Article

Journal of Korean Society of Transportation. 29 February 2020. 1-13
https://doi.org/10.7470/jkst.2020.38.1.001

ABSTRACT


MAIN

  • 서론

  • 선행연구 검토

  •   1. PM 관련 연구 검토

  •   2. 수단선택에 미치는 영향요인에 관한 연구 검토

  •   3. 기존 연구와의 차별성

  • 조사 개요 및 자료의 수집

  •   1. 설문조사 개요

  •   2. SP 조사표의 설계

  •   3. 네트워크 분석을 통한 자료 구축

  • PM 공유서비스 이용의향에 관한 분석

  •   1. PM 공유서비스 활성화에 따른 도시철도 이용의향

  •   2. 다수준 순서형 로짓 모형(Multilevel Ordered Logit Model)

  •   3. 변수의 설정

  •   4. PM 공유서비스 이용의향의 영향요인 분석

  • 결론

서론

수년 전부터 정부는 접근성 및 이동성 향상과 승용차 이용을 녹색 교통수단으로 전환시키기 위한 실천방안으로 자전거 공유서비스를 도입하였다. 이후 2010년부터 활성화되기 시작했고 현재 주요 도시의 근거리 이동수단으로 자리 잡아 여러 도시에서 성공적으로 자전거 공유 시스템을 운영하고 있다. 하지만 도보 및 자전거 이용에 경사는 부정적인 영향을 미치며(Rodrı́guez and Joo, 2004), 지형적으로 주거지역 경사가 높은 부산광역시는 자전거 이용이 활성화되고 있지 않다.

최근에는 전기를 동력으로 한 개인형 교통수단(Personal Mobility, PM)이 도로 내에서 주목받고 있으며, Kim(2017)은 2022년 국내의 PM 시장 규모가 30만대에 이를 것으로 예상하였다. 이는 도로 내의 승용차 통행을 상당량 대체하고, 전기동력을 이용하고 있어 도로혼잡 감소, 환경 영향 저감 등 잠재적인 이점을 제공한다(Ulrich, 2005). 이처럼 PM을 통해서 이동성 및 접근성 제고와 공공교통 이용률 증가를 기대할 수 있어 실제로 개인 및 지역 특성이 어느 정도 PM 선택에 영향을 미치는지 등에 대한 세부적인 연구가 필요하다고 판단한다.

본 연구는 도시철도 연계 교통수단으로써 도크리스(dockless) 형태의 PM 공유서비스 도입을 가정한 가상의 시나리오를 구축하여 개인의 선호의식 조사를 실시한 후, 선호의식에 영향을 미치는 개인 속성, 통행특성, 지역 특성에 대해 검토하였다. 연구의 범위는 부산광역시를 중심으로 하되 도시철도의 영향력이 낮을 것으로 판단되는 강서구, 영도구, 기장군을 제외한 부산시민을 대상으로 설문조사 하였으며, 경사 및 이동 거리 변수 확보를 위해 네트워크 분석을 하였다. 또한, 지역에 관한 공공데이터를 변수로 활용하여 개인 및 지역의 위계 구조가 나타남에 따라 다수준 순서형 로지스틱 회귀분석을 통해 PM 공유서비스 이용의향에 관한 분석을 실시하였다. 데이터 가공 및 분석에는 SPSS 25, StataMP 15, ArcGIS 10.3.1을 사용하였다.

한편, 크기 및 속도에 따라 다양한 종류의 PM이 존재하고 있으며 특징에 따라 법률상의 분류가 달라 운행의 자격 및 사용방법에 차이가 있다. 이에 따라 본 연구에서는 전기를 동력으로 한 최고속도가 25km/h 미만인 1인용 이동수단인 전기자전거와 전동킥보드를 PM으로 정의하여 연구를 진행하였다.

선행연구 검토

1. PM 관련 연구 검토

대도시 도심부에서 이동성 향상을 위해 대량의 도로건설은 어려운 상황이라 PM과 같은 새로운 수단의 공급이 요구되고 있다. 특히, PM의 적극적 도입은 구체적으로 대중교통 결절 지점까지 접근성을 높여 수단선택 시에 승용차에서 공공교통으로 전환할 가능성을 높여줄 것으로 보인다. Dowling et al.(2015)은 PM을 통한 실험을 진행한 결과, PM 사용자의 일평균 이동 거리의 증가와 다른 도로 이용자와의 상호작용 필요성을 발견하였다. Ulrich(2005)는 단거리 승용차 이용은 1km당 US $1만큼 도시환경에 상당한 사회적 비용이 초래되는 문제점을 부각하며, PM은 사람의 이동범위를 10km까지 확대해 이동에 경제성을 제공하며, 교통약자들을 위한 교통수단으로 활용될 수 있음을 전망하였다. 아울러 Shaheen and Finson(2003)은 차량을 이용한 근거리 이동을 대체함으로써 단일차량의 점유를 줄여 도심의 혼잡감소와 유해 배출물 저감에 효과적이므로 환경적이라고 평가하였다. 또한, 공유서비스는 두 가지 형태로 제공될 수 있다. 국내에서 운영되던 기존의 공유자전거는 스테이션이 있는 형태였으나, 최근에는 비고정형(dockless) 형태로 서비스가 제공되고 있다. 초기 구축비용이 낮고, 유지관리가 편리하며, 접근성이 뛰어나다는 장점을 갖고 있으나 이를 고려한 연구는 부족한 실정이다.

하지만 PM을 이용한 통행 확산에 따라 사고 등 여러 가지 문제가 발생함에 따라서, 국내에서는 PM 이용과 관련한 시민의식조사와 법적 개선방안 및 평가지표와 관련된 연구가 대부분 진행되어왔다. 공유공간에서의 PM 통행은 일반 도로 이용자들에게 민감한 반응을 일으켰으며, 특히 보행자가 느끼는 위험 인식이 제일 크게 나타나, PM의 사용에 관한 장소와 속도에 대한 명확한 규제가 필요함을 시사하고 있다(Myeong et al., 2016; Hasegawa et al., 2018; Ji et al., 2018). 아울러 이동을 위한 PM은 자전거도로를 이용한 통행이 가장 적절하다고 주장하였으며, 특히 Myeong et al.(2016)은 PM 이외에도 여러 신교통수단이 등장하고 있어, 자동차와 보행자의 이분법적인 현재 구조에 대한 법적 개선의 필요성을 강조하였다. 이러한 선행연구들은 PM 도입은 긍정적 효과와 더불어 이용방법에 따른 안전상 부정적인 문제점을 시사하고 있다.

2. 수단선택에 미치는 영향요인에 관한 연구 검토

일반적으로 통행자의 행태와 관련한 특성변수인 통행특성, 통행자 특성, 가구 특성, 지역 특성 등으로 교통수단선택 요인을 정리할 수 있으며, 이와 더불어 교통수단특성을 정책변수로써 서비스 평가를 할 수 있다(Won, 2015). 아울러 Lim(2017)은 단거리 혹은 접근 교통수단인 보행 및 자전거는 상시적으로 발생하고 늘 사회적 편익이 존재해 교통인프라 간 연계와 통합의 중요성을 주장하였다. 또한, 차내시간보다 차외시간이 주 교통수단선택에 더 많은 영향을 미치고 있기 때문에(Jung and Kim, 2000), 접근성도 중요한 요인 중 하나임을 알 수 있다. 하지만 대부분 수단선택모형은 통행자 및 통행특성을 반영한 모형 구축에 그치고 있어 접근성 및 지역 특성을 고려한 연구는 부족한 실정이다.

PM의 선호 요인에 관한 연구가 많지 않아 공유자전거 선택에 미치는 다양한 영향요인을 살펴보았다. Kim et al.(2019)은 스테이션이 없는 공유자전거의 통행특성을 파악한 바, 공유자전거의 평균 이용시간은 12-13분으로 주로 4-4.5km의 거리를 통행하는 것으로 나타났다. 또한, 대중교통의 연계교통수단으로써 First-Mile-Mobility, Last-Mile-Mobility로 활용가능성에 대해서 시사하고 있었다. 반면에 Sa and Lee(2018)은 스테이션이 있는 공유자전거의 대여 및 반납에 미치는 영향요인을 검토하였으며, 공통적으로 물리적 환경 특성인 평균 경사가 낮을수록, 자전거우선도로와 대학교가 존재할수록 공공자전거의 대여 및 반납에 정(+)의 영향을 미쳤다.

도보를 활용한 통행시간은 평균 0.8km인 것으로 나타났으며(Yoo et al., 2018), 도보 및 자전거의 선택요인으로 통행목적별에 관계없이 지하철역 접근시간이 길어질수록 도보 및 자전거의 선택에 정(+)의 영향을 나타냈으며(Kim et al., 2015), 도로율은 높아질수록 자가용 대비 부정적인 영향을 미치고 있었다(Shin, 2004). Rodrı́guez and Joo(2004)는 지역의 물리적인 환경이 도보 및 자전거의 선택에 영향을 미치는 것을 밝혀냈으며, 그에 대한 결과로 높은 경사는 부(-)의 영향, 보도 이용가능성이 높을수록 정(+)의 영향, 높은 네트워크의 연결성이 정(+)의 영향을 나타냄을 확인하였다.

Cherry and Cervero(2007)의 연구에 따르면 남성일수록, 나이가 많을수록, 이동시간이 증가할수록, 전기자전거를 보유할수록 전기자전거의 선택에 긍정적인 영향을 미치고 있었다. Campbell et al.(2016)은 기존의 수단에서 공유자전거 혹은 전기자전거로 전환하는 선택요인 중 환경 및 기후와 관련한 연구를 진행하였다. 연구에 따르면, 공유자전거는 주행거리의 증가, 높은 기온, 높은 강수량, 나쁜 대기질에 부정적인 영향을 받았고, 반면에 전기자전거는 기존보다 더 먼 거리의 통행, 높은 기온, 대기질에는 관대하게 나타났으나 강수량에는 부정적인 것으로 나타났다. 수단선택과 관련한 선행연구는 다양한 접근 및 지역 특성이 연계교통수단에 영향을 미치고 있음을 주장하며, 추가적으로 환경적 요인의 영향도 시사한다.

3. 기존 연구와의 차별성

본 연구는 PM 공유서비스 이용의향에 관한 영향요인을 파악함에 있어서 기존의 선행연구와 다음과 같은 차별성을 가진다. 첫 번째로, 도시철도 연계교통수단 즉, 이동의 보조수단으로써 PM 공유서비스 도입을 검토하였다. 우선, 기존 선행연구에서 PM의 확산에 따라 필요성이 강조되는 부분인 법적 개선방안 및 이용방법에 대한 부분을 변수로 반영하였다. 제도적 측면에서 PM의 사용은 원칙적으로 차도에서만 허용하고, 일부 장치를 제외한 PM에 대해서는 원동기장치자전거 면허를 요구하고 있어 이용에 제약이 발생한다. 국내의 이용 상황과 대조적으로, PM은 이용이 편리하고 전기동력으로 환경적이며 주차문제 해결 등 강점을 지닌다. 특히, 본 연구의 공간적 범위인 부산광역시는 좁은 골목 및 경사진 지형을 가지고 있으며, 도시철도 중심의 대중교통체계로 개편을 계획하고 있어 이동의 보조수단으로써 PM 공유서비스의 도입은 도시철도 이용률을 높이는 것에 중요한 역할을 할 것으로 판단된다. 아울러 도크리스 형태의 공유서비스 운영에 대한 연구가 부족한 현 상황을 고려하여, 도크리스(dockless) 형태의 PM 공유서비스 도입을 가정한 가상의 시나리오를 설계하였다.

두 번째로, PM 이용의향에 미치는 영향요인으로 공급에 따른 특성과 접근 및 지역 특성을 반영하여 도출하고자 한다. 이와 관련한 변수는 이동 거리, 경사, 버스정류장의 접근성, 네트워크의 연결성 등으로 나타났다. 개인특성 이외에도 지역적인 차이가 수단선택에 영향을 미치고 있어 PM 공유서비스의 도입에 있어서 요인으로 고려할 필요성을 확인하였다. 도시철도를 이용하는 상황에서, 시민들은 주로 PM 공유서비스의 이용의향에 개인 속성 및 통행특성에 의해 선택에 영향을 받게 될 것이며, 더 나아가 지역의 환경에도 영향을 받게 될 것이다. 이러한 연구의 방향에 따라 위계를 가지는 요인의 특징에 따라서 표본들이 서로 의존성을 보일 것으로 판단되기 때문에 위계 구조를 달리하는 다수준 모형을 활용하여 PM 공유서비스 이용의향에 미치는 영향요인에 관한 모형을 구축하였다. 또한, 이동 거리 및 경사의 수집을 위해 응답자의 출발지를 활용한 네트워크 분석을 통해 자료의 정확도를 높였다.

조사 개요 및 자료의 수집

1. 설문조사 개요

본 연구는 PM 공유서비스 도입이 도시철도 연계교통수단에 미치는 영향을 파악하기 위해 이용의향에 관한 분석을 통해서 PM 공유서비스가 도시철도에 미치는 영향 및 PM 공유서비스 이용의향에 미치는 영향요인을 파악하고자 한다. 이에 따라 도시철도 운영의 영향력이 약한 것으로 판단되는 강서구, 영도구, 기장군을 제외한 부산광역시에 거주하는 20세 이상 부산시민을 대상으로 설문조사 전문 업체를 통해 2019년 5월 3일부터 2019년 5월 22일까지 총 20일간 인터넷 설문조사를 실시하였다. 보행의 평균 거리가 0.8km이며(Yoo et al., 2018), 공유자전거의 이용시간이 평균 12-13분인 점(Kim et al., 2019)을 고려하여 PM 공유서비스 이용의향이 거의 없을 것으로 판단되는 출발지와 도시철도역까지의 편도 통행시간이 5분 미만인 집단에 대해서는 되도록 조사에서 제외하였으며, 아울러 응답자의 주거지가 동별로 고른 분포를 띄도록 조사하였다. 조사의 내용은 개인특성, 통행특성, 공급특성을 반영한 PM 공유서비스 이용의향으로 구성하였으며, PM 공유서비스에 대한 응답자의 이해를 돕기 위해서 PM 및 공유서비스에 관한 개념 설명을 설문지에 포함하였다. 그 결과 유효부수는 전체의 98.8%로 나타났다. 구체적인 설문조사의 개요는 Table 1과 같다.

Table 1. Ouline of survey

Classification Contents
Survey method Using internet research company
Date 2019. 5. 3. - 2019. 5. 22.
Respondent Citizens of Busan excluding Gangseo-gu, Yeongdo-gu, and Gijang-gun
Survey contents Personal attributes, Trip attributes, Intention to use PM shared services (total 19 contents)
Validity of survey 598 (591 available)

2. SP 조사표의 설계

선호의식(Stated Preference, SP)기법은 개인에게 가상의 통행 시나리오를 제시하고 선호도를 찾는 기법으로 정의할 수 있다(Fowkes and Wardman, 1988). 분석가가 제시하는 가상의 대안은 대부분 서비스나 특성으로 표현되고 현재 상황에 근거하고 있으며, 특히 인자와 수준의 결정 등 실험계획법으로 조합되어 각각의 대안에 대해 응답자들은 선호를 표시하게 된다(Kim and Jo, 2006). 이러한 방식으로 PM 공유서비스의 이용의향에 대해서 조사가 진행되며, PM의 이용의향에 영향을 미치는 주요 특징으로 날씨, PM의 도로 내 이용 위치, PM 공유서비스 이용요금의 3가지를 공급특성변수로 선정하였다. 변수의 수준을 결정하기 위해서 현황 및 특징을 파악하였으며, 이를 반영하여 수준 설계를 하였고 내용은 Table 2와 같다.

Table 2. Variable setting level

PM specific characteristics Unit Level 1 Level 2 Level 3
Weather - Sunny Rain -
Road to allow PM - Bicycle roads allowed Road (current maintenance) -
Fare 100won/10min 5 10 15

이렇게 설정된 3수준인 1개의 요인과 2수준인 2개의 요인에서 총 12가지의 조합 수가 나타나며, 응답의 용이함을 위해 SPSS의 직교계획을 사용하여 Table 3의 8가지의 시나리오를 생성하였다. 부분배치계획은 질문 수를 줄이는 일반적인 방법이며, 속성변수 간의 주효과는 측정하지만 일부 또는 전부의 교호작용은 무시할 수 있다는 가정하에 작성된다(Kim and Jo, 2006).

Table 3. Scenario

Scenario No. Road to allow PM Fare Weather
1 Road (current maintenance) 5 Rain
2 Road (current maintenance) 15 Sunny
3 Bicycle roads allowed 15 Rain
4 Bicycle roads allowed 5 Sunny
5 Bicycle roads allowed 10 Sunny
6 Road (current maintenance) 10 Rain
7 Bicycle roads allowed 5 Rain
8 Road (current maintenance) 5 Sunny

3. 네트워크 분석을 통한 자료 구축

설문조사를 통해서 응답자의 출발지와 도시철도 역 간의 통행시간을 조사하였으나, 연계교통수단에 따라서 같은 거리에도 시간이 다르게 나타날 수 있어, 정확한 분석을 위하여 이동 경로를 구하였다. 이동 경로를 구하기 위해서 한국지역정보개발원(KLID)에서 제공하는 도로중심선 자료와 Arcmap10.3.1을 활용하여 출발지와 가까운 도시철도 역 간의 네트워크 분석을 실시하였다. 본 연구에서 활용된 도로중심선 자료의 경우, 교차로와 관계없이 폴리라인(polyline)이 생성되어 보정이 필요했으며, 이에 따라 교차되는 폴리라인의 분할, 자르기 및 연장하기(trim 및 extend) 등의 기능을 활용해 보정하였다. 또한, PM의 수단 특징을 고려하여 자동차 전용도로는 제거하였다. 다만, 도로중심선 자료에 제공되지 않는 국지도로, 이면도로 등의 도로에 대해서는 분석대상에 포함되지 않는다. 네트워크 분석은 ArcGIS의 Closest Facility를 활용하였으며, 네트워크 분석결과는 Figure 1로 나타나며, 응답자별 출발지와 도시철도 역 간의 이동 경로를 볼 수 있다. 경로와 수치지형자료를 활용하여 실제 지형을 반영한 이동 거리, 경로의 평균 경사를 구하였다.

http://static.apub.kr/journalsite/sites/kst/2020-038-01/N0210380101/images/kst_38_01_01_F1.jpg
Figure 1.

Routes each respondent between departures and urban railway stations

PM 공유서비스 이용의향에 관한 분석

1. PM 공유서비스 활성화에 따른 도시철도 이용의향

설문조사 시, ‘향후 도시철도 연계교통수단으로 전기이동수단 공유서비스가 활성화된다면, 도시철도를 이용하시겠습니까?’의 문항을 통해 PM 공유서비스의 활성화가 도시철도 이용에 어떠한 영향을 미치는지 간략하게 파악하였다. 주 교통수단으로 도시철도를 이용하는 응답자를 제외하고 PM 공유서비스 활성화에 따른 주 교통수단별 도시철도 이용의향설문결과는 Table 4를 통해서 나타내었다.

Table 4. Intention to use urban railways according to main transportation by activating PM sharing service

Classification Intention to use Total
No Yes
Main transportation Bus Freq. 42 120 162
Ratio 25.9 74.1 100.0
Car/Taxi Freq. 69 113 182
Ratio 37.9 62.1 100.0
Two-wheeled vehicle/Walk/etc. Freq. 16 28 44
Ratio 36.4 63.6 100.0
Total Freq. 127 261 388
Ratio 32.7 67.3 100.0

주 교통수단으로 버스를 이용하는 사람 중 74.1%가 이용의향이 있다고 답했으며, 자가용 및 택시를 주로 이용하는 사람 중 62.1%가 전환 의사가 있다고 응답하였다. 특히 시내버스 및 마을버스는 도시철도에 비해서 정시성, 쾌적성 등의 측면에서 열악하며, 이에 대한 상황이 반영되어 주 교통수단이 버스인 응답자들이 긍정적으로 응답한 것으로 판단된다. 출발지에서 도시철도역까지의 접근성이 개선될 때, 버스, 자가용 혹은 택시를 주 교통수단으로 이용하는 사람들은 도시철도로 전환 의사가 있는 것을 확인할 수 있다. 이러한 결과를 바탕으로 PM 공유서비스를 활용한 도시철도 접근성의 개선은 도시철도 이용률 향상의 결과를 기대할 수 있다.

2. 다수준 순서형 로짓 모형(Multilevel Ordered Logit Model)

본 연구는 개인과 지역의 위계 구조를 가지는 자료를 활용하여 분석하였으며, 위계 구조를 가지는 자료의 경우 같은 위계의 자료에 대해서는 집단, 지역, 목적 등에 따라 그러한 환경의 영향을 받아 서로 유사하거나 동질적 특성이 나타나며, 서로 의존성을 가져 이를 반영할 필요가 있다(Lee and Roh, 2012). 이에 따라서 본 연구에서는 2수준 모형을 적용한 다수준 순서형 로지스틱 회귀모형을 활용하였다. 모형 구축에 앞서, 고정효과를 하나도 투입하지 않은 무조건부모형(Unconditional Mean Model)으로 종속변수의 총 분산의 구성요소로써 각각의 수준별로 분산을 추정한다. 이때 집단 내 상관(Intraclass Correlation, ICC)값을 파악할 수 있으며, 이는 종속변수의 총 분산 가운데 2수준 분산 값이 차지하는 정도를 나타내며, Equation 1을 통해 살펴보면 2수준인 지역 간 분산(σu02)을 지역 및 개인 간 분산의 합(σu02+σe2)으로 나눈 값을 의미한다. 단, 종속변수가 순서를 가지는 다수준 순서형 로짓 모형에서는 1수준의 오차항이 로짓 분포를 따름을 가정하고 있어, 1수준은 확률, 2수준은 로지스틱 계수가 적용되므로, 1수준의 오차항의 평균은 0, 분산은 π2/3(3.286)로 고정되어 나타난다(O’Connell and Doucette, 2007; Jang and Lim, 2013).

$$ICC=\frac{\sigma_{u0}^2}{\sigma_{u0}^2+\sigma_e^2}=\frac{\sigma_{u0}^2}{\sigma_{u0}^2+\pi^2/3}$$ (1)

ICC 값은 수준별로 투입되는 설명변수들이 종속변수의 분산을 얼마나 설명하는지에 대한 기준이 되기 때문에 본 분석에서 중요하다고 판단할 수 있으며, 이는 비율이 낮을수록 2수준의 집단 간 차이가 크지 않음을 말해주기 때문에 모형을 사용할 타당성이 적음을 시사한다(Lee and Roh, 2012). 다수준 순서형 로짓 모형의 구체적인 식에 대해서 1수준(개인수준)은 Equation 2를 통해서 2수준(지역수준)은 Equation 3을 통해서 확인할 수 있다. 1수준의 ηkij는 k번째 누적 비교에 대한 j번째 지역의 i번째 사람에 대한 로짓 예측이며, Equation 3에서 uqj는 오차항이며, Wsj는 임의계수의 추정치로 1수준의 계수와 다르게 나타나며, γ는 고정회귀계수를 의미한다(O’Connell and Doucette, 2007).

$$1\mathrm{수준}:\;\eta_{kij}=\log(Y'_{kij})={\log}\left(\frac{P(R_{ij}\leq k)}{P(R_{ij}>k)}\right)=\beta_{0j}+\sum_{q=1}^Q\beta_{qj}X_{qij}+\sum_{k=2}^{k-1}D_{kij}\delta_k$$ (2)
$$2\mathrm{수준}:\;\beta_{qj}=\gamma_{q0}+\sum_{s=1}^S\gamma_{qs}W_{sj}+u_{qj}$$ (3)

3. 변수의 설정

PM 공유서비스 이용의향을 종속변수로 선정하였으며, 주요 변수는 PM 공급특성, 개인 속성, 통행 특성, 지역 특성으로 구성하였다. 구체적인 변수에 대한 설명과 기초통계량은 Table 5에 기술하였으며, 지역 특성자료는 2018년 부산시 행정동 별 버스정류장 밀도, 횡단보도 밀도, 인구밀도, 도로율을 구축하여 2수준의 독립변수로 활용하였다.

Table 5. Variable descriptions and basic statistics

Classification Freq. % Mean Std. error Min Max
Dependent
variable
Intention to use PM
shared services
1=never use 1456 30.8
2=rarely use 2056 43.5
3=generally use 1012 21.4
4=must be use 204 4.3
Independent
variable
PM specific
characteristics
Road to
allow PM
1=bicycle roads allowed 2364 50.0
2=road (ref.) 2364 50.0
Weather 1=sunny 2364 50.0
2=rain (ref.) 2364 50.0
Fare (100won/10min) 4728 100.0 8.75 4.15 5.00 15.00
Personal
characteristics
Age 1=under 40s 2160 45.7
2=40s and above (ref.) 2568 54.3
Occupation 1=professional/related-worker 624 13.2
2=manager/office-worker 1616 34.2
3=service/sales workers 576 12.2
4=student/full-time-housewife/
unemployed
1592 33.7
5=etc. (ref.) 320 6.8
Income 1=under 3million won 2896 61.3
2=over than 3million won (ref.) 1832 38.7
Trip
characteristics
Connecting
mode
1=walk/bicycle 2960 62.6
2=bus/car/taxi/etc. (ref.) 1768 37.4
Trip purpose 1=commute/commute to school 1960 41.5
2=business 712 15.1
3=leisure/shopping/etc. (ref.) 2056 43.5
Trip length (km) 4728 100.0 0.00 0.84 -0.98 4.03
Slope (%) 4728 100.0 0.00 7.45 -5.95 39.38
Local characteristics Bus station density (ea/km2) 4728 100.0 -6.85 31.12 -51.71 137.71
Crosswalk density (ea/km2) 4728 100.0 0.45 11.02 -11.55 53.76
Population density (1000people/km2) 4728 100.0 1.51 8.03 -12.56 21.61
Road (km2/km2) 4728 100.0 -0.76 6.59 -12.84 19.47

변수의 분포를 고려하여 데이터를 분류하고, 상호작용 분석을 위해 연속형 변수인 경사, 도시철도까지 편도 거리, 횡단보도 밀도, 버스정류장 밀도, 인구밀도, 도로율에 대해서는 평균중심보정(Mean Centering) 하였다. 유효한 표본의 수는 591이나, 8개 시나리오를 통해 수집된 종속변수의 데이터 코딩 방법에 따라 총 표본 수는 4728 (591×8)개로 구성되었다. 대부분 자료는 설문조사를 통해서 수집하였으며, 경사와 인구밀도를 비롯한 지역특성 자료는 부산광역시 통계연보, 국가공간정보포털(NSDI), 국가교통데이터베이스(KTDB), 한국지역정보개발원(KLID)에서 수집하였다.

4. PM 공유서비스 이용의향의 영향요인 분석

분석에 앞서 변수 간의 다중공선성(Multicollinearity) 여부를 판단하기 위해서 VIF (Variance Inflation Factor) 검증을 실시하였다. VIF 값이 10 이상인 변수에 대해서는 다중공선성이 존재하는 것으로 판단하며, 검증결과 VIF 값이 모두 5 이하로 나타나 독립변수 간 다중공선성은 없는 것으로 판단하였다.

구체적인 모형의 결과는 Table 6과 같으며, 모형은 상향식으로 추정하였다. Model 1을 통해서 PM 공유서비스 이용의향에 대한 무조건부모형(Unconditional Mean Model)을 살펴볼 수 있으며, 모형을 통해 0.237의 ICC 값을 도출하였다. 즉, PM 공유서비스의 이용의향의 차이 중에서 약 23.7%는 지역 간 차이에 의해서 발생하는 것으로 해석할 수 있다. 사회과학 분야의 경우 보편적으로 5-25%의 수준으로 나타나기 때문에(Lee and Roh, 2012), 본 연구의 다수준 모형 사용은 바람직한 것으로 판단하였다. 또한, 적합도 비교를 위해 AIC (Akaike information criterion)와 BIC (Bayesian information criterion)를 활용하여 개선된 모형을 채택하였다. Model 2는 개인특성 및 통행특성의 1수준 변수를 투입하였고, Model 3은 2수준에 해당하는 지역변수 및 수준 간 변수의 상호작용을 살펴본 결과이다. 본 연구에서는 적합도가 높은 Model 3을 활용하여 PM 공유서비스 이용의향에 미치는 영향요인을 파악하였다.

Table 6. Result of multilevel ordered logistic regression

Variable Model 1 Model 2 Model 3 OR
Fixed effects
[Intention to use=1] -0.880 *** 0.090 -1.451 *** 0.193 -1.266 *** 0.215
[Intention to use=2] 1.246 *** 0.091 0.873 *** 0.192 1.103 *** 0.215
[Intention to use=3] 3.446 *** 0.113 3.213 *** 0.204 3.475 *** 0.226
Fare -0.095 *** 0.007 -0.096 *** 0.007 .908
[Road to allow PM=1] 0.170 *** 0.056 0.173 *** 0.056 1.189
Ref. [Road to allow PM=2] 0a . 0a .
[Weather=1] 0.816 *** 0.057 0.829 *** 0.058 2.291
Ref. [Weather=2] 0a . 0a .
[Age=1] -0.398 *** 0.075 -0.390 *** 0.075 .677
Ref. [Age=2] 0a . 0a .
[Occupation=1] 0.143 0.156 0.673 *** 0.188 1.961
[Occupation=2] -0.165 0.139 0.142 0.171 1.153
[Occupation=3] 0.331 ** 0.157 0.420 ** 0.187 1.522
[Occupation=4] 0.283 *** 0.140 0.592 *** 0.173 1.807
Ref. [Occupation=5] 0a . 0a .
[Income=1] -0.130 * 0.075 -0.132 * 0.076 .877
Ref. [Income=2] 0a . 0a .
[Trip purpose=1] 0.321 *** 0.074 0.282 *** 0.075 1.326
[Trip purpose=2] 0.607 *** 0.098 0.663 *** 0.099 1.941
Ref. [Trip purpose=3] 0a . 0a .
[Connecting mode=1] -0.319 *** 0.090 -0.327 *** 0.091 .721
Ref. [Connecting mode=2] 0a . 0a .
Trip length 0.179 ** 0.083 0.240 *** 0.087 1.271
Slope 0.016 *** 0.006 0.013 ** 0.006 1.013
Population density -0.014 0.019 .986
Road 0.034 0.025 1.035
Bus station density -0.006 0.004 .994
Crosswalk density 0.002 0.011 1.002
[Occupation=1]*Population density 0.114 *** 0.024 1.120
[Occupation=1]*Road -0.086 ** 0.035 .917
[Occupation=2]*Bus station density 0.023 *** 0.003 1.023
[Occupation=4]*Population density 0.099 *** 0.020 1.104
[Occupation=4]*Road -0.107 *** 0.022 .898
Trip length*Population density 0.037 *** 0.010 1.038
Slope*Road -0.005 *** 0.001 .995
Slope*Crosswalk density 0.004 *** 0.001 1.004
Random effects
Level-2 residual variance 1.023 *** 0.154 1.115 *** 0.170 1.025 *** 0.157
AIC 10775.81 10211.64 10107.70
BIC 10801.66 10327.88 10301.44

추정된 결과를 바탕으로 공급특성변수부터 살펴보면, ‘날씨 1 (맑음)’의 odds비가 2.291로 나타났으며, 이는 비 오는 날의 정지시거 증가, 시야 확보 어려움 등으로 인한 사고 발생 확률의 증가에 따라 민감하게 반응한 결과로 보인다. ‘이용 위치 1 (자전거 도로허용)’은 이용의향을 한 단계 높이는 것에 ‘이용 위치 2 (차도)’보다 1.189배의 영향을 주는 것으로 나타났다. 차량과 PM 간에 속도 차가 발생해 함께 통행할 경우 위험의 부담이 높아 성격이 비슷한 자전거와의 통행을 더 선호한 결과로 추측된다. ‘요금’의 경우 요금의 증가는 이용의향에 부정적 영향을 미치는 것으로 추정되었다.

개인특성의 경우, ‘나이(40대 이하)’가 이용의향에 유의적인 부(-)의 영향을 미치는 것으로 나타났다. 데이터의 분포특성을 살펴본 결과 연령대가 높을수록 소득이 높은 경향을 보였으며, 이에 따라 PM의 유료이용에 대한 저항감이 커서 나타난 결과로 보인다. 아울러 관련된 결과로 소득이 낮은 그룹일수록 이용하지 않을 확률이 높은 것으로 나타났다. 자전거는 누구나 일상적으로 이용 가능해 높은 연령대의 응답자가 PM에 포함된 전기자전거에 긍정적으로 반응한 결과로 사료된다. 직업과의 관계를 살펴보면, ‘직업 2 (관리자/사무종사자)’를 제외한 직업 변수는 유의하게 추정되었으며, ‘직업 1 (전문가/관련 종사자)’은 Model 2와 다르게 Model 3에서 유의한 결과가 나타났다. 구체적으로 농림어업기능 종사자 등의 직업군과 비교하였을 때 이용의향이 한 단계 증가할 확률이 전문가 및 관련 종사자가 1.961배, 관리자 및 사무종사자가 1.153배, 학생, 전업주부, 무직이 1.807배인 것으로 나타났다.

통행특성 변수를 살펴보면, 통근 ‧ 통학통행과 업무통행을 하는 집단이 상대적으로 이동이 적게 발생하는 여가 통행인 집단보다 이용확률이 높은 것으로 나타났으며, 이는 정기적인 통행일수록 교통 혼잡에 민감한 영향을 받은 결과로 판단된다. 또한, ‘연계교통수단 1 (도보 및 자전거)’을 이용할수록 그렇지 않은 집단보단 이용의향이 감소하는 것으로 분석되었다. 이는 자전거의 이용이 매우 낮고, 도보 이용자의 출발지와 도시철도 역 간의 통행거리가 타수단에 비해 짧아 나타난 결과로 보인다. ‘이동 거리’가 멀어질수록 ‘평균 경사’가 증가할수록 이용확률이 높은 것으로 추정되었으며, 이에 따라 PM이 단순 레저수단이 아닌 이동수단으로써 점차 인식되고 있음과 경사가 높은 지역의 이동 한계 개선 가능성을 시사할 수 있다.

지역변수와의 관계를 살펴보면, 모든 지역변수가 직접적으로 영향을 미치지 않는 것으로 나타났으나, 다른 수준 변수와 상호작용 효과를 나타낸다. ‘인구밀도’가 높아질수록 ‘직업 1 (전문가/관련 종사자)’과 ‘직업 4 (학생/전업주부/무직)’의 이용의향이 증가하는 것으로 나타났다. 또한, 인구밀도의 증가는 이동 거리가 먼 집단의 이용의향에 긍정적인 영향을 미치는 것으로 분석됐다. 인구밀도가 높은 지역은 그렇지 않은 지역과 비교했을 때 많은 통행이 발생할 가능성이 크며, 통행량이 많은 지역은 수단선택에도 다양한 기회가 제공되어 나타난 결과로 판단된다.

‘직업 2 (관리자/사무종사자)’의 경우 유의한 결과가 나타나지 않았으나, 버스정류장의 밀도가 높아질수록 이용의향에 정(+)의 영향을 미치는 것으로 나타났다. 이는 관리자 및 사무종사자 집단이 버스 이용에 부정적으로 반응하는 것으로 해석할 수 있으며, 또한 이들 집단은 연령대가 높으며 대체로 자가용을 주 교통수단으로 이용하는 경향을 보여 나타난 결과로 사료된다. ‘직업 1’과 ‘직업 4’는 이용의향에 정(+)의 영향을 보였으나, 도로율이 증가하는 지역일수록 이용확률에 부(-)의 영향을 미치는 것으로 나타났다. 이는 ‘직업 1’의 경우 자가용 및 택시를 ‘직업 4’의 경우에는 버스를 대체로 이용하고 있어 나타난 결과로 생각된다.

또한, 평균 경사와 도로율이 한 단위 증가할 때 그렇지 않은 집단보다 이용의향이 증가할 확률은 약 0.995배가 되는 것으로 나타났으며, 대체적으로 도로율의 증가는 자가용과 같은 수단선택에 더 큰 영향을 미치기 때문이다(Shin, 2004). 반면에 평균 경사와 횡단보도 밀도가 한 단계 높아질수록 PM 공유서비스 이용의향이 높아질 확률은 1.004배로 나타났다. PM을 활용한 통행은 보행 및 자전거의 경로 선택과 비슷하게 나타나며, 경사가 급한 지역에서는 교통사고의 위험도가 증가하기 때문에 횡단보도 밀도에 민감하게 반응하는 것으로 보인다.

결론

본 연구는 도시 내의 이동에 다양한 이점을 제공하는 전기동력 개인형 이동수단(Personal Mobility, PM)의 증가에 따라, PM 공유서비스를 활용하여 도시철도 접근성 제고 방안을 마련하고자 하였다. 특히 MaaS (Mobility as a Service: 서비스를 통한 이동성 제공 시스템)와 같은 수단별 연계를 도모하기 위해서는 주 교통수단 이용 전 ‧ 후의 최초출발지와 최종목적지까지의 이동(first mile-last mile) 편의 개선이 필요해 보인다. 본 연구에는 도시철도를 중심으로 PM 공유서비스가 도시철도에 미치는 영향 및 PM 공유서비스 이용의향 모형을 구축하여 영향요인을 살펴보았으며, 구체적인 연구의 내용은 다음과 같다.

첫 번째, PM 공유서비스의 활성화가 주 수단선택 시에 도시철도에 어떠한 영향을 주는지 살펴본 결과, 버스 이용자 중 74.1%, 자가용 및 택시 이용자 중 62.1%가 도시철도로 전환 의사가 있다고 응답하였다. 이러한 결과에 따라 도시철도의 접근성 개선에 노력해야 할 것으로 판단된다.

두 번째, PM의 공급특성에 대해서 살펴보면 요금이 낮을수록(-), PM의 통행으로 자전거도로를 허용할수록, 날씨는 맑을수록 PM 공유서비스의 이용의향에 긍정적인 영향을 미치는 것으로 나타나 PM 공유서비스의 도입 시 면밀한 검토가 필요할 것으로 보인다.

세 번째, 개인 속성에 대한 결과는 다음과 같이 나타났다. 연령대와 소득이 높을수록(+) 긍정적인 영향을 주었으며, 직업으로는 농림어업기능 종사자 등의 직업군과 비교하였을 때 이용의향이 증가할 확률이 전문가 및 관련 종사자가 1.961배, 관리자 및 사무종사자가 1.153배, 학생, 전업주부, 무직이 1.807배인 것으로 나타났다.

네 번째, 통행특성을 비교하여 살펴본 결과, 비정기적인 통행에 비해서 이용할 확률이 출퇴근 및 등하교 목적의 통행일 경우 1.326배, 업무통행이 1.941배 이용의향이 높아진다. 또한, 주로 도시철도 연계교통수단으로 도보 및 자전거를 이용하는 그룹이 그렇지 않은 그룹에 비해서 이용의향이 낮은 것으로 나타났다. 하지만 이동 거리가 멀어질수록(+), 평균 경사가 높아질수록(+) PM 공유서비스를 선호하는 경향을 보였다.

다섯 번째, 지역 특성 변수는 종속변수에 직접적으로 유의한 영향을 주지 않는 것으로 나타났지만, 1수준과의 상호작용에서는 유의한 영향을 나타내고 있었다. 구체적으로, 인구밀도의 증가는 직업 중 전문가 및 관련 종사자, 학생, 전업주부, 무직과 이동 거리가 높은 그룹의 이용의향에 긍정적인 영향을 미치고 있었다. 반면, 도로율의 증가는 직업 중 전문가 및 관련 종사자, 학생, 전업주부, 무직과 평균 경사가 높은 그룹에 부정적인 영향을 미치는 것으로 나타났다. 버스정류장 밀도의 증가는 관리자 및 사무종사자 집단에 횡단보도 밀도의 향상은 평균 경사가 높은 집단의 이용확률에 긍정적인 영향을 주는 결과를 확인하였다.

분석결과에 따라서 도시철도 연계교통수단으로써 PM 공유서비스 도입이 필요할 것으로 판단하였으며, 정책적으로 시사하는 바는 다음과 같다. 첫째, PM 이용에 대해서 차도보다 자전거도로를 선호하는 것으로 나타났으며, 비가 오는 날에는 선호하지 않는 경향을 보였다. 따라서 PM 중 일부 장치에 대해서 자전거도로 통행을 허용할 필요성이 있을 것으로 판단되며, 비가 오는 날 등 날씨 및 야간 운행을 고려한 정책 수립이 필요할 것이다. PM과 자전거가 함께 통행할 때, 운행 중 양손을 모두 사용해야 하는 일부 PM 장치에 따라 의사소통에 문제가 예상된다. 이에 따라 PM에 대해서 라이트 및 방향지시등의 설치, 허용속도, 자전거도로 통행을 허용할 PM의 종류 등을 명확히 제시해야 할 것이다. 또한, 공공에서 PM을 공유서비스로 제공할 때에는 이용자를 위하여 운행 중 발생 가능성이 있는 사고에 대비하여 보험 적용과 같은 방안 검토가 필요할 것이다. 둘째, 요금과 관련하여 최근에는 MaaS의 등장에 따라 여러 시에서 서비스의 통합적 운영을 위한 기초단계로 공공자전거 및 보행을 통한 이동 거리에 따라 마일리지와 같은 혜택, 환승할인 등을 제공하여 공공교통 이용을 촉진하고자 노력하고 있다. 이처럼 환승할인과 더불어 마일리지를 제공한다면 공공교통 이용률에 긍정적인 변화를 줄 수 있을 것으로 사료된다.

본 연구는 PM 공유서비스 도입에 따른 효과로 도시철도에 미치는 영향을 간략하게 파악하였으며, PM의 증가에 대비한 교통정책의 방향을 제시하였다. 다만, 본 연구는 PM을 전기자전거와 전동킥보드로 한정하였다는 점, 네트워크 분석 시에 국지도로가 반영되지 않아 이동 거리가 과소추정되었다. 또한, 안전에 대한 부분이 반영되지 않아 향후 진행될 필요가 있다고 판단되며, PM의 최대 이동거리와 관련하여 타수단의 통행을 대체하여 나타날 수 있는 효과 연구 혹은 타수단 간 전환에 미치는 영향을 파악하기 위해 행동이론과 관련한 연구 진행이 필요할 것으로 생각한다.

Funding

This work was supported by a 2-Year Research Grant of Pusan National University.

알림

본 논문은 대한교통학회 제81회 학술발표회(2019.9.27)에서 우수논문을 수상한 내용을 기반으로 재구성되었습니다.

References

1
Campbell A. A., Cherry C. R., Ryerson M. S., Yang X. (2016), Factors Influencing the Choice of Shared Bicycles and Shared Electric Bikes in Beijing, Transportation Research Part C, 67, Transportation Research Board, 399-414.
10.1016/j.trc.2016.03.004
2
Cherry C., Cervero R. (2007), Use Characteristics and Mode Choice Behavior of Electric Bike Users in China, Transport Policy, 14(3), WCTRS, 247-257.
10.1016/j.tranpol.2007.02.005
3
Dowling R., Irwin J. D., Faulks I. J., Howitt R. (2015), Use of Personal Mobility Devices for First-and-last Mile Travel: The Macquarie-Ryde Trial, Proceedings of the 2015 Australasian Road Safety Conference Gold Coast, Queensland: Australian College of Road Safety.
4
Fowkes T., Wardman M. (1988), The Design of Stated Preference Travel Choice Experiments, Journal of Transport Economics and Policy, 22(1), Stated Preference Methods in Transport Research, 27-44.
5
Hasegawa Y., Dias C., Iryo-Asano M., Nishiuchi H. (2018), Modeling Pedestrians' Subjective Danger Perception toward Personal Mobility Vehicles, Transportation Research Part F, 56(7), Transportation Research Board, 256-267.
10.1016/j.trf.2018.04.016
6
Jang I. S., lim H. S. (2013), Factors Influencing the Well-Being of Elderly by Multilevel Analysis, Journal of the Korean Regional Science Association, 29(3), Korean Regional Science Association, 19-42.
7
Ji W. S., Park K. C., Yoon J. E. (2018), Bicycle lane Enhancement Measures for Increasing Use of Personal Mobilities, Gyeong-gi research Institute, Suwon, South Korea.
8
Jung H. Y., Kim J. J. (2000), Mode Choice Behavior Analysis of Commuter Feeder Passengers to Subway System, J. Korean Soc. Transp., 18(5), Korean Society of Transportation, 69-82.
9
Kim H. S., Shin J. J., Park C. H., Park J. T. (2015), A Study on Analysis of User Behavior of Green Transportation (Walking and Bicycle) for Access to Seoul Subway System by Considering Trip Purpose, Journal of Transport Research, 22(2), 51-63.
10.34143/jtr.2015.22.2.51
10
Kim J. Y. (2017), A Study on Consumer Protection of Personal Mobility, Korea Consumer Agency.
11
Kim K. S., Jo H. J. (2006), SP survey design and analysis methodology, Boseonggak.
12
Kim S. H., Oh S. C., Choi K. C. (2019), Bike Travel Pattern Analysis for Station Free Bike Sharing System in Suwon, J. Korean Soc. Transp., 37(2), Korean Society of Transportation, 110-123.
10.7470/jkst.2019.37.2.110
13
Kwon S. N. (2007), A Study on the Factors Influencing Traveler's Mode Choice, Yonsei University, Masters Dissertation.
14
Lee H. Y., Roh S. C. (2012), Advanced Statistical Analysis, Bobmunsa.
15
Lim H. S. (2017), Characteristic of Active Transport and Social Benefits, Road Policy Brief, 116(6), Road Policy Research Center, 8-9.
16
Myeong M. H., Song S. Y., Choi M. S. (2016), A Study on Safety Measures for the Use of New Transportation: Focusing on Personal Mobility, Korea Road Traffic Authority Traffic Science Institute.
17
O'Connell A. A., Doucette H. L. (2007), Modeling Longitudinal Ordinal Response Variables for Educational Data, Journal of Modern Applied Statistical Methods, 6(1), JMASM, 304-319.
10.22237/jmasm/1177993620
18
Rodrı́guez D. A., Joo J. (2004), The Relationship between Non-motorized Mode Choice and the Local Physical Environment, Transportation Research Part D, 9(2), Transportation Research Board, 151-173.
10.1016/j.trd.2003.11.001
19
Sa K. E., Lee S. G. (2018), Analysis of Physical Characteristics Affecting the Usage of Public Bike in Seoul, Korea -Focused on the Different Influences of Factors by Distance to Bike Station-, Journal of Korea Planning Association, 53(6), Korea Planning Association, 39-59.
10.17208/jkpa.2018.11.53.6.39
20
Shaheen S. A., Finson R. (2003), Bridging the Last Mile: A Study of the Behavioral, Institutional, and Economic Potential of the Segway Human Transporter, 82nd annual meeting of the Transportation Research Board.
21
Shin S. Y. (2004), The Relationship between Land Use and Automobile Dependence - The Case of Seoul, Seoul Studies, 5(1), The Seoul Institute, 71-93.
22
Ulrich K. T. (2005), Estimating the Technology Frontier for Personal Electric Vehicles, Transportation Research Part C, 13(5), Transportation Research Board, 448-462.
10.1016/j.trc.2006.01.002
23
Won J. M. (2015), Urban Transportation, pybook.
24
Yoo K. S., Hong S. Y., Kim O. S., Park S. H. (2018), Strategies to Cope with the Spread of Personal Mobility, Seoul Institute Policy Reports, 44, The Seoul Institute.
페이지 상단으로 이동하기