All Issue

2020 Vol.20, Issue 1 Preview Page

Research Article

Space-time Network Analysis of Public Bicycle Use and its Visualization Using Spatial Network Autocorrelation

네트워크 클러스터를 활용한 서울시 공공자전거의 시공간 통행 분석 및 시각화: 공간적 네트워크 자기상관을 활용하여

김희수1, 김영호2

Huisoo Kim1, Youngho Kim2

1고려대학교 지리학과 석사과정
2고려대학교 지리교육과 교수
1Master Student, Department of Geography, Korea University
2Professor, Department of Geography Education, Korea University
30 April 2020. pp. 93-106
PDF Citation
Abstract
Many countries are running public bicycle services to promote bicycle use. Bicycle, considered as an alternative transportation mode, is a way to take care of environmental problems and traffic jam. Seoul, in particular, is running public bicycle service “Ttareongyi” for 5 years so far. Ttareongyi is now considered as one of the major modes in short distance transportation. This study insists that Ttareongyi needs improvements to enhance efficient use. For the purpose, this study analyzes the temporal patterns and the network clusters of Ttareongyi use. Getis and Ord’s statistic is expanded to network structure and applied to find network clusters. Bootstrap permutation is applied for significance test. The result identifies several significant network clusters in Ttareongyi use in Seoul. And local analysis presents clear contrasts in Ttareongyi uses among different times within a day. Conclusion suggests that differences in Ttareongyi use patterns in both temporal and spatial perspectives must be measured and reflected for more efficient and effective Ttareongyi operation.
Keywords
Ttareongyi
Public bicycles
Spatial network autocorrelation
Network cluster
Spatio-temporal patterns
환경과 교통이슈로 자전거가 대안적 교통수단으로 주목받는 가운데, 많은 나라에서 자전거 이용을 촉진하기 위해 공유경제 플랫폼인 공공자전거 사업을 운영 중이다. 서울시 역시 공공자전거인 “따릉이”를 5년째 운영 중이며, 이제 따릉이는 서울의 단거리 교통수단 중 하나로 자리매김하였다. 이 연구는 따릉이가 몇 가지 문제점을 가지고 있으며 개선이 필요하다고 주장한다. 이 연구는 자전거 흐름의 시공간적 패턴을 파악하고 그 원인을 설명하고자 한다. 이를 위해 따릉이의 요일, 시간대별 이용 패턴을 분석하고, 서울시의 주요 자전거 네트워크 클러스터를 찾는다. 네트워크 클러스터를 찾기 위해서 Getis와 Ord의 통계를 공간 네트워크로 확장 적용하였다. 이후 통계적 유의성을 검증하기 위해 부트스트랩 치환법(Bootstrap permutation)을 사용하였다. 연구결과 서울시에서 시계열에 영향받지 않는 명확한 자전거 네트워크 클러스터를 확인하였다. 하지만 국지적 분석 결과는 시간대별 통행 방향에 명백한 차이를 보여준다. 이 연구는 따릉이의 효과적, 효율적 운영을 위해서 따릉이 이용 패턴의 시간, 공간적 차이를 측정하고 반영해야 한다고 제안한다.
키워드
따릉이
공공자전거
공간적 네트워크 자기상관
네트워크 클러스터
시공간 패턴
References
  1. 강정희, 2018, “취업자의 출퇴근 이동생활 패턴에 관한 연구,” 한남대학교 석사학위논문.
  2. 고준호, 2016, “변화하는 시대에 따른 도시 교통정책의 새 좌표 – 런던과 베를린의 사례를 통해 살펴보는 새로운 도시 이동성”, 세계와 도시, 14, 120-127.
  3. 김동준･신희철･정성엽･문장원, 2011, “자전거 중심 녹색도시교통체계 구축방안에 관한 연구,” 교통연구, 18(2), 29-45.
  4. 김민혁, 2018, “시계열 군집분석 기반 서울시 공공자전거 수요예측,” 한양대학교 석사학위논문.
  5. 김상현･이한나, 2016, “성수동 지역의 젠트리피케이션 과정 및 특성 연구”, 문화콘텐츠연구, 7, 81-105.
  6. 김영호, 2010, “서울시 자전거 이용의 공간 네트워크 패턴 연구,” 국토지리학회지, 44(3), 339-352.
  7. 모창환, 2017, “국민의 교통기본권 강화,” 월간교통, 2017(5), 31-33.
  8. 박성경, 2018, “주거･공업 혼재지역의 성격 변화에 따른 성수동 유동인구 특성 분석,” 서울대학교 석사학위논문.
  9. 변영우･정하린, 2016, “공간정보를 기반으로 한 공공자전거 대여소 적합성 분석”, 한국지형공간정보학회 학술대회, 121-123.
  10. 사경은, 2019, “서울시 공공자전거 이용에 영향을 미치는 물리적 환경 요인에 관한 연구,” 한양대학교 석사학위논문.
  11. 서울 열린데이터 광장, https://data.seoul.go.kr.
  12. 서울시 도시교통본부, 2018, “2018년 서울 공공자전거 추진 기본계획”.
  13. 서울시 도시교통실, 2018, “서울시 자전거도로 현황 통계”.
  14. 서울시설공단, 2019, “공공자전거 종합현황(2019.04)”.
  15. 서울시, 2019년 7월 15일, “박원순 시장, ‘사람 중심 자전거 혁명’ 선언…사통팔달 ‘자전거하이웨이’ 구축”.
  16. 서울시, 2019년 11월 4일, “서울시, 따릉이 4년… 56% 출퇴근시간대 집중, 70% 단거리 이동 이용”.
  17. 신희철･김동준･정성엽, 2010, “자전거 중심 녹색도시교통체계 구축방안,” 한국교통연구원 기본연구보고서, 1-230.
  18. 신희철･김동준･정성엽, 2012, “공공자전거 효과 분석 및 발전 방안,” 한국교통연구원 기본연구보고서, 1-310.
  19. 오마이뉴스, 2006년 08월 07일, “자전거 출퇴근, 낭만은 짧고 현실은 길다”.
  20. 오충원･임동욱･김현진･박준태, 2012, “Space Syntax를 이용한 한강이남 자전거도로망의 접근성 분석”, 한국도로학회논문집, 14(3), 97-110.
  21. 윤영채･조병용, 2014, “대전광역시 공공자전거 ‘타슈’ 발전 방안에 관한 연구”, 사회과학연구, 25(2), 591-608.
  22. 이상일･조대헌･손학기･채미옥, 2010, “공간 클러스터의 범역 설정을 위한 GIS-기반 방법론 연구: 수정 AMOEBA 기법”, 대한지리학회지, 45(4), 502-520.
  23. 이한울, 2016, “홍대 문화소비공간의 확장과 경계부 주거지역의 변화특성,” 서울대학교 박사학위논문.
  24. 임영태･류재영･홍정열, 2007, “자전거 이용 활성화를 위한 제도개선 방안,” 환경논의 46, 179-210.
  25. 장재민･이숭봉･이영인･이무영, 2018, “계절 및 회원 특성이 공공자전거 통행에 미치는 영향분석 : 서울시 따릉이를 대상으로,” 한국도로학회논문집 20, 47-58.
  26. 정범진, 2012, “자전거 출퇴근 이용자의 재미요인과 스트레스 요인 분석”, 국민대학교 석사학위논문.
  27. 지우석･윤정은, 2018, “자전거 고속도로, 미래도시를 위한 혁신,” 이슈&진단, 1-21.
  28. 추상호･장유경･황기연, 2011, “통행사슬 유형에 따른 자전거 이용자 행태 분석” 교통연구, 18(4), 59-69.
  29. 한국교통연구원, 2015, “2015년도 국가교통조사 및 DB구축사업: 교통수단 이용실태조사,” 1-254: 국토교통부.
  30. 한국지방행정연구원, 2009, “자전거제도 해외사례 조사 및 정책방안 연구,” 한국지방행정연구원 정책연구과제, 1-160.
  31. 행정안전부, 2010, “전국자전거도로 기본계획 수립연구”.
  32. 행정안전부, 2018, “2018년 기준 자전거 이용 현황”.
  33. Berglund, S. and Karlström, A., 1999, Identifying local spatial association in flow data, Journal of Geographical Systems, 1(3), 219-236.10.1007/s101090050013
  34. Black, W.R., 1992, Network autocorrelation in transport network and flow systems, Geographical Analysis, 24(3), 207-222.10.1111/j.1538-4632.1992.tb00262.x
  35. Davison, A.C. and Hinkley, D.V., 1997, Bootstrap Methods and Their Application, UK: Cambridge university press.10.1017/CBO9780511802843
  36. Efron, B. and Tibshirani, R.J., 1993, An introduction to the Bootstrap, Chapman and Hall/CRC.10.1007/978-1-4899-4541-9
  37. Faghih-Imani, A., Eluru, N., El-Geneidy, A.M., Rabbat, M., and Haq, U., 2014, How land-use and urban form impact bicycle flows: evidence from the bicycle-sharing system (BIXI) in Montreal, Journal of Transport Geography, 41, 306-314.10.1016/j.jtrangeo.2014.01.013
  38. García-Palomares, J.C., Gutiérrez, J., and Latorre, M., 2012, Optimizing the location of stations in bike-sharing programs: A GIS approach, Applied Geography, 35(1), 235-246.10.1016/j.apgeog.2012.07.002
  39. Getis, A. and Ord, J.K., 1992, The analysis of spatial association by use of distance statistics, Geographical Analysis, 24(3), 189-206.10.1111/j.1538-4632.1992.tb00261.x
  40. Getis, A. and Ord, J.K., 1996, Local spatial statistics: an overview, in Longley, P.A. and Batty, M. eds., Spatial Analysis: Modelling in a GIS Environment, John Wiley & Sons, 261-277.
  41. Jäppinen, S., Toivonen, T., and Salonen, M., 2013, Modelling the potential effect of shared bicycles on public transport travel times in Greater Helsinki: An open data approach, Applied Geography, 43, 13-24.10.1016/j.apgeog.2013.05.010
  42. Kim, Y. and O’Kelly, M., 2008, A bootstrap based space–time surveillance model with an application to crime occurrences, Journal of Geographical Systems, 10(2), 141-165.10.1007/s10109-008-0058-4
  43. Liu, J., Li, Q., Qu, M., Chen, W., Yang, J., Xiong, H., Zhong, H., and Fu, Y., 2015, Station Site Optimization in Bike Sharing Systems, IEEE International Conference on Data Mining.10.1109/ICDM.2015.99
  44. Martens, K., 2004, The bicycle as a feedering mode: experiences from three European countries, Transportation Research Part D: Transport and Environment, 9(4), 281-294.10.1016/j.trd.2004.02.005
  45. Ord, J.K. and Getis, A., 1995, Local spatial autocorrelation statistics: distributional issues and an application, Geographical Analysis, 27(4), 286-306.10.1111/j.1538-4632.1995.tb00912.x
  46. Westfall, P.H. and Young, S.S., 1989, P value adjustments for multiple tests in multivariate binomial models, Journal of the American Statistical Association, 84(407), 780-786.10.1080/01621459.1989.10478837
  47. Yang, X.H., Cheng, Z., Chen, G., Wang, L., Ruan, Z.Y., and Zheng, Y.J., 2018, The impact of a public bicycle-sharing system on urban public transport networks, Transportation Research Part A: Policy and Practice, 107, 246-256.10.1016/j.tra.2017.10.017
  48. Zhou, X., 2015, Understanding spatiotemporal patterns of biking behavior by analyzing massive bike sharing data in Chicago, PLoS, 10(10), 1-20.10.1371/journal.pone.013792226445357PMC4596835
Information
  • Publisher :The Korean Cartographic Association
  • Publisher(Ko) :한국지도학회
  • Journal Title :Journal of the Korean Cartographic Association
  • Journal Title(Ko) :한국지도학회지
  • Volume : 20
  • No :1
  • Pages :93-106
  • DOI :https://doi.org/10.16879/jkca.2020.20.1.093
Journal Informaiton Journal of the Korean Cartographic Association Journal of the Korean Cartographic Association
Online Submission
  • NRF
  • KCI 문헌 유사도 검사
  • orcid
  • open access
  • ccl
Journal Informaiton Journal Informaiton - close