Capacity-adjusted Crowd Density Analysis in Narrow Urban Alleys Using Active Population Big Data and Raster-skeleton-based Road-space Capacity Estimation

Abstract

좁은 도시 골목길의 혼잡은 해당 공간에 존재하는 사람의 수뿐만 아니라, 이동에 이용 가능한 도로공간의 양에 의해서도 달라진다. 많은 도시 규모의 모니터링 접근법은 인구 기반 또는 면적 기반 밀도 지표에 의존하며, 국지적인 도로공간 제약을 충분히 고려하지 못한다. 이러한 한계는 보행 이동이 제한적이고 불규칙한 도로공간 내에서 이루어지는 좁은 골목길과 국지도로에서 특히 중요하다. 이러한 환경에서는 같은 수의 사람이 존재하더라도 이용 가능한 도로공간 면적에 따라 서로 다른 혼잡 조건이 나타날 수 있다. 본 연구는 활동인구 데이터와 공공 도로 폴리곤 데이터로부터 추정한 도로공간 용량을 결합하여, 도로공간 용량을 반영한 군중밀도（capacity-adjusted crowd density） 분석을 위한 격자 기반 프레임워크를 개발하였다. 도로공간 용량을 반영한 군중밀도는 각 50 m 격자 셀 내에서 이용 가능한 도로공간 면적당 활동인구로 계산하였다. 도로 폴리곤은 중심선 구조, 좁은 골목길 스크리닝을 위한 폭 관련 지표, 그리고 기하학적 유효성 조건을 도출하기 위해 래스터화 및 스켈레톤화되었으며, 도로 면적은 밀도 지표의 분모로 사용되었다. 이러한 과정을 통해 본 프레임워크는 서울 전역에서 인구 집중과 도로공간 용량을 비교할 수 있는 공통의 공간 단위를 제공한다. 본 프레임워크는 대한민국 서울에 적용되었으며, 이태원 관광특구와 기타 고밀도 관광 지역에 대한 사례 분석을 포함하였다. 활동인구 데이터의 타당성은 주민등록인구와 시간대별 패턴을 사용하여 평가하였다. 래스터-스켈레톤 기반 도로공간 추정값은 LiDAR 기반 기준 측정값（ground-truth）과 비교하여 검증하였으며, MAE 0.358 m와 MAPE 8.46%를 보였다. 이러한 검증 결과는 활동인구 데이터와 래스터-스켈레톤 기반 도로공간 추정값이 활동인구와 도로공간의 관계를 도시 규모에서 비교하는 데 활용될 수 있음을 나타낸다. 분석 결과, 제안된 지표는 제한된 도로공간 내에 활동인구가 상대적으로 집중된 국지적 셀을 식별하는 데 효과적인 것으로 나타났으며, 이러한 셀은 특히 상업가로, 역 인접 지역, 골목망, 좁은 도로 구간 주변에서 확인되었다. 임계값 민감도 분석에서도 더 엄격한 임계값이 주요 활동 지역 내에서 가장 집중된 고밀도 셀을 강조하는 것으로 나타났다. 이태원 사례에서는 도로공간 용량을 반영한 군중밀도를 분기점 수（branch-point count）와 국지적 폭 변화（local width variation）에 기반한 국지적 도로공간 복잡성（local road-space complexity）과 함께 검토하였다. 사례 분석 결과, 도로공간 용량을 반영한 군중밀도와 국지적 도로공간 복잡성을 결합하는 것이 좁고 복잡한 국지도로 환경을 스크리닝하는 데 활용될 수 있음을 보여주었다. 본 프레임워크는 상세한 현장 평가, 보행 흐름 모니터링, 또는 선제적 군중 관리 계획이 필요한 취약한 도시 골목길을 식별하기 위한 확장 가능한 기반을 제공한다. 본 연구는 활동인구 데이터, 공공 도로 폴리곤 데이터, 래스터-스켈레톤 기반 기하 처리 과정을 연계함으로써, 인구 집중과 제한된 도로공간이 중첩될 수 있는 좁은 도시 골목길 환경을 위한 실무적 스크리닝 접근법을 제시한다.;Congestion in narrow urban alleyways depends on both the number of people present and the amount of road space available for movement. Many city-scale monitoring approaches rely on population or area-based density measures and do not fully account for local road-space constraints. This limitation is especially important in narrow alleyways and local streets where pedestrian movement often occurs within confined and irregular road spaces. In these environments, the same number of people can indicate different congestion conditions depending on the available road-space area. This study develops a grid-based framework for capacity-adjusted crowd density analysis by combining active population data with road-space capacity estimated from public road polygon data. Capacity-adjusted crowd density is calculated as active population per unit of available road-space area within each 50 m grid cell. Road polygons are rasterized and skeletonized to derive centerline structures, width-related measures for screening narrow alleyways, and geometric validity conditions, while road area is used as the denominator of the density indicator. Through this process, the framework provides a common spatial unit for comparing population concentration and road-space capacity across Seoul. The framework was applied to Seoul, South Korea, with a focused case analysis of the Itaewon Tourism Special Zone and other high-density tourism areas. The validity of active population data was assessed using registered resident population and hourly temporal patterns. The raster-skeleton-based road-space estimates were validated against LiDAR-based ground-truth reference measurements, showing an MAE of 0.358 m and a MAPE of 8.46%. These validation results indicate that the active population data and raster-skeleton-based road-space estimates can support city-scale comparison of population-to-road-space conditions. The results show that the proposed indicator highlights localized cells where active population is high relative to available road space, especially around commercial streets, station-adjacent areas, alley networks, and narrow road sections. The threshold sensitivity analysis also shows that stricter thresholds emphasize the most concentrated hotspot cells within major activity areas. In the Itaewon case, capacity-adjusted crowd density was examined together with local road-space complexity based on branch-point count and local width variation. The case analysis shows that combining capacity-adjusted crowd density with local road-space complexity can support the screening of narrow and complex local-road environments. The framework offers a scalable foundation for identifying vulnerable urban alleys that warrant detailed field assessments, pedestrian-flow monitoring, or proactive crowd-management planning. By linking active population data, public road polygon data, and raster-skeleton-based geometric processing, this study provides a practical screening approach for narrow urban alley environments where population concentration and limited road space may overlap.