서론
선행연구 고찰
1. 통행시간 영향요인 관련 연구
2. 통행시간예산 특성 관련 연구
3. 시사점 도출
분석자료 및 기초분석
1. 생활시간 조사자료
2. 데이터 클리닝
3. 목적별 통행시간 특성분석
목적통행별 영향요인 분석
1. 분석방법론 설정
2. 분석결과
결론 및 시사점
서론
사람들은 저마다 다양한 활동을 수행하며 하루를 보낸다. 하루는 24시간으로 제약되어 있으며, 이에 따라 각 활동은 다른 활동에 영향을 미친다. 예를 들어, 업무시간이 길어지면 여가시간이 줄어드는 것과 같다. 통행시간 역시 다른 활동시간에 영향을 받으며, 파생수요(Derived Demand)라는 통행의 특성에 따라 더 큰 영향을 받을 수밖에 없다. 다시 말해 통행시간은 어떤 활동을 수행하기 위해 이동하는 시간을 의미하며, 특정 활동을 수행하지 않으면 발생하지 않는다. 따라서 업무통행 시간이 유연근무제 및 재택근무제 시행에 따라 변하는 것(Cho et al., 2017)과 같이 목적이 되는 활동에 많은 영향을 받는다. 이를 바탕으로 우리나라 활동시간 변화를 살펴보면, 1999년 대비 2014년 노동시간은 지속적인 감소 추이를, 여가시간은 증가 및 감소 추이(Ministry of Gender Equality and Family, 2015)를 나타내는 등 전반적인 활동시간이 변화하고 있으며, 이로 보아 통행시간은 변화한다고 예측할 수 있다.
교통 분야에서는 통행의 특성을 분석하기 위해 다양한 연구가 진행되었으며, 그 중, Tanner(1961)에 의해 통행시간예산(Travel time budget, TTB) 또는 통행시간지출(Travel time expenditure) 이론이 처음 제시되었다. 이 이론은 시간을 현금과 같은 자산으로 간주하여 하루 동안 통행에 지출하는 비용(시간)이 정해져 있으며, 해당 비용 안에서 통행시간의 지출이 발생한다는 이론이다. 즉, 하루 동안 통행이 차지하는 비율은 비교적 일정하다는 것이다. 이는 Zahavi(1974)에 의해 처음 실증적 연구가 수행되었으며, 이후 이와 관련된 다양한 연구가 수행되고 있다. Zahavi and Ryan(1980)에서는 미국의 워싱턴 D.C.와 Twin Cities를 대상으로 통행시간을 분석한 결과, 일일 평균 통행시간은 약 1.1시간으로 비교적 일정한 것으로 분석되었다. 또한, Zahavi and Talvitie(1980)에서 12개 국가의 주요 도시를 대상으로 통행시간을 분석한 결과에서도 평균 1.0-1.3시간으로 비교적 일정하게 나타났다. 국내 사례를 살펴보면, Chang(2018)은 생활시간 조사자료를 활용하여 시계열 분석 및 계층별 통행시간 차이를 분석하였다. 분석결과, 1999-2014년 평균 통행시간은 약 99.6분으로 시계열적 안정성이 있는 것으로 분석되었다. 또한, Lee and Choo(2020)에서도 서울시 거주자의 평균 통행시간은 104.4-113.0분으로 분석되어 시간에 따른 변화는 없는 것으로 도출되었다.
위와 같은 사실을 종합해보면, 통행시간은 다양한 활동에 영향을 받으며, 전체 통행시간은 비교적 일정한 것으로 파악된다. 시간이 지남에 따라 활동 패턴이 변화하고, 그에 따라 활동시간이 변함에도 불구하고 전체 통행시간이 일정하게 유지된다는 것은 목적별 통행시간의 패턴이 변화한다는 것을 의미한다. 이에 착안하여 본 연구에서는 통행시간을 목적별로 구분하여 각각의 목적별 통행시간에 영향을 미치는 요인을 규명하고자 한다. 특히, 각 활동시간이 목적별 통행시간에 미치는 영향을 중점적으로 규명하고자 하며, 이와 동시에 목적별 통행시간 간의 상관성을 고려하고자 한다.
선행연구 고찰
통행시간은 교통 부문에서 중요한 키워드로 다양한 연구가 수행되었다. 대표적으로 시간적 ‧ 공간적 변화에 따른 통행시간 변화, 통행시간에 영향을 미치는 요인, 통행시간 예측모형 등이 있으며, 통행시간예산 이론의 등장에 따라 이를 고려한 연구 역시 진행되고 있다. 본 연구에서는 연구 목적과 유사한 선행연구를 중점적으로 검토하였으며, 크게 통행시간 영향요인 관련 연구와 통행시간예산 이론에 근거한 연구로 구분하였다.
1. 통행시간 영향요인 관련 연구
통행시간 영향요인 규명에 관한 연구는 과거에서부터 꾸준히 진행되어오고 있으며, 최근에는 주로 특정 목적에 대한 통행시간과 같이, 세부적인 목표를 대상으로 연구가 수행되고 있다. 통행시간에 관한 연구를 살펴보면, Raux et al.(2011)은 유럽 3개국의 총 8개 도시에서 수집된 자료를 활용하여 통행시간 영향요인을 분석하였다. Cox PH(Proportional Hazard) 모형을 활용하여 분석을 수행하였으며, 분석결과 성별, 연령, 근무 여부 등 사회 ‧ 인구학적 특성과 도시의 특성이 강한 영향력이 있는 것으로 분석되었으며, 인구밀도, 도로 접근성, 대중교통망 등의 변수는 비교적 영향력이 작은 것으로 분석되었다. Ha and Lee(2017)는 2010년 수도권 가구통행실태 조사자료를 활용하여 생애주기별 통근 통행시간에 영향을 미치는 요인을 분석하였다. 분석 모형으로는 다중회귀모형과 다수준 모형을 활용하였으며, 가구 및 지역 수준을 고려할 수 있는 다수준 모형의 설명력이 더 높게 도출되었다. 또한, 통근시간의 16-20%는 가구특성이, 2-5%는 지역특성이 결정하는 것으로 분석되었다. 생애주기 단계에 따른 분석에서는 교통수단, 소득 수준, 주택형태 등에서 차이가 있는 것으로 나타났으며, 주택 소비능력이 없는 사회초년생들의 통근시간이 비교적 긴 것으로 분석되었다. Koo and Choo(2018)에서는 1999년부터 2014년까지 5년 단위로 수행된 생활시간 조사자료를 활용하여 연도별(1999년, 2004년, 2009년, 2014년) 서울시 주민의 통행시간 영향요인 변화를 분석하였다. 분석 방법으로는 다중선형회귀모형을 활용하였으며, 가구특성보다 개인특성에서 유의한 변수가 더 많이 도출되었다. 또한, 활동을 3가지(업무, 학업, 여가)로 분류하여 각각의 활동시간이 통행시간에 미치는 영향을 분석하였으며, 모든 활동시간은 통행시간에 양의 영향력이 존재하는 것으로 분석되었다. Jang(2018)은 스마트 기기를 사용하는 경기도민을 대상으로 시행된 설문조사자료를 활용하여 스마트 기기 사용이 통근시간 및 통근만족도에 미치는 영향을 분석하였다. 분석방법으로는 이항로짓모형 및 의사결정나무를 활용하였다. 종속변수는 통근시간과 통근만족도로 선정하였으며, 통근시간은 60분을 기준으로, 통근만족도는 만족/불만족을 기준으로 구분하였다. 분석결과 남성 및 미혼일수록, 소득 및 학력이 높을수록 통근시간이 길게 나타났으며, 1인 가구일수록 통근시간이 적은 것으로 나타났다. 통근시간이 1시간 이상인 직장인들은 스마트 기기의 사용 비중이 더욱 높은 것으로 나타났으며, 스마트 기기 사용은 통근만족도에 유의한 것으로 도출되었다.
2. 통행시간예산 특성 관련 연구
통행시간예산과 관련된 연구는 크게 통행시간예산 이론에 입각하여 통행시간의 시간적 ‧ 공간적 안정성을 분석하는 연구와 통행시간예산이라는 특성을 고려한 통행시간 관련 연구로 구분할 수 있다. 본 연구에서는 통행시간예산 특성을 고려한 통행시간 관련 연구에 대한 검토를 진행하였다. 먼저, Choo and Na(2011)에서는 2002년과 2006년에 수행된 수도권 가구통행실태조사를 활용하여 통행시간예산의 특성을 분석하였다. 지역 및 개인특성(성별, 연령, 직업별 등), 통행 거리 및 횟수에 따른 통행시간을 비교 ‧ 분석하였으며, 시계열적 변화를 분석하였다. 통행시간예산은 2002년 대비 2007년에 약 1.4% 증가하였으나, 비교적 일정한 것으로 검토되었다. 지역에 따른 통행시간 차이는 없는 것으로 나타났으나 인구(성별, 연령) 및 사회경제지표(직업, 고용형태, 차량이용유무)에 따른 통행시간 차이는 존재하는 것으로 분석되었다. 또한, 통행 거리 및 통행횟수는 통행시간과 다양한 형태의 연관성이 있는 것으로 도출되었다. 이는 통행시간예산이 인구 및 사회경제지표, 통행 거리 및 통행횟수에 영향을 받는 것으로 해석할 수 있다. Choi et al.(2015)은 2010년 가구통행실태조사 자료를 활용하여 서울시 고령자의 통행특성을 분석하였다. 통행시간은 4가지(업무, 학업, 여가, 기타) 목적으로 구분하였으며, 목적별 상관성을 고려하여 SUR 모형을 활용하였다. 독립변수로는 개인특성, 가구특성, 도시시설, 교통시설, 사회경제지표를 설정하였다. 분석결과, 고령자는 여가 관련 목적통행의 비중이 높은 것으로 나타났으며, 영향요인은 매우 다양한 것으로 분석되었다. 특히 은퇴하거나 직업이 없는 그룹의 통행은 비교적 소극적인 것으로 나타났으며, 주로 직장에서 일과의 대부분을 소비하던 남성의 경우 은퇴 후 활동영역이 축소되는 것으로 분석되었다. Kim et al.(2016)은 2010년 가구통행실태조사 자료를 활용하여 서울시 거주자의 수단별 통행시간에 관한 분석을 진행하였다. 통행수단은 총 6개(도보, 승용차, 버스, 지하철, 철도, 자전거)로 구분하였으며, 수단별 상관성을 고려하여 SUR 모형을 활용하였다. 가구원 특성, 가구특성, 도시시설특성, 교통 인프라특성을 고려하였으며, 분석결과 소득이 높을수록, 차량을 소유할수록, 운전면허를 소지할수록 개인 교통수단을 선택하는 경향이 큰 것으로 분석되었다. 또한, 버스의 경우 개인 교통수단에 상호 대체적 성격이 강하고, 지하철의 경우 교통 혼잡효과 등에 따라 개인 교통수단에 상호 보완적 성격이 존재하는 것으로 분석되었다. Chung et al.(2018)은 2016년 5월 19일부터 8일간 수집된 약 4,478만 건의 통신 빅데이터를 활용하여 마포구 3개 동과 세종특별자치시의 통행시간을 비교하였다. 분석 결과, 마포구의 통행시간예산이 세종시에 비해 2.24분 높게 나타났으며, 평균 출근통행시간은 0.33분, 평균 퇴근통행시간은 1.86분 높게 나타났다. 연령별 분포를 살펴보면, 통행시간예산은 마포구에서 나이와 비례하고, 세종시에서는 반비례하는 것으로 나타나, 지역별 통행시간예산의 특성이 다른 것으로 분석되었다. Lee and Choo(2020)에서는 1999년, 2004년, 2009년, 2014년 생활시간 조사자료를 활용하여 서울시 통행시간 특성을 분석하였다. 통행시간에 대한 영향요인을 규명하기 위해 다중선형회귀모형을 수행하였으며, 모형에서 도출된 변수들을 활용하여 SUR 모형을 통한 분석을 수행하였다. 모형 분석에서는 비가정 활동시간과 통행시간의 상관성을 고려하였으며, 가구특성변수와 개인특성변수를 독립변수로 고려하였다. 분석결과, 비가정 활동시간은 통행시간과 양의 상관성이 있는 것으로 분석되었으며, 통행시간은 가구특성보다 개인특성에 더 많은 영향을 받는 것으로 분석되었다. 또한, 통행시간은 업무 관련 활동시간보다 비가정 기타 활동시간에 더 많은 영향력이 존재하는 것으로 나타났다.
3. 시사점 도출
통행시간 관련 선행연구 검토 결과, 다양한 분석방법을 활용하여 통행시간 영향요인을 규명하였다. 공통적으로 가구특성과 개인특성이 통행시간에 영향을 미치는 것으로 분석되었으며, 영향요인들은 통행목적에 따라 다소 차이가 존재하는 것으로 나타났다. 또한, 각 활동은 통행시간에 영향이 있는 것으로 분석되었으며, 목적별 통행시간은 상관성이 존재하는 것으로 분석되었다. 하지만 기존 연구에서는 하나의 목적통행에 대해서만 분석을 수행하거나 전체 통행시간을 대상으로 활동시간의 영향요인을 분석하였다. 종합하면 활동시간의 영향과 목적별 통행시간 간 상관성을 모두 고려한 연구는 수행되지 않고 있다. 따라서 본 연구에서는 통행시간의 특성과 통행시간예산 이론을 동시에 고려한 분석을 수행하고자 한다. 즉. 활동시간이 목적별 통행시간에 미치는 영향요인을 분석하여 파생수요라는 통행의 특성 및 특정 활동시간 증가는 다른 활동시간 감소라는 시간적 특성을 검증하고자 한다. 이와 동시에 전체 통행시간이 비교적 일정하다는 통행시간예산 이론을 반영하기 위해 목적별 통행시간의 상관성을 분석하고, 이를 반영한 결과를 도출하고자 한다.
분석자료 및 기초분석
1. 생활시간 조사자료
본 연구에서는 통계청에서 5년마다 수행되는 생활시간 조사자료를 활용하였다. 생활시간조사는 10세 이상 전국 국민을 대상으로 하루 24시간의 사용행태를 조사하며, 1999년 처음 시행되어 2019년까지 총 5회 진행되었다. 조사는 직접면접조사를 통하여 연속된 이틀에 대한 설문을 수행하였으며, 조사항목으로는 크게 가구, 개인, 시간 관련 사항으로 구분되어 있다. 가구 및 개인 관련 사항은 객관식 문항을 통해 조사되었으며, 시간 관련 사항은 하루를 10분 단위로 구분하여 수행한 활동 및 장소를 조사하였다.
본 연구에서는 가장 최신 자료인 2019년 조사자료를 사용하였으며, 시간에 따른 변화를 비교하기 위해 10년 전인 2009년 자료를 활용하였다. 1999년 자료의 경우, 소득 관련 변수의 조사가 진행되지 않아 변수의 통일성을 위해 분석 대상에서 제외하였다. 2009년 조사자료는 3월 및 9월에 걸쳐 전국 약 8,100가구(약 21,000명)에 대한 조사를 수행하였으며, 총 40,426건의 자료를 수집하였다. 2019년 조사자료는 7월, 9월, 12월에 걸쳐 전국 약 12,435가구(약 29,000명)에 대한 조사를 수행하였으며, 총 52,182건의 자료를 수집하였다.
2. 데이터 클리닝
분석에 앞서 데이터 클리닝을 수행하였다. 데이터 클리닝은 변수 일치화, 활동시간 구분, 오류데이터 제거, 분석 대상 선정의 4단계로 나누어 수행하였다. 조사된 변수의 세부항목은 연도별 차이가 존재하였으며, 활동시간 역시 세부항목에서 차이가 존재하였다. 따라서 연도별 변수의 영향력 비교를 위해 변수 일치화를 수행하였다. 두 번째로, 연구 목적을 고려하여 활동시간을 재분류하였다. 활동시간은 연구 목적에 따라 크게 가정 내 활동(Home Activity)과 비가정 활동(Non-home Activity)으로 구분하였으며, 비가정 활동은 5가지 활동(업무활동, 학업활동, 여가활동, 기타활동, 통행)으로 추가 구분하였다. 연구의 목적이 되는 통행시간은 비가정 활동이므로 가정 내 활동시간은 분석에서 제외하였으며, 분석대상인 통행시간은 비가정 활동과 동일하게 4가지 목적(업무, 학업, 여가, 기타)으로 세분하였다. 세 번째로, 분석자료의 오류데이터를 제거하기 위해 Table 1과 같이 오류 기준을 설정하였으며, 그 결과 2009년 130건, 2019년 256건의 데이터가 오류로 제거되었다. 마지막으로, 연구 목적을 고려하여 분석대상을 선정하였다. 본 연구에서는 4가지로 구분된 목적별 통행시간의 상관성을 고려하고자 하며, 이에 따라 업무통행이 발생하지 않을 것으로 판단되는 학령인구(만 21세 이하)는 분석에서 제외하였다. 최종적으로 분석대상은 전국 학령이상 인구로 설정하였으며, 2009년 32,278건(주중 19,284건, 주말 12,994건), 2019년 45,440건(주중 27,291건, 주말 18,149건)의 데이터를 분석에 활용하였다.
Table 1.
Example of error data
| Location | Activity |
| Inside the house | Offline shopping, Study in school, Cultural events, Outdoor sports and leisure activities, Travel |
| Outside the house | Work in the house |
3. 목적별 통행시간 특성분석
1) 목적별 평균 통행시간
모형을 활용한 분석에 앞서 활동별 시간변화를 Table 2와 같이 살펴보았다. 활동시간 변화를 살펴보면, 가정 내 활동시간을 제외한 대부분의 활동시간이 감소하는 것으로 나타났다. 업무시간은 2018년 「근로기준법」변경에 따라 주 최대 노동시간이 68시간에서 52시간으로 감축되면서 감소한 것으로 판단된다. 학업시간은 2009년부터 22시 이후 학업활동 제한에 따른 학업시간 감소효과와 총 학업시간을 보존하려는 성질(Bae and Chin, 2019)이 복합적으로 작용하여 소폭 감소한 것으로 판단된다. 여가시간은 2008년 산책, 쇼핑/외식 등 가정 외부에서 발생하는 동적 활동에서 2012년 TV 시청, 인터넷/채팅 등 가정 내부에서 발생하는 정적 여가활동으로 변화하였기 때문(Ministry of Culture, Sport and Tourism, 2013)으로 판단된다. 기타시간은 2007년 시행된 아이돌봄서비스가 2009년 이후 전국으로 확대(Ministry of Gender Equality and Family, 2021)됨에 따라 감소하는 것으로 판단된다. 다른 활동시간에 비해 학업시간은 비교적 작게 나타났는데, 이는 분석 대상에서 학령인구가 제외되었기 때문이다. 통행시간 변화를 살펴보면, 업무, 학업, 여가통행시간이 감소하는 것으로 나타났는데, 이는 활동시간이 통행시간에 양의 영향(Koo and Choo, 2018)을 미치며, 비가정 활동시간이 모두 감소하였기 때문으로 판단된다. 기타통행시간의 경우 소폭 증가하였는데, 이는 2005년 1인 가구 비율이 19.83%에서 2015년 29.43%로 증가(Statistics Korea, 2021)함에 따라 친지방문 통행이 증가하기 때문으로 판단된다.
Table 2.
Comparison of average activity time by year
2) 상관성 분석
분석의 대상이 되는 목적별 통행시간에 대한 상관성 분석을 수행하였다. 수행에 앞서, 모든 통행은 하루를 기준으로 발생하기 때문에, 목적별 통행시간을 하루 총시간(1,440분)으로 나누어 통행시간 비율로 환산하였다. 이 같은 모형은 통행시간예산 모형에서 주로 활용되는 형태이다. 목적별 통행시간 비율은 Table 3과 같이 모두 음의 상관성이 존재하는 것으로 나타났다.
Table 3.
Correlation analysis of travel time ratio by purpose
목적통행별 영향요인 분석
1. 분석방법론 설정
본 연구에서는 목적별 통행시간에 영향을 미치는 요인을 회귀분석을 통하여 분석하고자 한다. 앞장에서 각 목적별 통행시간 비율은 서로 상관성이 존재하는 것으로 분석되었으며, 일반회귀모형은 종속변수 간 상관성을 고려할 수 없다는 한계가 있다. 이를 해결하기 위해 종속변수의 오차항 간 상관성을 고려할 수 있는 SUR(Seemingly Unrelated Regression) 모형을 활용하여 분석을 수행하고자 한다.
SUR 모형은 Arnold Zeller에 의해 개발되었으며, 둘 이상의 회귀방정식으로 구성된다. 구성된 회귀방정식의 오차항 간 상관성이 존재할 경우, 개별적인 회귀방정식을 통한 추정보다 효율적인 추정을 가능하도록 한다.
SUR 모형의 구조는 Equation 1과 같으며, 이는 개별 회귀모형의 집합이라 할 수 있다.
여기서, 이고 k에 대한 은 각각 보통의 단순 회귀모형의 형태와 일치한다. 이를 일반적인 방정식 체계로 표현하면 Equation 2와 같이 나타낼 수 있다.
SUR 모형에서는 Equation 3과 같이 각 오차항 간의 상관성이 존재한다고 가정하고 있다. 만약 오차항 간의 상관계수()가 0이면 각각의 개별 회귀모형에서 추정한 독립변수의 계수와 동일한 결과가 추정된다.
SUR 모형은 GLS(General Least Square) 방법을 활용하여 회귀계수를 추정하게 되며, 본 연구에서는 종속변수 가 4가지 목적별 통행시간으로 설정되어 인 형태의 SUR 모형을 구축하였다.
2. 분석결과
목적별 통행시간의 상관성을 고려하여 SUR 모형을 추정하였다. 종속변수는 통행시간예산 모형에서 주로 활용되는 형태인 목적별 통행시간의 비율로 설정하였다. 설명변수는 기존에 수행된 통행시간 영향요인에 관한 연구를 참고하여 구축하였으며, 지역, 가구, 개인, 활동, 통행변수로 구분하였다. 지역, 가구, 개인변수는 대부분의 통행시간 영향요인 연구에서 다양한 변수를 바탕으로 설명변수로 활용(Choo and Na, 2011; Raux et al., 2011; Choi et al., 2015; Kim et al., 2016; Ha and Lee, 2017)되고 있다. 이에 따라 선행연구를 바탕으로 생활시간 조사자료에서 조사된 항목을 바탕으로 최종 변수를 구축하였다. 활동변수는 최근 선행연구에서 설명변수로 활용하기 시작하였으며, 통행목적을 구분하는 기준과 유사하게 설정하고 있었다. 본 연구에서도 관련 선행연구(Koo and Choo, 2018; Lee and Choo, 2020) 및 일반적인 통행목적 구분을 참고하여 활동변수를 반영하였다. 통행변수는 SUR 모형을 활용함에 따라, 목적별 통행시간의 특성을 추가적으로 반영하기 위해 구축하였다. 모형의 추정은 통계 패키지인 STATA 14.2를 활용하였으며, 추정 결과는 Table 4 및 Table 5와 같다.
모형의 설명력을 살펴보면, 설명계수인 R2은 0.618-0.836으로 비교적 높게 도출되었다. 특히 업무 및 학업 통행시간 비율의 설명력이 여가 및 기타 통행시간 비율보다 높은 것으로 나타났는데, 이는 업무 및 학업 통행이 여가 및 기타통행보다 정형화된 통행패턴을 나타내기 때문으로 판단된다.
독립변수의 영향력을 살펴보면, 지역변수는 유의한 변수들이 모두 양의 영향력이 있는 것으로 나타났는데, 이는 도심이 비도심에 비해 다양한 활동이 이루어지며, 이에 따라 다양한 목적통행이 발생하기 때문으로 판단된다. 가구관련변수와 개인관련변수를 살펴보면, 통행시간 영향요인을 분석한 선행연구(Lee and Choo, 2020)와 유사하게 가구관련변수보다 개인관련변수에서 유의한 변수가 더 많은 것으로 나타났다. 이는 통행행태는 가구특성보다 개인특성에 많은 영향을 받는 것을 시사한다.
Table 4.
Estimation result of seemingly unrelated regression models for 2009
Table 5.
Estimation result of seemingly unrelated regression models for 2019
시간의 흐름에 따른 변수의 영향력 변화를 살펴보면, 대부분 큰 변화는 없는 것으로 나타났으나, Figure 1과 같이 활동시간과 통행횟수의 영향력은 변하는 것으로 도출되었다. 활동시간 영향력은 대부분에서 점차 감소하는 것으로 나타났으며, 통행횟수 영향력은 모두 증가하는 것으로 나타났다. 이는 도시 공간구조가 도시 외곽지역의 개발에 따라 점차 다핵집중형 공간구조로 변화(Hong and Lee, 2011)되고, 이에 따라 다양한 시설이 주거지 근처에 조성되어 단거리 통행 위주로 통행행태가 전환된 것으로 판단된다. 특히 학업통행시간 비율의 영향력을 살펴보면, 학업통행횟수의 계수는 2009년 15.098에서 2019년 21.054로 증가하는 것으로, 학업시간 계수는 2009년 0.880에서 0.408로 감소하는 것으로 나타났다. 이는 앞서 언급한 도시 공간구조 변화에 따른 통행패턴 변화와 더불어 22시 이후 학업 활동이 제한됨에 따라 총 학업시간을 보존(Bae and Chin, 2019)하기 위해 직장 또는 자택 주변의 학업시설을 이용하는 등 학업 통행시간을 줄이기 위한 변화로 판단된다.
주중과 주말을 비교하면 주중에 비해 주말에서 유의한 변수가 비교적 적게 도출되었다. 이는 주중에는 업무 또는 학업 등 비교적 유사한 활동을 수행하지만, 주말에는 개인별 생활패턴이 더욱 다양하기 때문으로 판단된다. 업무통행횟수의 경우 주중에 비해 주말 영향력이 높게 도출되었는데, 이는 근무지와 거주지가 가까울수록 주말 출근에 대한 부담감이 적기 때문으로 해석될 수 있다.
종속변수에 따른 계수 영향력을 비교하면, 미취학아동 유무는 업무통행시간 비율에는 음의 영향을, 기타통행시간 비율에는 양의 영향이 나타났다. 이는 육아 활동을 위한 업무활동 감소에 따라 업무통행비율의 감소 및 육아 관련 기타통행비율의 증가로 판단된다. 성별의 경우, 남성일수록 업무통행시간 비율에는 양의 영향이, 기타통행시간 비율에는 음의 영향이 있는 것으로 나타났다. 이는 남성의 사회진출 비율이 여성에 비해 높기 때문(Statistics Korea, 2021)으로 판단된다. 연령은 높을수록 학업통행시간 비율이 감소하고, 여가통행시간 비율은 증가하는 것으로 나타났는데, 이는 연령이 증가할수록 상대적으로 학업의 필요성이 감소하며, 여가시간이 증가하기 때문으로 판단된다. 2009년 주말 업무통행시간 비율에서는 양의 영향력으로 나타났는데, 이는 여가와 업무에 대한 인식변화에 따른 영향으로 판단된다. 2000년 이후 실시된 설문결과를 살펴보면, 20-30대 연령에서 점차 일과 삶의 균형(Work-life balance)을 중요하게 생각하는 것으로 조사(Kim and Park, 2008)되었다. 2009년 주말 업무시간을 살펴보면, 20-30대의 경우 118.3분으로, 40대 이상의 경우 141.0분(Statistics Korea, 2021)으로 중장년층 업무시간이 상대적으로 큰 것으로 나타났다. 이는 주말 업무통행시간 비율에도 동일한 효과를 발생시킨 것으로 판단된다. 학력이 높을수록, 평균소득이 높을수록 업무통행시간 비율은 감소하는 것으로 나타났는데, 이는 학력이 높을수록 소득이 높으며(Ministry of Employment and Labor, 2020), 소득이 높을수록 시간가치가 증가하게 되며, 이에 따라 통행에 소비되는 비용(시간)을 최소화하려는 경향 때문으로 판단된다. 혼인여부의 경우, 기타통행시간 비율을 제외한 모든 통행시간 비율에 음의 영향력이 존재하는 것으로 나타났다. 이는 2019년 기준 평일 가정관리 시간이 미혼 47분에서 기혼 118분으로 혼인에 따른 가정 관련 활동시간 증가(Statistics Korea, 2021)에 의한 영향으로 판단된다. 근무여부는 업무통행시간 비율에만 양의 영향력이 존재하는 것으로 나타났으며, 기타통행시간 비율에서 음의 영향력이 비교적 크게 나타났다. 또한, 2009년 대비 2019년의 영향력이 소폭 감소하였는데, 이는 맞벌이 가구 비율이 증가하고, 남성의 가사 시간이 증가(Statistics Korea, 2021)함에 따라 근로자의 가사활동 증대에 따른 영향으로 판단된다.
활동시간 영향력을 살펴보기 위해 활동시간의 계수를 목적별 통행시간 비율에 따라 Figure 2와 같이 표시하였다. 총 통행시간을 종속변수로 활동시간 영향력을 분석한 선행연구(Koo and Choo, 2018)에서는 모든 활동시간(업무, 학업, 여가)이 통행시간에 양의 영향이 있는 것으로 도출되었다. 하지만, 목적별 통행시간을 구분하여 분석한 경우, 활동시간별 영향력은 다르게 도출되었다. 영향력의 방향을 살펴보면, 목적에 해당하는 활동은 양의 영향력을, 나머지 활동은 음의 영향력으로 도출되었다. 이는 통행이 파생수요라는 특성과 하루 동안 통행에 소요하는 시간의 비율이 비교적 일정하다는 통행시간예산 이론과 일치하는 결과이다.
통행횟수 영향력을 살펴보면, 2019년 기준 업무통행시간 비율에 미치는 업무통행횟수 계수는 7.635로, 여가통행시간 비율에 미치는 여가통행횟수는 17.228로 나타났다. 이는 업무통행은 필수통행으로 장거리 통행도 필수적으로 발생하지만, 여가통행의 경우 장거리통행은 선택적으로 발생하기 때문으로 판단된다. 업무통행시간 비율에서 업무통행횟수 계수는 주중 7.635, 주말 12.500으로 주말이 크게 나타났는데, 이는 주말 출근은 직장과 거주지가 가까울수록 더 많이 발생하는 것으로 해석될 수 있다.
결론 및 시사점
본 연구에서는 2009년과 2019년 전국을 대상으로 조사된 생활시간 조사자료를 활용하여 목적별 통행시간 영향요인을 분석하였다. 목적별 통행시간의 상관성을 고려하기 위해 SUR 모형을 활용하였으며, 이에 대한 주요 내용 및 시사점은 다음과 같다.
첫째, 통행목적을 구분하여, 통행시간에 미치는 활동시간의 영향력 차이를 분석하였다. 기존 연구에서는 다중선형회귀분석을 활용하여 활동시간이 전체 통행시간에 미치는 영향력을 분석하였다. 이때, 모든 활동시간은 통행시간에 양의 영향이 있는 것으로 도출(Koo and Choo, 2018)되었다. 하지만 SUR 모형을 활용하여 목적별로 통행시간을 구분하여 분석한 결과, 해당 목적이 되는 활동시간은 양의 영향력이, 기타 활동시간에는 음의 영향력이 존재하는 것으로 나타났다. 이는 향후 통행시간 감축을 위한 정책 수립 시, 통행목적에 따라 알맞은 정책을 수립해야 함을 의미한다.
둘째, 인구밀도 및 도시비율은 모든 목적통행시간 비율에서 양의 영향력으로 도출되었다. 이는 도시지역이 비도시지역에 비해 다양한 활동이 수행되며, 그에 따라 도시지역에서 보다 활발한 통행이 발생함을 의미한다. 따라서 비도시지역 활성화를 위해 향후 비도시지역의 도시계획 수립 시 토지이용의 적절한 융합을 통해 다양한 활동이 발생할 수 있는 환경을 제공해야 한다.
셋째, 가구관련변수에 비해 개인관련변수에서 유의한 변수들이 많았으며, 이는 통행의 특성은 가구특성보다 개인특성에 의해 결정된다는 것을 의미한다. 즉, 통행패턴은 개인적 특성에 따라 결정된다는 것을 의미하며, 향후 교통정책 수립 시 개인특성을 반영할 수 있는 지표를 고려한 정책 수립이 진행돼야 할 것이다.
넷째, 업무통행시간 비율에 업무통행횟수 영향력은 비교적 작게 나타났으며, 여가통행시간 비율에서는 여가통행횟수 영향력이 비교적 크게 나타났다. 이는 업무통행은 비교적 장거리 통행이, 여가통행은 비교적 단거리 통행이 발생하고 있는 것으로 해석되며, 각 통행의 특성에 의한 것이라 할 수 있다. 즉 업무통행은 필수통행으로 근무지와 거주지가 멀리 떨어져 있더라도 통행이 필수적으로 발생되지만, 여가통행은 여가시설과 거주지가 멀리 떨어져 있으면 통행이 발생되지 않을 수 있다. 이는 통행은 목적별로 다른 특성을 보이며, 목적별 통행행태가 다름을 시사한다. 따라서 이를 고려한 목적별 통행행태의 개별적 관리가 필요할 것으로 판단된다.
다섯째, 학업통행시간 비율에서 시간이 지남에 따라 학업시간 영향력은 감소하고 학업통행횟수 영향력은 증가하였다. 이는 22시 이후 학업활동이 제한됨에 따라 거주지 또는 직장 주변으로 학원을 변경하여 학업시간은 유지하고, 학업통행시간은 감소시키기 때문으로 판단된다. 이로 보아, 통행시간의 조정은 교통정책뿐만 아니라 기타 활동에 관한 정책을 통해 이루어질 수 있다는 것을 알 수 있다.
여섯째, 모든 목적별 통행시간 비율에서 통행횟수의 영향력이 점차 증가하였다. 이는 2009년 대비 2019년에 단거리 통행이 더 많이 발생한다는 것을 의미하며, 시간이 변할수록 통행패턴이 단거리 통행 위주로 변한다고 할 수 있다. 사람들이 단거리 통행을 지향한다는 것은 다양한 용도가 혼합된 지역일수록 사람들의 삶의 만족도가 향상된다고 할 수 있으며, 거주지 근처에 다양한 시설이 도입될 수 있는 도시계획 수립이 필요하다는 것을 의미한다. 또한, 단거리 통행에 대한 수요관리가 필요하며, 자전거, 전동킥보드 등 단거리 통행 수단에 관한 연구 등 통행 거리 변화에 따른 수단선택 변화(Lee et al., 2020)에 대응할 수 있는 연구가 진행될 필요가 있다. 마지막으로 단거리 통행은 주로 국지도로와 같은 하위 도로망에서 발생하므로, 하위 도로망 관리의 중요성 증대에 따라 하위 도로망 관리방안 수립이 필요할 것으로 판단된다.
본 연구에서는 생활시간 조사자료를 활용하여 분석을 수행하였다. 생활시간 조사자료는 응답자의 거주지 관련 정보를 시 ‧ 도 단위에서 조사하며, 출발 및 도착지 관련 조사는 이루어지지 않고 있다. 이에 따라 본 연구에서는 지역변수가 시 ‧ 도 단위의 집계적 데이터로 반영되었다는 한계가 존재한다. 향후 응답자 거주지의 세밀한 조사가 수행된다면, 보다 정확한 지역 특성을 반영할 수 있을 것으로 판단된다. 또한, 출발 ‧ 도착지에 관한 자료수집을 통해 기종점 정보에 관한 연구가 추가로 수행될 수 있을 것이라 기대된다.
