JOURNAL OF THE KOREAN SOCIETY OF CIVIL ENGINEERS. February 2019. 81-91
https://doi.org/10.12652/Ksce.2019.39.1.0081


ABSTRACT


MAIN

  • 1. 서 론

  •   1.1 연구의 배경 및 목적

  •   1.2 연구 내용 및 방법

  • 2. 관련 문헌 고찰

  •   2.1 이동편의시설 규모 산정 관련

  •   2.2 도시철도역 이용수요 영향요인 관련

  •   2.3 시사점

  • 3. 자료 수집 및 특성 분석

  •   3.1 자료 수집

  •   3.2 자료 특성 분석

  • 4. 철도역 유출입 이용수요 추정 모형 정립

  •   4.1 회귀모형의 개념

  •   4.2 다중회귀모형의 추정 및 검증

  • 5. 결론 및 향후 연구

1. 서 론

1.1 연구의 배경 및 목적

도시철도 역사 이용자 수는 주변 지역의 토지이용계획, 출입구 위치 및 배치, 이동편의시설 설치 여부 등에 많은 영향을 받고 있으나, 이에 대한 연구는 미진한 편이다.

실제 사당역의 경우 오전 첨두시 일부 출입구에서는 대기행렬이 발생하고 있으며, 일부 출입구는 거의 이용되지 않는 등의 특성을 보이고 있다(Figs. 1 and 2 참조). 이와 같은 이유는 3번 출구의 경우 에스컬레이터가 이용 수요가 맞지 않게 설치되어 있기 때문이며, 13번 출구와 동일한 기준으로 출입구 폭이 설계되어 있다.

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F1.jpg
Fig. 1.

Exit 3 of Congested Sadang Station

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F2.jpg
Fig. 2.

Sadang Station Exit 13 (Fewer Visitors)

다음의 표와 같이 주변지역 성격이 다른 5개역의 승하차 인원과 출입구 개수를 비교해보면 교차로를 중심으로 4개 방면에 출입구가 위치한 획일적인 기준으로 도시철도역 출입구가 설계되어 있음을 알 수 있다. 특히 강남역과 동대문역사문화공원역의 경우 승하차인원이 약 2배 정도 차이가 있음에도 불구하고 출입구 수는 거의 비슷하다(Table 1 참조).

Table 1. Total Number of Passengers and Entrance (As of 2014)

Division Gangnam Station Samsung Station Myeongdong Station Dongdaemun History
and Culture
Park Station
Chungjongro Station
Subway
influential
area
Work, Housing,
entertainment
Work,
entertainment
Large-scale sales
facility
Work, entertainment Work, Housing
Total
number of
passengers
234,798 person/day 130,827 person/day 86,198 person/day 79,694 person/day 35,609 person/day
Entrance 12 8 10 14 10
Entrance
location
http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_T1-1.jpghttp://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_T1-2.jpghttp://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_T1-3.jpghttp://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_T1-4.jpghttp://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_T1-5.jpg

충정로역 출입구별 이용자 수를 살펴보면 1, 2번 출입구의 이용률이 낮은 것을 볼 수 있는데 이는 출입구간 거리가 짧고(1번, 10번, 2번 출구 밀집) 주변 상가와의 출입구 이동 동선이 일치하지 않기 때문으로 분석되었다(Figs. 3 and 4 참조).

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F3.jpg
Fig. 3.

Visitors at Chongjungro Station Gateway (2014. 4)

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F4.jpg
Fig. 4.

Chongjungro Station Gateway Facilities

특히 도시철도 역사 주변 입주 건물(복지관, 공원, 보건소, 실버타운 등) 특성에 따라 주 이용객 유형이 정의되어지나 기존 역사의 경우 이에 대한 고려없이 외부 출입구 주변 편의시설 설치시 공간 확보가 가능한 지역에 엘리베이터 등의 이동편의시설(에스컬레이터, 엘리베이터, 무빙워크 등)을 설치한다.

역별 출입구 규모 설계 및 적정한 위치에 이동편의시설을 설치하기 위해서는 출입구별 유출입 이용수요를 추정할 수 있는 모형식이 필요하며, 이용수요 중 교통약자의 비율 즉 교통약자 이용자 수가 중요하다.

따라서 본 연구에서는 도시철도역별 출입구 규모 및 편의시설 적정 규모 산정을 위해 기초적으로 필요한 도시철도역 유출입 이용수요 추정 모형을 정립하고자 한다.

1.2 연구 내용 및 방법

본 연구는 한국연구재단의 “2017년도 이공학개인기초연구” 중 지역대학우수과학자 신규과제 연구로 3년도 중 2차년도 과제의 일부이다. 본 연구 과제의 최종 목표는 도시철도역 유출입 이용수요 추정 모형을 정립하는 것으로 연구의 목적 달성을 위해 다음과 같이 연구를 수행하였다. 첫째, 연구의 목적 및 연구 범위를 설정하고, 둘째, 이론적 고찰을 통해 이동편의시설 규모 산정식을 검토하고, 도시철도역 유출입 이용수요와 관련된 요인을 도출하였으며, 셋째, 도시철도역 유출입 이용수요 추정을 위한 자료 수집 및 특성을 분석하였으며, 넷째, 회귀모형을 이용하여 도시철도역 유출입 이용수요 추정 모형을 정립하였다. 마지막으로 연구의 결과를 요약하고, 한계점 및 향후 연구 과제를 제시한다.

2. 관련 문헌 고찰

2.1 이동편의시설 규모 산정 관련

도시철도역 이동편의시설 규모 산정을 위해 관련 기준을 살펴보면 다음과 같이 도시철도 정거장 및 환승편의시설 설계지침 및 복합환승센터 설계 및 배치기준에서 확인할 수 있다.

도시철도 정거장 및 환승편의시설 설계지침에서는 출입구(외부 계단) 설치기준은 다음과 같이 최소 기준을 권고하고 있고, 이용자 수요보다는 기존 설치된 현황에 근거하여 이동편의시설을 설치하도록 제시하고 있다(Table 2 참조).

Table 2. Guidelines for Design of Urban Railway Stations and Transport Facilities

1. Exit design standard
(Omitted) The minimum width shall be 3 m and shall not be less than 2 m even if unavoidable.
However, it shall be 1.5 m or more when it is combined with E / S.
2. Escalator (E / S)
(Omitted) When installed in parallel with a staircase, the following criteria shall apply.
A)For 3.0 m ≤ passage width <3.5 m, install the E / S with the width of the tread plate of 580 mm or more.
B) For 3.5 m ≤ passage width <5.0 m, E / S with 980 mm or more width of tread is to be installed up and down.
C) For 5.0 m ≤ passage width, E / S with width of 980 mm or more is to be installed up and down,
and the width of stairs shall be 1.5 m or more.
D) If there is only ascending E / S and descending stairs, the step width shall be more than 1.5 m.

복합환승센터 설계 및 배치기준에서는 이동편의시설에 대한 설계시 수요를 이용하여 규모를 산정하도록 제시하고 있다(Table 3 참조).

Table 3. Design and Layout Standard for Complex Transfer Center

1. Stairs
(Omitted) The width of the stairs is based on the LOS D standard of the stairs, Min and a flow rate of 41.47 min / min.
<Formula to calculate stair width>
Ws=V1PFRsWs = width of stairs (m)
V1 = 1 minute Demand (person / minute)
PFRs = walking traffic flow rate (persons / min.m)
(Omitted) The minimum width should be 3 m or more (1.5 m or more in parallel with the escalator)
2. Escalator (E / S)
The effective width of escalator is based on 1.2 m, and it can be made more than 0.8 m when it is inevitable.
The installed number of escalators is based on the service level (LOS) "D" of the waiting space, so that the occupancy area per person is 0.34 m2 Lock design.
<Formula to find escalator installation number>
Nes=VesPPResNes = Number of escalators installed (Large)
Ves = Escalator demand (persons / minute)
PPRes = the processing capacity of the escalator per minute (in / min)

국외의 경우 영국 런던 SPSG는 계단 폭원 및 에스컬레이터 개수 산정시 다음과 같이 첨두 이용수요를 활용하며, 특히 에스컬레이터 개수 산정시 방향별 수요를 활용한다(Table 4 참조).

Table 4. London Station Planning Standards and Guidelines (SPSG)

1. Stairs
(Omitted) The bidirectional stairway should be designed so that the flow coefficient is at least 28 / min, based on service level C.
The one-way stairway shall be designed so that the flow coefficient is at least 35 persons / min · m based on service level "D".
<Two-way stairway width formula> <One-way stairway width formula>
Average Peak 1min demand28     Average Peak 1min demand35

2. Escalator (E / S)
The capacity for estimating the number of escalaors is assumed to be 100 persons per minute.
<Formula to find escalator installation number>
Average Peak 1minute One way demand100 

2.2 도시철도역 이용수요 영향요인 관련

도시철도역 이용수요에 영향을 미치는 요인 분석과 관련된 국내 선행연구들을 살펴보면 다음과 같다.

Oh et al.(2009)는 서울시의 대중교통 이용수요(역세권의 일일 이용수요)를 종속변수로 하고, 버스 및 도시철도와 관련된 12개의 설명변수를 사용하여 다중회귀분석을 실시하였으며, 역세권 유형별(주거/비주거) 모형을 추정하였다.

Sohn and Kim(2011)은 수도권을 대상으로 역세권(반경 400 m) 도시공간특성과 지하철 이용과의 영향 분석을 수행하였으며, 이를 위해 역별 연간 지하철 이용자수를 종속변수로 하고, 각 역세권별 도시공간특성을 설명변수로, 그리고 인구사회요인을 통제변수로 하는 회귀분석을 실시하였다.

Kim(2013)은 대구광역시 지하철 이용자를 대상으로 승차 및 하차로 이용자(오전 첨두시간대)를 구분하여 지하철역 주변의 토지이용, 인구수, 고용자수 등의 변수들과의 관계를 분석하였다.

Lee and Yoon(2014)은 2011년도 대구광역시 도시철도역별 승하차 인원수 자료를 사용하여 도시철도역별 이용수요에 영향을 미치는 요인을 분석하기 위해 역세권의 용도별 건축물의 연상면적 자료를 구축하였고, 도시철도 역세권내 환승이 가능한 버스노선 수, 역세권내 중․고등․대학교 학생 수 등의 자료를 구축하여 회귀모형(regression models)을 추정하였다.

2.3 시사점

도시철도역의 출입구 내 이동편의시설 규모는 최소 기준으로 제시하고 있고, 복합환승센터 설계 및 배치기준에서는 이용수요를 고려하여 규모 산정을 하도록 제시하고 있다.

국외의 경우 첨두 수요를 활용, 에스컬레이터의 경우 방향별 수요를 이용하여 규모를 산정하고 있다.

러나 이동편의시설은 교통약자인 노인, 장애인, 임산부 등의 이동을 편리하게 하기 위함이나, 국내 기준에서는 편의시설 설치대수 산정시 첨두시 모든 이용객의 승하차 수요를 이용, 방향별 고려함이 없이 제시하고 있어 정확한 규모 산정이 어려운 것으로 보인다.

이동편의시설 규모 산정은 유출입 이용자 방향별 추정이 매우 중요하나 이와 관련된 연구는 미진한 것으로 보인다.

대부분의 문헌에서 전체 역사의 이용수요와 관련된 연구를 회귀모형을 통해 진행하였으며, 도시철도역 이용에 영향을 미치는 요인으로는 역세권 유형, 역세권 반경, 버스노선 수, 학생수, 연상면적 자료 등을 활용하였다.

따라서 본 연구에서는 도시철도역별 출입구 규모 및 편의시설 적정 규모 산정을 위해 기초적으로 필요한 도시철도역 유출입 이용수요 추정 모형을 정립하고자 하며, 분석 절차와 방법은 다음과 같다.

첫째, 철도역의 각 방향별 철도 이용자를 추정하기 위해 다중회귀모형을 정립하여 분석한다.

종속변수(반응변수)에 영향을 미치는 독립변수(설명변수)의 선정을 위해 철도역별 반경 500 m, 200 m로 설정하여 토지용도별 이용 면적과 사회경제지표를 출입구 방향별로 조사·수집하여 활용하였다. 철도역 주변의 토지용도는 주거, 상업 및 업무, 공업, 교육, 공원 부지로 구분하여 면적을 조사하였으며, 사회경제지표는 철도역 주변의 인구, 취업자, 종사자, 학생 수 등으로 구분하여 자료를 수집하였다.

둘째, 철도역 이용수요를 종속변수로 하는 회귀모형은 1일 이용자, 첨두 1시간대 이용자, 첨두 시간의 5분 동안 이용자로 설정하고 방향별 유출입 이용자와 전체 이용자로 구분하여 모형을 정립한다. 모형 간 결정계수(R2)와 모형의 통계적 유의성을 검정하여 최적의 모형을 도출한다.

3. 자료 수집 및 특성 분석

3.1 자료 수집

도시철도역 유출입 이용수요 추정 모형을 정립하기 위해 수도권 도시철도역 20개 지점(분당선 14개, 경부선 2개, 안산선 4개 등)의 주변 토지이용 용도별(주거, 상업 및 업무, 공업, 교육, 공원) 면적, 정류장의 기하구조 및 출입구별 유출입 이용자를 5분 단위로 조사(계단 및 에스컬레이터 이용자 구분)하였다(Table 5 참조) (2018년 7월 1일~8월 31일 조사 수행).

Table 5. Utilization Demand and Geometry Survey Results for Urban Railway Station Directions (Example)

Station
name
Station Demand (person / day) Demand (person / hour) Demand (person / 5 minutes) Entrance
width (m)
Escalator
Width
Gate Boarding (In) Alighting
(Out)
Total Boarding
(In)
Alighting
(Out)
Total Boarding
(In)
Alighting
(Out)
Total Up Down
Namyoung
Station
1 12,846 13,955 26,801 771 2,931 3,701 116 440 555 5 - -
Total 1
Noryangjin
Station
1 3,175 1,815 4,990 254 200 454 38 30 68 7 - -
2 12,349 9,075 21,423 988 998 1,986 148 150 298 13.6 0.8 0.8
3 5,528 9,528 13,057 282 1,048 1,330 42 157 200 3 - -
3-1 9,644 6,012 15,656 771 661 1,433 82 53 135 2.5 0.8 0.8
4 1,764 2,949 4,713 141 324 466 15 26 41 2.5 - -
5 2,823 4,310 7,133 226 474 700 24 38 62 3 1 1
6 7,527 9,188 16,715 605 1,011 1,613 64 81 145 3 1 1
7 706 1,134 1,840 56 125 181 6 10 16 3 - -
8 5,410 3,290 8,699 433 362 795 46 29 75 2.5 0.8 0.8

사회경제 지표는 철도역 중심으로 500 m, 200 m로 구분하여 인구, 고용자, 학생, 종사자로 구분하여 조사하였다. 도시철도역 주변 토지용도 이용면적 자료는 Seoul Metropolitan City (2018)를 활용하였고, 인구, 취업자, 학생, 종사자 수는 통계청에서 획득하였다(Table 6 참조).

Table 6. Survey Results of Land Use Area and Socio-Economic Index Based on 500 m (Example)

Station
name
Station Subway influential area (radius 500 m)
Land use area
Subway influential area (radius 500 m)
Socio-economic index
Gate Residential Commercial
business
Industry Education and
Culture
Parks and
Forests
Total Population Number of
Students
Employed
person
Workers
Hanyang
Univ. Station
AS01
1 46,911 28,839 - 2,252 25,619 103,620 1,863 127 963 2,206
2 46,911 28,839 - 2,252 25,619 103,620 1,863 127 963 2,206
3 72,429 58,970     8,354 139,753 2,877 - 1,486 4,510
Total 166,251 116,647 - 4,504 59598 346,998 6,603 22,540 3,412 30,557
Central
Station
AS02
1 75,414 150,303     11,666 237,383 1,815 - 854 6,094
2 296,171     4,819 97,783 398,774 7,129 123 3,353 -
Total 371,585 150,303 - 4,819 109,449 636,156 8,945 123 4,207 6,094
Gozan
Station
AS03
1   102,220       102,220 - - - 2,788
2 690,492     5,969 86,340 782,802 7,620 136 3,680 -
Total 690,492 102,220 - 5,969 86,340 885,022 7,620 136 3,680 2,788

3.2 자료 특성 분석

도시철도역별 일평균 승하차인원을 살펴보면 선릉역이 131,656인/일로 가장 많았으며, 관악역이 18,079인/일로 가장 적었다(Fig. 5 참조).

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F5.jpg
Fig. 5.

Daily Average Number of Passengers getting in and Out by City Railway Station (Person / Day)

도시철도역별 이를 첨두시 승하차인원을 살펴보면 가산디지털단지역이 18,776인/시로 가장 많았으며, 관악역이 1,750인/시로 가장 적었다(Fig. 6 참조).

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F6.jpg
Fig. 6.

The Number of Passengers getting in and Out of the City by Railway Station (Person / Hour)

출입구 개소수 및 폭에 대해 살펴보면 이용객이 가장 많았던 가산디지털단지역, 선릉역의 경우 출입구 수는 8개, 10개였으며, 평균 출입구 폭은 2.4 m, 3.2로 가장 작았다(Figs. 7 and 8 참조).

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F7.jpg
Fig. 7.

Number of Access Points by City Railway Station

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F8.jpg
Fig. 8.

Average Entrance Width per City Railway Station (m)

에스컬레이터 폭에 대해서도 역별 평균치를 살펴보면 야탑역과 태평역이 가장 넓었으며, 가산디지털단지역, 선릉역의 경우 좁은 축에 속하였다(Fig. 9 참조).

http://static.apub.kr/journalsite/sites/ksce/2019-039-01/N0110390109/images/Figure_KSCE_39_1_09_F9.jpg
Fig. 9.

Average Width of Escalator (m)

4. 철도역 유출입 이용수요 추정 모형 정립

4.1 회귀모형의 개념

회귀분석은 종속변수(dependent variable) 또는 반응변수(response variable)와 하나 이상의 독립변수(independent variable) 또는 설명변수(explanatory variable)들 사이의 함수 관계를 설명하려는 통계적인 기법을 말한다. 회귀분석을 하는 주요 목적은 다음과 같다.

- 독립변수와 종속변수 간의 선형 상관 관련성 여부 - 상관 관계가 있다면 크기 및 유의도 - 변수들 간의 종속관계의 성격(+ 또는 -) - 회귀분석은 독립변수들과 종속변수와의 선형결합관계를 유도

회귀분석은 종속변수의 척도, 독립변수의 개수, 종속변수와 독립변수의 선형에 따라 단순 회귀분석, 다중 회귀분석, 더미 회귀분석, 로지스틱 회귀분석, 다항 회귀분석, 비선형 회귀분석 등의 형태로 나누어진다.

4.2 다중회귀모형의 추정 및 검증

4.2.1 회귀모형 및 변수 선정

도시철도역의 출입구 방향별 이용자를 추정하기 위해 본 연구에서는 다중회귀모형을 적용하였다. 종속변수(반응변수)는 1일, 첨두 1시간, 첨두 시간대 5분 동안의 철도역 방향별 유출입구 이용수요이다.

독립변수(설명변수)로 철도역 반경 500 m, 200 m 범위의 토지용도(주거, 상업·업무, 공업, 교육, 공원) 면적과 사회경제지표(인구, 고용자, 종사자, 학생)를 설정하였다.

독립변수로 설정된 철도역 유출입구 방향별 토지용도 면적의 측정 방법은 수치지도와 토지용도별 면적을 활용하여 철도역 출입구 방향의 토지용도별 이용면적을 중복 없이 측정하여 산출하였으며, 사회경제지표는 행정동의 사회경제지표와 토지용도별 총면적대비 방향별 출입구 토지용도별 면적 비율을 활용하여 출입구별 사회경제지표를 추정하여 적용하였다.

도시철도역의 방향별 출입구 이용수요를 추정하기 위한 다중회귀모형은 1차적으로 도시철도역 출입구 중심 반경 500 m와 200 m의 독립변수(토지용도, 사회경제지표) 자료 수집 및 적용의 우위성을 판단하기 위해 이 두 그룹의 회귀모형 계수를 추정하고 통계적으로 유의성을 검증하여 자료의 적용 범위를 선정하였다.

2차적으로는 철도역 이용수요 특성(1일, 첨두 1시간, 첨두 5분)을 3개 그룹과 모형에 포함하는 독립변수를 선택하는 3개 그룹(토지용도, 사회경제지표, 토지용도와 사회경제지표)으로 설정하여 총 9개의 회귀모형 계수를 추정하고 통계적으로 모형의 유의성을 검증하여 최적의 도시철도역 방향별 출입구 이용수요를 추정하는 회귀모형을 선정하고자 한다.

4.2.2 결정계수에 의한 철도역 범위 선정

도시철도역 중심 반경 500 m와 200 m 범위의 독립변수(토지용도, 사회경제지표) 적용의 우위를 판단하기 위해 3개 그룹 변수를 적용하여 회귀모형 결정계수(coefficient of determination)를 추정하고 비교 평가하여 철도역 출입구 반경의 범위를 선정하였다. 그 결과 종속변수(철도역 이용자)와 관계가 가장 높은 독립변수(설명변수) 그룹은 반경 500 m의 토지용도별 이용면적을 적용하는 모형이 적합도가 가장 높은 것으로 분석되었다(Tables 7 and 8 참조).

Table 7. Urban Railway Station Center Radius 200 m, 500 m Application Model Summary (Land Use)

Classification R R2 Adjusted
R Square
Standard error
of estimates
Durbin- Watson F Value Independent
variables
Radius 200 m days Inflow .644 .415 .404 7553.430 1.951 36.429 Commercia and
business, industrial,
education
Spill .668 .446 .435 7574.811 2.058 41.349 Commercia and
business, industrial,
education
Flow .670 .448 .438 14595.752 2.003 41.740 Commercia and
business, industrial,
education
1 hour Inflow .601 .362 .349 609.062 1.906 29.067 Commercial and
business, park,
education
Spill .691 .478 .464 1581.074 1.724 34.981 Industrial, commercial
and business,
education, park
Flow .693 .481 .467 1838.441 1.919 35.391 Commercial and
business, industrial,
education, residential
5 minutes Inflow .597 .356 .344 92.382 1.917 28.415 Commercial and
business, park,
education
Spill .717 .514 .501 247.747 1.687 40.451 Industry, education,
commerce and
business, park
Flow .712 .507 .494 286.707 1.885 39.271 Industry, education,
commerce and
business, park
Radius 500 m days Inflow .779 .606 .596 6232.1 1.591 58.890 Commercial and
business, residential,
industrial, education
Spill .768 .590 .579 6549.3 1.686 55.072 Commercial and
business, industrial,
residential, education
Flow .788 .621 .611 12163.6 1.606 62.713 Commercial and
business, industrial,
education, residential
1 hour Inflow .788 .621 .616 467.9 1.515 126.890 Commercial
and business,
residential
Spill .630 .397 .381 1700.3 1.481 25.134 Commercial and
business, industrial,
education, residential
Flow .735 .540 .528 1733.2 1.526 44.889 Commercial and
business, industrial,
education, residential
5 minutes Inflow .783 .613 .608 71.4 1.537 122.800 Commercial and
business, residential
Spill .650 .422 .407 270.2 1.426 27.967 Industrial, commercial
and business,
education, residential
Flow .737 .543 .531 276.5 1.472 45.375 Commercial and
business, industrial,
education, residential

Table 8. Urban Railway Station Center Radius 200 m, 500 m Applied Model Summary (Socioeconomic Indicator)

Classification R R2 Adjusted R
Square
Standard error
of estimates
Durbin- Watson F Value Independent
variables
Radius 200 m days Inflow .721 .520 .512 6684.6 1.520 42.900 Employeees,
workers, student
Spill .701 .491 .482 7049.3 1.514 58.007 Workers, population,
students
Flow .726 .527 .519 13041.8 1.477 61.588 Workers, employees,
students
1 hour Inflow .786 .617 .608 452.3 1.586 37.840 Population, workers,
employees, students
Spill .620 .385 .378 1696.7 1.386 62.106 Workers,
students
Flow .708 .501 .492 1764.0 1.375 61.811 Workers, employees,
students
5 minutes Inflow .788 .621 .612 68. 1.610 38.315 Population, workers,
employees, students
Spill .641 .410 .403 273.7 1.266 64.262 Workers, students
Flow .718 .515 .507 281.4 1.269 62.147 Workers, employees,
students
Radius 500 m days Inflow .708 .501 .489 6835.9 1.601 62.099 Workers, employers,
students, population
Spill .709 .503 .494 6965.7 1.681 55.290 Workers, employees,
students
Flow .720 .518 .509 13172.6 1.647 63.985 Workers, employees,
students
1 hour Inflow .631 .398 .387 565.8 1.632 68.997 Population, workers,
students
Spill .646 .418 .411 1650.5 1.401 54.137 Workers, students
Flow .720 .519 .510 1732.1 1.497 57.545 Workers, students,
employees
5 minutes Inflow .633 .401 .390 85.2 1.649 62.928 Population, Workers,
students
Spill .653 .426 .420 270.0 1.293 60.177 Workers, students
Flow .721 .520 .512 280.0 1.401 60.996 Workers, students,
employees

따라서 본 연구에서는 철도역 반경 500 m 변수 그룹을 적용하여 모형계수를 추정하고 평가하여 최적의 도시철도역 출입구 이용자 추정 회귀모형을 정립하고자 한다.

4.2.3 결정계수에 의한 독립변수 그룹 선정

도시철도역 방향별 출입구 이용자를 추정하기 위한 모형계수의 추정은 철도역 반경 500 m 범위의 독립변수 3개(토지용도 이용면적, 사회경제지표, 토지용도와 사회경제지료) 그룹을 설정하고, 종속변수 3개(1일, 첨두 1시간, 첨두 5분) 그룹의 결정계수를 추정하여 유의성을 검증하고 도시철도역 방향별 출입구 이용자 추정을 위한 최적의 독립변수 그룹을 선정하였다.

모형을 정립한 결과, 토지용도 이용 면적을 적용하였을 경우 독립변수로 상업·업무, 주거, 공업, 교육 면적 중 2~4개의 변수가 채택되었으며, 모형의 요약표를 살펴보면, R 제곱 값은 종속변수 1일 이용수요 0.590~0.621, 1시간 이용수요 0.397~0.621, 5분 이용수요 0.422~0.613의 값이 산정되었고, 분산분석표의 F값은 25.134~126.89로 유의수준 0.01에서 모두 유의하다고 할 수 있다.

사회경제지표를 적용하였을 경우는 독립변수로 고용자, 종사자, 학생, 인구 중 2개 이상의 변수가 채택되었으며, 모형의 R 제곱 값은 종속변수 1일 이용수요 0.491~0.527, 1시간 이용수요 0.385~ 0.617, 5분 이용수요 0.410~0.621의 값이 산정되었고, 분산분석표의 F값이 54.137~69.927로 유의수준 0.01에서 모두 유의 하다고 볼 수 있다.

독립변수 그룹별을 토지용도 및 사회경제지표를 적용하였을 경우 독립변수는 9개중 4~6개의 독립변수가 채택되었으며, 모형의 R 제곱(R2) 값은 종속변수 1일 이용수요 0.674~0.705, 1시간 이용수요 0.472~0.708, 5분 이용수요 0.502~0.727의 값이 산정되었고, 분산분석표의 F값이 34.216~92.591로 유의수준 0.01에서 모두 유의 하다고 볼 수 있다. 따라서 추정된 회귀모형이 모두 적절한 것으로 판단된다(Table 9 참조).

Table 9. Urban Railway Station Center Radius 500 m Application Model Summary

Classification R R2 Adjusted R Square Durbin-Watson Analysis of variance Independent
variables
F Value Probability of
significance
Land use
area
days Inflow .779 .606 .596 1.591 58.890 .000 Commercial and
business, residential,
industrial, education
Spill .768 .590 .579 1.686 55.072 .000 Commercial and
business, industrial,
residential, education
Flow .788 .621 .611 1.606 62.713 .000 Commercial and business,
industrial, education,
residential
1 hour Inflow .788 .621 .616 1.515 126.890 .000 Commercial and
business, residential
Spill .630 .397 .381 1.481 25.134 .000 Commercial and business,
industrial, education,
residential
Flow .735 .540 .528 1.526 44.889 .000 Commercial and business,
industrial, education,
residential
5 minutes Inflow .783 .613 .608 1.537 122.800 .000 Commercial and business,
residential
Spill .650 .422 .407 1.426 27.967 .000 Industrial, commercial
and business, education,
residential
Flow .737 .543 .531 1.472 45.375 .000 Commercial and business,
industrial, education,
residential
Socio-economic
index
days Inflow .721 .520 .512 1.520 62.099 .000 Employees, Workers,
students
Spill .701 .491 .482 1.514 55.290 .000 Workers, population,
students
Flow .726 .527 .519 1.477 63.985 .000 Workers, employees,
students
1 hour Inflow .786 .617 .608 1.586 68.997 .000 Population, workers,
employees, etudents
Spill .620 .385 .378 1.386 54.137 .000 Workers, students
Flow .708 .501 .492 1.375 57.545 .000 Workers, employees,
students
5 minutes Inflow .788 .621 .612 1.610 69.927 .000 Population, workers,
employees, etudents
Spill .641 .410 .403 1.266 60.177 .000 Workers, students
Flow .718 .515 .507 1.269 60.996 .000 Workers, employees,
students
Land use area and
Socio-economic
index
days Inflow .827 .684 .674 1.493 65.788 .000 Commercial and business,
employees, students,
education, industry
Spill .821 .674 .663 1.543 62.884 .000 Commercial and business,
industrial, students,
education, employees
Flow .840 .705 .695 1.451 72.711 .000 Commercial and business,
employees, students,
education, industry
1 hour Inflow .841 .708 .700 1.664 92.591 .000 Population, commercial
and business, student,
education
Spill .687 .472 .458 1.389 34.216 .000 Student, education,
industrial, commercial
and business
Flow .785 .617 .604 1.440 48.965 .000 Residential, students,
industrial, commercial
and business, education
5 minutes Inflow .853 .727 .716 1.703 67.125 .000 Population, commercial
and business, students,
education, employees,
industrial
Spill .709 .502 .489 1.324 38.613 .000 Student, industrial,
commercial and business,
education
Flow .791 .625 .613 1.372 50.646 .000 Residential, students,
industrial, commercial
and business, education

독립변수 3개 그룹의 회귀모형의 결정계수를 비교하면, 토지용도별 이용면적 및 사회경제지표를 독립변수로 적용하였을 경우가 가장 높았고, 다음으로 토지용도별 이용면적, 사회경제지표 순으로 분석되었다. 하지만 토지용도별 이용면적 및 사회경제지표를 적용하는 경우 변수가 4개 이상 채택되었기에 결정계수 값이 높게 추정되는 경향이 있으며, 토지용도 이용면적만을 적용한 모형의 결정계수 값과 큰 차이가 없으므로 독립변수 수집이 용이한 토지용도별 이용면적을 독립변수 그룹으로 채택하여 최적 회귀모형을 선정한다.

4.2.4 최적 회귀모형 선정

도시철도역 방향별 유출입 이용자를 추정하기 위한 최적모형의 선정을 위해 도시철도역 방향별 출입구 중심 500 m 범위의 토지용도 이용면적을 독립변수로 채택하였으며, 종속변수 3개(1일, 첨두 1시간, 첨두 5분) 그룹의 유입, 유출, 유출입 이용자를 추정하는 다중회귀모형을 정립하여 계수 및 통계량을 산출하였다. 종속변수 3개 그룹 모형의 계수 및 통계량을 비교 검증한 결과, 철도역 1일 유출입 이용수요를 종속변수로 하고, 철도역 출입구 반경 500 m 이내의 토지용도별 이용면적을 적용하여 추정된 다중회귀모형이 최적 모형인 것으로 판단되었다.

최적 모형의 요약표를 살펴보면, R 제곱(R-square) 값은 유입 0.606, 유출 0.590, 유출입 0.621로 총분산에 대해 최소 59 % 이상 설명력이 있다. 또한 분산분석표 F 값(F-value)이 유입 58.89, 유출 55.07, 유출입 62.71이고 유의확률(p-값)이 모두 0.000이므로 회귀식은 유의하다고 볼 수 있다(Table 10 참조).

Table 10. Urban Railway Station Center Radius 500 m Application Model Summary

Classification R R2 Adjusted R Square Durbin-Watson Analysis of variance Independent variables
F Value Probability of significance
days Inflow .779 .606 .596 1.591 58.890 .000 Commercial and business,
residential
, industrial, education
Spill .768 .590 .579 1.686 55.072 .000 Commercial and business,
industrial,
residential, education
Flow .788 .621 .611 1.606 62.713 .000 Commercial and business,
industrial,
residential, education
1 hour Inflow .788 .621 .616 1.515 126.890 .000 Commercial and
business, residential
Spill .630 .397 .381 1.481 25.134 .000 Commercial and business,
industrial,
education, residential
Flow .735 .540 .528 1.526 44.889 .000 Commercial and business,
industrial,
education, residential
5 minutes Inflow .783 .613 .608 1.537 122.800 .000 Commercial and
business,
residential
Spill .650 .422 .407 1.426 27.967 .000 Industrial, commercial
and business,
education, residential
Flow .737 .543 .531 1.472 45.375 .000 Commercial and business,
industrial, education, residential

독립변수에 대한 모수 추정치의 결과를 살펴보면, 독립변수 중 상업·업무, 주거, 공업 면적은 양의 관계, 교육은 음의 관계가 있는 것으로 나타내고 있다. T검정을 통한 유의수준은 p>0.05에서 유의하다. 상수의 경우 유입, 유출 모형 각각 0.077, 0.108로 유효하지 못한 것으로 나타내고 있으나, 독립변수들은 0.05 이하의 유의수준을 가지므로 모든 변수들은 종속변수(철도역 이용자 1일)에 영향을 미치는 변수로 볼 수 있다(Table 11 참조).

Table 11. Urban Railway Station Utilization Demand Model Factor

Classification Model Unstandardized Coefficients Standardized Coefficients t Probability of significance Statistics of collinearity
B Standard error Beta Tolerance VIF
days Inflow (Constant) 1214.824 683.321   1.778 .077    
Commercial and business .078 .009 .497 8.282 .000 .716 1.397
Residential Area .031 .006 .349 5.600 .000 .664 1.507
Industrial Area .082 .015 .338 5.423 .000 .663 1.509
Education Area -.046 .013 -.224 -3.465 .001 .614 1.628
Spill (Constant) 1161.792 718.097   1.618 .108    
Commercial and business .089 .010 .555 9.068 .000 .716 1.397
Industrial Area .079 .016 .314 4.944 .000 .663 1.509
Residential Area .024 .006 .263 4.137 .000 .664 1.507
Education Area -.041 .014 -.195 -2.954 .004 .614 1.628
Flow (Constant) 2376.616 1333.679   1.782 .077    
Commercial and business .167 .018 .537 9.126 .000 .716 1.397
Industrial Area .160 .029 .332 5.440 .000 .663 1.509
Residential Area .056 .011 .311 5.096 .000 .664 1.507
Education Area -.086 .026 -.214 -3.366 .001 .614 1.628
1 hour Inflow (Constant) 79.053 51.209   1.544 .125    
Commercial and business .006 .001 .475 8.219 .000 .733 1.364
Residential Area .003 .000 .430 7.437 .000 .733 1.364
Spill (Constant) 238.022 186.429   1.277 .204    
Commercial and business .012 .003 .334 4.502 .000 .716 1.397
Industrial Area .028 .004 .528 6.847 .000 .663 1.509
Education Area -.015 .004 -.341 -4.249 .000 .614 1.628
Residential Area .004 .002 .193 2.507 .013 .664 1.507
Flow (Constant) 321.291 190.034   1.691 .093    
Commercial and business .017 .003 .425 6.558 .000 .716 1.397
Industrial Area .030 .004 .480 7.120 .000 .663 1.509
Education Area -.017 .004 -.319 -4.564 .000 .614 1.628
Residential Area .007 .002 .303 4.494 .000 .664 1.507
5 minutes Inflow (Constant) 12.549 7.815   1.606 .110    
Commercial and business .001 .000 .474 8.128 .000 .733 1.364
Residential Area .000 .000 .424 7.272 .000 .733 1.364
Spill (Constant) 42.908 29.627   1.448 .150    
Industrial Area .005 .001 .606 8.024 .000 .663 1.509
Commercial and business .002 .000 .289 3.975 .000 .716 1.397
Education Area -.003 .001 -.385 -4.910 .000 .614 1.628
Residential Area .001 .000 .203 2.692 .008 .664 1.507
Flow (Constant) 56.119 30.314   1.851 .066    
Commercial and business .002 .000 .382 5.909 .000 .716 1.397
Industrial Area .006 .001 .553 8.235 .000 .663 1.509
Education Area -.003 .001 -.362 -5.187 .000 .614 1.628
Residential Area .001 .000 .305 4.541 .000 .664 1.507

독립변수들 간 상관관계 존재하는지 여부를 진단하기 위한 공선성 통계량표를 보면, 분산팽창요인(VIF : Variance Inflation Factor) 값은 10 이하이고, 공차(tolerance) 값은 모두 0.1 이상을 나타내고 있어 독립변수들 간 다중공선성(multicollinearity)이 없는 것으로 분석되었다. 일반적으로 VIF는 10 이상, 공차(허용도)는 0.1 값 보다 작은 독립변수는 다중공선성이 있다고 판단한다.

5. 결론 및 향후 연구

도시철도역의 이용자 및 교통약자의 이동편의시설의 적정 규모 산정을 위해서는 도시철도역 출입구별 방향별 이용수요의 추정이 필수적으로 수반되어야 한다.

본 연구에서는 도시철도역 출입구 방향별 이용수요를 추정하기 위한 모형을 정립하기 위해 수도권 도시철도역 20개소를 대상으로 종속변수는 1일, 첨두 1시간, 첨두 시간대 5분 동안의 철도역 방향별 유출입구 이용수요를 적용하고, 철도역 출입구 반경 500 m, 200 m 범위의 토지용도(주거, 상업·업무, 공업, 교육, 공원) 면적과 사회경제지표(인구, 고용자, 종사자, 학생)를 독립변수로 하는 다중회귀모형을 정립하였다. 그 결과 최적 모형은 철도역 1일 유출입 이용수요를 종속변수로 하고 출입구 반경 500 m 이내의 토지용도별 면적을 독립변수로 채택한 다중회귀모형을 최적모형으로 선정되었으며, 모형 계수 추정 결과에 의한 회귀방정식은 다음과 같다.

(1) 출입구별 유입 인원(일) = 1214.824(상수) + 0.078 × 상업·업무 면적 + 0.031 × 주거면적 + 0.082 × 공업면적 – 0.046 × 교육면적

(2) 출입구별 유출 인원(일) = 1161.792(상수) + 0.089 × 상업·업무 면적 + 0.079 × 공업면적 + 0.024 × 교육면적 – 0.041 × 주거면적

(3) 출입구별 유출입 인원(일) = 2376.616(상수) + 0.167 × 상업·업무 면적 + 0.160 × 공업면적 + 0.056 × 교육면적 – 0.086 × 주거면적

도시철도역 출입구별 유출입 인원(일), 즉 종속변수에 영향을 주는 독립변수의 영향 정도는 표준화계수(베타) 값으로 비교 판단 할 수 있다. 출입구별 유입인원(일) 추정 회귀모형에서는 상업·업무(0.479), 주거면적(0.349), 공업면적(0.338)은 종속변수에 양(+)의 영향을 주고, 교육면적(-0.244)은 음(-)의 영향을 주는 것으로 분석되었다.

출입구별 유출인원(일) 추정 회귀모형에서는 상업·업무(0.555), 공업면적(0.314), 주거면적(0.263)은 종속변수에 양(+)의 영향을 주고, 교육면적(-0.195)은 음(-)의 영향을 주는 것으로 분석되었다.

본 연구의 회귀모형식은 도시철도역 방향별 출입구별 이용수요를 추정하기 위한 독립변수를 토지용도별 면적만을 적용하고 있으나, 도시철도역 접근수단인 버스 등의 수단별 빈도 및 규모에 따라 유출입 이용자 수에 영향을 미칠 수 있을 것으로 판단되므로 철도역 방향별 출입구별 접근수단 유형, 도착 빈도, 해당 수단 이용자 수 등에 대한 변수 또한 추가하여 모형식을 보완 한다면 보다 정확도 높은 이용자 수 추정이 가능할 것으로 판단된다.

추가적인 연구로 본 연구에서 개발된 모형을 바탕으로 교통약자 이용자 수를 역별로 추정할 수 있다면, 향후 도시철도역사 주변 토지이용계획에 따른 이용자 수 추정이 가능하고, 이를 토대로 출입구별 이동편의시설 규모 추정 시 활용 될 수 있을 것이다.

Acknowledgements

이 논문은 2017년 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(2017R1D1A3B03035 516).

References

1 

Kim, J. I. (2013). "The determinants of subway riderships at am-peak in daegu metropolitan city: focusing on the land use of station neighborhood areas." Journal of Transport Research, Vol. 20, No. 1, pp. 15-25 (in Korean).

2 

Lee, C. H. and Yun, D. S. (2014). "Analysis of factors affecting rail transit ridership at urban rail stations." Journal of Korean Society of Transportation, Vol. 32, No. 2, pp. 139-151 (in Korean).

10.7470/jkst.2014.32.2.139
3 

Oh Y. T., Kim T. H., Park J. J. and Rho J. H. (2009). "An Empirical Analysis of Influencing Factors toward Public Transportation Demand Considering Land Use Type Seoul Subway Station Area in Seoul." J. Korean Soc. Civ. Eng., Vol. 29, No. 4D, pp. 467-472 (in Korean).

4 

Seoul Metropolitan City (2018). Map of Seoul. Available at: http://gis. seoul.go.kr.

5 

Sohn, D. W. and Kim, J. (2011). "An analysis of the relationship between the morphological characteristics of transit centers and transit riderships in seoul metropolitan region." Journal of the Architectural Institute of Korea: Planning & Design,Vol. 27, No. 6, pp. 177-184 (in Korean).

페이지 상단으로 이동하기