† 교신저자, 한국철도기술연구원, 복합교통TF E-mail : [email protected] TEL : (031)460-5846 FAX : (031)461-5621 * 한국철도기술연구원, 복합교통TF ** 한국철도기술연구원, 녹색교통물류본부 *** 과학기술연합대학원대학교 교통물류시스템전공 박사과정, 한국철도기술연구원 복합교통TF
지역 간 철도 이용객의 접근통행 패턴 연구
An Analysis of Access and Egress Mode Choice to Regional Railway
Station using Transit Smart Card Data (a case of Seoul station)
최명훈† 엄진기* 이 준* 문대섭** 송지영***
Myoung Hun Choi Jin Ki Eom Jun Lee Dae Seop Moon Ji Young Song
ABSTRACT
This study analyzed passenger's access modes that connect to regional railway station and developed a model of access mode choice based on transit smart card data of Seoul station as a case study. The study boundary includes sixteen bus stops around the station. The results show that most passengers access to station have less than two transfers. Of total 15000, eighty percent of passengers use metro and the rest of people take a bus. Interestingly, it is found that almost same proportions of passengers use metro and bus for egress the station. Consequently, metro is found to be most likely used mode compared to bus for both access and egress trips.
1. 서 론 1.1 분석목적 2004년 KTX의 개통과 더불어 전국 반나절 생활권이 형성되었다. 그에 따라 전국 지역 간을 통행하는 이 용객의 수 또한 증가하였으며, Door→Station→Station→Door의 통행패턴이 구축되었다. 본 연구에서는 주 통 행수단(지역 간 철도)이 선택되어진 경우에 한하여 이를 보조하는 접근 통행수단에 대한 수단 선택 패턴을 연구하였다. 접근 통행수단은 Door→Station 통행에서의 유입통행과 Station→Door 통행에서의 유출통행으로 구분할 수 있다. 주 통행수단 선택과 마찬가지로 접근 통행수단의 선택 역시 현실을 모사할 수 있는 통행패턴을 밝히는 데 에 있어 중요한 사항이기 때문에, 본 논문에서는 교통카드 데이터를 활용하여 이에 대한 분석을 실행하였다. 유입수단과 유출수단 모두 통행시간과 통행요금에 영향을 받는 역사로의 접근성 문제로 간주 할 수 있기 때 문에 독립변수로 선정하였으며, 이항 로짓 모형을 구축하였다. 1.2 분석범위 본 연구에서는 2009년 집계된 수도권 교통카드 데이터를 활용하여 서울의 중심부인 서울역으로의 접근수 단 패턴을 분석하였다. 분석날짜는 추석 연휴기간인 2009년 10월 3일과 4일로 지정하였으며, 이는 추석 연 휴 기간 중 서울역으로의 통행 대다수가 지역 간 통행임을 가정한 사항이다. 서울역사 1개소와 더불어 서울 역 인근 버스 정류장 16개소를 동일한 영향권으로 간주하여 분석하였다.
fig 1. 지역 간 철도 이용객의 통행 패턴 1.3 스마트카드 데이터 스마트카드 데이터는 다음과 같이 18개의 column으로 구성되어 있으며, 각 column은 본 연구의 분석목적 에 맞게 변환하여 사용하였다. 수단 선택에 필요한 요금은 승차와 하차 금액의 합으로 산출하였으며, 도시철 도 통행의 이용거리는 환승을 고려한 최단거리를 기준으로 산출하였다. Column 설 명 PCARD_NUM 카드번호 RUN_DEPART_DTIME 운행출발시간 TRANS_ID 트랜잭션 ID TRANSP_METHOD_CD 교통수단코드 TRAF_FREQ 환승횟수 BUS_ROUTE_ID 노선 ID TRANSP_BIZR_ID 회사 ID VEHC_ID 차량ID PCARD_USER_CLASS_CD 사용자구분 RIDE_DTIME 승차일시 RIDE_STA_ID 승차정류소 ALIGHT_DTIME 하차일시 ALIGHT_STA_ID 하차정류소 PASGR_NUM 승객 수 RIDE_AMT 승차금액 ALIGHT_AMT 하차금액 USE_DIST 이용거리 STAND_DT 사용일자 table 1. 스마트카드 데이터
2. 통행패턴 분석
서울역으로의 유입통행은 환승이 없이 하나의 수단만으로 통행한 경우가 84%로 가장 많으며, 2번 이내로 환승한 통행이 전체의 약 99% 이상을 차지하고 있다. 이는 추석 연휴 특성이 반영된 결과로 해석되며, 무거 운 짐과 같은 통행 저항 요인으로 인해 환승상의 이점을 보고자 하는 이용객의 특성으로 판단된다.
Number of Transfer Passenger Percentage 0 15,054 84.2% 1 2,626 14.7% 2 159 0.9% 3 31 0.2% 4 11 0.1% Sum 17,881 100.0% table 2. 환승횟수에 따른 비율 서울시 25개 지역구별로 서울역으로의 환승횟수에 따른 유입통행량을 비교한 결과 종로구(JN)에서의 통행 이 1,387명으로 가장 많으며, 중랑구(JR)에서는 가장 적은 112명이 통행하였다. 또한 강동구(GD), 성동구 (SD), 송파구(SP), 중랑구(JR) 등 서울역 기준 동쪽 지역구와 강서구(GS), 금천구(GC), 양천구(YC) 등 한 강 이남 서쪽 지역구에서의 통행량이 300명 이하인 것으로 분석되었다. 서울역과 인접한 서대문구(SDM)에 서는 2회 이상 환승한 환승 통행량이 전체의 4%를 차지해 지역 연계성 측면에서 좋지 않은 걸로 판단되었 다. Transfer Zone 0 1 2 3 4 총 강남구(GN) 275 (85%) 46 (14%) 2 (1%) 1 (0%) 1 (0%) 325 강동구(GD) 171 (89%) 22 (11%) 0 (0%) 0 (0%) 0 (0%) 193 강북구(GB) 514 (71%) 202 28(%) 4 (1%) 1 (0%) 1 (0%) 722 강서구(GS) 171 (77%) 48 (22%) 2 (1%) 0 (0%) 0 (0%) 221 관악구(GA) 421 (83%) 86 (17%) 2 (0%) 0 (0%) 0 (0%) 509 광진구(GJ) 341 (94%) 20 (6%) 2 (1%) 0 (0%) 0 (0%) 363 구로구(GR) 395 (84%) 78 (16%) 0 (0%) 0 (0%) 0 (0%) 473 금천구(GC) 171 (81%) 40 (19%) 0 (0%) 0 (0%) 0 (0%) 211 노원구(NW) 584 (90%) 65 (10%) 2 (0%) 0 (0%) 0 (0%) 651 도봉구(DB) 362 (80%) 88 (19%) 1 (0%) 1 (0%) 0 (0%) 452 동대문구(DDM) 763 (78%) 188 (19%) 15 (2%) 5 (1%) 2 (0%) 973 동작구(DJ) 484 (72%) 171 (25%) 13 (2%) 6 (1%) 0 (0%) 674 마포구(MP) 320 (87%) 41 (11%) 5 (1%) 0 (0%) 0 (0%) 366 서대문구(SDM) 441 (74%) 137 (23%) 16 (3%) 3 (1%) 1 (0%) 598 서초구(SC) 524 (82%) 102 (16%) 11 (2%) 1 (0%) 1 (0%) 639 성동구(SD) 213 (89%) 26 (11%) 1 (0%) 0 (0%) 0 (0%) 240 성북구(SB) 593 (76%) 175 (22%) 6 (1%) 2 (0%) 3 (0%) 779 송파구(SP) 247 (84%) 48 (16%) 0 (0%) 0 (0%) 0 (0%) 295 양천구(YC) 110 (82%) 23 (17%) 1 (1%) 0 (0%) 0 (0%) 134 영등포구(YDP) 433 (82%) 92 (17%) 6 (1%) 0 (0%) 0 (0%) 531 용산구(YS) 948 (91%) 77 (7%) 16 (2%) 3 (0%) 0 (0%) 1044 은평구(EP) 454 (85%) 79 (15%) 2 (0%) 1 (0%) 1 (0%) 537 종로구(JN) 1252 (90%) 118 (9%) 17 (1%) 0 (0%) 0 (0%) 1387 중구(J) 858 (88%) 96 (10%) 14 (1%) 2 (0%) 0 (0%) 970 중랑구(JR) 104 (93%) 6 (5%) 1 (1%) 1 (1%) 0 (0%) 112 table 3. 유입수단의 환승횟수에 따른 지역구별 통행량
서울역으로의 유입통행과 서울역에서의 유출통행에 대한 수단별 비율을 살펴보면 다음과 같다. 유입통행의 경우 환승이 없이 통행한 경우(transfer=0)를 구분하였다. 수단별로 살펴보면 간선버스를 이용한 승객이 2,813명으로 버스 중 가장 높은 비율을 차지하고 있으며, 도시철도의 경우 9호선과 공항철도의 승객을 제외 한 일반철도 승객이 14,191명으로 전체의 99% 이상을 차지하고 있다. 버스와 도시철도 수단 간 비율은 약 4 배 정도의 승객이 버스보다는 도시철도를 선호하고 있음을 알 수 있다.
유입통행 (total) 유입통행 (transfer=0) 유출통행 (total) Passenger Percentage Passenger Percentage Passenger Percentage
Bus (마을)Shuttle 26 0.1% 25 0.2% 95 0.2% (간선)Blue 2,813 15.7% 2,239 14.9% 7,176 15.3% (지선)Green 543 3.0% 467 3.1% 1,521 3.2% (광역)Red 247 1.4% 215 1.4% 637 1.4% Metro (일반)General 14,191 79.4% 12,050 80.0% 37,509 79.8% (9호선)Line no.9 57 0.3% 54 0.4% 60 0.1% (공항철도)Arex 4 0.0% 4 0.0% 4 0.0% Sum 17,881 100.0% 15,054 100.0% 47,002 100.0% table 4. 유입-유출 통행에 따른 수단별 비율 서울시 25개 지역구별로 살펴보면 유입통행의 경우 종로구(JN)에서 1,252명으로 가장 많으며, 유출통행의 경우 중구(J)에서 7,436명으로 가장 많은 통행량을 보인다. 강동구(GD)와 광진구(GJ)에서는 도시철도 이용 률이 100%로 나타났다. 다음은 지역구별 이용객 수와 평균 통행시간과 통행요금을 나타낸 표이다. Zone 유입통행 유출통행
Bus Metro Bus Metro
Passenger Average Passenger Average Passenger Average Passenger Average
Num % Time (sec) Fare (won) Num % Time (sec) Fare (won) Num % Time (sec) Fare (won) Num % Time (sec) Fare (won) GN 24 9% 2,434 1,013 251 91% 2,414 944 32 11% 2,226 956 254 89% 2,423 943 GD 0 0% - - 171 100% 3,039 973 0 0% - - 111 100% 3,049 1,021 GB 80 16% 2,816 1,068 434 84% 1,685 872 10 5% 2,359 927 211 95% 1,718 853 GS 11 6% 3,113 982 160 94% 2,662 954 4 4% 2,952 1350 90 96% 2,613 929 GA 209 50% 2,311 996 212 50% 1,946 943 132 36% 1,795 923 233 64% 2,011 957 GJ 0 0% - - 341 100% 2,269 931 0 0% - - 216 100% 2,201 956 GR 9 2% 2,237 880 386 98% 1,859 875 9 5% 1,849 900 188 95% 1,629 884 GC 80 47% 2,445 916 91 53% 2,071 889 12 20% 2,176 900 48 80% 2,051 883 NW 14 2% 2,553 1,067 570 98% 2,594 953 2 1% 2,758 900 272 99% 2,489 954 DB 20 6% 3,006 945 342 94% 2,348 956 4 2% 2,509 1305 170 98% 2,458 913 DDM 19 2% 1,818 938 744 98% 1,582 755 12 2% 1,895 1,125 578 98% 1,536 776 DJ 261 54% 1,371 951 223 46% 1,410 780 128 47% 1,095 981 143 53% 1,028 780 MP 150 47% 792 932 170 53% 1,704 777 20 11% 1,307 990 166 89% 1,485 842 SDM 301 68% 829 968 140 32% 1,454 789 80 33% 1,073 982 161 67% 1,131 778 SC 19 4% 2,174 962 505 96% 1,565 816 51 14% 1,399 1,034 317 86% 1,671 829 SD 9 4% 2,208 1,050 204 96% 1,613 792 6 4% 1,176 1,050 146 96% 1,532 822 SB 114 19% 1,969 962 479 81% 1,677 823 35 9% 1,778 1,088 340 91% 1,616 861 SP 6 2% 4,909 900 241 98% 2,820 976 1 0% 3,658 900 219 100% 2,787 1,049 YC 21 19% 2,549 1,084 89 81% 2,143 835 9 11% 2,005 900 74 89% 1,964 916 YDP 67 15% 1,447 952 366 85% 1,452 770 37 13% 1,373 1,029 258 87% 1,371 822 YS 327 34% 521 937 621 66% 761 792 473 65% 1,020 936 259 35% 745 723 EP 267 59% 1,664 1,012 187 41% 2,189 821 67 51% 1,547 1,061 65 49% 2,148 638 JN 349 28% 927 1,000 903 72% 1,084 719 117 17% 821 912 592 83% 936 703 J 200 23% 433 972 658 77% 806 778 1,815 24% 1,281 998 5,621 76% 2,201 854 JR 18 17% 2,415 900 86 83% 2,787 813 8 16% 2,287 1,013 41 84% 2,958 920 Avg - - 1,323 973 - - 1,703 834 - - 1,278 984 - - 1,972 850 table 5. 지역구별 통행량과 평균 통행시간 및 통행요금
fig 2. 지역구별 버스와 도시철도 수단분담 3. 수단선택 모형 버스와 도시철도를 세분화하면 총 7개의 수단으로 나눌 수 있지만, 교통카드 데이터 수의 제약으로 인해 버스와 도시철도만으로 구분하여 이항 로짓 모형을 구축하였다. 통행에 큰 영향을 주는 통행요금과 통행시간 을 독립변수로 설정하였으며, 분석 프로그램으로 R을 사용하였다. 데이터 수는 유입통행의 경우 13,247 legs 이며, 유출통행의 경우 41,844 legs이다. 분석결과 통행요금과 통행시간 모두 부(-)의 영향을 미치고 있으며 통행요금보다는 통행시간의 영향이 더 큰 것으로 나타났다. 이는 장거리 통행자의 시간가치가 요금가치보다 더 크게 반영된 결과라 판단된다. 또한 유입통행보다는 유출통행의 통행시간이 약 4배 정도 더 큰 것으로 분석되었는데, 이는 추석 연휴의 귀경에서 의 큰 피로도가 통행시간에 반영된 결과라 판단된다. 독립변수의 유의수준에서는 유출통행의 절편에 대한 유 의수준이 다른 변수들보다 약간 좋지 않은 것으로 구축되었다.
Estimate Std. Error z value Pr(>|z|)
유입통행 Intercept 1.798622 0.147855 12.165 < 2.00e-16 *** Fare -0.00279 0.000173 -16.077 < 2.00e-16 *** Time -0.00969 0.001492 -6.494 8.36E-11 *** 유출통행 Intercept 0.062481 0.088452 0.706 0.4799 Fare -0.00019 0.000106 -1.749 0.0802 Time -0.04158 0.001051 -39.559 < 2.00e-16 *** table 6. 모형 구축 Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘ ’ 0.1 ‘ ’ 1
4. 결 론 본 논문에서는 추석 연휴기간 동안 서울역을 통해 지역 간 철도를 이용하는 승객의 접근 통행수단에 관한 분석을 실시하였다. 분석에 사용된 교통카드 데이터는 2009년 10월 3일과 4일자였으며, 서울역으로의 통행 모두 지역 간 철도를 이용한다는 가정 하에 분석을 실시하였다. 분석 결과 서울역으로의 접근은 2번 이내의 환승으로 통행한 경우가 대부분이었으며, 접근 통행수단으로 버스보다 도시철도를 이용한 비율이 8:2 정도로 월등히 높은 것으로 분석되었다. 이는 내가 주 통행수단으로 이용하려는 수단과 동일한 접근 통행수단을 선택하려는 경향이 반영된 결과로 판단되며, 지역 간 장거리 통 행자의 경우 통행요금보다는 통행시간에 더 많은 비중을 두는 것으로 분석되었다. 경기도의 접근 통행을 제외한 서울시 25개 지역구별 접근 통행의 환승 횟수는 서울역에서 거리가 먼 지역 구일수록 환승횟수가 증가하고, 통행량이 줄어드는 경향을 보이는 것으로 나타났다. 본 논문에서는 버스와 도시철도 두 수단의 구분을 통해 이항 로짓 효용함수를 구축하였다. 추후 충분한 교 통카드 데이터가 확보된다면 경기도권역과 다 수단에 의한 로짓 효용함수 구축이 이루어질 것으로 전망된다. 참고문헌 1. 로짓 프로빗 모형 응용, 이성우 외, 2005 2. 출발지 공간 연관성을 고려한 지역별 수단선택확률 추정 연구, 엄진기 외, 2009 3. 공간로지스틱 모형을 이용한 이용자 출발지 기준 수단선택 확률추정 연구, 엄진기 외, 2009 4. KTX 개통 전 후 서울시 지역별 철도수단 선택 변화 분석, 엄진기 외, 2009 5. SP 데이터에 의한 교통수단선택모형 및 수단전환분석, 성수련 외, 2002 6. RP와 SP의 결합추정법에 의한 교통수단선택모델, 성수련 외, 2002 7. 지하철 도입에 따른 교통수단선택 모형 개발, 이영헌 외, 2003
