서울시 대중교통 데이터를 이용한 베이지안 이변량 공간 모델링

Abstract

본 연구에서는 2023년 6월 서울시의 행정동별 일평균 버스 승객수 및 지하철 승객수에 대한 통계분석을 진행하였다. 승객수는 공간적 자기상관성이 있으며 관심지점(Point of Interest; POI)과 내국인 생활인구수, 버스 정류장수, 면적을 설명변수로 갖는 공간 모형을 제안하였다. 또한 지하철 승객수는 행정동별 지하철역이 없어서 승객수가 0인 경우가 50%이상으로 정규성을 만족할 수 없어 이를 고려하여 영과잉 혼합 모형을 제안하였다. 그리고 목적지를 이동하면서 버스와 지하철을 동시에 이용하는 경우가 많다고 판단하여, 두 대중교통수단을 이용하는 승객들 간의 상관성을 고려하여 다변량 모형과 두 종속변수의 일변량 공간상관성과 이변량 공간상관성을 고려한 모형을 제안하였다. 결과로 RMSE (Root Mean Squared Error) 값과 MAE(Mean Absolute Error)으로 성능을 비교하였을 때 이변량 공간상관성을 고려한 일변량 모형의 예측 성능이 가장 좋았다.|In this paper, we analyzed the daily average number of bus and subway passengers by administrative district in Seoul in June 2023. We considered a spatial model, and used Points of interest (POI), population, the number of bus stops, and area size as an explanatory variable. Additionally, we account for excess zero counts in the number of subway passengers. So, we proposed a zero-inflated mixed model. Furthermore, we considered that passengers frequently use both buses and subway while go to their destinations, indicating a significant correlation between passengers using both public transportations. So, we utilized a multivariate model considering both univariate spatial autocorrelation and bivariate spatial autocorrelation. Comparing the model performance using Root Mean Squared Error (RMSE) and Mean Absoulute Error (MAE), the univariate model with bivariate spatial autocorrelation showed the best predictive performance.