• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.45-56
• /
• 2022

최근 수원시 내 공유자전거 도입 및 이용이 활성화되고 있다. 이에 따라 자전거 도로 인프라가 확충되어야 함에도 불구하고, 그렇지 못한 상황이다. 따라서, 본 연구에서는 수원시 자전거 전용차로 도입 방안을 제시하고자 하였다. 이를 위해 모바이크에서 제공한 2018년 9월 10일~16일 기간 내 공유자전거 이용 데이터와 교통유발시설 현황 데이터를 기반으로 입지분석을 수행하였다. 분석결과를 활용하여 수원시 내 자전거 전용차로 도입 적정 구간을 선정하였다. 최종적으로 수원시 내 자전거 전용차로 우선 도입구간으로 총 2개, 5.6 km 구간을 선정하였다. 해당 구간들은 기존 자전거 도로 인프라 또는 교통유발시설과의 연계가 용이하고, 기운영중인 자전거 도로를 활용하여 설치가 용이하다는 장점이 있으나, 기존 도로공간 점유로 인한 교통정체가 발생하는 단점이 있음을 알 수 있었다. 본 연구를 통해 수원시 내 자전거 전용차로 도입 활성화 및 인프라 정비 사업 확대, 공유자전거 및 공유 PM 등 공유형 교통수단 이용 활성화, 관내 지속가능 도시교통체계가 구현되길 기대한다.

• 대한공간정보학회지
• /
• 제21권3호
• /
• pp.3-9
• /
• 2013

녹색성장에 대한 관심이 높아지면서 친환경 교통수단인 자전거의 중요성이 증대되고 있다. 그러나 이에 기반이 되는 자전거도로는 지형적 요소를 고려하지 않고 설계되고 있어 실제 많은 이용자가 자전거를 이용하는데 불편함을 겪고 있는 실정이다. 본 연구는 자전거 활용에 있어서 통학에서 경로선택을 할 때 지형적 요소를 고려한 최적 노선을 선택하는 경로기법을 제시한다. 이를 위해 최적경로의 연산에 있어서 경사도와 교차로를 고려한 식을 도출하였으며, 변형된 다익스트라 알고리즘(Dijkstra Algorithm)을 적용해 최적 노선을 선정하는 방법에 대하여 연구하였다. 분석결과, 통학용 자전거도로는 목적지까지 신속하게 이동하기 위해, 목적지까지의 이동거리보다는 최단시간에 의해 선정되어야한다. 따라서 노선을 선정할 때 횡단보도나 교차로에 의한 대기시간과 경사에 의한 속도증감을 고려한 최단시간 노선을 기준으로 해야 한다.

• 한국지리정보학회지
• /
• 제12권4호
• /
• pp.182-190
• /
• 2009

자동차 보유대수 증가에 따른 교통 혼잡과 대기오염 및 에너지 과다사용 문제를 극복하기 위해 녹색교통수단인 자전거이용의 중요성이 현저하게 대두되고 있지만, 부산시는 지형적 특성과 대중교통 접근성의 한계 등으로 인해 자전거 이용률이 상대적으로 낮은 실정이다. 따라서 지리적 여건과 이용활성화를 고려한 자전거도로의 노선선정이 이루어져야 할 것이다. 본 연구는 계층분석법(AHP)을 이용하여 노선선정 인자의 가중치를 산정하고, GIS 소프트웨어를 이용하여 데이터베이스를 구축한 뒤, 산정된 가중치를 적용하여 노선을 도출하였다. GIS 기반에서 AHP 분석을 수행한 결과, 조사의 일관성을 검증함으로써 신뢰성 있는 자료를 얻을 수 있었고 임의로 선정된 노선보다 이용수요가 많은 곳으로 노선이 도출되었다. 따라서 향후 지역의 특수성을 반영한 노선선정이나 투자 우선순위 결정 등에 본 연구가 활용될 것으로 기대된다.

• Journal of information and communication convergence engineering
• /
• 제17권2호
• /
• pp.142-148
• /
• 2019

Relatively few countries provide separate bicycle lanes for cyclists. Hence, tools for suggesting cycling routes are essential for a safe and pleasant cycling experience. This study aims to develop a mobile application to build cycling routes based on user preferences, specifically location, search radius, ride distance, and number of optimal routes. Our application calls the Strava API to retrieve Strava cycling segments crowdsourced from the cycling community. Then, it creates a graph consisting of the start and end points of these segments. Beginning from a user-specified location, the depth-first search algorithm (DFS) is applied to find routes that conform to the user's preferences. Next, a set of optimal routes is obtained by computing a trade-off ratio for every discovered route. This ratio is calculated from the lengths of all segments and the lengths of all connecting paths. The connected routes can be displayed on a map on an Android device or exported as a GPX file to a bike computer. Future work must be performed to improve the design of the user interface and user experience.

• 한국환경보건학회지
• /
• 제35권6호
• /
• pp.447-453
• /
• 2009

Cycling has been lately recommended as an alternative commuting mode because it is believed to be good for health and the environment. However, the exposure to environmental pollutants, such as fine particulates, could be a potential problem for cycling in urban environments. In this study, we compared commuters' $PM_{10}$ exposure using the different transportation modes of bicycle and bus. When a bicycle was used as a commuting mode, the additional $PM_{10}$ exposure due to transportation was about 3.5 times higher than that when using a bus. The difference of additional $PM_{10}$ exposures by cycling and bus was statistically significant (p<0.01). The $PM_{10}$ exposure during cycling was significantly correlated with atmospheric $PM_{10}$ concentration (r=0.98, p<0.01) and its correlation coefficient was higher than that of bus (r=0.55, p<0.05). The results of this study demonstrated that the main reasons of higher $PM_{10}$ exposure when using the bicycle as the mode of transport were its vicinity to road traffic and routes that were unavoidably close to road traffic. Bicycle commuting along the road side may not be good for health. Exclusive bicycle lanes away from road traffic are recommended.

• 한국측량학회지
• /
• 제30권5호
• /
• pp.425-433
• /
• 2012

다익스트라 알고리즘은 네트워크 상에서 최단경로를 찾는 것으로 널리 알려져 있다. 그러나, 최적 경로 탐색을 위하여 임의점과의 최단거리만 고려해서 선택하는 다익스트라 알고리즘보다 목표점까지 휴리스틱 요소를 고려하여 판단하는 $A^*$ 알고리즘에 대한 연구가 더 필요하다. 따라서, 본 연구에서는 자전거 경로 선정을 위한 다익스트라 알고리즘과 $A^*$ 알고리즘의 성능을 비교하였다. 이를 위하여, 자전거 경로 선정 요소를 이용하여 경사에 따른 수평거리와 평균 속도를 계산하였다. 그리고 다익스트라 알고리즘과 $A^*$ 알고리즘을 적용해 최단거리와 최단시간에 따른 자전거 경로 선정을 수행하였다. 실험 결과 대규모 지역에서 $A^*$ 알고리즘이 다익스트라 알고리즘보다 경로 선정 처리 시간이 빠르게 나타났다. 향후 최적 경로선정 알고리즘은 자전거 노선 계획이나 자전거 실시간 모바일 앱에 활용될 수 있다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.139-149
• /
• 2021

서울시의 공공 자전거 대여 서비스인 따릉이는 서울시민의 생활교통 수단으로 자리 잡아가면서 매년 이용이 증가하고 있다. 코로나19 이후 우리의 삶은 여러 부문에서 크게 바뀌었고, 비대면 단거리 교통수단인 따릉이 이용도 행태와 패턴이 변화하였을 것으로 추측해볼 수 있다. 본 연구의 목적은 기술통계 분석과 네트워크 분석을 이용하여 코로나19 이전과 이후 따릉이 이용 패턴의 변화를 탐색하는 것이다. 분석 결과를 요약하면 다음과 같다. 코로나19 이후 전 시간대에 걸쳐 평균주행거리와 평균주행속도가 감소하였다. 왕복주행비율은 새벽과 아침에 높아졌고 저녁과 밤에 낮아졌다. 평균가중연결과 평균군집계수는 감소하였고 모듈성은 증가하였다. 서울시의 한강 북쪽에 위치한 군집들은 코로나19 전후의 지리적 분포가 비슷한 반면, 한강 남쪽에 위치한 군집들은 지리적 분포가 달라졌다. 강남의 서쪽에 위치한 군집들은 코로나19 이후 지리적 범위가 변동되거나 지리적 위치가 변동되었다. 하지만 강남의 동쪽에 위치한 군집들은 큰 변동이 없었다. 아침 시간에는 코로나19 이후 대부분의 상위 주행경로가 변경되었다. 코로나19 이후 새롭게 추가된 경로들은 평균주행거리가 1000미터 미만으로 현격하게 줄어들었다. 낮 시간과 밤 시간 모두 '고속터미널역 8-1번, 8-2번 출구 사이'의 왕복주행 경로가 목록에서 사라지고, 이를 대체하는 왕복주행 경로가 새롭게 추가되었다. 본 연구의 결과가 서울시 공공 자전거 서비스의 개선과 시민들의 공익 향상에 도움이 되기를 기대한다.

• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.27-32
• /
• 2022

As the need for eco-friendly transportation increases due to the deepening climate crisis, many local governments in Korea are introducing shared bicycles. Due to anxiety about public transportation after COVID-19, bicycles have firmly established themselves as the axis of daily transportation. The use of shared bicycles is spread, and the demand for bicycles is increasing by rental offices, but there are operational and management difficulties because the demand is managed under a limited budget. And unfortunately, user behavior results in a spatial imbalance of the bike inventory over time. So, in order to easily operate the maintenance of shared bicycles in Seoul, bicycles should be prepared in large quantities at a time of high demand and withdrawn at a low time. Therefore, in this study, by using machine learning, the linear regression algorithm and MS Azure ML are used to predict and analyze when demand is high. As a result of the analysis, the demand for bicycles in 2018 is on the rise compared to 2017, and the demand is lower in winter than in spring, summer, and fall. It can be judged that this linear regression-based prediction can reduce maintenance and management costs in a shared society and increase user convenience. In a further study, we will focus on shared bike routes by using GPS tracking systems. Through the data found, the route used by most people will be analyzed to derive the optimal route when installing a bicycle-only road.