지하철 시스템의 정확한 승객 수요를 예측하는 것은 지하철 시스템의 서비스 개선 및 혼잡 완화를 위해 중요하다. 교통 수요예측을 위해 국내에서는 현재 한국교통연구원에서 배포하는 O/D 자료를 사용하지만, 해당 자료는 가구통행실태조사 데이터를 기반으로 가구통행실태조사는 비용, 시간 등의 측면에서 효율성의 한계가 있다. 따라서 본 연구에서는 이러한 한계를 극복하고 주기적인 통행량 갱신을 위해 항시 자동으로 수집되는 스마트카드데이터를 이용하여 행정동별 지하철 통행 발생/유입량을 예측하는 것을 목적으로 한다. 또한, 이를 위해 먼저, 역별 영향권의 네트워크 분석을 통해 행정동별 역 영향권의 현황을 분석한다. 그 후 Graph Neural Network (GNN) 기법을 적용하여 지하철 통행 발생/유입량 예측에 대한 모델을 제안한다. 그래프 구축은 행정동과 지하철 간의 관계를 기반으로 수행되었으며, GNN 구조 중 GAT 모델 구축, 학습 및 테스트 등의 단계를 통해 다양한 사회경제지표, 토지이용, 접근성 관련지표, 스마트카드데이터의 역별 승하차량을 이용하여 행정동 단위의 지하철 통행 발생/유입량을 예측한다. 모델 구축 후 MSE, MAE, R-square라는 평가지표를 통해 통행 발생 모형 및 통행 유입 모형을 각각 평가했고, 두 결과 모두 예측값과 결과값이 대부분 일치하는 것으로 나타났다. 마지막으로, 영향권 개수별 오차량을 비교한 결과 예측 통행 발생/유입량의 오차량 분포를 영향권 개수별로 나타낸 결과, 행정동별로 포함된 영향권 개수가 작을수록 오차량 분산이 낮은 것으로 나타나며, 이는 1개의 행정동에 포함된 지하철 영향권이 적을수록, 즉 행정동과 지하철 Node간 관계가 복잡하지 않을수록 오차량 분산이 더 낮은 것으로 나타났다. 또한, 분석된 스마트카드데이터의 지하철 총 통행량이 KTDB 보다 적기 때문에 전반적인 오차량이 음의 값을 띄는 형태를 보인다.