙도의 6개 독립변수가 유의한 것으로 분석되었다. 여기서, 직업(1)은 판매직/서비스직/일용직/자영업이며, 직업(2)는 전업주부/학생/무직/기타로 분류된다.4 shows the results of logistic regression analysis by inputting variables. The logistic regression model is valid only when the Negelkerke R 2 value of the independent variable is 20% or more, and six independent variables of age, occupation (1), occupation (2), purpose, number of visits, and familiarity are significant. analyzed. Here, the job (1) is a sales job/service job/daily job/self-employment job, and job (2) is classified as a housewife/student/unemployed/other.
보행자 경로선택 모형은 아래와 같은 방정식으로 나타나며, 유의확률이 95% 신뢰수준 이상에서 확보된 변수만을 사용한다. The pedestrian path selection model is expressed by the following equation, and only variables with a significance probability of 95% or higher are used.
........(식 1) ........(Equation 1)
로지스틱 회귀분석을 통해 식 1의 방정식의 K1∼K7의 각 변수 및 상수항에 대한 값이 도출되며, 완성된 방정식은 통행경로가 2개 이상으로 구분되는 결점에서 최단경로를 선택할 확률을 계산한다. 따라서, 식 1의 방정식으로 표현되는 보행자 경로선택 모형은 복수의 링크로 구성된 가로 네트워크의 각 결점에서 어떤 링크를 선택할 것인지를 확률적으로 계산하고, 이를 통해 보행자의 경로선택을 예측할 수 있게 된다.Values for each variable and constant term of K 1 to K 7 in the equation of
또한, 보행자 경로선택 모형의 방정식은 시간대별로 다르게 구성할 수도 있다. 도 5는 출근시간대(8∼9시), 점심시간대(11∼13시), 퇴근시간대(17∼18시), 그외 시간대(10시, 14∼16시) 별로 로지스틱 회귀분석을 시행하여 식 1의 방정식에 적용할 K1∼K7의 각 변수 및 상수항에 대한 값을 정리한 결과이다. 이와 같이, 4개 시간대별로 보행자 경로선택을 예측하면 보행자 통행량이 많은 시간대로 한정하여 좀더 세세하게 보행자 경로를 예측함으로써 보행자 정책의 수립을 좀더 효율적으로 진행할 수 있다. 그리고, 완성된 방정식에 의한 시뮬레이션 결과는 실측 조사에 대한 통계적 검증(T-검정)을 통해 모형의 정확도를 확인할 수 있다.In addition, the equation of the pedestrian path selection model may be configured differently for each time period. 5 shows
도 6은 교통 분석 모듈로서 상용 프로그램인 VISSIM Viswalk를 이용하여 보행자 통행량을 예측하고 그 결과를 3차원적으로 시각화한 일례를 예시적으로 도시한 것이다. 본 발명의 보행자 경로 예측장치는 교통 분석 모듈이 보행자 네트워크 정보부와 보행자 기초 데이터베이스로부터 분석대상 지역의 보행자 네트워크 정보와 보행자 기초 정보를 입력받고, 보행자 경로선택 모형부가 각 결점에서의 최단경로 선택여부의 확률을 계산하여 교통 분석 모듈에 제공함으로써, 개개 보행자의 지하철역을 중심으로 한 보행자의 경로선택을 미시적으로 예측할 수 있게 한다.FIG. 6 exemplarily shows an example of predicting pedestrian traffic by using VISSIM Viswalk, a commercial program as a traffic analysis module, and visualizing the result in three dimensions. Pedestrian path prediction apparatus of the present invention, the traffic analysis module receives the pedestrian network information and pedestrian basic information of the analysis target area from the pedestrian network information unit and the pedestrian basic database, and the pedestrian path selection model unit selects the shortest path at each fault. By calculating and providing to the traffic analysis module, it is possible to microscopically predict the path choice of pedestrians centered on each pedestrian's subway station.
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.The above description is merely illustrative of the technical spirit of the present invention, and various modifications and variations will be possible without departing from the essential characteristics of the present invention by those skilled in the art to which the present invention pertains. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments.
Claims (8)
보행자의 통행량과, 보행자의 경로선택에 영향을 미칠 수 있는 직업, 나이를 포함하는 객관적 인자에 대한 정보를 저장하는 보행자 기초 데이터베이스;
상기 보행자 네트워크에서 통행경로가 2개 이상으로 구분되는 결점에서 최단경로를 선택할 확률을 계산하는 보행자 경로선택 모형부; 및
상기 보행자 네트워크 정보부와 보행자 기초 데이터베이스로부터 각각 분석대상 지역의 보행자 네트워크 정보와 보행자 기초 정보를 입력받고, 상기 보행자 경로선택 모형부가 계산한 각 결점에서의 최단경로 선택여부의 확률로부터 보행자의 경로선택을 계산하고, 그 결과를 출력하는 교통 분석 모듈;
을 포함하는 보행자 경로 예측장치.a pedestrian network information unit that stores geographic information including a pedestrian network around a subway station, or calls an external server;
Pedestrian base database for storing information on objective factors including pedestrian traffic volume, occupation, and age that may affect pedestrian path selection;
a pedestrian path selection model unit for calculating a probability of selecting the shortest path from a defect in which the pedestrian network is divided into two or more paths; and
The pedestrian network information unit and the pedestrian basic database receive the pedestrian network information and the pedestrian basic information of the analysis target area, respectively, and the pedestrian path selection is calculated from the probability of selecting the shortest path at each defect calculated by the pedestrian path selection model unit. and a traffic analysis module for outputting the result;
Pedestrian path prediction device comprising a.
상기 보행자 기초 데이터베이스에서,
상기 보행자의 경로선택에 영향을 미칠 수 있는 인자 중의 일부는 스마트 교통카드 지불거래 정보로부터 취득되는 것을 특징으로 하는 보행자 경로 예측장치.In claim 1,
In the pedestrian basis database,
Pedestrian path prediction device, characterized in that some of the factors that can affect the pedestrian's path selection are obtained from smart traffic card payment transaction information.
상기 스마트 교통카드 지불거래 정보로부터 일반과 학생, 환승, 승하차, 이동거리, 해당역의 방문빈도에 관한 정보를 취득하는 것을 특징으로 하는 보행자 경로 예측장치.In claim 2,
Pedestrian path prediction device, characterized in that it acquires information about general students, transfers, getting on and off, moving distance, and visiting frequency of the corresponding station from the smart transportation card payment transaction information.
상기 보행자 경로선택 모형부는, 상기 결점에서 최단경로를 선택할 확률을 방정식으로부터 계산하는 것을 특징으로 하는 보행자 경로 예측장치.In claim 1,
The pedestrian path selection model unit, Pedestrian path prediction device, characterized in that for calculating the probability of selecting the shortest path from the fault from the equation.
상기 방정식은, 연령, 직업(1), 직업(2), 목적, 방문횟수, 익숙도의 6개 독립변수 및 최단경로 선택여부를 종속변수로 하고, 여기서 상기 직업(1)은 판매직/서비스직/일용직/자영업이고 상기 직업(2)는 전업주부/학생/무직/기타로 분류되는 것을 특징으로 하는 보행자 경로 예측장치.In claim 4,
In the above equation, six independent variables of age, occupation (1), occupation (2), purpose, number of visits, familiarity and whether or not the shortest route is selected are the dependent variables, where the occupation (1) is sales/service job/ Pedestrian path prediction device, characterized in that it is a daily worker / self-employed and the occupation (2) is classified as a full-time housewife/student/unemployed/other.
상기 방정식은,
의 식으로 표현되는 것을 특징으로 하는 보행자 경로 예측장치.In claim 5,
The equation is,
Pedestrian path prediction device, characterized in that expressed by the equation.
상기 방정식의 K1∼K7의 각 변수 및 상수항은 보행 시간대별로 서로 다르게 설정되는 것을 특징으로 하는 보행자 경로 예측장치.In claim 6,
Pedestrian path prediction apparatus, characterized in that each variable and constant term of K 1 to K 7 of the equation are set differently for each walking time.
상기 보행 시간대는 출근시간대(8∼9시), 점심시간대(11∼13시), 퇴근시간대(17∼18시), 그외 시간대(10시, 14∼16시)로 분류되는 것을 특징으로 하는 보행자 경로 예측장치.In claim 7,
Pedestrians, characterized in that the walking time zone is classified into work hours (8-9 o'clock), lunch time (11-13 o'clock), leave-off time (17-18 o'clock), and other time zones (10 o'clock, 14-16 o'clock) path predictor.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200059809A KR102410679B1 (en) | 2020-05-19 | 2020-05-19 | Prediction device of microscopic pedestrian's route choice at the center of subway station |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200059809A KR102410679B1 (en) | 2020-05-19 | 2020-05-19 | Prediction device of microscopic pedestrian's route choice at the center of subway station |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210142978A true KR20210142978A (en) | 2021-11-26 |
| KR102410679B1 KR102410679B1 (en) | 2022-06-17 |
Family
ID=78700301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200059809A KR102410679B1 (en) | 2020-05-19 | 2020-05-19 | Prediction device of microscopic pedestrian's route choice at the center of subway station |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102410679B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090004252A (en) * | 2007-07-06 | 2009-01-12 | 주식회사 엘비씨소프트 | System and method for navigating route of pedestrian |
| KR20100089218A (en) * | 2009-02-03 | 2010-08-12 | 주식회사 맵퍼스 | Apparatus and method for searching path |
| KR20160102699A (en) * | 2015-02-23 | 2016-08-31 | 경기대학교 산학협력단 | Method and system for providing information on optimal transport transfer on the basis of transfer waiting time based on vacant seats of public transportations |
| KR101943610B1 (en) | 2018-03-23 | 2019-01-30 | 디토닉 주식회사 | Apparatus and method for calculating moving route according to pedestrian type |
-
2020
- 2020-05-19 KR KR1020200059809A patent/KR102410679B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090004252A (en) * | 2007-07-06 | 2009-01-12 | 주식회사 엘비씨소프트 | System and method for navigating route of pedestrian |
| KR20100089218A (en) * | 2009-02-03 | 2010-08-12 | 주식회사 맵퍼스 | Apparatus and method for searching path |
| KR20160102699A (en) * | 2015-02-23 | 2016-08-31 | 경기대학교 산학협력단 | Method and system for providing information on optimal transport transfer on the basis of transfer waiting time based on vacant seats of public transportations |
| KR101943610B1 (en) | 2018-03-23 | 2019-01-30 | 디토닉 주식회사 | Apparatus and method for calculating moving route according to pedestrian type |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102410679B1 (en) | 2022-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Deboosere et al. | Accessibility-oriented development | |
| Demissie et al. | Inferring passenger travel demand to improve urban mobility in developing countries using cell phone data: a case study of Senegal | |
| Beukes et al. | Context sensitive multimodal road planning: a case study in Cape Town, South Africa | |
| Horner et al. | Network flow-based strategies for identifying rail park-and-ride facility locations | |
| KR102098305B1 (en) | Method for forcastiing the distribution and density of pedestrian | |
| Sevtsuk et al. | Predicting pedestrian flow along city streets: A comparison of route choice estimation approaches in downtown San Francisco | |
| Varela et al. | Public transport: One mode or several? | |
| Xu | From walking buffers to active places: An activity-based approach to measure human-scale urban form | |
| Kumar et al. | Multi-criteria based approach to identify critical links in a transportation network | |
| Cheon et al. | Data-driven stochastic transit assignment modeling using an automatic fare collection system | |
| Lee et al. | Accessibility measurement in transportation networks and application to the Seoul bus system | |
| Castiglione et al. | Application of travel demand microsimulation model for equity analysis | |
| JP2018181063A (en) | Generation device, generation method, and generation program | |
| Fu et al. | Measuring joint space-time accessibility in transit network under travel time uncertainty | |
| Fielbaum et al. | Assessment of the socio-spatial effects of urban transport investment using Google Maps API | |
| Gharaibeh et al. | Developing an indicative spatial accessibility analysis tool for urban public transportation system | |
| Nasiboglu | Dijkstra solution algorithm considering fuzzy accessibility degree for patch optimization problem | |
| Pemberton | Optimising Melbourne's bus routes for real-life travel patterns | |
| JP2000322402A (en) | Stream of people analyzing method | |
| KR102410679B1 (en) | Prediction device of microscopic pedestrian's route choice at the center of subway station | |
| Baloian et al. | Efficient planning of urban public transportation networks | |
| Smith et al. | Improving transit access measures in affordable housing funding criteria | |
| JP7108912B2 (en) | Information processing system, information processing method and computer program | |
| JP5088486B2 (en) | How to display market research results | |
| El Moudden¹ et al. | Check for updates New Analytical Method to Classify Areas According to Signal Quality and Coverage of GSM Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |