초록 close

교통시설은 지속적인 경제성장을 위한 필수요소로 인식되고 있으며, 이에 현대사회는 적절한 수준의 교통시설을 확보하고자 지속적으로 노력해 왔다. 교통시설 투자는 막대한 사회적 재원을 필요로 하기 때문에 투자타당성 및 투자 효율성에 대한 검토가 사전에 반드시 이루어져야 한다. 교통시설 투자의 타당성 및 효율성은 여러 요인에 의해 결정되나 주요 요인의 하나로서 현재 및 장래의 교통수요를 들 수 있다. 교통수요를 추정하는데 있어 근간이 되는 것은 물리적인 교통체계와 이 체계를 이용하여 이동하는 사람과 화물의 양이다. 기종점 통행량 혹은 O/D 통행량은 교통계획과정과 교통체계의 운영 및 제어 등에서 필수적으로 요구되는 중요한 자료이다. 기종점 통행량 자료의 추정은 가구통행실태조사를 활용하는 방법, 노측면접조사 자료를 이용한 방법, 통행발생 및 분포모형을 이용하는 방법, 관측교통량과 통행배정모형을 이용하여 추정하는 방법 등 여러 가지가 사용되어 왔다. 이 중 노측면접조사 자료를 이용한 방법은 그간 국가교통DB의 승용차 여객통행량 자료를 구축하는 방법으로 활용되어 왔다. 본 연구에서는 노측면접조사 자료를 활용하되 그간 사용되지 않았던 통과 교통 표본조사자료를 활용하는 추정모형을 제시한다. 통과 교통 조사자료가 사용되지 못하는 이유는 교통량 중복 산정(double counting) 문제 때문이다. 본 연구의 추정모형은 통과 교통 표본조사자료를 활용하면서도 중복 산정 문제를 해결한다. 제안된 모형은 소규모 가상 네트워크와 국가교통DB자료에 적용하여 모형의 추정력에 대해서도 평가하였다. 평가 결과 기존 방법론에 비해 우월한 추정력을 나타내었다.


As transportation infrastructure investment generally requires a great deal of social resources, detailed analyses are typically followed after the proposal for an investment. One of the most important elements of these analyses is to predict the travel demands for the proposed transportation facility. The origin-destination(O/D) trip matrices play a vital role for these analyses. Roadside survey results can be used for estimating travel patterns between municipalities. Although roadside surveys are considered as resource-intensive, difficult, and socially unfavored due to its adverse impacts on traffic, they provide simple and direct means of capturing inter-zonal passenger trip patterns, compared to other traditional methods such as the home-interview surveys. The method proposed in this study utilizes the data from all survey stations for each given origin-destination pair. Contrastingly, previous approaches used only the data from the stations located on the screen lines for the origin or the destination of a given O/D pair because of the so-called double counting problem. The proposed method uses the relationship between the feasible path set and the locations of the survey stations to eliminate the double counting problem. The proposed method was applied to a small toy network problem as well as the national roadway network and its associated auto passenger trip data. The results showed that the proposed methods performed better than the existing methods.