개별 사용자 통행유형 분류를 통한 고령인구 통행특성분석

Abstract

평균수명의 연장과 급속한 고령화로 고령인구 개인의 신체적, 경제적, 사회적 여건이 상이해짐에 따라 해당 연령층을 하나의 집단으로 정의하기 어려워지고 있다. 이에 해당 연령층을 다양한 특성을 가지는 집단으로 보고, 각 특성에 따른 정책 수립이 요구되고 있다. 특히 고령 인구의 이동성은 지역사회에서 일상적 생활의 지속에 필수적인 요소이며, 독립적 이동성을 유지하는 것은 개인의 삶의 질 보장과 사회적 비용 감소에 중요한 역할을 수행한다. 국내 고령 인구의 경우 외출 시 대중교통을 주 교통수단으로 이용하고 있어, 이러한 특성을 고려한 분석이 수행되어야 한다. 이에 본 연구는 대중교통 이용 기록 데이터인 스마트카드 자료를 활용하여 고령 인구 개인이 가지는 통행의 특성에 따라 유형을 분류하고, 유형별 통행의 시공간적 특성을 분석하는 것을 목적으로 한다. 이를 위해 고령 인구의 통행을 분석한 연구와 스마트카드 자료를 활용하여 통행 분석을 수행한 연구의 연구 목적과 방법론에 대해 고찰하였다. 또한, 스마트카드 자료의 전처리를 통한 개별 사용자의 통행 특성을 정의하였으며, 이에 따라 유사한 통행 특성을 보이는 사용자의 유형을 분류하였다. 분류한 4개의 유형에 따라 각 유형의 일자별/시간대별 통행량의 변동성을 살펴보았으며, 해당 유형이 주로 체류하는 지역을 확인하였다. 개별 사용자의 통행 특성 정의를 위해 스마트카드 자료가 가지는 속성을 활용하여 개별 사용자의 일자별 통행 자료를 구축하였다. 일자별 통행 자료는 개별 사용자의 최초 승차시간, 승차 및 하차의 시공간적 기록, 최종 하차시간 등의 통행 기록을 포함하며, 이를 활용하여 활동시간, 활동범위, 체류시간 등의 통행 속성을 정의하였다. 추출된 일자별 통행 속성과 7일 중 개인의 활동 일자를 중심으로 통행이력, 통행의 시공간, 통행 일자를 포함하는 사용자 통행 속성을 정의하였다. 정의한 사용자 통행 속성을 활용하여 유사한 통행 특성을 보이는 사용자 유형을 분류하였다. 이를 위해 요인분석을 수행하여 3개의 요인을 추출하였다. 3개의 요인의 유사도를 기준으로 K-평균 군집분석 방법론을 활용하여 4개의 사용자 유형으로 분류하였다. 분류한 유형별 통행 특성을 살펴보기 위해 일자별/시간대별 통행량의 변동성을 확인하였다. 체류의 시공간적 분포를 확인하기 위해 체류 데이터의 공간적 분포를 커널 밀도 분석을 통해 체류 집중 지역을 시각화하였으며, 시간대별 체류 집중 정도를 체류인구 그래프를 통해 시각화하였다. 이를 통해 각 사용자 그룹에 따른 통행량의 변동성을 확인하였으며, 체류의 시공간적 특성이 상이하게 나타나는 것을 확인하였다. 본 연구는 기존 고령 인구를 대상으로 수행하는 소규모 설문조사 혹은 통행실태조사 자료를 통해 조사되었던 통행의 빈도, 목적지 등의 특성을 스마트카드 자료를 통해 파악할 수 있음을 확인하는 계기가 되었다. 또한, 기존 고령 인구를 하나의 집단으로 정의하는 방식에서 벗어나 각 개인의 특성에 따라 유형이 분류될 수 있으며, 그에 따라 목적지의 분포 및 활동의 시간대가 달라질 수 있음을 확인했다는 의의가 있다. 각 개인의 통행 특성에 따라 통행의 형태는 상이하게 나타나는 것을 해석함으로써 향후 고령 인구를 위해 교통정책 수립에 기초자료로써 활용할 가능성을 제시하였다는 점에서 의의가 있다.;With the extension of the average life span and the rapid aging of the population, defining elderly population as a single group is difficult as the physical, economic and social conditions of individual have become different. Therefore, policies that take into account the characteristics of each group are required. In particular, mobility of the elderly population is essential to the continuation of daily life in the community, and maintenance of independent mobility plays an important role in ensuring the quality of individual life and reducing social costs. For the elderly population in Korea, analysis based on public transportation should be carried out as those are the main means of movement in daily life. The purpose of this study is to classify individual travel types and to analyze the temporal and spatial characteristics of each travel type, based on public transportation usage data as known as smart card data. The research methods of the study are as follows. First, the purpose and methodology of the study were established through the analysis of literature review. Second, four types of individual elderly users’ travel were classified through the preprocessing of smart card data. Third, both date/time traffic variability and residence areas of stay were identified in terms of each classified travel type. To define the characteristics of individual users' travel, the trajectory data, which is a type of mobile trace by date of individual users were constructed by utilizing the attributes of smart card data. Daily Travel data includes the time and space records of individual users, the time and space records of boarding and unloading, and the final time of departure. The characteristics of travel passage, for instance, activity time, range, and duration time were defined based on daily travel data. After that, user-travel attributes that includes travel history, space-time of travel, and date of travel were defined according to the extracted daily travel attributes and the individual activity date during the seven-day period. A defined user-travel attribute was used to classify travel types of similar travel characteristics. For this purpose, three factors were extracted by performing a factor analysis and used in the K-means cluster analysis methodology. Four travel types were therefore classified based on similarity of the factors. The date/time traffic variability was verified to observe the characteristics of each classified travel type. The spatial distribution of staying data was visualized through kernel density analysis and the concentration of staying by time zones was visualized through the staying population graph. Through this process, traffic variability of each user group was verified and the time-space characteristics of the staying were significantly different. There are two meaningful aspects from the results of this study. First, smart card data can identify the characteristics of the traffic frequency and travelling destination that were examined through small-scale surveys or traffic survey data in existing elderly population research. Second, elderly population can be classified based on each individual's characteristics, moving away from the existing view of a one single group, thereby changing the distribution of the destination and the time zone of the activity. These results are significant as it can be used as a base study for the establishment of transportation policies for elderly population.