표제지
목차
주요 내용 및 정책제안 3
요약 4
CHAPTER 1. 서론 21
1. 연구의 배경 및 목적 22
1) 연구의 배경 및 필요성 22
2) 연구의 목적 25
2. 연구의 범위 및 방법 26
1) 연구의 범위 및 정의 26
2) 연구 방법 27
3. 선행연구 검토 및 차별성 29
4. 연구의 기대효과 31
CHAPTER 2. 포스트 감염병 대응을 위한 목적별 통행수요 예측모형 개발 의의 32
1. 목적별 통행수요 예측모형 필요성과 활용 가치 33
1) 국토환경 변화 33
2) 통행수요 파악을 위한 공공데이터 활용 한계 36
3) 소결 42
2. 포스트 감염병 대응을 위한 데이터 기반 과학적 정책도구 개발의 필요성 43
1) 포스트 감염병 통행행태 변화와 전망 43
2) 포스트 감염병 대응을 위한 데이터 기반 과학적 정책도구 개발 필요성 51
3. 목적별 통행수요 예측모형 개발 의의 53
CHAPTER 3. 관련 이론 및 연구 동향 55
1. 관련 이론 56
1) 통행수요 예측모형 관련 이론 56
2) 탐색적 데이터분석 관련 이론 62
3) 딥러닝 개념 및 관련 이론 67
2. 관련 연구 동향 77
1) 통행수요 예측 관련 선행연구 77
2) 딥러닝 기반 통행수요 예측 관련 선행연구 83
3. 소결 및 시사점 87
CHAPTER 4. 딥러닝 기반 목적별 통행수요 예측모형 개발 90
1. 모형 개발 방향 및 데이터 구축 91
1) 전반적인 모형 개발 방향 91
2) 모형을 위한 데이터 선별기준 및 데이터 융복합 설계 92
3) 데이터 융복합을 통해 개발된 모형 특징과 기대효과 93
2. 모형 설계 및 구현 96
1) 모형의 아키텍처 구성 97
2) 모형 데이터 및 전처리 101
3) 데이터 구축 및 취합 123
3. 모형개발 126
1) 목적별 통행수요 유발요인 분석 126
2) 공간별 통행수요 특징을 이용한 추가 데이터 생성 150
3) 관측교통량을 이용한 기종점 통행수요 예측 151
4. 소결 및 시사점 163
CHAPTER 5. 포스트 감염병 대응을 위한 목적별 통행수요 예측모형 활용 방안 165
1) 개요 166
2) 감염병 대응 정책변화에 따른 통행패턴 변화 민감도 분석 167
3) 감염병 확산에 따른 목적별 통행수요와 교통량 예측 171
CHAPTER 6. 결론 및 향후 과제 172
1. 결론 및 정책제언 173
2. 연구의 한계와 향후 과제 174
참고문헌 175
SUMMARY 190
[부록 1] 사회적 거리두기 단계체계 191
[부록 2] 관측교통량 검지 방식 및 특성 195
[부록 3] KTDB 네트워크 파일 구성 196
[부록 4] 모형의 개발을 위한 아키텍처 구성 203
[부록 5] 기타 알고리즘 방법론 및 개념 209
[부록 6] 목적별 통행수요 유발요인 분석 결과 217
판권기 234
표 1-1. 선행연구와 본 연구와의 차별성 30
표 2-1. 국내 가구통행실태조사 연차별 표본 39
표 2-2. 해외 주요국가별 가구통행실태조사 연차별 표본 비교 39
표 2-3. 포스트 감염병 대응을 위한 잠재선호의식 조사 시나리오 구성 (장동익 외. 2021) 49
표 2-4. 포스트 감염병 대응을 위한 잠재선호의식(SP) 조사 내용 (장동익 외. 2021) 49
표 2-5. 코로나19 발생 전후 목적통행 변화 (장동익 외. 2021) 50
표 3-1. 관측교통량으로부터 기종점 통행수요 예측모형 계산단계 일반화 61
표 3-2. 머신러닝 구분 및 특징 68
표 4-1. 모형에서 활용된 데이터 시계열 구분 및 항목과 출처 96
표 4-2. 전국 및 지방 5대권역 목적별 통행수요 구분 104
표 4-3. 6대 권역 교통존 설정내역 (한국교통연구원, 2020a) 104
표 4-4. 도로 네트워크 노드 데이터의 자료구조 (한국교통연구원, 2020a) 106
표 4-5. 도로 네트워크 링크 데이터의 자료구조 (한국교통연구원, 2020a) 106
표 4-6. KTDB 도로망 GIS DB의 시도별 총 도로길이, 평균차선수, 총신호등 수 등의 분포 108
표 4-7. SDC통계청 통신모바일 인구이동량 통계 122
표 4-8. 정부 정책 및 사회적 거리두기 단계별 엄격성 비교표 (손재선 외. 2021. p.111) 123
표 4-9. 정적데이터군 탐색적 분석을 위한 단계별 내용과 기대효과 및 모형의 선택 127
표 4-10. 랜덤 포레스트로 추정된 전국단위 통행목적별 주요 통행유인 요소 (Top 5) 131
표 4-11. 최적의 변수를 이용한 전국단위 목적별 통행수요 모형 상관관계 분석 및 테스트 오차 평균 비교 132
표 4-12. 랜덤포레스트로 추정된 서울시 통행목적별 주요 통행 유인 요소 (Top 5) 140
표 4-13. 랜덤포레스트로 추정된 부산시 통행목적별 주요 통행 유인 요소 (Top 5 141
표 4-14. 서울시 및 부산시 목적별 통행수요 모형 상관관계 분석 및 테스트 오차 평균 비교 142
표 4-15. 모형 개발을 위한 통행목적별 유동인구 데이터 재 할당 (거시 단위) 153
표 4-16. 감염병 확산 이후 추정되는 기종점 목적별 통행수요 패턴 예측을 위한 데이터구성 (거시 단위) 156
표 4-17. 통행목적별 감염병 영향 추정을 위한 모형학습 결과 (MSE 결과) 158
표 5-1. 감염병 확산 이후 추정되는 기종점 목적별 통행수요 패턴 예측을 위한 데이터구성 (거시 단위) 167
그림 1-1. 연구 흐름도 28
그림 2-1. 제5차 국토종합계획실천계획의 비전과 목표 34
그림 2-2. 다양한 관점에서 바라본 본 연구 관련 국토환경 주요 변화 도식화 36
그림 2-3. 질병관리청 감염병 정보화사업의 감염병 통합관리 흐름도 37
그림 2-4. SDC통계데이터센터의 실거주인구와 주민등록인구 지도 38
그림 2-5. SDC통계데이터센터의 모바일 유동인구 지도 서비스 38
그림 2-6. SKT-신한카드-KCB로 이루어진 민간 데이터댐 (GranData) 소개 41
그림 2-7. SKT-신한카드-KCB로 이루어진 민간 데이터댐 (GranData) 가명결합 예시 41
그림 2-8. 설문조사결과를 이용한 멜버른시 출퇴근 통행과 재택근무 변화 및 포스트 감염병 시기 예측 45
그림 2-9. 설문조사결과를 이용한 감염병 발생 전후 목적별 통행수요 교통수단 선호 요인 변화 46
그림 2-10. 코로나19 발생 전후 목적통행 변화 50
그림 3-1. 랜덤포레스트 모형의 개념적인 전개 예시 (손재선 외. 2021) 65
그림 3-2. t-SNE의 데이터 차원 변환 알고리즘 개념 도식화 및 변환 개념 67
그림 3-3. 인공신경망의 개념적 아키텍처 및 계산방식의 도식화 70
그림 3-4. 인공신경망과 심층신경망의 아키텍처 도식화 예 71
그림 3-5. 순환신경망 개념도 도식화 73
그림 3-6. 오토인코더(AutoEncoder)와 적층형오토인코더(Stacked AutoEncoder) 개념도 도식화 74
그림 3-7. 적대형 생성 네트워크(GAN)와 변이형 오토인코더(VAE) 개념도 도식화 76
그림 3-8. 여가통행 권역 간 이동통행량 시각화 78
그림 3-9. 통근통행 유입량을 이용한 지도 시각화 80
그림 3-10. TCS 자료를 활용한 부산ㆍ울산 및 대전광역시 시간대별 진출입 현황 81
그림 3-11. 활동지 범위 설정 방법 82
그림 3-12. 교통분야에 적용된 딥러닝 모델 84
그림 3-13. 육각형 격자로 분할한 분석대상 지역과 시간대별 택시 수요 85
그림 3-14. 우편번호 기준의 지역 구분과 다양한 이종 데이터 취합을 통한 모형 구축 86
그림 4-1. 분석 범위에 따른 모형 아키텍처와 흐름도 100
그림 4-2. 정적(Static) 데이터 군 데이터 항목 및 탐색적 구성 개념도 101
그림 4-3. 동적(Dynamic) 데이터 군 데이터 항목 및 탐색적 구성 개념도 102
그림 4-4. 한국교통연구원의 네트워크 파일 제공 형태와 내용 (파일명: 2018_JUNKUK_도로.in) 106
그림 4-5. 총 신호등 수의 시도별 분포 108
그림 4-6. 총 도로길이와 평균차선수의 시도별 분포 109
그림 4-7. 전국 상시 및 수시 교통량 지점(왼쪽)과 KTDB네트워크 데이터와의 정보 결합(오른쪽) 111
그림 4-8. 교통량정보제공시스템의 전국 지역별 상시 및 수시 교통량 검지 지역 비율 분포 111
그림 4-9. 서울시 교통량 수집지점 (서울시 교통정보 시스템) 112
그림 4-10. 부산시 교통량 수집지점 113
그림 4-11. 전국 사업자주소록 데이터 제공 공공 및 민간 114
그림 4-12. 전국 주요 사업자 등록업종 시군구별 분포현황 115
그림 4-13. 전국 시도별 월평균 추정소득 변화 (2019년 6월 대비 2020년 6월) 117
그림 4-14. 전국 시도별 총대출 잔액 변화 (2019년 6월 대비 2020년 6월) 117
그림 4-15. 전국 시도별 신용카드 월 총사용금액 변화 (2019년 6월 대비 2020년 6월) 118
그림 4-16. 한국기업데이터를 이용한 전국 거래망 분석 예시 (조성철 외. 2020) 119
그림 4-17. 한국기업데이터를 이용한 최근 10년간의 등록기업 비율변화 (산업대분류 기준) 120
그림 4-18. 2019년~2021년 소상공인(좌)과 소기업(우) 등록기업 비율변화 (산업대분류 기준) 121
그림 4-19. 시뮬레이션 모형을 위한 정부 정책 데이터 모식도(손재선 외. 2021. p.112) 123
그림 4-20. 탐색적 분석을 위한 정적데이터군 개념으로부터 데이터 구축 모식도 124
그림 4-21. 전국 단위 출근통행 데이터의 주성분 분석 결과 시각화 예시 129
그림 4-22. K-means를 이용한 최적 클러스터 수 결정 예시 (t-SNE와 UMAP 출근 통행결과) 132
그림 4-23. t-SNE와 UMAP의 차원축소 및 K-means 클러스터링 결과 (전국 단위) 133
그림 4-24. 출근 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 135
그림 4-25. 등교 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 136
그림 4-26. 업무 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 137
그림 4-27. 서울시와 부산시 읍면동 및 교통망 138
그림 4-28. 서울시 및 부산시 출근통행 데이터의 주성분 분석 결과 시각화 예시 139
그림 4-29. t-SNE와 UMAP의 차원축소 및 클러스터링 결과 (서울시) 143
그림 4-30. t-SNE와 UMAP의 차원축소 및 클러스터링 결과 (부산시) 144
그림 4-31. 서울시 분류된 가정기반 출퇴근 클러스터와 각 클러스터의 주요 요인 Top 2 146
그림 4-32. 서울시 분류된 가정기반 등하교 클러스터와 각 클러스터의 주요 요인 Top 2 147
그림 4-33. 부산시 분류된 가정기반 출퇴근 클러스터와 각 클러스터의 주요 요인 Top 2 148
그림 4-34. 부산시 분류된 가정기반 등하교 클러스터와 각 클러스터의 주요 요인 Top 2 149
그림 4-35. 본 연구에서 활용한 적대적 생성 신경망(GAN) 모형 아키텍처 도식도 150
그림 4-36. 목적별 통행 수요 예측을 위한 데이터구성 모식도 152
그림 4-37. 거시단위 전체 기종점 통행 배정 결과 시각화 153
그림 4-38. 통행목적별ㆍ시군구 분류 코드별ㆍ클러스터별 재 할당된 비율 분포 및 변화 (거시 단위) 155
그림 4-39. 통행목적별 감염병 영향 추정 결과 예시 (학습된 통행패턴 대비 실제 관측 통행패턴) 160
그림 5-1. 통헹목적별 감염병 대응 정책 변화에 따른 민감도 분석결과 예시(출근통행 Cluster #2) 169
그림 5-2. 통행목적별 감염병 대응 정책 변화에 따른 민감도 분석결과 예시(출근통행 Cluster #3) 170
그림 5-3. 통행목적별 감염병 대응 정책 변화에 따른 민감도 분석결과 예시(출근통행 Cluster #5) 171
부표 1-1. 사회적 거리두기 요약 (2020년 6월 28일 - 2020년 11월 7일) 191
부표 1-2. 사회적 거리두기 단계체계 (2020년 11월 7일~2021년 6월 30일) 192
부표 1-3. 중점관리시설 대상 단계별 방역 조치 (2020년 11월 7일~2021년 6월 30일) 193
부표 1-4. 거리두기 단계별 개인 활동 방역수칙 (2021년 3월) 194
부표 2-1. 차량검지기(vehicle detection system)의 개략적인 종류 및 특성 195
부표 3-1. 도로등급 구분 (한국교통연구원, 2020a) 196
부표 3-2. VDF 등급체계 (한국교통연구원, 2020a) 196
부표 3-3. VDF 구분에 따른 , 값 (한국교통연구원, 2020a) 197
부표 3-4. VDF 초기속도 및 용량 범위 (한국교통연구원, 2020a) 198
부표 3-5. 도로망 GIS DB 자료 노드 자료구성 (한국교통연구원, 2020b) 199
부표 3-6. 노드 유형 코드 (한국교통연구원, 2020b) 199
부표 3-7. 링크 유형 코드 (한국교통연구원, 2020b) 200
부표 3-8. 링크 종별 코드 구분 (한국교통연구원, 2020b) 201
부표 3-9. 회전정보 유형 코드 (한국교통연구원, 2020b) 201
부표 4-1. 탐색적 분석을 위한 정적(Static) 데이터군 데이터 구축 항목과 새로운 변수명 설정 203
부표 4-2. 감염병 확산 이후 추정되는 기종점 목적별 통행수요 패턴 예측을 위한 데이터구성 (거시 단위) 208
부표 5-1. Wardop의 균형원리 210
부표 5-2. 관측교통량으로부터의 통행수요 예측모형의 구성요소 및 개략적인 설명 212
부도목차
부도 3-1. 도로 등급 구분별 시군구 단위 분포 202
부도 5-1. 사용자균형(User Equilibrium, UE) 개념의 도식화 예 211
부도 5-2. 스크린라인(Sreeen line) 방식과 코든라인(Cordon line) 방식의 예시 214
부도 5-3. 시간에 따른 최단경로 및 통행시간 차이 비교 예시 216
부도 6-1. 쇼핑 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 217
부도 6-2. 귀가 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 218
부도 6-3. 여가 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 219
부도 6-4. 기타 통행목적별 클러스터와 각 클러스터의 주요 요인 Top 2 220
부도 6-5. 서울시 분류된 가정기반 학원 클러스터와 각 클러스터의 주요 요인 Top 2 221
부도 6-6. 서울시 분류된 가정기반 쇼핑 클러스터와 각 클러스터의 주요 요인 Top 2 222
부도 6-7. 서울시 분류된 가정기반 기타 클러스터와 각 클러스터의 주요 요인 Top 2 223
부도 6-8. 서울시 분류된 비가정기반 업무 클러스터와 각 클러스터의 주요 요인 Top 2 224
부도 6-9. 서울시 분류된 비가정기반 쇼핑 클러스터와 각 클러스터의 주요 요인 Top 2 225
부도 6-10. 서울시 비가정기반 기타 통행 클러스터와 각 클러스터의 주요 요인 Top 2 226
부도 6-11. 부산시 분류된 가정기반 학원 클러스터와 각 클러스터의 주요 요인 Top 2 227
부도 6-12. 부산시 분류된 가정기반 쇼핑 클러스터와 각 클러스터의 주요 요인 Top 2 228
부도 6-13. 부산시 분류된 가정기반 기타 클러스터와 각 클러스터의 주요 요인 Top 2 229
부도 6-14. 부산시 분류된 비가정기반 업무 클러스터와 각 클러스터의 주요 요인 Top 2 230
부도 6-15. 부산시 분류된 비가정기반 쇼핑 클러스터와 각 클러스터의 주요 요인 Top 2 231
부도 6-16. 부산시 비가정기반 기타 통행 클러스터와 각 클러스터의 주요 요인 Top 2 232