스마트카드 자료를 이용한 광역버스의 차내 혼잡에 따른 시간가치 추정 :

허은진

추천

검색

자료유형: 학위논문

저자정보: 허은진 (서울대학교, 서울대학교 대학원)

발행연도: 2020

저작권: 서울대학교 논문은 저작권에 의해 보호받습니다.

이용수8

이 논문의 연구 히스토리 (5)

2023

재정투자사업의 쾌적성에 대한 사회적 가치 연구 : 광역버스의 차내 혼잡을 중심으로

허은진 , 김성수 한국ITS학회 논문지 2023.02 학술저널

2022

재정투자사업에서의 쾌적성에 대한 사회적 가치 연구 - 차내 혼잡도에 따른 시간가치 -

허은진 한국지방재정학회 세미나자료집 2022.12 학술대회자료

2020

[박사학위논문소개] 스마트카드 자료를 이용한 광역버스의 차내 혼잡에 따른 시간가치 추정

허은진 교통기술과정책 2020.06 학술저널

스마트카드 자료를 이용한 광역버스의 차내 혼잡에 따른 시간가치 추정

허은진 환경논총 2020.03 학술저널

스마트카드 자료를 이용한 광역버스의 차내 혼잡에 따른 시간가치 추정

허은진 환경계획학과 2020.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

차내 혼잡은 대중교통 이용자들의 통행의 질과 관련된 주제라고 할 수 있다. 차량의 제한된 용량과 배차간격 등의 이유로 주로 이용수요가 높은 교통수단, 노선 등에서 높은 수준의 차내 혼잡이 발생되며, 이는 실제로 이용자들이 경험하는 통행시간에 차이를 유발시킨다. 동일한 조건의 통행을 선택했음에도 불구하고 앉아서 가는 이용자, 서서가는 이용자, 앉아서 가지만 서서가는 이용자들의 영향을 받는 이용자 등 다양한 형태의 통행시간을 겪게 된다.
본 연구에서는 광역버스를 이용하는 개별 통행자의 차내 혼잡에 따른 시간가치를 추정하였다. 특히, 차내 혼잡이 개별 통행자의 시간가치에 미치는 영향에 대해서 정교하게 분석하고자 하였다. 모형의 구축에 개별 통행자의 통행선택 자료(스마트카드 자료 기반)를 이용하였으며, 차내 통행시간과 차내 혼잡수준을 변수로 설정하였다. 차내 혼잡수준을 반영한 변수와 차내 혼잡수준이 반영된 차내 통행시간 변수에 대해 Box-Cox transformation을 이용하여 변환된 변수를 포함하였다.
차내 혼잡수준을 반영하기 위한 혼잡 지표는 총 좌석수 대비 재차인원의 비인 탑승률을 적용하였다. 차내 혼잡 범위를 재차인원이 존재하는 시점부터로 설정하였기 때문에 착석이 가능한 상태에서도 차내 혼잡수준에 따른 시간가치에 대한 추정이 가능하다. 또한, 개별 통행자의 통행의 형태(착석, 입석)의 시간가치가 다를 것으로 판단하여 차내 혼잡변수를 분리하였다. 차내 혼잡수준이 증가함에 따라 개별 통행자가 체감하는 시간가치는 증가하게 되며, 동일한 혼잡을 갖더라도 차내 통행시간의 길이에 따라 달라질 수 있음을 고려하였다.
본 연구에서 사용한 교통카드 자료는 실증자료로써 기존에 관측이나 계량화에 한계가 있던 차내 통행시간, 차내 혼잡수준 등에 대한 변수들의 가치를 반영하여 보다 정교하고 현실적인 질적 연구를 수행했다는 측면에서 추정결과는 중요한 의미를 갖는다고 판단된다. 추정결과를 활용하여 광역버스의 차내 혼잡 감소를 위한 개선방안(배차간격 축소, 버스용량 증대, 버스노선 추가, 요금제 등)의 효과를 계량적으로 검토할 수 있으며, 대중교통 정책과 사업을 평가하는 경우에도 차량 내 혼잡완화 편익을 추가적으로 고려할 수 있을 것으로 기대된다.

In-vehicle Crowing is relevant to the quality of travel. Due to limited capacity of vehicle and frequency, high level of in-vehicle crowding are found mainly in high-demand transportation and routes, which in fact, causes a difference in the traffic duration experienced by the passengers. As a consequence, passengers experience different travel time. Despite of selecting same conditions, passengers will experience various forms of travel time ; such as sitting, standing, and users who are sitting but being affected by users standing, etc.
This paper concentrated on estimating the travel time value of individual regional bus passengers in various in-vehicle crowding conditions. In particular, the effect on the travel time value of individual in-vehicle crowding was intended to be analyzed in detail.
In the analysis model, the traffic-selection data of individual transportation passengers based on smart-card data were used. and the in-vehicle travel time and the level of crowding as loadfactor were set as variables. Variables which reflect the level of in-vehicle crowding and the variables of in-vehicle travel time that reflect the level of in-vehicle crowding were included in the model using Box-Cox transformation.
Since the in-vehicle crowding range has been configured from the time when the passenger exists in the vehicle, it is possible to estimate the travel time value of the in-vehicle crowding level even when seats are available. In addition, the crowding valuation were separated since the travel time value of individual passengers; sitting and standing, would be different.
The analysis considered that the travel time value experienced by individual users would increase as the in-vehicle crowding level increases, and even at the same crowding condition, user’s experience may vary depending on the length of the travel time. The smart card data used in this paper is considered to have significant implications in terms of conducting more sophisticated and realistic qualitative research to reflect the values of variables for in-vehicle traffic hours and in-vehicle crowding levels, which previously had limitations in observation and quantification.
It is expected that the effects of improvement measures for reducing congestion on regional buses can be considered quantitatively by applying the estimation results of crowding multiplier. Furthermore, the benefits of easing crowding in vehicles can be further considered even when evaluating public transportation policies and projects.

#차내 혼잡가치 #탑승률 #광역버스 #스마트카드 자료 #Box-Cox transformation

Ⅰ. 서론 1
1. 연구의 배경 및 목적 1
2. 연구의 내용 및 구성 4
Ⅱ. 선행연구 고찰 7
1. 차내 혼잡에 따른 시간가치에 관한 선행연구 7
1) 현시선호(RP) 자료를 이용한 선행연구 7
2) 진술선호(SP) 자료를 이용한 선행연구 9
2. 통행시간거리에 따른 시간가치에 관한 선행연구 15
3. 대중교통 이용자의 쾌적성 향상에 관한 선행연구 18
4. 시사점 및 본 연구의 차별성 20
1) 조사방법 20
2) 차내 혼잡 반영 지표 22
3) 차내 혼잡에 따른 시간 가치 추정 방법 23
4) 본 연구의 차별성 24
Ⅲ. 연구방법론 27
1. 차내 혼잡의 정의 27
1) 혼잡 범위 27
2) 혼잡 지표 28
2. 모형의 설정 30
1) 이항로짓모형 30
2) 선택대안 37
3) 독립변수 39
3. 모형의 추정 방법 41
1) 값에 따른 모형별 추정 41
2) 혼잡승수 산정 43
Ⅳ. 자료 및 특성분석 45
1. 분석대상 노선의 선정 45
2. 자료구축 47
1) 기초자료 47
2) 선택대안자료 49
3. 특성분석 59
1) 이용수요 59
2) 차내 통행시간 66
3) 차내 혼잡수준 74
Ⅴ. 추정결과 및 적용방안 84
1. 모형별 추정결과 84
1) 통행시간의 변동을 포함한 λ값 적용모형 84
2) 통행시간의 변동을 불포함한 λ값 적용모형 98
3) 최적 모형 110
2. 시간가치 추정결과 113
1) 혼잡승수 산정 113
2) 통행시간의 길이에 따른 혼잡승수의 변화 116
3) 선행연구와의 비교 117
3. 적용방안 123
1) 차내 혼잡 감소 편익 산정 123
2) 2층 버스 투입 방안에 따른 편익 산정 124
Ⅵ. 결론 및 향후 연구과제 127
1. 결론 127
2. 연구의 한계 및 향후 연구과제 130
참 고 문 헌 132
[부록 A] 1500번 차량별 오전 재차인원 집계 결과 137
[부록 B] 1500번 차량별 오후 재차인원 집계 결과 146
[부록 C] 1500번 구간별 재차인원 및 입석 최대값 155
[부록 D] 1500번 차량별 운행현황 157
Abstract 159

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (5)

초록· 키워드

목차

최근 본 자료

댓글(0)