Relative Efficiency and Its Effecting Factors of Demand Responsive Transport(DRT) in the Public Transportation Remote Areas

Woojin Han; Tae Youn Jang; Chang Su Kim

doi:10.7470/jkst.2025.43.2.237

Preview

Article

Journal of Korean Society of Transportation. 30 April 2025. 237-251
https://doi.org/10.7470/jkst.2025.43.2.237

Relative Efficiency and Its Effecting Factors of Demand Responsive Transport(DRT) in the Public Transportation Remote Areas

대중교통공백지역 수요응답형교통의 상대적 효율성 및 영향요인 연구

Woojin HAN¹

Tae Youn JANG²^*

Chang Su KIM³

한 우진¹

장 태연²^*

김 창수³

¹Ph.D., CEO, Ji_in Engineering & Construction, Jeonbuk 55365, Korea

²Professor, Dept. of Urban Engineering, Jeonbuk National University, Jeonbuk 54902, Korea

³Ph.D. Candidate, Dept. of Architectural & Urban Eng., Jeonbuk National University, Jeonbuk 54902, Korea

¹(주)지인이앤씨 대표

²전북대학교 도시공학과 교수

³전북대학교 건축도시공학과 박사수료

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0/):

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

Demand Responsive Transport (DRT) ran in rural areas has being distinctly operated as various ways even within the same areas under the regional conditions and limited budget. DRT efficiency is significantly considered by the regional operators for effective operation, users’ satisfaction, its future expanding plan, and so on. The reasonable policy for efficient DRT system is necessary for its expanding operation in the public transportation remote areas having the aggravating population decrease and aging. The study offers the yardstick for the new or expanding DRT system by analyzing the relative efficiency and the influencing factors based on the characteristics of current DRT. The best optimal efficient Eup·Myeons and the inefficient ones are respectively presented depending on the values of technical efficiency, pure technical efficiency, and scale efficiency calculated by Data Envelopment Analysis to evaluate forty-eight Eup·Myeons of eleven cities and counties currently operating DRT in the Jeonbuk State. Especially, The step by step process to improve inefficiency is fulfilled by the Tire Analysis for inefficiency Eup·Myeons to become the efficiency ones. The influencing factors on DRT efficiency are analyzed by the ordered probit model. It is expected that the results of this study will be to offer the useful guideline for DRT introduction and to guarantee the mobility rights for residents in the public transportation remote areas.

Keywords

Data Envelopment Analysis (DEA)

Demand Responsive Transit (DRT)

efficiency

ordinal regression model

public transportation

농어촌지역에서 운영되는 수요응답형교통(DRT)은 동일 시·군내에서도 지역여건과 한정된 예산 범위 내에서 대상자, 운영기준, 운영지역 등을 고려하여 다양한 방법으로 운영중이다. 이런 상황을 고려하여 운영자 측면에서 지역별로 운영특성과 만족도 등을 기준으로 효율성이 중요시 된다. 연구대상지인 전북특별자치도와 같은 인구감소 및 고령화가 심화되는 지역에서는 DRT 확대를 위해 효율적인 운영방식에 대한 정책방향이 필요하다. 연구는 현재 운행중인 DRT의 운영여건과 관련한 요인을 기초로 효율성 값을 산정하고 최적의 읍·면이 되기 위한 참조대상을 제시하여 향후 DRT 신규 도입 및 확대·운영시 정책판단의 기초자료를 제공하고자 한다. 자료포락분석(Data Envelopment Analysis)을 적용하여 전북특별자치도내 DRT를 운영하는 읍·면을 대상으로 기술효율성, 순수기술효율성 및 규모효율성을 제시하고 효율적 및 비효율적 지역을 선정하였다. 특히, 비효율적 읍·면이 상대적 비교에 따른 완전한 효율성을 확보하기 위해 참조해야 하는 읍·면을 Tier 분석의 단계적 과정을 통해 도출하였다. 순위회귀모형을 통해 효율성에 영향을 미치는 요인들을 분석하였으며, 연구결과는 인구감소 및 고령화가 진행중인 대중교통공백지역에서 주민의 이동권을 보장하기 위한 DRT의 가이드라인이 될 것으로 기대한다.

키워드

자료포락분석

수요응답형교통

효율성

순위회귀모형

대중교통

MAIN

서론
선행연구
1. 수요응답형교통 선행연구
2. 효율성 평가 선행연구
수요응답형교통 효율성 분석
1. 효율성 분석방법
2. 읍면별 효율성 평가
3. Tier 분석
수요응답형교통 효율성 영향요인 분석
1. 순위회귀모형
2. 모형결과
결론

서론

농어촌지역의 수요응답형교통(Demand Responsive Transit, 이하 DRT)은 버스노선이 없거나 버스정류장과 일정거리 이상 떨어져 있는 대중교통 사각지대의 이용객을 위해 탄력적 운행이 가능한 대중교통 서비스로 중앙정부에서 적극적인 지원을 확대하고 있다. 공공교통 제공자에게는 DRT가 기존의 대중교통수단에 비해 시간적으로나 지역적으로 낮은 이용수요 지역에서 비용적으로 효과적인 운송수단이다(Enoch et al., 2004). 농어촌지역은 지속적인 인구감소와 고령화 심화, 승용차 보급으로 인해 현저한 대중교통 이용객 감소와 함께 노선버스 사업의 채산성 악화로 어려움을 겪고 있다(Im and Hong, 2024). 또한, 각 마을별로 농어촌버스가 운행되고 있으나 마을이 넓게 분산되어 있어 서비스수준이 저하되고 있으며, 주민 대다수가 노인계층으로 대중교통 이용에 어려움이 많은 실정에 있다. 이에 전국의 많은 지자체에서는 DRT를 기존 농어촌버스 벽지노선의 대체 노선으로 도입하거나 지간선제 노선개편시에 지선에 운영하는 대안으로 확대·운영하고 있다.

지방지역에서 운영되고 있는 DRT는 동일 시·군내에서도 지역여건과 한정된 예산 범위 내에서 대상자, 운영기준, 운영지역 등을 고려하여 다양한 방법으로 이동 서비스를 제공하는 데 활용되고 있다. 다양한 방법으로 제공되는 DRT 서비스는 투입되는 자원과 산출되는 결과에 따라 지역별로 다양한 효율성을 보일 수 있어 운영관리자 측면에서는 운영특성 등을 기준으로 효율성을 검토할 필요성이 대두된다.

DRT는 대중교통 공백지역을 중심으로 보편화된 공공부문의 서비스 제공 및 주민의 편의성 제고를 위해 국비, 지방비 등의 예산을 점진적으로 확대·운영해 가고 있으나, 읍·면별로 지역적 여건을 고려한 DRT 운행의 객관화된 효율성이 제시된 적이 없다. 이에 본 연구에서는 DRT를 운영하고 있는 전북특별자치도내 48개 읍·면을 대상으로 사회경제지표, 운행현황, 운행패턴 등을 복합적으로 고려하여 상대적으로 상호비교가 가능한 효율성 평가를 자료포락분석(DEA : Data Envelopment Analysis)를 활용하여 수행한다. 이들 48개 읍·면은 대중교통 소외지역 주민의 사회활동 참여 및 이동권 보장을 위해 DRT를 매년 확대·운영중에 있으나, 대중교통서비스 제공에 있어 동일 지자체 내 읍·면간에도 운행기준, 운행요금, 운행방식 및 이용자 패턴 등에 있어 차이를 보이고 있어 운행방법에 대한 효율성을 비교하고 효율적인 운행을 위한 영향요인을 제시한다.

선행연구

1. 수요응답형교통 선행연구

국내 농어촌지역의 수요응답형 교통서비스(DRT)는 벽지노선의 재정부담을 경감하고 대중교통공백지역 해소를 위한 목적으로 처음 도입되었으며(Jollabukdo, 2011; Park and Jung, 2019), 이후 시범사업과 실증 연구를 기반으로 국토교통부의 도시형 및 농림축산식품부의 농촌형으로 교통모델사업이 확대되어 왔다. Ryu et al.(2014)는 충남 부여군 외산면, 당진시 대호지면을 대상으로 DRT 운행전략(운행 형태 및 범위, 예약, 배차방식)을 설정하여 주민참여형 수요응답형 모의실험을 실시하였는데, 실험을 통해 이용현황(운행횟수, 탑승률, 이용자수)을 구체화하였으며, 이용목적에 의한 만족도를 기초로 주민선호도 및 도입시 필요한 요인을 제시하였다. Kim et al.(2022)는 도시형 교통모델사업을 통한 농촌지역 교통서비스 개선효과에 대해 회귀모형을 활용하였다. 이중차분 분석을 적용하여 군지역이 시지역 보다 외출횟수와 방문지 수가 증가됨을 검증하였고, 기존연구가 시행지역에 국한되어 있어 경기변동을 통제하지 못하는 한계를 연구는 극복하였다. Park et al.(2023)은 국내 상용화가 진행 중인 DRT의 이용자 만족도에 대한 영향요인을 DRT 유형별로 분석하였다.

공간적 패턴을 기초로 한 DRT 운영연구로 Choi et al.(2022)은 DRT 도입 유형과 운영을 위해 공간적 패턴 분석을 수행하여 도시 및 시가화 지역에는 첨두 DRT, 노선대체형 DRT 혹은 미도입이 적절하며, 통근, 통학 및 환승 통행을 수행해야 하며, 농촌 지역에는 노선확충형 DRT를 도입하는 것이 적절하고 지역중심의 통행을 제안하였다. Park(2020)은 경남지역을 중심으로 노선버스 과소운행지역에서의 버스노선 대체형 DRT 도입시 구체적인 운행기준을 제시하기 위해 61개 마을을 대상으로 운행자료 및 의식분석을 실시하였고, 이항로짓 모델을 활용하여 DRT 이용의 영향요인을 파악하였다. Song and Park(2022)은 2017년부터 운영 중인 경남형 DRT 브라보 택시 이용자들을 대상으로, 운행 초기와 2년 경과 후의 이용자 의식 변화를 공간분석을 통해 비교했다. 브라보 택시에 대한 만족도는 통계적으로 유의미하게 증가하였으나, 이용객 증가로 인한 대기시간 증가, 쿠폰의 부족, 탑승이 불가한 경우의 발생 등이 문제점으로 나타났다.

DRT 지불의사 도입과 관련한 연구도 진행되었는데 가상선호의식(stated preference) 조사 후 조건부 가치측정법을 적용한 DRT 편익에 대한 이용요금 지불의사액 측정(Kim and Namgung, 2015), 생활권 특성별 DRT 이용의 잠재시장에 대해 경제학에 근거한 조건부가치측정법을 적용한 시장별 지불의사측정(Ki et al., 2016), 서비스 방식의 단계적 선호구조에 의한 DRT 지불의사분석(Kim et al., 2024) 등이 있다.

해외 DRT 효율성 연구로 Felipe et al.(2020)는 일반버스와 DRT의 이동 효율성을 비교하였는데, 운행시간, 이동거리, 운영비용, 온실가스 배출량을 기준으로 DRT가 일반버스에 비해 효율이 향상됨을 확인하였다. Tiziano et al.(2023)는 유럽의 DRT 서비스 운영 지역 중 지리적으로 서로 다른 3개 도시에 대해 핵심성과지표를 활용하여 각 도시의 DRT의 생산성과 효율성을 측정하였다.

2. 효율성 평가 선행연구

효율성 측정과 분석은 의사결정권자가 관리나 운영에 관련된 결정을 하거나 투자에 대한 우선순위를 결정하기 위해 중요하게 사용된다. 연구에서 활용하는 자료포락분석(DEA)은 선형계획법을 통해 의사결정단위들의 상대적 효율성을 분석하는 기법으로, 다양하고 복잡한 특성을 지닌 성과를 통합적이고 과학적으로 평가할 때 자주 사용된다(Zhang and Chen, 2018; Zhou et al., 2018). 교통분야 DEA는 대중교통의 효율성 평가를 통한 정책 방향을 주로 제시하였는데, 시내버스 지·간선 노선체계 효율성(Ahn, 2023; Kim and Shim, 2021), 새로운 노선 도입이나 변경 효율성(Yoon et al., 2019), 버스 준공제 시행에 따른 효율성(Kwon and Lee, 2019) 등의 분석이 있다. Yi and Kim(2013)은 시내버스 운영자 측면의 효율성과 이용자 측면의 서비스 질에 대한 통합적 평가를 진행하였고, 효율성에 영향을 미치는 요인을 분석하기 위해 토빗회귀모형을 활용하였다.

외국의 교통분야 DEA를 활용한 연구는 초창기 버스노선에 주로 집중되어 왔으며, 최근 다양한 측면에서의 효율성을 평가하는 연구가 진행되고 있다. 사회적 관점에서 지역사회의 교통안전과 환경 등의 부정적 요인을 최소화하는 노선 효율성 분석(Sheth et al., 2007), 버스노선에 지리정보시스템의 인구통계학적 요소를 결합한 공간 효율성과 운영 효율성 측정(Lao and Liu, 2009), 버스수용능력을 고려한 운영과 서비스의 효율성 분석(Güner and Coşkun, 2019), 인구 고령화에 따른 시내버스 서비스 효율성 평가(Chen et al., 2019) 등이 있다.

동아시아 국가들은 대중교통의 환경문제를 분석하기 위해 효율성 연구를 수행하였으며, 강수량 및 배기가스 배출 등 환경적 요인을 활용하였다. Kang et al.(2020)은 환승시스템에 대한 효율성 평가를 위해 대만 타이페이의 시내버스 CO₂ 배출량을 변수로 활용하였다. 또한, Wu et al.(2021)은 중국 도시들의 대기오염 통제를 위한 정책의 장기적 평가를 위해 DEA를 활용하였고, 이산화황, PM2.5 농도 및 질소산화물 등의 배출량을 환경 변수로 사용하였다.

검토된 국내 수요응답형교통(DRT) 연구는 특정 지자체에 한정하여 DRT 서비스 지불의사측정, 운행중인 DRT 효과분석과 만족도에 관한 연구, 교통수단의 도입 및 운영방안에 관한 연구, 운영에 대한 실험 및 사례 등이 대부분이다. DEA를 활용한 국내·외 논문은 대부분 버스노선과 환경적 측면의 효율성에 관한 연구들이다. 현재 DRT는 전국적으로 대부분 지자체에서 운행하고 있는데, DRT 효율성 측정과 상호비교하는 연구는 전무하다. 본 연구는 전북특별자치도내 DRT를 운영하고 있는 48개 읍·면을 대상으로 상호비교를 통한 효율성을 평가한다.

수요응답형교통 효율성 분석

1. 효율성 분석방법

1) 자료포락분석(DEA : Data Envelopment Analysis) 모형

효율성이란 제한된 자원으로 최대 산출물을 창출해 내는 생산기술을 말한다. DEA는 투입과 산출관계가 명확하지 않은 의사결정단위의 상대적 효율성을 평가한다. DEA 활용이유는 가장 효율적인 대상을 제시하여 벤치마킹 근거를 제공하고, 투입과 산출의 요소별로 비효율과 관련한 정보를 제공한다. DEA는 CCR(Charnes-Cooper- Rhodes)모형으로 시작하는데 유사한 목적을 위해 조직된 의사결정단위(DMU : Decision Making Units)간의 상대적 효율성을 평가하는 선형계획기법이다. 연구에서의 DMU는 전북특별차지도내 DRT를 운영하는 48개 읍·면이다.

(1)

DMU Efficiency = Output/Input = (\sum_{r = 1}^{s} u_{r} y_{r j}) / (\sum_{i = 1}^{m} v_{i} x_{i j}) j = 1, 2, \dots, n

$n$ 은 DMU수, $m$ 은 투입수, $y_{r j}$ 와 $x_{i j}$ 는 산출물과 투입물의 실제 관찰값이다. $u_{r}$ 는 $r$ 번째 산출물 가중치, $v_{i}$ 는 $i$ 번째 투입물 가중치이다. CCR모형은 선형계획문제로 대체되며 Equation 2와 같다. CCR모형은 규모확대에 비례하여 산출이 확대된다는 가정하에 모든 DMU의 투입에 대한 산출의 비율이 1.0을 초과해서는 안 되며, 각 투입요소의 가중치는 0보다 크다는 제약조건하에서 총투입과 총산출의 비율을 최대화시키는 요소의 가중치를 결정하는 모형이다.

(2)

\max \sum_{r = 1}^{s} u_{r} y_{r 0} subject to \sum_{r = 1}^{s} u_{r} y_{r, j} - \sum_{i = 1}^{m} v_{i} x_{i j} \leq 0, j = 1, 2,, \dots, n \sum_{i = 1}^{m} v_{i} x_{i 0} = 1, u_{r}, v_{i} \geq ϵ > 0, r = 1, 2,, \dots, s, i = 1, 2,, \dots, m

$y_{r j}$ 와 $x_{i j}$ 는 $D M U_{j}$ 의 $r$ 번째 산출과 $i$ 번째 투입 규모, $y_{r 0}$ 와 $x_{i o}$ 는 $D M U_{0}$ 의 $r$ 번째 산출과 $i$ 번째 투입 규모, 𝜖는 non-Achimedean 상수, $s$ 는 산출수이다. CCR모형으로 효율성을 측정하면 기술효율성과 규모효율성이 혼합되어 나타나는데, 보완된 모형이 BCC(Banker-Charnes-Cooper) 모형이다. BCC 모형은 규모효과가 제거되고 최적이 아닌 상태에서의 효율성만을 측정하며 순수기술효율성이라고 한다. 즉, 평가에 있어 규모수익효과를 알 수 있으며 규모효율성을 제외한 순수기술효율성에 의해 효율적인 DMU를 구분한다. BCC모형은 CCR모형의 규모수익불변을 극복하고 가변규모수익(VRS : Variable Return to Scale)을 반영하며 Equation 3과 같다(Banker et al., 1984).

(3)

\max h_{0} = \sum_{i = 1}^{m} u_{i} x_{i 0} - u_{0} subject to \sum_{r = 1}^{s} u_{r} y_{r j} - \sum_{i = 1}^{m_{i}} v_{i} x_{i j} - u_{0} \leq 0, \sum_{r = 1}^{s} u_{r} y_{r 0} = 1, u_{r}, v_{i} \geq ϵ > 0, r = 1, 2, \dots, s, i = 1, 2, \dots, m

$u_{0}$ 는 부호제약을 받지 않는 값으로서 규모에 대한 보수지표(indicator of returns to scale)를 의미한다. $u_{0}$ > 0 일 때 규모수익증가(IRS : Increasing Return to Scale), $u_{0}$ <0이면 규모수익감소(DRS : Decreasing Return to Scale), $u_{0}$ =0이면 규모수익불변(CRS : Constant Returns to Scale)이 된다.

2) 상대적 효율성

DEA는 기술효율성(TE : Technical Efficiency)을 분석하는데, 기술효율성은 규모효율성(SE : Scale Efficiency)과 순수기술효율성(PTE : Pure Technical Efficiency)으로 구분된다. 기술효율성은 일정량의 산출물을 생산할 때 투입물을 가장 적게 사용하는 특정 DMU의 생산요소에 대한 모든 DMU의 생산요소의 상대적 비율로 측정된다. 규모효율성은 DMU의 생산규모가 사회적으로 최적 규모인가를 측정하며, 순수기술효율성은 기술효율성에서 규모효율성의 효과를 제거한 것으로 규모효율성이 1.0일 때 기술효율성과 순수기술효율성은 같다. 특정 읍·면의 효율성값이 1.0인 경우 타 읍·면과 비교하여 상대적 효율성이 100%이며, 1.0미만이면 타 읍·면에 비해 비효율적이다.

2. 읍면별 효율성 평가

1) 자료 및 변수

Table 1은 연구에 활용된 변수를 보여준다. 투입변수인 운전자수(Ndriver)는 예비운전원을 포함한 인구 1,000명당 평균 운전자수이다. 운행횟수(Optfrequency)는 평일 1일 평균 운행횟수를 의미하며, 노선제는 1일 전체 편도 운행되는 횟수, 콜제는 해당 권역내에 1일 평균 콜횟수이다. 운행거리(Optdistance)는 해당 읍·면 소재지를 운행하는 차량의 실제 일 운행거리를 의미한다. 운행시간(Opttime)은 평일기준 운행시간이다.

Table 1.

Input/output variables

Variables		Description	Max.	Min.	Avg.	Std.
Input	Ndrivers	Average number of drivers per 1,000 residents including the reserve drivers (drivers/1,000residents)	2.7	0.1	0.94	0.51
	Optfrequency	Average operation frequency (one-way frequency or number of calls) per 1,000 residents in a day (frequency/1,,000residents/day)	22.9	1.0	8.51	5.93
	Optdistance	Average operation distance per vehicle in a day (km/vehicle/day)	259.0	48.5	134.8	49.8
	Opttime	Average operation travel time in a day (hours/day)	15	9	11.3	1.3
Output	Nusers	Average users per vehicle per 1,000 residents in a day (users/1,000 residents/vehicle)	29.6	0.6	10.2	7.1
	Satoperation	Average operation time satisfaction with the scale of one to ten points	9.6	4.5	6.9	1.2
	Satreserve	Average reservation satisfaction with the scale of one to ten points	9.1	4.9	7.1	1.2
	Sataccess	Average access & service satisfaction with the scale of one to ten points	8.9	4.4	7.2	1.1

산출변수인 대당이용객수(Nusers)는 중복이용을 반영한 차량 1대당 일 평균 이용자수이며, 운행시간만족도(Satoperation)는 평일 운행시간에 대한 만족도를 10점 척도로 하여 조사하였다. 예약만족도(Satreserve)는 예약시간과 정시도착에 대한 10점 척도의 만족도이다. 접근 및 서비스 만족도(Sataccess)는 차량 이용시 목적지까지의 접근 및 전체적인 서비스(차량내 청결, 운전기사 친절 등)에 대한 만족도로 10점 척도로 조사하였다. 지역의 고령화율, 세대수, 65세이상 인구수, 차량보유와 DRT의 요금수준, 운영원가, 연매출액 등도 변수로 검토되었지만 읍·면간 큰 차이가 없어 변수로 활용하지 않았다.

운전자수, 운행횟수, 운행거리, 운행시간, 대당이용객수의 운영자료는 시·군 행정이 제공해 주었으며, 운행시간, 만족도, 예약만족도, 접근서비스 만족도 등은 48개 읍·면에서 직접 설문조사를 실시하였다. 1차 설문조사는 2024년 1월∼3월의 3개월에 걸쳐 읍·면 행정을 통해 이루어졌다. 표본수의 부족분에 대해서는 2차 직접 대면조사를 실시하여 634개를 확보하였다. 신뢰도를 위해 48개 읍·면별 1일 이용객수의 25%이상으로 조사하였다(Table 2).

Table 2.

Survey definition for DEA efficiency

Category	Description
Target	DRT users in the 48 eupㆍmyeon of 11 Cities and Guns within Jeonbuk State
Survey time	First survey : 2024. 01∼03, Second survey : 2024. 04∼05
Sample size	Above 25% of average users per day in the 48 eupㆍmyeon(634 samples)

2) 효율성 분석

전북특별자치도내 48개 읍·면에서 운영중인 DRT의 효율성 분석결과는 Table 3, Table 4, Table 5에서 보여준다. 효율성 값은 운전자수, 운행횟수, 운행거리, 총운행시간 등을 투입으로 하여 산출인 대당이용객수, 운행시간만족도, 예약만족도, 접근 및 서비스 만족도 등을 극대화 할 수 있는가의 능력을 효율성 경계상에 있는 읍·면과 비교하여 상대적으로 측정한 값이다. 측정값이 1.0인 경우 효율적 읍·면이며 1.0미만은 비효율적 읍·면을 의미한다.

Table 3.

Efficiency and references

DMU			CCR (CRS)	BCC (VRS)		References group (weight)	Referred number
DMU			T E	PTE	SE	References group (weight)	Referred number
Iksan-si	1	Yeosan-myeon	0.7308	0.8344	0.8758	20(0.41), 37(0.03), 38(0.38), 26(0.48)	0
Iksan-si	2	Osan-myeon	0.6918	0.8172	0.8465	27(0.62), 28(0.04), 30(0.56)	0
Kunsan-si	3	Okdo-myeon	1.0000	1.0000	1.0000	-	1
	4	Hoehyeon-myeon	0.8683	0.8969	0.9681	24(0.32), 18(0.08), 27(0.26), 13(0.17), 12(0.19)	0
	5	Impi-myeon	0.8911	0.9972	0.8936	20(0.38), 26(0.28), 27(0.01), 28(0.62)	0
	6	Seosu-myeon	0.5373	0.5959	0.9017	20(0.38), 26(0.34), 27(0.06), 28(0.50)	0
	7	Daeya-myeon	0.8155	0.8336	0.9783	27(0.33), 3(0.05), 37(0.64)	0
Namwon-si	8	Daegang-myeon	0.6823	0.7645	0.8925	31(0.14), 32(0.24), 37(0.53)	0
	9	Unbong-eup	0.9983	1.0000	0.9983	27(0.43), 30(0.38)	0
	10	Inwol-myeon	0.6958	0.7166	0.9710	20(0.10), 26(0.05), 27(0.95)	0
	11	Ayeong-myeon	0.8724	0.9174	0.9509	31(0.07), 27(0.38), 28(0.10), 30(0.54)	0
	12	Jucheon-myeon	1.0000	1.0000	1.0000	-	3
Wanju-gun	13	Iseo-myeon	1.0000	1.0000	1.0000	-	8
	14	Dongsang-myeon	0.7518	0.8591	0.8751	24(0.52), 31(0.08), 37(0.21), 27(0.39), 28(0.01)	0
	15	Soyang-myeon	0.7403	0.7888	0.9385	24(0.48), 37(0.05), 30(0.20), 13(0.20)	0
	16	Sanggwan-myeon	0.8268	0.8497	0.9730	24(0.23), 37(0.06), 27(0.04), 30(0.24), 13(0.09)	0
	17	Gui-myeon	0.9630	1.0000	0.9630	23(0.15), 24(0.13), 30(0.20), 13(0.45)	0
Imsil-gun	18	Wunam-myeon	1.0000	1.0000	1.0000	-	3
	19	Gangjin-myeon	0.8756	0.8757	0.9999	37(0.51), 26(0.06), 27(0.42), 28(0.01)	0
	20	Deokchi-myeon	1.0000	1.0000	1.0000	-	7
Gochang-gun	21	Seongnae-myeon	0.7936	0.9287	0.8545	24(0.01), 20(0.25), 27(0.08), 28(0.95)	0
Gochang-gun	22	Shinrim-myeon	0.7266	0.8122	0.8946	24(0.40), 20(0.04), 27(0.23), 28(0.52)	0
Sunchang-gun	23	Bokheung-myeon	1.0000	1.0000	1.0000	-	1
	24	Ssangchi-myeon	1.0000	1.0000	1.0000	-	17
	25	Gurim-myeon	0.8609	0.8612	0.9997	24(0.56), 18(0.38), 31(0.05)	0
Muju-gun	26	Bunam-myeon	1.0000	1.0000	1.0000	-	9
	27	Muju-eup	1.0000	1.0000	1.0000	-	20
	28	Mupoong-myeon	1.0000	1.0000	1.0000	-	16
	29	Seolcheon-myeon	0.8278	0.8278	1.0000	26(0.04), 27(0.70), 28(0.26)	0
	30	Ansung-myeon	1.0000	1.0000	1.0000	-	8
Jinan-gun	31	Yongdam-myeon	1.0000	1.0000	1.0000	-	11
	32	Ancheon-myeon	1.0000	1.0000	1.0000	-	1
	33	Donghyang-myeon	0.8138	0.8242	0.9874	24(0.01), 37(0.58), 38(0.03), 28(0.21), 13(0.09)	0
	34	Sangjeon-myeon	0.8989	0.8989	1.0000	31(0.12), 37(0.80), 38(0.27)	0
	35	Baekun-myeon	0.8791	0.9025	0.9741	37(0.13), 38(0.52), 26(0.43)	0
	36	Seongsu-myeon	0.9187	0.9644	0.9526	24(0.01), 31(0.05), 37(0.61), 28(0.40)	0
	37	Maryeong-myeon	1.0000	1.0000	1.0000	-	17
	38	Bugwi-myeon	1.0000	1.0000	1.0000	-	6
	39	Jeongcheon-myeon	0.9145	0.9341	0.9790	37(0.66), 38(0.03), 26(0.19), 28(0.11), 13(0.05)	0
	40	Jucheon-myeon	0.8026	0.8111	0.9895	37(0.77), 26(0.10), 27(0.18)	0
Jangsu-gun	41	Jangsu-eup	0.6406	0.7183	0.8918	24(0.13), 27(0.80), 28(0.17), 30(0.04), 13(0.05)	0
	42	Sanseo-myeon	0.6661	0.6690	0.9957	24(0.17), 18(0.46), 31(0.05), 37(0.30)	0
	43	Beonam-myeon	0.7578	0.8196	0.9246	24(0.22), 31(0.11), 27(0.02), 28(0.53), 30(0.25)	0
	44	Janggye-myeon	0.8400	0.8732	0.9620	24(0.01), 20(0.36), 37(0.08), 27(0.49), 13(0.15)	0
	45	Cheoncheon-myeon	0.6351	0.6351	1.0000	24(0.30), 31(0.36), 37(0.06), 27(0.27)	0
	46	Gyenam-myeon	0.9739	0.9820	0.9918	24(0.60), 28(0.32), 40(0.06)	0
	47	Gyebuk-myeon	0.6710	0.7081	0.9476	24(0.70), 31(0.07), 37(0.11), 27(0.04), 28(0.02)	0
Buan-gun	48	Wido-myeon	0.8362	1.0000	0.8362	31(0.35), 37(0.89), 38(0.13)	0
Mean			0.8625	0.8941	0.9627
Std.			0.1301	0.1136	0.0495

Table 4.

Cities by return of scale

Return of scale	DMUs
CRS (17 DMUs)	Okdo-myeon, Jucheon-myeon, Iseo-myeon, Wunam-myeon, Deokchi-myeon, Bokheung-myeon, Ssangchi-myeon, Bunam-myeon, Muju-eup, Mupoong-myeon, Seolcheon-myeon, Ansung-myeon, Yongdam-myeon, Ancheon-myeon, Sangjeon-myeon, Maryeong-myeon, Bugwi-myeon
DRS (22 DMUs)	Yeosan-myeon, Osan-myeon, Hoehyeon-myeon, Impi-myeon, Seosu-myeon, Daeya-myeon, Unbong-eup, Inwol-myeon, Ayeong-myeon, Dongsang-myeon, Sanggwan-myeon, Seongnae-myeon, Shinrim-myeon, Donghyang-myeon, Baekun-myeon, Seongsu-myeon, Jeongcheon-myeon, Jucheon-myeon, Jangsu-eup, Beonam-myeon, Janggye-myeon, Wido-myeon
IRS (9 DMUs)	Daegang-myeon, Soyang-myeon, Gui-myeon, Gangjin-myeon, Gurim-myeon, Sanseo-myeon, Cheoncheon-myeon, Gyenam-myeon, Gyebuk-myeon

Table 5.

Summary of efficiency DMUs

	Efficiency DMUs (PTE=SE)	Pure technical inefficiency DMUs (PTE＜SE)	Scale inefficiency DMUs (PTE＞SE)	Total
Efficiency	15	27	6	48
Return of scale	CRS : 17	DRS : 17	DRS : 5	48
Return of scale	CRS : 17	IRS : 8	IRS : 1	48

CCR모형에 의한 기술효율성 분석에 의하면 효율적인 읍·면은 15개소이며, BCC모형을 이용하여 기술효율성(TE)을 순수기술효율성(PTE)과 규모효율성(SE)으로 분리 할 경우 순수기술효율성 측면에서의 효율적인 읍·면은 18개소, 규모효율성 측면에서 효율적인 읍·면은 17개소로 분석되었다. 각 읍·면의 비효율이 순수기술적 요인에 의한 것인지 규모요인에 의한 것인지 분석할 수 있다. 기술효율성 평균은 0.8625 수준으로 13.75% 정도의 개선여지가 있음을 의미한다. 순수기술효율성 평균은 0.8941이고, 규모효율성은 0.9627로 나타났다.

예를 들어 기술효율성 값이 가장 낮은 군산시 서수면은 0.5373으로 현재 산출은 투입에 비해 53.73%를 달성하 고 있음을 의미한다. 이는 투입에 비해 산출요인인 이용자수와 만족도가 상대적으로 낮으며, 투입과 산출의 조합을 변경하여 기술효율성 및 규모효율성을 제고할 필요가 있다. 읍·면간에 상대적인 비효율의 문제가 순수기술부분에서 운영상의 문제인지 아니면 규모 문제인지 검토하는데, 순수기술효율성과 규모효율성 중에서 작은 쪽이 비효율의 원인이 된다. 따라서 48개 읍·면에서 운행중인 DRT의 효율성에 대한 분석결과 최적의 효율을 달성한 지역은 15개 읍·면(31.3%)으로 순수기술효율성과 규모효율성이 동일하다. 해당지역으로는 옥도면, 주천면, 이서면, 운암면, 덕치면, 복흥면, 쌍치면, 부남면, 무주읍, 무풍면, 안성면, 용담면, 안천면, 마령면, 부귀면으로 나타났다.

순수기술에 의한 비효율 지역은 27개 읍·면으로 56.3%이며, 규모에 의한 비효율 지역은 6개 읍·면으로 12.5%이다. DRT 운영에 있어 순수기술에 의한 비효율성이 대부분을 차지한다. 순수기술에 의한 비효율이 원인인 27개 읍·면은 투입물(운전자수, 운행횟수, 대당운행거리, 운행시간)이 산출물 대비 비효율적이기 때문에 투입물의 기술적 개선이 필요하다. 또한, 규모에 의한 비효율을 보이는 임피면, 운봉면, 구이면, 성내면, 성수면, 위도면은 투입물의 규모에 비효율이 있으므로 전체적인 규모를 줄이거나 혹은 높여 효율성을 개선할 필요가 있다.

3) 규모수익 및 참조집단

Table 3의 왼쪽 번호열은 각 읍·면을 순서대로 1부터 48까지 부여한 번호이며 참조집단열에서 각 읍·면별 참조집단(Reference Group)을 지칭할 때 사용하였다. 1번 여산면의 참조집단을 살펴보면 20, 37, 38, 26인데, 이는 20번 덕치면, 37번 마령면, 38번 부귀면, 26번 부남면이 여산면의 효율성을 계산하는데 참조되었음을 의미한다.

DEA에 있어서 참조집단은 대단히 중요한 의미를 지니는데, 각 의사결정단위의 효율과 비효율의 정도를 기초로 하여 이 참조집단을 통해서 상대적으로 비효율적 집단의 효율성이 측정되기 때문이다. 참조집단은 비효율적인 읍·면이 참조할 수 있는 대상이 된다는 점에서 의미를 갖는데, 그것은 참조집단이 되는 의사결정단위가 평가대상이 되는 투입 및 산출 구조에 있어서 비교적 동질성을 가진 집단들로 구성되기 때문이다. 예를 들어 효율성 값이 1.000으로 계산된 무주읍, 쌍치면, 마령면이 각각 20회, 17회, 17회의 참조집단 출현빈도를 보인다. 무주읍의 참조집단 출현빈도 20회는 다른 20개 읍·면의 효율성 산정과정에서 참조집단으로서 구성원의 역할을 했다는 의미이다. 참조횟수가 높다고 해서 가장 효율이 높은 읍·면으로 인정될 수는 없으나, 참조집단은 투입 및 산출 요소의 조합에 있어서 비효율적 읍·면들이 참조의 대상으로 고려될 수 있다는 점에서 중요하다.

Table 4, Table 5의 규모수익은 일정하게 투입요소의 비율을 유지하고 규모를 증가시킬 경우 생산량이 어떻게 변화하는가를 설명한다. 모든 투입요소를 증가시킬 때 산출량이 이에 비례하여 동일하게 증가하는 경우를 규모수익불변(CRS), 더 감소하는 경우를 규모수익감소(DRS), 더 증가하는 경우를 규모수익증가(IRS)이라고 한다. 규모수익증가인 경우에 규모의 경제(Economies of Scale)가 존재한다고 하고, 규모수익감소인 경우에 규모의 비경제(Diseconomies of Scale)가 존재한다고 한다. 규모수익불변은 투입물이 증가할수록 산출물도 일정한 비율로 증가하며. 규모가 변하여도 효율은 변하지 않는다. 결과에 따르면 평가대상 48개 읍·면 중 규모수익불변 17개, 규모수익감소 22개, 규모수익증가 9개로 나타났다. 규모수익불변이 가장 효율적인 읍·면을 의미하며, 규모수익증가인 읍·면은 향후 투입량을 증대함으로써 효율을 개선 시킬 가능성이 있다.

3. Tier 분석

표준적 DEA 모형의 결과로 비효율적 DMU의 참조대상이 선정되더라도 도시의 지리적 및 환경적 특성이 현저히 차이가 있을 경우 현실적으로 단기간에 참조하는 것은 실효성이 낮아질 수 있다. 이러한 단점을 완화하기 위해 참조대상과 개선목표를 단계적·선택적으로 추정하는 방법이 Tier 분석이다. Tier 분석은 효율성 크기별로 DMU들을 계층화하는 방법으로 가중치가 가장 높은 DMU를 참조집단으로 선택한다. Tier 분석은 CCR모형을 활용하는데. 이유는 배합정도에 따라 DMU들을 계층화할 수 있기 때문이다(Thanassoulis, 1995).

Figure 1에서 비효율적 DMU a는 첫 DEA 결과 d라는 DMU를 참조하여야 하지만 a와 d의 생산성 격차가 크기 때문에 a가 d를 즉시 참조하는 것보다는 b와 c를 거쳐 d에 도달함으로써 단계적 설정이 유리하다. 즉, 참조의 경로는 단계별로 a→b→c→d로 선정이 가능하다(Yoon et al., 2005). 평가결과 효율적 DMU을 제외한 비효율적 DMU을 가지고 효율성 평가를 실행한 후 남은 비효율적 DMU이 적게 남을 때까지 반복해서 계층화한다. 동일한 절차를 남아있는 DMU의 수가 산출 및 투입 변수 합의 3배 미만이 될 때까지 반복한다(Banker et al., 1984).

https://cdn.apub.kr/journalsite/sites/kst/2025-043-02/N0210430208/images/kst_2025_432_237_F1.jpg

Figure 1.

Frontier movement for tier analysis

Tier 분석에서 참조대상 DMU를 규명하는 것이 중요한데, 효율성 수준에서 차이가 크게 나지 않는 참조대상들을 규명하고, 그들 중에서 더욱 적합한 최종의 참조대상을 선정한다. 예를 들어 여러 참조집단에서도 투입 및 산출 구조가 가장 유사한 참조대상을 선택한다. 이러한 점을 고려하여 연구에서는 전북특별자치도내 DRT가 운영되고 있는 읍·면들의 다양한 특성 중에서 사회경제적 규모에 따라서 지역성격이 다름을 고려하여 참조집단과 유사 사회경제적 특성의 읍·면이 있는지 확인하고, 유사규모의 읍·면이 1개인 경우 그대로 선택하며, 2이상 일 경우 가중치가 높은 집단을 참조대상으로 선택한다. 이것은 참조집단의 가중치는 그 집단에 대한 참조할 가능성 정도를 표시하는 것으로, 가중치가 높을수록 참조값을 구성하는 데 큰 역할을 하게 되며, 최종적으로 비효율적 DMU가 더 많이 참조해야 하는 집단이 되기 때문이다. 참조대상의 기준은 각 Tier 분석에서 가장 높은 가중치를 보인 지역을 참조대상으로 결정하며 기준이 되는 가중치는 효율적 DMU가 비효율적 DMU에게 미치는 영향력의 정도를 나타낸다.

Figure 2와 Table 6는 Tier2에서 비효율성을 보인 3개 읍·면(산서면, 천천면, 서수면)이 효율성을 갖기 위한 단계별 참조대상에 대한 예시이다. 참조대상의 가중치에 따라 효율성을 높이기 위한 경로를 구성한다. 예를 들어, 효율성이 가장 낮은 서수면은 가중치(weight)가 가장 높은 지역을 선정하여 단기에 동향면(0.51), 중기에 임피면(0.92), 최종적으로 무풍면(0.62)을 참조대상으로 하여 효과적인 DRT 운영방안을 검토해야 한다. 분석결과를 바탕으로 비효율적으로 평가된 읍·면은 단기, 중기, 장기적 관점에서 단계별로 효율적인 참조대상 읍·면과의 장단점을 비교·검토하고, 투입과 산출 변수의 과다·과소를 조정해 나가는 별도의 노력이 전개되어야 한다.

https://cdn.apub.kr/journalsite/sites/kst/2025-043-02/N0210430208/images/kst_2025_432_237_F2.jpg

Figure 2.

Phasing flow of benchmarking references for three inefficiency DMUs

Table 6.

Benchmarking references phase for three inefficiency DMUs

DMU	Phase	References	Technical Efficiency (TE)	Weight
Kunsan-si Seosu-myeon Efficiency (TE) 0.5373	Long term : Tier0	Muju-gun Mupoong-myeon	1.0000	0.62
		Imsil-gun Deokchi-myeon	1.0000	0.38
		Jangsu-gun Beonam-myeon	1.0000	0.34
	Middle term: Tier1	Kunsan-si Impi-myeon	0.8911	0.92
	Short term : Tier2	Jinan-gun Donghyang-myeon	0.8138	0.51
	Short term : Tier2	Gochang-gun Seongnae-myeon	0.7936	0.32
Jangsu-gun Sanseo-myeon Efficiency (TE) 0.6661	Long term :Tier0	Imsil-gun Wunam-myeon	1.0000	0.46
	Long term :Tier0	Jinan-gun Maryeong-myeon	1.0000	0.30
	Middle term : Tier1	Sunchang-gun Gurim-myeon	0.8609	0.57
	Middle term : Tier1	Imsil-gun Gangjin-myeon	0.8756	0.19
	Short term : Tier2	Wanju-gun Dongsang-myeon	0.7518	0.40
	Short term : Tier2	Jinan-gun Donghyang-myeon	0.8138	0.27
Jangsu-gun Cheoncheon-myeon Efficiency (TE) 0.6351	Long term : Tier0	Jinan-gun Yongdam-myeon	1.0000	0.36
		Sunchang-gun Ssangchi-myeon	1.0000	0.30
		Muju-gun Muju-eup	1.0000	0.27
	Middle term : Tier1	Sunchang-gun Gurim-myeon	0.8609	0.47
	Middle term : Tier1	Jinan-gun Seongsu-myeon	0.9187	0.35
	Short term : Tier2	Wanju-gun Dongsang-myeon	0.7518	0.50
	Short term : Tier2	Jinan-gun Jucheon-myeon	0.8026	0.25

수요응답형교통 효율성 영향요인 분석

1. 순위회귀모형

연구는 전북특별자치도내 48개 읍·면의 DRT 운행요소와 이용자 만족도를 활용한 투입과 산출을 통해 효율성을 도출하였다. 그러나, DEA 결과에서는 투입과 산출 요소의 인과관계를 파악하기가 어렵고, 이 각각의 요소들이 효율성에 미치는 영향의 정도를 파악하기 쉽지 않다. 이러한 한계점의 보완을 위해 투입 및 산출 요소를 독립변수로 하여 효율성에 미치는 영향을 분석하기 위해 순위회귀모형(Ordinal Regression Model)을 활용하였다.

종속변수가 순위를 지니지 않는 경우 일반적인 로짓 또는 프로빗 모형을 활용한다. 그러나 종속변수가 이항이 아니라 순위를 지닌 경우에 일반회귀분석은 종속변수 y=0과 y=1간의 차이와 y=1과 y=2의 차이를 동일한 것으로 인식하여 분석하는 오류의 한계점을 갖는다(Joo, 2000). 이와 같은 한계점 해결을 위해 종속변수가 순위를 지닌 경우에는 순위프로빗모형(Ordered Probit Model)이 적용되며 모형식은 다음과 같다.

(4)

y^{*} = β^{ʹ} χ + ϵ

$y^{*}$ 는 종속변수로서 0, 1, 2, …, $J$ 로 순위적인 형태로 입력하며, 𝛽는 변수값, 𝜒는 독립변수, 𝜖는 오류항으로서 정규분포를 보여준다. 모형에서 $y^{*}$ 는 미관측 잠재변수로 $J$ 개의 순위범주에 의해 측정된다.

(5)

y = 0 if y^{*} \leq μ_{0} y = 1 if μ_{0} ≺ y^{*} \leq μ_{1} \dots y = J if μ_{J - 1} \leq y^{*}

𝜇은 각 설명변수의 추정계수 𝛽의 한계값(Threshold)이며 이를 통해 선택확률을 계산한다.

(6)

Prob [y = 0] = Φ (- β^{'} χ), Prob [y = 1] = Φ (μ_{1} - β^{'} χ) - Φ (- β^{'} χ), \dots Prob [y = J] = 1 - Φ (μ_{J - 1} - β^{'} χ)

그러므로, $y_{j}$ 가 j번째 범주에 포함될 확률은 다음과 같이 나타낼 수 있다.

(7)

Prob [y_{j} = 1] = Φ (μ_{j} - β^{'} χ_{i}) - Φ (μ_{j - 1} - β^{'} χ_{i}), L = \sum_{j = 1}^{J} \sum_{y_{i} = j} \log (Φ (μ_{j} - β^{'} χ_{i}) - Φ (μ_{1} - β^{'} χ_{i}))

𝜇와 𝛽값은 최우측정법에 의해 산정되며, $μ_{j}$ 와 $μ_{j - 1}$ 은 범주 $J$ 의 최소최대값이며, 𝛽가 양(+)의 값이면 순위를 높이는 결과를 가져온다.

2. 모형결과

Table 7는 순위형 회귀모형의 변수와 분석결과를 보여준다. 일반적으로 효율성의 영향요인을 분석하기 위해 다양한 모형의 적용이 가능하지만 본 연구의 효율성은 0.5와 1.0사이의 값을 보이고 있어 통계적 유의성을 고려하고 효율성의 높고 낮음에 영향을 주는 영향요인 분석차원에서 읍면의 효율성을 기준으로 순위를 4단계로 그룹화하여 분석을 수행하였다. 독립변수는 DEA의 투입변수와 산출변수이며 종속변수는 앞서 기술된 의사결정단위의 효율성값을 4단계로 순위(Eff-rank)화한 값이다. 독립변수 중 만족도는 범주형 변수로 하여 적용하였다. 효율성 분석에 적용한 변수는 주모형이 8개이며, 수정모형은 유의수준 0.1수준에서 통계적 신뢰성을 보이는 6개 변수가 포함되었다. chi-square( $X^{2}$ )값이 99%의 신뢰수준에서 유의한 것으로 나타나 주모형과 수정모형의 적합도 모두 양호한 것으로 나타났다.

Table 7.

Result of ordinal regression model for efficiency rank

Variable		Main model			Modified model
Variable		coeff.	t-value	P(\|Z\|>z)	coeff.	t-value	P(\|Z\|>z)
Independent variable	Ndirvers	-0.152	-0.16	0.8754	-	-	-
	Optfrequency	-0.080	-2.25	0.0242	-0.063	-1.96	0.0500
	Optdistance	-0.010	-1.33	0.1829	-	-	-
	Nuser	0.184	2.47	0.0135	0.172	2.46	0.0137
	Opttime(󰀃6.49=1, 6.50-7.49=2, 7.50-8.49=3, 8.50-10.00=4)	-1.083	-3.43	0.0006	-1.247	-4.34	0.0000
	Satoperation(󰀃6.49=1, 6.50-7.49=2, 7.50-8.49=3, 8.50-10.00=4)	2.633	3.99	0.0001	2.710	4.38	0.0000
	Satreserve(󰀃6.49=1, 6.50-7.49=2, 7.50-8.49=3, 8.50-10.00=4)	2.535	3.28	0.0010	2.520	3.41	0.0007
	Sataccess(󰀃6.49=1, 6.50-7.49=2, 7.50-8.49=3, 8.50-10.00=4)	1.041	2.16	0.0310	1.106	2.39	0.0169
Dependent variable	Eff-rank(󰀃0.699=0, 0.700-0.799=1, 0.800-0.999=2, 1.000=3)	-			-
Index		n=48, df=10, $χ^{2} = 79.46 (P < 0.01)$ , $p^{2}$ =0.615			n=48, df=8 $χ^{2} = 77.54 (P < 0.01)$ , $p^{2}$ =0.600

수정모형에서 DRT 효율성 순위에 영향을 주는 변수로는 운행횟수(Optfrequency), 대당 이용객수(Nuser), 운행시간(Opttime), 운행시간만족도(Satoperation), 예약만족도(Satreserve), 접근 및 서비스 만족도(Sataccess)가 포함되었다. 앞서 기술된 유의미한 결과는 전체 독립변수를 고려한 분석결과와 동일하게 이용자 측면과 운영자 측면에서 고려할 필요가 있다. 모형결과 DRT 운행횟수가 적을수록 대당이용객수가 많을수록 효율성이 높아지는 경향을 보인다. 만약, 이용자 측면에서 운행횟수가 많아진다면 한정된 가용차량수로 인한 이용자의 불편함이 가중되고, 차량 추가투입 또는 예약시간 조정 등이 이루어진다면 효율성이 저하될 수 있기 때문에 역으로 운행횟수가 낮을수록 효율성 순위가 높아짐을 가정할 수 있다. 그러나 이는 단순한 효율성 측면에서의 결과이며, 농어촌지역의 교통복지 및 주민 이동권 보장의 중요성을 고려한다면 읍·면의 여건에 따라 DRT 정책의 반영여부가 달라질 수 있다. 또한, 이용객수가 많을수록 DRT가 활성화됨을 의미하여 이용자 측면의 효율성이 높아질 수 있다. DRT 운행시간은 음(-)의 값을 보이는데 1일 운행시간이 적을수록 운전자의 피로 저감 및 운영원가(주유비, 관리비 등)의 절감이 이루어져 효율성 순서가 높아지는 것으로 유추된다.

DEA에서 산출변수로 활용된 3가지 만족도 또한 전체 변수를 고려한 영향요인과 동일하게 유의미한 결과값이 도출되었으며, 이용자 측면에서 운행시간에 대한 만족도가 높은 지역일수록 활발히 이용할 가능성이 높고 DRT의 역할이 확대되어 주민의 사회활동이 많아질 수 있다. 마지막으로 예약시간 만족도와 접근의 편리함 및 서비스 만족도가 높은 지역일수록 DRT의 편리성이 확대되는 긍정적 효과로 인해 효율성이 높아질 수 있다.

결론

농어촌 지역에서 운행되고 있는 DRT는 동일 지역내에서도 여건에 따라 운행 기준 및 방법 등이 다양하다. 전북특별자치도와 같이 인구감소와 고령화가 심화되는 대중교통 공백지역에서는 DRT를 추가 도입 할 경우 운영의 효율성을 높이기 위한 노력이 요구된다. 따라서, 연구는 전북특별자치도내 DRT가 운행중인 48개 읍·면을 중심으로 DRT 운영현황과 이용자의 정성적인 만족도를 활용하여 자료포락분석(DEA)을 적용하여 효율성을 평가하고 효율성의 영향요인을 제시하였다. DRT의 신규 도입이나 확대시에 연구에서 도출된 효율성이 높은 지역의 사회경제지표, 운행여건 등의 DRT 운행방법을 참고할 수 있다. 그러나, 효율성이 낮은 읍·면이 비효율적이고 불합리하게 운영중이라는 판단기준은 아니며 상대적인 효율성 평가를 활용하여 효율성을 높이기 위한 방안을 제시한 연구로써 향후 다양한 분석을 통해 표준화된 운행여건 및 만족도를 높일 수 있는 방안이 검토되어야 한다. 또한, 농어촌지역의 DRT는 대중교통 공백지역 주민을 위한 교통복지 및 이동권 보장 측면의 성격이 강해 효율성만을 가지고 지역의 DRT 운영여부를 판단하는 데에는 현실적으로 무리가 있으며 본 연구의 한계이다.

DRT 운행에 대해 지역별 상호비교에 의한 효율성 평가를 연구한 사례가 없으므로 연구방법을 통해 추가적인 투입 및 산출 요소를 고려하여 효율성을 분석할 경우 현실적인 영향요인을 찾아 개선방안을 도출할 수 있을 것이다. 전북특별자치도내 지역으로 한정된 연구이지만 DRT가 확대되고 있는 타 시·도의 읍·면으로 확대할 경우 다양한 지역상황과 DRT 운영상황을 반영하는 추가적인 투입 및 산출 변수의 응용이 가능할 것으로 본다. 또한, 연구가 한 시점의 자료를 가지고 분석이 이루어진 시간적 한계가 있으므로 시계열적인 운행자료 및 이용자 만족도를 활용하여 효율성을 평가할 경우 시간적 변화를 반영하는 DRT 정책을 기대할 수 있다. 농어촌지역에서 대중교통공백지역의 확대와 대중교통 재정보조금의 증가에 대한 해소방안으로 도입된 DRT는 향후 국가적인 정책의 일환으로 DRT에 투입되는 예산 및 지원은 지속적으로 확대될 것으로 예상되므로 DRT도입시 효율성을 기초로 한 수요와 공급방안이 고려될 수 있다. 마지막으로 본연구는 농어촌지역 DRT의 상대적 효율성에 대해 분석하고 있으나 최근 도시지역에서도 DRT 도입이 확대되고 있어 향후 다양한 도시여건을 고려한 효율성 연구가 필요하다.

References

Ahn S. Y. (2023), Development of The Evaluation Methodology for Bus Transit Systems: Focusing on Operational Efficiency of Trunk-And-Feeder Services, Gachon University, Doctoral Dissertation.

Banker R., Charnes A., Cooper W. (1984), Some Models for Estimating Technical And Scale Inefficiencies in Data Envelopment Analysis, Management Science, 30(9), 1078-1092.

10.1287/mnsc.30.9.1078

Chen Y., Bouferguenea A., Shenb Y., Al-Husseina M. (2019), Assessing Accessibility-based Service Effectiveness And Social Equity for Urban Bus Transit: A Sustainability Perspective, Sustainable Cities And Society, 44, 499-510.

10.1016/j.scs.2018.10.003

Choi J. H., Kang M. H., Song J. I., Hwang K. Y. (2022), A Study on Introduction of Demand Responsive Transport(DRT) in Rural-Urban Mixed Area, J. Korean Soc. Transp., 40(3), Korean Society of Transportation, 289-304.

10.7470/jkst.2022.40.3.289

Enoch M., Potter S., Parkhurst G., Smith M. (2004), Exploratory Assessment And Innovations in Demand Responsive Transport Services - Intermode, Final Report, London: Dept. for Transport and Greater Manchester Passenger Transport Executive. 1-40.

Felipe M. C., Niels van O., Zoi C., María J., Oded C., Serge H. (2020), Impacts of Replacing A Fixed Public Transport Line by A Demand Responsive Transport System: Case Study of A Rural Area in Amsterdam, Research in Transp. Economics, 83, ELSEVIER, 2-11.

10.1016/j.retrec.2020.100910

Güner S., Coşkun E. (2019), Estimating The Operational And Service Efficiency of Bus Transit Routes Using a Non-radial DEA Approach, EURO Journal on Transportation and Logistics, 8(3), 249-268.

10.1007/s13676-018-0123-1

Im S. H, Hong S. J. (2024), Institutional Support for Activation of Demand Responsive Transport, Issue Paper 2024-02, Korea Transport Institute, 11-21.

Jollabukdo (2011), Research on Introduction of Jollabukdo Demand Response Transit, 3-4 (전라북도 수요응답형 교통체계 도입방안 연구).

Joo M. Y. (2000), Probit And Ordered Probit Analysis And Its Application, Institute of Governmental Studies, 6(1), Korea University, 24-48.

Kang C., Feng C., Liao B., Khan H. (2020), Accounting for Air Pollution Emissions And Transport Policy in The Measurement of The Efficiency And Effectiveness of Bus Transits, Transportation Letters, 12(5), 349-361.

10.1080/19427867.2019.1592369

Ki M. S., Lee Y.S., Kim M. J. (2016), Estimating the WTP for Demand-Responsive Transport Services, Journal of Rural Development, 39(3), KREI, 123-142.

Kim H. M., Lee C. S., Lim H. J., Lee, J. H., Ha H. R., Kim S. H. et al. (2024), Analyzing Willingness to Pay for New Transportation Services by User Group And Service Experience: The Case of DRT TABARA in Gijang, J. Korean Soc. Transp., 42(5), Korean Society of Transportation, 608-625.

10.7470/jkst.2024.42.5.608

Kim S. H., Shim T. I. (2021), The Analysis of Efficiency for The City Bus Route Operation Using DEA: Focused on Suwon City, J. Korean Soc. Transp., 39(3), Korean Society of Transportation, 264-279.

10.7470/jkst.2021.39.3.264

Kim S., Lee Y. S., Kim M. J. (2016), Estimating The WTP for Demand-Responsive Transport Services, Journal of Rural Development, 39(3), The National Institute of Rural Development, 123-142.

Kim W. C., Kim S. H., Hong S. H. (2022), An Influence of Demand Responsive Transport Service on User's Activities: An Empirical Analysis of The Differences Between Regions, J. Korean Soc. Transp., 40(3), Korean Society of Transportation, 335-343.

10.7470/jkst.2022.40.3.335

Kim W. C., Nam G. M. (2015), A Study on Fare Estimation for Demand Responsive Transport, The Journal of The Korea Institute of Intelligent Transportation Systems, 14(1), 103-111.

10.12815/kits.2015.14.1.103

Kwon Y. J., Lee J. M. (2019), Technical Efficiency Analysis of City Bus Transportation Business: Comparing Before And After Semi Public Operating System, J. Transport Research, 26(2), KOTI, 83-99.

10.34143/jtr.2019.26.2.83

Lao Y., Liu L. (2009), Performance Evaluation of Bus Lines With Data Envelopment Analysis And Geographic Information Systems, Computers, Environment And Urban Systems, 33(4), 247-255.

10.1016/j.compenvurbsys.2009.01.005

Park K. J. (2020), A Study on The Selection of Alternative Demand Responsive Transport(DRT) Routes And Service Standards for Bus Routes to Improve Mobility in Lack of Public Transportation Areas, Busan National University, Doctoral Dissertation.

Park K. J., Jung H. Y. (2019), User Consciousness Analysis of Bus Alternative DRT, J. Korean Soc. Transp., 37(6), Korean Society of Transportation, 445-457.

10.7470/jkst.2019.37.6.445

Park Y., Lee G. J., Choo S. H., Lim J. B., Joung J. Y. (2023), Analysis of User Satisfaction for Demand-Responsive Transit(DRT) Using An Ordered Logit Model, Urban Research, 24, The Incheon Institute, 11-42.

Ryu J. I., Kim W. C. (2014), An On-Site Experimental Study for Demand Responsive Transport Introduction, The 71st Conference of KST, Korean Society of Transportation, 620-624.

Sheth C., Triantis K., Teodorović D. (2007), Performance Evaluation of Bus Routes: A Provider And Passenger Perspective, Transportation Research Part E: Logistics and Transportation Review, 43(4), 453-478.

10.1016/j.tre.2005.09.010

Song K. W., Park K. J. (2022), Preliminary Research on Changes in User Awareness Since Operation of Bravo-Taxi as Gyeongsangnam-do DRT, J. The Korean Society of Civil Engineers, 42(1), KSCE, 57-65.

Thanassoulis E. (1995), Assessing Police Forces in England and Wales Using Data Envelopment Analysis, EJOR, 87(3), 641-657.

10.1016/0377-2217(95)00236-7

Tiziano P., Heikki L., Nina S., Jan P. H. (2023), The Role of DRT in European Urban Public Transport Systems-A Comparison Between Tampere, Braunschweig And Genoa, Future Transp, 3(2), Multidisciplinary Digital Publishing Institute, 584-600.

10.3390/futuretransp3020034

Wu W., Huang M., Lv H., Wang W., Zhang M. (2021), Does The Air Pollution Joint Prevention And Control Policy Possess The Porter Effect in China - Evidence From Two Perspectives, Environmental Impact Assessment Review, 91, 1-14.

10.1016/j.eiar.2021.106678

Yi J. W., Kim I. K. (2013), A Study on The Integrate Evaluation of Urban Bus Service in Seoul, J. Transp. Research, 20(4), KOTI, 131-145.

10.34143/jtr.2013.20.4.131

Yoon K. J., Choi S. Y., Kang J. S. (2005), Using DEA to Draw Stepwise Benchmarking Information for Public Organizations, The Korean Public Administration Review, 39(2), KAPA, 233-262.

Yoon N., Yoo I., Kang W., Kang S. (2019), Developing an Efficient Dispatch System for City Buses by Forecasting Demand with O-D Data-based Probabilistic Model, J. The Korean Society of Supply Chain Management, 19(2), KSSCM, 1-9.

10.25052/KSCM.2019.10.19.2.1

Zhang Y., Chen Y. (2018), Evaluating The Dynamic Performance of Energy Portfolios: Empirical Evidence From The DEA Directional Distance Function, European Journal of Operational Research, 269(1), 64-78.

10.1016/j.ejor.2017.08.008

Zhou H., Yang Y., Chen Y., Zhu J. (2018), Data Envelopment Analysis Application in Sustainability: The Origins, Development And Future Directions, European Journal of Operational Research, 264(1), 1-16.

10.1016/j.ejor.2017.06.023

Journal of Korean Society of Transportation ISSN:1229-1366(Print) 2234-4217(Online) 대한교통학회지

Preview

Relative Efficiency and Its Effecting Factors of Demand Responsive Transport(DRT) in the Public Transportation Remote Areas

ABSTRACT

MAIN

(1)

(2)

(3)

Table 1.

Input/output variables

Table 2.

Survey definition for DEA efficiency

Table 3.

Efficiency and references

Table 4.

Cities by return of scale

Table 5.

Summary of efficiency DMUs

Figure 1.

Frontier movement for tier analysis

Figure 2.

Phasing flow of benchmarking references for three inefficiency DMUs

Table 6.

Benchmarking references phase for three inefficiency DMUs

(4)

(5)

(6)

(7)

Table 7.

Result of ordinal regression model for efficiency rank

References