내비게이션 경로 자료를 활용한 경로선택 행태 분석

Abstract

4차 산업 시대에 있어 모든 분야에서 빅데이터를 활용한 연구가 활발하게 진행되어 왔다. 현재 특정 분야 고유의 특성이 나타나는 빅데이터를 활용하여 분석된 패턴은 의미 있는 결과를 도출하며 각 분야의 발전에 기여하고 있다. 교통 분야에 있어서도 교통카드 데이터, TCS(Toll Collection System) 데이터, 차량운행기록(DTG) 데이터, 내비게이션 데이터 등의 빅데이터가 수집되고 분석에 활용되고 있다. 본 연구에서는 이러한 교통 빅데이터를 활용하여 통행자의 경로선택 행태 분석을 진행한다. 경로선택은 크게 대중교통(Transit) 경로선택과 공로(Highway) 경로선택으로 나눠진다. 최근 대중교통 경로선택에 대한 연구는 교통카드 데이터를 활용한 연구가 활발하게 진행되어 왔다. 하지만 공로 경로선택에 관한 연구는 빅데이터를 활용한 연구가 미비한 실정이다. 현재까지의 일반 공로의 경로선택모형 연구에서는 SP, RP 설문조사 데이터에 의존해왔으며 특정 연구범위 안에서 연구가 진행되어 왔다. 또한 일반적으로 경로선택모형 구축에 사용되는 다항로짓모형은 경로 대안 간 독립성을 가정한다. 이러한 가정은 대안 경로 구축에 있어 경로가 겹치는 사항을 고려하지 못해 현실적인 경로선택 확률을 도출하지 못하는 한계를 지니고 있다. 본 연구에서는 설문조사 자료의 표본에 대한 한계를 극복하는 내비게이션 개별 경로 자료를 활용하였으며, 대안 간 겹침을 고려하는 Generalize Path-Size 로짓 모형을 활용하여 기존 다항로짓모형의 한계를 보완한 경로선택모형을 구축하였다. 본 연구에서는 30km이상의 통행에 대한 SK T-map 내비게이션 개별 경로 자료를 활용하였다. 연구의 시간적 범위는 2016년 7월 18일부터 2016년 7월 22일까지의 평일 5일이며 공간적 범위는 전국이다. 모형을 구축하기에 앞서 개별 데이터의 기종점을 읍면동 단위와 시군구 단위로 집합화 하여 각 기종점별 대안 경로를 특정하였다. 읍면동 단위는 30km∼ 100km까지의 통행을 나타내며 시군구 단위는 100km이상의 통행을 나타낸다. 이는 읍면동 범위와 같이 집합화 범위가 작을수록 100km이상 통행거리에 대한 기종점의 표본수가 충분하지 않고, 시군구 단위와 같이 집합화의 범위가 넓을수록 가까운 거리에 대한 통행 출발 도착지의 특성이 다르게 나타나기 때문이다. 데이터 분석결과는 다음과 같다. 읍면동 단위는 총 통행시간, 총 통행거리, 자연로그로 변환한 거리 당 요금, 고속도로 통행비율, PS변수가 통행행태를 설명하며 모든 변수는 경로 선택 효용에 음의 영향을 미치는 것으로 나타났다. PS변수에서 긴 거리로 겹쳐진 링크의 비현실적인 영향을 줄이기 위한 파라미터 는 5.573으로 도출되었으며 모형의 전반적 설명력을 나타내는 통계치 Rho-squared 값은 0.4843으로 나왔다. 시군구 단위는 총 통행거리, 자연로그로 변환한 거리 당 요금, 고속도로 통행거리, PS 변수가 통행행태를 설명한다. PS변수의 파라미터 는 3.427으로 도출되었으며 Rho-squared 값은 0.2043이다. 시군구 단위의 경우 고속도로 통행거리를 제외한 모든 변수들은 경로 선택 효용에 음의 영향을 주는 것으로 나타났다. 시군구 단위의 100km이상의 통행에 대해서는 고속도로 통행거리가 경로선택 효용에 양의 영향을 미치는 것으로 분석되었다. 본 연구는 교통 빅데이터 중 하나인 내비게이션 자료를 활용하여 공로의 경로선택모형을 제시하였다. 이는 기존의 공로 경로선택 연구에 있어 자료의 한계와 모형의 한계를 보완하였으며, 내비게이션 개별 경로자료의 활용성을 제시하였다. 이러한 연구결과는 도로 통행자들의 경로선택 행태분석을 통하여 신규 SOC 건설정책 분석에서 보다 더 정교하고 정확한 분석 결과를 요구하고 있는 기존 도로의 운영 관리에 대한 정책 분석의 의사 결정에 도움을 줄 것으로 판단된다.; In the fourth industrial era, research using big data is actively carried out in all fields. Currently, patterns analyzed using big data with specific characteristics of a particular field yield meaningful results and contribute to the development of each field. Big data such as Transportation Card data, Toll Collection System data, vehicle operation record(DTG) data, and navigation data are also collected and used for analysis in transportation field. In this study, we will use traffic big data to analyze traveler behavior in highway route choice. Route choice is largely divided into public transport route choice and highway route choice. Recent studies on public transportation route choice has been actively conducted using transportation card data. However, studies on highway route choice lack research using big data. Until now, general highway route choice model research has relied on SP or RP survey data and has been conducted within specific research ranges. In addition, the multinomial logit model generally used for constructing the route choice model assumes independence between path alternatives. Such assumptions have a limitation that overlapping cannot be considered in the construction of alternatives paths and that realistic path probabilities cannot be derived. In this study, we used the navigation individual route data to overcome the limitations of the survey data, and used the Generalize Path-Size logit model, which takes into account inter-alternative overlap, and complements the limitations of the existing Multinomial logit model. In this study, SK T-map navigation individual route data which is more than 30km were used. The time span of the study is five weekdays from July 18, 2016 to July 22, 2016, and the spatial scope is nationwide. Prior to building the model, origin and destination of the individual data were aggregated into units of Eupmyeon-dong and Sigun-gu, and the alternative paths for each origin and destination pair were specified. Eupmyeon-dong units represent trip between 30km and 100km, while Sigun-gu units represent trip of more than 100km. Because, Smaller aggregation ranges, such as the Eupmyeon-dong unit, the less the number of sample for more then 100km, and larger aggregation ranges, such as the Sigun-gu unit, the different the characteristics of the origin-destination for close distance. These are the data analysis results. In the unit of Eupmyeon-dong, the total travel time, total distance, per-distance fare converted to natural log, highway traffic rate, and PS variable explains the trip behavior, and all variables have shown to have a negative effect on path utility. The parameter to reduce the unrealistic effects of links overlaid with long distances in the PS variable was derived from 5.573, and the model's explanation(Rho-squared) is 0.4843. In the unit of Sigun-gu, the total distance, per-distance fare converted to natural log, distance of highway, and PS variable explains the trip behavior. The parameter of the PS variable is derived from 3.427 and the model's explanation(Rho-squared) is 0.2043. In the case of Sigun-gu units, all variables except distance of highway have negative effects on path utility. In the passage of more than 100 km in units of Sigun-gu, it was analyzed that the highway traffic distance has a positive effect on the utility of path. This study presented the route choice model using navigation data, which is one of traffic big data. This complemented the limitations of data and model in the existing highway route choice research, and suggested the utilization of individual navigation path data. The results of these analysis of road route choice will help in decision-making on the operation and management of existing roads, which require elaborate and accurate analysis results in the new SOC construction policy.