[논문 리뷰] Impact of unplanned service disruptions on urban public transit systems

Baichuan Mo, Max von Franque외 3명|arXiv (Cornell University)|2022. 01. 03.

Transportation Planning and Optimization인용 수 4

한 줄 요약

이 논문은 도시 대중교통 시스템에서 계획되지 않은 철도 장애가 미치는 영향을 평가하기 위해 자동 승차 정산(AFC) 및 차량 위치(AVL) 데이터를 활용한 데이터 기반 사고 분석 프레임워크를 제안한다. 네트워크의 재난 회복 능력을 평가하기 위해 네트워크 재undancy 지수를 도입하며, 낮은 재undancy 지역의 승객은 버스로 전환하는 반면, 높은 재undancy 지역의 승객은 직접 대체 철도 노선으로 이동하는 것으로 나타났다.

ABSTRACT

This paper proposes a general unplanned incident analysis framework for public transit systems from the supply and demand sides using automated fare collection (AFC) and automated vehicle location (AVL) data. Specifically, on the supply side, we propose an incident-based network redundancy index to analyze the network's ability to provide alternative services under a specific rail disruption. The impacts on operations are analyzed through the headway changes. On the demand side, the analysis takes place at two levels: aggregate flows and individual response. We calculate the demand changes of different rail lines, rail stations, bus routes, and bus stops to better understand the passenger flow redistribution under incidents. Individual behavior is analyzed using a binary logit model based on inferred passengers' mode choices and socio-demographics using AFC data. The public transit system of the Chicago Transit Authority is used as a case study. Two rail disruption cases are analyzed, one with high network redundancy around the impacted stations and the other with low. Results show that the service frequency of the incident line was largely reduced (by around 30% ~ 70%) during the incident time. Nearby rail lines with substitutional functions were also slightly affected. Passengers showed different behavioral responses in the two incident scenarios. In the low redundancy case, most of the passengers chose to use nearby buses to move, either to their destinations or to the nearby rail lines. In the high redundancy case, most of the passengers transferred directly to nearby lines. Corresponding policy implications and operating suggestions are discussed.

연구 동기 및 목표

• 공급 측면의 네트워크 성능과 수요 측면의 승객 행동을 통합하는 종합적인 사고 영향 분석 프레임워크를 개발하는 것.
• 헤드웨이 변화 및 네트워크 재undancy 지표를 사용해 계획되지 않은 철도 장애가 서비스 운영에 미치는 영향을 정량화하는 것.
• 장애 발생 시 철도 노선과 버스 노선 간 승객 흐름의 재분배를 이해하는 것.
• 유추된 사회경제적 배경 및 스마트카드 데이터를 활용해 개인 수준의 교통수단 선택 행동을 모델링하는 것.
• 실제 장애 사례에서 유래한 데이터 기반 통찰을 바탕으로 대중교통 기관이 실천할 수 있는 정책적 권고를 도출하는 것.

제안 방법

• 사고 발생 시 대체 서비스 제공 능력을 측정하기 위해 사고 기반의 네트워크 재undancy 지수(NRUI)를 제안한다.
• AFC 데이터를 활용해 승객의 카드 탑승/하차 패턴을 추적하고, 개인의 이동 선택 및 사회경제적 배경을 유추한다.
• AVL 데이터를 적용해 장애 발생 기간 동안 영향을 받은 노선과 인근 노선의 헤드웨이 변화를 계산한다.
• 유추된 이동 이력 및 인구통계 데이터를 포함한 이元 로짓 모델을 활용해 장애 발생 시 개인 수준의 교통수단 선택 행동을 분석한다.
• 네트워크 재undancy 수준이 상이한 시카고의 두 실질적 철도 장애 사례를 사례 연구로 수행한다.
• 공급 측면(헤드웨이, 재undancy)과 수요 측면(흐름 재분배, 개인 행동) 분석을 통합해 시스템 전반의 영향을 평가한다.

실험 결과

연구 질문

• RQ1 네트워크 재undancy는 계획되지 않은 철도 장애 발생 시 승객 흐름 재분배에 어떻게 영향을 미치는가?
• RQ2 장애는 철도 헤드웨이와 서비스 빈도에 어떤 운영적 영향을 미치는가?
• RQ3 개인 승객은 장애 발생 시 교통수단 선택에 어떻게 반응하며, 이 선택은 사회경제적 배경과 네트워크 환경에 따라 어떻게 다를까?
• RQ4 장애 발생 시 승객들이 얼마나 자주 근처 버스 노선이나 대체 철도 노선을 대체 수 Mittel로 활용하는가?
• RQ5 데이터 기반 전략(예: 노선 추천, 셔틀 서비스)을 통해 대중교통 기관은 사고 대응을 어떻게 개선할 수 있는가?

주요 결과

• 장애 기간 동안 사고 발생 철도 노선의 운행 빈도가 30%에서 70% 감소하여 심각한 운영 악화가 발생했다.
• 대체 기능을 수행하는 인근 철도 노선은 약간의 운영 영향을 받았으며, 이는 연결된 노선에 대한 확산 효과를 시사한다.
• 낮은 네트워크 재undancy 상황에서는 영향을 받은 승객의 60%~70%가 목적지에 도착하거나 다른 철도 노선으로 환승하기 위해 근처 버스 노선을 대체 수 Mittel로 선택했다.
• 높은 재undancy 상황에서는 대부분의 승객이 직접 근처 철도 노선으로 이동하여 기존 철도 대체 수 Mittel의 효과성을 입증했다.
• 장애 발생 시 승객들이 자주 장애 발생 정류장에 카드를 탑승하는 것으로 나타나, 실시간 정보 제공 부족과 대체 노선에 대한 인식 부족이 문제임을 시사한다.
• 블루 라인 사고 발생 시 그린 라인이 실질적인 대체 수 Mittel임에도 불구하고 활용도가 낮아, 시스템 효율성을 향상시키기 위해 대상별 노선 추천이 필요함을 시사한다.