[표 2] 조사데이터와 빅데이터의 비교

vi

1. 연구의 배경 및 목적

❏ 현재의 통행실태조사와 교통수요모형화 방법론만으로는 교통수요의 변화요인을 신속하게 파악하고 분석하기 어려워, 교통수요 패턴이 나타나는 원인을 동적으로 진단하고 현재의 모형에 반영할 수 있는 방법이 필요함

￮ 현재의 교통수요 모형을 이용한 교통수요 추정의 경우 주중 평균값을 가정한 교통수요를 추정하여 교통수요 발생의 주기성(계절, 요일 등), 단기간 나타나는 경향성, 지역 집중 등에 대한 반응이 어렵고 평균이 아닌 불규칙한 교통수요가 일어나는 원인을 복합적으로 분석하지 못함

￮ 4-5년에 한 번씩 이루어지는 가구통행실태조사로는 교통수요에 발생하는 변화 요인을 신속하게 감지하여 대책을 마련하기 어려워, 교통수요의 변화요인을 빠르게 감지할 수 있는 데이터를 확보하고, 이를 교통수요추정에 이용할 필요가 있음

￮ 현재 사용하고 있는 데이터와 수요 추정방법의 문제점을 진단하고, 이를 보완하기 위한 방법론의 연구가 필요

￮ 각 주체가 보유하고 있는 빅데이터를 활용하여 교통분야에 적용하는 연구를 활성화하고 수요예측에 적극 활용하기 위한 정책 및 제도적 개선·지원방안 도출 필요

S U M M A R Y

요약

vii

2. 지역간 교통수요 예측의 현황 및 이슈

❏ 전수화 이슈 : 자료조사비용의 한계

￮ 지역간 교통수요예측 모형의 경우 조사를 통한 여객 기종점 통행량을 전수화의 기초자료로 활용

￮ 전국을 대상으로 하는 여객 기종점 조사 시 시간과 비용 등의 제약으로 인하여 신뢰성을 확보하는 범위 내에서 표본조사를 실시 (한국교통연구원, 2008)하고 있으나, 표본률이 낮거나 표본 추출과정의 무작위성을 보장하기 어려울 수 있음 (정성봉 외, 2007)

￮ 이로 인해 제로셀이 다수 발생하며 이를 보정하기 위한 추가적인 예측 과정이 수행되지만 더블 카운팅이 발생할 수 도 있으며 이에 대한 효과적인 대처방안은 없는 실정

￮ 매5년마다 실시하는 표본조사 간격으로 교통특성의 변화와 그 영향을 파악하기 어려움

￮ 또한 표본조사를 전수화 하는 과정에서 오차를 줄이기 위해 데이터에 기반하지 않은 보정계수를 사용

❏ 시간적 범위의 한정으로 인한 방향별 불균형

￮ 기본적으로 기종점 통행량 구축의 시간적 범위를 1일로 한정

￮ 통행의 발생지점에서 통행이 시작하여 1일내에 돌아온다는 가정을 함으로 기종점 쌍간의 방향별 불균형 발생 시 보정을 통해 균형을 맞추려고 하지만 균형된 존별 발생 도착량의 비율을 정확히 조사할 필요가 있음

￮ 첨두와 비첨두로 구분되는 시간대별 예측으로는 주말 또는 계절통행 등 단시간에 집중되는 수요를 설명하는데 한계

❏ 다양한 모형적용의 한계

￮ 인간의 행태를 모형을 통해 도출하기 위해서는 설명력 있는 행태모형를 적용하여 야 하나 물리모형인 중력모형에 근거하여 통행을 사용

viii

￮ 집계모형을 통한 장래 통행수요예측은 통행의 발생과 유인의 구체적인 원인에 대한 설명은 부족

3. 조사데이터와 빅데이터의 비교

❏ 현 교통수요예측의 문제점 중 표본 크기, 조사변수 개수, 조사횟수, 공간 및 시간적 해상도 등 조사비용의 한계로 개선하기 어려운 측면을 빅데이터를 활용해 보완할 수 있을 것으로 예상됨

비교항목 조사 데이터 빅데이터

표본 크기 및 자료 상세도

- 비용의 제한으로 표본 크기나 변수 개수에 제한이 있음

- 개별 조사의 경우 조사 목적에 따라 변수를 구성함

- 범용적인 목적으로 수집된 국가조사의 경우 수집 변수가 제한적이기 때문에 특정한 목적 에 활용하는 데 제약이 발생하는 경우가 있 음(데이터의 제한으로 정교한 분석과 모형 개선이 어려운 경우가 있음)

- 보통 표본의 크기가 매우 크며, 전수에 가까 운 빅데이터도 존재

- 개별 목적을 위해 변수를 추가하거나 데이터 의 형식을 변경하기 어려움

- 특정 목적을 위해 축적하는 빅데이터를 다양 한 목적에 활용하고자 하는 노력이 이루어지 고 있으며, 데이터 개선으로 연결되고 있음

개인정보보호 및 위치정확성

- 개인정보보호와 수집비용증가의 이유로 높 은 해상도의 공간정보를 얻기 어려움

- 정확한 위치정보를 포함한 경우 익명화를 통해 개인정보보호

- 개인정보보호를 위해 집계정보만 공개하거 나, 미시데이터일 경우 제한적인 정보만 공 개하는 경우가 많음

- 지오태그된 정보의 경우 공간적 해상도가 매우 높음

자료획득비용

- 대형 조사의 경우 데이터 개선에 비용이 많이 소요됨

- 공공데이터, API 활용, 크롤링에 의한 직접 수집의 경우가 아닌 경우 데이터 구매비용 발생

자료수집시점

- 특정한 사건의 전후 비교를 하려면 미리 조사를 계획하고 시행해야 하므로 전후비교 가 불가능한 경우가 많음

- 상시 데이터가 수집되므로 특정시점 전후의 비교 및 현상진단, 변화 트렌드 파악에 유용 함

자료융합분석 가능성

- 조사별로 조사 시점이 달라서 연관관계를 파악하기 힘든 경우가 많음

- 상시 수집되는 다양한 데이터의 융합 분석으 로 연속적인 인과관계 파악 가능성 - 데이터 융합(fusion)을 통해 새로운 패턴

파악 및 조사데이터 개선에 활용 가능

[표 2] 조사데이터와 빅데이터의 비교

ix

4. 교통분야 빅데이터 활용 사례

1) 고속도로 통행료 자료의 활용¹⁾

❏ Boston에서 Washington D.C.를 있는 고속도로에 설치되어 있는 E·Z Pass 시설에 서 수집된 O/D 자료를 활용하여 도시간 이동수요를 분석한 사례

￮ (시사점) 국내에도 도로공사에서 수집하고 있는 고속도로 톨게이트간 통행량 정보가 상시적으로 수집되고 있어 유사한 방법으로 활용 가능할 것으로 보임

￮ (활용의 한계) 국내의 경우에는 도로공사와 민자고속도로의 자료가 완벽하게 통합되어 있지 않아 분석에 어려움이 예상되며, 본 사례와 같이 톨게이트 통과 정보에서 샘플을 추출하여 추가적인 조사를 시행하는 데 있어 개인정보 보호 등의 문제로 어려움이 예상됨

<그림 1> E·Z Pass 데이터로부터 도출한 지역간 이동 수요

출처: Ramsay, P. (2015) Utilizing Big Data Methods for a Long-Distance Automobile Origin-Destination Study. TRB National Transportation Planning Applications Conference 발표자료. 2015년 5월 19일.

1) Ramsay, P. (2015) Utilizing Big Data Methods for a Long-Distance Automobile

Origin-Destination Study. TRB National Transportation Planning Applications

Conference 발표자료. 2015년 5월 19일.

x

<그림 2> 요일별-목적별 통행발생량 분석

출처: Ramsay, P. (2015) Utilizing Big Data Methods for a Long-Distance Automobile Origin-Destination Study. TRB National Transportation Planning Applications Conference 발표자료. 2015년 5월 19일.

2) 이동통신데이터 활용사례²⁾

❏ 이동통신 사용자 데이터를 활용하여 지역간 교통수요 추정에 활용한 사례

￮ (AirSage WiSE 플랫폼) 모바일 데이터를 수집하고 분석할 수 있는 상용 플랫폼을 활용

￮ 주중 반 이상의 날짜에 오후 9시부터 아침7시까지 머무른 곳을 주거지의 위치로 지정하여 이후 분석에 활용

￮ 1달간 통신사 Verizon의 데이터로부터 1100만의 통행, 3백만 개의 이동통신 기기 포착(시사점) 국내에서도 이동통신 데이터를 활용하여 정책수립에 활용하 려는 노력이 많이 이루어지고 있어, 본 연구의 방법론 및 활용한 플랫폼에서 수행하는 역할 등에 대해 참고할 점이 있음

2) Fussel, R. & Gresham, C. (2015) No horsing around, a hole in one with mobile phone

data: using mobile phone location data to support corridor analysis. 15th TRB National

Transportation Planning Applications Conference 발표자료. 2015년 5월 19일.

xi

<그림 3> AirSage WiSE Platform

출처: http://www.airsage.com/Technology/How-it-works/ (최종확인: 2015.11.29.)

a) 대상 카운티에서 출발하는 통행량 b) 카운티간 통행 중 통과 통행량

<그림 4> 이동통신 사용자 이동 데이터로부터 도출한 카운티간 통행패턴

출처: Fussel, R. & Gresham, C. (2015) No horsing around, a hole in one with mobile phone data:

using mobile phone location data to support corridor analysis. 15th TRB National Transportation Planning Applications Conference 발표자료. 2015년 5월 19일.

xii

5. 실증분석

1) 고속도로 통행료 징수 시스템(TCS: Toll Collection System) 자료의 활용

❏ 지역간 통행의 시기별 변화를 분석

￮ 현재 교통량의 추정은 주중 평균을 기준으로 하고 있어, 주말, 연휴기간 통행이 이와 큰 차이가 날 경우 도로인프라 계획은 실제 교통수요를 반영하지 못함

￮ 그림 5는 수도권을 출발하여 각 톨게이트에 도착하는 2015년 5월 12일~14일(화, 수, 목) 통행량의 평균을 기준으로 하여 월요일, 주말, 연휴기간에 각 몇 배의 통행량이 발생하는지 보여줌

￮ (시사점) 이와 같이 시기별로 편차가 존재하는 TCS 실측값을 국가교통유의 O/D와 비교하여 연중 발생하는 오차를 검토할 필요가 있음

2015년 5월 11일 월요일 2015년 5월 9일 토요일

2014년 9월 6일 토요일(추석연휴 첫날) 크기

화수목 평균의 x배

통행량 <0.9배 >5배 월요일(단위:배)

금요일(단위:배)

토요일(단위:배)

휴가철(단위:배)

(8월1일) 추석(단위:배)

[그림 5] 경기도 출발 고속도로 통행 요일별, 시기별 비교:

015년 5월 12일~14일(화, 수,

목) 통행량 평균 대비 x배

xiii

진입 진출

부산·울산광역시

대전광역시

❏ 지역별 첨두시간의 분석

￮ 도로·철도 부문 사업의 예비타당성 조사 표준지침 수정·보완연구(2008)에서는 지역간 통행과 수도권 지역 통행을 구분하여 1시간 통행량의 집중률과 지속시 간을 제시하고 있음

￮ 하지만, 이 기준이 제시된 이후로 시간이 많이 흘렀으며, 지역별로도 통행특성 이 달라 실측치를 바탕으로 이를 보정할 필요가 있음

￮ 그림 6은 TCS 자료를 바탕으로 구성한 부산, 울산광역시와 대전광역시의 진출입별 집중률을 보여주며, 이는 지침에서 규정된 집중률, 지속시간과 상당 한 차이를 보이는 것으로 나타남

￮ 첨두 발생시간이 광역권별로 상당한 차이가 있을 경우 장기적으로 이러한 통행패턴을 고려하여 도로 사업 투자계획을 세우는 것이 필요함

[그림 6] TCS 자료를 바탕으로한 광역도시권의 시간대별, 진출입별 집중률

xiv

지역 평일 평균 주말 평균 주말환산

계수 지역 평일 평균 주말 평균 주말환산 계수 종로구 699,713 516,734 0.738 마포구 1,328,070 1,042,770 0.785 중구 917,649 657,231 0.716 양천구 1,491,496 1,225,267 0.822 용산구 800,759 597,488 0.746 강서구 1,930,566 1,599,479 0.829 성동구 1,075,309 831,091 0.773 구로구 1,289,467 1,045,184 0.811 광진구 1,269,814 988,005 0.778 금천구 807,208 652,434 0.808 동대문구 1,230,712 976,291 0.793 영등포구 1,497,204 1,195,473 0.798 중랑구 1,380,105 1,118,242 0.810 동작구 1,177,385 934,595 0.794 성북구 1,539,550 1,230,481 0.799 관악구 1,548,430 1,237,517 0.799 강북구 1,118,232 916,005 0.819 서초구 1,571,692 1,139,936 0.725 도봉구 1,319,236 1,105,503 0.838 강남구 2,426,945 1,753,323 0.722 노원구 1,876,037 1,543,769 0.823 송파구 2,159,637 1,738,172 0.805 은평구 1,229,888 1,005,813 0.818 강동구 1,451,709 1,191,781 0.821 서대문구 998,952 802,123 0.803

2) 이동통신 이용자 자료의 활용

❏ 주말계수의 분석

￮ 현재 주말계수의 산정에 활용하고 있는 TCS 자료는 수도권에 대한 상세한 분석이 어렵다는 단점이 있음

￮ 하지만 스마트 셀 활동인구를 활용하면 크게는 행정구(區)별, 작게는 행정동(洞) 별로 주말통행패턴에 대한 분석이 가능함

￮ 서울시 내부 통행패턴을 살펴본 결과, 행정구(區)간 주말환산계수가 0.716~0.838로 서울시 안에서도 10% 이상의 차이를 나타내고 있음

￮ 예비타당성조사 지침에서 제시하고 있는 주말통행 반영기준인 20% 변동을 초과하는 구가 서울시 25개 구중 절반인 13개의 구가 해당하여, 서울시의 주말통행 분석의 필요성을 보여줌

￮ 따라서 서울 지역의 도로사업 분석시 기존 TCS 계수의 수단분담율과 스마트 셀 계수를 융합하여, 서울시 내 수단별 주말환산계수로 활용하는 방안을 고민할 필요가 있음

[표 3] 서울시 행정구별 주말환산계수

xv

❏ 토지이용특성을 고려한 주말환산계수 적용

￮ 그림 7과 8은 서울로 유입되는 통행의 주말패턴을 경기 및 인천지역에서 출발한 통행과 수도권 외곽지역에서 출발한 통행을 구분하여 나타낸 것임

￮ 초록색과 파란색으로 표시된 곳은 주말에 활동인구가 감소한 지역, 노란색과 주황색으로 표시된 곳은 주말에 활동인구가 증가한 지역을 나타냄

￮ 경기 및 인천에서 들어온 단거리 통행의 경우 업무활동이 감소하면서 강남구, 서초구, 중구, 영등포구 등 대다수의 지역에서 활동인구가 감소하였으며, 홍대, 이태원, 강남 등 일부 유흥가만 활동인구가 증가함

￮ 수도권 외곽에서 들어온 장거리 통행의 경우 여가활동이 증가하면서 기존 유흥가 외에도 청계산, 관악산, 잠실 등 관광지와 용산역, 서울역, 동서울터미널과 같은 교통시설에도 활동인구가 집중적으로 늘어남

￮ 이러한 토지이용특성을 추가적으로 반영한다면 더 상세한 교통수요분석을 수행 할 수 있을 것으로 기대됨

[그림 7] 경인 지역에서 서울로 유입된 통행의 주말패턴

[그림 8] 수도권 외곽지역에서 서울로 유입된 통행의 주말패턴

5. 정책제안

❏ 본 보고서의 주요 정책제안은 다음과 같이 정리할 수 있음

￮ 요일·지역별 동적 통행특성을 반영한 국가교통 DB의 보완이 필요하며, 이를 위헤 고속도로 통행자료와 관련 민간 빅데이터 등을 활용한 검증 과정 필요

xvi

￮ 도로사업의 타당성 조사를 위한 편익 산정 시 전국에 동일한 기준을 적용하는 첨두·비첨두 지속시간에 대해 현행과 달리, 고속도로 통행자료 등의 실측치를 활용하여 지역별 특성 반영 필요

￮ 시공간적 해상도가 높은 빅데이터를 활용하면, 국가교통DB의 주말계수를 실측 치를 사용해 검증하는 것이 가능하며, 공간적 정밀도를 높여 토지이용과 통행의 상관관계에 대한 더욱 구체적인 접근이 가능함

❏ 빅데이터를 활용하여 교통수요예측의 신뢰성을 높이기 위해서는 국가가 보유한 정보 활용 및 민간데이터 유통 등에 관련된 법·제도를 시급히 정비할 필요가 있으며, 주요 제안 내용은 다음의 표와 같이 정리할 수 있음

① 공공 빅데이터의 위상 제고: 제도개선을 통해 공공빅데이터의 활용성을 높이고, 공공빅데이터의 역할 강화 필요

ㅇ (데이터 가용범위 재검토) 도로공사 등에서 보유하고는 있으나 개인정보보호 등의 이유로 활용하지 못하는 빅데이터를 개인정보를 침해하지 않는 선에서 활용할 수 있도록 개선 방안 검토

ㅇ (데이터 표준화 및 개선방안 마련 필요) 기관마다 다른 기준에 의해 생산하고 있는 데이터를 손쉽게 융합하여 활용할 수 있도록 표준 코드체계 및 데이터 개선방안 마련 필요 ㅇ (누적 데이터 제공방안 마련) 국가교통정보센터의 역할이 실시간 정보를 제공하는 데

그치고 있어, 과거 정보를 활용한 전후비교가 불가능하고 자료에 기반한 교통개선계획 수립이 어려움. 지역 발전과 교통의 상관관계, 계절적 영향 등을 파악할 수 있도록 데이터의 누적 및 누적된 데이터의 제공 필요.

② 민간 데이터의 공공목적 활용모델 구축: 민간 빅데이터를 공공목적 활용을 활성화하기 위한 방안 도출 필요

ㅇ (민간 빅데이터 구득 기준 마련) 기관별로 데이터를 구매하여 사용하고 있으나, 일관된 사양 및 가격체계가 없어 합리적인 데이터 취득이 어려우며, 이에 대한 공통기준 마련 필요

ㅇ (빅데이터 가공 및 기초분석 역할 수행 주체 필요) 빅데이터 수요처의 분야별로 적합한 데이터 가공과 분석을 수행하여 데이터 수요처와 공급처를 매개하는 주체 필요

③ 빅데이터 유통체계 및 활용기반 마련: 빅데이터의 통합 제공 및 공동이용환경 구축으로 빅데이터 의 제공 및 활용 활성화

ㅇ (공공 빅데이터 유통체계 마련) 관리주체별로 흩어져 있는 공공데이터를 한 곳에서 제공하고 기초적인 시각화와 분석기능을 제공하여 빅데이터에 대한 접근성을 높일 필요 ㅇ (공공목적 빅데이터 활용기반 마련) 빅데이터를 활용의 장벽을 낮추기 위해 다양한 기술적

지원 제공 필요

ㅇ (빅데이터 분석결과의 법적 유효성 확보) 법정계획 등에 빅데이터 분석으로 얻은 결과가 반영될 수 있도록 협의 필요

<표 4> 빅데이터 분야 공공역할 강화를 위한 법·제도 정비 필요사항