GPS 기반의 이동 조사의 출현은 경험적인 경로-선택(route-choice) 모델을 개발하는 기회를 제공함. 그러나, GPS 추적은 우선 도로 네트워크에 맵핑 ？ 맵 매칭(map-matching) ？ 이 되어야 함. 이 연구에서 두 가지의 개선된 맵 매칭 알고리즘이 시행되고 대규모 GPS 조사에서 얻은 데이터를 사용하여 운영 성능을 비교하였음. 경로가 일단 결정되면, 다음 단계는 이동을 위해 이동자에게 가용한 다른 방안(경로)을 결정 ？ 선택 가능 집합의 생성(choice set generation) ？ 을 하는 것임. 이를 위해 개선된 버전의 Breath First Search Link Elimination(BFS-LE) 알고리즘이 시행됨. 맵 매칭과 선택 가능 집합의 생성이라는 두 단계에서 얻어진 데이터는 경로 선택을 개발하는데 사용됨.

이 연구를 위한 주요 데이터원은 미국 시카고 지역의 가구 이동 인벤토리(Chicago Regional Household Travel Inventory, CRHTI)의 GPS 데이터임. 이 설문조사에서, GPS 데이터 기록장치(GPS data-logging device, GeoLogger)는 날짜, 시간, 위도, 경도, 속도, 방향, 고도, 위성의 수, 정확도의 수평 희석(horizontal dilution of precision, HDOP)을 1초마다 기록하기 위해 사용되었음. 원 데이터는 408개의 가정용 차량에 의한 9941건의 차량 이동에 대한 GPS 자료로 구성됨. 5분 보다 짧고 거리가 5마일 이내인 이동을 제외한 후, 표본은 5294건의 차량 이동으로 구성되었음.

그러나, 독특한 출발지-도착지(origin-destination, OD) 쌍을 가진 이동은 마지막 표본을 위해 유지되었음. 두 가지의 맵 매칭 알고리즘은 3885건의 이동에 대한 경로를 생성하였음. 개인의 인적사항과 이동의 특성을 맵핑한 후, 표본은 2850건의 이동으로 구성되었음. 그러나, 가용한 컴퓨터 자원과 시간을 가지고, 선택 집합은 2143건의 이동에 대해 생성되었음. 게다가, 선택 집합에서 적어도 15개의 대안을 가진 1913건의 이동은 모델 추정을 위해 포함되었음.

경로 선택을 위한 모델을 개발하기 위해 경로 크기 로짓(path size logit, PSL) 모델이 사용되었음. PSL 모델은 세 가지의 다른 선택 집합의 크기 -- 15개의 대안, 10개의 대안, 그리고 5개의 대안 -- 에 대해 개발되었음. 효용 함수(utility function)는 경로 속성, 이동의 특성과 이동객의 특성으로 표현되었음.

추정 결과는 직관적인 효과를 나타냄. 특히, 자유흐름 이동시간, 좌회전, 우회전, 교차로, 및 우회로는 경로의 매력도와 역(-)의 상관관계를 가지고 있는 것으로 나타남. 경로의 크기 속성에 대한 정(+)의 부호는 대안과 덜 비슷한 경로가 더 선택된다는 것을 의미함. 집으로 가는 이동은 다른 이동보다 이동 시간과 우회전에 가장 덜 민감함. 집 기반의 이동과 비교할 때, 집이 아닌 곳을 기반으로 하는 이동은 지역 도로에서 교차로와 시간에 덜 민감함. 평균적으로, 선택된 경로와의 중복 예측치(expected overlaps with the chosen route)？ 확률적 경로(probabilistic routes) ？는 결정론적 중복(deterministic overlaps) ？ 가장 짧은 시간의 경로 ？ 와 유사함. 또한, 예측된 경로가 가장 짧은 시간의 경로보다 더 잘 수행하는 것에 대해 약 50%의 확률이 존재함.

이 연구는 경험적으로 풍부한 경로 선택 모델의 개발에 중요한 기여를 함. GPS 조사의 증가와 고 해상도의 도로 네트워크의 사용 편익의 증가와 함께, 선택된 경로와 대안을 생성하기 위한 계산 효율적이고 자동화된 절차의 가용성은 중요함. 게다가, 이동객의 인적 사항의 관점에서 경로 선택 행동을 평가하는 것은 경로 선택의 결정에 대한 더 많은 통찰력을 제공함.
 

이동객의 경로 선택을 이해하는 것은 도로 네트워크의 여러 다른 연결로(links)에서 교통량을 결정하는데 중요함. 경로-선택 행동을 연구하는데 있어 중요한 장애물 중 하나는, 선택된 실제 경로에 대한 데이터가 전통적인 가구 이동 조사에서는 수집되지 않는다는 것임. 이러한 데이타의 부족에 대한 주요 이유는, 데이터 수집을 위해 사용되는 컴퓨터 지원 전화 인터뷰(computer-assisted telephone interview, CATI) 방법에서 경로가 쉽게 보고될 수 없다는 것임. 이러한 데이터의 부족으로, 경로-선택은 이동객이 그들의 이동을 위해 가장 짧은 이동시간의 경로를 선택한다고 가정함으로써 예측됨. 이동시간이 경로의 선택을 결정하는 중요한 인자임에는 분명하지만, 경로선택의 결정에서 이동객에 의해 고려되는 유일한 인자는 아님. GPS 기반의 이동조사의 출현은 차량의 이동을 추적하고, 다양한 이동에 대해 선택된 실제 경로에 대한 데이터를 수집하는 접근방법을 제공함.

GPS 추적을 이용한 경로 선택의 경험적 모델링에 대한 노력은 최근에 증가하고 있음. GPS 기반의 이동조사가 지난 10년간 상당히 증가하였음. 게다가, GPS 기반의 이동 조사로부터 경로 선택을 모델링하는 것과 관련된 방법론의 개발은 최근에 상당수 이루어졌음.

이러한 맥락에서, 이 연구의 중점은 GPS 기반의 이동조사와 지리정보시스템(GIS) 기반의 도로 네트워크 데이터베이스로부터의 데이터를 결합하여 경로-선택에 대한 모델을 개발하는 것임. 이에 대한 세 가지의 주요 요소가 있음: (1) 맵 매칭; (2) 선택 집합 생성; 그리고 (3) 경로 선택 모델.

맵 매칭은 GPS 추적으로부터 얻은 점들을 GIS 기반의 도로 네트워크 데이터베이스에 맵핑함으로써, 차량에 의해 이동한 도로의 특정 연결로를 파악하는 절차임. 이 단계는 기본적인 선택(또는 관심 경로)을 파악하기 때문에 중요함. 이 연구에서, 문헌으로부터의 두 가지 맵 매칭 알고리즘이 시행되고 비교되었으며 개선되고 검증되었음. 두 알고리즘 모두 경로를 따라 존재하지 않는 GPS 점들에 대한 체계적인 처리를 포함하고, 계산 시간을 다루기 위한 효율적인 기법을 사용하며, 거의 완전히 자동화되어 있음.

일단 선택된 경로가 파악되면, 다음 단계는 이동객이 똑같은 이동을 하는데 가용한 다은 경로를 결정하는 것임. 이 절차는 선택-집합 생성으로 불림. 설문조사는 응답자에게 그들에게 가용한 대안을 직접적으로 질문하지 않기 때문에, 선택 집합은 일반적으로 네트워크 지형학(network topology)와 이동의 종착점을 고려함으로써 구성됨. 이 연구에서, 선택 집합을 생성하기 위해 향상된 버전의 연결로-제거(link-elimination) 접근방법이 사용되었음. 이 절차는 선택된 경로의 상당 부분을 포함하는 이질적인 대안을 생성하는 것으로 나타남.

선택된 경로와 대응 선택 집합의 데이터를 수집한 후에, 경로 선택 행동을 평가하기 위해 경로 선택 모델이 개발됨. 이 연구에서, 경로-크기 로짓 접근방법이 사용되었음. 탐색적인 요소로는 경로의 속성(예를 들어, 이동 시간, 회전수, 교차로 수), 이동의 속성(하루 중 특정 시간, 일주일 중 특정 요일, 집 기반 대비 집이 아닌 곳 기반의 이동), 그리고 이동객의 속성(성별, 현재 거주지에서의 거주 기간)이 포함됨.

이 문서의 나머지 부분에서는 다음의 내용으로 구성됨. 2장은 맵 매칭, 선택 집합 생성, 경로 선택 모델과 관련된 연구들에 대한 검토를 제시함. 3장은 관찰된 경로를 생성하기 위해 사용된 맵 매칭 알고리즘을 서술함. 개념 및 시행의 세부사항 모두 이 장에서 제시됨. 4장은 맵 매칭 알고리즘의 검증을 제시하고 대규모 데이터셋에 대한 적용의 결과가 논의됨. 5장은 추정 데이터셋의 결합 절차를 제시함. 선택 집합 생성 알고리즘의 개념적 프레임워크도 이 장에서 제시됨. 끝에서는, 데이터에 대한 기술적 사항이 제시됨. 6장은 이 연구에서 개발된 경로 선택 모델을 제시하고 추정 결과를 논의함. 7장은 이 연구의 요약 및 결론을 제시함.
 

실제된 이동한 네트워크 연결로의 관점에서 선택된 경로를 파악하기 우선 GPS 추적은 도로 네트워크에 맵핑되어야 함. 두 가지 종류의 맵 매칭 방법이 가용함. GPS 가중 최단 경로(GPS-weighted shortest path, GWSP)는 더 간단한 방법이지만, 경로 선택을 결정하는데 있어 최단 경로에 대한 선호를 가정함. 다중 경로(Multi Path, MP) 알고리즘은 이와 같은 가정을 하지 않지만, 방법론의 관점에서 상당히 정교함.

이 연구는 두 종류의 알고리즘을 개선하여 시행하고 대규모의 GPS 조사로부터 나온 데이터를 사용하여 운영 성능을 비교함으로써 맵 매칭 문헌에 기여함. 시행상의 개선사항은 이 방법을 완전히 자동화하고 계산상의 성능을 향상하기 위한 것이었음. 이 방법은 VBA를 사용한 ArcGIS에서 ArcObjects와 함께 시행되었음.

알려진 경로에 대해 수집된 GPS 데이터에 기반하여 알고리즘이 처음 검증되었음. 알고리즘 모두 잘 작동을 하였지만, 네트워크에서 빠진 연결로에 대해 GWSP가 MP 접근방법보다 더 민감한 것으로 관측됨. 거의 4000건의 이동으로 구성된 대규모의 데이터셋에 이 알고리즘을 적용할 때, 두 알고리즘 모두 여러 사례에 대한 완벽한 이동을 생성하였음.

두 알고리즘이 결과를 생성한 3513건의 이동을 비교할 때, 연구진은 일반적인 연결로와 거리의 중복 정도의 관점에서 생성된 경로들 사이에 상당한 유사함을 발견하였음. 이는 이동 거리와 이동한 날의 특정 시간에 관계없이 적용됨. 폭넓게, 이 결과가 제안하는 바에 의하면, 양호한(혹은 완벽한) 도로 네트워크 데이터베이스가 가용하다면 GPS 추적으로부터 선택된 경로를 생성하는데 있어 더 간단한 GWSP 알고리즘이 적합할 수 있음.

똑같은 위치 사이에 최단 거리에 대해 예측된 선택 경로와 최단 경로 사이에 비교할 때, 연구진이 밝혀낸 바에 의하면 일반적인 연결로의 관점에서 선택된 경로와 최단 경로 사이에 중복의 정도는 낮음. 이러한 경로들 사이의 불일치는 일반적으로 거리에 따라 증가하지만, 피크 타임(peak period)과 피크 외 타임(off-peak period)에 일반적으로 똑같음. 마지막으로, 선택된 경로는 최단 거리 보다는 최단시간 경로를 따름. 이는 특히 장거리 이동에서는 더욱 그러함. 이는 장거리 이동에 대해 더 높은 속도의 시설을 사용하는 것에 대한 선호도를 분명히 반영함.
 

선택된 경로가 일단 결정되면, 다음 단계는 똑같은 이동에 대해 가용한 대안 경로의 집합을 결정하는 것임. 경로 생성 알고리즘에 근거한 최단 경로는 고해상도 도로 네트워크에서 대안을 생성하기 위해 제안됨. BFS-LE 방법은 합리적인 계산 시간 안에서 매력적인 대안을 생성하는 것으로 보임. 선택 집합 생성에 관한 문헌에 대한 이 연구의 기여에는, BFS-LE 알고리즘의 시행을 개선한 것이 포함됨. 이러한 개선사항은 선택 집합에서 다양하지만 매력적인 경로를 생성하도록 의도된 것임.

관측된 경로를 가진 3513건의 이동 중에서, 개인 정보가 가용한 2850건의 이동이 선택 집합을 생성하기 위해 선택되었음. 그러나, 가용한 자원과 시간 내에, 선택 집합은 2692건의 이동에 대해 생성되었음. 관측된 건의 72%에 대해, 14개 이상의 대안 경로가 생성되었고, 이들 중 관측된 건의 51%이 선택된 집합에서 선택된 경로의 적어도 90%를 재현하였음. 적어도 14개의 대안을 가진 1913건의 관측이 모델 추정을 위해 선택되었고, 여러 다른 선택 집합 크기를 가진 세 가지 추정 데이터셋이 구성되었음.
 

데이터셋의 각각에 대해 경로 선택 모델을 개발하기 위해 경로 크기 수식을 가진 PSL 모델이 채택되었음. 경로 속성, 이동 특성과 이동객의 인적 사항의 관점에서 효용 함수를 표현함으로써 이 연구는 경로 선택 모델링에 기여함. 이 모델은 NLOGIT 소프트웨어를 사용하여 추정되었음.