교통_분석_존
차이
문서의 선택한 두 판 사이의 차이를 보여줍니다.
| 양쪽 이전 판이전 판 | |||
| 교통_분석_존 [2026/04/13 14:24] – 교통 분석 존 sync flyingtext | 교통_분석_존 [2026/04/13 14:25] (현재) – 교통 분석 존 sync flyingtext | ||
|---|---|---|---|
| 줄 260: | 줄 260: | ||
| === 개별 행위자 기반 시뮬레이션 === | === 개별 행위자 기반 시뮬레이션 === | ||
| - | 존 단위의 평균값이 아닌 | + | 전통적인 [[교통 분석 |
| + | |||
| + | 개별 행위자 기반 시뮬레이션의 논리적 토대는 [[활동 기반 모델]](Activity-Based Model)에 있다. 활동 기반 모델은 통행 그 자체를 분석의 목적으로 삼는 대신, 인간이 생존과 편익을 위해 수행하는 쇼핑, 업무, 교육 등의 활동을 지원하기 위한 파생적 수요로 통행을 이해한다. 시뮬레이션 내의 행위자들은 하루의 활동 스케줄을 최적화하기 위해 통행 시간, 비용, 수단의 가용성 등을 고려하여 복합적인 의사결정을 내린다. 이때 개별 행위자의 선택은 주로 [[이산 선택 모델]](Discrete Choice Model)에 기반한 [[효용 극대화 이론]]에 따라 모사된다. 특정 행위자 $ n $이 대안 $ i $를 선택할 확률은 해당 대안이 제공하는 효용 $ U_{ni} $에 비례하며, | ||
| + | |||
| + | $$ U_{ni} = V_{ni} + \epsilon_{ni} = \sum \beta_k X_{nik} + \epsilon_{ni} $$ | ||
| + | |||
| + | 여기서 $ V_{ni} $는 관측 가능한 결정론적 효용이며, | ||
| + | |||
| + | 이 기법을 구현하기 위해서는 현실의 인구 통계적 특성을 그대로 복사한 [[합성 인구]](Synthetic Population)를 생성하는 | ||
| + | |||
| + | 공간적 측면에서 개별 행위자 기반 시뮬레이션은 [[교통 분석 존]]의 중심점에 모든 수요가 집중된다는 가정을 탈피한다. 대신 [[지리 정보 시스템]](Geographic Information System, GIS)상의 좌표나 개별 필지 단위의 위치 정보를 활용하여 통행의 기점과 종점을 설정한다. 이는 대중교통 접근성 분석이나 [[보행]] 환경 평가와 같이 | ||
| + | )). | ||
| + | |||
| + | 다만, 개별 행위자 기반 시뮬레이션은 방대한 양의 기초 데이터와 고성능의 [[컴퓨팅 자원]]을 요구한다. 수백만 명의 행위자가 네트워크상에서 상호작용하는 과정을 계산하기 위해서는 병렬 처리 기술과 효율적인 알고리즘이 뒷받침되어야 한다. 또한, 합성 인구 생성 과정에서 발생하는 통계적 불확실성을 검증하고 모델을 보정하는 과정이 매우 복잡하다는 한계가 있다. 그럼에도 불구하고 빅데이터와 [[인공지능]] 기술의 발전은 이러한 제약을 완화하고 있으며, 현대의 [[교통 계획]]은 점차 집계형 모델에서 개별 행위자 중심의 미시적 분석 체계로 이행하는 추세에 있다. | ||
| === 빅데이터 활용을 통한 존 체계 고도화 === | === 빅데이터 활용을 통한 존 체계 고도화 === | ||
교통_분석_존.1776057893.txt.gz · 마지막으로 수정됨: 저자 flyingtext
