코로나 이후의 교통 체증은 어떻게 될까?

오늘 리뷰할 논문의 제목은

Impacts of Covid-19 mode shift on road traffic (2020), Yue Hu, Will Barbour, Samitha Samaranayake, Dan Work

이 논문은 다음과 같은 물음에서 시작된다.

코로나로 인한 shotdown이 끝나고 우리의 사회가 정상으로 돌아옴에 따라 교통 수단 선택이 바뀌고, 이에 따라 예전보다 교통체증이 심화될까? 이 질문의 핵심은 기존에 대중교통 혹은 카풀 서비스를 이용하던 많은 사람들이 개인교통수단(자가용)을 선호하게 될까? 라는데에 있다. 

이 물음을 해결하기 위해 결과로서 제시하는 것은 두가지이다.

• 도로상에 증가하는 차량 수에 따라 얼마나 혼잡이 증가할지를 알아내는 것.
• 대중교통 이용률 감소에 있어 가장 민감하게 반응할 도시를 찾아내는 것.

첫번째로 도로상에 증가하는 차량 수에 따라 얼마나 혼잡이 증가하기 알아보기 위해 과거 데이터를 사용했다. 사용한 모델은 교통분야에서 전통적으로 많이 쓰이는 BPR 함수이다. 일종의 수학 식으로 도로상에 존재하는 차량 수와 (혼잡으로 인해) 증가하는 통행 시간과의 관계를 드러내는 함수이다. 자세한 내용과 수식은 아래 위키피디아 참고.

en.wikipedia.org/wiki/Route_assignment

Route assignment - Wikipedia

 

통근통행시 수단 분담(카풀, 대중교통, 승용차)에 대한 과거 데이터를 바탕으로 우리는 수담 분담 변화에 따른 도로의 차량 수 변화를 추정할 수 있다. 위의 그래프는 실제 historical data를 바탕으로 BPR 식을 fitting 한 모습이다.

여러 케이스의 탐색을 위해 각각 25%, 50%, 75%의 대중교통/카풀 이용자들이 승용차 사용으로 전환되었을 시 증가하는 통행 시간을 나타낸다. 대중교통이 활성화된 대도시에서 1인 통행시간은 평균적으로 5-10분 증가하며, 전체 시민이 도로상에서 낭비해야하는 시간의 합은 어마어마하다. 

이 논문의 결과로서 저자는 대중교통 분담률이 높은 도시의 경우 조속히 운영 대책을 수립하지 않으면 극심한 교통체증에 시달리게 될 것이라 경고한다.

---

아주 완성도 있고 좋은 논문이라기 보다는 향후 진행할 연구의 뼈대가 되는 논문이다. 요즘 이런 논문이 인상적이다. 모델도 가장 유명하고 단순한 BPR을 사용했고, 그 안의 계수들도 가장 일반적인 값으로 가정했다. 직관적으로 마냥 이상하지만은 않은 25%, 50%, 75%의 대중교통/카풀 사용자가 승용차로 전환 되었을 경우를 구해내 보기좋게 그래프로 제시했다. 이렇게 한편을 완성시켜놓으면 향후 방향을 잃지 않고 모델을 고도화 시킬 수도 있고 이후 논문에서는 이 논문을 레퍼런스도 달면 되니 분량 이슈도 없다. 

굉장히 완성도있는 논문을 써내야한다는 생각에 초반부터 디테일에 신경쓰다가 결국에 큰 그림을 보지 못하게 되거나 제풀에 지친적들이 있었다. 앞으로는 중요치 않은 것과 정말 중요한 것을 구분해서 이렇게 논문의 뼈대를 세우는 연습을 해봐야겠다. 

---

영문으로 된 논문 요약은 다음 링크에서도 확인해볼 수 있다. 

medium.com/@barbourww/the-rebound-how-covid-19-could-lead-to-worse-traffic-cb245a5b1da2

The rebound — How Covid-19 could lead to worse traffic