통행 분포(Trip Distribution)란 특정 지역 내의 여러 교통 분석 존(Traffic Analysis Zone, TAZ) 사이에서 발생하는 통행의 공간적 흐름을 결정하는 과정이다. 이는 교통 수요 추정의 전통적인 4단계 모델(Four-Step Model) 중 두 번째 단계에 해당하며, 제1단계인 통행 발생(Trip Generation)에서 산출된 각 존별 통행 유출량과 유입량을 상호 연결하여 구체적인 기종점 행렬(Origin-Destination Matrix, O-D Matrix)을 구축하는 것을 목적으로 한다. 학술적으로 통행 분포는 공간적 상호작용(Spatial Interaction) 이론에 기반하며, 통행자가 목적지를 선택하는 행태적 원리와 지역 간의 접근성(Accessibility)을 수치화하여 표현하는 체계이다.

교통 계획의 실무적 관점에서 통행 분포는 전체 수요 추정 과정의 정확도를 결정짓는 핵심적인 위상을 차지한다. 통행 발생 단계가 단순히 특정 구역에서 발생하는 통행의 총량을 파악하는 양적 분석이라면, 통행 분포는 그 통행이 공간적으로 어디를 향하는지를 결정하는 질적 배분 과정이다. 이 단계에서 도출된 기종점 행렬은 이후 단계인 수단 선택(Modal Split)과 노선 배분(Traffic Assignment)의 직접적인 기초 자료가 된다. 따라서 통행 분포 추정의 오류는 연쇄적으로 전체 교통 모델의 신뢰성을 저하시키는 요인이 되므로, 지역의 토지 이용 특성과 교통 시설의 공급 상태를 정밀하게 반영하는 것이 필수적이다.

통행 분포는 도시 및 지역 계획의 다양한 의사결정 과정에서 중추적인 역할을 수행한다. 구체적으로는 도로망의 신설 및 확장, 대중교통 노선의 최적화, 그리고 대규모 택지 개발이나 산업 단지 조성에 따른 교통 영향 평가의 근거로 활용된다. 통행 분포 과정을 통해 분석가는 특정 지역 간의 통행 유대 강도를 파악할 수 있으며, 이는 도시 공간 구조의 단핵화 또는 다핵화 정도를 진단하는 지표가 되기도 한다. 또한, 통행 시간이나 비용과 같은 저항 요소가 통행 패턴에 미치는 영향을 분석함으로써, 교통 정책 변화에 따른 이용자 행태 변화를 예측하는 데 기여한다.

현대 교통 계획에서 통행 분포의 역할은 단순한 통계적 배분을 넘어 정책적 시뮬레이션의 도구로 확장되고 있다. 지속 가능한 교통 체계 구축을 위해 탄소 배출량을 산정하거나 교통 혼잡 비용을 계산할 때, 기종점 간의 정확한 통행 거리와 빈도는 가장 기본적인 입력 변수가 된다. 결과적으로 통행 분포는 물리적인 교통 흐름을 수학적으로 모사함으로써, 복잡한 도시 시스템 내에서 발생하는 인간의 이동 행태를 체계적으로 이해하고 관리할 수 있게 하는 학문적·실무적 가교 역할을 수행한다.

통행 분포(Trip Distribution)는 교통 수요 추정의 4단계 모델 중 두 번째 단계에 해당하며, 통행 발생 단계에서 결정된 각 존(Zone)별 총 유출량과 유입량을 공간적으로 연결하는 과정이다. 이 과정의 핵심은 특정 지역 내의 기점(Origin)과 종점(Destination) 사이에 발생하는 통행의 구체적인 흐름, 즉 기종점 통행량을 결정하는 데 있다. 학술적으로 통행 분포는 지역 간의 사회경제적 상호작용이 공간적 거리나 비용이라는 저항을 극복하고 실현되는 양상을 체계화하는 것을 목적으로 한다. 즉, 통행 발생이 ’얼마나 많은 통행이 일어나는가’에 집중한다면, 통행 분포는 ’그 통행이 어디에서 어디로 향하는가’라는 공간적 배분 문제를 다룬다.

이론적 관점에서 통행 분포는 공간 상호작용(Spatial Interaction) 모델에 그 기초를 두고 있다. 이는 두 지점 사이의 상호작용 크기가 각 지점의 활동 규모에 비례하고, 지점 간의 거리나 접근성에 반비례한다는 원리를 따른다. 이러한 맥락에서 통행 분포는 단순히 물리적인 이동의 나열을 넘어, 토지 이용과 교통 체계 간의 유기적 관계를 수치화하는 작업이라 할 수 있다. 예를 들어, 특정 주거 지역에서 발생한 통행이 고용 중심지나 상업 지역으로 어떻게 분산되는지를 분석함으로써 도시 공간 구조의 효율성을 진단하고 미래의 변화를 예측할 수 있게 된다.

통행 분포의 결과물은 통상적으로 기종점 행렬(Origin-Destination Matrix, OD Matrix)의 형태로 표현된다. $ i $번째 존에서 $ j $번째 존으로 이동하는 통행량을 $ T_{ij} $라고 할 때, 행렬의 각 원소는 다음과 같은 기본적인 제약 조건을 만족해야 한다.

$$ \sum_{j} T_{ij} = O_i $$ $$ \sum_{i} T_{ij} = D_j $$

위 식에서 $ O_i $는 기점 $ i $에서 발생하는 총 유출량이며, $ D_j $는 종점 $ j $로 집중되는 총 유입량을 의미한다. 통행 분포 모델의 학술적 과제는 이러한 수학적 제약 조건을 충족하면서도, 실제 인간의 통행 행태와 공간적 선택 원리를 가장 정교하게 재현하는 $ T_{ij} $ 값을 도출하는 것이다.

이러한 분포 과정을 결정짓는 가장 중요한 변수는 통행 저항(Travel Resistance)이다. 통행 저항은 단순히 물리적 거리만을 의미하는 것이 아니라 통행 시간, 통행 비용, 환승 횟수, 심리적 거리감 등을 포괄하는 개념이다. 통행자는 잠재적인 여러 목적지 중 자신의 효용을 극대화하거나 이동에 따르는 부효용(Disutility)을 최소화할 수 있는 지점을 선택하게 되며, 이러한 개별적 선택 행위가 집합적으로 나타난 결과가 바로 통행 분포의 패턴이다. 따라서 통행 분포에 대한 학술적 이해는 도시 계획 및 교통 공학 분야에서 교통망 확충이나 토지 이용 규제 변화가 지역 간 연결성과 접근성에 미치는 영향을 정밀하게 평가하기 위한 필수적인 전제 조건이 된다.

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.

중력 모형(Gravity Model)은 통행 분포를 추정하는 데 있어 가장 널리 사용되는 합성 모형으로, 두 지점 사이의 통행량이 각 지점의 활동 규모에 비례하고 공간적 저항에는 반비례한다는 원리를 골자로 한다. 이는 아이작 뉴턴(Isaac Newton)이 정립한 만유인력의 법칙을 사회과학적 현상인 인구 이동과 교통류 분석에 투영한 것이다. 물리학에서 두 물체 사이의 인력이 질량의 곱에 비례하고 거리의 제곱에 반비례하듯, 교통 현상에서의 중력 모형은 기점의 유출 잠재력과 종점의 유입 매력도를 질량으로, 통행에 소요되는 시간이나 비용을 거리로 치환하여 해석한다.

중력 모형의 기본 이론 체계는 기점 $ i $에서 종점 $ j $로 향하는 통행량 $ T_{ij} $를 산정하기 위해 다음과 같은 수학적 구조를 갖는다. $$ T_{ij} = k \frac{O_i D_j}{f(c_{ij})} $$ 여기서 $ O_i $는 기점 $ i $에서 발생하는 총 통행량, $ D_j $는 종점 $ j $에 도착하는 총 통행량을 의미하며, $ f(c_{ij}) $는 두 지점 사이의 통행 저항을 나타내는 마찰 함수(Friction Function)이다. 상수 $ k $는 전체 통행량의 총합을 일치시키기 위한 조정 계수이다. 현대적 교통 계획에서는 기점과 종점의 합계 제약 조건을 엄격히 만족시키기 위해 균형 계수(Balancing Factor)를 도입한 이중 제약 중력 모형의 형태를 주로 사용한다.

모형의 핵심 구성 요소인 활동 규모 척도는 통행 발생 단계에서 산출된 유출량과 유입량을 기반으로 한다. 기점의 유출량은 해당 지역의 인구, 고용자 수 등 사회경제적 지표에 의해 결정되는 공급 능력을 나타내며, 종점의 유입량은 해당 지역이 통행자를 끌어들이는 매력도의 크기를 의미한다. 이러한 규모 인자들은 통행의 총량을 결정짓는 일차적인 변수로 작용하며, 공간 구조상에서 통행이 배분되는 기본적인 틀을 제공한다.

통행 저항을 수치화하는 마찰 함수는 중력 모형의 예측력을 좌우하는 결정적인 요소이다. 초기 연구에서는 물리적 거리의 제곱을 분모로 사용하는 단순 역자승 법칙을 따랐으나, 실제 교통 행태는 물리적 거리보다는 통행자가 체감하는 일반화 비용(Generalized Cost)에 더 민감하게 반응한다. 이에 따라 통행 시간, 유류비, 통행료 등을 종합적으로 반영한 저항 지표가 활용된다. 마찰 함수의 형태는 지역적 특성과 통행 목적에 따라 다르게 설정되는데, 주로 다음과 같은 지수 함수나 멱함수 형태가 사용된다.

멱함수 형태는 장거리 통행의 감쇠 현상을 설명하는 데 적합하며, 지수 함수 형태는 도시 내 단거리 통행의 분포 특성을 기술하는 데 유리한 것으로 알려져 있다. 한국의 고속도로 통행 데이터를 분석한 연구에 따르면, 통행 분포는 특정 거리 임계치를 기준으로 서로 다른 지수적 감쇠 특성을 보이기도 한다¹⁾.

중력 모형은 성장인자법과 달리 과거의 기종점 행렬 데이터가 존재하지 않는 신도시 개발이나 대규모 교통 시설 확충 시나리오에서도 미래 통행 분포를 논리적으로 예측할 수 있다는 강점을 지닌다. 이는 도로망의 변화로 인해 통행 저항이 감소할 경우, 해당 경로를 포함한 지역 간 상호작용이 증대되는 현상을 모형 내부에서 직접적으로 반영할 수 있기 때문이다. 또한, 물리적 거리나 비용만으로 설명되지 않는 특정 지역 간의 특수한 유대 관계를 보정하기 위해 K-인자(K-factor)를 도입함으로써 모형의 현실 재현성을 높이기도 한다.

이러한 이론적 체계는 이후 엔트로피 극대화 이론과 결합하면서 통계역학적 정당성을 확보하게 되었다. 중력 모형은 단순히 물리 법칙의 차용에 그치지 않고, 주어진 제약 조건 하에서 발생 가능한 가장 확률 높은 통행 분포 상태를 도출하는 수리적 모형으로 발전하였다. 이는 교통 수요 추정의 4단계 모델 중 통행 분포 단계에서 가장 중추적인 역할을 수행하며, 국토 공간 구조의 변화를 예측하고 평가하는 핵심적인 도구로 활용되고 있다.

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.