• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.91-93
• /
• 2021

퍼스널 모빌리티를 비롯한 공유 모빌리티 시장이 국내에서 급격한 성장을 거두고 있다. 서울시에서는 2015년부터 공공자전거 서비스 '따릉이' 사업을 시작해 서울시민에게 주목받는 정책 중 하나로 자리매김했다. 그에 따라 매해 늘어나는 따릉이 수요를 맞추기 위해 서울시에서는 따릉이 대여소를 매해 증설하고 있으나, 자전거 부족, 거치대 부족으로 많은 불만이 나오고 있다. 본 논문에서는 따릉이 대여소의 이용률을 분석하여 사용이 집중되는 대여소와 그 시간대를 분석하고, 이를 통해 특정 대여소에 자전거가 필요 이상으로 반납되거나 부족해지는 현상을 해결할 방법을 제시한다.

• 한국콘텐츠학회논문지
• /
• 제19권1호
• /
• pp.132-140
• /
• 2019

최근 전 세계 많은 도시는 교통량 및 대기오염을 감축하기 위해 공유자전거 시스템을 도입하여 운영하고 있고, 서울시에서도 2015년부터 따릉이 공유자전거 서비스를 제공하고 있다. 공유자전거의 사용이 확산됨에 따라 대여소별로 자전거의 수요는 증가하고 있으나, 제한된 예산 하에서 대여소별로 수요를 관리하기 때문에 운영 및 관리상의 어려움이 존재한다. 현재 자전거 재배치를 통해 대여소별로 수요의 변동을 해결하려고 노력하고 있으나, 불확실한 미래의 사용자 수요를 정확히 예측하는 것이 보다 근본적인 방안이다. 본 연구에서는 통계적 시계열 분석을 통해 서울시 따릉이의 수요를 예측하는 모델을 개발하고, 이를 실제 데이터를 통해 분석하고자 한다. 특히, 전기 사용량의 수요에 사용했던 Holt-Winters방법을 따릉이 수요 예측을 위해 변형하여 적용하였고, 또한 파라미터들의 변동이 실제 수요예측에 어떠한 영향을 미치는지 민감도 분석도 수행하였다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.1-25
• /
• 2022

2020년 1월 국내에 첫 코로나19 확진자가 발생한 후 버스와 지하철 같은 대중교통이 아닌 공공자전거와 같은 개인형 이동수단에 대한 관심이 증가하였다. 서울시에서 운영하는 공공자전거인 '따릉이'에 대한 수요 역시 증가하였다. 본 연구에서는 서울시 공공자전거의 최근 3년간(2019~2021) 시간대별 대여이력을 바탕으로 게이트 순환 유닛(GRU, Gated Recurrent Unit)의 수요예측 모델을 제시하였다. 본 연구에서 제시하는 GRU 방법의 유용성은 서울시 영등포구 여의도에 위치한 여의나루 1번 출구의 대여이력을 바탕으로 검증하였다. 특히, 동일한 조건에서 다중선형회귀 모델 및 순환신경망 모델들과 이를 비교 분석하였다. 아울러, 모델 개발시 기상요소 이외에 서울시 생활인구를 변수로 활용하여 이에 대한 검증도 함께 진행하였다. 모델의 성능지표로는 MAE와 RMSE를 사용하였고, 이를 통해 본 연구에서 제안하는 GRU 모델의 유용성을 제시하였다. 분석결과 제안한 GRU 모델이 전통적인 기법인 다중선형회귀 모델과 최근 각광받고 있는 LSTM 모델 및 Conv-LSTM 모델보다 예측 정확도가 높게 나타났다. 또한 분석에 소요되는 시간도 GRU 모델이 LSTM 모델, Conv-LSTM 모델보다 짧았다. 본 연구를 통해 서울시 공공자전거의 수요예측을 보다 빠르고 정확하게 하여 향후 재배치 문제 등의 해결에 도움이 될 수 있을 것이다.