Short-term Latent Demand Forecasting Using Railway Reservation Logs and Its Implications for Demand-Responsive Transit Operation

본 연구는 철도 OD(Origin–Destination) 구간별 단기 잠재수요를 예측하는 방법을 제안한다. OD 구간은 특정 출발역과 도착역의 방향이 있는 쌍을 의미한다. OD 구간들을 노드, 구간 간 중첩(공유 역·공유 구간 길이·중첩비율)을 엣지 가중치로 하는 시공간 그래프를 구성한 뒤, STGformer(Spatio Temporal Graph Transformer)로 시간·공간 상호작용을 통합 학습한다. 학습 데이터는 그래프 외에 주말, 공휴일, 날씨 등 7개 외생변수와 LAG 인코딩을 포함한다. 코레일 예약 로그(15분 단위 집계)로 10개 주요 OD 구간에 대해 4주간의 데이터를 사용하여 15분·1시간 선행 예측을 수행한다. 실험 결과 평균 MAPE는 STGformer 5.30%, LSTM-Attention 5.37%, GRU-Attention **5.81%**로, STGformer가 LSTM 및 GRU 기반 예측 방법 대비 약 8% 개선됨을 보였다. 제안하는 방법은 실시간 수요 대응 기반의 철도 운영 최적화에 기여할 수 있다.