교통은 국가 경제의 토대로써 역할하고 삶의 질에 결정적인 필수불가결한 사회 기능을 충족시키지만, 국가 교통 시스템의 현재 상태는 자리를 잡고 있지 못하고 있음. 이는 지속가능한 교통시스템, 에너지 효율적인 도시와 이동 수요 감소 전략을 국가적 우선순위에 올려놓고 있음. 게다가, 교통 네트워크는 토지 사용 패턴의 주요 인자인 것으로 밝혀졌음. 그래서, 교통 시스템의 개발 전략은 토지 사용과 교통 시스템에 내재되어 있는 복잡성에 대한 우리의 이해에 달려있음. 따라서, 이러한 복잡한 시스템에 대한 종합적인 이해를 위해서는 정확하고 잘 검정된 모델이 필요함. 이러한 모델을 사용하는 연구는 조치들에 대한 대안을 평가하고, 공공정책 결정자에게 정보를 제공하는데 중요함. 여기서 핵심적인 목표들 중 하나는 현재 최신의 모델링을 개선하여, 새로운 모델이 정책과 계획에 중요한 전략들을 평가하기에 충분히 정확하도록 하는 것임.

이 연구 프로젝트는 버몬트 대학교(University of Vermont, UVM)의 교통연구센터(Transportation Research Center, TRC)에 의해 자금을 지원받은 연구의 일부분임. 그 연구의 프로젝트명은 “통합적인 토지 사용, 교통 및 환경 모델링: 복잡한 시스템 접근방법과 첨단 정책적 적용(Integrated Land-use, Transportation and Environmental Modeling: Complex Systems Approaches and Advanced Policy Applications)”이고, 장기적인 목표는 버몬트 주의 치텐든 카운티(Chittenden County)를 위해 대리인 기반의 토지 사용 모델인 UrbanSim과 교통 모델인 TRANSIMS의 프레임워크를 개발하고 평가하며 검정하고 검증하는 것임. 이 연구 프로젝트의 목적은 여러 다른 동적인 절차, 부속 모델 및 변수에서 변동성의 비교를 통하여 모델의 복잡성에 대해 모델의 민감도를 시험하고, 적절한 수준의 복잡성이 실제 적용에서 어떻게 변화하는지 평가하는 것임. TRANSIMS와 UrbanSim 모델 모두 연구하였고, 이 보고서에 세부내용이 담겨져 있음.

전통적인 4단계의 이동 수요 모델은 교통 계획자들이 직면하고 있는 다양한 이슈들을 적절하게 분석하기에 충분히 견고하지 않다는 것이 오랫동안 인지되어 왔음. 1992년 이후로, 연방정부는 차세대의 이동 모델링, 마이크로시뮬레이션(microsimulation)과 대기질 분석 도구로써 “교통분석 및 시뮬레이션 시스템(Transportation  Analysis and Simulation System, TRANSIMS)”의 개발을 지원해왔음. 개인별 시간별로 이동을 시뮬레이션하고 추적하는 것을 가능하게 하는 대리인 기반의 모델링 접근방법을 채택함으로써, TRANSIMS는 교통 계획자들에게 증가된 민감도, 더 정확한 배출량 추정치 및 강력한 시각화 능력을 제공하기 위해 설계되었음. TRANSIMS의 결과는 이동, 혼잡 및 배출량에 대한 데이타를 상세히 제시하는데, 이 데이타는 투자 결정과 정책 환경에서 매우 중요함. TRANSIMS은 개인별 이동 활동을 추적하기 때문에, 여러 다른 지역 및 이동 시장에 대한 혜택과 영향도 평가될 수 있음. 게다가, TRANSIMS은 고속도로와 대중교통 시스템 상에서  매우 혼잡한 시나리오와 운영상의 변화를 평가하는 능력을 가지고 있음.

TRANSIMS은 최신의 사례에서 상당한 변화를 이끌었음. 4단계의 모델에 대한 기존의 입력 파일을 전환한 것은 완벽하게 기능하는 TRANSIMS의 계획 네트워크와 교통 수요의 개발에서 합리적인 첫단계임. 교통 계획계는 이러한 전환에 대한 준비로 상당한 인력 및 자본을 지출할 필요가 있을 것임. 이러한 전환 이슈에 대한 일부 통찰은 실제로 검정된 교통 네트워크에 대한 연구로부터 얻어진 교훈에 근거하여 제공될 수 있음. 최근, 연방 고속도로청(Federal Highway Administration, FHWA)은 대도시 계획기구(Metropolitan Planning Organizations, MPOs)와 다른 운영기관들의 TRANSIMS 실행과 테스트를 지원하기 위해 자금을 가용하게 했음. 2006년에 버몬트 주의 치텐든 카운티는 이러한 자금의 수령자들 중 하나였음. 그 결과, Lawe et al.은 치텐든 카운티에 대한 TRANSIMS을 실행하고 검정하였음. 그들은 또한 임의의 수에 대하여 모델 결과의 민감도를 평가하고, 미리 정해진 시간의 신호를 변화시키는 것이 활성화된 제어기(actuated control devices)에 미치는 영향을 평가하기 위해 사전적인 민감도 분석을 수행하였음.

다른 한편으로, UrbanSim은 토지 사용 모델로 인구와 일자리 증가에 대한 외부의 추정치에 근거하여 한 지역에 대한 도시의 성장을 시뮬레이션함. 일련의 복잡한 알고리즘을 사용하여, 예측된 성장은 그 지역에 걸쳐 공간적으로 할당됨. 그 지역은 사용자가 정의한 크기의 격자구역(grid cells)으로 나누어지고, 각각의 시뮬레이션된 개발 이벤트는 접근성, 지역의 제약, 구역 할당과 같은 요소에 따라 이러한 격자 중 하나에 할당됨. UrbanSim은 와싱턴, 오레곤, 하와이, 및 유타에 있는 대도시 지역에서 적용된 적이 있음.

토지 사용 모델에 대한 최근의 검토에 의하면, UrbanSim은 통합적인 토지 사용과 교통 모델링에 있어 훌륭한 선택사항임. 거의 모든 다른 도시 성장 모델은 총 단면 균형의 에측적 방법(aggregate cross-sectional equilibrium predictive approaches)에 의존하지만, UrbanSim은 대리인 기반의 행동 시뮬레이션 모델로 동적인 불균형 하에서 운영되어 경제적 활동에 대한 더 실제적인 모델링을 가능케 함. 다른 도시 성장 모델은 대리인을 가격 수용자로, 시장은 완전하게 경쟁적인 것으로, 그리고 자원은 완벽하게 이동가능한 것으로 가정함으로써 실제를 단순화함. UrbanSim은 반복적으로 작동하여, 매번 공급과 수요의 불균형이 조금씩 다루어지지만, 결코 완벽히 만족되지는 않음. 이러한 동적인 특성 때문에, UrbanSim은 다른 모델들이 외부적인 것으로 받아들이는 요소들 ？ 예를 들어, 일자리의 위치와 토지 및 건물의 가격 ？ 을 내부화할 수 있음. 모델의 특성에는 가정과 기업의 이동성과 지역 선택, 수량에 대한 개발자의 선택, 개발의 위치 및 타입, 수요과 공급에서의 단기적 불균형, 이러한 불균형의 함수로써 주택 가격의 조정 등이 포함됨. 마지막으로, 이 모델은 또한 토지 시장이 정책적 대안에 반응하는 것을 예측할 수 있도록 함.

이 연구에서, 버몬트 주의 치텐든 카운티의 교통 네트워크를 더 자세히 연구하기 위해 검정된 TRANSIMS이 사용되었음. TRANSIMS 시뮬레이션에 대한 시간적, 공간적 분석 모두가 수행될 것임. 그 후, 시험 지역에서 관찰과 TRANSIMS 시뮬레이션 간의 비교가 수행될 것임. 마지막으로, 더 광범위한 시나리오 실험이 여러 다른 모델 인자들과 교통 수요를 가진 일련의 사례에 대해 TRANSIMS을 실행함으로써 실행될 것임.

추가적으로, 치텐든 카운티에 대한 UrbanSim의 사전적인 시나리오 분석이 수행되었음. 루벤스타인 환경 및 천연자원학과(Rubenstein School of Environment and Natural Resources)의 오스틴 트로이(Austin Troy) 그룹과의 협력하에, 치텐든 카운티에 대한 UrbanSim 검정을 위한 베이지안 방법(Bayesian melding method)에 대한 사전적인 결과가 얻어졌음.
 

치텐든 카운티에서 토지 사용과 교통에 대한 미래의 상태를 가장 잘 예측하기 위해, 어떤 이는 현재의 상태에 대한 가장 양호한 추정치와 가장 복잡한 최신의 모델로 시작하는 것을 선택할지도 모름. 하지만, 초기 상태와 모델 인자는 측정 오차, 표본 오차 및 불확실성 등으로 인해 항상 불완전함. 따라서, 예측된 상태는 결코 누군가가 예측하고 있는 실제 상태일 수 없음. 초기 상태에서 한가지 요소가 빠진다면, 예측된 상태에서 일부 기본적 특성이 빠질 수 있음. 이는 연구진의 모델에 대한 시나리오 분석에 사용될 수 있음. 초기 상태와 모델 인자에서의 체계적인 변화를 사용하여, 연구진은 모델의 예측을 분석함. 이 연구는 또한 이러한 시스템이 불확실성에 대해 가지는 민감도를 더 잘 이해할 수 있도록 해 줌.

특히, 설계된 시나이로 연구를 통하여 연구진은 모델 결과가 모델의 복잡성 수준에 따라 변하는 민감도를 테스트함. 예를 들어, TRANSIMS의 활동 생성기(activity generator), 경로장치(router), 및 마이크로시뮬레이터(micro-simulator) 모두는 모델의 결과에 영향을 미치는 여러 인자들을 가지고 있음. 연구진은 이러한 인자들의 부분집합에 대한 여러 다른 분산을 가지고 수치적 실험을 수행함.
 

연구진은 베이지안 방법을 사용하여 UrbanSim을 검정함. 베이지안 방법은 시뮬레이션 모델에서 불확실성을 평가하기 위한 기법임. 이는 모델의 입력값과 결과값에 대해 가용한 모든 증거를 일관적인 베이지안 방법으로 결합하고, 시뮬레이션 모델의 검정/검증에서 사용될 수 있음. 예를 들어, 한 모델에서 하나의 인자를 검정하기 위해, 그 인자에 대한 이전의 확률분포가 가정될 수 있고, 그 인자의 표본 값은 몬테 카를로 표본추출 방법을 사용하여 선택될 수 있음. 그 후, 시뮬레이션은 모든 인자 값에 대해 수행될 것임. 관찰 데이타와 시뮬레이션 결과를 사용하여 가능성(likelihood)을 추정한 후, 그 인자에 대한 나중의 확률 분포를 얻기 위해 베이지안 공식이 사용될 것임. 나중의 확률 분포는 이전의 분포에 대한 검정으로 간주될 수 있음.
 

TRANSIMS은 버몬트 주의 치텐든 카운티에 대한 이 연구에서 보여진 것처럼 교통 시스템의 성능을 평가하는데 강력한 도구임. 시뮬레이션은 특정 지역에서의 혼잡과 같은 실제적인 사건과 선택된 지역에서 교통량과 속도에 대한 관찰된 데이타를 포착할 수 있음. 일반적으로, 인자들의 변동성을 비교함으로써, 교통 수요에서의 변동성은 교통 네트워크의 성능에 더 큰 영향을 미칠 수 있음. 추가로, 피크 타임 이외의 시간에서만 활성화된 신호 장치가 교통 시스템의 성능을 상당히 개선하는 것으로 나타났음.

이 연구가 상대적으로 낮은 단계의 TRANSIMS인 Track 1 TRANSIMS에 근거하고 있다는 것을 알아둘 필요가 있음. 연구진은 이 시뮬레이션 도구를 Track 1에서 Track 2로 업그레이드하기 위해 작업 중이며, Track 2에서는 주차요금, 주차장 용량, 이동 비용 및 보행 속도와 같은 더 많은 모델의 인자들에 대한 시나리오 분석을 수행하기 위한 것임.

TRANSIMS 모델에 대한 연구에 더하여, 치텐든 카운티에 대한 UrbanSim의 사전적인 시나리오 분석이 수행되었음. UrbanSim 시뮬레이션은 많은 시나리오에 대해 실행되었음. 시뮬레이션 결과에 의하면, “간선도로의 임계치에 가까움(near-arterial-thershold)” 인자가 두 배가 되었을 때 샬럿(Charlotte)의 주요 지역에서 일자리가 증가했고, “중산층 비율(mid-income-fraction)” 인자가 절반으로 줄었을 때 밀턴(Milton)의 북서지역에서 가구수가 증가했으며, “간선도로의 임계치에 가까움” 인자가 두배가 되고 “중산층 비율” 인자가 절반으로 줄었을 때 밀턴의 북서부 지역에서 가구수가 증가함과 동시에 샬럿의 주요 지역에서 일자리가 늘어났음.

마지막으로, 치텐든 카운티에 대한 UrbanSim의 검정을 위해 베이지안 방법을 사용한 사전적인 결과가 얻어졌음. “중산층 비율” 인자는 한 사례로 수용됨. 이전의 확률 분포(prior probability distribution)는 초기값(0.632)을 중심으로 한 정규 분포로 가정됨. 인자의 10가지 테스트 값을 선택하기 위해 몬테 카를로(Monte Carlo) 표본추출 방법이 사용됨. 그 후, 인자의 특정 값에 대하여 치텐든 카운티의 UrbanSim 모델링이 실행됨. 1991년에 가구의 분산에 대한 관찰 데이타와 비교함으로써 나중의 확률 분포(posterior probability distribution)가 추정되었음.