Article


ABSTRACT


MAIN

  • 서론

  • 선행연구 고찰

  • 연구의 방법론

  •   1. 모형 설정 및 추정 방법

  •   2. 분석을 위한 자료 구축

  • 추정 결과

  • 결론

서론

통행시간은 통행비용과 함께 통행자의 행태 결정에 있어 가장 중요한 요소로, 통행시간 가치는 통행자가 한 단위의 통행시간을 단축하기 위해 지불하고자 하는 금전적 가치(Willingness to pay)를 의미한다. 이러한 통행시간 가치는 교통수요 모형을 위한 요소, 경제학적 측면에서 통행자의 행태에 대한 파악은 물론, 교통정책 및 프로젝트의 의사결정 과정, 즉 비용편익 분석에 있어 통행시간 절감편익을 산정하기 위한 원단위 등에 활용되고 있다(Small, 2012).

최근 국내에서는 제주 제2공항, 김해신공항 등 공항 인프라 개선을 위한 대규모 사업이 다수 진행 중으로, 사업 시행에 대한 의사 결정 및 적정 사업규모 등을 판단하기 위해서는 이러한 공항 인프라 개선이 항공여객에게 어느 정도 경제적 가치를 주는지 파악해야 한다. 그리고 이를 위해서는 실제 항공여객의 행태를 고려한 통행시간 가치를 적용하는 것이 검토의 핵심요소라 할 수 있다.1) 하지만 국내에서 공항계획 및 타당성 조사를 위해 활용 중인 공항부문사업의 예비타당성조사 표준지침 연구(제3판)에서는 관련 연구가 미흡하다는 한계로 인해 지상교통 이용객의 통행시간 가치에 지상교통수단 대비 항공수단 통행자의 가구소득 비율을 적용하여 항공여객의 통행시간 가치를 개략적으로 산정하고 있으며, 향후 객관적인 연구를 통한 관련 지침 개정의 시급성을 제시하고 있다.

이에 따라 본 연구에서는 2018년 10월 1개월간 항공기 이용을 목적으로 김포공항으로 접근하는 항공여객의 이동통신 자료를 활용하여 항공여객의 통행시간 가치를 산정하였다. 공항접근을 위한 수단선택 분석에는 혼합로짓모형(Mixed Logit Model)을 이용하였으며, 접근수단 선택을 위한 입력변수는 개인별․수단별 통행시간과 통행비용을 활용하였다. 그리고 추정된 모형의 계수를 이용하여 한계대체율을 통해 항공여객의 통행시간 가치를 산정하였으며, 그 결과를 선행연구와 비교 및 검토하였다.

선행연구 고찰

교통부문에서 통행시간 가치의 추정을 위해 일반적으로 사용하는 방법은 한계임금율법과 한계대체율법이 있다. 먼저 한계임금율법은 절감된 통행시간만큼 생산 활동에 투입할 수 있다는 전제 하에 통행자의 임금과 노동시간을 이용하여 산출하는 방법이다. 다음으로 한계대체율법은 통행자의 행태를 통행시간과 통행비용으로 구성된 효용함수로 모형화하고 추정된 계수의 비율을 이용하는 방법이다. 한계임금율법에 의해 산정된 통행시간 가치는 통행자의 특성에 관계없이 임금수준에 따라 동일한 값이 산정되므로 시계열적인 안정성을 확보할 수 있는 장점이 있으나 실제 통행자의 지불의사액(Willingness to pay)과 괴리가 발생할 수 있는 한계가 있다. 반면 한계대체율법에 의한 통행시간 가치는 통행자의 실제 행태를 모사할 수 있는 장점이 있으나 추정 방법과 자료의 구성에 따라 그 값이 변화될 가능성이 크다(Chang and Park, 2010).

항공여객의 통행시간 가치 추정과 관련된 해외 연구를 살펴보면, FAA(2007)은 미국항공운송협회의 항공통행조사 자료(Air travel survey)와 2000년 기준 미국 통계국(U.S Census Bureau)의 소득자료를 이용하여 한계임금율법을 이용하여 항공운송사업자(Air carrier)와 일반항공(General aviation)로 구분하여 통행시간 가치를 산정하였다. 그 결과, 항공운송사업자(Air carrier) 대비 일반항공(General aviation)을 이용하는 항공여객의 통행시간 가치가 더 높게 나타났다. 다음으로 국내연구를 살펴보면, Yu(2018)은 2013-2015년까지 3개년 동안의 내국인 법무부 출입국 통계자료를 이용하여 내국인 국제선 이용객의 공항선택모형을 구축하였으며, 추정된 계수를 이용하여 항공이용객의 통행시간 가치를 산정하였다. KDI(2014)는 공항부문 사업의 예비타당성조사 표준지침 연구(제3판)에서 항공여객의 통행시간 가치 관련 연구가 부족한 점을 사유로, 한계임금율법을 통해 추정된 기존의 지상교통 통행시간 가치에 2010년 한국교통연구원에서 조사된 항공수단과 지상교통수단 이용객 간의 소득비율(124.89%)을 적용하여 항공여객의 시간가치를 산출하였다.2)Lee(2009)는 고속철도의 수요 분석을 위하여 KOTI(2008)의 자료를 활용하여 승용차, 고속철도, 일반철도, 버스, 항공기의 5가지 수단에 대한 선택모형을 구축하였으며, 한계대체율을 통해 통행시간 가치를 제시하였다. KOTI(2008)는 설문조사를 통해 응답자가 이용한 수단과 이용하지 않은 수단에 대한 통행시간과 통행비용에 대한 현시선호자료를 구축하였으며, 비업무 통행에 한정하여 한계대체율을 통해 항공여객의 통행시간 가치를 산정하였다.

이상으로 항공여객의 통행시간 가치 산정과 관련된 국내외 연구를 정리하면 Table 1과 같으며, 항공여객의 통행시간 가치 추정과 관련된 연구는 많지 않은 수준이고, 연구 간 산출된 통행시간 가치 간의 차이 또한 큰 것을 알 수 있다.

Table 1. Comparison of value of travel time of air-passengers

Researcher Data Method/Model VOT (KRW/h, Y=2018)
Yu(2018) Korea Immigration data Marginal rate of substitution (airport choice model) 14,562-32,004
KDI(2014) Korea transport database (KTDB) Marginal rate of income (surface)×
Income ratio (air/surface)
14,399-16,638
Lee(2009) Revealed preference (survey) Marginal rate of substitution (mode choice model) 16,924
KOTI(2008) Revealed preference (survey) Marginal rate of substitution (mode choice model) 8,407-20,540
FAA(2007) Air travel survey &
U.S. Census Bureau
Marginal rate of income 23.30-45.00 (USD/h, Y=2000)

연구의 방법론

1. 모형 설정 및 추정 방법

1) 모형 설정

항공기 이용을 목적으로 공항에 접근하는 이용객의 접근수단 선택행태는 종속변수가 선택(1) 혹은 비선택(0)인 이산선택형으로, 이러한 자료는 확률선택모형(Probabilistic choice model)을 통해 모형화 할 수 있다. 이에 본 연구에서는 혼합로짓모형을 이용하여 항공여객의 접근수단 선택모형을 구축한다. 혼합로짓모형은 어떠한 임의 효용 모형(Random utility model)으로도 근사할 수 있는 매우 유연한 모형으로(Train, 2009), 선호의 다양성을 나타내고 비관련 대안의 독립성(IIA property)에 대한 가정을 완화시킬 수 있는 장점이 있다.

본 연구에서 접근수단 i의 효용함수 Ui는 관련 지침 및 국내외 연구를 참고하여 통행시간, 통행비용, 수단특성더미로 구성하였으며, 이는 Equation 1과 같이 표현할 수 있다. 출발지에서 특정 공항으로 이동하는 항공여객 n은 승용차, 버스, 지하철의 통행시간과 통행비용을 상호 비교하여 효용이 가장 높은 대안을 선택하는 것이다. 이때 혼합로짓모형의 선택확률은 일반적인 로짓모형의 수식에 사전에 주어진 확률밀도함수 f(β)를 곱하여 산정한 후 이를 가중평균하여 계산하며, 항공여객 n이 공항의 접근수단으로 대안 i, j, k 중 접근수단 i을 선택할 확률은 Equation 2와 같이 표현된다.

$$U_i=\beta_t(time_i)+\beta_c(cost_i)+Dum_i+\epsilon$$ (1)

여기서, time: travel time (min)
             cost: travel cost (KRW)

$$P_{ni}=\int_{}^{}{(\frac{e^{\sum_{z=1}^Z\beta_{iz}x_{zn}}}{e^{\sum_{z=1}^Z\beta_{iz}x_{zn}}+e^{\sum_{z=1}^Z\beta_{jz}x_{zn}}+e^{\sum_{z=1}^Z\beta_{kz}x_{zn}}})f(\beta)d\beta}$$ (2)

2) 추정 방법

혼합로짓모형의 추정에 있어 연구자가 사전에 검토해야 할 사항은 크게 두 가지로 구분할 수 있다. 첫 번째는 계수의 확률밀도 함수를 사전에 결정하는 것으로, 혼합로짓모형에서 추정되는 계수는 하나의 고정된 값이 아니라 연속된 분포를 갖는 확률변수이기 때문이다. 혼합로짓모형의 계수는 평균(μ)과 표준편차(σ)으로 구성되며, 두 가지 값이 모두 통계적으로 유의하게 추정된다면 평균(μ)을 중심으로 사전에 설정한 분포의 모양에 따라 유의하게 선호의 다양성이 존재한다는 것을 의미한다. 반면, 표준편차(σ)가 통계적으로 유의하게 추정되지 않는다면 평균값만으로 확률분포와 관련된 모든 특성을 대표할 수 있다는 것을 의미한다(Hensher et al., 2005). 혼합로짓모형에서 이용되는 주요 확률밀도함수로는 정규분포, 로그정규분포, 삼각분포, 균등분포 등이 있으며, 연구자는 추정하고자 하는 계수의 특성과 선행연구 등을 참고하여 적정한 분포를 사전에 설정할 필요가 있다. 본 연구에서는 통행시간의 확률분포를 일반적으로 가장 많이 활용하는 정규분포로 가정하였으며3), 통행비용은 고정변수로 설정하였다.4)

두 번째는 시뮬레이션 수행을 위한 다수의 임의 순열(random sequence)을 발생시킬 횟수를 결정하는 것이다. 시뮬레이션의 횟수에 대한 명확한 기준은 없으므로 개별모형에서 안정적인 계수 추정치가 도출되는 횟수를 확인하여 설정할 필요가 있다(Hensher et al., 2005). Bhat(2001)는 75회의 Halton sequence가 약 2,000회의 Pseudo random sequence와 유사한 수준의 시뮬레이션 효과가 있다고 하였으며, Hensher and Greene(2001)은 Halton sequence를 기준으로 25회 이상 발생시키면 모형의 적합도와 계수가 일정수준으로 수렴한다고 하였다. 이에 본 연구에서는 Halton sequence를 기준으로 500회 시뮬레이션을 수행한 결과를 제시하였다.5)

2. 분석을 위한 자료 구축

1) 기본자료의 설정

본 연구에서는 항공여객의 실제 접근수단 선택행태를 고려하기 위해 항공기를 이용한 공항 접근수단 이용객의 이동통신 자료를 활용하였다. 해당 자료는 특정 통신사를 이용하는 이용객을 대상으로 기지국 정보를 활용하여 개별 항공여객 단위로 시군구 단위의 출발지, 이용 공항, 접근통행 수단(승용차, 버스, 지하철), 접근통행 시간 등을 구축한다. 본 연구에서 활용한 이동통신 자료는 최근 교통 분야에서 이동패턴 분석, 기종점 데이터 구축 등에 활용되고 있으나, 해당 자료를 이용하여 통행시간을 산출한 선행연구는 많지 않다. Chung et al.(2018)은 KT의 통신 빅데이터를 이용해 그 동안 대부분 설문조사로 진행되던 통행시간예산(travel time budget)을 추정하는 연구를 수행하였으며, 이 과정에서 이동통신 데이터의 기지국 정보를 이용하여 개인의 통행시간을 추정하였다. 이동통신 자료를 이용한 개인의 통행시간 추정은 주변 지형으로 인해 셀의 영역이 지속적으로 변형될 수 있다는 점, 지역별 셀의 크기에 따라 위치정보에 편차가 발생할 수 있다는 단점이 있다. 그러나 이러한 자료의 단점에도 불구하고 한계대체율법을 이용하여 통행시간 가치를 산정한 대부분의 선행연구에서 활용한 자료(SP자료, 가구통행실태조사, KTDB)에 비해 이용객의 통행행태 수집에 있어서는 다양한 장점이 있는 것으로 판단된다. 먼저 이동통신 자료의 기초가 되는 휴대전화는 전원이 켜져있는 상태라면 언제나 기지국과 연결되어 정보가 저장되므로 많은 샘플을 확보할 수 있으며, 실제 이용객의 이동패턴을 비교적 정확하게 파악할 수 있다. 또한 선행 연구에서 사용된 자료 대비 상대적으로 우월한 점도 다수 있다고 판단된다. 예를 들어, SP조사의 경우 본인이 직접적으로 체감하지 않는 대안간 비교를 하게 되므로 실제 이용객의 실제 행동패턴과 다른 결과가 나올 수 있으며, 가구통행실태조사의 경우 설문오류, 통행배정모형을 통한 시간 산출은 통행속도 미정산에 따른 현실과의 괴리 등이 발생할 가능성이 있다.

개별 이용객의 통행수단과 통행시간 자료가 구축되는 과정을 살펴보면 다음과 같다. 기본적인 데이터는 특정 이동통신사를 이용하는 고객 중 LTE 및 로밍서비스 이용고객이 그 대상이며, 위치추적을 위한 기지국 정보는 고유기지국의 중심좌표를 기준으로 한다. 항공여객의 공항 접근자료 구축을 위해서는 먼저 항공여객의 이동동선에 대한 도출이 필요하다. 이를 위해서 이동통신 이용자의 기지국 데이터를 이용자와 시간대별로 정렬을 한다. 이렇게 정렬된 자료를 이용하면 이용자별 기지국의 진입/진출 및 체류시간, 기지국 위치를 이용하여 이동거리 및 이동속도 산정이 가능하다. 그리고 이러한 이동통신 이용자 중 공항에 위치한 기지국에 도착한 후 항공기 탑승을 위해 휴대전화의 전원을 끄거나 비행기모드로 변경하는 등의 행위를 통해 휴대폰의 신호가 끊어지면 비행기 탑승객으로 식별한다. 이러한 과정을 통해 항공여객을 대상으로 공항 접근에 대한 이동동선 및 이동속도 파악이 가능하다. 다음으로는 이동수단에 대한 식별이 필요하다. 여기에서는 앞서 파악된 항공여객의 이동동선과 대중교통 정류장(지하철역, 버스정류장)의 좌표 데이터를 이용한다. 정류장의 위치좌표와 이용객의 이동동선을 매칭시키고 대중교통 정류장(지하철역, 버스정류장)이 위치한 기지국에서의 체류시간 및 체류빈도(패턴), 수단별 평균이동속도 등을 고려하여 개별 이용객의 이동수단을 파악한다. 이때 대중교통 좌표데이터와 일치하지 않고 특정한 주기로 정류장이 위치한 기지국 내에 체류하지 않는 경우에는 승용차로 구분한다. 이상의 과정을 거쳐 개별 통행자가 최초출발지로부터 공항까지 이동에 소요된 시간과 이용한 수단을 파악하며, 최종적으로 개인정보 삭제, 자료의 무결성 검토를 수행한다. 이상 설명한 내용을 그림으로 개략적으로 나타내면 Figure 1과 같으며, 그림 우측의 집은 출발지, 좌측의 공항은 도착지, 육각형 셀은 기지국범위, 주황색, 파란색, 녹색의 선은 각각 지하철, 승용차, 버스의 이동경로를 나타낸다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370602/images/kst_37_06_02_F1.jpg
Figure 1.

Simple example

2) 연구의 범위 설정

분석을 위한 기본자료의 시간적 범위는 지상교통에서 연평균 일교통량(Annual Average Daily Traffic, AADT) 관측을 위해 활용되는 교통조사 시점, 모형 구축을 위한 표본 수 등을 고려하여 2018년 10월의 1개월간으로 설정하였다. 다음으로 공간적 범위는 접근수단의 다양성 및 이용 가능성(접근성)을 고려하여 서울특별시에서 출발하여 김포공항으로 접근하는 항공여객을 대상으로 설정하였다. 다만 이때 서울특별시의 25개 자치구 중 김포공항이 위치한 강서구는 승무원 등 관련업 종사자가 다수 거주하고 있고, 최초 목적지에서 인근 상업시설(김포공항 롯데몰 등)을 이용 후 김포공항을 이용하는 승객이 다수 있을 수 있다는 점을 감안하여 표본에서 제외하였으며, 특정 교통수단에 대한 선택 및 접근 가능성을 고려하여 연령대가 20대 미만과 80대 이상인 경우는 표본에서 제외하였다.

한편 이동통신 자료와 같은 대규모 관측 자료의 경우 표본 수가 많다는 장점이 있으나, 관측 및 집계 오류 등으로 인해 이상치가 다수 존재할 수 있으므로 자료에 대한 전처리 과정이 필요하다. 자료의 전처리 과정에서 이상치를 제거하는 방법은 자료를 정규분포라고 가정하고 z스코어를 이용하는 시그마법, 자료의 중앙값(median)과 사분위수(Interquartile range, IQR)를 이용한 사분범위법 등이 있다. 본 연구에서는 이동통신 자료를 활용하여 통행시간을 산출한 Chung et al.(2018)의 이상치 제거방법을 참고하여 기술통계량 분석에 있어 일반적으로 많이 사용하는 사분범위법을 적용하였다. 이때 각 자치구별 ‧ 수단별 이동시간 특성을 고려하지 않고 모든 자료를 대상으로 한 번에 이상치를 판단할 경우, 통행시간이 중앙값에 가까운 자치구 혹은 통행수단에서 발생한 이상치는 거의 검지되지 않는 반면, 통행시간이 전반적으로 짧거나 긴 자치구 혹은 통행수단은 중앙값을 조금만 벗어나도 이상치로 검지되는 오류가 발생할 수 있다. 이에 따라 본 연구에서는 이상치 판단을 위해 항공여객의 통행시간 자료를 자치구별 ‧ 수단별 총 72개(24개 자치구×3개 수단)로 구분하였으며, 각 자치구별, 수단별로 Equation 3에 따라 사분범위법을 통해 개별적으로 이상치를 제거하였다. 이상의 과정을 통해 총 37,772개의 표본을 구축하였으며, 강서구를 제외한 서울특별시의 24개 자치구별 표본 수 및 구성 비율은 Table 2와 같다.

$$T_{ij}^{outlier}=below\;Q_{ij}^1-(1.5\times IQR_{ij})\;or\;above\;Q_{ij}^3+(1.5\times IQR_{ij})$$ (3)

여기서, Tijoutlier: 수단 i, 자치구 j의 통행시간 이상치
             Qij1: 수단 i, 자치구 j의 1분위수 통행시간
             Qij3: 수단 i, 자치구 j의 3분위수 통행시간
             IQRij: 수단 i, 자치구 j의 사분범위(Qij3-Qij1)

Table 2. Trip volume by zones

Zone Trips Ratio (%) Zone Trips Ratio (%)
Gangnam-gu 3,614 9.57 Yongsan-gu 1,344 3.56
Songpa-gu 2,954 7.82 Gwangjin-gu 1,325 3.51
Seocho-gu 2,746 7.27 Guro-gu 1,321 3.50
Mapo-gu 2,547 6.74 Seongdong-gu 1,293 3.42
Youngdeungpo-gu 2,304 6.10 Jongro-gu 1,244 3.29
Gwanak-gu 1,979 5.24 Nowon-gu 1,238 3.28
Dongjak-gu 1,764 4.67 Jung-gu 1,138 3.01
Seodaemun-gu 1,550 4.10 Dongdaemun-gu 1,059 2.80
Yangcheon-gu 1,526 4.04 Jungrang-gu 762 2.02
Eunpyung-gu 1,445 3.83 Dobong-gu 651 1.72
Gangdong-gu 1,413 3.74 Gangbuk-gu 650 1.72
Seongbuk-gu 1,359 3.60 Gumcheon-gu 546 1.45

기본자료의 구성을 살펴보면 Table 3과 같이 수단별 선택확률은 승용차가 66%로 가장 높으며, 지하철이 31%, 버스가 3%로 나타났다. 성별은 남성이 49%, 여성이 51%로 유사한 비율로 나타났다. 표본의 평균 연령은 41.68세이며, 연령대별 비율을 살펴보면 30대가 27%로 가장 높고, 다음으로 20대, 40대의 순으로 나타났다. 요일별 통행량은 수요일(12%)을 제외한 나머지 요일이 14-15% 수준으로 유사하게 나타났다.

Table 3. Descriptive statistics of the samples (unit: trips)

Mode choice Gender Age Day of the week
Car 24,741 (66%) Male 18,543 (49%) 20-29 9,604 (25%) Sunday 5,797 (15%)
Bus 1,156 (3%) Female 19,229 (51%) 30-39 10,326 (27%) Monday 5,803 (15%)
Metro 11,875 (31%) 40-49 8,383 (22%) Tuesday 5,527 (15%)
50-59 6,337 (17%) Wednesday 4,719 (12%)
60-69 2,556 (7%) Thursday 5,306 (14%)
70-79 566 (1%) Friday 5,241 (14%)
Saturday 5,379 (14%)

3) 자료 구축

(1) 통행시간

본 연구에서 이용자의 접근수단은 총 3가지로 구성되므로, 만약 항공여객 n이 승용차를 이용하였다면, 이용 수단은 승용차가 되며, 미이용 수단은 버스와 지하철이 된다. 본 연구에서 활용한 이동통신 자료는 구축 과정의 특성 상 개별 항공여객이 실제 이용한 교통수단과 해당 수단의 통행시간에 대한 정보만 구득이 가능하다. 그러므로 이용자가 이용하지 않은 2개의 미이용 수단의 통행시간은 합리적인 과정을 통하여 최대한 현실에 가깝게 추정하여야 한다. 이에 따라 본 연구에서는 다음의 과정에 따라 이용 수단과 미이용 수단의 통행시간 자료를 구축하였다.

먼저 이용 수단의 통행시간은 이동통신 자료에서 개별 이용자별 수단별로 수집된 이동통신 기지국 기준의 통행시간 자료를 활용한다. 다음으로 미이용 수단의 경우, 이동통신 자료를 통해 수집된 통행시간은 기지국 단위의 세부자료인 반면 출발지는 자치구 단위로 집계화 되어있는 점을 감안하여 개별 이용객의 위치 및 통행 특성을 최대한 고려할 수 있는 방법으로 구축하였다. 이에 따라 본 연구에서는 공간적 집합화에 따른 오류를 최소화하고 개별 이용자의 실제 통행특성을 고려하기 위해 Kim et al.(2005)KDI(2012)6) 등 통행시간 가치 추정과 관련된 선행연구에서 미이용 수단의 통행시간 산정 시 적용한 Equation 4의 방법을 적용하였다. 이 방법은 존별 수단별 통행시간 표준편차(sd(Ta))를 통해 존별 수단별 통행시간이 평균에서 어떻게 분포되어 있는지, 즉 존별 수단별 통행시간 분포의 형태 및 특성을 고려할 수 있으며, 이용한 수단의 실제 통행시간과 평균시간의 차이(Tbn-Tb¯)와 이용한 수단의 통행시간 표준편차(sd(Tb))를 통해 자치구 내에서의 개별 이용자의 세부 위치 특성7) 및 통행의 개인적 특성(평균적 이용자 대비 빠르게 혹은 느리게 이동하는지 등)을 고려할 수 있는 장점이 있다.

$$T_a^n=\overline{T_a}+sd(T_a)\times\frac{T_b^n-\overline{T_b}}{sd(T_b)}$$ (4)

여기서, Tbn: 개인 n이 이용하지 않은 수단 a의 통행시간
             Ta¯: 개인 n이 이용하지 않은 수단 a의 평균통행시간
             sd(Ta): 개인 n이 이용하지 않은 수단 a의 통행시간 표준편차
             Tbn: 개인 n이 이용한 수단 b의 통행시간
             Tb¯: 개인 n이 이용한 수단 b의 평균통행시간
             sd(Tb): 개인 n이 이용한 수단 b의 통행시간 표준편차

자로 구축 결과, 전체 수단의 평균통행시간은 75.3분이며, 수단별로 살펴보면 승용차가 81.1분, 버스가 83.0분, 지하철이 62.3분으로 나타났다. 평균통행시간이 가장 긴 자치구는 도봉구로 평균 98.1분, 가장 짧은 자치구는 영등포구로 61.2분이 각각 소요되는 것으로 나타났다. 대부분의 구에서 버스와 승용차의 통행시간이 길게 나타났으며, 지하철은 상대적으로 통행시간이 짧은 것으로 나타났다.

(2) 통행비용

통행비용은 통행시간과는 달리 이동통신 자료를 통한 구득이 불가하므로, 이용 수단과 미이용 수단의 구분 없이 동일한 방법으로 산출한다. 승용차는 유류비와 주차비, 버스와 지하철은 대중교통 요금을 기준으로 하며, 통행거리, 대중교통 요금 등은 자치구의 구청을 기준으로 산정하였다. 먼저 승용차 유류비는 네이버 지도의 최적경로를 기준으로 각 구청에서 김포공항까지의 통행거리를 산정한 후 개별 이용자의 통행시간을 이용하여 통행속도를 계산한다. 그리고 통행속도별 유류비 원단위와 앞서 구축한 통행거리를 곱하여 개별 이용자의 유류비를 산정한다. 이때, 통행속도별 유류비는 2019년 예비타당성조사 착수회의 자료(KDI, 2019)에 제시된 2018년 가격기준의 10km/h 단위 값을 적용했으며, 부가가치세 및 유류세 54.6%8)를 추가 반영한 승용차의 유류비 원단위는 Table 4와 같다. 주차비는 개별 이용객의 주차요금 자료 구득이 불가함에 따라 2018년 김포공항의 차량 1대당 평균 주차요금인 14,785원/대의 절반인 7,393원/대를 적용하였다.9) 그리고 마지막으로 유류비와 주차비를 합산한 금액을 김포공항 이용객의 승용차 평균재차인원인 2.5명10)으로 나누어 1인당 승용차 비용을 산정하였다. 다음으로 버스요금은 수하물이 많은 항공여객의 통행특성을 고려하여 리무진 버스가 운행하는 경우 이를 우선으로 적용하였으며, 지하철은 최적경로를 기준으로 적용하였다.

Table 4. Unit cost of car-passengers

Speed (km/h) Cost (KRW/km) Speed (km/h) Cost (KRW/km) Speed (km/h) Cost (KRW/km)
10 292.99 50 109.42 90 104.25
20 187.29 60 102.62 100 112.59
30 144.18 70 99.75 110 127.53
40 121.91 80 100.26 120 154.53

자료구축 결과, 전체 수단의 평균통행비용은 3,648원이며, 수단별로 살펴보면 버스가 리무진 요금으로 인해 6,081원으로 가장 높게 나타났으며, 다음으로는 승용차가 4,530원, 지하철이 가장 낮은 1,574원으로 나타났다. 자치구별로 살펴보면, 도봉구의 평균통행비용이 4,643원으로 가장 높게 나타났으며, 영등포구가 3,011원으로 가장 낮게 나타났다. 이상의 과정을 통해 구축한 수단별 자치구별 평균통행시간과 평균통행비용은 Figures 2, 3과 같으며, 통행시간과 통행비용간 상관계수는 0.377로 나타나 모형 추정에 무리가 없는 것으로 판단하였다.11)

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370602/images/kst_37_06_02_F2.jpg
Figure 2.

Mean travel time of samples

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370602/images/kst_37_06_02_F3.jpg
Figure 3.

Mean travel cost of samples

추정 결과

총 37,772개의 표본을 대상으로 혼합로짓모형을 추정한 결과는 Table 5와 같다. 기본모형(ML1) 기준, McFadden R2는 0.2017로 나타나 항공여객의 접근수단 선택모형은 통계적으로 유의한 것으로 추정되었다12). 통행시간과 통행비용의 계수 부호는 음으로 추정되어 기대에 부합하며 통계적으로 0.1% 수준에서 유의하게 추정됨에 따라 두 변수는 항공여객의 공항 접근 수단선택에 유의한 영향을 미치는 것으로 나타났다. 항공여객의 사회 ‧ 경제적 특성에 따른 효용변화를 살펴보기 위해 성별(ML2), 주말통행(ML3), 통행거리(ML4)에 대하여 통행시간 교차항 변수를 추가하여 모형을 추정하였다. 그 결과 McFadden R2가 0.2018-0.2028로 추정되어 기본모형(ML1) 대비 통계적 유의성이 증가하였으며, 성별은 0.1%, 통행거리는 0.1%, 그리고 주말통행은 5% 수준에서 교차항 계수가 유의하게 추정되었다. 계수별 추정 결과를 살펴보면, 여성에 대한 더미변수 교차항의 부호는 음으로 나타남에 따라 여성이 남성에 비해 통행시간에 대한 체감이 큰 것으로 나타났다. 주말통행은 부호가 양으로 추정되어 주중 통행 대비 주말 통행에서 통행시간에 대한 체감이 작은 것으로 나타났으며, 통행거리의 부호는 음으로 추정되어 통행거리가 길어질수록 통행시간에 대한 체감이 큰 것으로 나타났다. 통행시간 계수의 표준편차(σ)는 0.1% 수준에서 유의하게 추정됨에 따라 항공여객은 통행시간에 대한 선호의 다양성이 있는 것을 알 수 있다. 교차항 계수를 추가한 모형에서도 통행시간 계수의 표준편차(σ)가 유의하게 추정되었는데, 이는 성별, 주말여부, 통행거리로는 나타내기 어려운 선호의 다양성이 여전히 존재한다는 것을 의미한다.

Table 5. Estimation results of mode choice model

Variable Coefficient (std. error)
ML1 ML2 ML3 ML4
Random parameters Time
𝜇 -1.1780e-01
(2.2823e-03)
*** -1.1455e-01
(2.3940e-03)
*** -1.1910e-01
(2.3850e-03)
*** -9.9669e-02
(3.0431e-03)
***
𝜎 7.2986e-02
(3.1421e-03)
*** 7.2880e-02
(3.1382e-03)
*** 7.2965e-02
(3.1395e-03)
*** 7.3515e-02
(3.0987e-03)
***
Fixed parameters Time×Gender -6.6968e-03
(1.8470e-03)
***
Time×Weekend 4.3058e-03
(2.0063e-03)
*
Time×Distance -8.7282e-04
(1.0919e-04)
***
Cost -3.2313e-04
(2.0083e-05)
*** -3.2342e-04
(2.0078e-05)
*** -3.2332e-04
(2.0084e-05)
*** -2.7264e-04
(2.0891e-05)
***
Alternative specific constants ASCcar 1.6074e+00
(4.6320e-02)
*** 1.6061e+00
(4.6306e-02)
*** 1.6067e+00
(4.6317e-02)
*** 1.6629e+00
(4.7296e-02)
***
ASCmetro -1.4204e+00
(9.7329e-02)
*** -1.4226e+00
(9.7318e-02)
*** -1.4214e+00
(9.7326e-02)
*** -1.2558e+00
(9.9674e-02)
***
Summary statistics McFadden R2 0.2017 0.2019 0.2018 0.2028
Log-Likelihood -22,544 -22,538 -22,542 -22,513
Likelihood ratio test chisq=11,391
(p.value≤2.22e-16)
chisq=11,404
(p.value≤2.22e-16)
chisq=11,395
(p.value≤2.22e-16)
chisq=11,453
(p.value≤2.22e-16)
Observations 37,772

note: 1) '***' significance level 0.1%, '**' significance level 1%, '*' significance level 5%, '‧' significance level 10%
          2) 𝜇: mean of coefficient, 𝜎: standard deviation of coefficient
          3) gender: female=1, male=0, weekend: weekend=1, weekdays=0

모형의 강건성을 검토하기 위해 교차항 계수 추가에 따른 통행시간과 통행비용의 계수 추정치 변화를 살펴본 결과, 통행시간은 -1.1910e-01에서 -9.9669e-02, 통행비용은 -3.2342e-04에서 -2.7264e-04 수준으로, 모형별 계수 추정치의 차이는 최대 약 15% 수준에 불과한 것으로 나타남에 본 연구의 모형 추정 결과는 일정 수준 이상의 강건성을 확보하고 있는 것으로 판단된다.

추정된 계수를 이용하여 항공여객의 통행시간 가치를 산정한 결과, 항공여객의 통행시간가치는 평균 21,874원/인-시로 추정되었다. 이것은 항공여객 1인이 공항에 접근하는 통행시간 1시간을 줄이는 것에 약 21,874원의 지불의사액이 있다는 것을 의미한다. 통행시간 선호에 대한 다양성을 고려하여 통행시간 가치의 범위를 살펴본 결과, 12,733(Q1)-31,015(Q3)원/인-시 수준으로 나타났는데, 이것은 앞서 계수추정에서 살펴본 바와 같이 개인별로 통행시간 1시간을 절감하는 것에 대한 선호가 다양하다는 것을 의미한다. 통행시간 가치의 상대적 비율을 살펴보면 평균값(21,874원/시)을 기준으로 최솟값(12,733원/시)은 약 58%, 최댓값(31,015원/시)은 약 142% 수준이며, 최솟값과 최댓값의 차이는 약 2.4배 수준이다.

사회 ‧ 경제적 특성에 따른 통행시간 가치의 변화를 살펴본 결과, 여성 항공여객의 통행시간가치는 22,493원/인-시로 남성(21,251원/인-시) 대비 약 6% 높게 나타났다. 이러한 원인은 항공기 이용이라는 접근통행의 목적과 성별간 위험에 대한 혐오(risk aversion)의 정도 차이에 따른 것으로 판단된다. 선행연구에 따르면 일반적으로 여성들은 남성에 비해 보다 부드럽고 사회적인 경쟁과 위험을 싫어하는 경향이 있다(Croson and Gneezy, 2009). 항공여객의 접근통행 목적은 항공기 탑승으로, 만약 공항에 예정된 시간보다 늦게 도착할 경우 최종 목적지에서의 스케줄에 차질이 발생한다. 이에 따라 항공여객의 통행시간 가치는 상대적으로 높을 것으로 예상되는데, 여기에 위험(risk) 회피에 대한 여성의 추가적인 지불의사액이 반영되어 여성 항공여객의 통행시간 가치가 남성에 비해 상대적으로 높게 추정된 것으로 판단된다. 다음으로 주말 항공여객의 통행시간 가치는 21,303원/인-시로 주중(22,102원/인-시) 대비 약 4% 낮게 나타났다. 이는 주말과 주중의 업무통행(출장, 비즈니스 등)과 비업무통행(관광, 레저, 친지방문 등)의 비율 차이에 따른 것으로, 주말 통행이 주중 통행 대비 비업무통행의 비율이 높기 때문에 나타난 현상으로 판단된다. 다만 통행시간 가치의 추정 결과에 있어 주말과 주중의 차이는 크지 않은 수준(약 4%)인데, 이러한 원인은 김포공항 이용객 중 높은 비율이 제주도를 목적지로 하기 때문으로 판단된다. 2018년 기준 김포공항의 총 이용객(국내+국제)은 약 2,460만 명이며, 이 중 약 67% (1,640만 명)가 김포-제주 노선 이용객이다. 이와 같이 김포공항은 주중-주말에 구분 없이 비업무(관광 등) 중심의 제주 노선 비율이 전반적으로 높게 나타남에 따라 시간가치가 상대적으로 높은 업무통행의 특성이 반영되기 어려운 측면이 있다. 마지막으로 통행거리별로 살펴보면 통행거리가 길어질수록 통행시간 가치는 점차 증가하는 것으로 나타났다. 이러한 결과는 통행시간(거리) 증가에 따른 피로, 지루함, 불편함의 증가에 따른 것으로, 통행 소요시간(거리)이 길어질수록 통행시간 가치는 증가한다는 국내외 선행 연구(Small, 2012; Yook, 2015; Kim et al., 2003)의 결과와 일치한다. 본 연구에서 추정된 항공여객의 통행시간 가치는 Table 6과 같다.

Table 6. Value of travel time of air-passengers (unit: KRW/hour, Y=2018)

ML1 ML2 ML3 ML4
12,733
21,874
31,015
(Q1)
(mean)
(Q3)
22,493
21,251
(female)
(male)
21,303
22,102
(weekend)
(weekdays)
23,855
25,776
27,697
(10km)
(20km)
(30km)

본 연구의 기본모형(ML1)에서 추정된 항공여객의 평균 통행시간 가치인 21,874원/인-시는 현재 국내 (예비)타당성조사에서 적용 중인 항공여객의 통행시간 가치 대비 약 1.3-1.5배13) 높은 수준이며, 이러한 차이가 발생한 원인은 크게 두 가지로 판단된다. 첫 번째는 통행시간 가치의 추정 방법 차이이다. KDI(2014)는 한계임금율법에 의해 도출된 일반적인 승용차 이용객의 통행시간가치에 승용차 이용객과 항공 이용객의 소득 차이를 비율로 산정하여 적용한 반면, 본 연구에서는 실제 항공여객의 수단선택 행태를 바탕으로 한계대체율법에 따라 산정하였다. 다음으로는 연구의 공간적 범위의 차이이다. KDI(2014)는 전국을 대상으로 자료를 구축한 반면, 본 연구는 상대적으로 소득이 높을 것으로 예상되는 서울특별시를 대상으로 했기 때문이다.

한편 본 연구에서 추정된 항공여객의 통행시간 가치는 선행연구에서 추정한 수도권의 일반적인 승용차 통행시간 가치 대비 높게 나타났는데, 이는 다음과 같은 사유로 판단된다. 첫째, 항공기 이용이라는 통행목적의 특수성 때문이다. 항공여객의 접근통행은 자신이 사전에 예약한 항공기를 탑승하기 위한 것으로, 이때 항공기는 정해진 시간에 반드시 출발하며 만약 늦게 도착할 경우 다음 비행기를 이용하거나 혹은 최악의 경우 항공기를 탑승하지 못할 수 있다. 두 경우 모두 이용객은 시간적, 금전적으로 큰 비용을 지불하게 되며, 최종 목적지에서의 활동에 큰 차질이 발생하게 된다. 이에 따라 공항접근을 목적으로 하는 항공여객은 일반적인 도심의 통행 대비 통행시간 단축에 대한 지불의사액이 높기 때문으로 볼 수 있다. 다음으로는 항공기 이용객의 상대적으로 높은 평균소득의 영향일 수 있다. KDI(2017)에 따르면 가구의 소득이 올라갈수록 항공기를 이용하여 제주도를 방문하는 원단위가 높아지는 것을 알 수 있다. 즉, 이용 요금이 비싼 항공기를 이용하는 사람은 상대적으로 고소득자일 가능성이 높으며, 이로 인해 항공여객의 통행시간 가치가 상대적으로 높아질 수 있다. 본 연구에서 추정된 항공여객의 통행시간 가치를 선행연구와 비교한 결과는 Table 7과 같다.

Table 7. Comparison of value of travel time (unit: KRW/hour-person, Y=2018)

ML1 Air-passengers Auto (Seoul metropolitan area)
Pre-feasibility study (KDI) Pre-feasibility study (KDI) Kim et al.(2017)Kim et al.(2014)
21,874 (mean) 15,132
14,399
16,638
(domestic)
(domestic/Jeju)
(international)
12,295 9,044-21,876 4,374-7,113

결론

본 연구에서는 김포공항을 이용하는 항공여객의 1개월 간 접근수단 선택자료를 활용하여 항공여객의 통행시간 가치를 추정하였다. 그 결과, 통행시간과 통행비용은 공항의 접근수단 선택에 통계적으로 유의한 영향을 미치는 것으로 나타났으며, 항공여객의 통행시간 가치는 평균 21,874원/인-시로 추정되었다. 이는 공항부문 사업의 (예비)타당성조사에서 개략적으로 산정하여 활용 중인 1인당 평균 통행시간 가치인 14,399-16,638원/인-시 대비 약 1.3-1.5배 수준이며, 일반적인 승용차 이용객의 통행시간 가치에 비해서도 높은 수준이다.

최근 국내에서는 다수의 대규모 공항 인프라 구축 사업이 추진되고 있으나, 이러한 공항계획의 타당성에 지대한 영향을 미치는 항공여객의 통행시간 가치 산정과 관련된 연구는 거의 없는 실정이다. 본 연구는 공항계획 및 경제적 타당성 판단에 핵심요소로 활용되지만 그 동안 관련 자료의 한계 등으로 인해 관련 연구가 미진하였던 항공여객의 통행시간 가치를 대규모의 실제 항공여객 통행행태 자료를 활용하여 추정한 것에서 그 의의를 찾을 수 있다. 그리고 본 연구에서 도출된 결과는 향후 항공여객의 특성과 행태를 고려한 통행시간 가치 산정 및 반영을 위한 다양한 연구가 필요하다는 점을 시사한다. 또한 본 연구에서 확인된 김포공항 이용객의 접근행태는 도심에 위치한 김포공항의 접근교통망 개선을 통한 경쟁력 강화 및 이용객 편의 개선 등에도 활용될 수 있을 것이다.

본 연구는 이동통신 자료를 활용하여 항공여객이 실제 체감하는 통행시간 가치를 추정하기 위해 노력하였으나 연구의 공간적 범위 및 자료의 특성 등으로 인해 (예비)타당성조사에 직접적으로 활용하기에는 일부 한계가 있다. 첫 번째는 연구의 공간적 범위를 서울특별시와 김포공항으로 한정한 점으로, 지역별 인구 구성, 소득, 접근수단 선택 용이성 등의 차이가 통행시간 가치에 영향을 미칠 수 있다. 다음은 항공여객에 대한 세분화의 한계이다. 본 연구에서 활용된 김포공항 이용객은 이용노선(국내선 및 국제선)과 통행목적(출장, 여행 및 여가, 친지방문 등)이 혼재되어 있을 것으로 예상되며, 이러한 통행특성이 통행시간 가치에 영향을 미칠 수 있다. 마지막은 통신자료 적용 관련 한계로, 해당 자료를 이용한 개인의 통행시간 및 경로 추적하는 과정에는 일부 기술적인 한계가 존재한다. 향후 전국을 대상으로 세분화된 통행목적별 분석, 동일한 자료를 바탕으로 공항이용 여부에 따른 통행시간 가치의 유의미한 차이 검토 등과 같은 항공여객 행태 파악을 위한 다양한 연구가 진행된다면 이용객에게 편리함과 쾌적함을 제공할 수 있는 공항계획 및 항공정책의 수립은 물론 보다 효율적이고 적절한 의사결정 과정에도 도움이 될 것이다.

 

1)예비타당성조사 지침(제3판)에서는 공항부문 사업의 주요 편익항목으로 항공기 운항비용 절감편익, 여객 통행시간 절감편익 등 총 5개 항목을 제시하고 있으며, 이 중 항공여객의 통행시간 가치가 활용되는 항목은 3개이다.
2)국내에서 공항부문 사업의 타당성조사에 활용되는 지침으로는 예타지침 제3판 외에 교통시설투자평가지침(제6판)이 있으며, 해당 지침에서 항공여객의 통행시간 가치는 예타지침 제3판을 준용토록 하고 있다.
3)일반적으로 로그정규분포는 우측으로 발생하는 긴 꼬리로 인해 WTP 추정 시 적합하지 않다고 알려져 있으며, 본 연구의 자료를 활용하여 삼각분포로 추정한 결과, 모형의 유의성과 계수의 추정치, 평균통행시간 가치가 정규분포와 유사하게 추정되었다.
4)Revelt and Train(1999)에 따르면 혼합로짓모형에서 Random parameter가 많아질 경우 추정 결과가 불안정해지는 경향(a tendency to be unstable)이 있으며, 통행비용 변수를 Random parameter로 추정할 경우 WTP 추정 시 두 변수의 분포를 모두 고려해야 하므로 계산상에 어려움이 발생할 수 있는 점을 감안하였다.
5)Halton sequence를 기준으로 50회, 100회, 200회, 500회 시뮬레이션을 수행한 결과, 200회 이상 시뮬레이션 수행 시 계수의 추정치가 소수점 아래 다섯째 자리에서 동일하게 추정되었다.
6)KDI(2012)의 연구결과에 따라 산정된 통행시간 가치를 현재 (예비)타당성조사에서 적용 중에 있다.
7)예를 들면, 동일한 강남구 내에서도 서쪽에 위치한 역삼동과 동쪽에 위치한 일원동은 김포공항의 접근 시간에 있어 큰 차이가 발생할 수 있으므로, 이용 수단 기준의 본인 통행시간과 자치구 평균통행시간 차이를 활용해 동일한 자치구 내에서 개인의 위치적 특성을 고려할 수 있다.
8)유류세 한시적 인하 관련 참고자료(기획재정부 보도자료, 2018.10)에 제시된 휘발유의 유류세+부가가치세 비율을 적용하였다.
9)주차요금은 한국공항공사 내부자료이며, 본 연구에서 통행비용은 편도를 기준으로 하므로 주차요금은 절반을 반영하였다.
10)김포공항 마스터플랜 재정비(KAC, 2013).
11)로짓모형에서 설명변수간 상관관계가 높은 경우 설명변수의 기여도 과대평가 및 계수의 신뢰도 저하 우려가 있다(Ryu, 2008).
12)일반적으로 로짓모형에서 R2는 0.2에서 0.4 사이일 경우 매우 좋은(excellent) 추정치를 의미한다고 알려져 있다.
13)예비타당성조사 지침의 항공여객 시간가치가 노선별로 상이한 것은 노선별 업무와 비업무 통행의 비율이 상이하기 때문이다.

References

1 

Bhat C. (2001), Quasi-random Maximum Simulated Likelihood Estimation of the Mixed Multinomial Logit Model, Transportation Research Part B, 35, 677-693.

10.1016/S0191-2615(00)00014-X
2 

Chang J. S., Park K. (2010), Estimation of the Value of Walking Travel Time by Meta-analysis, Journal of Transport Research, The Korea Transport Institute, 17(1), 13-22.

10.34143/jtr.2010.17.1.13
3 

Chung Y. S., Nam S. G., Song T. J. (2018), A Travel Time Budget Estimation Using a Mobile Phone Signaling Data, Journal of Korean Soc. Civil Engineers, 38(3), Korean Society of Civil Engineers, 457-465.

4 

Croson R., Greezy U. (2009), Gender Differences in Preferences, Journal of Economic Literature, 47(2), 448-474.

10.1257/jel.47.2.448
5 

Federal Aviation Administration (2007), Economic Values for FAA Investment and Regulatory Decision, a Guide.

6 

Hensher D., Greene W. (2001), The Mixed Logit Model: The State of Practice and Warnings for The Unwary, University of Sydney.

7 

Hensher D., Rose J., Greene W. (2005), Applied Choice Analysis A Primer, Cambridge University Press.

10.1017/CBO9780511610356
8 

Kim I. K., Kim K. S., Kim H. C. (2005), Model Specification and Estimation Method for Traveler's Mode Choice Behavior in Pusan Metropolitan Area, J. Korean Soc. Transp., 23(3), Korean Society of Transportation, 7-19.

9 

Kim K. H., Lee J. H., Yun I. S. (2017), Calculation of Travel Time Values in Seoul Metropolitan Area Considering Unique Travel Patterns, J. Korean Soc. Transp., 35(6), Korean Society of Transportation, 481-498.

10.7470/jkst.2017.35.6.481
10 

Kim S. J., Jung C. Y., Shon E. Y., Kim J. Y., Ko C. S. (2014), Estimating the Value of Travel Time for Toll Road Demand Forecast, The Korea Spatial Planning Review, 82, Korea Research Institute for Human Settlements, 37-47.

10.15793/kspr.2014.82..003
11 

Kim T. H., Lim Y. T., Lee H. K., Ko Y. S., Yang I. S., Ryu K. H. (2003), The Value of Travel Time for Toll Roads, Korea Research Institute for Human Settlements.

12 

Korea Airports Corporation (2013), Gimpo International Airport Master Plan.

13 

Korea Development Institute (2012), A Study for Value of Travel Time for Pre-feasibility Study.

14 

Korea Development Institute (2014), A Study for Revising the Guideline of Pre-feasibility Study for Airport Projet (3rd edition).

15 

Korea Development Institute (2017), A Pre-feasibility Study for Jeju International Airport.

16 

Korea Development Institute (2019), A Guideline for Pre-feasibility Study(2019-1).

17 

Korea Transport Institute (2008), An Improved Methodology for Estimating Benefits in the (Preliminary) Feasibility Study.

18 

Lee J. H. (2009), A Development of Intercity Travel Mode Choice Model for High-Speed Rail Demand Analysis, Journal of Transport Research, The Korea Transport Institute, 16(2), 26-40.

10.34143/jtr.2009.16.2.27
19 

Revelt D., Train K. (1999), Customer-specific Taste Parameters and Mixed Logit, Working Paper, Department of Economics, University of California.

20 

Ryu S. K. (2008), Effects of Multicollinearity in Logit Model, J. Korean Soc. Transp., 26(1), Korean Society of Transportation, 113-126.

21 

Small K. (2012), Valuation of Travel Time, Economics of Transportation, 1, 2-24.

10.1016/j.ecotra.2012.09.002
22 

Train K. (2009), Discrete Choice Methods with Simulation 2nd Edition, Cambridge University Press.

23 

Yook D. H. (2015), Study on Improving Economic Benefit Assessment Methodology of Roadway Investment Through Valuing Time by Travel Time Journey Length, Korea Research Institute for Human Settlements.

24 

Yu J. W. (2018), Outbound Air Travelers' Airport Choice Model Using Aggregate Observation Data, J. Korean Soc. Transp., 36(5), Korean Society of Transportation, 392-401.

10.7470/jkst.2018.36.5.392
페이지 상단으로 이동하기