Examining the Associations between Visual and Non-Visual Elements and Cyclists' Route Choices for Various Trip Purposes

기술 요약: 다양한 이동 목적에 따른 시각적 및 비시각적 요소와 자전거 이용자의 경로 선택 간의 연관성 조사

문제 제기
건축 환경이 능동적 교통(active transportation)에 미치는 영향은 이미 잘 입증되어 있으나, 기존 문헌들은 이동 목적(예: 통근, 레저, 스포츠)이 경로 선택에 미치는 구체적인 영향력을 간과하는 경우가 많습니다. 또한, 기존 연구들은 왜 자전거 이용자가 최단 경로에서 벗어나는지를 분석할 때, 시각적 요인(거리 수준의 이미지를 통해 인지되는 요소)과 비시각적 요인(사회경제적 및 2D 환경 속성)을 구분하지 못하는 경우가 빈번합니다. 실제 이동 경로와 이론적 최단 경로 사이의 차이를 시각적 인지와 비시각적 공간 특성을 모두 고려하여 데이터 기반으로 비교 분석한 연구는 부족한 실정입니다.

연구 방법론
본 연구는 자전거 인프라가 잘 구축된 캐나다 몬트리올의 사례 연구를 활용하여 4단계 프레임워크를 적용합니다. 이 방법론은 GPS 궤적 데이터와 거리 뷰 이미지(SVI) 및 사회경제적 데이터셋을 통합합니다.

1. 데이터 수집 및 처리:

   • 궤적 데이터: MyVeVelo 애플리케이션(2013~2015년)을 통해 기록된 개별 자전거 주행 데이터를 사용하였으며, 여기에는 GPS 트랙, 타임스탬프, 목적지가 포함됩니다. 이동 목적은 수동으로 라벨링되었으며 통근, 업무 관련, 사교, 쇼핑, 등교, 스포츠, 레저, 기타의 8개 그룹으로 분류되었습니다.
   • 비시각적 변수: 토지 이용 혼합도(Shannon Diversity Index로 계산), 경사도(DEM 활용), 기온, 사회경제적 지표(주택 가격, 세후 소득, 성별 비율, 평균 연령), 그리고 관심 지점(POI) 밀도를 포함한 14개의 통제 변수를 구성하였습니다.
   • 시각적 변수: GPS 지점에 대응하는 Google Street View API를 통해 거리 뷰 이미지(SVI)를 추출하였습니다. 특정 클래스(도로, 인도, 건물, 녹지, 하늘)의 픽셀 비율을 추출하기 위해 Mask2Former 모델(Cityscapes로 사전 학습됨)을 사용하여 의미론적 분할(semantic segmentation)을 수행하였습니다. 이를 통해 세 가지 합성 지수를 도출하였습니다: 모터화(차량), 능동적 모빌리티(사람/자전거 이용자), 장애물(벽/기둥).

2. 분석 프레임워크:
   분석은 두 부분으로 나뉩니다.

   • 기점-종점(OD) 분석: 일반적인 이동 패턴을 이해하기 위해 출발점과 도착점에서의 비시각적 요인을 조사하였습니다.
   • 경로 선택 분석: 실제 경로와 최단 경로(OpenStreetMap을 통해 계산됨) 사이의 중첩되지 않는 구간에 집중하였습니다. 20미터 반경의 차이를 기준으로 이 구간들을 정의하였습니다.
   • 통계 모델링: 본 연구는 다변량 로지스틱 회귀 모델을 사용하여 이변량 분석(Pearson 상관계수, 바이올린 플롯)과 다변량 회귀 분석(분산 분석 - ANOVA)을 활용하였습니다. 모델은 이동 목적을 결과 변수로 취급하여, 궤적 관련 변수, 비시각적 변수, 시각적 변수의 유의성을 테스트하였습니다.

주요 기여

• 이동 목적의 차별화: 본 연구는 총체적인 이동 행태 분석을 넘어, 이동 목적별로 세분화된 자전거 경로 선택을 평가하는 선구적인 연구를 수행하였습니다.
• 시각적-비시각적 통합: SVI에 대한 딥러닝을 통해 시각적 인지 정도를 정량화하고, 이를 전통적인 사회경제적 및 환경적 변수와 함께 결합하여 경로 선택 모델링을 위한 포괄적인 데이터셋을 구축하는 새로운 접근 방식을 도입하였습니다.
• 편차 정량화: "경로 비교(compare path)" 변수(실제 경로와 최단 경로 간의 편차)를 명시적으로 정량화하고, 이 편차가 다양한 이동 유형에 따라 특정 환경 및 시각적 요인과 어떻게 상관관계를 갖는지 분석하였습니다.

결과

• 이동 목적별 특성:
  • 스포츠/운동: 이 이동 유형은 최단 경로로부터 가장 유의미한 편차를 보였으며, 더 긴 시간과 거리를 선호하는 경향이 있었습니다. 이는 경로 지역의 높은 토지 이용 혼합도, 높은 평균 연령, 높은 소득 수준과 연관이 있었습니다.
  • 통근/업무: 이 이동 유형은 최단 경로로부터의 편차가 작았습니다. 통근자들은 주택 가격은 높지만 남성 비율이 낮고 토지 이용이 덜 다양한 지역을 통해 경로를 설정하는 경향이 있었습니다.
  • 레저/사교: 이 이동 유형은 종점에서의 높은 POI 밀도 및 뚜렷한 시간적 패턴(예: 쇼핑/사교를 위한 오후 피크 시간대)과 연관이 있었습니다.
• 시각적 vs. 비시각적 선호도:
  • 대부분의 이동 목적에 걸쳐, 실제 경로는 최단 경로와 비교했을 때 일관되게 높은 식생(녹지), 높은 능동적 모빌리티 존재감, 그리고 낮은 모터화를 특징으로 했습니다.
  • 스포츠 및 레저 자전거 이용자들은 더 많은 녹지, 인도, 능동적 모빌리티가 있는 경로를 선호하며, 하늘과 모터화가 적은 경로를 강력하게 선호하는 모습을 보였습니다.
  • 통계적 유의성: ANOVA 결과, 이동 거리, 시간대, POI 밀도, 그리고 최단 경로로부터의 편차가 이동 목적을 구분하는 데 매우 유의미함($p < 0.001$)을 나타냈습니다. 도로, 인도, 모터화, 능동적 모빌리티와 같은 시각적 요인들도 유의미했으나, 건물이나 하늘과 같은 광범적인 경관 요소는 변별력이 낮았습니다.
• 모델 성능:
  • 본 연구는 비시각적 모델(Model 1)과 시각/비시각 결합 모델(Model 2)을 비교하였습니다. 두 모델 모두 유사한 pseudo $R^2$ 값(~0.22)을 가졌으나, Model 1이 더 낮은 AIC 및 BIC 점수를 기록했습니다. 이는 견고한 변수 선택 없이 시각적 특징을 추가하는 것이 과적합(overfitting)이나 불필요한 복잡성을 초래할 수 있음을 시사합니다.

의의 및 주장
본 논문은 이동 목적이 자전거 이용자가 환경과 상호작용하는 방식에 있어 결정적인 요소임을 입증함으로써 기존 문헌의 중요한 공백을 메운다고 주장합니다. 연구 결과는 자전거 이용자가 단순히 최단 경로만을 찾는 것이 아니라, 효율성과 환경적 질(안전성, 녹지, 활동 수준) 사이의 절충안을 바탕으로 능동적으로 경로를 선택하며, 이러한 선호도가 목적에 따라 크게 달라진다는 것을 보여줍니다.

저자들은 이러한 통찰이 능동적 교통을 더 잘 지원하기 위한 가로망 계획 및 인프라 개발에 정보를 제공할 수 있다고 주장합니다. 서로 다른 이동 목적이 서로 다른 시각적 및 비시각적 신호에 반응한다는 점을 이해함으로써, 계획가들은 더욱 표적화된 개입을 설계할 수 있습니다. 본 연구는 시각적 요인이 중요하지만, 향후 모델링은 과적합을 피하기 위해 변수 선택의 균형을 신중히 맞춰야 하며, 경로 선택 분석에 이동 목적을 통합하는 것이 보다 총체적인 도시 자전거 역학 이해를 제공한다는 결론을 내립니다.

인정된 한계점
저자들은 정부가 처리한 궤적 데이터에 대한 의존성(정확한 출발/도착 지점을 가릴 수 있음), 교차 도시 검증 데이터의 부재, 그리고 SVI 데이터의 잠재적 편향(예: 자전거 이용자 관점이 아닌 차량 기반의 시점, 이미지 캡처 시의 날씨 불일치 등)을 한계점으로 언급하였습니다. 또한 현재의 연구 결과가 2013~2015년 기간의 몬트리올 맥락에 특화되어 있음을 강조하였습니다.