In king4k1/seoulsubway: Information about subway in Seoul

library(seoulsubway)
library(knitr)
library(kableExtra)
load(file="../Thesis/data/shortestpath_db.RData")
data("subway_data")
data("subway_data_DT")
pdf.options(family = "Korea1deb")

knitr::opts_chunk$set(fig.path = 'figures/', echo = FALSE, warning = FALSE, message = FALSE, fig.pos = 'H')
API_key <- private_key
register_google(key = API_key)

0. Contact.

• KM_Son email : [e-mail]

1. 현황 및 분석목적

1.1 현황

1. 지하철 관련 데이터로써 공공데이터 포털 내 시간대별 승하차 인원 통계만 제공된다.

   • 통계량으로 정보가 제공되므로 분석이 제한적임.

2. 서울특별시 대중교통 환승 버스 지하철 환승경로 조회정보를 통해 최단경로 OPEN API가 제공되지만 다음과 같은 문제가 존재한다.

   • 가까운 위치의 두 역을 동일한 역으로 인식하는 문제. ex)을지로입구역과 종각역

   • 분기점 또는 지선의 경우 경로가 제공되지 않음.

   • 서울시 교통정보 시스템을 기반으로 하여, 버스/지하철이 결합된 알고리즘 구조이다. 따라서 지하철로 한정한 경로산출 시 문제가 존재함.

1.2 해결방안

수도권 지하철 네트워크를 구축하여 환승시간, 지하철 위치정보 등 공공데이터를 활용한 지하철 최단경로 알고리즘을 제작한다.

1.3 분석 전 가정수립

모든 지하철 이용객들은 가장 시간이 적게 걸리는 이동 경로를 통하여 이동한다. 라는 가정 하에 최단경로를 정의한다.

1.4 분석목적

1. 이용객 개별 승하차데이터를 이용한 인구흐름 추정

2. 최단경로 함수

2.1 지하철 네트워크 구축

첫번째로, 역별 위치정보를 이용하여 1-9호선, 경의중앙선, 분당선 등이 포함된 수도권 지하철 네트워크 구축하였다. 이 과정에서 지선 또는 분기점의 경우 독립된 노선으로 고려하였다. 이를 통하여 총 22개의 수도권 지하철 노선이 포함된 네트워크를 구축하였고 리스트형식의 데이터 구조를 정의하였다. 이때, 환승변수인 Transfer를 통하여 다른 노선으로의 환승을 고려하였다. 아래 Table 1은 지하철 6호선 네트워크 구조의 예시이다. 특히, 디지털미디어시티 역과 같이 2개 이상의 노선과 환승이 가능한 경우를 고려하기 위하여 환승변수에 구분자 "|"를 두었다.

subway_data[["6"]] %>%
  head %>% 
  kable(format="latex", caption = paste("지하철 네트워크 데이터 구조 예시", '(6호선)')) %>%
  kable_styling(latex_options = c("striped", "hold_position"))

2.2 최소 소요시간

1. Haversine 수식을 이용하여 역 간 소요시간을 계산한다.

우선, $\Theta$=$\frac{d}{r}$ 을 정의한다. 여기서 d 두 지점 간 거리이며, r은 지구 반지름이다. 지구의 반지름은 알려진 값으로 Figure 1과 Figure 2를 이용하여 d를 계산한다.

\begin{figure}[h] [ hav(\Theta) = hav(\psi_2 - \psi_1) + cos(\psi_1)cos(\psi_2)hav(\lambda_2 - \lambda_1) ] \captionof{figure}{fomula of Haversine} \end{figure}

여기서 $\psi_{1}$ 와 $\psi_{2}$는 두 점의 경도, $\lambda_1$ 와$\lambda_2$ 는 두 점의 위도이다.

\begin{figure}[h] [ d = 2rarcsin(\sqrt{ hav(\Theta) = hav(\psi_2 - \psi_1) + cos(\psi_1)cos(\psi_2)hav(\lambda_2 - \lambda_1)}) ] \captionof{figure}{distance with Haversine formula} \end{figure}

이를 통하여 두 지점 간 최단거리를 측정한 후, 지하철의 평균표정속도는 34km이다. [1]을 참고한 역간 소요시간을 계산하였다.

1. 공공데이터 포털 내 제공되는 환승역, 환승거리 및 소요시간 정보(서울교통공사 17.10 기준)를 참고하여 환승 시 소요시간을 반영하였다. 하지만 모든 환승역에 대한 정보가 제공되지는 않기에 제공되지 않는 환승역에 대하여 이세중. 환승 소요시간이 평균 2분 21초임을 고려해... [2] 을 참고하였다. 또한 일반적인 경우 환승 시 지하철 대기시간이 추가적으로 소요된다. 따라서 대기시간으로 2분을 추가하였다.

2. 지하철 정차시간을 고려하기 위하여 이동 역당 30초를 추가하였다.

2.3 함수 제작

아이디어

1. 출발역과 도착역의 노선이 다른 경우, 두 지점을 기준으로 공간을 제약한다. 이때 환승을 위하여 우회하는 경우를 고려해야 한다. 따라서 위경도를 기준으로 두 지점이 포함된 조금 더 넓은 공간으로 제약한다.

2. 환승을 한번 하는 경우, Figure 3와 같이, 공간 내 포함된 환승역을 선택하여 도착역으로의 이동경로를 정의한다.

knitr::include_graphics("penalty1.png")

1. 환승을 두번 하는 경우 Figure 4와 같이, 출발역과 노선이 같은 환승역을 선택하여 첫번째 환승 후보지로 정의한다. 다음으로 첫번째 환승 후보지와 도착역을 중심으로 동일한 방식을 적용한다.

knitr::include_graphics("penalty2.png")

1. 또한 알고리즘의 효율성을 높이기 위하여 다음과 같은 기준으로 최단 경로를 선정하였다.

   • 출발역과 도착역의 노선이 공통되지 않은 경우, 처음 2번까지의 환승경로를 계산한다. 이는 공간을 제약한 상태이므로 처음 2번의 환승경로가 불필요하게 우회하는 경우는 제외한다.

   • 앞 단계에서 경로가 정의되지 않으면, 순차적으로 3번, 4번의 환승을 고려한 이동경로를 정의한다.

2.4 최단경로 함수 예시

• 종로3가역에서 혜화역으로의 최단경로 함수 결과

shortestpath(depart = "종로3가", arrival = "혜화")

최단경로 함수의 결과는 크게 Info, Count, Time, 그리고 Path로 구성된다. Info는 이동경로에 대한 요약 정보이다. Count와 Time은 경유역 수와 소요시간에 대한 정보이며, Path는 경유하는 지하철 역에 대한 정보를 제공한다.

• 종로3가역에서 혜화역으로의 최단경로 시각화

shortestpath_plot(depart = "종로3가",  arrival = "혜화", google_key = API_key, zoom = 15)

위 최단경로 함수 결과 중 Path를 지도 위 시각화하여 이동 경로 중 경유하는 역들과 환승 역을 확인할 수 있다.

3. 활용 데이터 소개

3.1 이용객 개별 승하차 데이터 소개

• 데이터는 서울교통공사을 통해 제공받음.

2018년 벚꽃축제는 2018년 4월 5일부터 13일까지 총 8일동안 진행되었다. 따라서 2018년 4월 7일의 이용객 개별 승하차 데이터를 이용하였다. 데이터의 구조는 다음과 같다.

load(file = '../Thesis/data/sample_subway_data_0407.RData')
sample_subway_data_0407 %>% 
  mutate(ID = paste0('#', 1:10)) %>% 
  head() %>% 
  kable(format="latex", caption = '2019년 04년 07일의 이용객 개별 승하차 데이터 예시') %>%
  kable_styling(font_size = 7, latex_options = c("striped", "hold_position"))

분석 시 ID, 운행일자, 요일, 승차호선명, 승차역명, 하차호선명, 하차역명, 시간대 그리고 승객수 변수만을 고려하며, 시간대는 하차 시간대를 의미한다. 이용객 개별 승하차 데이터는 1-8호선과 241개의 지하철 역으로 구성되며, 1호선의 경우는 서울교통공사 소속인 서울 - 청량리 구간만 포함한다.

3.2 시각화를 위한 데이터셋 정의

출발역 -> 도착역의 한정된 정보만 제공되는 데이터를 이용하여 분석목적에 적합한 형태로 재정의하는 과정이 필요하다. 최종적으로 사용할 데이터셋의 형태는 Table 3과 같으며, 시간대별 구간의 혼잡도와 위치정보를 포함한다.

subway_0407_final <- subway_0407_route %>% 
  filter(time =="07") %>% 
  dplyr::select(-ride_on, -ride_off) %>% 
  right_join(shortestpath_db_longlat, by="set") %>% 
  dplyr::select(-set) %>% 
  group_by(from, from_lat, from_long, to, to_lat, to_long) %>% 
  summarise(sum_count = sum(count, na.rm = TRUE)) %>% 
  ungroup %>% mutate(time= "07") %>% 
  dplyr::select(time, starts_with("from"), starts_with("to"), sum_count) %>%
  filter(from!=to)

subway_0407_final <- readRDS(file = '../Thesis/data/subway_0407_final.RDS')
subway_0407_final %>% head() %>% 
  mutate(from_lat = round(as.numeric(from_lat), 2),
         to_lat = round(as.numeric(to_lat), 2), 
         from_long= round(as.numeric(from_long), 2),
         to_long = round(as.numeric(to_long), 2)) %>% 
  kable(format="latex", caption = '최종 데이터셋 예시 (07시)') %>%
  kable_styling(latex_options = c("striped", "hold_position"))

다음은 위와 같은 형태의 데이터셋을 구축하기 위한 과정이다.

3.2.1 최단경로 데이터베이스 제작

우선 이동 간 경유하는 모든 구간에 대한 정보를 포함한 새로운 데이터 구조를 정의한다. 예를 들어서 종로3가역에서 출발하여 혜화역에 도착하는 경우, 종로3가-종로5가, 종로5가-동대문 그리고 동대문에서 환승 후, 동대문-혜화로 3개의 구간을 경유할 것이다. 이와 같은 방식으로 모든 지하철 경로의 이동 정보를 포함한 데이터베이스를 제작하였다. 또한 시각화를 위하여 데이터베이스 내 지하철 역 위치정보를 포함하였다.

shortestpath_db_longlat <- subway_data_DT %>% 
  filter(!duplicated(Name)) %>% 
  dplyr::select(Name, lat, long) %>% 
  rename(from=Name, from_lat=lat, from_long=long) %>%
  right_join(shortestpath_db)

shortestpath_db_longlat <- subway_data_DT %>% 
  filter(!duplicated(Name)) %>% 
  dplyr::select(Name, lat, long) %>% 
  rename(to=Name, to_lat=lat, to_long=long) %>%
  right_join(shortestpath_db_longlat) %>% 
  dplyr::select(set, starts_with("from"), starts_with("to"))

shortestpath_db_longlat %>% 
  mutate(from_lat = round(as.numeric(from_lat), 2),
         to_lat = round(as.numeric(to_lat), 2), 
         from_long= round(as.numeric(from_long), 2),
         to_long = round(as.numeric(to_long), 2)) %>%
  filter(set == "종로3가-혜화") %>% 
  kable(format="latex",
        caption = paste("최단경로 데이터베이스 예시", '(종로3가역->혜화역)')) %>%
  kable_styling(latex_options = c("striped", "hold_position"))

\newpage

3.2.2 경로별 승하차 인원에 대한 데이터베이스

아래 Table 5은 이용객 개별 승하차 데이터를 이용한 모든 승차역-하차역 경로에 대한 이용객 수의 합계이다.

subway_0407_route <- readRDS(file="../Thesis/data/subway_0407_route.RDS")

subway_0407_route %>% 
  filter(set=="종로3가-혜화") %>% 
  dplyr::select(date, day, time, set, count) %>% 
  head() %>% 
  kable(format="latex", caption = '시간대별 경로 데이터베이스 예시 (종로3가역->혜화역)') %>%
  kable_styling(latex_options = c("striped", "hold_position"))

이를 set 변수를 기준으로 최단경로 데이터베이스와 결합하여 최종적으로 사용될 시간대별 구간의 합을 구하였다. 여기서 구간이란 이웃한 두 역 사이로 정의되며, 지하철 네트워크 내에는 총 748개의 구간이 존재한다.

4. 인구흐름 시각화

crowdedness_plot <- function(input_data, center, zoom, google_key){
  register_google(key = google_key)
  from_set <- input_data %>%
    mutate(set = paste0(from, "-", to)) %>% 
    dplyr::select(date, time, set, from, from_long, from_lat, sum_count)
  from_set$key <- "from"
  to_set <- input_data %>%
    mutate(set = paste0(from, "-", to)) %>% 
    dplyr::select(date, time, set, to, to_long, to_lat, sum_count)
  to_set$key <- "to"  
  colnames(from_set) <- colnames(to_set) <- c("date", "time", "set", "station",
                                              "long", "lat", "sum_count", "key")
  from_to_path_set <- rbind(from_set, to_set) %>% 
    mutate(long = as.numeric(long), lat=as.numeric(lat))
  congestion_plot_result <- 
    ggmap(get_map(center,zoom = zoom, maptype='roadmap', color="bw")) + 
    geom_path(data = from_to_path_set,
              aes(x=long, y=lat, group=set, col = sum_count),
              size = 1.2, alpha = 0.8, 
              lineend = "round") +
    scale_color_gradient(low="yellow", high="red")
  congestion_plot_result
}

crowdedness_plot(input_data = subway_0407_final, center = c(127, 36.5), zoom=11, google_key = private_key)

참고

1. 서울지하철공사. "지하철 표정속도" http://www.seoulmetro.co.kr/kr/page.do?menuIdx=513 (2018).

2. 이세중. "“환승할 때 뛰지 마세요”…서울지하철 열차 시간표 조정(KBS NEWS)" http://news.kbs.co.kr/news/view.do?ncd=3501669 (2017).

3. Sinnott, (1984). Virtues of the Haversine. Sky Telesc., 68(2): 159.

king4k1/seoulsubway documentation built on Nov. 18, 2019, 3:38 p.m.