Abstract
Stated Preference (SP) data has been regarded as more useful than Revealed Preference (RP) data, because researchers can investigate the respondents\` Preference and attitude for a traffic condition or a new traffic system by using the SP data. However, the SP data has two bias: the first one is the bias inherent in SP data and the latter one is the attrition bias in SP panel data. If the biases do not corrected, the choice model using SP data may predict a erroneous future demand. In this Paper, six route choice models are constructed to deal with the SP biases, and. these six models are classified into cross-sectional models (model I∼IH) and dynamic models (model IV∼VI) From the six models. some remarkable results are obtained. The cross-sectional model that incorporate RP choice results of responders with SP cross-sectional model can correct the biases inherent in SP data, and also the dynamic models can consider the temporal variations of the effectiveness of state dependence in SP responses by assuming a simple exponential function of the state dependence. WESML method that use the estimated attrition probability is also adopted to correct the attrition bias in SP Panel data. The results can be contributed to the dynamic modeling of SP Panel data and also useful to predict more exact demand.
SP 데이터는 데이터 수집의 효율이 RP 데이터 보다 높고 장래의 교통 시스템의 조건이나 속성에 대한 응답자들의 태도를 조사 할 수 있다는 점에서 많이 사용되고 있으나 SP 데이터는 주요하게 두 가지 편위를 가지고 있는데 SP 설문조사시에 발생하는 응답편위와 SP 패널조사시에 발생하는 누락편위이다. 이러한 SP 데이터의 편위가 수정되지 않으면 장래의 잘못된 교통수요예측을 유발할 수 있다. 따라서 본 연구에서는 이러한 SP 모델의 편위와 상태의존을 고려한 모델을 구축하기 위하여 6개의 횡단면 모델과 동적모델을 제안하였다. 횡단면 모델 중 RP데이터의 선택결과를 고려한 모델을 이용하여 SP모델의 편위를 보완할 수 있는 모델을 구축할 수 있었으며 동적모델의 경우에 패널데이터의 상태의존도를 지수함수로 가정하여 상태의존도를 고려한 동적모델을 구축하였다. 또한 패널조사시에 필연적으로 발생하는 누락데이터에 의한 누락편위를 모델에 고려하기 위하여 WESML방법을 적용하여 모델을 구축하였으며 그 결과 상태의존도를 보다 세밀하게 제어함으로서 모델의 설명력을 개선시키고 향후 SP 패널데이터를 이용한 동적모델의 적용성을 높일 수 있음을 알 수 있었다. 본 연구에서는 모델의 유용성을 검토하기 위하여 전주시의 외각 지역인 호남제일문 방향에서 도심으로 접근하는 3개의 주경로(천변로, 기린로, 팔달로)에 대한 패널조사 자료를 바탕으로 모델을 구축하였다.
