The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Classification of Subway Trip Patterns from Smart Card Transaction Databases

교통카드 트랜잭션 데이터베이스에서 지하철 탑승 패턴 분류

  • 박종수 (성신여자대학교 IT학부) ;
  • 김호성 (성신여자대학교 미디어커뮤니케이션학과) ;
  • 이금숙 (성신여자대학교 지리학과)
  • Received : 2010.08.24
  • Accepted : 2010.11.17
  • Published : 2010.12.28
Download PDF
⟨ Previous Next ⟩

Abstract

To understand the trip patterns of subway passengers is very important to making plans for an efficient subway system. Accordingly, there have been studies on mining and classifying useful patterns from large smart card transaction databases of the Metropolitan Seoul subway system. In this paper, we define a new classification of subway trip patterns and devise a classification algorithm for eleven trip patterns of the subway users from smart card transaction databases which have been produced about ten million transactions daily. We have implemented the algorithm and then applied it to one-day transaction database to classify the trip patterns of subway passengers. We have focused on the analysis of significant patterns such as round-trip patterns, commuter patterns, and unexpected interesting patterns. The distribution of the number of passengers in each trip pattern is plotted by the get-on time and get-off time of subway transactions, which illustrates the characteristics of the significant patterns.

서울 수도권 지하철 승객들의 탑승 패턴의 특성을 이해하는 것은 효율적인 수도권 지하철 시스템을 입안하는 데 중요하기 때문에 대용량 교통카드 트랜잭션 데이터베이스에서 유용한 패턴을 탐사하거나 귀중한 패턴의 분류에 대한 연구가 진행되어오고 있다. 본 논문에서 새로운 지하철 탑승 분류를 정의하고 하루 약 천만 건 트랜잭션들로 구성된 교통카드 트랜잭션 데이터베이스로부터 지하철 승객들의 11 가지 탑승 패턴을 분류하는 알고리즘을 제안하였다. 제시된 알고리즘을 구현하여 탑승 패턴들을 분류하기 위하여 하루 동안의 교통카드 트랜잭션 데이터베이스에 적용하였다. 실험 결과에서 왕복-탑승 패턴, 통근 패턴, 예상치 못한 흥미로운 패턴들에 초점을 맞추어 분석하였다. 각 분류된 패턴에 대해서 시간대별로 승객수를 지하철 트랜잭션의 승차시간과 하차시간 기준으로 그래프로 설명하여 유용한 패턴의 특성을 이해하도록 하였다.

Keywords

References

  1. 서울특별시>시정소식>보도자료(담당부서: 서울메트로), “서울메트로 2007년 상반기 수송실적 (2007/08/07)”, “지난해, 지하철 얼마나 타고 얼마나 내렸나(2009/01/21)”, http://spp.seoul.go.kr/main/news/news_report.jsp
  2. P.-N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Pearson Addison Wesley, Boston, 2006.
  3. M.-S. Chen, J. S. Park and P. S. Yu, "Efficient data mining for path traversal patterns", IEEE Transactions on Knowledge and Data Engineering, Vol.10, No.2, pp.213-221, 1998. https://doi.org/10.1109/69.683753
  4. 이금숙, 박종수, “서울시 대중교통 이용자의 통행 패턴 분석”, 한국경제지리학회지 제9권, 제3호, pp.379-395, 2006.
  5. 박종수, 이금숙, “대용량 교통카드 트랜잭션 데이터베이스에서 통행패턴 탐사와 통행행태 분석,” 한국경제지리학회지 제10권, 제1호, pp.44-63, 2007.
  6. 박종수, 이금숙, “서울대도시권 지하철망의 구조적 특성분석,” 한국경제지리학회지, 제11권, 제3호, pp.459-475, 2008.
  7. 임강원, 임용택, 교통망 분석론, 서울대학교출판부, 2003.
  8. K. Lee, W.-S. Jung, J. S. Park, and M. Y. Choi, "Statistical analysis of the Metropolitan Seoul Subway System: Network structure and passenger flows," Physica A: Statistical Mechanics and its Applications, Vol.387, Iss.24, pp.6231-6234, 2008. https://doi.org/10.1016/j.physa.2008.06.035
  9. 박종수, 이금숙, “서울 수도권 지하철 교통망에서 승객 흐름의 분석”, 한국정보과학회 논문지: 컴퓨팅의 실제 및 레터, 제16권, 제3호, pp.316-323, 2010.
  10. 김호성, 박종수, 이금숙, “서울 수도권 지하철 교통망 승객 흐름의 시각화”, 한국콘텐츠학회논문지, 제10권, 제4호, pp.397-405, 2010. https://doi.org/10.5392/JKCA.2010.10.4.397
  11. 박종수, “대용량 교통카드 트랜잭션 데이터베이스에서 통근 패턴 탐사”, 한국정보과학회 2010 한국컴퓨터종합학술대회 논문집, Vol.37, No.1(A), pp.38-39, 2010.