Article

Journal of Korean Society of Transportation. 31 December 2023. 846-860
https://doi.org/10.7470/jkst.2023.41.7.846

ABSTRACT


MAIN

  • 서론

  •   1. 연구의 배경 및 목적

  •   2. 연구의 방법

  • 선행연구 고찰

  •   1. 코로나-19로 인한 통행 행태변화

  •   2. 코로나-19의 확산에 따른 대체 이동수단 관련 연구

  •   3. 코로나-19의 확산에 따른 PM 이용 행태변화 관련 연구

  • 부산광역시 대중교통 카드 데이터와 PM 선호도 영향요인분석을 위한 설문조사

  •   1. 부산광역시 대중교통 카드 데이터

  •   2. PM 선호도 영향 분석을 위한 설문조사

  • 팬데믹으로 인한 대중교통 수요 변화분석과 PM 선호도에 대한 영향요인 분석

  •   1. 대중교통 수요 변화분석

  •   2. PM 선호도에 대한 영향요인분석

  • 결론

서론

1. 연구의 배경 및 목적

도시 생활을 영위하기 위한 기본적인 요소는 의식주(衣食住)이지만 과거 어느 때보다 사회적 관계가 복잡하고 다양해 짐에 따라 행(行) 즉 이동하지 않고는 진정한 도시 생활의 영위가 어려운 상황이다. 2020년 초부터 비말로 확산하는 코로나-19의 대유행은 자발적인 혹은 국가 차원의 이동규제로 인해 이동의 자유가 제한을 받게 되어 심각한 불편함을 초래하였다.

최근 수십 년 동안 코로나-19와 같은 수준의 전염성을 보이는 팬데믹은 없었으며, 인구의 공간적인 분포가 확대되고 도시화의 가속화로 인해 한정된 공간에 더 많은 사람이 모여 산다는 점, 전염병에 취약한 고령인구의 비율이 늘어났다는 점, 그리고 교통수단과 교통망의 개선으로 과거보다 더 활동적이고 이동의 범위가 확대되었다는 점 등은 코로나-19의 심각성과 확산을 촉진하는 결정적인 요인으로 작용하였다. 코로나-19 감염으로 인한 사망이나 경제활동의 침체는 역설적으로 지구촌화되어가고 상호의존적인 관계의 위험성을 지적하고 있다고 할 수 있다.

코로나-19의 확산으로 교통에서 발생한 대표적인 현상은 지정된 시간과 노선에서 이용자들을 대량으로 수송해야 하는 전통적인 공공이동서비스 즉 대중교통 수요가 급격하게 감소한 것이다. 이와 더불어 개인 이동 서비스를 책임지는 승용차의 구입과 그 이동량이 증가하였으며 비접촉으로 개인적인 이동이 가능한 전동 스쿠터나 (전기)자전거로 대표되는 개인형 이동 수단(Personal Mobility device, PM) 보급의 확대라고 할 수 있다.

PM은 4차 산업혁명 시대 Information and Communication Technology(ICT)와 Internet of Things(IoT) 기술들을 접목한 스마트 모빌리티의 대표적 이동 수단으로 최근 교통선진국을 중심으로 중·단거리 통행을 책임지면서 급속하게 보급되고 있는 도시교통의 기초 교통수단으로 자리매김하고 있다. PM은 무거치식으로 운영되면서 군집하지 않고 신속하게 이동할 수 있는 소형이면서 개인적인 형태의 이동 수단으로 코로나-19와 같은 팬데믹의 피해 확산 방지에 중요한 역할을 할 것으로 기대되었다(Andara et al., 2021). 하지만, PM과 관련한 이용 특성, 영향요인 및 수단선택과 같은 연구들이 주로 진행되어 왔지만(Kim et al., 2021a; Kim et al., 2021b; Choi and Jung, 2020), 현재까지 코로나-19와의 관련성 혹은 대안 교통수단으로써의 역할 등과 같은 연구는 충분히 수행되지 못하였다.

코로나-19의 대유행은 오히려 지속가능한 도시교통의 구축을 위한 도전이면서 기회라고 할 수 있다. 최근 자연 재난이나 코로나-19와 같은 팬데믹 그리고 전쟁 등과 같은 사회적 재난에 대비하기 위해 개인이동수단이나 공공이동수단을 포함한 기존의 교통수단을 대체할 수 있는 새로운 교통수단의 소개와 운영이 필요한 상황이다.

본 연구에서는 부산광역시 교통카드 데이터를 활용하여 대중교통에 대한 코로나-19의 영향을 빅 데이터 분석을 통해 파악하였다. 또한, 부산광역시 대중교통 이용자들을 대상으로 향후 코로나-19와 같은 팬데믹 상황이 발생할 경우, 대안 교통수단으로써 대표적인 개인형 이동 수단인 PM에 대한 이용 의사를 설문 조사하여 PM 이용 의사에 영향을 미치는 요인들을 도출한 후, 이의 해석을 통해 재난에 대응하는 교통체계 구축을 위한 시사점을 제시하였다. 따라서, 본 연구는 포스트 코로나 시대 교통수단의 개인화 그리고 다양화 등과 같은 이동 수단의 전환에 관한 연구가 활성화되는 계기가 될 것으로 기대된다.

2. 연구의 방법

본 연구의 방법은 Figure 1에서 크게 두 가지로 구성되어 있으며, 첫 번째는 코로나-19가 확산하기 전인 2019년과 세 차례 대유행이 있었던 2020년의 부산광역시 대중교통 카드 데이터를 수집하고 객체-관계형 데이터베이스 관리 시스템(Object-relational Database Management System, ORDBMS) 중의 하나인 PostgreSQL을 이용하여 대중교통 통행 수, 대중교통 통행자 수 등을 분석한 후 코로나-19의 확산이 대중교통 수요에 미치는 영향을 정량적으로 파악하였다. 두 번째는 이 결과를 기반으로 부산광역시 대중교통 이용자들에게 대중교통수단의 대안으로서 PM 이용에 대한 선호도를 설문하고 이항 로지스틱 회귀분석을 통해 PM 선호도에 영향을 미치는 요인들을 분석하였다. 이와 같은 연구 방법을 통해 코로나-19 팬데믹과 같은 국가 응급상황에서 전통적인 대중교통수단을 대신할 수 있는 이동 수단의 도입에 대한 시사점을 제시하였다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-07/N0210410706/images/kst_2023_417_846_F1.jpg
Figure 1.

The overall process of research

선행연구 고찰

본 연구에서는 코로나-19 확산이 교통에 미치는 영향, 대중교통으로부터의 수단 전환, 그리고 코로나-19에 대응한 PM 이용자의 행태변화에 관한 선행연구들을 고찰하였다.

1. 코로나-19로 인한 통행 행태변화

코로나-19로 인한 통행 행태변화와 관련한 연구는 대체로 전화조사, 온라인 설문조사, 그리고 가구 방문 조사나 패널조사를 통해 수행되고 있으며(König and Dreßler, 2021; Eisenmann et al., 2021; Raunak et al., 2020), 공공 및 민간 연구기관의 자료나 통계청 자료의 분석을 통해 수단선택에 대한 시계열적 변화패턴을 파악하고 있다(Pourfalatoun and Miller, 2022; Savage and Turcotte, 2020; Das et al., 2021). 또한, Google과 Apple과 같은 민간 데이터와 모바일 공간 데이터 그리고 교통카드 데이터 등의 방대한 이동데이터는 코로나-19로 인한 수단선택 및 통행 행태변화의 시공간적인 분석을 위한 중요한 기초데이터로 활용되고 있다(Borkowski et al., 2021; Bucsky, 2020; Andara et al., 2021; Arimura et al., 2020; Shin et al., 2022; Jo and Yoon, 2020).

코로나-19의 확산으로 인해 다수의 국가에서 목격되고 있는 통행 행태변화를 살펴보면, 독일에서 교통수단의 환승이 필요 없는 승용차에 대한 선호도가 높아 자동차 사용자가 53%에서 66%로 증가하였고(König and Dreßler, 2021; Eisenmann et al., 2021), 헝가리 부다페스트의 승용차 이용률이 43%에서 65%로 증가하면서 대중교통의 수송 분담률이 43%에서 18%로 줄어들었다(Bucsky, 2020). 스페인에서는 코로나-19로 인한 봉쇄 기간 대중교통 수요가 40-70% 감소한 것에 비해 89.7%의 응답자가 봉쇄 기간 이후에 대중교통 서비스를 다시 이용할 것이라고 대답하였다(Awad-Núñez, 2021). 또한, 유럽 일부 도시의 운송 사업자들은 코로나-19가 발생한 후 대중교통 서비스를 축소하여 대중교통 이용률이 80% 감소하였다(Das. 2021). 한국에서는 사회적 거리두기가 시작되면서 전년 대비 전국 대중교통 이용률이 37.0% 감소하였고(Shin et al., 2022), 서울시에서는 전년 대비 전체 교통량, 지하철 이용자, 버스 이용자, 택시 이용자가 각각 8.4%, 35.1%, 27.5%, 33.9% 감소했지만, 따릉이와 나눔카 이용 건수는 각각 23.3%, 29.5% 증가하는 것을 확인하였다(Jo and Yoon, 2020). 인구가 가장 많은 남미의 5개국 8개 도시에서 차량정체와 대중교통 이용률의 회복 정도를 분석한 결과, 차량정체는 좀 더 빠른 시기에 신속하게 회복되는 반면 대중교통은 각 도시에서 운영 중인 감염병 확산 방지 정책에 따라 회복 정도가 느린 것으로 확인하였다(Andara et al., 2021).

이러한 통행 행태변화는 코로나-19의 확산에 따른 재택근무 시행의 결과로 볼 수 있다. 이탈리아 로마에서는 의료활동, 식료품 배달, 금융업무, 치안 등과 같은 가장 기본적인 활동을 제외한 모든 활동이 제한되고 재택근무가 강제되어 보행이나 지하철을 이용하는 쇼핑이나 출퇴근 통행이 95% 감소하였고(Carrese, 2021), 그리스 Thessaloniki에서는 일상적인 통행의 50%가 줄어들었고 출근 통행이 아닌 경우 더 큰 폭으로 줄어드는 것을 확인하였다(Politis et al., 2021a; Politis et al., 2021b). 폴란드에서는 코로나-19 확산 전과 비교해 재택근무나 원격수업 등에 의한 효과로 통행시간의 66%가 줄었으며(Borkowski et al., 2021), 캐나다는 코로나-19 확산 전과 비교해 5배 수준인 전 인구의 22%가 재택근무를 시행하고, 승용차 통행이 67%로 승용차가 여전히 가장 선호되는 교통수단이었으며, 코로나-19 확산 전 13%이던 대중교통 수송 분담률은 3% 수준으로 떨어졌다(Savage and Turcotte, 2020). 인도에서는 사회적 거리두기가 시행되는 동안 재택근무 점유율이 15%까지 상승하였으며 자가용 점유율은 6% 하락하였다(Bhaduri et al., 2020). 그리고, 한국 서울에서는 재택근무가 확산하였음에도 불구하고 승용차 통행은 단지 3.7% 감소하는 것으로 나타났다(Kim et al., 2021c).

이와 같은 거시적인 현상의 변화와 더불어 코로나-19로 인한 통행 행태변화를 사회 인구학적 속성으로 해석하는 연구에서 독일과 그리스의 설문 응답자들은 코로나-19의 영향이 장기적이지 않을 것으로 예상하고 기존의 통행방식을 고수하겠다는 경향을 보였다(König and Dreßler, 2021; Eisenmann et al., 2021; Politis et al., 2021a; Politis et al., 2021b). 네덜란드의 철도이용자 중 감염병에 민감한 그룹은 철도 내 혼잡을 의식하여 평균 8.75분 더 대기한 후 승차하는 경향을 보였으며, 고령자나 여성 승객이 주로 감염병 민감 그룹에 해당하는 것으로 나타났다(Shelat et al., 2021). 코로나-19의 대유행에도 저소득층에서 통행이 더 잦고 남성이 여성보다 상대적으로 더 긴 통행시간을 보이는 것으로 나타났다(Politis et al., 2021a; Politis et al., 2021b). 슬로바키아의 버스 이용자 수는 연령별로 6세 이하 아동은 85.7%, 학생들은 89.3%, 그리고 65세 이상 고령자들은 80.0% 감소한 것으로 나타났다(Koněcný et al., 2021). 또한, 미국 시카고의 설문 응답자 24% 이상은 보행 친화적이지 않은 장소에 거주함으로써 보행을 통해 전염병을 회피할 기회를 상실함에 따라 교통체계의 형평성에 대한 문제점을 지적하였고(Shamshiripour et al., 2020), 인도의 중산층에 해당하는 설문 응답자들은 새 승용차의 구입을 통해 코로나-19의 위협에 대처하고자 하였다(Raunak et al., 2020).

2. 코로나-19의 확산에 따른 대체 이동수단 관련 연구

코로나-19의 확산으로 인해 대중교통 이용이 제한됨에 따른 타 교통수단으로의 통행 전환과 관련한 연구를 살펴보면, 대중교통수단 전환에 관한 국가 간의 비교연구에서 출퇴근 교통수단의 전환 가능성이 자동차 이용자에 비해 약 31.5배 높게 나타났다(Dingil and Esztergár-Kiss, 2021). 또한, 독일에서 승용차나 버스 통행이 줄어드는 반면 자전거 통행은 늘어났고 보행 통행에는 변화가 없는 것을 확인하였으며(König and Dreßler, 2021), 이탈리아에서는 승용차로부터의 수단 전환보다는 기존의 버스 통행을 자전거로 전환하겠다는 설문 응답자들의 의견을 확인할 수 있었다(Scorrano and Danielis, 2021). 스위스 취리히에서도 통행시간이 길고 거리가 먼 통행에 마이크로 모빌리티 서비스를 사용하겠다는 의사가 다수였다(Li et al., 2020). 오스트리아 빈에서는 보행과 자전거로 이동한 후 대중교통을 이용하는 통행은 각각 72.68%, 48.05% 감소하였고, 자전거 통행은 195.01% 증가한 것으로 나타났다(Šinko et al., 2021).

파키스탄에서는 안전, 치안, 청결, 사회적 거리, 사회적 지위, 덜 혼잡한 교통수단에 대한 대기 시간과 비용 등이 교통수단을 선택하는 주요한 요인으로 판별되었으며, 5km 미만의 짧은 통행에서는 대중교통 이용이 줄어들고 보행과 자전거 통행이 증가하였고, 5km 이상의 장거리 통행에서는 자전거 또는 걷기를 통해 이동하는 경우가 매우 드물었다(Abdullah et al., 2022; Abdullah et al., 2021).

한국의 서울에서는 코로나-19의 확산에 따라 통근 시 보행 시간이 증가할수록 서울시 공공자전거 서비스인 따릉이의 이용 건수가 증가하는 것을 확인할 수 있었으며(Shin and Choo, 2022; Kim and Seo, 2021), 대전에서는 시내버스와 지하철 통행량이 각각 29%와 34.5% 감소한 반면 공영자전거인 타슈의 이용량은 11.6% 증가하여 공공자전거로 수단이 전환된 것으로 판단되었다(Sim, 2021).

3. 코로나-19의 확산에 따른 PM 이용 행태변화 관련 연구

코로나-19에 대응한 PM의 이용행태를 이해하기 위한 관련 연구는 제한적이지만 다음의 연구를 통해 살펴볼 수 있다.

PM은 대중교통이나 승용차 통행과 같은 기존의 교통수단과 달리 일상적인 이용자가 적고 공유를 통해 서비스가 제공됨을 고려하여, 코로나-19 기간 PM 이용에 대한 이용자의 의지에 영향을 미치는 요인은 혼잡을 회피할 수 있다는 장점과 안전상의 문제, 관련 인프라의 부족, 그리고 바이러스 감염에 취약하다는 부정적인 단점 등으로 식별되었다(Pourfalatoun and Miller, 2022; Glavic et al., 2021).

코로나-19 기간 PM 서비스의 시공간적 이용행태를 분석할 결과, 출퇴근을 위한 PM의 이용은 상당히 낮은 수준이거나 PM과 대중교통과의 연관성이 불분명한 것으로 나타났지만 철도와는 어느 정도 관계가 있는 것으로 밝혀졌다. 이와 동시에 대중교통이나 승용차와 비교해 시공간적인 탄력성이 우수하고 사회적 거리를 유지하기 위해 대중교통보다는 PM 이용을 선호하는 이용자도 있으며 신규 PM 이용자들은 기존의 이용자들로부터 영향을 받은 것으로 확인되었다(Hu et al., 2021; Fukushige et al., 2021; Teixeira et al., 2021).

코로나-19 기간 PM 서비스의 출도착지는 어느 정도 유지되면서 개별 통행당 이동시간이 길고 이동 거리가 먼 통행에 PM이 주로 이용되고 자전거 서비스가 전동 스쿠터보다 더 큰 영향을 받는 것으로 나타났다. 또한, 개방된 공간이 충분히 확보된 주거지역에서는 PM 수요의 감소가 적었으며 회복의 정도가 빠른 것으로 나타났고, 무거치대 PM 서비스의 이용자 수가 거치대 서비스에 비해 더 큰 폭으로 감소하는 것으로 나타났으며 PM의 위생 수준에 대해서는 대체로 중립적인 태도를 보였다(Bi et al., 2022; Pourfalatoun and Miller, 2022; Hu et al., 2021; Li et al., 2021; Fukushige et al., 2021; Teixeira et al., 2021; Li et al., 2020). 슈퍼마켓, 공원, 병원 인근지역은 오히려 PM의 수요가 늘어나는 경향을 보이지만 여가나 쇼핑 활동을 위한 수요는 감소하는 것으로 나타났고 출퇴근을 위한 대체 수단으로 PM을 선호하는 이용자들도 증가하는 것으로 나타났다(Bi et al., 2022; Li et al., 2021; Li et al., 2020).

코로나-19 기간 PM의 이용행태 변화와 관련한 연구들은 결국 PM의 이용 활성화를 위하여 PM의 위생관리 강화, 코로나-19 감염지역과 정부의 이동규제 지역을 우회하는 PM 안전 경로 탐색 서비스 제공, 물리적 거리를 유지하기 위한 대안 교통수단으로 PM의 역할 정립과 같은 포스트 코로나 시대를 대비한 대응 전략 수립의 기회가 될 것이다(Bi et al., 2022; Mishra et al., 2021; Pourfalatoun and Miller, 2022; Hu et al., 2021; Teixeira et al., 2021).

본 연구는 기존의 연구에서 사용하고 있는 설문조사와는 달리 대중교통 카드 데이터의 분석을 통해 코로나-19의 확산에 따른 교통수요의 변화 특히 대중교통 수요의 변화를 정략적으로 분석하였다. 또한, 실질적인 대중교통 이용자들을 대상으로 코로나-19와 같은 국가 응급상황에서 전동 스쿠터나 (전기)자전거로 대표되는 PM 공유 서비스의 선호도에 대한 영향요인을 분석하여 팬데믹 상황에서 대안 교통수단으로서 가능성을 검토하고 운영방안 등에 대한 시사점을 도출하는 차원에서 기존의 연구와 차별성이 있다.

부산광역시 대중교통 카드 데이터와 PM 선호도 영향요인분석을 위한 설문조사

본 연구에서는 대중교통 수요에 미친 코로나-19의 심각성을 정량적으로 분석하기 위해 부산광역시 대중교통 카드 데이터를 사용하고 있으며, 이와 같은 팬데믹 상황에 대응하기 위한 대안 교통수단으로 PM에 대한 이용 선호도의 영향요인을 분석하기 위해 대중교통 이용자들을 대상으로 설문조사를 실시하였다.

1. 부산광역시 대중교통 카드 데이터

본 연구의 분석에 사용하고 있는 대중교통 카드 데이터는 Table 1에서 제시한 바와 같이 2019년과 2020년에 해당하는 부산광역시 데이터이다. 분석에 사용된 데이터는 2019년 1월 1일부터 2020년 12월 31일까지 정류장별 도시철도와 (마을)버스의 승하차 통행 정보를 포함하고 있으며, 구체적으로 살펴보면 거래 건별로 거래 날짜, 카드 종류, 비식별화 코드, 개인별 통행 횟수, 승하차 정보, 대중교통수단(도시철도, 버스, 마을버스), 정류장 및 역 부호와 이름, 대중교통수단(도시철도 번호, 버스 번호), 대중교통 제공 주체, 거래 시간(승하차 시간), 어른과 청소년 구분, 동승자 수 등을 문자(text) 형식으로 제공된다.

전체 데이터의 크기는 약 343Gb이며 최근 상용 관계형 데이터베이스의 성능에 근접하고 빠른 서비스 갱신과 호환성이 장점인 오픈 소스 관계형 데이터베이스 시스템 PostgreSQL을 이용하여 빅 데이터 분석을 수행하였다.

데이터의 불완전성으로 인해 2019년 7월 1일, 2020년 9월 24일, 그리고 2020년 10월 3일은 분석에서 제외되었다. 전체 약 23억 2천 3백만 통행과 전체 약 6억 2천 6백만 이용자에 대한 일별 통행 수, 일별 통행자 수, 일별 수단별 통행 수, 일별 수단별 승하차 통행 수, 시간대별 통행 수 등을 분석하였다.

Table 1.

Summary of public transportation card data in Busan Metropolitan City

Category Contents
Data item Public transportation card data in Busan Metropolitan City
Data source Public Transportation Information Analysis System of Busan Metropolitan City,
http://bsctinfo.busanbus.or.kr/
Analysis period January 1, 2019 - December 31, 2020
Analysis method Big data analysis with PostgreSQL
Analysis purpose - Number of daily trips
- Number of daily trip makers
- Number of daily trips by modes
- Number of daily on/off-trips by modes
- Number of trips by time intervals, etc.

2. PM 선호도 영향 분석을 위한 설문조사

설문조사는 Table 2에서 2021년 3월부터 7월까지 세 가지 방식으로 수행되었으며 첫 번째는 부산광역시 16개 구·군의 주요 버스정류장에 설문조사 QR코드(Quick Response Code, QR)를 부착하여 대중교통 이용자들이 자발적으로 참여하게 하였으며, 두 번째 방식은 같은 내용으로 온라인 설문조사를 실시하고 마지막으로 스마트폰이나 인터넷에 익숙하지 않은 고령자들과의 일대일 면접을 통해 전체 591명을 대상으로 설문조사를 실시하였다. 설문에서는 코로나-19 확산 전후 PM 이용 경험과 코로나-19와 같은 팬데믹 상황에서 대중교통수단의 대안으로써 PM에 대한 선호도를 조사하였다.

Table 2.

Survey summary

Category Contents
Sample Public transit users in Busan Metropolitan City
Location Bus stops in 16 districts of Busan Metropolitan City
Period March 22, 2021 - June 7, 2021
Method and sample size - QR at bus stops
- Online survey
- On-site survey
→ 306 users
→ 234 users
→ 51 users
: 591 users
Questions Willingness to use PM (e.g., electric scooter, electric bicycle)
- Are you willing to use PM as an alternate traffic mode in the era of COVID-19?

Figure 2에서 설문조사 참여자의 특성을 살펴보면 여성이 남성보다 많았고, 20대, 30대, 40대, 60대 이상 순으로 참여하였다. 그리고 사무/기술직, 학생, 가정주부, 판매/서비스직 순으로 참여자 수가 많았으며, 참여자의 62.0%에 해당하는 359명은 승용차를 보유하고 있지 않았으며 월 소득수준은 100만원 미만, 200-300만원 미만, 100-200만원 미만, 300-400만원 미만 순으로 참여하여 월 소득수준 500만 원 미만이 약 91%를 차지하였다. 설문조사 참여자들의 특성으로부터 부산광역시 대중교통은 여성, 2·30대, 사무/기술직과 학생, 승용차를 보유하지 않으며 소득이 일정 수준 이하인 계층에서 상대적으로 더 많이 이용하는 것으로 나타났다. 특히, 설문조사 참여자들은 대중교통 이용자들이므로 개별 연령층에 대한 참여자의 비율을 부산광역시의 연령별 대중교통 이용 비율과 비교할 필요가 있지만, 해당 데이터의 부재로 전국단위 연령별 대중교통 이용 비율(MOLIT, 2021)과 비교한 결과, 20대의 참여율이 비교적 높은 경향이 있지만 다른 연령대에서는 큰 차이를 보이지 않아 본 연구의 설문조사 참여자들은 전체 대중교통 이용자들을 비교적 잘 대표한다고 할 수 있다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-07/N0210410706/images/kst_2023_417_846_F2.jpg
Figure 2.

General characteristics of survey participants

팬데믹으로 인한 대중교통 수요 변화분석과 PM 선호도에 대한 영향요인 분석

1. 대중교통 수요 변화분석

본 연구는 부산광역시 대중교통 카드 데이터의 시공간 분석을 통해 코로나-19로 인한 대중교통 수요변화를 대중교통 통행 수, 이용자 수, 수단별 통행 수를 기준으로 살펴보았다.

Figure 3(a)에서 2020년 3월, 8월, 11월 세 차례 코로나-19 대유행을 겪으면서 일별 대중교통 통행 수가 큰 폭으로 감소하는 것을 볼 수 있으며 대중교통 이용자 수도 같은 경향을 보였다. 또한 Figure 3(b)에서 대중교통수단별 통행 수도 유사한 경향을 보이고 있으며 부산광역시에서는 환승을 하지 않을 경우 버스 하차 태그가 의무 사항이 아닌 관계로 버스 통행이 도시철도 통행보다 더 적게 나타나는 현상이 발생하고 있다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-07/N0210410706/images/kst_2023_417_846_F3.jpg
Figure 3.

Comparison of public transportation demand between before and during COVID-19 in Busan Metropolitan City

Table 3에서 구체적인 변화량을 살펴보면, 코로나-19가 발생하기 전 2019년 부산광역시 일별 대중교통 통행 수는 하루평균 약 367만 수준이었지만, 코로나-19로 인해 사회적 통제가 이뤄진 2020년은 하루평균 약 277만 통행으로 24.7%에 해당하는 하루평균 약 90만 통행이 감소한 것으로 나타났다. 대중교통 이용자 수는 같은 시기에 하루평균 약 98만 명에서 약 75만 명 수준으로 23.3% 감소하였다. 또한, 대중교통 수단별 통행 수의 변화를 살펴보면, 도시철도, 버스, 그리고 마을버스 통행의 27.8%, 20.5%, 그리고 27.5%가 감소한 것으로 분석되었다.

2019년과 2020년 기초통계량을 비교하면, 최대 통행 수는 8.1%가 감소했지만, 최소 통행 수는 22.9%가 감소하여 일상적으로 통행 수가 감소하는 것보다 코로나-19로 인한 통행 수의 감소 정도가 심각한 것을 확인할 수 있다. 변동계수(Coefficient of Variation, CV) 값을 통해 2019년에 비해 2020년 세 차례의 코로나-19 대유행으로 인해 대중교통 통행 수가 큰 폭으로 변하는 것 또한 확인할 수 있다.

Table 3.

Comparison of daily transit-related characteristics between before and during COVID-19 in Busan Metropolitan City

Category Year 2019 Year 2020 Difference in
daily average
(2019-2020)
Daily average Daily standard
deviation
Daily average Daily standard
deviation
Number of trips 3,676,855 718,083 2,770,181 751,429 906,674(24.7%)
Number of passengers 981,175 163,244 752,962 182,016 228,213(23.3%)
Number of trips Metro 1,775,857 321,233 1,279,706 361,629 496,151(27.9%)
Bus 1,599,511 312,975 1,268,593 325,572 330,918(20.7%)
Mini-bus 306,973 78,393 223,007 67,531 83,966(27.4%)
Descriptive
statistics
(Number of trips)
Maximum 4,526,122 4,157,677 368,445(8.1%)
Minimum 1,099,733 847,364 252,369(22.9%)
Coefficient of
variation (CV)
19.5% 27.1%

본 연구는 코로나-19의 확산이 부산광역시 대중교통 수요에 미치는 영향을 시계열적 분석과 더불어 부산광역시 205개 읍면동 단위 공간분석을 시행하였다. 부산광역시 기초자치단체인 205개 읍면동에 포함되는 모든 버스정류장과 도시철도 역의 좌표를 확보한 후, GIS(Geographic Information Systems) 분석을 통해 2019년과 2020년 읍면동 단위 하루평균 대중교통 통행 수를 Figure 4와 같이 비교·분석한 결과, 대중교통 정류장이나 역이 없는 광복동과 초량1동을 제외한 203개 모든 읍면동에서 평균 28% 수준으로 대중교통 수요가 감소하는 것을 확인할 수 있었다. 특히, 연산5동은 하루 평균 2,558 통행이 감소하여 가장 많은 통행이 감소하였고 범일5동은 67.4%의 통행이 감소하여 가장 큰 감소율을 보였다. 대중교통 수요감소율을 기준으로 자연분류법(natural break)을 통해 203개 읍면동을 유형화한 결과, 13개 동에서 33.0% 이상의 감소율을 나타내었다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-07/N0210410706/images/kst_2023_417_846_F4.jpg
Figure 4.

Comparison of daily transit trips by basic local government (EupMyunDong) between before and during COVID-19 in Busan Metropolitan City

이러한 연구 결과는 정도의 차이는 있지만, 선행연구에서 제시된 대중교통 수요 감소와 유사한 경향을 보이는 것으로 나타났다. 또한, 기존의 연구들은 도시 단위의 공간을 대상으로 대중교통 수요변화를 분석하고 있지만 본 연구에서는 도시를 구성하는 기초자치단체를 분석 공간 단위로 설정하여 좀 더 미시적인 시공간적 분석이 수행되었다.

2. PM 선호도에 대한 영향요인분석

본 연구는 591명의 부산광역시 대중교통 이용자들을 대상으로 설문조사를 실시하고 이항 로지스틱 회귀모형(Binary Logit Regression Model)을 이용하여 코로나-19와 같은 팬데믹 상황에서 대중교통 이용자들이 PM으로 수단을 전환하게 하는 요인들에 대해서 분석하였다. Table 4는 분석에 사용된 종속변수와 독립변수들을 제시하고 있다.

Table 4.

Variables for the model

Category Variable Description
Dependent Willingness to use PM 1 = Yes, 0 = No
Independent Access time to public transit facilities Continuous
Weekly number of uses Continuous
Change of weekly number of uses Continuous
Daily number of uses Continuous
Change of daily number of uses Continuous
Number of transfer Continuous
Change of number of transfer Continuous
Trip purpose Commuting Categorical
Schooling
Gathering
Shopping or leisure
Reason for use Single mode Categorical
Mobility
Convenience
Affordability
Parking
Etc.
PM use experience Binary
Sex Categorical
Age Continuous
Job Office man Categorical
Student
Job status
Car ownership Categorical
Monthly income Continuous
Land use Continuous
Number of bus stops Continuous
Number of metro stations Continuous
Average slope by basic local government Continuous

코로나-19의 확산에 따른 대안 교통수단으로서 PM 이용 의사에 영향을 미치는 변수를 도출하기 위하여 Table 5와 같이 이항 로지스틱 회귀분석 모형을 구축하였다. 모형의 접합도(MF test)는 유의확률 0.000(p<0.05)으로 매우 양호한 것으로 나타났고, 평행성 검정(TPL test)에서 카이제곱(χ2)값이 59.410(p=0.000)으로 추정되어 상수항만을 가지는 모형보다 통계적으로 유의한 것으로 나타났다. 모형의 설명력을 나타내는 ρ2값 또한 0.231(Nagelkerke)로 로지스틱 회귀분석에서 정의하는 설명력 범위인 0.2-0.4에 포함되어 본 모형의 설명력이 확보되었다고 할 수 있다.

Table 5.

Output of binary logistic regression model

TPL test Chi-squared 59.410
df 5
p 0.000
MF test -2LL 372.652
p 0.000
ρ2 Cox & Snell 0.173
Nagelkerke 0.231

설명변수는 다중공선성(multicollinearity)를 제거하고 전진 선택법을 활용하여 유의수준 10%에서 유의미한 최종 변수만 남긴 모형을 Table 6과 같이 도출하였고, 독립변수 𝑥의 로지스틱 회귀계수 B를 Exp(B)로 변환시킨 값은 변수 𝑥를 한 단위 증가시키면 얻어지는 종속변수 승산의 증가 배수이며, 이때 Exp(B)를 승산비(Odds Ratio, OR)로 정의하고 Exp(B)는 종속변수의 승산에 대한 변화 배수로 해석할 수 있다.

이항 로지스틱 회귀분석 모형을 통해 대중교통수단의 대안 교통수단으로써 PM에 대한 이용 선호도에 영향을 미치는 요인은 성별, 연령, PM 이용 경험, 출발지의 경사 변수로 판별되었다.

남성인 경우 PM 이용 의사에 정(+)의 영향을 미치는 것으로 나타났다. 설문 참여자의 성별 구성비에서 여성 참여율이 상대적으로 높지만, 여성에 비해 남성이 PM을 이용할 승산이 1.571배 높은 것으로 나타났다. 특히 새로운 수단에 대한 친숙함, 이용상의 어려움, 그리고 안전상의 문제 등에 남성들이 더 적극적인 극복 의지를 보이는 것으로 해석된다.

연령은 PM 이용 의사에 부(-)의 영향으로 나타나 고령자일수록 PM 이용 의사가 낮은 것으로 판단된다. PM 이용자 그룹이 주로 20-30대 중심으로 형성되고 있는데 상대적으로 부족한 경제력이나 새로운 것에 대한 도전 의식 등이 PM 선택의 이유가 될 수 있고, 장년층은 신체 활동 능력이나 주변 상황에 대한 신속한 판단 능력의 저하로 인한 안전상의 문제로 PM 이용 의사가 낮은 것으로 해석된다.

PM을 이용한 경험이 있는 경우 PM 이용 의사에 정(+)의 영향을 미치는 것으로 나타났다. 이용 경험이 없는 경우에 비해 PM을 이용할 승산이 4.147배 높게 나타났다. 즉, PM을 직접 이용하는 경우 사용 방법이나 다양한 장점을 인지하고 더 긍정적인 태도를 형성하는 것을 알 수 있다. 향후 부산광역시 대중교통수단으로 PM 도입 시 무료 이용 기회 제공 등 이용 경험을 확대할 수 있는 홍보를 통해 PM 수요를 높일 수 있을 것으로 보인다.

마지막으로 출발지의 경사도는 PM 이용 의사에 정(+)의 영향을 미치는 것으로 나타났으며, 경사도가 한 단위 높아질수록 PM을 이용할 승산이 1.081배 높은 것으로 나타났다. 일반 자전거와는 달리 PM은 전기를 이용함으로써 이동에 대한 경사를 극복할 수 있다는 장점이 있어 경사지에서 출발하는 대중교통 이용자들을 중심으로 PM에 대한 수요가 어느 정도 발생할 것으로 판단된다. 대중교통 대안 수단으로써의 PM에 대한 이용 선호도를 실질적으로 조사하고 지역의 지형적인 특성 예를 들면 도시구조를 반영한 경사에 따른 PM의 이용 선호도까지 반영한 것은 기존 연구와 차별된다고 할 수 있다.

Table 6.

Omnibus tests of model coefficients

Variable B S.E, Wals df Sig. Exp (B)
PM use experience 1.422 .454 9.809 1 .002 4.147
Sex .452 .260 3.022 1 .082 1.571
Age -.045 .010 22.002 1 .000 .956
Average slope by basic local government .078 .045 2.953 1 .086 1.081
Constant 2.198 .728 9.103 1 .003 9.005

결론

2020년 초부터 비말로 감염되는 코로나-19의 확산을 제어하기 위해 전 국가적으로 이동을 제한한 결과, 지정된 시간에 대량으로 수송해야 하는 대중교통의 수요가 큰 폭으로 감소하였고, 승용차와 같은 개인 이동 수단에 대한 의존도가 높아졌으며, 군집하지 않고 신속하게 이동할 수 있는 소형이면서 개인적인 형태인 PM에 대한 활용 가능성이 커지고 있다. 이러한 상황에서 최근 자연 재난이나 사회적 재난 등에 대비한 전통적인 이동 수단과 대안 교통수단을 포괄하는 교통체계의 구축이 필요한 상황이다.

본 연구는 부산광역시 교통카드 데이터를 활용하여 대중교통에 대한 코로나-19의 영향을 분석하고 부산광역시 대중교통 이용자들을 대상으로 팬데믹 상황에서 대안 교통수단으로서 PM에 대한 이용 의사를 조사하여 PM 이용 의사에 영향을 미치는 요인들을 도출하고 시사점을 제시하였다.

연구 결과, 코로나-19로 인해 사회적 통제가 이뤄진 2020년 부산광역시 일별 대중교통 통행 수는 코로나-19가 확산하기 전 2019년에 비해 하루평균 24.7% 약 90만 통행이 감소한 것으로 나타났다. 대중교통 이용자 수는 같은 시기에 하루평균 약 97만 명에서 약 74만 명 수준으로 23.3% 감소하였다. 또한, 대중교통 수단별 통행 수의 변화를 살펴보면, 도시철도, 버스, 그리고 마을버스 통행의 27.8%, 20.5%, 그리고 27.5%가 감소한 것으로 분석되었다. 부산광역시 기초자치단체인 205개 읍면동에 포함되는 모든 버스정류장과 도시철도 역의 좌표를 확보한 후, GIS 분석을 통해 2019년과 2020년 읍면동 단위 하루평균 대중교통 통행 수를 비교·분석한 결과, 모든 읍면동에서 대중교통 수요가 줄어드는 것을 확인할 수 있었다.

이와 더불어 부산광역시 대중교통 이용자 591명을 대상으로 대안 교통수단으로서 PM에 대한 이용 선호도에 영향을 미치는 요인을 이항 로지스틱 회귀모형을 통해 분석한 결과, 성별, 연령, PM 이용 경험, 그리고 출발지의 경사가 유의미한 변수로 도출되었다. 구체적으로 남성이 여성에 비해 새로운 이동 수단에 대한 친숙함, 이용상의 어려움, 그리고 안전상의 문제 등에 더 적극적인 극복 의지를 보이는 것으로 보인다. 그리고 고령자들은 상대적으로 신체 활동 능력이나 주변 상황에 대한 판단 능력의 저하로 PM에 대한 이용 의사가 낮은 것으로 판단된다. PM을 이용한 경험이 있는 응답자들은 PM의 이용 방법이나 다양한 장점을 인지하여 재이용 의사가 높은 것을 알 수 있다. 전기를 동력원으로 하는 PM의 장점 중의 하나는 경사를 극복할 수 있다는 것으로 경사지에서 출발하는 대중교통 이용자들은 PM에 대한 이용 선호도가 큰 것으로 판단된다.

전 세계 주요 도시의 사례와 본 연구의 결과를 토대로 지속 가능한 새로운 이동의 패러다임을 제공하기 위해 공공기관을 중심으로 주민들의 동등한 이동과 접근을 보장하고 탄력적인 인프라에 투자하여 능동적인 모빌리티 수단을 지원해야 할 것이며 교통수요의 적극적인 분산정책, 비접촉 교통 플랫폼의 조기 도입, 도로 구조 개선을 통한 자전거 및 PM 전용도로의 제공이 필요하다.

본 연구의 한계는 전 세계적으로 코로나-19로 인해 감소한 대중교통 수요가 PM으로 전환된 정도를 규명하지 못한다는 것이다. 또한 향후 연구로는 PM과 기존의 대중교통 간의 환승요금 체계 구축 등과 같은 시나리오를 개발하여 이에 대한 수요를 예측하고 응급상황에 대한 PM의 효과를 정량적으로 분석해야 할 것이며, 기초자치단체 단위로 대중교통 수요 변화량의 차이에 대한 인구학적 그리고 사회경제지표를 통한 해석이 필요하다.

본 연구의 결과는 팬데믹과 같은 응급상황에서 대중교통에 대한 일방적인 이용 제한을 시행하기 전 초기형태의 서비스형 모빌리티(Mobility as a Service, MaaS)로서 기존의 대중교통과 PM을 연계하는 통합 대중교통체계를 구축한다면 이동에 대한 제한을 최소화할 수 있을 것이다. 따라서, 본 연구는 포스트 코로나 시대 교통수단의 개인화, 다양성 등과 같은 이동 수단의 전환에 관한 연구가 활성화되는 계기가 될 것으로 기대된다.

Funding

This work has been funded by Busan Mass Transit Citizen's Funds Foundation.

알림

본 논문은 대한교통학회 제86회 학술발표회(2022.4.23)에서 발표된 내용을 수정·보완하여 작성된 것입니다.

References

1
Abdullah M., Ali N., Aslam A. B., Javid M. A., Hussain S. A. (2022), Factors Affecting the Mode Choice Behavior before and during COVID-19 Pandemic in Pakistan, International Journal of Transportation Science and Technology, 11, 174-186. 10.1016/j.ijtst.2021.06.005PMC8894134
2
Abdullah M., Ali N., Hussain S. A., Aslam A. B., Javid M. A. (2021), Measuring Changes in Travel Behavior Pattern due to COVID-19 in a Developing Country: A Case Study of Pakistan, Transport Policy, 108, 21-33. 10.1016/j.tranpol.2021.04.02336568479PMC9759633
3
Andara R., Ortego-Osa J., Gómez-Caicedo M. I., Ramírez-Pisco R., Navas-Gracia L. M., Vásquez C. L., Gaitán-Angulo M. (2021), Behavior of Traffic Congestion and Public Transport in Eight Large Cities in Latin America during the COVID-19 Pandemic, Applied Sciences, 11, 1-13. 10.3390/app11104703
4
Arimura M., Ha T. V., Okumura K., Asada T. (2020), Changes in Urban Mobility in Sapporo City, Japan due to the Covid-19 Emergency Declarations, Transportation Research Interdisciplinary Perspectives, 7, 1-14. 10.1016/j.trip.2020.10021234173468PMC7834002
5
Awad-Núñez S., Julio R., Gomez J., Moya-Gómez B., González J. S. (2021), Post-COVID-19 Travel Behaviour Patterns: Impact on the Willingness to Pay of Users of Public Transport and Shared Mobility Services in Spain, European Transport Research Review, 13, 1-18. 10.1186/s12544-021-00476-4PMC7944722
6
Bhaduri E., Manoj B. S., Wadud Z., Goswwami A. K., Choudhury C. F. (2020), Modelling the Effects of COVID-19 on Travel Mode Choice Behaviour in India, Transportation Research Interdisciplinary Perspectives, 8, 1-16. 10.1016/j.trip.2020.100273
7
Bi H., Ye Z., Zhang Y., Zhu H. (2022), A Long-term Perspective on the COVID-19: The Bike Sharing System Resilience under the Epidemic Environment, Journal of Transport & Health, 26, 1-16. 10.1016/j.jth.2022.10146035812803PMC9250897
8
Borkowski P., Jazdzewska-Gutta M., Szmelter-Jarosz A. (2021), Lockdowned: Everyday Mobility Changes in Response to COVID-19, Transport Geography, 90, 11-13. 10.1016/j.jtrangeo.2020.10290635721765PMC9188832
9
Bucsky P. (2020), Modal Share Changes due to COVID-19: The Case of Budapest, Transportation Research Interdisciplinary Perspectives, 8, 1-5. 10.1016/j.trip.2020.10014134171021PMC7290209
10
Carrese S., Cipriani E., Colombaroni C., Crisalli U., Fusco G., Gemma A., Isaenko N., Mannini L., Petrelli M., Busillo V., Saracchi S. (2021), Analysis and Monitoring of Post-COVID Mobility Demand in Rome Resulting from the Adoption of Sustainable Mobility Measures, Transport Policy, 111, 197-215. 10.1016/j.tranpol.2021.07.01736568353PMC9759737
11
Choi M. H., Jung H. Y. (2020), A Study on the Influencing Factor of Intention to Use Personal Mobility Sharing Services, J. Korean Soc. Transp., 38(1), Korean Society of Transportation, 1-13. 10.7470/jkst.2020.38.1.001
12
Das S., Boruah A., Banerjee A., Raoniar R., Nama S., Maurya A. K. (2021), Impact of COVID-19: A Radical Modal Shift from Public to Private Transport Mode, Transport Policy, 109, 1-11. 10.1016/j.tranpol.2021.05.00536570699PMC9759716
13
Dingil A. E., Esztergár-Kiss D. (2021), The Influence of the Covid-19 Pandemic on Mobility Patterns: The First Wave's Results, Transportation Letters, 13, 434-446. 10.1080/19427867.2021.1901011
14
Eisenmann C., Nobis C., Kolarova V., Lenz B., Winkler C. (2021), Transport Mode Use during the COVID-19 Lockdown Period in Germany: The Car Became More Important, Public Transport Lost Ground, Transport Policy, 103, 60-67. 10.1016/j.tranpol.2021.01.01236570706PMC9761784
15
Fukushige T., Fitch D. T., Mohiuddin H., Andersen H., Jenn A. (2021), Micromobility Trip Characteristics, Transit Connections, and COVID-19 Effects, The University of California Institute of Transportation Studies, UC-ITS-2021-32, 1-54.
16
Glavic D., Trpkovic A., Milenkovic M., Jevremovic S. (2021), The E-Scooter Potential to Change Urban Mobility-Belgrade Case Study, Sustainability, 13(11), 1-29. 10.3390/su13115948
17
Hu S., Xiong C., Liu Z., Zhang L. (2021), Examining Spatiotemporal Changing Patterns of Bike-sharing Usage during COVID-19 Pandemic, 91, 1-16. 10.1016/j.jtrangeo.2021.10299733642707PMC7894132
18
Jo H. R., Yoon S. B. (2020), Traffic Changes due to COVID-19 and Transportation Policy Direction in Seoul in Preparation for Post COVID-19, Seoul Institute of Technology Technical Excellence, 3, 1-16.
19
Kim J. M., Ki D. H., Lee S. G. (2021a), Analysis of Travel Mode Choice Change by the Spread of COVID-19: The Case of Seoul, Korea, Journal of Korea Planning Association, 56(3), 113-129. 10.17208/jkpa.2021.06.56.3.113
20
Kim J. Y., Kim S. J., Lee G. J., Choo S. H. (2021b), Estimating a Mode Choice Model Considering Shared E-scooter Service: Focused on Access Travel and Neighborhood Travel, Korea Institution of Intelligent Transportation System, 20(1), 22-39. 10.12815/kits.2021.20.1.22
21
Kim S. J., Lee G. J., Choo S. H., Kim S. H. (2021c), Study on Shared E-scooter Usage Characteristics and Influencing Factors, Korea Institution of Intelligent Transportation System, 20(1), 40-53. 10.12815/kits.2021.20.1.40
22
Kim K. S., Seo Y. J. (2021), A Proposal for an Artificial Intelligence Model for Predicting the Number of Public Rental Bike in the COVID-19 Era, Korea Institute of Industrial Technology, 19(10), 11-18. 10.14801/jkiit.2021.19.10.11
23
Koněcný V., Brídziková M., Senko S. (2021), Impact of COVID-19 and Anti-Pandemic Measures on the Sustainability of Demand in Suburban Bus Transport, The Case of the Slovak Republic, Sustainability, 13, 1-29. 10.3390/su13094967
24
König A., Dreßler A. (2021), A Mixed-methods Analysis of Mobility Behavior Changes in the COVID-19 Era in a Rural Case Study, European Transport Research Review, 15, 1-13. 10.1186/s12544-021-00472-8PMC7873667
25
Li A., Zhao P., He H., Axhausen K. W. (2020), Understanding the Variations of Micro-mobility Behavior before and during COVID-19 Pandemic Period, Arbeitsberichte Verkehrs- und Raumplanung, 1547, 1-20.
26
Li A., Zhao P., Haito H., Mansourian A., Axhausen K. W. (2021), How Did Micro-mobility Change in Response to COVID-19 Pandemic? A Case Study Based on Spatial-temporal-semantic Analytics, Computer, Environment and Urban Systems, 90, 1-17. 10.1016/j.compenvurbsys.2021.10170334629583PMC8492604
27
Ministry of Land, Infrastructure and Transport (MOLIT) (2021), Public Transportation Status Survey-Final Report, Korea Transportation Safety Authority, 1-449.
28
Mishra S., Singh N., Bhattacharya D. (2021), Application-Based COVID-19 Micro-Mobility Solution for Safe and Smart Navigation in Pandemics, International Journal of Geo-Information, 10(8), 1-19. 10.3390/ijgi10080571
29
Politis I., Georgiadis G., Papadopoulos E., Fyrogenis I., Nikolaidou A., Kopsacheilis A., Sdoukopoulos A., Verani E. (2021a), COVID-19 Lockdown Measures and Travel Behavior: The Case of Thessaloniki, Greece, Transportation Research Interdisciplinary Perspectives, 10, 1-16. 10.1016/j.trip.2021.10034536844001PMC9940606
30
Politis L., Georgiadis G., Nikolaidou A., Kopsacheilis A., Fyrogenis I., Sdoukopoulos A., Verani E., Papadopoulos E. (2021b), Mapping Travel Behavior Changes during the COVID-19 Lock-down: a Socioeconomic Analysis in Greece, European Transport Research Review, 13, 1-19. 10.1186/s12544-021-00481-7PMC7968570
31
Pourfalatoun S., Miller E. E. (2022), Effects of COVID-19 Pandemic on Use and Perception of E-scooters, Transportation Research Interdisciplinary Perspectives, 22, 1-8. 10.1016/j.trip.2023.100925
32
Raunak R., Sawant N., Sinba S. (2020), Impact of Covid-19 on Urban Mobility in Indian Cities, Transport and Communications Bulletin for Asia and the Pacific, 90, 71-85.
33
Savage K., Turcotte M. (2020), Commuting to Work during COVID-19, Statistics Canada, 1-8.
34
Scorrano M., Danielis R. (2021), Active Mobility in an Italian City: Mode Choice Determinants and Attitudes before and during the Covid-19 Emergency, Research in Transportation Economics, 86, 1-17. 10.1016/j.retrec.2021.101031
35
Shamshiripour A., Rahimi E., Shabanpour R., Mohammadian A. K. (2020), How is COVID-19 Reshaping Activity-travel Behavior? Evidence from a Comprehensive Survey in Chicago, Transportation Research Interdisciplinary Perspectives, 7, 1-16. 10.1016/j.trip.2020.10021634173469PMC7474875
36
Shelat S., Cats O., Cranenburgh S. V. (2021), Avoiding the Crowd: Traveller Behaviour in Public Transport in the Age of COVID-19, 1-15.
37
Shin H. C., Kim S. H., Kang W. J. (2022), Strategy for Smart Mobility Development in the Post COVID-19 Era, Korea Transport Institute, 21(1), 1-362.
38
Shin S. H., Choo S. H. (2022), Exploring the Influencing Factors on Change in Use of Sharing Mobility by the COVID-19 Pandemic: Focused on Residents in New Towns, J. Korean Soc. Transp., 40(2), Korean Society of Transportation, 230-244. 10.7470/jkst.2022.40.2.230
39
Sim J. S. (2021), Comparison before and after COVID-19 Based on Characteristics of Public Bicycle Use in Daejeon, Korea Research Institute for Human Settlements, 21(18), 1-33.
40
Šinko S., Prah K., Kramberger T. (2021), Spatial Modelling of Modal Shift Due to COVID-19, Sustainability, 13, 1-15. 10.3390/su13137116
41
Teixeira J. F., Silva C., Sa F. M. (2021), The Motivations for Using Bike Sharing during the COVID-19 Pandemic: Insights from Lisbon, Transportation Research Part F: Psychology & Behaviour, 82, 378-399. 10.1016/j.trf.2021.09.01634602849PMC8479539
페이지 상단으로 이동하기