서론
선행연구
따릉이 서비스 인프라 구축 및 이용현황
따릉이 서비스 네트워크 중심성 분석
1. 대상지역
2. 연구자료
3. 위세 중심성 분석
네트워크 중심성 지표를 활용한 서비스 이용률 개선방안
결론
서론
서울시가 운영하는 공공자전거 서비스 ‘따릉이’는 프랑스 몬트리올의 공공자전거 서비스인 ‘빅시’를 벤치마킹한 서울시 최초의 공공자전거 서비스로써, 2015년 10월 정식운영 후 회원수 62만 명, 일평균 1만 건 이상의 이용실적을 보이며 서울시민의 이동 및 여가 수단으로 자리매김하였다. 현재 서울시 25개 자치구 내 약 1,500개의 대여소가 설치되어 있으며, 자전거 보급대수는 ’18년 1.6만대로, 향후 ’20년까지 4만대 보급 및 확대운영 할 계획이다. 반면, 따릉이 서비스는 가입 회원 및 이용실적의 지속적인 증가에도 불구하고 매년 운영상 적자가 불어나고 있다. Sa and Lee(2018) 등의 연구에서는 운영상 적자가 발생되는 주요 이유로 이용실적이 저조한 대여소의 증가, 입지적 특성을 고려하지 않은 대여소 확장을 지적하였으며, Jung et al.(2018)은 서비스 운영개선을 위해 주요 상업 ‧ 교통 ‧ 관광시설과의 접근성을 높인 대여소 위치선정, 수요기반 자전거 보급의 필요성 등을 강조하였다.
본 논문은 따릉이 서비스의 연간 이용자 통행자료를 활용하여, 종로구 대상 서비스 운행현황 분석 및 이용률 개선을 위한 기초연구를 수행하였다. 서비스 운행현황 분석을 위해 대여소별 이용실적 자료를 활용한 시간대별 이용량, 이용시간 등을 분석하였으며, 서비스 이용률 개선을 위해 네트워크 중심성 지표를 활용하여 대여소별 적정 자전거 보유대수를 산정하였다. 대여소별 적정 자전거 보유 대수는 서비스 이용률 개선을 위한 중점요인으로써, 자전거 유휴시간 최소화, 적정 거치율 확보에 필수적이다. 아울러, 2017년 기준 따릉이 서비스 대여소의 약 10%가 하루평균 대여수 ‘0’인 반면, “여의나루역 1번출구 앞” 대여소는 약 425회의 대여실적을 보이며, 이용자수 증가에 따른 대여소별 이용률의 편차가 심화되는 상황에서, 적정 자전거 보유대수 선정의 중요성은 더욱 커지고 있다. 따릉이 서비스는 대여소간 거리가 가깝고 통행거리 및 이동시간이 짧은 특성에 따라, 인접 대여소간 통행실적에 대한 상호작용이 발생한다. 따릉이 서비스 대여소 설치 기준에서도 “기존 이용형태에 따른 대여소 상호 연계성”에 대한 항목이 우선적으로 고려되고 있듯이, 이용실적을 기반으로한 대여소간 상호 연계성은 서비스 운영에 필수적으로 고려되야할 항목이다. 따라서 본 논문은 대여소간 통행발생횟수, 통행거리, 최단경로 등을 고려한 네트워크 중심성 지표를 활용하여, 공간적인 연계 특성을 반영한 대여소별 적정 자전거 보유 대수를 산정한다.
본 논문은 3장으로 구성되며 장별 주요 내용은 다음과 같다. 먼저, 사회 네트워크 분석관련 선행연구 사례를 분석하여 기존연구와 본 연구와의 차별성, 연계성, 진보성을 도출한다. 다음으로 서울시 공공자전거 운영현황을 조사하여 이용특성을 분석하고, 대여소별 적정 자전거 대수 선정을 위해 네트워크 중심성 분석을 수행한다. 마지막으로 대여소별 적정 자전거 보유 대수를 기존 서비스 지역에 적용하여 이용률 개선효과를 도출한다.
선행연구
네트워크 중심성 분석은 사회 연결망 이론을 바탕으로 노드와 노드간 링크로 구성된 네트워크의 구조적 특징을 계량적으로 분석하는 방법으로써, 노드간 상호작용 및 관계분석에서부터 지역 간 구조적 지위나 지배력을 파악하는데 널리 사용되어 왔다. 최근에는 도시의 공간구조, 교통체계 등 지속적인 상호 작용이 발생되는 네트워크 분석에도 널리 사용되고 있으며, 연결 중심성, 매개 중심성, 위세 중심성 지표 등 다양한 지표를 개발하여 교통시스템 구조, 통행량 분석에 활용되고 있다. 본 논문은 교통부문 네트워크 중심성 분석 연구사례에 대하여 Table 1과 같이 구분하여 선행연구를 고찰하였다.
Table 1. Review result of preveous research
| Author | Main contents | Measure (centrality) |
| Dimitrios and Serafeim(2015) | Operational analysis of network flows |
Betweenness, Closeness, Degree, Straightness |
| Jayasinghe(2015)2 | Explain and Predict traffic flow by types of vehicles |
Connectivity, Choice, Global/local integration |
| Zhao(2016)12 |
Used to analyze urban traffic flow, and assess the effect of urban road network on traffic flow | Betweenness, Degree |
| Yuhang and Kevin(2016) |
Assessing port centrality in relation to direct connectivity and accessibility to all ports in the network |
Betweenness, Closeness, Degree |
| Ha and Lee(2017)1 |
Examines the changes of urban activities and spatial structure using smart card data | Eigenvector |
| Joo and Kim(2014)3 |
Analyze the urban spatial structure in Seongnam-si by using households trip survey | |
| Jung(2016)5 |
Analyze the impact of power centrality index with the known factors on transport energy for Seoul |
Dimitrios and Serafeim(2015)는 그리스의 교통 네트워크 분석을 위해 운동에너지 이론을 적용한 중심성 지표를 개발하였다. 저자는 이동수단을 물리적인 입자로 간주하고 입자의 운동에너지를 이용하여 매개, 연결 중심성 등을 측정, 교통류를 수학적인 모형으로 산출하여, 그리스 지역 내 통행유입, 유출 등의 현황을 분석하였다. Jayasinghe(2015)는 매개 중심성 지표 등을 활용하여 스리랑카 도심지역의 차종에 따른 통행량을 추정하였으며, Zhao(2016)는 택시 통행 데이터를 이용하여 교차로, 도로, 영역 기반 네트워크 중심성을 도출하였다. Yuhang and Kevin(2016)은 매개성, 근접성 등의 중심성 지표를 활용하여 항만의 중심성, 타 항만과의 접근성, 중개성에 대해 분석 하였으며, Xingtang(2018)는 베이징, 홍콩 등의 지하철 네트워크 이용률 분석 시 중심성 지표를 활용하여 네크워크 분석이 다양한 교통수단에 활용되고 있음을 확인할 수 있었다. 국내의 경우에도 Ha and Lee(2017)는 서울시 스마트카드 자료를 기반으로 대중교통 통행에 대한 위세 중심성 분석을 통해 도시 공간구조 변화에 대한 특징을 도출 하였으며, Jung(2016)은 위세 중심성 지표를 이용하여 통행목적별 목적지를 구분하고 교통에너지 소비에 영향을 미치는 요인을 분석하는 등 다양한 분야에 지속적으로 활용되고 있다.
선행연구사례와 같이 위세 중심성 지표는 개별통행에 대한 상호연계성, 계층적 통행구조 분석에 유리하여 다양한 연구분야에서 사용되고 있다. 그러나 아직까지 공공자전거 서비스 이용률 개선을 위한 연구에는 적용된 사례를 찾을 수 없었다. 아울러, 교통수단간 연계빈도가 높고, 내부통행의 비율이 높은 서울시 따릉이 서비스의 경우 자치구 단위의 네트워크 중심성 지표를 활용하는 것이 더욱 효과적이다. 따라서 본 논문은 따릉이 서비스 이용행태에 대한 네트워크 중심성 분석을 수행하며, 자전거 통행특성 분석에 효과적인 위세 중심성 지표를 활용한 서비스 이용률 제고방안을 제안한다.
따릉이 서비스 인프라 구축 및 이용현황
2016년 따릉이 서비스는 5대 거점(사대문 안, 여의도, 상암동, 신촌, 성수동)을 대상으로 자전거 2천대를 보급하여 상업운영을 시작하였다. 2017년에는 2단계에 걸친 공공자전거 추가 확대 운영에 따라 자전거 1만6천대, 대여소 1천290개소 규모로 확대 되었으며, 2018년에는 지속적인 이용수요의 증가로 자전거 2만대, 대여소 1천540개소 규모로 확대되었다. 현재 서울시 25개 자치구에서 따릉이 서비스를 운영 중이며, 자치구별 대여소 구축 현황은 Figure 1과 같다. 2017년 기준 따릉이 일평균 이용건수는 약 1만4천 건으로 2016년 대비 약 3배 이상 증가하였으며, 연간 5백만 건 이상의 이용실적을 보이고 있다.
따릉이 서비스 네트워크 중심성 분석
네트워크 분석이란 대상 간의 관계와 연결 구조 등을 체계적으로 평가 및 설명하기 위한 분석방법으로, 대상간의 복잡한 관계를 수학적으로 계량화하고 시각화 할 수 있다는 점에서 사회과학 분야는 물론 공학 분야, 빅데이터 분석 등에 다양하게 활용되고 있다. 네트워크 분석에 사용되는 측정 지표로는 연결망 결속을 나타내는 지표와 중심성을 나타내는 지표가 대표적이며 그 외 중심화, 연결성 등에 대한 지표도 사용된다. 결속을 나타내는 지표는 연결정도, 밀도, 포괄성 등이 있으며, 중심성은 연결 중심성, 근접 중심성, 매개 중심성, 위세 중심성 등이 대표적이다. 중심성 지표는 노드간 연결수, 거리, 통행경로 등 분석요인에 따라 Table 2와 같이 구분된다.
Table 2. Method of analysis on network centrality
먼저, 연결 중심성은 한 노드가 주변의 다른 노드들과 얼마나 많이 연결되어 있는가를 나타내며, 연결된 노드의 수가 많을수록 중심성이 높다. 연결 중심성의 수식적인 표현은 Equation 1과 같으며, n(i)는 노드 i에 연결된 노드의 수이다.
| $$C(x)=\sum n(i)$$ | (1) |
근접 중심성은 한 노드로부터 다른 노드에 도달하기 위해 필요한 최소 거리의 합의 역수로 정의되며, 노드간 거리가 가까울수록 중심성이 높다. 근접 중심성의 수식적인 표현은 Equation 2와 같으며 x와 y는 노드, d는 노드간 거리를 의미한다.
| $$C(x)=\frac1{{\displaystyle\sum_y}d(y,x)}$$ | (2) |
매개 중심성은 한 노드가 네트워크 내의 다른 노드들 사이의 최다 경로 위에 위치할수록 높아지며, 수학적인 표현은 Equation 3과 같다. 𝜎st(v)는 s노드와 t노드사이에 V노드를 거치는 최단거리 경로의 개수를 의미한다.
| $$C(x)=\sum_{s\neq v\neq t\in V}\frac{\sigma_{st}(v)}{\sigma_{st}}$$ | (3) |
마지막으로, 위세 중심성은 상대 노드의 중심성에 가중치를 두어 중심성을 분석하는 방법으로, 중심성이 높은 노드와 이웃할수록 연결될수록 중심성이 높다. 수학적인 표현은 Equation 4와 같으며, i, j는 노드, 𝛼는 노드간 연결관계(노드 i, j가 연결된 경우 ‘1’, 그렇지 않은 경우 ‘0’) Ci는 노드의 중심성, 𝜆는 i, j노드 간 매트릭스의 최대 고유값을 의미한다.
| $$C_i=\frac1\lambda\sum_j\alpha_{ij}C_j$$ | (4) |
본 논문의 분석대상 지역인 서울시는 인구밀도가 높고 유동인구가 많은 도심지역으로써 관광지, 상업지, 거주지 등 다양한 용도의 토지가 복합적으로 위치하고 있다. 아울러, 다양한 교통수단간 연계통행이 이루어지며, 통행에 대한 시간적인 변동성이 높다. 서울시에 위치한 따릉이 대여소는 대여소별 간격이 평균 400m 이내로, 대여소간 자유로운 반납 ‧ 대여가 가능하여 인접한 대여소간 직간접적인 영향을 받는다. 따라서 따릉이 서비스의 네트워크 중심성 분석은 인접 대여소간 미치는 영향을 고려하기 위해 중심성 지표 중 위세 중심성 지표를 이용하는 것이 가장 효과적이다.
1. 대상지역
따릉이 서비스 네트워크 중심성 분석을 위한 대상지역으로는 자치구별 이용실적 및 내부통행이 많은 종로구를 선정하였다. 약 15만 명의 인구가 거주하는 종로구는, 강북 중심부에 위치, 면적 23.91km2, 17개의 행정동으로 구분되어 있으며, 상업지역은 도심, 주거지는 도시 외곽에 형성되어있는 지역적인 특징을 가지고 있다. 2016년 기준, 종로구의 일평균 통행량은 약 110만회 이상(유동인구 약 714인/h)을 기록하고 있으며, 수단분담율은 지하철 40.7%, 버스 28%, 승용차 17.7% 순으로, 자전거는 0.3%에 해당하였다. 종로구 지역의 따릉이 서비스 대여소 현황은 Figure 2와 같으며, 2017년도를 기준으로 전체 49개 대여소 및 자전거 483대를 운영하고 있다. 종로구 내에 위치한 대여소 목록은 Table 3과 같다.
Table 3. Bicycle station list
2. 연구자료
본 논문에서 사용된 연구자료는 통행정보 및 공간정보로 구분할 수 있다. 서비스 이용에 따른 대여소별 통행정보는 따릉이 서비스를 운영하고 있는 서울시설관리공단이 보유한 서울시 자전거 통행O/D (Origin/Destination) 자료를 활용하였으며, 종로구 내에서 발생한 내부통행 자료로 가공하여 이용하였다. 통행자료의 시간적인 범위는 2017년 1월 1일부터 2017년 12월 31일 동안 발생된 전체 245,009회 통행을 대상으로 하며, 대여소별 자전거 보유 대수, 대여소 위치, 통행경로 등에 대한 공간정보는 서울시 교통정보센터, 서울 열린데이터 등의 웹사이트 자료를 참고하였다.
3. 위세 중심성 분석
종로구 지역 따릉이 서비스의 위세 중심성 분석은 사회관계망 분석 프로그램인 UCINET을 이용하며, 대여소간 통행으로 형성된 네트워크 구조를 시각적으로 분석하고 위세 중심성 지표인 고유벡터값을 도출한다. Stephen(2014) 등의 선행연구에서는 국가, 주 단위에서 네트워크 중심성 분석을 수행하였으나 본 논문에서는 자치구 단위의 미시적인 통행특성을 관찰하기 위해 종로구 지역을 대상으로 한다. 먼저, 연간 각 대여소의 통행실적은 월별 대여 및 반납, 총 이용시간 항목으로 구분하며 Netdraw 툴을 이용, 네트워크 구조에 대한 시각적인 분석을 통해 대여소간 연결관계를 파악하였다. 대여소간 연결과계는 Figure 3과 같이 도식화 하였으며, 대여소간 링크는 선으로, 서비스 이용실적(대여 ‧ 반납)은 노드의 크기로 표현하였다. 따릉이 서비스의 연간 네트워크 구조의 변화를 살펴보면, 대여소간 링크수는 1월부터 증가하여, 5월부터 11월까지 복잡한 링크망을 형성하여 유지되는 경향을 보이다가 12월부터 다시 감소한다. 링크망은 매월 10개 내외의 노드를 중심으로 구성되며, 이를 제외한 노드는 대부분 크기의 변화가 없었다. 링크 및 노드의 구조를 통해 종로구 따릉이 서비스는 연간 이용특성이 지속적으로 변화하며, 특정 대여소를 중심으로 비대칭적인 통행구조를 가지고 있는 것을 확인할 수 있다.
따릉이 서비스 이용에 따른 구조적 분석에 이어 대여소별 중심성에 대한 정량적인 분석을 위해 위세 중심성 분석을 수행한다. 먼저, 따릉이 서비스에 위세 중심성 지표를 활용함에 대한 타당성 검증을 위해 서비스 이용실적과 위세 중심성 지표와의 상관분석을 실시하였다. 상관분석은 SPSS 프로그램을 이용하여 Pearson 상관계수를 도출, 선형 관계를 조사하였으며 분석 결과는 Table 4와 같다. 분석결과에 따라 위세 중심성 지표는 대여소별 자전거 보유대수, 대여반납 이용실적, 이용시간 항목에 대해 강한 양의 선형관계를 보였으며, 유의확률이 0.001 이하로 나타나 위세 중심성 분석에 대한 타당성을 검증할 수 있었다.
Table 4. Correlation coefficient (Pearson)
| No | Bicycle No | Rent | Return | Time of use (h) |
| Correlation coefficient | 0.798 | 0.906 | 0.885 | 0.879 |
| P-value | <0.001 | <0.001 | <0.001 | <0.001 |
대여소별 위세 중심성 분석 결과는 Table 5와 같다. 중심성 지표 상위지역은 성대 입구사거리(358), 혜화동 로터리(340), 탑골공원앞(328), 종각역 1번출구 앞(316), 종로3가역 2번출구 뒤(334) 순 이었으며, 하위지역은 청계8가 사거리(362), KEB하나은행 앞(350), 독립문역 3-1번 출구(367), 창신역 1번출구 앞(364), 광화문S타워 앞(308) 순으로 나타났다.
Table 5. The results of network centrality
네트워크 중심성 지표를 활용한 서비스 이용률 개선방안
본 논문은 따릉이 서비스 이용률 개선을 위해 위세중심성 지표를 활용한 대여소별 적정 자전거 보유대수 선정방안을 제안한다. 기존 Yim(2013) 등 공유자전거 서비스 개선 목적의 연구들은 자전거의 효율적인 재배치와 관련된 연구가 대부분이으나, 대여소별 중심성을 고려하여 적정 자전거 대수를 선정하는 것은 재배치 횟수를 최소화 하는 동시에 수요기반 서비스 제공이 가능하여 이용실적을 증가하는 효과가 있다. 따라서 대여소별 이용수요 및 통행이 발생된 대여소간 중심성을 고려하여, 적정 자전거 보유대수를 선정하는 것은 효율적인 서비스 운영을 위해 반드시 필요하다.
먼저, 종로구 지역의 대여소별 연간 서비스 이용률은 Equation 5를 통해 산출된다. tj는 통행 j의 서비스 이용시간이며 Ni는 대여소 i의 총 자전거 보유 대수이다. 따릉이 서비스는 연중무휴, 일간 이용가능 시간은 24시간이며, 대여소별 자전거 보유대수는 고장, 수리 등에 따른 변동을 고려하지 않았다.
| $$U_i=\frac{\sum t_j}{8760\times N_i}\times100\left(\%\right)$$ | (5) |
Equation 5를 통해 산출된 대여소별 서비스 이용률은 Table 6과 같다. 따릉이 서비스는 기온, 강수량 등에 영향을 받는 자전거 기반 서비스로, 이용실적 대부분이 통근시간에 집중되어 있어 이용률이 전체적으로 낮게 형성되어 있다. 이용률이 가장 높은 대여소는 성대입구 사거리(358)로 6.2% 수준이며, 중앙고 입구 삼거리(352)의 대여소가 0.5%로 가장 낮았다. 종로구 전체 대여소의 평균 이용률은 2.5%이다.
Table 6. Usage rate by the stations (existing bicycle number)
위세 중심성 지표를 고려한 대여소별 자전거 대수는 Equation 6과 같이 산출된다. Ci는 대여소 i의 위세 중심성 지표를 의미하며, Ni(t)은 대여소별 자전거 보유대수를 선정하는 t시점에서의 대여소 i의 자전거 보유 대수이다. 전체 대여소의 자전거 총량은 변동이 없다.
| $$N_i(t)=N_i(t-1)\times\frac{U_i\times C_i}{\sum(U_i\times C_i)}$$ | (6) |
Equation 6에 따른 자전거 보유 대수를 적용한 서비스 이용률 개선효과는 Equation 7과 같이 산출되며, 결과는 Table 7과 같다.
| $$IR_i\left(\%\right)=U_i-U_{i-1}$$ | (7) |
Table 7. Improvement results of usage rate
49개 대여소중 청계 8가 사거리(362)의 이용률은 12.2%로 가장 높은 개선효과(10.9%)를 보였으며, 경복궁역 4번출구(302) 대여소는 1.5%로 기존 이용률 대비 감소폭(△4.5%)이 가장 컸다. 먼저, 청계 8가 사거리 대여소는 자전거 보유대수가 10대 임에도 일평균 6회 정도의 대여 ‧ 반납만이 이루어지고 있었으며, 자전거 대수 조정에 따른 유휴시간 감축으로 이용률 개선 효과가 크게 나타났다. 반면, 경복궁역 4번출구 대여소는 기존 타대여소에 비해 높은 이용률을 보이고 있었으나, 위세 중심성에 대한 영향으로 자전거 보유대수가 4배로 증가하여 이용률이 감소하는 효과가 나타났다. 이는 종로구 지역 자전거의 보유대수의 총량을 고정함에 따라 발생된 결과로써, 향후 서울시의 자전거 보급계획 등을 고려한 자전거 보유대수 선정이 필요하다. 종로구 지역 전체를 대상으로 서비스 이용률 개선효과는 약 55.7%로 나타났으며, 대여소별 평균 이용률은 3.7%로 기존(2.5%) 대비 50% 이상 개선된 것을 확인할 수 있었다.
결론
본 논문은 종로구 지역을 대상으로 네트워크 중심성 지표를 활용한 대여소별 자전거 보유대수 선정방안을 제시하였다. 기존 시간적인 이용실적을 기반으로한 방안은 대여소별입지적인 특성을 충분히 반영하기가 어렵고, 대여소간 통행에 따라 형성된 네트워크의 공간적인 구조를 고려할 수 없었다. 따라서 네트워크가 형성된 대여소 상호간 중심성과 중심성에 따른 가중치를 보유대수 선정에 반영하기 위해 위세중심성 지표를 적용하였으며, 연구결과 기존 서비스 이용률 대비 55% 이상 개선된 것을 확인할 수 있었다.
본 연구는 네트워크 분석시, 대상지역 내 도로 환경 변화(차량, 자전거 도로 등) 등의 공간적인 변동요인을 고려하지 않았으며, 종로구 내 대여소별 자전거 총 보유대수를 한정시켜 자전거 보급 확대에 따른 이용률 개선요인을 반영하지 못한 부분이 한계로 남는다. 따라서 향후 종로구 자전거 도로 구축, 통행환경 개선 요인 등 실제 통행환경을 반영한 정확도 높은 네트워크 분석이 필요하며, 서울시의 연간 자전거 보급확대 계획을 반영할 경우 더욱 실용적인 연구결과가 도출될 것으로 사료된다.
