• 대한교통학회지
• /
• 제32권2호
• /
• pp.152-161
• /
• 2014

현재 KHCM이 출판될 당시와 현재의 대중교통 환경이 달라져 승하차시간 산정방법이 달라질 필요가 있다고 판단된다. 이에 본 연구에서는 승하차시간에 영향을 주는 승하차수, 입석자수, 상면지상고를 변수로 총승하차시간값을 도출하는 모형을 다중회귀모형을 통해 분석하였다. 그 결과 총승차시간의 경우는 승하차수, 입석자수, 상면지상고 순으로 영향력의 차이가 있었으며, 총하차시간의 경우는 하차자수, 상면지상고 순으로 분석되었고, 두 개의 모형에서의 독립변수들은 모두 종속변수와 양의 상관관계를 가지는 것으로 나타났다. 모형을 통해 예측된 순수 승하차시간은 기존의 버스정류장은 물론 TOD를 고려한 신도시 등의 신설 버스정류장 용량 산정에 유용할 것으로 판단된다.

• 한국철도학회논문집
• /
• 제17권3호
• /
• pp.210-215
• /
• 2014

도시철도의 표정속도를 증대시키기 위해 여러 가지 방안이 연구되고 있는데 출입문 폭 확장을 통한 정차시간 단축은 이러한 방안 중 하나이다. 그러나, 출입문 폭을 확장하였을 때 단축되는 승객 승하차시간을 예상하기 위해 적합한 국내 모델과 수식은 아직 수립되지 않은 형편이다. 승하차 동작은 사람의 행동 방식에 영향을 많이 받고 이는 국가 별로 상이하다는 점을 고려한다면 승하차시간에 대한 외국 모델을 따른 다는 것은 적합하지 않다. 본 연구에서는 국내에서 측정 및 실험한 데이터를 바탕으로 국내 환경에 적합한 모델을 세우고 관련 수식과 변수를 유도함으로써 출입문 폭 확장 시 승하차시간 단축효과를 예상할 수 있도록 한다.

• 한국인터넷방송통신학회논문지
• /
• 제18권4호
• /
• pp.13-18
• /
• 2018

본 연구에서는 기계학습을 이용하여 서울시 지하철역의 승하차 패턴에 따라 지하철역을 분류한다. 대상 데이터는 공공데이터 포탈에서 제공하는 2008년부터 2017년까지 서울 지하철 233개 역에서의 매일 매시간별 승차객 숫자와 하차객 숫자이다. 기계학습 기법으로는 가우시안 혼합 모델(GMM)과 K-평균 클러스터링을 사용한다. 이용객의 승차시간과 하차시간의 분포는 가우시안 혼합 모델로 모델링할 수 있으며, 이를 K-평균 클러스터링을 이용하여 비지도 학습시킨다. 학습결과 서울시 지하철역은 승하차 패턴에 따라 4개의 그룹으로 분류되었다. 본 연구의 결과는 서울시 지하철역의 특성을 파악하여 경제, 사회, 문화적으로 분석하기 위한 주요 기반 지식으로 활용될 수 있다. 본 연구의 방법은 클러스터링이 필요한 모든 공공데이터나 빅데이터에 적용할 수 있다.

• 대한교통학회지
• /
• 제24권1호
• /
• pp.97-108
• /
• 2006

현재 우리나라에서는 버스 노선의 정류장 수 및 간격 산정을 위해 전문가의 주관적인 판단에 의존하는 경우가 많다. 좀 더 객관적인 절차를 통해 신뢰성 있는 결과를 얻기 위해 최적 정류장 수 및 간격을 구하는 기존 모형들을 살펴보았지만 하차수요와 임의적인 수요분포를 고려하지 못한다는 한계점을 안고 있었다. 본 연구는 기존 모형들의 이러한 한계를 인식하고 수요를 승차와 하차로 구분하고 그 분포에 라라 일정한 구간별로 서로 다른 최적 정류장 수와 간격을 탄력적으로 산출해 낼 수 있는 모형을 정립하였다. 정립된 모형을 다양한 수요분포를 가지는 간단한 예제노선에 적용해본 결과 승차 혹은 하차수요에 비례하여 구간별 정류장 수가 탄력적으로 산출됨을 알 수 있었다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.57-66
• /
• 2023

본 논문에서는 시내버스 내 CCTV 시스템을 활용, 비전AI 기반의 승하차 승객 의도를 예측하여 사고방지가 가능한 시스템에 대해 연구한 내용을 기술한다. 본 시스템은 YOLOv7 Pose 모델과 Object Tracking 기술을 활용하여 버스 내부의 승객을 감지하고 추적하며, LSTM 모델을 활용하여 승객의 승하차 여부를 예측한다. 시스템은 버스 내 CCTV 단말기 상에 설치 가능하여 운전 중 어느 때에나 승하차 여부 예측 결과를 시각적으로 확인할 수 있으며, 운전자에게 자동 알람을 주어 승하차 시 일어날 수 있는 사고를 예방할 수 있다. 테스트 결과, 승객의 승차 의도를 분석하는 채널 A와 하차 의도를 예측하는 채널 C에서 각각 0.81과 0.79의 정확도를 달성하였으며, 실시간성을 보장하기 위해 GPU 환경에서 초당 최소 5 프레임 이상의 분석이 가능하다는 것을 확인하였다. 본 알고리즘을 통해 시내버스 운행 중의 승객 승하차 과정을 모니터링하고, 그 안전과 편의성에 도움을 줄 것으로 생각된다. 추후 하드웨어가 발전하고, DB를 통해 데이터가 많이 수집된다면, 이 또한 다양한 안전 관련 지표로의 확장이 가능할 것이다. 더불어 본 알고리즘은 추후 자율주행 버스 상용화 시, 인간을 대신하여 승객 안전에 더욱 핵심적인 역할을 수행할 것이라 생각되며, 기타 지하철 및 승객이 내리고 탈 수 있는 모든 대중교통 환경에의 확장 또한 가능하여 대중교통의 안전화에 도움을 줄 것으로 생각한다.

• 인터넷정보학회논문지
• /
• 제12권6호
• /
• pp.73-82
• /
• 2011

지금까지의 위치인식 환경은 사람이나 사물 또는 이동체 자체에 대해서만 연구되어 왔다. 그러나 본 연구에서는 주행 중인 차량에 있는 여러 탑승자의 위치를 실시간으로 식별하고 추적하는 서비스에 대한 위치인식 모델을 제안하였다. 탑승자의 위치를 식별하려면 GPS기능이 탑재된 고가형 단말기를 이용하는 경우와 GPS기능이 없는 저가형 소형단말기를 이용하는 경우로 구분할 수 있다. 본 연구에서는 단순한 소형단말기가 GPS를 탑재한 차량용 인터페이스와 센서네트워크로 메시지를 전송하게 함으로써 탑승상황에 따른 효율적인 위치인식을 제공하도록 하였다. 이 기법은 먼저 차량의 상태(정차, 주행)를 감지하고, 주행상태라면 탑승자가 탑승이나 하차를 할 수 없기 때문에 굳이 위치정보를 송수신할 필요가 없어 트래픽을 감소시킬 수 있다. 이것은 전력소모를 줄여 배터리 수명을 늘릴 수 있도록 한다. 이에 본 연구에서는 제안한 차량정차 감지알고리즘을 탑승자 위치추적 시스템으로 구현하여 그 효용성을 확인하기 위해 실험하였다. 또한 설계하여 구현한 시스템을 이용하여 실험한 결과 최대수신거리는 12m로 측정되었으며, 200회의 실험을 통해 탑승인식과 하차인식이 모두 성공했음을 알 수 있었다. 또한 주행인식 측정실험에서는 차량정차 알고리즘을 적용한 경우가 그렇지 않은 경우에 비해서 41.6%의 전송트래픽을 감소시킬 수 있었다.

• 대한교통학회지
• /
• 제34권5호
• /
• pp.437-448
• /
• 2016

본 연구는 선행연구에서 제시하고 있는 통행기점 정보만을 제공하고 있는 불완전한 대중교통카드 자료로부터 대중교통 통행의 종점을 통행사슬 구조를 이용하여 추정할 수 있는 모형의 국내 자료 적용 가능성을 살펴보고 모형 적용 결과를 제시하였다. 이를 위해 본 연구는 부산에서 2014년 10월 주중에 수집된 선불 교통카드 승 하차 태그 원시자료 1,846,252건을 대상으로 하루 동안 한 대중교통 이용자가 발생시킨 일련의 통행들을 시 공간적으로 연계시켜 통행사슬을 형성하고, 대중교통 이용자의 결측 종점을 연속된 다음 통행의 승차지점 또는 최초 승차지점이 속한 교통존으로 추정하였다. 모형 검증을 위해 대중교통 통행종점이 관측된 자료에 모형을 적용한 결과 실제 통행종점과 추정 통행종점의 일치도는 82.4%로 나타났으며 이 때 통행종점으로 추정된 정류장과 실제 하차 정류장간 거리의 오차는 최소가 되는 것으로 나타나 제안모형의 유용성은 높은 것으로 분석되었다. 통행사슬 구조를 이용한 통행종점 추정 모형을 종점결측 통행에 적용했을 때 종점결측 통행의 비율은 적용 전 71.40%(718,915통행)에서 21.74%(218,907통행)로 감소하였으며 종점추정이 불가한 218,907통행의 대부분은 모형 적용이 불가한 일일 통행횟수 '1회'인 통행(169,359통행, 77.37%)인 것으로 나타났고, 일일 통행횟수가 '2회 이상'인 통행의 종점결측 비율은 69.56%에서 모형 적용 후 6.27%로 크게 감소하였다. 한편 통행종점 추정 모형 적용에 따른 존간 통행 및 존내 통행분포의 변화를 비교하기 위해 순위상관계수 및 카이제곱 적합도 검정을 수행하였으며, 분석 결과 통행종점 추정 모형 적용에 따라 각 중존별 통행량의 순위는 변화하지 않으나 통행량 분포는 유의한 변화를 보였다. 따라서 통행사슬 구조를 이용한 교통카드 이용자의 통행종점 추정 모형 적용은 통행종점이 결측된 불완전 대중교통카드 자료가 수집되고 있는 도시의 대중교통 통행패턴을 보다 현실적으로 반영할 수 있게 도움을 줄 것으로 판단된다.

• 대한토목학회논문집
• /
• 제39권5호
• /
• pp.613-621
• /
• 2019

지하철역사의 일반적인 환승통행은 노선간환승과 역사환승을 의미한다. 노선간환승은 다른 두 노선의 열차를 갈아타기 위하여 환승통로와 같은 수평보행시설을 통해 이동한다. 역사환승은 스마트카드 진출입 단말기노선과 승하차 열차노선이 다른 상황에서 발생하는 보행통행으로 계단, 에스컬레이터와 같은 수직보행시설을 이용하면서 환승통로를 함께 이용하는 통행이다. 이러한 환승의 가정은 지하철 네트워크를 운행하는 모든 노선은 완행 또는 급행의 단일노선에 한정되었다는 한계를 포함하고 있다. 따라서 완행과 급행이 동일노선으로 운영되는 상황에서 노선내에서 발생되는 환승에 대한 검토가 수행되지 않았다. 노선내환승은 메트로9호선과 같이 급행 및 완행 정차역이 동일노선에서 운행되는 상황에서 발생한다. 본 연구는 스마트카드 자료기반의 급행 및 완행열차가 동일노선에 존재하는 지하철네트워크를 대상으로 노선내환승을 분석하는 방법론을 구축한다. 이를 위해 급행 및 완행열차를 분리하기 위한 네트워크확장기법을 구축하고 최소시간경로를 선택하는 과정에서 동일 노선의 내부 환승이 재현되는 경로선택모형을 제안한다.