• 대한교통학회지
• /
• 제29권6호
• /
• pp.7-16
• /
• 2011

본 연구는 고속도로 의존도 (분석단위인 지역내 전체 발생 승용차 통행량 중 고속도로를 이용한 승용차 통행량의 비율로 정의)의 수도권내 지역간 차이를 살펴보고, 이 의존도에 영향을 주는 요인을 분석하였다. 분석결과 고속도로에 대한 의존도가 높은 지역은 일반적으로 고속도로로의 연결성이 좋은 지역에 위치하고 있는 것으로 파악되었다. 또한, 고속도로 의존도에 영향을 주는 요인을 파악하기 위해 지역내 IC 개수, 고속도로 연장, 승용차분담율, 평균통행거리, 평균통행시간차이 (고속도로 미이용시 - 고속도로 이용시) 등을 대상으로 회귀분석을 수행하였다. 그 결과 서울시에서는 고속도로의 이용유무에 따른 평균 통행시간 차이가 유의한 변수로 도출되었으며, 인천 경기도에서는 접근성과 관련된 IC개수와 평균 통행시간 차이가 영향을 주고 있음을 파악할 수 있었다. 본 연구 결과는 지역단위의 집계된 수준에서 통행경로 선택에 대한 이해를 증진시켜 주는데 기여할 수 있을 것으로 기대된다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2010년도 춘계학술대회 논문집
• /
• pp.2166-2178
• /
• 2010

현재 철도계획에 이용되고 있는 교통수요예측 지역간기종점(OD)자료는 국가교통데이타베이스(KTDB)를 이용하고 있다. KTDB의 자료는 우리나라 지역간 총통행량을 조사한 후 도로, 철도, 항공등으로 배분하는 방법을 이용하고 하고 있다. 그러나 철도의 경우는 철도역이 기존의 존과 일치하지 않거나 1개존에 다수의 철도역이 존재하여 Connector가 연결되지 않아 적용 방법상에 문제점이 있는 것으로 나타났다. 이로 인해 KTDB를 이용한 철도부분의 교통예측은 다른 교통수단에 비해 신뢰성이 크게 떨어지고 있다. 본 연구는 이러한 문제점을 검토 분석하고, 신뢰성을 높이기 위해 집계모형(Aggregate Model) 기법을 활용한 철도의 교통수요예측 방법(직접수요추정 : Direct Demand Estimation)을 제안하였다. 본 연구에서는 집계모형에 지역간의 인구, 거리, 산업체종사자수, 자동차대수, 도로연장등 사회경제지표의 연관성을 분석하여 철도분야 수요예측의 오차를 최소화할 수 있는 방법을 연구하였다.

• 한국ITS학회 논문지
• /
• 제11권2호
• /
• pp.1-9
• /
• 2012

본 연구에서는 버스정보시스템 구축시 비용이 많이 소요되는 BIT 설치 정류장 조사를 적은 비용으로 간단히 수행하는 방법을 제안하였다. 도시부와 지방부를 연결하는 버스 노선의 경우 어떤 정류장에서 버스에 승차한 이용자가 용무를 마친 후에 같은 노선의 버스로 돌아오는 왕복통행을 하는 경우가 많다고 판단된다. 즉, 임의의 정류장에 하차한 사람은 이전에 길 건너편 정류장에서 승차했던 사람이라고 가정할 수 있다. 본 연구에서는 조사자가 버스에 승차하여 각 정류장에서 승차인원과 하차인원을 모두 조사하여 얻어지는 수치를 이용하여 버스정류장별 BIT 이용지수를 만들었다. 방법의 적용은 제주특별자치도의 서일주도로를 대상으로 이루어졌다. 제주특별자치도는 차량보급율이 높은 지역으로 설문조사에서 46%가 통학에 이용한다고 대답하였다. 제주시외버스터미널에서 서귀포시외버스터미널을 서쪽으로 연결하는 일주도로 80 km 구간으로 상하행 204개 버스 정류장이 운영되고 있다. 제주 도심과 서귀포 도심을 연결하지만 일주도로상에는 모두 지방부 지역으로 왕복통행 패턴이 확연한 노선이다. 조사는 제주시에서 조사자가 탑승하여 서귀포시에 갔다가 다시 제주시로 돌아오는 편도 4회(왕복 2회) 이루어졌다. 조사자는 버스에 탑승하여 승차와 하차 인원을 각각 기록하였다. 조사하여 얻어진 수치를 이용하여 버스정류장별 BIT 이용지수를 만들어 설치 우선순위를 결정하였다. 본 연구가 제안한 방법은 지역적 통행 특성에 근거한 조사 방법으로 항상 적용이 가능하다는 것은 아니다. 하지만, 통행 특성이 전제된다면 적은 비용으로 효율적인 결과를 얻었을 수 있다고 판단된다.

• 대한교통학회지
• /
• 제27권1호
• /
• pp.73-81
• /
• 2009

여객통행과 화물통행에서 도착지를 선택하는 것은 여러 요인에 영향을 미치지만, 많은 연구들이 도착지의 유인력(Attractiveness)이 중요한 변수라고 제시하고 있다. 유인력 추정방법 중 전통적으로 사용되고 있는 집계형 (Aggregation) 중력모형 보다 개인의 효용을 극대화하는 비집계형 (Disaggregation)모형이 도착지의 효용을 추정하는데 더 효율적이라는 점이 많은 연구들에서 제기되었다. 본 연구는 제3차 전국물류조사의 화물자동차운전자의 통행일지를 이용한 분석으로서 도착지 선택모형을 구축하고 출발시간대, 도착지의 체류시간, 도착지의 유인력 등을 포함하여 이들의 효과를 분석하며, 정책적으로 활용 가능하도록 모형이용을 제안한다. 분석결과, 도착지행태선택모형에서 인구가 많고, 총통행거리가 짧을수록 효용이 큰 것으로 분석되었다. 인구밀도 측면에서 볼 때 화물차는 인구밀집지역을 운행하는 것을 꺼려하는 것으로 분석되었다. 운송거리 측면에서는 소형화물자동차는 운송거리가 짧을수록, 대형화물자동차는 운송거리가 클수록 효용이 큰 것으로 분석되었다. 업종별로 보면, 비영업용 화물자동차는 거리가 짧을수록 유리한 것으로 분석되었으나, 영업용화물자동차의 경우 거리가 길수록 유리한 것으로 나타났다. TOD별 차종별로 살펴보면, 소형화물자동차의 경우 새벽, 오전첨두, 오후첨두에 주로 출발하였으며, 대형화물차는 낮 시간대를 제외한 시간대에 주로 출발하는 것으로 분석되었다.

• 한국경영과학회지
• /
• 제39권1호
• /
• pp.29-48
• /
• 2014

The recent keyword advertising does not reflect the individual customer searching pattern because it is focused on each keyword at the aggregate level. The purpose of this research is to observe processes of customer searching patterns. To be specific, individual deal-proneness is mainly concerned. This study incorporates location as a control variable. This paper examines the relationship between customers' searching patterns and probability of purchase. A customer searching session, which is the collection of sequence of keyword queries, is utilized as the unit of analysis. The degree of deal-proneness is measured using customer behavior which is revealed by customer searching keywords in the session. Deal-proneness measuring function calculates the discount of deal prone keyword leverage in accordance with customer searching order. Location searching specificity function is also calculated by the same logic. The analyzed data is narrowed down to the customer query session which has more than two keyword queries. The number of the data is 218,305 by session, which is derived from Internet advertising agency's (COMAS) advertisement managing data and the travel business advertisement revenue data from advertiser's. As a research result, there are three types of the deal-prone customer. At first, there is an unconditional active deal-proneness customer. It is the customer who has lower deal-proneness which means that he/she utilizes deal-prone keywords in the last phase. He/she starts searching a keyword like general ones and then finally purchased appropriate products by utilizing deal-prone keywords in the last time. Those two types of customers have the similar rates of purchase. However, the last type of the customer has middle deal-proneness; who utilizes deal-prone keywords in the middle of the process. This type of a customer closely gets into the information by employing deal-prone keywords but he/she could not find out appropriate alternative then would modify other keywords to look for other alternatives. That is the reason why the purchase probability in this case would be decreased Also, this research confirmed that there is a loyalty effect using location searching specificity. The customer who has higher trip loyalty for specificity location responds to selected promotion rather than general promotion. So, this customer has a lower probability to purchase.