서론
선행연구
연구방법론
1. 연구 프레임워크 및 자료
2. 현행 김포골드라인 구간 평균 혼잡도 추정
3. SKIP-STOP 패턴 설정
SKIP-STOP 운행 방식 도입의 혼잡도 감소 효과 분석
결론
서론
김포골드라인은 김포시 양촌역부터 서울특별시 강서구 김포공항역을 연결하는 경전철 노선으로, 서울로 출퇴근하는 김포 시민들의 주요 이용 교통수단으로 자리 잡고 있다. 그러나 김포골드라인 개통 이후 첨두시 최고 혼잡도는 최대 260%에 달하며 안전사고는 2023년 3월까지 151건이 발생한 것으로 나타났다. 이 중 40%는 ‘선 채로 기절, 어지럼증, 쓰러짐’ 등 극심한 혼잡 때문으로 추정되는 사고였다.
김포시는 김포골드라인의 극심한 혼잡을 완화하기 위해 김포공항역을 종점으로 하는 직행버스 운행, 광역버스 공급 확대, 배차간격 축소 등의 정책을 시행하고 있다. 그러나 서울 진입도로 정체로 인한 버스 정시성 부족, 환승 횟수 증가로 인한 편의성 부족, 그리고 2량에 불과한 경전철의 근본적인 수송력 한계로 인해 해당 정책의 김포골드라인 혼잡 완화 효과는 미미한 실정이다. 또한, 김포시는 추가 열차 도입을 통한 추가적인 배차간격 축소를 계획하고 있지만 목표연도는 2026년으로 도입까지의 상당한 시간이 소요되는 상황이며, 김포골드라인 기본 설계 단계부터 각 역은 2량만 수용할 수 있도록 계획되어 열차 편성 증량은 구조적·기술적 한계로 인해 어려운 상황이다. 따라서 운영 방식 변화를 통한 혼잡 완화 접근법이 필요하다.
본 연구의 목적은 김포골드라인 혼잡 완화를 위한 운행 방식으로 격역정차 방식인 SKIP-STOP 운행 방식을 제안하여 해당 운행 방식 도입에 따른 혼잡 완화 효과를 분석하는 것이다. 김포골드라인을 대상으로 교통카드 raw data를 활용하여 SKIP-STOP 운행 방식 적용의 효과를 분석한 연구가 존재하지만(Lee, 2023), 본 연구는 역별 승차수요를 고려하여 특정 편성에 승차인원이 집중되지 않는 효율적인 SKIP-STOP 패턴을 제시한다는 점에서 기존의 연구와 차별성을 가진다. 또한, 본 연구에서는 향후 실용성 및 확장성을 증대시키기 위해 데이터 규모가 크고 전처리 과정이 복잡한 교통카드 raw data를 그대로 분석에 활용하기 보다는 해당 데이터에 기반한 통계 데이터를 활용하는 분석 방식을 제안한다. 본 연구는 가장 극심한 혼잡을 보이는 평일 오전 첨두시 김포공항행을 대상으로 김포골드라인 운행 및 승객 이용 데이터, 그리고 서울 교통수단 이동 데이터를 활용하여 SKIP-STOP 운행 스케줄을 구성하고, 이에 따른 열차 당 평균 승하차인원의 변화를 분석하여 SKIP-STOP 운행 방식의 혼잡 완화 효과를 검증한다.
선행연구
SKIP-STOP 운행 방식은 대중교통 노선에서 열차나 버스가 특정 역 또는 정류장을 건너뛰고 정차하지 않는 방식으로 운행된다(Vuchic, 1973). 해당 방식은 대피선이 없는 상황에서 열차를 급행화 시키는 방식으로, 정차 횟수를 줄여 운행시간을 단축하고 평균 운행 속도를 높이는 데 효과적이다.
현재 SKIP-STOP 운행 방식을 시행하고 있는 국내 지하철 노선은 존재하지 않지만 국내에서 이러한 운영 방식의 효과를 분석하거나 도입 가능성을 검토한 연구가 수행되었다. Oh(2019)의 연구에서는 2패턴과 3패턴 SKIP-STOP 운행 방식의 효과를 패턴별 운행 체계 도입 시 이탈되는 O/D쌍의 수를 통해 정량적으로 비교·분석하였다. 분석 결과, 3패턴 운행 체계에서 2패턴 운행 체계보다 이탈되는 O/D쌍이 더 많으며 2패턴 운행 체계가 국내 도시철도 급행화에 적합하다는 결론을 제시하였다. Won and Hwang(1997)은 서울 지하철 3호선을 대상으로 SKIP-STOP 운행 방식 도입의 효과를 분석하였으며 SKIP-STOP 도입 시 대기시간이 증가하지만 주행시간 감소분이 대기시간 증가분을 상회하여 전체 통행시간이 8.2% 절감되는 것으로 나타났다. Kim(2001)의 연구에서는 도시철도 급완행 운영평가 시뮬레이터를 통해 서울 지하철 2호선, 3호선을 대상으로 SKIP-STOP 운행 방식의 효과를 분석하였다. 분석 결과, 2호선에서는 총통행시간이 54분, 3호선에서는 총통행시간이 2분 절감된 것으로 나타났다. Oh et al.(2002)은 SKIP-STOP 운영에서 최적 열차패턴 및 차량 소요를 산정하는 데 있어 비용 최소화를 목적으로 하는 수리모형 기반 최적화 기법을 제시하였다. Lee(2023)의 연구에서는 본 연구와 동일하게 김포골드라인의 혼잡을 완화하기 위한 목적으로 SKIP-STOP 운행 방식 도입을 제안했으며, SKIP-STOP 운행 방식 도입 시 평균 혼잡도는 56%, 최대 혼잡도는 53% 감소하는 것으로 나타났다.
해외에서 또한 SKIP-STOP 운행 방식 도입에 대한 다양한 연구가 수행되었다. Shang et al.(2018)은 과포화된 철도 노선에서 모든 역에 열차 수용력을 공평하게 배분하기 위해 다중상품 흐름 모델을 활용한 SKIP-STOP 패턴 최적화 방법을 제안하였다. Niu et al.(2015)은 사전에 설정된 SKIP-STOP 패턴을 활용하여 지하철 노선에서 승객 대기시간을 최소화하기 위한 열차 시간표 최적화 문제를 이차 정수 프로그래밍 모델을 통해 해결하는 기법을 제시하였다. Jong et al.(2012)은 혼합 정수 프로그래밍 모델을 통해 승객들의 총 차량 내 시간을 최소화할 수 있는 최적 정차 패턴 조합을 생성하는 의사 결정 지원 시스템을 제안했으며, 유전 알고리즘을 통해 효율적으로 최적해를 도출할 수 있도록 설계하였다. Jamili and Agahaee(2015)의 연구에서는 최적의 SKIP-STOP 패턴 조합을 도출하기 위해 Decomposition-based algorithm과 Simulated Annealing(SA) 알고리즘을 포함한 휴리스틱 알고리즘 기반의 수학적 모델을 제안하였으며 SA 알고리즘이 더 우수한 결과를 제공함을 확인하였다. 또한, 이란 지하철을 대상으로 분석을 진행하여 운행 속도가 3.4km/h 증가하고, 왕복시간이 6분 단축되었음을 확인하였다. 한편, SKIP-STOP 운행 방식 도입 시 통행시간과 대기시간의 최소화를 동시에 고려한 연구도 존재한다. Cao et al.(2014)의 연구에서는 모든 승객의 대기시간, 통행시간, 그리고 열차의 운행시간을 최소화하기 위한 포괄적인 추정 모델을 제안했으며 0-1 정수 프로그래밍 모델과 Tabu 탐색 알고리즘을 활용하였다.
선행연구 검토 결과, SKIP-STOP 운행 방식은 대다수의 연구에서 통행시간 및 대기시간 절감 효과를 중심으로 논의된 것으로 나타났다. SKIP-STOP 운행 방식은 일부 역에 정차하지 않고 통과함으로써 통행시간을 줄이는 효과가 있지만, 동시에 수요를 분산시켜 혼잡을 완화하는 데에도 기여할 수 있다. 본 연구는 이러한 점에 착안하여 SKIP-STOP 운행 방식의 도입 목적을 단순히 통행시간 절감에 한정하지 않고, 수요 분산을 통한 혼잡 완화의 관점에서 접근하고자 하였다. 이를 위해 혼잡이 극심한 김포골드라인을 대상으로 SKIP-STOP 운행 방식을 적용하여 혼잡 감소 효과를 검증하였다.
연구방법론
1. 연구 프레임워크 및 자료
본 연구의 프레임워크는 크게 3단계로 구성된다(Figure 1). 우선 1단계에서는 서울 교통수단 이동 데이터, 교통카드 빅데이터 시스템 내 데이터, 현행 배차시간표를 활용하여 현행 김포골드라인 구간 평균 혼잡도를 추정한다. 서울 교통수단 이동 데이터 내 역별 수단 OD를 활용하여 김포골드라인의 방향별 이동량의 비율을 계산하고, 이를 교통카드 빅데이터 시스템에서 제공되는 역별 승하차인원에 적용하여 방향별 및 역별 승하차인원을 추정한다. 이후 김포골드라인 현행 배차시간표를 기반으로 역별 및 시간대별 정차 횟수를 계산하고, 이를 추정된 역별 승하차인원과 결합하여 시간대별 평균 구간 혼잡도를 추정한다.
2단계에서는 SKIP-STOP 패턴을 설정한다. 우선 역별 승차수요를 고려하여 수요가 특정 패턴에 집중되지 않는 SKIP-STOP 패턴을 설정하고, 변경된 SKIP-STOP 패턴을 기반으로 패턴별 이동속도를 산출한다. 이후 계산된 이동속도를 기반으로 최소 배차간격과 열차 다이어그램을 산출한다. 3단계에서는 1단계에서 계산된 역별 승하차인원을 2단계에서 결정된 SKIP-STOP 패턴을 적용하여 혼잡도의 변화를 분석한다.
본 연구에서는 김포골드라인의 오전 첨두시 혼잡도가 가장 극심했던 달인 2023년 3월 중 3월 11일(월)부터 3월 15일(금)까지의 데이터를 활용했으며, 분석 시간대는 오전 7시부터 오전 9시까지이다.
2. 현행 김포골드라인 구간 평균 혼잡도 추정
김포골드라인의 구간 평균 혼잡도를 추정하기 위해, 우선 서울 교통수단 이동 데이터에서 제공되는 ‘일자별-시간대별-정류장/역사별-수단-OD’ 데이터를 활용하여 김포공항역, 양촌역/구래역의 방향별 이동량을 계산하였다. 김포공항역 방향 이동량은 김포골드라인 내 역을 기점으로 김포공항역 또는 다른 노선의 역을 종점으로 하는 이동 데이터를 활용하고, 양촌역/구래역 방향 이동량은 김포공항역 또는 다른 노선의 역을 기점으로 김포골드라인 내 김포공항역을 제외한 역을 종점으로 하는 이동 데이터를 활용하여 분석하였다. 분석 결과, 오전 첨두시 김포공항역 방향 이동량은 42,417명으로 전체 이동의 87.5%를 차지하였고, 양촌역/구래역 방향 이동량은 6,152명으로 전체 이동의 12.5%를 차지하였으며 두 방향 간 이동량의 차이가 큰 것으로 나타났다(Figure 2).
교통카드 빅데이터 시스템에서 제공되는 역별 승하차인원 데이터는 방향별 및 역별 승하차인원을 제공하지 않고 전체 승하차인원만 제공한다. 따라서 방향별 및 역별 승하차인원을 추정하는 과정이 필요하다. 역별 승하차인원은 주 이동 방향인 김포공항역 방향에 대해서만 추정하였으며 전체 승하차인원에 김포공항역 방향 이동 비율인 87.5%를 적용하여 김포공항역 방향 역별 승하차인원을 추정하였다. 이때 이용된 역별 승하차인원 원자료는 3월 13일(수)의 자료를 활용하였다. 오전 첨두시 주요 발차역은 구래역이고, 주요 종점역 또한 구래역이기 때문에 구래역에서의 승차인원은 모두 김포공항역 방향의 승차인원으로 추정하고 하차인원은 모두 양촌역/구래역 방향의 하차인원으로 추정하였다. 또한 오전 8시부터 오전 9시까지 양촌역 발차 차량은 없고, 구래역 발차 차량만 존재하기 때문에 해당 시간대의 양촌역의 승차인원과 하차인원은 0명으로 추정하였다.
앞서 추정된 역별 승하차인원 추정값의 타당성을 판단하기 위해, 추정된 승차인원과 2023년 철도통계연보에 제시된 김포골드라인의 오전 첨두시 평균 승차인원을 비교하였다. 추정된 승차인원은 Table 1과 같으며 오전 7시부터 오전 8시는 6,421명, 오전 8시부터 오전 9시는 6,466명이다. 2023년 철도통계연보에 제시된 주중 평균 승차인원은 오전 7시부터 오전 8시는 6,872명, 오전 8시부터 오전 9시는 6,176명이며 추정된 승차인원이 이와 유사하여 역별 승하차인원의 추정값은 타당한 것으로 판단하였다.
Table 1.
Estimated boarding passengers during morning peak hours
다음으로 김포골드라인 현행 배차시간표를 기반으로 역별 및 시간대별 정차 횟수를 산출하였다. 이때 정차 횟수는 주 이동 방향인 김포공항역 방향을 기준으로 산출하였다. 산출 결과, 주요 발차역은 구래역이며 오전 8시부터 오전 9시까지는 양촌역에서 발차하지 않는 것으로 확인되었다. 오전 첨두시 역별 및 시간대별 정차 횟수는 Table 2와 같다.
Table 2.
Stop counts by station and time period for Gimpo Int’l Airport bound during morning peak hours
앞서 추정된 김포공항역 방향 승하차인원 추정값을 바탕으로, 이를 역별 및 시간대별 정차 횟수를 반영하여 김포공항행 시간대별 평균 구간 혼잡도를 산출하였다. 우선, 김포공항역 방향 역별 승하차인원을 각각 역별 지하철 정차 횟수로 나누어 매 정차 시 평균 승차량, 평균 하차량을 산출하였다.
앞서 추정된 매 정차 시 평균 승하차인원을 기반으로 평균 재차인원을 산출하고, 이를 기반으로 구간별 평균 혼잡도를 산출하였다. 이때 혼잡도는 김포골드라인 차량 정원 172명을 기준으로 하였으며 172명 탑승 시 혼잡도는 100%이다. 또한 구간별 평균 혼잡도 산출은 역 단위로 산출하였으며 해당 역부터 다음 역까지의 평균 혼잡도를 의미한다. Figure 3은 오전 첨두시 1시간 단위 구간별 평균 혼잡도를 나타내며 오전 7시부터 오전 8시의 최고 구간 평균 혼잡도는 182.12%로 나타났으며, 오전 8시부터 오전 9시의 최고 구간 평균 혼잡도는 160.38%로 나타났다.
3. SKIP-STOP 패턴 설정
SKIP-STOP 패턴을 설정하는 경우 고려해야 할 부분은 SKIP-STOP은 전체 역 정차가 아닌 격역정차 패턴끼리의 조합이기 때문에 특정 패턴으로 수요가 집중될 수 있다는 점이다. 따라서 본 연구에서는 수요를 분산시킬 수 있는 SKIP-STOP 패턴을 설정하기 위해 우선적으로 오전 첨두시 역별 승차수요를 분석하였으며 Figure 4와 같다.
분석 결과, 구래역의 승차수요가 가장 높은 것으로 나타났으며 그 다음으로 장기역, 걸포북변역 순으로 높은 것으로 나타났다. 오전 첨두시 대부분 열차의 발차역이 구래역이고, 양촌역은 김포 외곽지역에 위치하기 때문에 양촌역의 승차수요는 46명으로 매우 낮은 것으로 나타났다. 따라서 구래역을 SKIP-STOP 열차 발차역으로 설정하여 구래역에 집중되는 승차수요를 분산하는 것이 타당하다고 판단하였다.
SKIP-STOP 패턴 설정 시 패턴이 적절히 구성되지 않을 경우, 특정 패턴으로 수요가 과도하게 집중되어 해당 패턴의 혼잡도가 증가하는 문제가 발생할 수 있다. 따라서 본 연구에서는 최적의 SKIP-STOP 패턴을 도출하기 위해 Figure 5와 같이 3개의 SKIP-STOP 패턴 스케줄을 설정 및 패턴별 승차수요의 차이를 비교하였다. 발차역을 구래역을 설정하면서 양촌역에는 열차가 정차하지 않기 때문에 모든 스케줄에 대해 양촌역-구래역 구간의 경우 기존에 운행되던 셔틀버스를 활용하여 양촌역 승차수요를 구래역으로 이동시키는 방식을 채택하였다.
스케줄별 패턴 간 승차수요의 차이를 분석한 결과, Schedule 1이 427명으로 차이가 가장 적은 것으로 나타났다(Table 3). 따라서 본 연구에서는 최종적으로 Schedule 1을 김포골드라인에 적용할 SKIP-STOP 패턴으로 설정하였다. SKIP-STOP 열차 투입에 필요한 시간을 고려하여 운영시간은 오전 6시 30분부터 오전 9시까지로 설정하였다.
Table 3.
Differences in boarding demand by schedules
전체 역 정차(All-stop)에서 SKIP-STOP으로의 운행 방식 변경 시, 일부 역에 대해서 정차하지 않고 통과하기 때문에 SKIP-STOP 패턴에 대한 새로운 이동시간을 산출하는 과정이 필요하다. 따라서 본 단계에서는 SKIP-STOP 패턴의 역 간 이동시간을 산출하기 위해 우선적으로 김포골드라인 내 모든 역 간 거리를 정차시간을 제외한 이동시간으로 나누어 각 역 간 평균 이동속도를 산출하였다(Table 4).
Table 4.
Average travel speed between stations
다음으로는 앞서 산출된 역 간 평균 이동속도를 기반으로, SKIP-STOP 패턴의 구간별 이동시간을 산출하였다. SKIP-STOP 패턴에서는 미정차역의 존재로 인해 이동시간이 절감되며, 절감된 시간은 열차가 특정 정거장을 정차하지 않고 통과함으로써 절감되는 제동, 가속, 그리고 정차에 소요되는 시간에 기반한다. 본 연구에서는 Oh(2019)에서 제시한 산출식 Equation 1, Equation 2를 사용해 제동 및 가속에 소요되는 시간을 산출하였다.
본 연구에서 사용된 제동비 및 가속비는 실제 김포골드라인에서 사용되는 차량의 제동비 및 가속비인 3.96km/h/s, 4.32km/h/s를 적용하였으며 제동성능과 가속성능은 Oh(2019)에서 제시된 일반적인 경우에 해당하는 80%를 적용하였다. 각 SKIP-STOP 패턴별 역 간 이동시간은 Table 5와 같다.
Table 5.
Travel time between stations in SKIP-STOP patterns
최종적으로 산출된 SKIP-STOP 패턴의 역 간 이동시간은 Figure 6과 같다. 이때 SKIP-STOP 패턴에서 정차 당 평균 승하차인원은 기존 45명에서 62명으로 1.37배가 증가하기 때문에 정차시간은 기존 30초에서 1.5배 증가된 45초를 적용하였다. 패턴 A의 이동시간은 구래역부터 김포공항역까지 기존 29분에서 26.1분으로 단축되는 것으로 나타났고, 패턴 B의 이동시간은 구래역부터 김포공항역까지 기존 29분에서 25분으로 단축되는 것으로 나타났다.
다음으로 최소 배차간격을 산출하였다. 최소 배차간격은 Equation 3과 같이 표현되며 이때 산출 과정에서 열차 왕복시간의 계산이 필요하다. 열차 왕복시간은 Equation 4과 같이 계산하였다. 김포골드라인은 23편성으로 구성되며 열차 왕복시간에서 회차시간은 구래역 평균 회차시간 3분, 김포공항역 평균 회차시간 1분을 적용하였다. 또한 SKIP-STOP 운행 방식에서 방향별 이동시간은 두 패턴 이동시간의 평균값을 적용하였다. 기존 운영 방식에서의 최소 배차간격과 SKIP-STOP 운행 방식에서의 최소 배차간격은 Table 6과 같다.
Table 6.
Comparison of minimum headways between operation methods
기존 운영 방식의 최소 배차간격은 2.69분으로 나타났으며, SKIP-STOP 운행 방식 도입 시 최소 배차간격은 2.4분으로 감소하는 것으로 나타났다.
SKIP-STOP 운행 방식 도입 시, 최소 배차간격은 2.4분이더라도 이는 두 패턴 간의 최소 배차간격이기 때문에 각 패턴의 최소 배차간격은 2배인 4.8분으로 증가하게 된다. 본 연구에서는 각 SKIP-STOP 패턴의 배차간격을 5분으로 설정한 열차 다이어그램을 분석한 결과, 대피선 없이 급행화를 시행하고 열차 간 충돌을 방지하기 위해 열차 간 출발 시격의 차이는 2분, 그리고 Pattern B 열차가 먼저 출발하도록 설정하였다. 오전 6시 30분부터의 SKIP-STOP 운행 방식의 열차 다이어그램은 Figure 7과 같다.
SKIP-STOP 운행 방식 도입의 혼잡도 감소 효과 분석
앞서 제시한 평균 혼잡도 산출 방법론을 기반으로, 김포골드라인 내 SKIP-STOP 운행 방식 도입의 혼잡도 감소 효과를 분석하였다. Figure 8은 오전 7시부터 오전 8시까지의 혼잡도 변화를 나타낸 것이다. 기존 운영 방식에서 최고 평균 구간 혼잡도는 182.12%로 나타났지만, SKIP-STOP 운행 방식 도입 이후 최고 평균 구간 혼잡도는 패턴 A에서는 142.76%, 패턴 B에서는 142.61%로 두 패턴 모두 약 40% 정도 감소한 것으로 나타났다.
Figure 9는 오전 8시부터 오전 9시까지의 혼잡도 변화를 나타낸 것이며, 기존에 160.38%였던 최고 평균 구간 혼잡도는 SKIP-STOP 운행 방식 도입 이후 패턴 A에서는 124.11%로 약 36%, 패턴 B에서는 130.2%로 약 30% 감소한 것으로 나타났다.
결론
본 연구는 혼잡도가 극심한 김포골드라인의 혼잡 완화를 위해 승차수요를 기반으로 SKIP-STOP 패턴을 설정하고, SKIP-STOP 운행 방식 도입의 혼잡도 감소 효과를 분석하였다. 본 연구에서는 교통카드 raw data에 기반한 통계 데이터를 활용하여 데이터 전처리 과정을 최소화하는 접근법을 통해 평균 혼잡도를 추정하는 방법을 사용하였다. 또한 SKIP-STOP 운행 전략 수립 시 승차수요를 고려함으로써 특정 패턴에 수요가 집중되지 않도록 SKIP-STOP 패턴을 설정하였다.
SKIP-STOP 운행 방식 도입의 혼잡도 감소 효과는 혼잡이 가장 극심한 오전 첨두시를 대상으로 1시간 단위로 분석하였다. SKIP-STOP 운영 방식 도입 결과 기존 182.12%였던 오전 7시부터 오전 8시까지의 최고 혼잡도는 142.76%로 약 40% 감소하였으며, 기존 160.38%였던 오전 8시부터 오전 9시까지의 최고 혼잡도는 130.2%로 약 30% 감소하였다.
이러한 결과는 김포골드라인의 혼잡 완화를 위해 SKIP-STOP 운행 방식이 효과적임을 보여주며, 이는 승객의 이동 편의성을 증대시키고 열차 운영 효율성을 높이는 데 기여할 수 있음을 시사한다. 특히, 혼잡도가 심한 오전 첨두시에 기존 열차 운행 방식만으로는 효과적인 혼잡 관리가 어려운 경우 SKIP-STOP 운행 방식은 유의미한 대안으로 작용할 수 있다. 본 연구에서 제시한 SKIP-STOP 패턴은 승차수요를 세밀히 고려하여 특정 구간에 과도한 수요가 집중되지 않으면서 급행 효과를 나타내도록 설계된 점에서 정책적 활용 가능성이 높다.
그러나, SKIP-STOP 운행 방식은 대한민국에서 아직 도입된 적이 없는 새로운 운영 전략이므로, 도입 시 이용객들의 수용성과 적응 과정을 사전적으로 고려할 필요가 있다. SKIP-STOP 운행 방식이 일부 시간대에만 운영되는 특성상 SKIP-STOP 운행 방식이 이용객들에게 혼란을 초래할 가능성이 존재한다. 이러한 혼란을 최소화하기 위해 SKIP-STOP 운행 방식 도입 이전에는 충분한 사전 홍보와 안내가 시행되어야 하며, 도입 이후에는 명확한 시간표 안내, 환승 정보 제공이 이루어져야 한다. 또한 SKIP-STOP 운행 방식은 일부 역에서 정차하지 않는 특성상 오전 첨두시 김포공항역에 정차하지 않는 이용객에게는 불편함을 초래할 수 있다. 이에 따라 환승을 필요로 하는 승객들을 대상으로 오전 첨두시에만 김포골드라인 내 역들을 통과하는 버스 노선을 운영하는 등 이용객들의 불편을 줄일 수 있는 정책이 함께 고려될 수 있다.
기술적인 측면에서도 고려해야 할 요소가 있다. 김포골드라인은 완전 무인운전 체계를 기반으로 운영되며, 모든 역에 정차하는 것을 전제로 설계된 소프트웨어를 사용하고 있다. 이러한 소프트웨어는 구간별 속도 제어, 비상상황 대응 등에 한계가 있어 SKIP-STOP 운행 방식에는 적합하지 않다. 이러한 문제를 해결하기 위해서는 새로운 소프트웨어를 도입하거나 기존 소프트웨어를 개선하는 작업이 반드시 필요하다. 만약 소프트웨어 개선이 현실적으로 어렵다면, SKIP-STOP 운행 시에 한해 유인운전 체계를 검토하는 것도 대안이 될 수 있다. 또한 SKIP-STOP 운행 시에 한해 신호체계의 변경이 필요하다. SKIP-STOP 운행 방식은 정차 열차와 비정차 열차 간의 속도 차이와 간격 변화를 수용해야 하므로, 기존 신호 주기를 조정하여 열차 간 충돌 위험을 방지해야 한다. 이를 위해 열차가 건너뛰는 구간에서는 비정차 열차의 속도 조정을 지원하는 동적 신호 제어가 요구된다. 또한, 정차 및 비정차 열차의 간격 변화를 실시간으로 감지하고 이를 반영할 수 있는 자동화된 신호 시스템의 적용이 필수적이다.
본 연구에서는 SKIP-STOP 운행 방식의 도입 효과를 분석하기 위해 구간별 평균 이동 속도를 활용하였으나, 실제 열차 운행에서 발생하는 미세한 구간별 속도 변화를 충분히 반영하지 못한 한계가 있다. 구간별 평균 이동속도는 정차와 가감속의 영향을 고려한 값이지만, 각 구간의 기울기, 곡선 반경 등의 설계 요소에 대한 세부 특성을 고려하지 않아 세밀한 이동 속도 변화를 정확히 반영하지 못하였다. 이러한 단순화로 인해 SKIP-STOP 방식 도입으로 인한 시간 절감 효과가 실제보다 과대평가 되거나 과소평가될 가능성이 존재한다. 특히, 짧은 거리의 구간에서 이러한 차이는 커질 수 있으며, 이는 제안된 열차 운행 스케줄과 실제 운영 결과 간의 불일치를 초래할 수 있다. 따라서 향후 연구에서는 미세한 구간별 속도 변화를 포함하여 세부적인 분석을 해야 할 필요성이 있다.
