연구의 배경 및 목적

최근 도시 및 농촌 지역 모두에서 교통체계는 고정 노선 기반의 전통적 대중교통에서 이용자 수요에 기반한 맞춤형 이동 서비스로의 전환기에 있다. 특히 정보통신기술, 빅데이터, 자율주행 기술의 발전은 실시간 교통 운영을 가능케 하며, 이에 따라 수요응답형 교통(Demand Responsive Transit, DRT)이 도시·농촌 지역 모두에서 새로운 교통 대안으로 주목받고 있다(Gorev et al., 2020; Imhof and Blättler, 2023; Daniels and Mulley, 2012). DRT는 기존의 정시·노선 운행 구조가 갖는 비효율성을 보완하고, 수요 밀도가 낮은 지역에서도 접근성과 서비스 수준을 유지할 수 있다는 점에서 교통 불평등 해소 및 지속가능성 확보의 수단으로 평가된다(Mounce et al., 2020; Imhof and Blättler, 2023).

최근에는 자율주행 기술이 결합된 Automated Demand-Responsive Transit(ADRT) 개념이 등장하면서, 단순한 운행 유연성의 개선을 넘어 노동비 절감, 차량 운영 효율화, 에너지 절감 및 안전성 강화 등 다차원적 효과가 기대되고 있다(Oh et al., 2020; Yun et al., 2022). Yun et al.(2022)은 잠재 요인 분석(latent class analysis)을 통해 자동화 모빌리티 서비스의 이용자 유형별 선호 차이를 도출하며, 단일한 교통 혁신 접근보다 이용자 행태 기반 세분화 전략이 필요함을 강조했다. 또한 자율주행 기반 DRT는 기존 대중교통과의 first–last mile 연결성 개선에 기여할 수 있으며, 이는 특히 통근·통학·생활편의 목적 이동에서 새로운 접근수단으로 부상하고 있다(Imhof and Blättler, 2023; Oh et al., 2020). 해외 실증연구들은 DRT의 성공 요인으로 공간적 및사회경제적 특성을 지목하고 있다. 스위스 농촌 지역을 분석한 Imhof and Blättler(2023)는 인구 규모, 철도역까지의 거리, 그리고 식당과 같은 생활 편의시설의 분포가 DRT 수요를 예측하는 가장 중요한 변수임을 밝혔다. 요르단 암만시를 대상으로 한 Altarifi et al.(2023)의 연구 역시 이용 요금과 대기 시간이 가장 결정적인 요인이며, 연령, 소득 등 사회인구학적 특성에 따라 선호도가 크게 달라진다고 보고했다. 이처럼 저밀도 지역에서 DRT는 대중교통의 서비스 수준을 유지하며 운영 효율을 개선하는 대안으로 제시되고 있다. 그러나 이러한 공간적·운영적 요인에 대한 연구가 축적된 것과 대조적으로, 서비스의 구체적인 형태와 관련한 이용자 중심의 행태적 수용성 분석은 상대적으로 부족하다. 이러한 배경에서 Yun et al.(2022)의 연구는 자율주행 기반 모빌리티(AMoD) 서비스에 대한 이용자 선호를 분석하여 사회경제적 집단별로 기대 수준이 뚜렷하게 나뉜다는 점을 보여주었다. 연구에 따르면, 이용자 집단은 세 가지로 분류되었다. ‘선택적 이용자(ChoiceRider)’ 그룹은 고소득층으로, 좌석 선택 기능과 같은 서비스의 자율성을 중시했으며, ‘경쟁적 이용자(Competitive Class)’ 그룹은 차량 소유자들로, 도착 시간 단축에 가장 민감하게 반응했다. ‘의존적 이용자(Captive Rider)’ 그룹은 저소득 및 차량 미보유자들로, 접근 시간 단축(서비스 커버리지 확대)을 가장 중요하게 여겼다. 이러한 발견은 이용자 그룹별로 서비스 개선의 우선순위가 근본적으로 다르며, 단순히 차량 대수를 늘려 도착 시간을 줄이는 단일한 기술·운영적 개선만으로는 모든 이용자를 만족시킬 수 없다는 점을 시사한다. 따라서 성공적인 서비스 도입을 위해서는 다양한 이용 행태와 인식 요인을 통합적으로 고려한 맞춤형 서비스 설계가 필수적이다.

이에 본 연구는 화성시 남양읍 리빙랩 지역에서 해당 지역 주민과 종사자를 대상으로 시범 도입이 예정된 자율주행 수요응답형 대중교통(ADRT) 서비스에 대한 설문조사를 수행하였다. 리빙랩 내 ADRT 서비스는 스마트폰 어플리케이션을 통해 차량을 호출하면 지정된 서비스 구역 안에서 자율주행 차량이 수요에 따라 탄력적으로 운행되며, 설문조사는 이러한 서비스 도입을 전재로 ADRT 잠재 수용자를 유형화하고 유형별 맞춤형 서비스 정책 전략을 도출하기 위해 수행하였다.

설문조사 결과를 바탕으로 잠재 수용자를 유형화하기 위해 통근·환승·생활편의 등에 따라 응답자를 K-means clustering 기법을 사용하여 군집화하였다. 이후 형성된 군집 간 디지털 친화도, 기술 신뢰도 및 사회경제적 특성의 차이를 비교·분석하고, 그 결과를 토대로 각 유형에 맞는 ADRT 서비스 확산 정책을 제안하였다.

본 연구는 장래 이용 의향을 기준으로 ADRT 잠재 수용자를 유형화하고, 각 유형별 디지털 친화도 및 기술신뢰도의 차이를 실증적으로 분석한다. 이를 통해, 기존의 기술적·공간적·운영적 접근에서 더 나아가, 이용자의 행태적 특성은 물론 디지털 친화도와 기술 신뢰도까지 종합적으로 고려한 차별화된 서비스 도입 전략이 필요함을 구체화했다. 이는 향후 자율주행 대중교통 정책이 기술 보급을 넘어, 다양한 시민의 필요를 충족시키는 포용적 서비스로 나아갈 수 있는 실증적 토대를 제공한다.

선행연구

자율주행 수요응답형 대중교통(ADRT)은 최근 자율주행 기술과 모빌리티 서비스의 발전에 따라 주목받고 있으며, 특히 도시 및 교외 지역의 교통 문제 해결을 위한 유망한 대안으로 떠오르고 있다. 기존의 연구들에서는 주로 고정형 대중교통 시스템의 한계를 해결하기 위해 DRT와 관련된 다양한 기술적 및 운영적 측면을 다뤄왔다. 그러나 기존 연구들은 주로 교통 효율성이나 기술적 실현 가능성에 중점을 두었으며, 이용자 수용성이나 심리적 요인이 ADRT 서비스 도입에 미치는 영향은 충분히 다루지 않았다. 본 연구의 목적은 장래 이용 의향과 디지털 친화도, 기술 신뢰도를 중심으로 ADRT 서비스의 이용자 수용성을 분석하는 데 있는 바, 기술적 효율성과 심리적 요인에 관한 연구를 중심으로 관련 문헌 고찰을 수행하였다.

1. ADRT 기술적 측면 및 효율성

기존의 고정된 노선과 시간표에 의존하는 전통적인 대중교통 시스템은 특히 수요가 적은 시간대나 저밀도 지역에서 운영 비효율성 문제를 지닌다. 이러한 한계를 극복하기 위해, 운영자 비용 최소화와 이용자 편익 최대화를 목표로 스케줄링 및 노선망 설계를 최적화하려는 연구가 꾸준히 진행되어 왔다(Kepaptsoglou and Karlaftis, 2009). 또한, 주어진 노선 내에서 수요 패턴과 운영 제약을 고려하여 최적의 운행 계획을 수립하고, 버스 엉킴 현상 완화 등 정시성을 확보하기 위한 제어 전략을 개발하는 데 초점을 맞춘 연구들도 있다(Cyril et al., 2020; Estrada et al., 2021).

이러한 전통적 방식의 한계를 보완하고 보다 유연한 서비스를 제공하기 위해 수요응답형 교통(DRT) 서비스가 주목받는다. DRT 관련 연구들은 다양한 통행 데이터를 활용하여 운행 경로와 차량 배차를 최적화함으로써 운영 효율성을 높이는 데 중점을 둔다. 실시간 데이터를 바탕으로 수요 변동에 빠르게 대응하는 운영 전략이 강조되며, ICT 기술, 실시간 정보 활용, 서비스 통합 등이 DRT 시스템의 효율성을 개선하는 데 기여할수 있다. Mounce et al.(2020)의 연구에 따르면, 스마트 모빌리티와 결합된 DRT 시스템은 특히 기존 고정 노선 운영이 어려운 저밀도 지역에서 서비스 접근성을 높이고 운영 효율성을 개선하는 데 중요한 역할을 할 수 있다.

최근에는 자율주행 기술이 발전함에 따라, 이러한 DRT 시스템에 자율주행 기술을 결합한 자율주행 수요응답형 대중교통(ADRT) 서비스가 교통 효율성을 개선하고 이용자 편의성을 향상시킬 중요한 대안으로 떠오르고 있다. ADRT 시스템은 DRT의 유연성을 바탕으로 자율주행 기술을 결합하여 운행 경로와 시간을 실시간으로 최적화하는 방식으로 운영된다(Oh et al., 2020). 이러한 유연한 서비스 모델은 특히 저밀도 농촌 지역에서 문제가 되는 기존 고정형 대중교통 시스템의 비효율성을 해결할 잠재력을 지닌다. 나아가 Oh et al.(2020)은 ADRT가 고밀도 도심 지역에서도 기존 자율주행 택시(AMOD)보다 더 높은 수용 능력을 바탕으로 VKT(Vehicle Kilometers Traveled)를 감소시키는 등 효율적인 대안이 될 수 있음을 시뮬레이션을 통해 보여주었다. ADRT는 자동화된 차량 운영을 통해 인건비를 절감하고, 시스템 기반의 최적 운행 및 정시성 확보가 가능해질 것으로 기대된다.

2. ADRT의 이용자 수용성 및 심리적 요인

ADRT 서비스의 성공적인 도입과 확산을 위해서는 이용자 수용성이 중요한 요소로 작용한다. ADRT 시스템은 디지털 기술과 자율주행 차량을 기반으로 하는 새로운 형태의 대중교통 서비스로, 이용자들이 이를 수용할 수 있는 정도가 서비스의 성공을 결정짓는 핵심 요소로 부각되고 있다. 기존 연구에서는 주로 기술적 효율성이나 운영 모델에 집중하였으나, ADRT의 이용자 수용성을 높이는 심리적 요인은 상대적으로 충분히 다뤄지지 않았다(Molnar et al., 2018; Oh et al., 2020). 이용자 수용성은 기술 신뢰도, 디지털 친화도, 안전성 우려 등 여러 심리적 요인들이 복합적으로 작용하는 결과물이다. 기술 신뢰도는 이용자가 ADRT 서비스에 대해 가지는 안전성과 신뢰성에 대한 믿음으로, 이는 서비스 채택에 중요한 영향을 미친다. 이용자가 자율주행차량을 신뢰하지 않으면 ADRT 시스템의 도입이 어려워지기 때문이다(Oh et al., 2020). 또한, 디지털 친화도는 사용자가 디지털 기술에 얼마나 익숙하고, 기술을 쉽게 받아들이는 능력을 의미하며, ADRT 서비스의 채택과 수용성에 깊은 영향을 미친다. 특히, 디지털 친화도가 높은 이용자는 새로운 모빌리티 기술에 빠르게 적응하고, 이를 서비스 채택으로 이어질 가능성이 높다(Sitinjak et al., 2024).

ADRT 서비스에 대한 심리적 저항을 해결하는 데 있어 안전성 우려는 중요한 변수로 작용한다. 이용자들은 자율주행 차량이 예기치 않은 상황에서 어떻게 대처할지에 대한 불안감을 느끼며, 이는 서비스 수용성에 부정적인 영향을 미칠 수 있다. 특히, 자율주행 기술에 대한 불안은 기술적 신뢰 부족으로 이어지며, 이는 ADRT 서비스의 저항층을 형성하는 주요 원인으로 작용한다(Oh et al., 2020). 이러한 불안감을 해소하기 위해서는 ADRT 시스템의 기술적 안전성을 입증할 수 있는 실험적 데이터와 체험적 증거가 중요하다. 이용자들이 실제로 안전하고 신뢰할 수 있는 시스템임을 경험할 수 있도록 하는 체험형 홍보와 안전성 검증은 심리적 저항을낮추고 기술 신뢰를 구축하는 데 기여할 수 있다(Molnar et al., 2018).

ADRT 시스템의 심리적 수용성에 대한 연구는 디지털 친화도와 기술 신뢰도뿐만 아니라 이용자의 개인적특성을 반영한 연구가 필요하다. 예를 들어, 연령, 직업, 소득 등의 사회경제적 특성이 ADRT 서비스의 수용성에 영향을 미칠 수 있다. 특히, 젊은 층이나 디지털 친화도가 높은 층은 ADRT 서비스에 대해 적극적인 수용태도를 보이는 반면, 고연령층이나 디지털 기술에 대한 신뢰가 낮은 층은 소극적인 태도를 보인다. 이러한 사회경제적 및 심리적 요인을 반영한 군집 분석을 통해 ADRT 서비스의 수용성을 세분화하고, 맞춤형 서비스 설계가 필요함을 보여준다(Sitinjak et al., 2024).

이와 같은 선행연구의 고찰 결과는 본 연구의 실증 분석을 위한 설문조사 설계의 핵심적인 근거가 되었다. 본 연구를 위해 설계된 설문조사는 연구자의 주관적 판단에 의존하기보다, 기존 연구에서 반복적으로 중요성이 확인된 요인들을 검토한 뒤 리빙랩 맥락에 적합한 문항을 선별하였다. 스마트폰 기반 모빌리티 서비스 이용 경험이 이동 불편 감소와 연결된다고 제시한 Chang et al.(2025)의 설문 구성을 참고하여 디지털 친화도의 문항을 구성하였다. 위 논문을 바탕으로 본 연구에서는 모빌리티 앱 활용 여부와 빈도, 디지털 기기에 대한자기 평가 등 디지털 역량을 측정하는 문항을 포함하여 이용자의 디지털 친화도를 설문하였다. 또한 Ariyantiet al.(2025)가 연구를 통해 지적한 바와 같이, 디지털 리터러시 부족이 앱 기반 모빌리티 서비스 이용의 구조적 장벽이 될 수 있음을 고려하여, 디지털 기술 사용의 어려움에 대한 인식도 함께 파악할 수 있도록 문항을구성하였다. 자율주행 및 DRT 서비스 수용성과 관련해서는 Sitinjak et al.(2024), Molnar et al.(2018), Haghzare et al.(2021), Ejdys et al.(2025) 등이 공통적으로 기술 신뢰도, 안전성 인식, 이용 편의성, 향후 이용 의향을 핵심 변수로 사용한 점을 반영하여, ADRT 시스템의 신뢰성과 안전성에 대한 인식을 7점 리커트 척도로 측정하는 문항을 설계하였다. 이를 바탕으로 구체화 된 설문조사의 구성과 방법은 다음 장에서 자세히 기술한다.

3. ADRT의 사회경제적 맥락과 정책적 함의

DRT 서비스는 특히 저밀도 지역과 교통 소외지역에서 기존 고정형 대중교통 시스템이 충족하지 못하는 교통 접근성 문제를 해결할 수 있는 유망한 대안으로 주목받고 있다. DRT는 유연한 경로 설정과 실시간 운행 최적화를 통해 교통 효율성을 높이는 동시에, 기존 교통 시스템이 제공하기 어려운 교통 소외층에게 새로운 이동 수단을 제공할 잠재력을 지닌다. Imhof and Blättler, 2023는 스위스 농촌 지역의 DRT 서비스 ‘mybuxi’ 사례 분석을 통해, 인구 규모, 기차역까지의 거리, 생활 편의시설 분포 등이 DRT 수요에 유의미한 영향을 미침을 밝혔다. 이는 DRT가 농촌 및 저밀도 지역에서 기존 대중교통의 접근성을 보완하는 중요한 수단으로 기능할 수 있음을 실증적으로 보여준다(Imhof and Blättler, 2023).

ADRT 시스템은 기존 고정형 시스템에 비해 높은 운영 유연성을 바탕으로, 교통 소외지역이나 저밀도 지역에서도 경제적이고 효율적인 서비스 제공이 가능하다는 장점을 가진다. Mounce et al.(2020)은 이러한 DRT 시스템에 ICT 기반의 스마트 모빌리티 개념을 통합할 경우, 특히 수요가 낮아 고정 노선 운영이 어려운 지역에서 서비스 접근성을 높이고 운영 효율성을 개선하는 데 중요한 역할을 할 수 있다고 주장하였다. 이는ADRT가 기존 대중교통의 비효율성을 보완하고 교통 소외 문제를 완화하는 데 기여할 수 있음을 시사한다(Mounce et al., 2020). 또한, 자율주행 기술의 결합은 DRT 시스템의 운영 효율성을 더욱 높이고 비용 절감을 가능하게 할 잠재력을 지닌다. Oh et al.(2020)의 시뮬레이션 연구는 ADRT(AMoD Minibus)가 자율주행택시(AMoD Taxi)에 비해 더 높은 수송 능력을 바탕으로 VKT(Vehicle Kilometres Traveled)를 감소시키는 등 효율적인 운영이 가능함을 보여주었다. 비록 해당 연구가 인건비 절감 효과를 직접 분석하지는 않았으나, 자동화된 차량 운영은 장기적으로 인건비 부담을 줄이고 시스템 기반의 최적 운행을 통해 비용 효율성을 높일 것으로 기대된다(Oh et al., 2020).

ADRT 서비스의 사회적, 경제적 혜택을 극대화하고 성공적으로 정착시키기 위해서는 면밀한 정책적 접근과 운영 전략이 요구된다. Imhof and Blättler, 2023의 연구 결과는 DRT 서비스가 기차역과 같은 주요 교통 거점과의 연계성을 가질 때 수요가 높게 나타남을 보여주며, 이는 ADRT가 기존 대중교통 시스템과의 효과적인 통합을 통해 first-last mile 연결성을 개선하고 이용 편의를 높일 수 있음을 시사한다. 따라서 정책적으로 ADRT 서비스가 기존 대중교통망을 보완하고 원활하게 연계될 수 있도록 환승 체계 및 정보 제공 시스템을 구축하는 것이 중요하다(Imhof and Blättler, 2023). 더불어, ADRT 서비스의 성공적인 확산을 위해서는 이용자 수용성을 높이는 전략이 필수적이다. Yun et al.(2022)은 AMoD 서비스에 대한 이용자 선호도가 단일하지 않으며, 잠재적 이용자 그룹별로 중요하게 생각하는 서비스 속성이 다르다는 점을 잠재계층 분석을 통해 밝혔다. 이는 ADRT 도입 시 기술적 측면 뿐만 아니라 다양한 이용자의 요구와 선호를 반영한 세분화 된 접근 전략이 중요함을 시사한다(Yun et al., 2022). 성공적인 ADRT 도입을 위해서는 실제 이용자 경험을 바탕으로 서비스 품질을 지속적으로 평가하고 개선하는 과정이 수반되어야 하며, 이를 위한 시범 운영 및 데이터 기반의 평가 체계 구축이 정책적으로 지원될 필요가 있다.

기존 연구의 한계 및 연구 차별성

앞서 살펴본 바와 같이, ADRT에 대한 기존 연구들은 주로 기술적 효율성, 운영 최적화, 그리고 서비스 도입에 영향을 미치는 거시적·공간적 요인 분석에 집중되어 왔다(Oh et al., 2020; Kepaptsoglou and Karlaftis, 2009; Cyril et al., 2020; Hamedmoghadam et al., 2021; Imhof and Blättler, 2023; Altarifi et al., 2023). 또한, 이용자 수용성에 관한 연구들도 진행되었으나, 이는 주로 자율주행 기술 자체에 대한 일반적인 신뢰도나 심리적 저항 요인을 다루거나(Molnar et al., 2018; Sitinjak et al., 2024), 다양한 서비스 속성에 대한 선호도를 분석하는 데(Yun et al., 2022) 초점을 맞추어 왔다.

그러나 이러한 선행연구들은 ADRT 서비스의 성공적인 도입과 확산을 위해 필수적인 이용자 중심의 행태적 수용성 구조를 심층적으로 규명하는 데는 한계를 지닌다. 구체적으로, 기존 연구들은 인구통계학적 특성이나 서비스 속성 선호도에 따른 이용자 분류를 시도하였으나(Yun et al., 2022), 잠재 이용자가 ADRT를 어떤 통행 목적으로 활용하고자 하는지, 즉 구체적인 장래 이용 의향을 기준으로 수용자 집단을 유형화하고 각 집단의 수용성 결정 요인을 심층적으로 분석하는 데는 미흡했다. 실제 서비스 이용 행태는 통행 목적과 밀접하게 연관되므로, 이러한 행태 기반의 접근은 보다 실효성 있는 서비스 설계 및 정책 마련에 필수적이다. 더욱이, ADRT 서비스가 호출, 예약, 결제 등 전 과정에서 디지털 플랫폼 의존성이 높음에도 불구하고, 이용자의 디지털 역량 및 자율주행 기술과 서비스 시스템에 대한 신뢰가 특정 이용 행태 의향을 가진 집단별로 어떻게 차별화 되며 상호작용하는지에 대한 통합적인 분석은 부족하다. 기존 연구들은 이러한 요인들을 개별적으로 다루거나 일반적인 수용성과의 관계만을 살펴보았을 뿐(Molnar et al., 2018; Sitinjak et al., 2024), 통근 목적으로 ADRT를 이용하려는 집단과 생활편의 목적으로 이용하려는 집단 간 요구되는 디지털 역량 수준이나 기술 신뢰의 중요도 차이 등을 구체적으로 밝히지 못했다.

따라서 본 연구는 이러한 연구 공백을 메우기 위해, ADRT 서비스의 잠재 이용자를 장래 이용 의향에 따라군집화하고, 각 군집별 디지털 친화도와 기술 신뢰도의 수준 및 특성을 실증적으로 비교·분석하고자 한다. 이를 통해 기술 중심적 접근에서 벗어나 이용자 행태와 인식을 중심으로 ADRT 수용성 구조를 다각적으로 규명하고, 유형별 맞춤형 서비스 도입 및 확산 전략을 제시하는 데 기여하고자 한다.

연구 방법 및 데이터

본 연구는 궁극적으로 잠재 이용자의 행태적 특성과 디지털 수용성, 기술 신뢰도에 따른 이질적인 수용성 유형을 도출하고자 한다. 특히 최근의 모빌리티 서비스는 어플리케이션 기반 호출·결제 시스템을 중심으로 전개되며, 이에 따라 이용자의 디지털 활용 역량과 기술 신뢰 수준이 서비스 수용성에 미치는 영향을 함께 고려할 필요가 있다.

이를 규명하기 위해, 경기도 화성시 남양읍 리빙랩 지역의 거주자 및 근로자를 대상으로 수요응답형 자율주행 대중교통 서비스 도입 시 장래 이용 의향, 서비스 수용성, 기술 신뢰도 등에 대한 설문조사를 수행하였다. 조사 결과를 토대로, 이용자의 통행 목적을 중심으로 K-means 군집분석(K-means clustering)을 적용하여 잠재 수요자 유형을 분류하고, 각 군집 간의 사회경제적 특성과 디지털 친화도, 기술 수용성의 차이를 비교·분석하였다.

1. 설문조사 설계

본 연구는 수요응답형 자율주행 대중교통 서비스의 도입 가능성과 이용자 수용성을 분석하기 위해 리빙랩 지역의 잠재 수요자를 대상으로 설문조사를 실시하였다. 조사는 경기도 화성시 남양읍 남양뉴타운 일대를 대상으로 거주자 및 근로자를 모집단으로 설정하여 총 300명을 대상으로 설문을 진행하였다. 응답의 신뢰성과 이해도를 확보하기 위해 조사에 앞서 참가자에게 ADRT 서비스의 개념, 운행 방식, 호출 절차, 운행 구간 등을 시각 자료와 함께 설명하였다. 설문지는 총 6개 파트로 구성되었으며, 응답자 확인, 장래 이용 행태, 서비스 수용성과 인식, 디지털 기술 역량 및 신뢰도, 서비스 평가항목 우선순위, 그리고 사회경제적 특성으로 구분된다.

첫 번째 파트에서는 응답자의 실제 거주지 또는 직장이 리빙랩 구역 내에 포함되는지를 확인하여 비대상 응답을 제외함으로써 공간적 대표성을 확보하였다. 두 번째 파트는 ADRT 서비스 도입 시 통행 목적별 이용 의향을 알아보기 위한 문항으로 구성되었다. 통행 목적은 출근, 퇴근, 쇼핑(최종 목적지), 쇼핑(환승), 개인 업무(최종 목적지), 개인 업무(환승), 운동 및 여가 활동(최종 목적지), 운동 및 여가 활동(환승) 총 8개 항목으로 구분되었으며, 각 항목에 대해 7점 리커트 척도(1=전혀 이용하지 않겠다, 7=반드시 이용하겠다)를 사용하여 응답하도록 하였다. ‘환승’이 포함된 항목은 리빙랩 외부의 최종 목적지로 이동하기 위해, ADRT 서비스를 이용하여 리빙랩 내부의 버스정류장이나 역 등 환승이 가능한 지점까지 이동하려는 의향을 의미한다. 반면 ‘최종 목적지’ 항목은 리빙랩 내부에 위치한 목적지로 직접 이동하기 위해 ADRT 서비스를 이용하려는 의향을 의미한다. 이 문항군은 이후 군집분석의 핵심 입력변수로 활용되었다.

세 번째 파트는 ADRT 서비스 도입에 따른 이용자 인식과 수용 태도를 파악하기 위한 항목으로 구성되었다. 응답자는 먼저 서비스의 운영 적합성에 대한 판단을 제시한 후, 잠재적 문제 요인과 긍정적 효과에 대한 동의 정도를 각각 평가하였다. 부정적 인식 항목에는 배차 간격 불균형에 따른 대기시간 증가, 디지털 접근성 문제, 자율주행 안전 우려, 정류장 접근 불편, 기존 교통수단과의 상충 등 5가지 요인이 포함되었다. 반대로 긍정적 인식 항목은 정시성 개선, 접근성 향상, 요금 합리성, 대기시간 단축, 교통소외지 해소, 교통약자 접근성 등 6가지 효과를 중심으로 구성되었다. 모든 항목은 7점 리커트 척도로 측정되었으며, 서비스 수용에 대한 인식 구조를 정량적으로 비교할 수 있도록 설계되었다.

마지막 파트는 응답자의 디지털 기술 역량과 자율주행 기술에 대한 신뢰 수준을 측정하는데 초점을 두었다. 앱 설치와 로그인, 기능 탐색 및 실행에 대한 자신감, 실시간 호출 서비스 이용 경험, QR 코드 및 모바일 결제 빈도, 신기술의 독립적 활용 능력, 새로운 앱 학습 및 시도 태도, 기술적 문제로 인한 이용 실패 경험 등 총 6개 문항을 포함하였다. 이와 함께 수요응답형 대중교통 및 자율주행 기술에 대한 이해도, 이용 경험, 기대효과 및 우려요인, 서비스 신뢰도 등에 관한 문항을 통해 이용자 수준에서의 기술 수용성을 다차원적으로 파악하였다. 특히 디지털 기술 역량과 자율주행 기술 신뢰도 항목은 이후 군집 간 비교 분석의 주요 변수로 사용되었다. 마지막 파트에서는 응답자의 사회경제적 특성을 파악하기 위해 출생연도, 성별, 운전면허 및 차량 보유 여부, 월평균 가구소득, 직업 및 근무형태, 최종학력 등을 조사하였다. 이러한 변수들은 이후 군집 별 속성 비교를 위한 보조 지표로 사용되었다.

본 설문은 단순한 이용 의향 조사를 넘어, 기술 수용성·디지털 역량·신뢰도·행태적 요인을 통합적으로 고려한 구조로 설계되었다는 점에서 기존의 대중교통 이용 행태 조사와 차별성을 지닌다. 특히 통행 목적별 이용 의향을 군집분석이 입력변수로 활용함으로써 응답자의 행태적 특성을 기반으로 잠재 수요자 유형을 도출할 수 있도록 하고, ADRT 서비스의 이용 의향, 기술 수용, 사회경제적 요인, 서비스 인식, 디지털 역량을 통합적으로 측정함으로써 이용자 중심의 맞춤형 군집분석 및 정책적 시사점 도출을 위한 기초자료로 사용하였다.

2. K-means Clustering

K-means clustering 알고리즘은 주어진 데이터 집합을 K개의 상호 배타적인 군집으로 분할하여, 각 군집 내부의 응답 간 유사성을 최대화하고 군집 간에는 최대한 이질적이 되도록 하는 대표적인 비지도 학습 기법이다. 각 응답자는 다차원 특성 벡터로 표현되며, 알고리즘은 각 응답자가 속한 군집 중심점(centroid)과의 제곱거리 합이 최소가 되도록 군집을 형성한다(Arthur and Vassilvitskii, 2006).

알고리즘은 먼저 K개의 초기 중심점을 임의로 설정한 뒤, 각 응답자를 가장 가까운 중심점에 할당하는단계와 할당 결과를 바탕으로 각 군집의 중심을 다시 계산하는 단계를 반복 수행한다. 군집 중심과 할당결과가 더 이상 유의미하게 변하지 않거나 오차 감소가 충분히 작아졌을 때 수렴한 것으로 판단하여 최종군집 구조를 결정한다.

다만, K-means clustering은 초기 중심값을 어떻게 설정하느냐에 따라 결과가 달라질 수 있어, 항상 가장 좋은 해에 도달한다고 보장하기 어렵다. 따라서, 일반적으로 여러 번 알고리즘을 반복 실행한 뒤 군집 내 제곱합(RSS)이 가장 작은 결과를 선택하거나, 이상치(outlier)를 초기 중심값 설정 과정에서 배제하는 등의 실무적 보완 방법을 함께 사용한다. 이러한 K-means clustering은 각 반복에서 모든 데이터-중심 간 거리를 계산해야 하므로, 데이터 수(N)·차원 수(d)·군집 수(K) 및 반복 횟수(t)에 대해 시간 복잡도는 선형적으로 증가한다. 그러나, K-means clustering는 수렴 속도가 빠르며, 고차원 데이터에서도 계산 효율이 높아 실제 응용에서 가장 널리 사용되는 비지도 군집화 기법 중 하나로 평가된다.

본 연구에서 입력 변수는 장래 이용 행태 조사에 포함된 총 8개 통행 목적별 이용 의향 항목(출근, 퇴근, 쇼핑(최종 목적지), 쇼핑(환승), 개인업무(최종 목적지), 개인업무(환승), 운동·여가(최종 목적지), 운동·여가(환승))이다. 모든 응답값은 7점 리커트 척도로 측정되었으며, 이런 응답 벡터를 xi=xi1,xi2,...,xi8로 정의하고, 각 응답자 i에 대해 군집 중심 μk와의 유클리드 거리(Euclidean distance)를 최소화하는 방식으로 군집을 형성하였다.

군집의 개수 K는 사전에 정의되지 않으므로, Elbow 방법(Elbow Method)과 Silhouette 지수(Silhouette index)를 함께 활용하여 결정하였다. Elbow 방법은 군집 내 이질성(Within-Cluster Sum of Square)이 급격히 완화되는 지점을 확인함으로써 적정 군집 수를 도출하며, Silhouette 지수는 각 데이터가 속한 군집 내 응집도와 다른 군집과의 분리도를 함께 고려하여 군집의 품질을 평가한다.

이러한 K-means clustering의 특성을 활용하여, 응답자의 통행 목적별 이용 행태 벡터를 기반으로 잠재 이용자 집단을 탐색하고, 각 군집의 사회경제적·행태적 이질성을 규명하고자 하였다.

분석 결과

1. 서비스 도입 시 장래 이용 의향을 기반으로 한 군집화 결과

본 연구에서는 앞서 제시한 K-means clusternig 기법을 적용하여, 응답자의 장래 이용 행태를 기반으로 ADRT 서비스 잠재 수요자의 유형을 도출하였다(Table 1). 분석에서는 설문조사의 장래 이용 행태 조사에 포함된 8개 항목(출근, 퇴근, 쇼핑(최종 목적지), 쇼핑(환승), 개인업무(최종 목적지), 개인업무(환승), 운동·여가(최종 목적지), 운동·여가(환승))을 입력 변수로 활용하였다. 각 항목은 7점 리커트 척도(1=전혀 이용하지 않겠다, 7=반드시 이용하겠다)로 측정되었으며, 항목 간 척도 차이를 제거하기 위해 표준화를 실시하였다.

군집 수의 결정은 Elbow 방법(Elbow Method)와 Silhouette 지수(Silhouette Index)를 동시에 적용하여 고려하였다. Elbow 방법에서는 군집 내 이질성(Within-Cluster Sum of Squares, WCSS)이 급격히 완화되는 지점을, Silhouette 지수는 군집 간 분리도와 응집도의 균형점을 확인하는 방식으로 활용하였다. 두 가지 지표를 종합적으로 검토한 결과, K=5가 해석력과 분리도가 가장 우수한 값으로 도출되었고, 이에 따라 5개의 군집을 최종 분석 단위로 채택하였다.

최적의 K인 K=5를 바탕으로 K-means clustering을 적용한 결과, 각 군집은 통행 목적별 ADRT 이용 의향에서 뚜렷한 차이를 나타냈다. Cluster 0는 모든 항목에서 평균 응답값이 5.8 이상으로, 통행 목적과관계없이 일관되게 매우 높은 이용 의향을 보이는 집단으로 확인되었다. 표준편차 또한 0.7~0.8 수준으로 낮게 나타나, 해당 집단 내 구성원들이 ADRT 서비스 도입에 대해 전반적으로 균일한 긍정적 태도를 가지고 있음을 확인할 수 있었다.

Cluster 1은 모든 항목에서 선호도 평균값이 3.8~4.4 사이에 분포하며, 보통(4점)에 근접한 응답 패턴을 보였다. 표준편차는 0.39~0.64로 전체 군집 중 가장 낮다는 점에 주목해 볼 수 있으며, 이는 특정 목적에 대한 선호나 거부가 뚜렷하지 않고 집단 구성원 전체가 일관되게 특정 목적에 대한 선호도가 치우치지 않는 중립적 태도를 취하고 있다고 볼 수 있다.

Cluster 2는 모든 항목에서 선호도 평균값이 1.59~2.36을 기록하며, 5개 군집 중 가장 낮은 ADRT 이용 의향을 보였다. 특히 통근 및 개인 용무 목적에서 1점대의 매우 저조한 수치를 기록하여 서비스 도입 시 이용 의사가 가장 부정적인 집단임을 확인할 수 있었다. 다만 쇼밍(환승) 및 개인업무(환승) 목적 등 일부에서 표준편차가 1.0 이상으로 나타나, 대체로 부정적이나 군집 일부 구성원 간에는 의견 차이가 존재함을 알 수 있다.

Cluster 3는 쇼핑, 개인업무, 여가의 환승 목적에서 평균 5.00~5.33의 높은 점수를 기록한 반면, 최종목적지에 도착하기 위한 이용 의향에는 상대적으로 낮은 선호도(2.67~2.83)를 나타내는 경향을 보였다. 통근 항목에서는 4점 이상의 비교적 긍정적인 수치를 보여, 주로 환승 연계 및 통근 수단으로서의 활용 의향이 뚜렷한 집단으로 분류되었다.

마지막으로 Cluster 4는 통행 목적에 따라 이용 의향이 가장 극명하게 갈리는 집단으로 관측되었다. 통근 목적의 이용 의향은 평균 2.78로 낮게 나타났으나, 쇼핑·여가 등 비업무 통행 목적에서는 4.56~5.24의높은 이용 의향을 보였다. 이는 필수 통행인 통근보다는 시간적 제약이 덜한 생활편의 목적의 이동 수단으로 ADRT 서비스를 이용하겠다는 태도가 수치로 확인된 결과로 볼 수 있다.

이처럼 도출된 다섯 개 군집은 응답자의 통행 목적별 이용 의향에 따라 뚜렷이 구분되었으며, 이를 통해 ADRT 서비스 잠재 수요자의 행태적 이질성이 명확히 드러남을 확인하였다. 특히 군집 간 응답 패턴은 모든 목적에서 적극적으로 서비스를 수용하는 Cluster 0와 거의 사용 의향이 없는 저항층인 Cluster2를 양극단으로, 그 사이에 균형적 서비스 수용층인 Cluster 1, 환승·통근 중심형 이용층인 Cluster 3, 생활편의 중심형인 Cluster 4가 존재하는 5분형 수용성 스펙트럼으로 유형화된다.

이후 각 군집 별로 사회경제적 특성(연령, 직업, 소득, 차량 보유 여부 등)과 디지털 기술 역량 및 자율주행 기술 신뢰도를 교차 분석함으로써, 단순한 이용 의향의 차이를 넘어 디지털 친화도·기술 수용 수준· 행태적 요인의 상호작용을 실증적으로 규명하였다. 이러한 분석 결과는 ADRT 서비스의 수요예측 및 맞춤형 운영전략 수립에 있어, 기술 중심에서 이용자 중심으로의 패러다임 전환이 필요함을 시사한다.

2. 군집 별 사회경제적 특성

군집별 사회경제학적 속성을 살펴본 결과, 연령·소득·학력·차량 보유 여부, 그리고 직업 구성에서 뚜렷한 차이가 나타났다. 이는 각 군집의 ADRT 서비스 이용 의향과 디지털 기술 수용성 간의 관계를 사회적 맥락 속에서 해석하는데 중요한 근거를 제공한다. 단, 본 연구의 군집화가 장래 이용 의향만을 변수로 수행되었음을 고려할 때, 사회경제학적 특징은 군집 형성의 원인이 아닌 사후적 특징으로 해석되었음을 유의해야 한다. 이에 따라, 이어지는 분석에서는 각 군집 별로 유의미하게 나타난 사회경제적 지표들의 경향성을 통해 잠재 수요층의 군집 별 특징을 도출하고자 한다.

Cluster 0은 직업 구성에서 전업주부와 학생의 비중이 46.03%로 전체 군집 중 가장 높게 나타났으며, 그 뒤를 사무·관리직, 자영업자·프리랜서가 잇는 구성을 보인다. Figure 1(b)의 레이다 차트 분석 결과, 이들은 차량 보유율이 5개 군집 중 가장 낮고, 연령 또한 가장 낮은 수준을 기록하였다. 소득과 학력 역시평균 이하의 분포를 보여, 전반적으로 연령대가 낮고 자가용 보유율 저조한 학생 및 비경제활동 인구 중심의 특성을 나타낸다.

Cluster 1은 직업 분포에서 사무·관리직의 비중이 43.9%로 가장 높게 나타났으며, 자영업자·프리랜서가 그 뒤를 잇는 구조를 보인다. 레이다 차트상에서 이 군집은 연령이 전체 군집 중 가장 낮게 나타난 반면, 학력은 두 번째로 높고 소득은 평균을 상회하는 수준을 기록했다. 이는 해당 군집이 주로 고학력의 젊은 직장인을 중심으로 구성되어 있음을 나타낸다.

Figure 1

Comparison of socio-demographic characteristics by user cluster: (a) Distribution of occupation categories (b) Standardized scores of age, education, income, and car ownership

Cluster 2는 직업 구성 면에서 전업주부와 학생의 비중이 36.4%로 가장 높으며, 레이다 차트상 소득과 학력 수준이 낮게 나타난다는 점에서 앞선 Cluster 0과 유사한 사회경제적 분포를 보인다. 유사한 직업 및 소득 분포를 보임에도 불구하고, 레이더 차트의 연령과 차량 보유 항목에서는 정반대의 특징이 관찰된다. Cluster 2는 5개의 군집 중 연령대가 가장 높고, 차량 보유 지수 또한 가장 높은 수치를 기록한 것을 바탕으로 해당 군집은 중·장년층 중심의 전업주부 및 은퇴 전후 세대로 보이는 비경제활동 인구가 많은 집단으로 해석할 수 있다.

Cluster 3은 표본 내에서 전적으로 사무·관리직(66.67%)과 서비스·판매직(33.33%)으로 구성된 경제활동 인구 집단이다. 레이더 차트 분석 결과, 이들은 소득·학력·차량 보유율이 모두 전체 군집 중 가장 높은 수준을 기록하였으며, 연령은 평균보다 다소 낮은 분포를 보였다. 이는 해당 군집이 소득 기반을 갖춘 젊은 고소득 직장인 집단으로 해석된다.

Cluster 4는 공공·전문직을 제외한 다양한 직업군이 고르게 분포한 특징을 보인다. 전업주부·학생이 27.8%로 가장 높은 비중을 차지하고, 이어 자영업자·프리랜서(20.4%), 서비스·판매직(16,7%), 사무·관리직(16.7%)이 유사한 비중을 보인다. 특정 직업군에 대한 쏠림 현상이 관찰되지 않으며, 레이다 차트에서도 연령, 소득, 학력, 차량 보유율이 모두 평균 수준으로 나타나, 사회경제적 지표상 한쪽으로 치우치지 않는 중위층 중심의 균형형 집단으로 해석된다.

본 연구의 5개 군집은 방법론적으로 장래 이용 의향만을 단일 변수로 활용하여 분류되었으나, 분석 결과 단순한 선호도의 차이를 넘어 연령·직업·차량 보유 여부 등 사회경제적 배경에 따라 구조적으로 구분되는 행태적 집단임이 확인되었다. 특히 직업 및 소득 수준이 유사함에도 불구하고 이용 의향이 상반되게 나타난 Cluster 0과 Cluster 2의 사례는 물리적 이동 자원과 생애주기적 특성이 신기술 수용성을 결정짓는 기제임을 시사한다. 이러한 각 군집의 고유한 사회경제적 프로파일은 앞서 확인된 통행 목적별 이용 의향과 결합하여, 단순한 수치를 넘어 실질적인 수요 발생의 맥락을 이해하는 중요한 토대가 될 수 있다. 따라서 결론에서는 본 절에서 도출한 객관적 지표를 바탕으로 각 집단의 현실적 니즈와 제약 요인을 해석하고, 이에 부합하는 이용자 중심의 차별화된 ADRT 서비스 도입 전략을 논의하고자 한다.

3. 군집 별 디지털 역량 및 기술 수용 태도와 인식 차이 분석

응답자 군집 별 특성을 분석한 결과, 각 군집은 장래 서비스 이용 의향과 함께, 새로운 교통 서비스를 수용하고자 하는 태도와 인식 측면에서도 상이한 양상을 보였다.

Cluster 0는 ADRT 서비스에 대한 전반적 이용 의향이 모든 군집 중 가장 높게 나타났으며, 기술 수용성 지표에서도 일관되게 상위 수준을 기록하였다. Figure 2(a)의 디지털 친화도 분석에서 응답자의 87.8%가 5점 이상의 높은 점수를 보였으며, Figure 2(b)의 신기술 학습 태도 역시 5점 이상 응답이 과반수(85.7%)를 차지하였다. Table 2의 통계에서도 평균 5.49의 디지털 친화도, 평균 4.57의 ADRT 서비스 신뢰도를 기록하여 전반적으로 높은 수치를 보였다. 자율주행 기술 신뢰도(Figure 2(c))와 ADRT 서비스 신뢰도(Figure 2(d)) 또한 5점 이상의 긍정 응답 비율이 압도적으로 높아, 디지털 기기 활용 능력이 우수하고 기술에 대한 거부감이 낮은 특성이 확인된다.

지각된 장점에 대한 인식 차이를 살펴보기 위해 Table 3에 제시된 DRT 및 자율주행 기술의 장점 문항을 7점 리커트 척도로 측정하였으며, 군집 별 표준화 평균 점수는 Figure 3에 도시하였다. 분석 결과, Cluster 0은 지각된 장점의 모든 세부 항목을 타 군집 대비 긍정적으로 인식하고 있는 것으로 나타났다. 반면 지각된 단점에 대한 인식은 Table 4의 문항을 통해 측정하였으며, 군집 별 결과는 Figure 4에 정리하였다. Cluster 0은 지각된 단점에 대해서는 전반적으로 낮은 수준의 우려를 보였으나, DRT에서의 ‘합승에 따른 통행 시간증가 및 불편’과 자율주행 시스템의 ‘돌발 및 비상 상황 시 대응 미비’에 대한 우려가 상대적으로 높게 관찰되었다. 이는 Cluster 0이 높은 기술 수용 역량을 바탕으로 서비스의 효용을 높게 평가하면서도, 실제운행 효율성과 안전상의 돌발 변수에 대한 잠재적 불편 요소를 인지하고 있음을 보여준다.

Cluster 1은 모든 통행 목적에서 평균 3.8~4.4 수준의 중립적 이용 의향을 보였으나, 디지털 역량 지표에서는 상위 수준을 기록하였다. Figure 2(a)에 따르면 디지털 친화도에서 5점 (83.2%), 6점(7.1%) 응답이 집중되어 있고, Figure 2(b)의 신기술 학습 태도 역시 모든 응답이 4~7점으로 구성되어 긍정 응답이 지배적인 것을 확인할 수 있다. 그러나 높은 디지털 역량에도 불구하고, Figure 2(d)의 ADRT 서비스 신뢰도에서는 보통(4점)이나 긍정 응답 비율이 Cluster 0에 비해 상대적으로 낮고 유보적인 경향이 관찰된다. 이러한 역량과 수용 의향 간의 불일치 현상은 Figures 3과 4의 레이다 차트 분석을 통해 설명된다. Cluster 1은 Figure 4의 지각된 단점 분석에서는 낮은 수준의 자율주행 및 DRT 시스템에 대한 우려를 보여 기술적 진입 장벽이나 사용상의 어려움은 없는 것으로 확인되었다. 반면, Figure 3의 지각된 장점 분석에서는 자율주행 기술의 이점에 대해서 Cluster 0 대비 전반적으로 현저히 낮은 장점 인식 수준을 보였으며, 무엇보다 DRT 서비스의 장점(Figure 3(a))에 대한 인식에서는 5개의 군집 중 가장 낮은 장점 인식 수준을 보였다. 즉, 이들은 높은 디지털 역량을 가지고 있어 기술적 장벽이나 단점에 대한 우려는 낮지만, 정작 서비스가 제공하는 실질적 효용이나 기존 수단 대비 비교 우위를 전혀 체감하지 못하고 있기에 중립적이고 유보적인 태도를 취하는 것으로 해석된다.

Figure 2

Distribution of 7-point Likert scale responses by user clusters : (a) Digital affinity (b) Attitude toward Learning technology (c) Trust in autonomous technology (d) Trust in ADRT services

Figure 3

Radar charts profiling user clusters based on standardized mean scores of perceived advantages (derived from 7-point Likert scale responses): (a) DRT advantages (b) Autonomous technology advantages

Figure 4

Radar charts profiling user clusters based on standardized mean scores of perceived disadvantages (derived from 7-point Likert scale responses): (a) DRT disadvantages (b) Autonomous technology disadvantages

Cluster 2는 ADRT 서비스 이용 의향과 기술 신뢰도(Figure 2(c),(d)) 지표 모두에서 가장 낮은 점수를 기록한 집단이다. Figure 2(a)의 디지털 친화도 분포를 살펴보면 2~5점 구간의 응답 비율이 63.6%를 차지하여 전반적으로 넓은 분포를 보이는 동시에 1점(9.1%)과 7점(27.3%)의 양극단 응답이 존재하는 것을 확인할 수 있다. Table 2의 통계 수치 또한 이를 뒷받침하는데, Cluster 2의 디지털 친화도 표준편차는 1.76으로 5개 군집 중 가장 높게 나타나 집단 내 역량 격차가 큼을 객관적으로 보여준다. 27.3%의 응답자는 높은 디지털 친화도를 보유하고 있고, 과반수가 중간 수준 이상의 디지털 역량을 갖추고 있음에도 불구하고, 자율주행 기술 신뢰도와 ADRT 서비스 신뢰도에서는 대다수가 부정적 응답을 보였다. 이러한 경향은 Figure 4(b) 레이더 차트에서 더욱 두드러지는데, Cluster 2는 자율주행 기술의 단점에 대한 우려 항목에서는 타 군집 대비 월등히 높은 인식 수준을 보였다. 따라서 Cluster 2의 낮은 이용 의향은 디지털 역량의 결핍보다는 기술 자체에 대한 불신이나 안전성 우려 등 신뢰도 요인에 더 크게 기인하는 것으로 분석된다.

Cluster 3는 환승 및 통근 목적에서 높은 이용 의향을 보인 집단으로, 디지털 수용성 지표 또한 매우 높게 나타났다. 응답자의 83.4%가 5점 이상의 디지털 친화도를 보였으며, 자율주행 기술 신뢰도에서도 33.3%가 4점, 66.7%가 5점을 기록하여 부정적 응답을 살펴볼 수 없었다. 실제로 Table 2에서 Cluster3는 디지털 친화도와 신기술 학습 태도 모두에서 전체 군집 중 가장 높은 점수를 기록하였다. 이는 높은 디지털 리터러시가 통근 및 환승 효율성을 위한 신기술 수용에 긍정적으로 작용하고 있음을 보여준다.

Cluster 4는 통근 외 생활편의 목적에서 선택적으로 높은 이용 의향을 보인 집단이다. 디지털 친화도를 살펴보면 5점 응답이 57.4%로 가장 높고, 6~7점 응답이 약 29.7%를 차지하여 전반적으로 준수한 디지털 역량을 보유하고 있다. 신기술 학습 태도와 기술 신뢰도 역시 극단적인 부정이나 긍정보다는 4~5점 구간에 응답이 집중되는 경향을 보인다. 이러한 중도적 경향은 레이더 차트 분석에서도 확인된다. Figure 3의 지각된 장점 분석 결과, Cluster 4는 모든 항목에서 중앙값 부근에 분포하며 뚜렷한 긍정이나 부정의 편향 없는 중도적 성향을 나타냈다. Figure 4의 지각된 단점 분석에서는 대체로 평균적인 인식 수준을 보였으나, 자율주행 기술 부문에서 ‘기계적 판단에 대한 불신’ 항목을 타 항목 대비 상대적으로 높게 인식하고 있는 것으로 확인되었다. 이는 기술에 대한 맹목적 신뢰나 거부감보다는 실용적인 관점에서 기술을 수용하되, AI의 판단 능력과 같은 구체적인 기술적 한계에 대해서는 경계심을 가지고 있는 현실적인 태도가 지표상 확인된 것으로 분석할 수 있다.

다섯 개의 군집은 디지털 역량과 기술 신뢰도, 그리고 이용 의향 간의 관계에서 각기 다른 패턴을 나타냈다. Cluster 0과 Cluster 3는 높은 디지털 역량이 이용 의향으로 이어지는 선순환 구조를 보인 반면, Cluster 1은 상위 수준의 디지털 역량을 보유했음에도 불구하고 서비스의 실질적 효용을 체감하지 못해 수용이 지체되는 역량과 의향의 불일치를 드러냈다. 또한 Cluster 2는 집단 내 디지털 역량의 이질성에도 불구하고 기술적 안전성에 대한 불신이 지배적인 장벽으로 작용하여 가장 낮은 수용성을 보였으며, Cluster 4는 자율주행 기술에 대한 신뢰가 충분히 형성되지 않은 상태에서 효용과 위험을 동시에 고려하는 실용적 태도를 바탕으로 통근과 같은 정기 통행에서는 운행 실패에 따른 기회비용을 크게 인식하여 이용을 회피하는 반면, 시간 제약과 실패 비용이 상대적으로 낮은 비정기 통행에서는 ADRT를 보조적 수단으로 수용하는 선택적 이용행태를 나타냈다. 이는 향후 ADRT 서비스의 수용을 제고하기 위해서는 이용자의 디지털 역량을 고려함과 동시에, 각 집단이 인지하는 효용의 부재, 신뢰의 결핍, 그리고 현실적 우려라는 구체적인 심리적·인지적 장벽을 해소하는 맞춤형 접근이 필수적임을 시사한다.

결론

본 연구는 리빙랩 지역을 대상으로 수행한 설문조사 결과를 바탕으로, 수요대응형 자율주행 대중교통 서비스(ADRT)의 잠재 수용자 유형을 군집화하고 각 군집의 사회경제적·행태적 특성을 실증적으로 분석하였다. 분석 결과, 응답자는 단순한 인구통계학적 구분을 넘어 디지털 역량, 기술 신뢰도, 그리고 지각된 효용과 위험 인식의 상호작용에 따라 5개의 뚜렷한 행태적 군집으로 유형화되었다. 이는 ADRT 서비스의 도입과 확산이 단일한 표준 모델이 아닌 이용자의 다층적 필요와 수용 장벽을 고려한 맞춤형 전략을 통해 이루어져야 함을 시사한다. 각 군집별 주요 논의 및 정책적 제언은 다음과 같다.

Cluster 0은 차량 보유율이 가장 낮고, 연령·소득·학력 모두 평균 이하로 나타나 학생 및 비경제활동 인구 중심의 저연령 집단으로 확인되었다. 이들은 이동의 제약을 해소하기 위해 ADRT의 ‘시간표 없는 이동편의성’을 높은 효용으로 인식하며, 돌발 상황 대응과 같은 기술적 위험을 인지하면서도 이를 감수하고 수용하려는 적극성을 보인다. 이들의 높은 디지털 수용성과 긍정적 학습 태도는 서비스 수용의 심리적·기술적 장벽을 낮추는 핵심 요인이며, 이러한 특성을 바탕으로 이들을 ADRT 서비스의 초기 시장 확산을 주도하는 색심 동력이 될 것으로 볼 수 있다. 따라서 이 군집을 대상으로 청년층·학생 중심의 시범운행, 생활권 내 단거리 호출 중심 서비스, 체험형 홍보 프로그램 등의 정책적 전략을 통해 조기 이용 경험을 확산시킬 필요가 있다.

Cluster 1은 고학력·전문직 종사자가 주축을 이루는 젊은 직장인 중심의 집단으로, 전체 군집 대비 상대적으로 높고 균질한 디지털 역량을 보유하고 있다. 그러나 이러한 높은 역량에도 불구하고 서비스 이용 의향은 중립적인데 이는 분석 결과에서 확인된 바와 같이 지각된 장점, 특히 DRT 서비스의 효용을 타 군집 대비 가장 낮게 평가하고 있기 때문이다. 이러한 인식은 이들의 사회경제적 배경과 연관되어 있다고 볼 수 있다. 실제로 군집의 70.3%가 프리랜서가 아닌 정규직 등 고정된 직업군에 종사하고 있어, 규칙적인 출퇴근 패턴으로 인해 기존 교통수단을 대체할 새로운 서비스에 대한 필요성이 절박하지 않으며, 이로 인해 시간·비용·편의 측면에서 ADRT가 제공하는 명확한 비교 우위를 확신하지 못하는 것으로 해석된다. 즉, 이들은 중립적인 태도는 기술적 진입 장벽에서 기인한 것이 아닌, 기존 교통수단 대비 ADRT의 실질적 효용을 체감하지 못한 데서 비롯된 합리적 판단의 결과로 볼 수 있다. 실제로 이들은 DRT의 유연성보다는 운전 피로도 감소와 같은 자율주행 기술의 간접적 편익을 더 긍정적으로 평가하며, 기술에 대한 불안감은 낮은 수준을 보인다. 따라서 이들에게는 단순한 홍보보다는 데이터에 기반하여 서비스의 실질적 편익을 정량화하고 시각화하는 정보 제공 정책이 효과적이다. 특히 기존 교통수단 대비 우위를 입증할 수 있도록 통근 전 예약 호출, 업무 연계형 정시 서비스, 정확한 도착 예정 시간 준수 등 시간 효율성과 예측가능성 중심의 서비스 설계가 중요하다.

Cluster 2는 서비스 전반에 대해 가장 낮은 신뢰도와 높은 위험 인식을 보이는 집단이다. 주목할 점은 이 집단 내에 디지털 역량이 높은 층과 낮은 층이 혼재되어 있다는 사실이다. 이는 이들의 저항 원인이 복합적임을 시사한다. 우선, 구성원의 상당수는 이미 가구 단위로 차량을 보유하고 있어 ADRT를 필수적인 이동 수단으로 인식하지 않으며, 대체 서비스로서의 필요성 자체를 낮게 평가하는 생활 맥락이 저항의 기저에 깔려 있다. 반면, 집단 내 낮은 디지털 친화도를 보이는 사용자들은 앱 설치나 결제 등 초기 절차의 복잡성과 기술 학습 과정 자체에 큰 부담을 느끼는 전형적인 디지털 취약성을 보이기도 한다. 즉, 이들의 저항은 단순한 디지털 격차 뿐만 아니라, 자가용 보유에 따른 서비스 필요성 부재와 자율주행 기술에 대한 불신, 그리고 일부 계층의 기술적 장벽이 복합적으로 작용한 결과이다. 따라서 이들에게는 기술적 불신 해소와 진입 장벽 완화라는 두 가지 접근이 요구된다. 이들에게는 기술 교육보다 안전성 검증이 우선되어야 하며, 정책적으로는 안전성 검증 홍보, 사람이 동승하는 안심 운행 서비스, 현장 호출 지원 등을통해 심리적 불안을 해소해야 한다. 동시에, 디지털 취약계층을 위해 비디지털 친화형 보완 서비스(전화· 현장 호출, 음성 안내형 앱), 시연형 이용 체험 프로그램 등을 병행하여 초기 진입 장벽을 최소화하는 포용적 전략이 필수적이다.

Cluster 3는 고소득·자가용 보유 계층임에도 불구하고 통근 및 환승 목적의 이용 의향이 매우 높은 전환 수요층이다. 이들은 높은 디지털 리터러시를 바탕으로 ADRT를 기존 대중교통의 한계(First-Last Mile)를 보완하는 수단으로 명확히 인식하고 있다. 이들에게 ADRT는 독립된 교통수단이 아닌 전체 이동의 연결고리이므로, 정책의 핵심은 연계성과 정시성에 맞춰져야 한다. 대중교통 통합 환승 할인 적용, 주요 거점 역과의 스케줄 연동, 출퇴근 시간대 집중 배차 등 이동 효율성을 극대화하는 MaaS(Mobility as a Service) 관점의 접근이 요구된다. 이 군집은 서비스 신뢰도를 빠르게 형성할 수 있어 ADRT의 품질 인식 확산에 중요한 역할을 할 것으로 기대할 수 있다.

Cluster 4는 중간 소득·중위 연령의 균형형 집단으로, 직업 분포가 다양하고 이동수요가 불규칙하다. 이들은 통근보다는 쇼핑·여가 등 비정기적 목적에서 ADRT를 보완재로 활용하려는 경향을 보인다. 이는 자율주행 기술에 대한 신뢰가 충분히 형성되지 않은 상황에서, 통근과 같이 실패 비용이 큰 정기 통행은 회피되는 반면 시간 제약과 위험 인식이 상대적으로 낮은 비정기 통행에서는 선택적 수용이 허용되는 조건부 이용 행태로 해석할 수 있다. 이들은 기술에 대해 맹목적이지도 않고 실용적인 태도를 취하며, 기계적 판단 오류에 대한 경계심도 동시에 가지고 있다. 따라서 이들에게는 일상생활 속에서 필요할 때 즉시 이용할 수 있는 온디맨드(On-Demand) 속성을 강화해야 한다. 지역 상권 및 생활 편의시설과 연계한 쿠폰 발행, 짐 싣기 편한 차량 설계 등 생활 밀착형 서비스 모델 개발과 함께 간편 결제·목적지 근접 하차 등 편의 중심 서비스, 생활시설 연계형 노선 설계, 소규모 호출 기반 탄력 운행 체계를 마련함으로써 이용 유인을 강화할 수 있다.

종합하면 ADRT 서비스의 성공적인 안착을 위해서는 공급자 주도의 기술 중심 접근에서 이용자의 니즈에 기반한 이용자 경험 중심 접근으로의 패러다임 전환이 필수적이다. 본 연구는 이용자의 디지털 역량이 충분하더라도 지각된 효용이나 신뢰가 부족하면 수용이 지체될 수 있음을 밝혀냈으며, 반대로 디지털 역량의 수준과 무관하게 기술에 대한 불신이 수용에 대한 강력한 저항 기재로 작용함을 실증하였다. 이는 ADRT가 단순한 신기술의 도입이 아니라, 디지털 역량·사회경제적 위치·이동 행태 요인이 복합적으로 작용하는 다층적 모빌리티 생태계의 관점에서 접근되어야 함을 시사한다. 따라서 향후 정책 설계는 기능적 접근성 개선을 넘어 이용자가 느끼는 심리적·인지적 장벽을 해소하는 방향으로 나아가야 하며, 이에 대해 본 연구는 세 가지 구체적인 정책적 시사점을 제시한다.

첫째, 서비스 다층화 전략이 필요하다. 조기 수용층, 조건부 수용층, 저항층 등 군집 별 특성을 반영하여 동일 서비스 내에서도 이용 난이도·접근 경로·가격 정책을 차등화함으로써 다양한 수용 스펙트럼을 포용해야 한다. 둘째, 신뢰 기반 확산 전략을 수립해야 한다. 특히 기술 신뢰도가 낮은 집단을 대상으로 체험· 안전 홍보·직관적 이용 인터페이스를 제공하여 막연한 기술적 불안감을 해소하고 심리적 장벽을 낮춰야한다. 셋째, 교통체계 통합 전략이 요구된다. ADRT를 대중교통의 경쟁 수단이 아닌 First-Last Mile을 해소하는 보완적 연계 인프라로 설계함으로써, 전체 교통체계의 환승 효율과 공간 접근성을 향상시키는 방향으로 나아가야 한다.

이러한 논의는 Yun et al.(2022) 등의 기존 연구가 제시한 모빌리티 서비스 이용자 세분화 논의를 한 단계 확장하는 결과로 해석할 수 있다. 기존 연구는 잠재 계층 분석을 통해 차량 유형, 좌석 선택시스템 등 서비스 속성에 대한 선호 차이를 중심으로 이용자 유형을 도출하고, 고비용의 서비스 고도화 전략이 항상 효율적이지 않음을 시사하였다. 반면 본 연구는 통행 목적별 장래 이용 의향을 군집화의 기준으로 설정하여, 동일한 ADRT 서비스라도 이용 맥락에 따라 수용성 구조가 근본적으로 달라질 수 있음을 실증적으로 밝혔다. 더 나아가 디지털 친화도와 자율주행 기술 신뢰도를 핵심 변수로 통합 분석함으로써, 디지털 역량이 충분하더라도 지각된 효용이나 기술적 신뢰가 부족할 경우 실제 이용으로 이어지지 않을 수 있음을 구체적으로 제시하였다. 이는 ADRT 수용성을 서비스 선호 차원을 넘어 행태·인지·신뢰 등 다양한 요인이 결합 된 이용자 경험 관점에서 설명한다는 점에서 기존 연구를 보완하는 학문적 기여를 가진다.

마지막으로 본 연구는 특정 지역 리빙랩을 대상으로 한 설문에 기반했다는 한계가 있다. 또한, 향후 서비스의 보편적 확산을 위해서는 본 연구에서 심층적으로 다루지 못한 디지털 취약계층의 수용성 문제에 대한 후속 연구가 요구된다. 향후 연구에서는 다양한 도시 유형 및 교통 여건을 반영한 비교 연구, 실제 운행 데이터를 활용한 행태 검증 연구, 그리고 기술 수용성과 사회적 신뢰의 상호작용 구조에 대한 모형화 분석을 통해 ADRT 서비스의 실질적 도입 전략을 보다 정교하게 제시할 필요가 있다.

ADRT 서비스의 도입은 기술적 실현 가능성보다 이용자 중심의 수용성 확보가 성공의 핵심 요건이다. 본 연구에서 도출된 군집별 특성은 향후 자율주행 기반 대중교통의 사회적 확산을 위한 이용자 맞춤형 서비스 설계, 수용성 중심 정책, 단계별 운영전략 수립의 실질적 근거로 활용될 수 있을 것이다.