통행 분포의 개념적 정의를 명확히 하고, 교통 수요 추정의 4단계 모델 내에서 이 과정이 갖는 학술적 및 실무적 위상을 설명한다.

특정 지역 내의 기점과 종점 사이에 발생하는 통행의 공간적 흐름을 결정하는 과정을 정의한다.

통행 발생 단계에서 산출된 유출량과 유입량을 바탕으로 기종점 행렬을 구성하는 체계적 순서를 다룬다.

과거의 통행 패턴이 미래에도 지속된다는 가정하에, 지역의 성장률을 적용하여 미래 통행량을 예측하는 방법론을 고찰한다.

균등 성장인자법과 평균 성장인자법의 계산 방식을 설명하고, 지역 간 불균형 성장을 반영하지 못하는 제약점을 기술한다.

프라타법, 디트로이트법, 수렴 계수법 등 반복적인 계산을 통해 기종점의 제약 조건을 만족시키는 정교화된 기법들을 비교한다.

뉴턴의 물리적 중력 법칙을 교통 현상에 투영하여, 지역 간의 규모와 저항 요소를 바탕으로 통행량을 산정하는 모형을 상세히 다룬다.

두 존 사이의 통행량이 각 존의 활동 규모에 비례하고 통행 저항에 반비례한다는 기본 원리를 수식으로 제시한다.

시간, 거리, 비용 등 통행자가 느끼는 저항을 수학적 함수로 표현하는 방식과 마찰 계수의 산출 과정을 설명한다.

기점 또는 종점의 합계 일치 여부에 따라 무제약, 단일제약, 이중제약 중력 모형으로 구분하여 각 특성을 논한다.

개별 통행자의 선택 행태나 통계역학적 확률 분포를 이용하여 통행의 공간적 배분을 설명하는 고등 이론을 소개한다.

통행자가 목적지까지 가는 경로상에 존재하는 선택 가능한 기회들의 수에 따라 통행 분포가 결정된다는 이론을 다룬다.

정보 이론과 통계역학을 바탕으로 주어진 제약 조건 하에서 발생 가능한 가장 확률 높은 통행 분포 상태를 도출하는 과정을 설명한다.

통행 분포 모형의 구축이 완료된 후에는 해당 모형이 실제 관측된 통행 행태를 얼마나 정확하게 재현하는지 평가하고, 모형 내 매개변수를 최적화하는 모형 보정(Calibration) 및 모형 검증(Validation) 과정을 거쳐야 한다. 모형 보정은 주로 중력 모형의 마찰 함수(Friction Function)에 포함된 미지의 계수를 결정하는 작업으로, 관측된 기종점 행렬과 모형에 의해 추정된 행렬 사이의 오차를 최소화하는 방향으로 수행된다. 이 과정은 단순히 수치적 일치만을 목적으로 하는 것이 아니라, 해당 교통 체계의 공간적 특성과 사회경제적 요인이 모형에 적절히 투영되었는지 확인하는 학술적 엄밀성을 내포한다.

보정 과정에서 가장 핵심적인 척도로 활용되는 것은 통행 시간 빈도(Trip Time Frequency, TTF) 분포이다. 이는 전체 통행 중 특정 시간대(예: 5분 단위 분절)에 속하는 통행의 비율을 나타낸 곡선이다. 보정이 잘 이루어진 모형이라면 관측 데이터에서 얻은 통행 시간 빈도 곡선과 모형이 예측한 곡선이 유사한 형태를 보여야 한다. 만약 모형에 의한 평균 통행 시간이 관측치보다 길게 나타난다면, 이는 모형 내의 통행 저항이 과다하게 설정되었음을 의미하므로 마찰 함수의 매개변수를 하향 조정하는 과정을 반복한다. 이러한 반복 계산에는 주로 최우추정법(Maximum Likelihood Estimation)이나 뉴턴-랩슨(Newton-Raphson) 기법과 같은 수치 해석적 방법론이 동원된다.

모형의 적합도를 정량적으로 평가하기 위해 다양한 통계적 지표가 사용된다. 대표적으로 결정계수($R^2$)와 평균 제곱근 오차(Root Mean Square Error, RMSE)가 활용된다. 특히 교통 계획 실무에서는 전체 오차의 크기를 상대적으로 파악하기 위해 다음과 같은 퍼센트 평균 제곱근 오차(%RMSE)를 널리 사용한다.

$$ \% \text{RMSE} = \frac{\sqrt{\frac{\sum_{i} \sum_{j} (T_{ij} - \hat{T}_{ij})^2}{N}}}{\frac{\sum_{i} \sum_{j} T_{ij}}{N}} \times 100 $$

여기서 $T_{ij}$는 관측된 통행량, $\hat{T}_{ij}$는 모형에 의해 추정된 통행량, $N$은 존 쌍(Zone pair)의 총 개수를 의미한다. 일반적으로 %RMSE 값이 낮을수록 모형의 재현성이 높은 것으로 판단하며, 통행량이 많은 주요 간선 구간이나 대규모 존 쌍에서의 오차를 줄이는 것이 검증의 주된 목표가 된다.

특정 지역 간의 통행량이 지형적 장벽이나 사회문화적 특수성으로 인해 일반적인 중력 모형으로 설명되지 않을 경우, K-요소(K-factor)라고 불리는 사회경제적 보정 계수를 도입하기도 한다. $K_{ij}$는 특정 기종점 쌍 $(i, j)$ 간의 통행 특성을 강제로 조정하는 역할을 수행한다. 그러나 K-요소는 이론적 근거 없이 통계적 수치를 맞추기 위한 수단으로 남용될 위험이 있다. 따라서 현대 교통 계획에서는 K-요소의 사용을 최소화하고, 대신 마찰 함수의 정교화나 로그선형 모형 등을 통해 모형 자체의 설명력을 높이는 방향을 권장한다.

최종적인 검증 단계에서는 보정된 모형을 구축 시 사용되지 않은 별도의 관측 데이터와 비교하여 모형의 예측력을 시험한다. 이 과정에서 기종점별 합계가 통행 발생 단계에서 산출된 유출 및 유입량과 일치하는지 확인하는 수렴 판정을 병행한다. 만약 허용 오차 범위를 벗어날 경우, 프라타법(Fratar Method) 등 반복 보정 기법을 재적용하여 행렬의 균형을 맞춘다. 이러한 체계적인 보정과 검증은 통행 분포 단계의 결과물이 후속 단계인 수단 선택 및 노선 배분에 미치는 연쇄적인 오차 전이를 방지하는 필수적인 안전장치 역할을 한다.

표본 조사 데이터를 전체 인구 규모로 확장하고, 관측된 교통량과의 비교를 통해 행렬을 수정하는 기법을 다룬다.

모형을 통해 예측된 통행 시간 분포가 실제 조사된 분포 곡선과 일치하는지 검토하는 적합도 판정 방법을 설명한다.