서론
선행연구
1. 버스 서비스의 신뢰성과 주행시간 변동성 평가에 관한 연구
2. 간선급행버스체계(BRT) 도입에 관한 연구
연구의 방법론
1. 연구의 개요
2. 연구의 범위
3. 데이터 구성
4. 데이터 전처리
5. 버스 통행시간의 신뢰성 평가지표 설정과 분석 방법
분석 결과
1. 기술통계 분석
2. 분포 형태 및 시각적 비교 분석
3. 통계적 유의성 검정
결론 및 향후 연구 방향
서론
한국은 급격한 도시화와 경제성장을 거치며 자동차 보유 대수가 지속적으로 증가해 왔으며, 이에 따라 교통 혼잡, 환경오염, 사회적 비용 증대 등 다양한 도시 문제가 심화되고 있다. 이러한 문제에 대응하기 위해 중앙정부와 지방자치단체는 대중교통 중심의 교통체계 전환을 핵심 정책 목표로 설정하고, 철도 및 도시철도 확충과 더불어 버스 서비스의 경쟁력 강화를 위한 다양한 정책을 추진해 왔다. 그러나, Figure 1에 제시된 대중교통 수단별 수송분담률에 의하면 철도와 달리 버스 서비스에 대한 수요가 정체 또는 감소 추세를 보이고 있으며, 특히 코로나-19 팬데믹 이후 버스 수요는 이전 수준을 충분히 회복하지 못하고 있는 실정이다.
버스 서비스 경쟁력 저하의 원인으로는 속도, 정시성, 쾌적성 등 다양한 요인이 지적되어 왔으며, 이 중에서도 이용자가 정류장에서 버스를 기다릴 때 체감하는 버스 통행시간의 신뢰성은 대기시간의 예측 가능성과 직결되는 핵심 서비스 품질 요소로 인식된다(Soza-Parra et al., 2021; Ho et al., 2020). 버스가 일정한 간격으로 도착하지 못할 경우, 이용자는 불확실성을 크게 인식하게 되며 이는 서비스 전반에 대한 신뢰도와 만족도 저하로 이어질 수 있다. 따라서, 버스가 도시 교통의 핵심 수단으로 기능하기 위해서는 단순한 속도 향상뿐 아니라, 운행의 일관성과 예측 가능성을 확보하는 것이 필수적이다(Büchel and Corman, 2020; Zhang et al., 2024).
이러한 문제의식 속에서 간선급행버스체계(Bus Rapid Transit, BRT)는 버스 서비스의 구조적 한계를 보완하기 위한 대표적인 대중교통 정책 수단으로 도입되어 왔다. BRT는 전용차로, 교차로 우선신호, 정류장 개선 등을 통해 버스의 주행 환경을 개선함으로써, 궁극적으로 서비스 품질과 이용자 만족도를 제고하는 것을 목표로 하고 있다. Table 1과 같이 2025년 6월 현재 국내에서도 서울, 세종, 창원, 부산 등 주요 도시를 중심으로 BRT가 단계적으로 도입되었으나, 도입 효과는 도시 및 노선 특성에 따라 상이하게 나타나고 있다. 특히, 이용자가 체감하는 버스 통행시간의 신뢰성 개선 효과에 대해서는 일관된 평가가 이루어지지 못하고 있다.
Table 1.
Status of BRT implementation in Korea (MOLIT, 2025)
이용자가 체감하는 버스 통행시간의 신뢰성은 시간표 준수 여부만으로 충분히 설명되기 어렵고, 실제 운행 과정에서 주행시간이 얼마나 안정적으로 유지되는지에 크게 좌우된다. 이러한 관점에서 주행시간의 변동성을 정량적으로 평가하는 접근은 이용자 관점의 버스 통행시간 신뢰성을 분석하는 데 유용한 수단이 될 수 있다. 그럼에도 불구하고 국내에서는 BRT와 Non-BRT 구간을 동일한 기준으로 설정하고, 주행시간 변동성을 기반으로 버스 통행시간 신뢰성 수준을 비교한 실증 연구는 아직 제한적인 상황이다.
본 연구는 다른 권역과 달리 전형적인 도시 BRT 형태의 노선을 도입한 부산광역시를 사례로 BRT 및 Non-BRT 구간의 버스 통행시간 신뢰성 수준을 비교·분석함으로써, 버스전용차로 도입 여부에 따라 이용자가 체감하는 버스 통행시간 신뢰성의 전반적인 평가를 목적으로 한다. 여기서 Non-BRT는 중앙버스전용차로(BRT)가 설치되지 않은 모든 구간을 통칭하며, 가로변 버스전용차로 구간과 버스전용차로가 운영되지 않는 일반 차로 구간을 모두 포함한다. 즉, 본 연구는 BRT와 Non-BRT라는 버스 운행 유형 간 버스 통행시간 신뢰성 수준의 분포와 차이를 기술적으로 비교·분석하는 데 초점을 두며, 이를 통해 BRT 운영 성과에 대한 보다 정교한 해석과 후속 연구의 필요성을 제시하고자 한다.
선행연구
1. 버스 서비스의 신뢰성과 주행시간 변동성 평가에 관한 연구
버스 서비스의 품질은 속도, 쾌적성, 접근성 등 다양한 요소로 구성되나, 이용자 만족도에 가장 결정적인 영향을 미치는 속성은 신뢰성과 정시성으로 확인되고 있다. Sen and Roy(2020)는 인도 콜카타(Kolkata)의 에어컨 버스 노선에서 첨두시 정시 도착률(On-Time Performance, 0.43)이 비첨두시(0.86)의 절반 수준임을 확인하며 시간대에 따른 신뢰성 격차를 실증하였고, Soza-Parra et al.(2022)은 칠레 산티아고(Santiago)에서 메트로의 통행시간 표준편차가 거리와 무관하게 4분 미만인 반면 버스는 거리에 따라 크게 상승함을 보이며, 이용자가 약 5분의 추가 통행시간을 감수하더라도 안정적인 서비스를 선호함을 확인하였다. Ho et al.(2020)은 호주 시드니(Sydney)에서 대중교통 이용자의 통행시간 신뢰성 지불의사($65.39/hr)가 자동차 이용자($51.65/hr)보다 높음을 보고하여, 신뢰성이 수단선택에 미치는 경제적 영향을 실증하였다. 이 밖에도 Zhang et al.(2024)은 환승 구간의 시간 불확실성이 버스 경쟁력의 핵심 저해 요인임을, Bimpou and Ferguson(2020)은 일간 통행시간 변동성이 도시 접근성을 저해함을, Kou et al.(2022)은 라스트 마일 셔틀 도입으로 네트워크 신뢰성 비용을 약 14% 감소시킬 수 있음을 각각 확인하여, 버스 통행시간의 신뢰성이 이용자 만족도, 수단 선택, 도시 접근성을 아우르는 핵심 서비스 요소임을 뒷받침하고 있다.
주행시간 변동성의 정량적 평가를 위해서는 적절한 지표의 선정이 중요하다. 버스 서비스 평가지표로는 변동계수(CV), 버퍼시간지수(Buffer Time Index, BTI), 계획시간지수(Planning Time Index, PTI), 통행시간지수(Travel Time Index, TTI) 등이 연구 목적에 따라 선택적으로 활용되고 있다(Oh and Chung, 2006; Nyaki et al., 2020; Santhosh Kumar et al., 2024; Kukadiya et al., 2018; Karami et al., 2021; Reddy and Challagulla, 2022). 특히 Oh and Chung(2006)은 미국 오렌지 카운티 고속도로 루프 검지기 1년치 자료를 활용하여 통행시간의 표준편차와 정규화 표준편차(N-STD, 즉 CV)를 day-to-day, within-day, 공간 변동의 세 측면에서 산출하는 분석 체계를 제시하였으며, 이는 본 연구가 구간(segment) 단위 변동계수(CV)를 통행시간 신뢰성 지표로 채택하는 이론적 근거가 된다. Liu et al.(2020)은 중국 청두(Chengdu) 도시철도 네트워크에서 연결 신뢰성·통행시간 신뢰성·용량 신뢰성의 세 가지 지표를 제안하여, 다수의 허용 경로가 존재할수록 승객 분산으로 통행시간 변동성이 커지는 구조적 관계를 규명하였고, Ashwini et al.(2023)은 인도(India) 소규모 도시에서 제한된 GPS 데이터만으로도 버퍼시간지수(BTI), 계획시간지수(PTI), 통행시간지수(TTI)를 산정하여 대중교통 신뢰성을 평가할 수 있음을 보여주었다.
주행시간 변동성의 통계적 특성에 관해서도 다양한 확률분포 모형이 검토되어 왔다. Büchel and Corman(2020)은 체계적 문헌 고찰을 통해 버스 주행시간이 우측 비대칭 분포를 보이며, 좁은 출발시간대에서는 정규분포, 넓은 시간대에서는 대수정규분포가 적합하고 공간 집계가 커질수록 비대칭성이 감소한다고 정리하였다. 개별 실증 연구에서는 Harsha et al.(2020)이 인도 혼합교통 환경에서 GEV(Generalized Extreme Value) 분포가 극단값 포착에 가장 우수함을, Chen and Fan(2020)과 Low et al.(2022)은 각각 미국(USA) 고속도로와 말레이시아(Malaysia) 버스 노선에서 버(Burr) 분포가 최고 적합도를 기록함을, Ricard et al.(2022)은 캐나다 몬트리올(Montréal)에서 kNN 기반 Log-Logistic 모형이 조건부 확률밀도함수 예측에 최우수임을 보고하였다. 이들 연구는 주행시간 분포의 비정규성을 일관되게 확인하고 있으며, 이는 본 연구에서 통행시간 신뢰성 비교 시 비모수 검정 기법을 적용하는 근거가 된다.
주행시간 변동성의 영향 요인에 관해서도 다수의 연구가 수행되었다. 신호 교차로 수와 정류장 정차 시간(dwell time)은 가장 영향력 있는 지연 요인으로 반복 확인되었으며(Kaewunruen et al., 2021; Mohamed et al., 2021; Al-barakani et al., 2022), Hansson et al.(2022)은 농촌 정류장이 평균 통행시간에는 미미하나 변동성에는 기상이나 첨두교통보다 훨씬 큰 영향(Cohen’s d = 0.96)을 미침을 확인하였다. Zhang et al.(2022)은 버스 군집 현상(bus bunching)이 정시 정확도를 약 20% 감소시킴을 실증하였고, Zhuang et al.(2022)은 단거리에서는 대기시간이, 장거리에서는 차내 통행시간이 신뢰성에 더 큰 영향을 미치며 기점에서 멀어질수록 배차 불확실성이 누적됨을 확인하였다. 운영 전략 측면에서 Anderson and Daganzo(2020)는 조건부 신호우선(Conditional Signal Priority, CSP)이 전면우선(Transit Signal Priority, TSP)과 동등한 버스 성능을 달성하면서도 일반교통 영향은 약 절반 수준임을 확인하여, 신호 운영 전략이 통행시간 신뢰성 개선에 효과적인 수단이 될 수 있음을 시사하였다. 이러한 영향 요인들은 BRT와 Non-BRT 구간의 통행시간 신뢰성 차이를 해석할 때 고려해야 할 구조적 변수이며, 본 연구의 분석 결과 해석 및 향후 인과 분석의 이론적 기반이 된다.
통행시간 예측 분야에서도 기계학습이나 딥러닝 기반 모형의 발전이 이루어지고 있다. Huang et al.(2021)의 함수형 데이터 분석(Functional Data Analysis, FDA), Nimpanomprasert et al.(2022)의 다층 퍼셉트론(MLP), 유전 알고리즘(GA), 칼만필터, Zhou et al.(2022)의 변분 모드 분해와 장단기 기억 네트워크(VMD-LSTM), Sun et al.(2025)의 하이브리드 Markov 모형 등이 기존 모형 대비 유의한 예측 정확도 향상을 달성하였으며, Mansurova et al.(2025)은 원시 GPS를 대중교통 국제 개방형 데이터 형식(GTFS)으로 변환한 공개 데이터 셋을 구축하여 데이터 인프라 측면의 기여를 하였다. 이들 연구는 통행시간 변동성의 예측 가능성을 높이는 데 기여하고 있으나, 본 연구에서는 예측보다 운영체계 간 변동 특성의 비교에 초점을 두고 있어, 이러한 예측 모형의 적용은 향후 연구 과제로 남겨 둔다.
운영체계 간 비교에서는 Aivinhenyo et al.(2025)이 남아공 요하네스버그(Johannesburg)에서 BRT(Rea Vaya)가 비공식 대중교통(minibus taxi) 대비 통행시간 변동성이 유의하게 낮음을 확인하였고, Thapa et al.(2024)은 네팔 카트만두(Kathmandu)에서 동일 노선을 운행하는 4개 사업자 간 계획 시간 지수(PTI)가 1.24~1.44로 변동하여 운영 주체에 따른 신뢰성 차이가 존재함을 보고하였다. 또한 Nyaki et al.(2020)은 탄자니아 다르에스살람(Dar es Salaam)의 이질적 교통 환경에서 비첨두시에 오히려 변동성이 크게 나타나 흐름의 불균질성 또한 신뢰성 저하의 원인이 될 수 있음을 시사하였다. 종합하면, 버스 주행시간의 신뢰성은 평균적 운행 지표로는 평가하기 어려운 서비스 품질의 핵심 차원이며, 이를 구조적으로 억제할 수 있는 운영체계로서 BRT에 대한 실증적 검토가 요구된다. 그러나 기존 연구들은 대부분 단일 운영체계 내에서의 신뢰성 특성을 분석하거나, BRT를 비공식 대중교통과 비교하는 데 그치고 있어, 동일 도시 내 BRT와 일반 가로변 버스전용차로(Non-BRT) 구간의 통행시간 신뢰성을 실제 운행 데이터 기반으로 정량 비교한 실증 연구는 아직 제한적인 상황이다.
2. 간선급행버스체계(BRT) 도입에 관한 연구
간선급행버스체계(BRT)에 관한 선행 연구는 BRT를 단순한 버스전용차로가 아니라 전용 주행로, 정류장 체계, 요금 징수 방식, 신호 운영 및 정보 제공 체계가 통합된 대중교통 시스템으로 이해하고 있다. Nikitas and Karlsson(2015)과 Racehorse et al.(2015)은 세계 주요 도시 사례를 종합하여, 전용 주행로, 차 외 요금 징수, 수평 승하차, 교차로 우선 신호와 같은 핵심 요소가 결합될 때 BRT가 철도 대비 낮은 비용으로도 높은 수송 능력과 운영 효율성을 확보할 수 있다고 정리하였다. Currie and Delbosc(2014)는 오스트랄라시아 사례에서 전용 주행로와 높은 서비스 빈도를 갖춘 BRT가 일반 버스보다 높은 이용객 증가율을 보였다고 보고하였으며, Deng and Nelson(2013)은 중국 베이징(Beijing) BRT 1호선이 평균 운행 속도 향상, 통행시간 단축, 높은 정시성 확보를 통해 대중교통 경쟁력을 제고하였다고 분석하였다. 국내에서도 Nam(2022)은 부산 해운대로 BRT 도입 이후 버스와 도시철도 이용객 증가 및 승용차 수요의 대중교통 전환 가능성을 확인하였고, Lee et al.(2021)는 서면 지역 사례를 통해 BRT가 환승 체계와 보행 접근성 재편의 잠재력을 가진다고 보았다. 또한 Lee and Miller(2018)는 미국 콜럼버스(Columbus)의 신규 BRT가 취약지역 주민의 일자리 및 의료서비스 접근성을 향상시킨다고 분석하였다. 이들 연구는 BRT가 통행 속도 향상뿐 아니라 수요 전환과 접근성 개선을 유도하는 정책 수단임을 보여주고 있다.
그러나, BRT의 성과는 도입 자체만으로 보장되지 않으며, 구체적인 설계 및 운영 조건에 따라 크게 달라진다. Kathuria et al.(2016)은 인도 사례를 비교하여 전용차로 준수, 중앙정류장, 차 외 요금 징수, 제도적 운영체계가 BRT 성과를 좌우하는 핵심 요인임을 지적하였고, Deng et al.(2013)은 중국 13개 도시 분석에서 도시 규모 자체보다 추월차로 유무, 정류장 설계, 정류장 간격, 노선 운영 방식과 같은 세부 요소가 성능 차이를 설명한다고 보았다. Alomari et al.(2016)은 BRT와 교통 신호 우선 시스템(TSP)의 결합이 통행시간과 지체를 가장 효과적으로 개선한다고 분석하였으며, Kiani Mavi et al.(2018)은 이란 테헤란(Tehran) 사례에서 단순한 속도 향상보다 버스 증차와 배차 간격 관리가 시스템 성능 개선에 더 효과적이라고 제시하였다. 특히 Ishaq and Cats(2020)는 배차 간격의 변동성과 버스 군집 현상(bus bunching)이 심화될 경우 BRT에서도 서비스 신뢰성이 크게 저하될 수 있음을 보여주었으며, 실시간 배차시간 관리와 교통 신호 우선 시스템의 중요성을 강조하였다. 이는 BRT의 성과가 전용차로 설치 여부만이 아니라 정류장 구조, 신호 운영, 배차 관리와 같은 운영 방식에 의해 결정됨을 시사한다.
이용자 관점의 연구들 또한 유사한 함의를 제공한다. Calvo and Ferrer(2018)는 콜롬비아 바랑키야(Barranquilla) 사례에서 접근성, 쾌적성, 안전성, 정보 제공이 서비스 품질을 좌우하는 핵심 요인이라고 보았고, Nadeem et al.(2021)은 파키스탄 물탄(Multan) BRT가 기본 인프라는 갖추고 있으나 급행 서비스의 부재와 네트워크 확장성의 부족으로 인해 시민의 이동성 요구를 충분히 충족하지 못한다고 평가하였다. Batarce et al.(2015)은 차량 내 혼잡이 이용자의 체감 시간가치를 크게 악화시키고, 일정 수준 이상에서는 승용차로의 수단 전환을 유발할 수 있음을 실증하였다. 한편, Delmelle and Casas(2012)는 BRT 기반 접근성 향상이 도시 내에서 균등하게 분배되지 않을 수 있음을 지적하였는데, 이는 BRT의 물리적 도입 자체보다 실제 운영 수준과 네트워크 연계성이 이용자가 체감하는 서비스 수준을 좌우할 수 있음을 시사한다. 아울러 BRT의 도입 효과는 교통 서비스 개선을 넘어 환경 및 형평성 차원에서도 검토되고 있다. Bel and Holst(2015)는 멕시코 멕시코시티(Mexico City) BRT 도입 후 CO, NOX, PM2.5 등 주요 대기오염 물질의 유의미한 감소를 확인하여 BRT의 환경정책적 효과를 실증하였고, Linovski et al.(2018)은 캐나다 3개 도시의 BRT 계획 과정에서 취약계층에 대한 수직적 형평성 고려가 극히 미흡함을 지적하였으며, Mishra et al.(2010)은 인도 델리(Delhi) BRT 회랑에서 교통소음이 기준치를 초과하여 주민 건강에 부정적 영향을 미치고 있음을 보고하여, BRT 도입 시 환경적 부작용에 대한 병행 대책의 필요성을 제기하였다.
결국, BRT 평가는 평균 속도나 이용객 수와 같은 거시적 성과에만 머물러서는 안 되며, 실제 운행 과정에서 서비스가 얼마나 안정적으로 유지되는지에 대한 검토가 병행될 필요가 있다. 선행 연구에서는 BRT의 성과를 속도, 수요, 접근성, 만족도, 혹은 시뮬레이션 기반 운영평가 차원에서 주로 다루고 있지만, 실제 개별 차량 운행자료를 기반으로 BRT와 일반 가로변 버스전용차로(Non-BRT) 구간의 버스 통행시간의 신뢰성을 비교한 연구는 상대적으로 제한적이다. 따라서, 본 연구는 도심형 BRT를 운영 중인 부산광역시를 대상으로 버스정보관리시스템(BIMS)과 버스 디지털운행기록계(DTG) 데이터를 결합한 실제 운행자료를 활용하여, BRT와 Non-BRT 구간의 버스 통행시간의 신뢰성 차이를 정량적으로 비교·평가하고자 한다.
연구의 방법론
1. 연구의 개요
본 연구는 부산광역시 BRT와 Non-BRT 노선을 주행하는 버스의 통행시간 신뢰성 수준을 평가하기 위해 버스정보관리시스템(Bus Information Management System, BIMS)과 버스 디지털 운행 기록계(Digital TachoGraph, DTG) 데이터를 수집하여 분석에 사용하고 있다. 통행시간의 상대적 변동성 지표를 변동계수(Coefficient of Variation, CV)로 설정하여 실증적인 평가를 위한 분석 체계를 Figure 2와 같이 구성하였다.
분석 기반 구축 단계에서는 정량 비교가 가능한 BRT 및 Non-BRT 대상지를 선정하고, 구간(segment)별 DTG 주행 기록과 정류장, 교차로, 신호 체계 등 관련 기하구조 및 운영 데이터를 수집하여 분석 환경을 구성하였다. 주행시간 재구성 및 통행시간 신뢰성 지표 산출 단계에서는 DTG 데이터를 바탕으로 정류장 간 구간(segment)을 정의하고, 구간별로 평균 주행시간과 표준편차를 산출한 뒤, 이를 바탕으로 구간(segment)과 시간대별 변동계수(CV) 값을 도출하여 통행시간 신뢰성 지표로 활용하였다. 통행시간 신뢰성 비교 분석 단계에서는 산출된 변동계수(CV)를 활용하여 BRT와 Non-BRT 간 차이를 비교하였다. 이때 시간대별 패턴과 첨두시 구분을 통해 통행시간 신뢰성의 구조적 특성을 진단하고, BRT의 상대적으로 높은 변동계수(CV) 값이 갖는 해석적 함의를 고찰하고 정책적 시사점을 제시하였다.
2. 연구의 범위
본 연구는 2024년 6월 17일(월)부터 21일(금)까지의 평일 5일을 시간적 범위로 설정하였다. 평일은 통근·통학 위주의 반복적 패턴으로 임의적 변동성이 낮아 시스템 고유의 통행시간 신뢰성 평가에 적합한 반면, 주말은 비정기적 수요와 흐름으로 인한 통계적 불안정성을 고려하여 분석에서 제외하였다. 분석 시간대는 첨두시간대와 비첨두시간대로 구분하였으며, 첨두시간대는 부산광역시 일반적 통근·통학 통행 분포를 반영하여 오전 첨두 07:00~09:00 및 오후 첨두 17:00~19:00 (총 4시간)으로 정의하였고, 비첨두시간대는 운행시간 중 첨두시간대를 제외한 시간(06:00~07:00, 09:00~17:00, 19:00~24:00)으로 정의하였다.
공간적 범위는 BRT와 Non-BRT가 공존하여 비교 분석에 최적화된 부산광역시를 대상으로 한다. 부산광역시는 지형적 특성상 간선도로 교통 집중과 우회도로 부족 현상이 뚜렷해 주행시간 변동성의 구조적 특성을 파악하기에 유리하며, 고품질의 BIMS 및 DTG 데이터 인프라를 통해 분석의 정밀성을 확보할 수 있다. 분석 대상지는 객관성 확보를 위해 BIMS 기반의 정량적 기준을 적용하여 선정하였다. 노선 밀집도와 연속성이 높은 구간을 우선 고려하였으며, 특히 Non-BRT 구간은 중앙버스전용차로 유무를 제외한 기하구조 및 교통 여건이 BRT와 유사한 사례를 1:1로 대응시켜 운영체계에 따른 통행시간 신뢰성 차이를 명확히 규명하고자 하였다. 이때 1:1 대응은 노선 거리 또는 정류장 수의 정량적 일치를 의미하지 않으며, 동일 수요축 또는 평행 회랑(parallel corridor) 관계, 도로 위계와 간선 기능, 인접 토지이용 및 정류장 환경의 유사성 기준을 종합적으로 고려한 매칭이다. 구체적으로 서면 ↔ 사상(BRT)과 구포 ↔ 사상(Non-BRT)은 사상 산업단지로의 통근 수요를 처리하는 평행 회랑 관계이며, 내성 ↔ 중동(BRT)과 거제 ↔ 양정(Non-BRT)은 동래·연제 도심축의 간선 기능을 분담하는 관계, 서면 ↔ 충무(BRT)와 대티 ↔ 하단(Non-BRT)은 부산 서부 주거 밀집 지역의 통근 회랑, 서면 ↔ 내성(BRT)과 문현 ↔ 수영(Non-BRT)은 부산 동부 해안축 간선도로 기능을 공유하는 관계이다.
한편, 본 연구의 분석 대상 8개 구간은 차로 운영형태에서 차이가 있다. BRT 4개 구간(서면 ↔ 사상, 내성 ↔ 중동, 서면 ↔ 충무, 서면 ↔ 내성)은 모두 도로 중앙부에 24시간 운영되는 중앙버스전용차로(Median BRT 그리고 24h)로 일반 차량과 물리적으로 분리되어 있다. 반면 Non-BRT 4개 구간은 동질하지 않은데, 구포 ↔ 사상은 버스전용차로가 설치되지 않아 버스가 일반 차량과 동일 차로를 공유하는 일반 차로 구간(Mixed flow 그리고 no bus lane)이며, 거제 ↔ 양정, 대티 ↔ 하단, 문현 ↔ 수영 3개 구간은 도로 가장자리에 가로변 버스전용차로가 첨두시간대(07:00~09:00, 17:00~19:00)에만 활성화되는 운영형태(Curbside BL 그리고 peak only)이다. 이러한 차이는 분석 결과 해석에서 고려해야 할 구조적 변수이며, 각 구간의 운영형태는 Table 2에 함께 제시하였다. 최종 선정된 BRT 및 Non-BRT 각 4개 구간의 상세 정보는 Table 2, Table 3과 Figure 3에 제시된 바와 같다.
Table 2는 8개 분석 구간의 1:1 매칭 정보와 구간(segment) 단위 도로구조 변수(Signals/seg 그리고 Routes/stop)를, Table 3은 (구간 × 일자 × 시간) 셀 단위로 산출한 운영 부하 변수(vph/seg 그리고 pph/stop)를 첨두/비첨두/전체 시간대로 분리하여 제시한다. 여기서 Signals/seg는 구간(segment) 당 평균 신호교차로 수로 정지 및 재가속의 빈도를, Routes/stop은 정류장에 정차하는 분석 대상 노선 수의 평균으로 노선 밀집도를 의미한다. vph/seg는 구간(segment)을 통과하는 시간당 평균 버스 통행 대수로 차량 군집 부하를, pph/stop은 정류장당 시간당 평균 교통카드 승인 수로 정차 수요 부하(즉, 정차 시간(dwell time)을 발생시키는 원인)를 나타낸다.
Table 2.
Status and structural characteristics of BRT and Non-BRT routes for the study in Busan, Korea
Table 3.
Operational characteristics of BRT and Non-BRT routes (peak vs. off-peak)
BRT 4개 구간은 Non-BRT 대비 segment 당 평균 분석 노선 수가 약 1.69배(8.04 vs. 4.77개), 구간(segment) 당 시간당 평균 버스 통행량이 약 1.39배(86.8 vs. 62.6 veh/seg), 정류장당 시간당 평균 승차 수가 약 2.14배(96.5 vs 45.0 pph/stop)로 모든 부하 지표에서 BRT가 Non-BRT를 크게 상회한다. 다만 신호교차로 수는 BRT 2.74개/seg로 Non-BRT 3.07개/seg보다 오히려 적게 나타나, BRT 구간의 부하 집중이 신호 운영 빈도가 아니라 노선 및 수요 밀집에서 비롯됨을 알 수 있다. 이러한 도로 및 운영 환경의 구조적 차이는 후속 분석 결과(BRT와 Non-BRT 구간의 변동계수)를 해석하기 위한 결정적인 요인으로 작용한다.
3. 데이터 구성
본 연구는 분석의 정밀도와 신뢰성을 높이기 위해 BIMS, DTG, 외부 변수 자료를 유기적으로 결합하여 활용하였다. BIMS 데이터는 부산광역시 교통정보서비스센터(Traffic Management Center, TMC)의 공개 자료를 기반으로 하며, 분석 구간(segment) 정의 및 경유 노선 식별 등 공간적 범위를 구체화하는 핵심 기제로 사용되었다. 특히 정류장 속성 정보를 활용해 회차나 경로 이탈 등 비정형 운행 데이터를 사전에 제거함으로써 데이터의 순도를 높였다. 구체적으로 본 연구에서 사용한 BIMS 데이터는 정류장별 노선번호, 정류장 좌표(경도, 위도), 정류장 ID이다.
DTG 데이터는 부산광역시 버스운송사업조합을 통해 확보한 차량별 초(sec) 단위 주행 기록으로, 정류장 진출입 시점 특정과 정시성 지표(평균 통행시간, 변동계수(CV)) 산출의 기초가 되었다. 분석의 균질성을 위해 일반 시내버스만을 대상으로 하였으며, 운행 패턴이 상이한 마을버스와 시외버스는 제외하였다. 구체적으로 본 연구에서 사용한 DTG 데이터는 노선별 초 단위 시간 및 차량의 위치(경도, 위도)이다. 이처럼 공간적 범위(BIMS)와 시공간적 주행 정보(DTG)가 결합된 통합 데이터는 각 구간(segment)별 통행 패턴을 객관적으로 수치화하고, 이어지는 분석 과정에서 두 운영체계의 통행시간 신뢰성을 비교하는 기초자료로 활용된다.
4. 데이터 전처리
DTG 데이터는 버스 차량의 모든 운행 궤적을 포함하는 원시 자료로, 연구 목적에 부합하는 정보만을 정밀하게 추출하기 위해 체계적인 정제 및 가공 절차가 요구된다. 특히 본 연구에서는 구간(segment) 단위 주행 특성을 파악하기 위해 DTG 데이터를 세분화하여 구간(segment) 단위의 이동시간을 산출하는 것이 핵심이며, 이를 위해 Figure 4에 제시된 바와 같이 다단계 전처리 과정이 수행되었다.
대상 노선 식별 단계에서는 대상지의 모든 정류장을 통과하는 노선번호를 식별하였다. 이를 통해 분석 대상 구간과 무관한 차량의 데이터를 사전에 배제하고, 대상 구간을 실제로 운행하는 버스 정보만을 선별적으로 추출하였다. 이러한 1차 필터링을 통해 전체 수집 자료 중 유효성이 검증된 데이터를 선별하여 분석의 신뢰성 기초를 마련하였다. 데이터 형식 변환 및 구조화 단계에서는 1차 검증을 통과한 텍스트(TXT) 파일을 CSV 형식으로 변환하여 시간, 좌표, 속도 등 핵심 정보를 구조화하였으며, 이를 다시 GIS 분석을 위한 Shape file(SHP) 형식의 점(Point) 데이터로 재구성하였다. 대상지 기반 공간 필터링 단계에서는 ArcGIS Pro의 Clip 기능을 활용하여 연구 대상 구간(Polygon)과 주행 궤적 간의 공간 교차 연산을 수행하였다. 이 과정을 거쳐 부산광역시 전역의 데이터 중 대상 구간(segment) 내부의 포인트만 정밀하게 추출함으로써, 연구 목적에 부합하는 실제 운행기록만을 분석 범위로 한정하였다. 차량의 주행 방향 정의 단계에서는 Clip 연산 수행 시 연구 대상 구간 외부의 궤적이 제거되면서 발생하는 데이터의 시간적 단절(Time Gap)을 활용하여 개별 운행을 식별하였다. Figure 5는 이와 같은 데이터 전처리 과정을 “서면 ↔ 충무” BRT 구간을 주행하는 61번 버스에 적용한 사례를 제시하고 있다.
마지막으로 연속된 정류장 간을 하나의 구간(segment)으로 설정하고 해당 구간을 주행하는 버스의 실제 통행시간을 산출하였다. 버스의 통행시간은 Figure 6에서 개별 구간의 기점 정류장에 진입하는 시점부터 동일한 구간의 종점 정류장에 진입하는 시점의 시간 차이로 정의하였다. 정류장의 공간 범위는 정차면 길이(12m)(MLTM, 2013)와 정차면 수를 반영하여 설정함으로써 실제 정차 구간을 정밀하게 반영하였다. 주행시간 산정 과정에서는 GPS 좌표의 순간적 이상 변동으로 인한 위치 오차, 정류장에서 비정상적으로 장시간 정차한 사례, 회차 및 공회전 등 정상적인 운행 패턴으로 보기 어려운 데이터는 모두 제거하여 자료의 신뢰성을 확보하였다. 정제된 데이터는 구간(segment)별 주행시간의 평균값, 표준편차(SD), 변동계수(CV) 산출에 활용된다.
5. 버스 통행시간의 신뢰성 평가지표 설정과 분석 방법
본 연구는 전처리 과정을 통해 구축된 개별 차량의 주행 이력 자료를 시공간적 단위로 재구성하였다. 개별 버스의 우발적인 거동을 평활화하고, 시간대별 교통류의 패턴을 거시적으로 파악하기 위해 1시간 단위로 구간(segment)별 통행시간 데이터를 집계하여 시간대별 주행 특성을 도출하였다. 즉, 본 연구의 변동계수(CV)는 (구간 × 일자 × 시간) 셀(cell) 단위로 산출되며, 후속 Mann-Whitney U 검정의 표본 단위 또한 차량별 개별 통행시간이 아닌 (구간 × 일자 × 시간) 셀(cell) 단위 변동계수(CV)이다. 이 분석 단위는 동일 셀(cell) 내 다수 차량의 통행시간이 평균 및 표준편차 산출에 사용된 후 셀(cell) 단위 개별 변동계수(CV)로 환산되므로, 동일 차량의 반복 통행이 표본을 직접 중복시키지 않는 구조를 갖는다. 이를 바탕으로 BRT와 Non-BRT 구간의 운영 안정성을 정량적으로 비교 평가하기 위해 변동계수(CV)를 버스 통행시간 신뢰성 지표로 선정하였다. 버스 통행시간의 신뢰성은 통행시간의 불확실성이 제거되어 예측 가능성이 확보된 상태를 의미하며, 통계적으로는 주행시간의 변동성(Variability)이 낮을수록 통행시간의 신뢰성이 높다고 해석할 수 있다. 본 연구의 비교 대상인 BRT와 Non-BRT 구간은 기하구조와 제한속도 등의 차이로 인해 평균 통행시간()의 척도가 상이하므로, 단순한 표준편차()의 비교는 통계적 편의(bias)를 유발할 수 있다. 따라서 본 연구에서는 Equation 1과 같이 표준편차를 산술평균으로 나누어 단위를 소거한 변동계수(CV)를 적용함으로써, BRT나 Non-BRT와 같이 운영환경이 다른 두 체계 간의 상대적 변동 수준을 객관적으로 비교하였다.
여기서, 는 특정 시간대 해당 구간(segment) 통행시간의 표준편차, 는 동일 조건 하의 평균 통행시간을 의미한다. 산출된 변동계수(CV) 값이 낮을수록 주행시간의 산포가 작아 신뢰성이 우수함을 나타내며, 본 연구에서는 이를 기준으로 두 운영체계의 시간대별 및 구간별 버스 통행시간의 신뢰성 특성을 비교 분석하였다.
본 연구는 산출된 변동계수(CV) 지표를 활용하여 운영체계 별 정시성 특성을 규명하기 위해 기술통계 및 시각화 분석, 통계적 유의성 검정, 그리고 시나리오 분석을 수행하였다. 첫째, 단순 평균 비교를 넘어 커널 밀도 추정(Kernel Density Estimate, KDE)을 활용하여 중심경향성, 분산, 극단값의 분포 형태를 시각적으로 진단하였다. 커널 밀도 추정(KDE)은 관측된 데이터로부터 확률밀도함수를 비모수적으로 추정하는 기법으로, 추정식은 Equation 2와 같다.
여기서, n은 관측 데이터의 수, 는 i번째 관측값, 는 대역폭(bandwidth), K는 커널 함수이다.
본 연구에서는 Equation 3과 같은 가우시안 커널(Gaussian kernel) 함수를 적용하였다.
여기서, u는 Equation 2의 표준화 거리 (x − xᵢ)/h를, K(u)는 가우시안 커널 함수를 의미한다.
대역폭은 추정 곡선의 평활도를 결정하는 핵심 매개변수로, 본 연구에서는 Scott(1992)의 규칙을 적용하여 Equation 4와 같이 산출하였다.
여기서, 는 KDE 추정 대상 데이터(변동계수 값 전체)의 표본 표준편차이며 상수 는 가우시안 커널의 점근평균적분제곱오차를 최소화하도록 도출된 최적값이다.
이 방법은 데이터의 크기와 분산에 기반하여 대역폭을 자동으로 결정하므로, 비교 대상 간 데이터 규모가 상이한 본 연구의 분석 조건에 적합하다.
그 후, 변동계수(CV)가 갖는 비정규성을 고려하여 비모수 검정 기법인 Mann-Whitney U Test를 적용함으로써, 집단 간 통행시간의 신뢰성 차이가 통계적으로 유의한지 검증하였다.
마지막으로 전체 데이터 비교뿐만 아니라 첨두 및 비첨두 등 시간대별 조건을 고려하여 운영 방식 전체 비교, 운영 방식 내 시간대별 비교, 그리고 시간대별 운영 방식을 비교하는 형식으로 다양한 교통 여건하에서 BRT와 Non-BRT의 버스 통행시간 신뢰성 확보 여부를 입체적으로 고찰하였다.
한편, 본 연구의 분석 단위인 (구간 × 일자 × 시간) 셀(cell)은 동일 구간(segment) 내에서 도로 기하 구조, 신호 배치, 노선 밀집도, 정류장 환경 등을 공유하므로, 동일 구간(segment)에서 산출된 셀(cell)들 간의 상관성(intra-cluster correlation)이 존재할 가능성이 있다. 이러한 비독립성은 Mann–Whitney U 검정의 표본 독립성 가정을 약화시켜 p-value가 과소 추정될 수 있으므로, 이를 진단하고 검정의 강건성을 보강하기 위해 다음과 같은 추가 절차를 수행하였다.
첫째, 동일 구간(segment) 내 셀들의 상관 정도를 정량화하기 위해 구간(segment)을 클러스터로 한 일원배치 분산분석(one-way ANOVA) 기반의 급내 상관계수(Intra-class Correlation Coefficient, ICC)를 Equation 5와 같이 산출하였다(Shrout and Fleiss, 1979).
여기서, 은 구간(segment) 간 분산(셀 단위 변동계수 값의 구간 간 분산 성분), 은 구간(segment) 내(오차) 분산(셀 단위 변동계수 값의 구간 내 분산 성분) 이다. ICC는 0에서 1 사이의 값을 가지며, 값이 클수록 동일 구간(segment) 내 셀(cell)들이 서로 유사하여 표본의 독립성 가정이 약해짐을 의미한다.
둘째, ICC가 무시할 수 없는 수준일 경우 클러스터 구조를 반영한 검정이 필요하므로, 구간(segment)을 클러스터 단위로 한 클러스터 부트스트랩(B = 1,000회)을 적용하였다. 각 부트스트랩 반복에서 두 비교 그룹의 구간(segment)을 각각 복원추출한 뒤, 추출된 구간(segment)에 속한 모든 셀을 활용하여 두 그룹의 평균 변동계수(CV) 차이를 산출하였으며, 이를 1,000회 반복하여 얻어진 차이 분포의 2.5%와 97.5% 분위수로 평균 차이의 95% 신뢰구간을, 분포 내 부호가 뒤집힌 비율로 양측 p-value를 산출하였다.
셋째, 시간대 효과 결론의 일관성을 보강 검증하기 위해 동일 구간(segment) 내에서 첨두 및 비첨두 셀(cell)의 평균 변동계수(CV)를 쌍으로 묶어 Wilcoxon signed-rank 검정을 수행하였다. 이 절차는 구간(segment) 간 변동을 자동으로 통제하므로 시간대 효과만을 분리하여 평가할 수 있다.
분석 결과
1. 기술통계 분석
변동계수(CV) 값의 변동성 기술통계 분석 결과는 Table 4와 같다. 전체 관측 구간 기준으로 BRT는 평균 변동계수(CV)가 0.313, 표준편차는 0.110으로 나타났으며, Non-BRT는 평균 0.276, 표준편차 0.089로 집계되었다. 이는 BRT 구간이 Non-BRT에 비해 전반적으로 더 높은 주행시간 변동성을 나타내는 것이다. 시간대별로 구분하면, BRT의 비첨두시 평균 변동계수(CV)는 0.314, 첨두시는 0.312로 큰 차이를 보이지 않았다. 반면, Non-BRT의 경우 비첨두시 0.279, 첨두시 0.265로 첨두시간대에 변동성이 더 낮게 나타났다. 이는 본 연구 Non-BRT 4개 구간 중 가로변 버스전용차로가 운영되는 3개 구간(거제 ↔ 양정, 대티 ↔ 하단, 문현 ↔ 수영)에서 첨두시간대(07:00~09:00, 17:00~19:00)에만 가로변 버스전용차로가 가동되어, 외부 일반 교통류로부터 부분적인 보호가 발생한 결과로 해석된다. 다만, 가로변 버스전용차로는 우회전 차량과의 혼재가 구조적으로 불가피하므로 BRT의 24시간 중앙전용차로 대비 보호 수준은 제한적이다. 또한, 분위수 관점에서도 유사한 경향이 관찰된다. BRT의 중앙값은 0.303(비첨두)과 0.299(첨두)로 큰 차이를 보이지 않지만, Non-BRT는 각각 0.273(비첨두)과 0.257(첨두)로 확인되어 첨두시 통행시간 신뢰성 수준이 다소 개선되는 양상이 나타났다.
Table 4.
Descriptive statistics of CV by bus operation mode
2. 분포 형태 및 시각적 비교 분석
본 연구는 Figure 7에서 버스 운영체계 및 시간대에 따른 주행시간 변동성의 분포 특성을 확인하기 위해 변동계수(CV)를 기준으로 5가지 비교 항목에 대한 커널 밀도 추정 그래프를 제시하였다.
BRT와 Non-BRT 전체 구간 간 비교(Figure 7(a))에서 BRT의 변동계수(CV) 분포가 상대적으로 상향되고, 꼬리가 길게 형성되어 일부 큰 값의 변동계수(CV)가 존재함을 보여준다. 반면 Non-BRT는 더욱 밀집된 분포로 상대적 안정성을 보였다. 이러한 차이는 시간대를 첨두시와 비첨두시로 구분하여 살펴보아도 일관되게 유지되는데, 첨두시 기준 비교(Figure 7(d))에서 BRT는 여전히 높은 변동성을 유지하면서 일부 변동계수(CV) 사례가 극단값으로 존재하지만, Non-BRT는 비교적 안정된 분포를 보였으며, 비첨두시 기준 비교(Figure 7(e))에서도 BRT가 중앙값과 분포 범위에서 모두 더 큰 값을 가져 전반적인 정시성의 불안정성이 확인된다. 이는 운영체계 자체의 구조적 차이가 시간대와 무관하게 통행시간 변동성에 일관된 영향을 미치고 있음을 시사한다.
한편, 각 운영체계 내부의 시간대별 분포 차이는 상반된 양상을 보였다. BRT 내 첨두시와 비첨두시 비교(Figure 7(b))에서는 비첨두시의 변동계수(CV) 분포가 첨두시보다 다소 더 퍼져 있고 중앙값도 소폭 높게 나타났으나 그 차이가 크지 않아 시간대 간 분포 형태가 비교적 안정적으로 유지됨을 시사한다. 반면 Non-BRT 내 첨두시와 비첨두시 비교(Figure 7(c))에서는 첨두시의 분포가 더 낮은 평균값과 더 좁은 범위를 가지며 정시성이 잘 유지되는 반면, 비첨두시에는 변동성이 커지며 분포 폭이 뚜렷하게 넓어지는 양상이 관찰된다.
3. 통계적 유의성 검정
분석에 앞서, 동일 구간(segment) 내 셀(cells)들의 비독립성을 진단하기 위해 ICC(1,1)를 산출하였다. Table 5와 같이 BRT는 0.545, Non-BRT는 0.437로 두 운영체계 모두 큰 수준의 클러스터 효과가 확인되었다. 이는 동일 구간(segment) 내 시간대별 변동계수(CV)가 도로 및 운영 환경을 공유하여 상호 상관됨을 의미하며, 명목 표본 크기(BRT 12,789, Non-BRT 15,129) 대비 실효 표본 크기는 각각 약 182, 265로 산출되었다. 따라서 Mann–Whitney U 검정의 결과는 클러스터 부트스트랩 검정과 병행하여 해석할 필요가 있다.
Table 5.
Intraclass correlation and effective sample size by group
기술통계 및 시각적 분석에서 드러난 변동계수(CV) 분포의 차이가 통계적으로 유의한지를 확인하기 위해 Mann–Whitney U 검정을 수행하였다. 변동계수(CV)는 비정규 분포를 보이는 경우가 일반적이므로, 분석 전 각 비교 그룹에 대해 Shapiro-Wilk 정규성 검정을 하였으며, 모든 비교 쌍에서 정규성 가정이 기각되었다(p < 0.05). 또한 Levene의 등분산성 검정 결과 대부분 유의수준 0.05 하에서 등분산성을 만족하지 않아, 평균 비교보다는 순위 기반의 비모수 검정이 적합하다고 판단하였다. 검정은 총 다섯 가지 비교 항목에 대해 수행되었으며, 주요 결과는 Table 6과 같다.
Table 6.
Statistical test results of CV differences for bus operation mode and time of day
Mann-Whitney U 검정 결과, BRT와 Non-BRT 간 변동계수(CV) 분포 차이는 통계적으로 매우 유의하였으며(p < 0.001, effect size = 0.157), 양(+)의 효과 크기는 BRT 구간의 변동계수가 Non-BRT보다 체계적으로 크다는 방향성을 의미한다. 이는 운영체계 자체가 통행시간 신뢰성에 실질적인 영향을 미치고 있음을 시사한다. 첨두시(p < 0.001, effect size = 0.179)와 비첨두시(p < 0.001, effect size = 0.151)로 시간대를 분리한 BRT–Non-BRT 비교에서도 모두 통계적으로 유의한 차이가 일관되게 확인되어, 시간대와 무관하게 운영체계에 따른 구조적 차이가 버스 통행시간의 신뢰성에 영향을 미친다는 근거가 된다. 다만 모든 BRT–Non-BRT 비교에서 효과 크기는 0.20 미만의 작은(small) 수준에 머물러, 통계적 유의성에도 불구하고 두 운영체계 간 실질적 격차의 크기는 제한적임을 함께 보여준다. 반면, 동일 운영체계 내부의 시간대별 비교에서는 두 체계가 상반된 양상을 보였다. BRT의 경우 첨두시와 비첨두시 간 차이가 통계적으로 유의하지 않고(p = 0.954, effect size = -0.015) 효과 크기 또한 0에 근접하여, 시간대 변화에 영향을 받지 않는 구조적 안정성을 갖추고 있음을 의미한다. 그에 반해 Non-BRT는 시간대에 따른 차이가 통계적으로 유의하게 확인되었으며(p < 0.001, effect size = -0.044), 음(−)의 효과 크기는 첨두시 변동계수가 비첨두시보다 작음을 나타내어 오히려 첨두시 통행 안정성이 더 우수한 것으로 나타났다. 이러한 결과는 본 연구 Non-BRT 4개 구간 중 가로변 버스전용차로가 운영되는 3개 구간에서 첨두시간대(07:00~09:00, 17:00~19:00)에만 버스전용차로가 가동되어, 운영 시간대에 외부 교통류로부터 부분적 보호 효과가 발생하면서 변동성이 감소한 운영형태와 일관된다.
이상의 Mann-Whitney U 검정 결과의 강건성을 셀(cell) 간 비독립성을 반영하여 보강 검증하기 위해, 구간(segment) 단위 클러스터 부트스트랩(B = 1,000)과 동일 구간 내 페어 Wilcoxon signed-rank 검정을 병행 수행하였다. 클러스터 부트스트랩 결과, BRT–Non-BRT 운영체계 간 평균 변동계수(CV) 차이는 전체(p = 0.004, 95% CI [0.010, 0.066]), 첨두시(p = 0.002, 95% CI [0.015, 0.071]), 비첨두시(p = 0.004, 95% CI [0.008, 0.064]) 비교에서 모두 95% 신뢰구간이 0을 포함하지 않아 일관된 유의성을 유지하였다. 즉, 운영체계 간 신뢰성 차이는 구간 간 군집 효과를 반영하더라도 동일하게 성립한다. BRT 내부의 첨두-비첨두 차이도 명목 검정과 부트스트랩에서 모두 비유의(p = 0.954; p = 0.884, 95% CI [-0.033, 0.033])로 일관되게 확인되어, BRT 시스템이 시간대 변화에 무관한 구조적 안정성을 가진다는 본 연구의 주장이 비독립성을 반영한 검정 하에서도 동일하게 유지됨이 추가로 확인되었다. 다만, Non-BRT 내 첨두-비첨두 차이는 명목 검정에서는 유의(p < 0.001)하였으나 구간(segment) 단위 클러스터 부트스트랩에서는 비유의(p = 0.458, 95% CI [-0.027, 0.013])로 전환되었으며, 동일 구간(segment) 내 페어 Wilcoxon signed-rank 검정에서도 BRT는 비유의(p = 0.100), Non-BRT는 경계선 수준에서만 유의(p = 0.047)한 것으로 나타났다. 따라서 Non-BRT의 시간대 효과는 평균적 경향 수준에서는 관찰되나 구간(segment) 간 변동에 비해 그 크기가 작아, 명목 검정 결과의 해석 시 보수적 접근이 필요함을 시사한다.
결론 및 향후 연구 방향
본 연구는 도심 교통 혼잡 해소를 위한 대중교통 활성화 정책이 지속되는 가운데, 버스 서비스의 핵심 가치인 통행시간 신뢰성을 정량적으로 평가하고자 부산광역시 내 BRT와 Non-BRT 구간을 대상으로 실제 운행 데이터에 기반한 비교 분석을 수행하였다. 이를 통해 운영체계 간 버스 통행시간의 변동 특성 차이를 실증적으로 규명하고, 향후 대중교통 서비스 신뢰도 제고를 위한 정책적 기초자료를 제공하는 것을 목적으로 하였다.
분석을 위해 2024년 6월 평일 5일간의 버스정보관리시스템(BIMS)과 디지털운행기록계(DTG) 데이터를 융합하여 개별 차량 단위의 구간별 통행시간을 산출하고, 변동계수(CV)를 신뢰성 평가지표로 활용하였다. 분석 결과, BRT 구간의 전체 평균 변동계수(CV)는 0.313으로 Non-BRT(0.276)보다 높게 나타났으나, BRT는 첨두시(0.312)와 비첨두시(0.314) 간 변동계수(CV) 차이가 통계적으로 유의하지 않아(p = 0.954) 시간대와 무관하게 일정한 주행 패턴을 유지하는 구조적 안정성이 확인되었다. 반면, Non-BRT는 첨두시(0.265)와 비첨두시(0.279) 간 평균 변동성에 차이가 관찰되었으나, 구간(segment) 단위 클러스터 효과를 반영한 부트스트랩 검정에서는 통계적 결론의 일관성이 약화되어(p = 0.458) 시간대 민감성은 평균적 경향 수준에서 해석할 필요가 있다.
본 연구의 통행시간 신뢰성 비교 분석 결과, BRT와 Non-BRT 운영체계는 주행시간 변동성의 크기와 패턴에서 뚜렷한 차이를 보였다. 이러한 분석 결과는 단순히 수치적 우열을 넘어, 버스 운영체계의 특성과 향후 정책 방향에 대해 다음과 같은 중요한 시사점을 제공한다.
첫째, 통행시간의 신뢰성을 평가할 때 단순히 변동성 수치만 볼 것이 아니라, 도로의 혼잡도나 환경적 요인을 함께 고려해야 한다. 분석 결과 BRT 구간의 평균 변동계수(0.313)가 Non-BRT(0.276)보다 오히려 높게 나타났으나, 이는 BRT의 통행시간 신뢰성 자체가 낮음을 의미하기보다는 BRT가 설치된 구간의 도로·운영 특성에서 비롯된 결과로 해석된다. Table 2와 Table 3에서 정량적으로 확인한 바와 같이 본 연구의 BRT 4개 구간은 Non-BRT 대비 구간(segment) 당 분석 노선 수가 약 1.69배, 구간(segment) 당 시간당 버스 통행량이 약 1.39배, 정류장당 시간당 승차 수요가 약 2.14배 수준의 부하를 갖는 반면, 신호교차로 수는 오히려 적게 나타난다. 즉 BRT 구간은 더 많은 노선이 더 큰 수요와 함께 더 자주 정차하는 구조이며, 이로 인한 정차·재가속 사이클의 누적과 정차 시간(dwell time) 분산이 BRT 구간의 변동계수를 구조적으로 끌어올리는 핵심 요인으로 해석된다. 결국 BRT의 높은 변동성은 시스템 자체의 문제가 아니라 복잡한 주행 환경과 잦은 정차, 정류장별 수요 집중 등에서 발생하는 구조적 현상이며, 향후 BRT 성과를 평가할 때는 단순한 변동계수 비교를 넘어 도로 환경과 교통·수요 부하를 함께 감안한 새로운 평가 기준이 필요하다.
둘째, BRT 시스템의 가장 큰 가치는 시간대와 상관없이 일정하게 운행된다는 예측 가능성에 있다. 일반 도로인 Non-BRT 구간은 출퇴근 시간과 평시의 변동성 차이가 약하게 나타나며, BRT 구간도 시간대에 따른 차이 없이 일관된 수준을 유지했다. 이는 BRT가 도로가 막히거나 수요가 몰리는 외부 상황 변화에도 영향을 덜 받는다는 것을 증명한다. 정책적으로 볼 때, 이는 이용자에게 언제 이용하더라도 통행 시간을 예측할 수 있게 해준다는 점에서, 단순한 속도 향상보다 더 중요한 대중교통의 경쟁력을 확보했음을 의미한다.
셋째, BRT 시스템을 더 발전시키기 위해서는 전용차로 확보를 넘어 교차로와 정류장 운영을 개선해야 한다. BRT가 전용차로를 통해 도로 혼잡의 영향은 피했지만, 여전히 변동성 수치가 높은 주된 이유는 교차로 신호 대기와 승객 승하차 시간의 차이 때문이다. 이는 단순히 차로만 분리해서는 통행시간 신뢰성 확보에 한계가 있음을 보여준다. 따라서 향후 BRT 정책은 단순한 노선 확장보다는, 버스가 교차로를 빨리 통과할 수 있도록 돕는 우선 신호 시스템 도입이나, 승하차 시간을 줄일 수 있는 정류장 시설 개선 등 운영 단계의 관리에 집중해야 한다.
넷째, Non-BRT 구간의 통행시간 신뢰성 관리는 비첨두 시간대의 운행 관리도 중요하다. 일반 도로 구간은 차가 많이 막히는 시간보다 오히려 비첨두 시간에 변동성이 커지는 평균적 경향을 보였다. 이는 교통량이 적은 시간대에 차량 간 속도 차이가 커지거나, 불법 주정차 등으로 인해 흐름이 불규칙해지기 때문인 것으로 판단된다. 따라서 일반 버스 노선의 신뢰도를 높이기 위해서는 출퇴근 시간의 소통 대책뿐만 아니라, 낮 시간대의 버스전용차로 단속이나 운행 속도 모니터링을 통해 불필요한 속도 편차를 줄이는 노력이 필요하다.
결론적으로, 본 연구 결과는 BRT가 복잡한 도심 교통 환경 속에서도 외부 혼잡과 무관하게 독립적으로 운영되는 시스템임을 확인시켜 주었다. 다만, 복잡한 도로 환경으로 인해 발생하는 변동성을 줄이기 위해 신호 운영 최적화와 같은 기술적 개선이 함께 이루어질 때 더 완벽한 버스 통행시간 신뢰성을 달성할 수 있을 것이다. 본 연구는 실제 운행 자료(i.e., BIMS, DTG)를 기반으로 BRT와 Non-BRT 구간의 주행시간 변동성(CV)을 정량적으로 비교하고, 운영체계 간 통행시간 신뢰성 특성의 차이를 확인했다는 점에서 의의가 있다. 그러나 연구 범위 및 방법론적 측면에서 다음과 같은 한계를 지니며, 이를 보완하기 위한 향후 연구의 수행이 요구된다.
첫째, 통행시간 신뢰성 변동에 영향을 미치는 외생적 그리고 구조적 요인을 통제한 심층적인 인과 분석이 수행되어야 한다. 본 연구의 결과, BRT 구간의 변동계수(CV)가 Non-BRT보다 다소 높게 나타났으나, 이는 BRT 구간이 교차로 수, 노선 밀집도, 승객 수요 등 교통 부하가 큰 간선축에 위치한 구조적 특성에서 기인했을 가능성이 크다. 현재의 단순 비교 분석(T-test 등)만으로는 이러한 외부 환경 변수의 영향을 배제하고 운영체계 자체의 순수한 통행시간 신뢰성 효과를 분리해 내기에는 한계가 있다. 따라서 향후 연구에서는 회귀분석이나 기계학습(Machine Learning) 기반의 영향 요인 분석을 수행하여, 기하구조 및 운영 변수를 통제한 상태에서도 BRT 도입 효과가 유효한지 검증하는 과정이 필수적이다.
둘째, 분석 데이터의 시공간적 범위를 확장하여 연구 결과의 일반화 가능성을 개선해야 한다. 본 연구는 6월 평일 5일간의 자료를 대상으로 하였기에 계절성, 기상 변화, 특수일(명절, 휴가철) 수요가 주행시간 변동성에 미치는 영향을 포괄적으로 반영하지 못하였다. 특히 강우나 적설 등 기상 악화 시 BRT의 정시성 유지 기능이 더욱 부각될 수 있음에도 불구하고, 제한된 기간의 데이터로 인해 이를 검증하지 못하였다. 향후 연구에서는 장기 시계열 데이터를 확보하여 다양한 환경 조건 하에서의 통행시간 신뢰성 패턴을 분석함으로써 통계적 신뢰성을 제고할 필요가 있다.
셋째, 통행시간 신뢰성 지표와 더불어 통행 속도 및 이용자 체감 지표를 결합한 다면적 평가가 필요하다. 본 연구는 변동계수(CV)를 중심으로 통행시간의 신뢰성을 평가하였으나, 실제 이용자가 체감하는 서비스 품질은 통행시간의 신뢰성뿐만 아니라 ‘신속성(평균 통행시간)’이 결합되어 결정된다. 예를 들어, BRT가 Non-BRT보다 변동성이 다소 높더라도 평균 주행 속도가 현저히 빠르다면 이용자의 만족도는 더 높을 수 있다. 따라서 향후 연구에서는 통행시간의 신뢰성과 신속성을 통합적으로 고려한 복합 지표(Composite Index)를 개발하거나, 실제 이용자 만족도 조사와 연계하여 서비스 품질을 종합적으로 진단하는 방향으로 연구를 확장할 필요가 있다.
