리우데자네이루 버스 네트워크 위상 분석: 2014‑2016 변화 비교

초록

본 연구는 사회망 이론에 기반한 B‑space, P‑space, C‑space 모델을 활용해 2014년과 2016년 리우데자네이루 시의 버스 노선 및 정류장 구조를 정량적으로 비교한다. 라인 수는 22.75 % 감소하고 정류장은 5.19 % 감소했으며, 최대 4개의 라인만으로도 모든 정류장을 연결할 수 있음을 확인했다. 또한 C‑space에서 공통 정류장 수를 기준으로 서브네트워크를 구성하면 주요 급행·전용 차선(Expressway corridor)을 탐지할 수 있다.

상세 분석

본 논문은 먼저 PTN(공공 교통 네트워크) 분석에 널리 사용되는 네 가지 위상 모델(L‑space, B‑space, P‑space, C‑space)을 소개하고, 데이터 수집·전처리 과정을 상세히 기술한다. 리우데자네이루의 GTFS 데이터를 2014년 5월 3일과 2016년 1월 29일 두 시점에서 추출해, 정류장‑노선 이중구조의 bipartite 그래프(B‑space)를 구축하였다. B‑space에서 파생된 P‑space는 정류장 간 ‘공통 노선 존재’를 연결조건으로 하여 정류장 간 직접 연결성을 강조하고, C‑space는 노선 간 ‘공통 정류장 존재’를 연결조건으로 하여 노선 간 연계성을 파악한다.

주요 정량 지표로는 (1) Giant Component(최대 연결 성분) 비율, (2) 평균 거리와 지름, (3) 차수 분포, (4) 클로즈니스와 베트위니스 중심성 등을 계산하였다. 결과는 다음과 같다.

1. 구조적 축소: 2014년 대비 2016년에는 전체 노선이 22.75 % 감소(≈ 1,200 → 930개)하고 정류장은 5.19 % 감소(≈ 9,800 → 9,300개)했다. 이는 B‑space와 P‑space 모두에서 Giant Component 비율이 99 % 이상 유지되었으며, 네트워크 연속성은 크게 손상되지 않았음을 의미한다.

2. 연결 효율성: P‑space에서 두 정류장 사이의 최단 경로 길이(geodesic distance)의 평균은 2.1~2.3 수준으로, 최대 지름(diameter)은 4에 불과했다. 즉, 4개의 노선을 조합하면 도시 전역의 모든 정류장을 도달할 수 있다. 특히 3개의 노선만으로도 99 % 이상의 정류장을 연결할 수 있어, 실제 승객 이동 시 최소 환승 횟수가 매우 낮음을 시사한다.

3. 중심성 분석: 차수 중심성이 높은 정류장은 주로 시내 중심가와 주요 환승역에 집중되었으며, 베트위니스 중심성이 높은 노선은 B‑space에서 ‘허브‑스포크’ 구조를 형성한다. 이러한 정류장·노선은 교통 정책에서 우선 보전·확장 대상이 될 수 있다.

4. C‑space 확장: 기존 C‑space는 단순히 ‘공통 정류장 1개 이상’을 기준으로 노선을 연결했지만, 저자는 공통 정류장 수를 임계값(k)으로 설정한 다중 C‑space(k) 네트워크를 제안한다. k≥5인 경우, Giant Component가 급격히 분리되면서 ‘고빈도 교차 구간’이 명확히 드러났다. 이는 급행버스 전용 차선이나 BRT 구간을 식별하는 데 유용하며, 정책 입안자가 고밀도 교통축을 선정하는 근거로 활용될 수 있다.

5. 방법론적 한계: L‑space 모델을 적용하지 못한 이유는 GTFS 데이터에 정류장 순서 정보가 불완전했기 때문이다. 또한, 정류장·노선 데이터의 정합성 문제(중복 정류장 명칭, 좌표 오차 등)로 인해 일부 위상 특성이 과소·과대 평가될 가능성이 있다.

전반적으로, 본 연구는 사회망 이론을 PTN에 적용함으로써 도시 교통 구조 변화를 정량적으로 파악하고, 정책적 시사점을 도출하는 데 성공하였다. 특히 C‑space(k) 접근법은 기존 연구에서 다루지 않았던 ‘공통 정류장 빈도 기반’ 노선 연계성을 강조함으로써, 급행·전용 차선 탐지와 같은 실무적 활용 가능성을 열어준다.