Article

Journal of Korean Society of Transportation. 30 June 2021. 264-279
https://doi.org/10.7470/jkst.2021.39.3.264

ABSTRACT


MAIN

  • 서론

  • 선행연구 고찰

  • 수원시 시내버스 노선 효율성 분석 자료

  •   1. 분석개요

  •   2. 분석자료 검토 및 DMU 선정

  •   3. 입력변수 및 출력변수 검토

  • 수원시 시내버스 노선 효율성 분석결과

  •   1. DEA 분석개요

  • 결론 및 향후과제

서론

수원시는 교통이 편리한 도시 중 하나로써 광역교통망으로는 북축에 영동고속도로, 동측에 용인-서울고속도로, 서측에 과천-봉담간고속화도로가 통과하고, 1번 국도(경수대로), 42번 국도(수인로, 중부대로) 등이 수원시 관내를 통과하고 있다. 도시철도가 남북축의 1호선(세류역-성균관대역), 동서축의 수인분당선(오목천역-청명역), 광교지구의 신분당선(광교역, 광교중앙역)이 운영중이나, 운행 범위 측면에서 시내버스가 대중교통체계의 중심적 역할을 하고 있는데, 2017년 기준 수원시 관내 시내버스는 116개 노선, 1,376대가 등록되어 운영 중에 있다.

수원시 시내버스 노선체계의 주요 문제점으로는 수원역을 중심으로 노선 중복도가 높다는 것과 버스업체에서 이용수요를 고려해 노선 굴곡도를 높게 설정하여 운영하고 있다는 것이다. 수원역 일대는 많은 버스 노선이 경유하고, 지하철 ‧ 철도환승이 용이하며, 택시 승차장, 쇼핑센터, 역전 상권 등이 자리 잡고 있어 유동인구가 많고, 교통 혼잡이 심각한 곳이다. 이를 해소하고자 2017년 6월 수원역 환승센터가 개통되었고 수원역 동측에서 운영 중인 버스 노선의 일부가 환승센터 경유로 개편됨에 따라 버스노선체계가 개선되었다. 수원시는 대중교통의 서비스 질 제고를 위하여 비효율적인 노선에 대한 정비와 상대적으로 대중교통이 열악한 소외지역에 대한 서비스 확충이 필요한 상황으로, 현재 운영 중인 관내 시내버스 노선이 효율적으로 운영되고 있는지 분석할 필요가 있다.

이를 위해 본 연구에서는 관내 시내버스 노선의 효율성 분석에 있어 입력변수 및 출력변수를 도출하여 Charnes et al.(1978)Farrell(1957)의 상대적인 효율성 개념을 새로이 해석하고, 다수의 입출력변수간 비율모형(CCR Raito)으로 확장한 비선형계획법인 자료포락분석 중 규모수입불변의 제약을 해소한 Banker et al.(1984)의 BCC 모형을 이용하여 관내 시내버스 노선의 효율성을 분석하고자 한다. 효율성 분석은 버스노선별로 효율성을 분석하여 전략적 관리체계를 구축할 수 있을 것으로 보이며, 노선별 효율성을 제고하고 경쟁력을 강화시킬 수 있는 버스정책의 대안 수립에 도움이 될 것으로 기대된다.

선행연구 고찰

Kerstens(1996)는 1990년도 114개 버스노선 자료를 이용하여 버스운송업체 효율성에 영향을 미치는 요인을 규명하였다. Nolan et al.(2001)은 1989-1993년간 수집된 125개 통합자료를 활용하여 버스운송업체의 효율성을 분석하였다. Oh et al.(2002)은 DEA를 이용하여 서울 시내버스업체들의 효율성을 분석하고, 토빗(Tobit)회귀식을 추정하여 효율성에 영향을 미치는 요인들을 분석하였다. DEA에 사용된 입력변수는 노동(기사 및 행정직원), 차량, 유류, 정비직원이며, 출력변수인 운행거리와 승객수는 도시형버스와 좌석버스로 설정하였다. Kim and Kim(2002)은 서울시 69개 시내버스업체를 대상으로 업체별 효율성 점수를 산출하여 규모의 경제성과 최소효율 규모를 제시하였다. Boame(2004)는 1990-1998년간 도심 대중교통시스템에 대하여 Bootstrap 방식을 적용하여 DEA와 일반적인 DEA와의 기술적 효율성 점수 차이를 분석하였다. Sheth et al.(2007)은 Network DEA를 이용하여 버스노선에 대한 서비스 공급자 측면과 이용자 측면을 동시에 고려하는 효율성을 분석하였다. Han et al.(2009)은 서울시 간선버스 노선의 자료와 자료포락분석(data envelopment analysis, DEA) 모형을 이용하여 각 노선의 효율성을 추정하였다. 효율성 추정 시 각 노선을 하나의 의사결정단위(decision making unit, DMU)로 설정하였으며, 각 DMU는 차량대수, 노선거리, 정류장개수, 배차간격, 운영비를 투입하여 승객수와 수입금을 산출하도록 가정하였다. Oh et al.(2009)은 이용자 입장에서 정시성이 열악한 노선들을 파악하여 노선별 배차간격의 오차율과 운행시간의 오차율을 계산한 후 자료포락분석(data envelopment analysis, DEA)을 이용하여 두 지표를 통합한 노선별 정시성을 분석하였다. Lao and Liu(2009)는 GIS 정보를 이용하여 버스노선에 영향을 미치는 공간적 요소를 제거하여 효율성 점수를 분석하였다. Han(2011)은 자료포락분석(data envelopment analysis, DEA)을 이용하여 준공영제 시행을 전후한 시기별, 권역별, 업체별 인천시내버스 노선체계의 효율성 분석을 수행하고, 준공영제 시행 이후 2010년 시점의 노선 효율성에 영향을 미치는 요인을 분석하였다. Lee and Jeong(2013)은 시내버스 준공영제 제도 아래에서 효율적인 시내버스 노선 운영 개선 방안을 도모하기 위해 버스노선의 유형별 적정 서비스 제공 방법을 제시하였다. 시내버스 노선을 평가하기 위해 수익성(profitability), 잠재성(potentiality), 공공성(publicness)을 분류지표로 활용하였다.

Jeong et al.(2013)은 버스업체에 대한 지방자치단체의 재정지원체계 변화가 버스노선의 효율성에 미치는 영향을 분석하였다. 재정지원체계 분석 결과, 버스요금의 조정으로는 버스노선의 효율성이 크게 개선되지 않은 것으로 나타났는데, 이는 인센티브 재정지원의 경우에도 마찬가지로 개선효과가 없는 것으로 나타났다. Lee and Jung(2018)은 정책노선의 도입 필요성에 따라 정책노선을 수익성이 없는 노선, 타 노선에 비해 부족한 노선, 고령화 인구 분포가 높은 지역을 운행하는 공공성을 갖춘 노선으로 정의하고, 이를 분류하는 정량적 지표를 마련하였다.

Di et al.(2019)은 중국 11개 도시에 대한 초효율 네트워크 데이터 포락 분석(SE-NDEA) 모델을 제시하였다. 대중교통 시스템과 관련된 여러 이해관계들에 대한 외생적인 환경과 통합으로 대중교통 시스템의 성능을 평가하였다. Bowen et al.(2021)은 버스정류장 배치와 노선 배치는 버스서비스의 효율성에 영향을 미칠 수 있다고 보고, 버스 정류장에서 버스 서비스의 잠재적 수요와 공급의 밀도를 비교함으로써 공간 통계 접근법을 제안하였다.

선행연구 고찰결과 자료포락분석 기법을 적용한 연구들이 상당수 존재하고, 연구의 목적에 따라 다양한 입력변수와 출력변수를 적용하고 있다. 최근 중국에서는 대중교통시스템 성능평가를 위해 초효율 네트워크 데이터 포락 분석(SE-NDEA)를 적용한 연구논문도 있다. 국내 선행연구의 경우 대부분 버스업체 운영의 효율성을 중심으로 연구가 이루어졌고, 버스노선을 대상으로 진행된 연구는 많지 않은 것으로 나타났다. 본 연구는 버스노선을 대상으로 버스노선의 효율성을 분석한 연구로 타 연구에서 고려되지 않은 철도역경유 여부, 교통약자시설, 노선의 중복도와 골곡도를 추가로 반영하여 노선의 특성을 반영 할 수 있는 연구를 수행하였다. 선행연구 검토결과는 Table 1과 같다.

Table 1.

Literature review

Authors (year) Analysis
target
Analysis
method
Input variable Output variable
Kim and Kim (2002) Bus
company
DEA Labor, Fuel, Vehicles, Maintenance worker City type bus, Seat type
Oh et al. (2002) Bus
company
DEA Labor, Fuel, Vehicles, Maintenance worker Travel distance, Number of passengers
Oh and Kim (2005) Bus
company
DEA Travel distance, Number of passengers,
Travel distance+number of passengers
Sheth et al. (2007) Bus
routes
Network
DEA
Headway, Operating cost,
Number of intersection, etc
Vehicles-mile, Passengers-mile
Han et al. (2009) Bus
company
DEA Number of buses, Travel distance,
Number of stops, Intervals
Number of passengers, Revenue
Lao and Liu (2009) Bus
routes
DEA Operating time, Number of stops, etc Number of passengers
Han (2011) Bus
routes
DEA Travel distance, Number of operations,
Number of buses, Travel distance per bus,
Extension of route
Number of users, Revenue
Di et al. (2019) Public
transit
systems
SE-NDEA
model
Local authority, Bus operators, Passengers,
Uncontrollable environ-mental factors,
and the externality
Public transit system’s production
efficiency, Service effectiveness,
and operational effectiveness

수원시 시내버스 노선 효율성 분석 자료

1. 분석개요

수원시 시내버스 노선 효율성을 분석하고자 자료포락분석(data envelopment analysis, DEA)을 이용하였으며, 이를 위해 2017년 수원시 관내 시내버스 116개 노선과 관련된 수원시 내부자료, BMS 자료, 노선별 회계자료 등의 관련 자료가 구축 및 검토 ‧ 분석되었다. 본 연구에서 이용하는 투입지향 BCC 모형은 CCR 모형의 규모에 대한 규모수익불변(constant returns to scale, CRS)이라는 가정하에 모형이 도출되기 때문에 규모 효율성(scale efficiency, SE)과 기술적 효율성(technical efficiency, TE)을 구분하지 못한다는 단점이 있다(Park, 2008). 이를 극복하기 위한 모형으로 Banker et al.(1984)은 CCR 모형에서 가정하고 있는 CRS를 완화하여 규모수익가변(variable returns to scale, VRS)이란 가정을 적용하고 볼록성 필요조건을 추가한 모형을 제시하였다. 투입지향 BCC 모형은 주어진 입력변수 수준을 유지하면서 생산되는 출력변수를 극대화하려는 산출극대화 형태의 모형이다(Park, 2008).

2. 분석자료 검토 및 DMU 선정

1) DMU 검토 및 선정

2017년 기준 수원시 시내버스 116개 노선(직행좌석형 20개, 일반좌석형 2개, 일반형 94개 노선)중, 2019년 5월 기준으로 폐선, 운행중단, 타지자체 면허로 이관된 29개 노선은 분석노선에서 제외하여, 최종적으로 87개 노선(직행좌석형 15개, 일반좌석형 2개, 일반형 70개 노선)을 DMU로 선정하였다. 세부내용은 Table 2와 같다.

Table 2.

Review status of Suwon City bus routes

Type Intercity express bus Intracity express bus City bus Total
All Selected All Selected All Selected All Selected
A 0 0 0 0 55 43 55 43
B 0 0 0 0 13 8 13 8
C 8 6 0 0 17 12 25 18
D 5 2 0 0 0 0 5 2
E 0 0 1 1 4 4 5 5
F 1 1 1 1 0 0 2 2
G 6 6 0 0 5 3 11 9
Total 20 15 2 2 94 70 116 87

3. 입력변수 및 출력변수 검토

1) 입력변수 및 출력변수 측정변수

입력변수 및 출력변수의 변수 선정문제는 DEA 결과의 타당성과 정확성을 측정하는 중요한 문제이다. 본 연구에서는 선행연구를 통해 검토한 입력변수 및 출력변수를 바탕으로 수원시 시내버스 노선 운영 등을 고려하여 입력변수 및 출력변수를 선정하였다. 입력변수는 시내버스의 노선운영, 사회경제 지표와 노선의 특성을 반영할 수 있는 중복도와 굴곡도, 철도역 경유 여부 등을 고려하였다. 특히, 고령화 사회로 접어드는 현 시점을 고려하여 고령자의 이동편의를 제고하고자 이들이 주로 이용하는 노인주거복지시설, 노인의료복지시설 등이 버스정류장 반경 300m 이내에 위치하는지를 반영하는 교통약자시설 변수를 입력변수에 포함하였다. 그러나 교통약자들의 이동권을 보장하기 위해 도입된 저상버스는 보급률이 낮아 입력변수의 변수로 반영하지 못하였다. 출력변수는 시내버스 노선의 운행실적을 고려할 수 있는 측정 변수를 선정하였다. 세부내용은 Table 3과 같다.

Table 3.

Measured variables

Type Variables Unit Data source
Inputs Number of vehicles Veh/Route/Year Bus company accounting data
Intervals Minutes Suwon City hall
Bus stop Number of facilities BMS data
Railway/Subway station Number of facilities BMS data
Facilities for elders and people with disabilities Number of facilities Suwon City hall
Redundancy Rate of redundancy Suwon City hall
Curvature Rate of straightness Suwon City hall
Outputs Number of passengers User/Route/Year BMS data
Revenue KRW/Route/Year Bus company accounting data

2) 입력변수 및 출력변수 기술통계량

수원시 시내버스 노선 운영을 살펴보면 첫차는 05-06시에 56.0%가 운행을 개시하는 것으로 나타났고, 막차는 22-23시에 40.5%가 출발하는 것으로 나타났다. 배차간격은 전체 평균 56.3분(직행좌석형 평균 21.3분, 일반좌석형 평균 6.0분, 일반형 평균 65.0분)으로 운영중이며, 특히 일반형의 경우 배차간격이 120분 이상인 노선이 전체의 23.4%를 차지하는 것으로 나타났다. 왕복운행거리는 전체 평균 54.9km(직행좌석형 평균 77.4km, 일반좌석형 평균 61.1km, 일반형 평균 50.7km)로 나타난 한편, 일반형노선의 22.6%가 왕복 90km 이상의 거리를 운행중인 것으로 나타났는데, 이는 수원시와 화성시 지역을 연결하는 장거리 노선운행으로 인한 것으로 추정된다. 중복도는 전체 평균 10.7(직행좌석형 평균 7.7, 일반좌석형 평균 6.1, 일반형 평균 11.3)이며, 굴곡도는 전체 평균 1.6(직행좌석형 평균 1.2, 일반좌석형 평균 1.1, 일반형 평균 1.6)으로 나타났다. 시내버스는 중복도와 굴곡도가 높은 편이었는데 이는 수원시 도로구조의 한계 및 수원역 중심의 노선운영이 주요 원인으로 판단된다. 노선의 중복도는 시내버스 서비스의 질을 저하시키는 것은 아니지만, 노선의 효율성 측면에서는 상대적으로 노선이 필요한 지역에 노선을 공급하지 못하는 비효율을 초래하기도 한다. 그리고 노선의 굴곡도가 높아질수록 버스 이용자의 정류소 접근성을 높이고, 환승을 줄일 수 있는 측면이 있지만, 버스승객의 통행시간 증가, 버스의 노선거리 증가에 따른 정시성 감소 등 비효율적인 문제가 발생하기도 한다. 시내버스 수익성지수(PI)는 전체 평균 0.879(직행좌석형 평균 0.862, 일반좌석형 평균 0.972, 일반형 평균 0.880)로 나타났다. 수익성지수(PI)를 이용해 노선 효율성을 평가할 경우 청소년요금할인 및 환승 손실보전 적자노선 등에 대한 손실지원금이 반영됨으로써 실질적인 노선운영에 대한 효율성을 반영하기에는 한계가 있으므로 본 연구에서 제안하는 DEA 분석을 통해 효율성을 평가하는 것이 분석의 객관성을 높일수 있을 것으로 판단된다. 시내버스 노선 효율성 분석을 위해 선정된 DMU의 입력변수 및 출력변수 변수의 기술통계량은 Table 4와 같다.

Table 4.

Input and output technical statistics

Division Measured variable No. of
samples
Minimum
value
Maximum
value
Average Standard
deviation
Intercity
express
&
Intracity
express
bus
Number of vehicles
(units/route/year)
17 1,360.0 11,943.0 5,780.6 2,831.6
Intervals (minutes) 17 2.0 35.0 10.6 9.2
Bus stop (location) 17 55.0 147.0 78.6 21.1
Railway/Subway station (location) 17 1.0 8.0 4.2 2.1
Facilities for elders and people
with disabilities (location)
17 0.0 51.0 26.6 19.6
Redundancy 17 3.9 15.9 7.5 3.1
Curvature 17 1.0 1.9 1.3 0.2
Number of passengers
(person/routes/year)
17 24,267.0 518,742.0 208,021.6 129,747.0
Revenue (KRW/route/year) 17 346,920,976 6,887,928,014 2,909,201,676 1,669,251,201
City bus Number of vehicles
(units/route/year)
70 92.0 11,945.0 3,514.7 2,825.2
Intervals (minutes) 70 5.0 350.0 55.1 94.5
Bus stop (location) 70 33.0 199.0 113.0 34.1
Railway/Subway station (location) 70 1.0 8.0 2.9 1.8
Facilities for elders and people
with disabilities (location)
70 5.0 80.0 40.2 18.3
Redundancy 70 1.1 22.8 11.1 7.3
Curvature 70 1.0 4.7 1.6 0.6
Number of passengers
(person/route/year)
70 1,896.0 994,405.0 249,759.4 220,134.0
Revenue (KRW/route/year) 70 13,171,234 7,386,318,860 1,735,836,793 1,607,805,642

3) 입력변수 및 출력변수 상관관계

직행좌석형 및 일반좌석형 출력변수의 변수인 이용객수와 입력변수의 변수 간의 상관관계 분석결과 운행대수(0.976**)와 아주 높은 양(+)의 상관관계, 배차간격(-0.688**)과 굴곡도(-0.528*)와는 다소 높은 음(-)의 상관관계를 가지는 것으로 나타났다. 이를 통해 운행차량을 다수 배차하여 배차간격을 줄이고 기점과 종점을 최단거리로 운행할수록 직행좌석형 및 일반좌석형의 이용객수가 증가하는 것을 알 수 있다.

출력변수의 변수인 운송수입과 입력변수의 변수 간의 상관관계 분석결과 운행대수(0.986**)와 아주 높은 양(+)의 상관관계, 배차간격(-0.726**)은 높은 음(-)의 상관관계를 가지는 것으로 나타났다. 이를 통해 운행차량을 많이 투입하여 배차간격을 줄일수록 직행좌석형 및 일반좌석형의 운송수입이 증가하는 것을 알 수 있다. 그러나 굴곡도를 줄여 직행좌석형 및 일반좌석형 버스를 최단거리로 운영할 경우 이용객수는 증가하지만 운송수입은 상관관계가 없는 것으로 나타났다. 이를 통해 노선길이가 길어질수록 환승횟수가 증가하여 운송수입의 증가와는 영향이 없는 것을 확인할 수 있다. 직행좌석형 및 일반좌석형 입력변수들의 변수 간에는 운행대수와 배차간격이 r=-0.716**이 가장 높은 상관관계를 보였고, 정류장과 중복도가 r=-0.616**, 교통약자시설과 중복도가 r=-0.501*의 상관관계를 가지는 것으로 나타났다.

직행좌석형 및 일반좌석형 출력변수의 변수인 이용객수와 운송수입은 r=0.976**으로 아주 높은 양(+)의 상관관계를 가지는 것으로 나타나 이용객수 증가가 운송수입의 증가로 이어지는 것을 알 수 있다. 직행좌석형 및 일반좌석형 상관관계 분석 결과는 Table 5와 같다.

Table 5.

Results of correlation analysis between intercity express bus type and intracity express bus type

Division Number
of
vehicles
Intervals Bus stop Railway/
Subway
station
Facilities for
elders and
people with
disabilities
Redun-
dancy
Curva-
ture
Number
of
passengers
Revenue
Number of vehicles 1
Intervals -.716** 1
Bus stop .281 .106 1
Railway/Subway station .025 .229 .355 1
Facilities for elders and
people with disabilities
.173 .133 .407 .280 1
Redundancy .245 -.384 -.616** -.099 -.501* 1
Curvature -.441 .384 -.248 -.063 .113 .019 1
Number of passengers .976** -.688** .273 -.070 .207 .209 -.528* 1
Revenue .986** -.726** .200 -.012 .165 .304 -.436 .976** 1

note: **<0.01, *<0.05.

일반형 출력변수의 변수인 이용객수와 입력변수의 변수 간의 상관관계 분석결과 운행대수(0.912**)와 아주 높은 양(+)의 상관관계를, 철도역(0.438**), 정류장(0.311*), 교통약자시설(0.311**)과는 양(+)의 상관관계가 있는 것으로 나타났다. 그러나 배차간격(-0.519**)과는 다소 음(-)의 상관관계를 가지는 것으로 나타났고, 중복도(-0.321**)와는 음(-)의 상관관계를 가지는 것으로 나타났다. 이를 통해 운행대수를 많이 투입하여 배차간격을 줄이고, 정류장 및 철도역, 교통약자시설을 운행노선에 연계할수록, 운행구간이 중복되는 타 노선이 적을수록 일반형의 이용객수가 증가하는 것을 알 수 있다.

출력변수의 변수인 운송수입과 입력변수의 변수 간의 상관관계 분석결과 운행대수(0.990**)와 이용객수(0.939**)는 아주 높은 양(+)의 상관관계, 철도역(0.451**), 정류장(0.364**), 교통약자시설(0.304*)과는 양(+)의 상관관계를 가지는 것으로 나타났다. 그러나 배차간격(-0.488**)과 중복도(-0.317**)와는 음(-)의 상관관계를 가진다. 이를 통해 일반형의 이용객수와 마찬가지로 운행차량을 다수 배차하여 배차간격을 줄이고, 정류장 및 철도역, 교통약자시설을 운행노선에 연계할수록, 운행구간이 중복되는 타 노선이 적을수록 일반형의 이용객수가 증가하는 것을 알 수 있다. 일반형 출력변수의 변수인 이용객수와 운송수입은 r=0.939**로 아주 높은 양(+)의 상관관계를 가지는 것으로 나타났다. 일반형도 직행좌석형 및 일반좌석형과 마찬가지로 이용객수 증가가 운송수입 증가로 이어지는 것을 알 수 있다. 일반형의 상관관계 분석결과는 Table 6과 같다.

Table 6.

Correlation analysis results of city bus type

Division Number
of
vehicles
Intervals Bus stop Railway/
Subway
station
Facilities for
elders and
people with
disabilities
Redun-
dancy
Curva-
ture
Number
of
passengers
Revenue
Number of vehicles 1
Intervals -.531** 1
Bus stop .411** -.331** 1
Railway/Subway station .501** -.416** .418** 1
Facilities for elders and
people with disabilities
.293* -.293* .174 -.039 1
Redundancy -.338** .571** .012 -.284* -.135 1
Curvature .162 -.311** .141 .263* .125 -.286* 1
Number of passengers .912** -.519** .311* .438** .311** -.321** .192 1
Revenue .990** -.488** .364** .451** .304* -.317** .127 .939** 1

note: **<0.01, *<0.05.

DEA에서는 변수의 수를 적절하게 선택하는 것이 중요하며, 상관관계가 높은 변수들을 분석에 사용할 경우 효율성 분석결과에 영향을 미친다. 일반적으로 DEA는 입력변수와 출력변수가 많으면 정밀하게 분석하는 것처럼 보이지만 실제로는 눈에 보이지 않는 중복을 만들어 분석의 의미를 희석시킬 우려가 있으며, 입력변수 또는 출력변수의 변수 간 상관관계 분석을 통해 상관계수가 높은 변수 중 일부를 제거하여 다중공선성 문제를 해결할 필요가 있다(Ko, 2017). 직행좌석형 및 일반좌석형과 일반형의 입력변수의 변수 간 상관이 있는 변수들이 존재하나, 상관관계가 높은 수준이 아니므로 다중공선성 문제에는 영향이 없을 것으로 판단하였다. 그리고 입력변수의 변수를 제거할 경우 정보의 손실이 발생할 수 있다고 판단하여 DEA 분석 시 입력변수의 7개 변수(운행대수, 배차간격, 정류장, 철도역, 교통약자시설, 중복도, 굴곡도)를 사용하는 것은 적절하다고 판단되어 입력변수의 변수로 적용하였다. 직행좌석형 및 일반좌석형, 일반형 모두 출력변수의 변수인 이용객수와 운송수입이 아주 높은 양(+)의 상관관계를 가지는 것으로 나타났기 때문에 DEA 분석 시 다중공선성 문제가 발생할 수 있다. 이에 본 연구에서는 다중공선성 문제를 해결하기 위해 입력변수를 이용객수와 운송수입의 2개로 구분하여 DEA를 분석하는 것이 바람직하다고 판단된다.

4) 입력변수 및 출력변수 최종 선정

직행좌석형 및 일반좌석형은 17개 DMU, 일반형은 70개의 DMU를 대상으로 하여 입력변수(운행대수, 철도역, 교통약자시설, 굴곡도 등)와 2개의 출력변수를 각각 이용객수와 운송수입으로 구분하였다.

일반적으로 DEA 모형의 판별력과 관련된 선행연구에서는 평가대상인 DMU의 수가 입력변수와 출력변수의 수의 합보다 2배 이상 커야 변별력이 있다는 기준을 사용하고 있으며, 본 연구에서 선정한 입력변수 및 출력변수의 수는 DEA 모형의 변별력에는 큰 이상이 없을 것으로 보인다. 입력변수 및 출력변수 상세현황은 Table 7과 같다.

Table 7.

Selection of inputs and outputs

Type Inputs Outputs
Intercity express &
Intracity express bus
Number of vehicles Intervals Number of passengers
Bus stop Railway station
City bus Facilities for elders and people with disabilities Redundancy Revenue
Curvature

수원시 시내버스 노선 효율성 분석결과

1. DEA 분석개요

DEA 분석대상으로 직행좌석형(15개 노선) 및 일반좌석형(2개노선)은 같은 그룹으로 총 17개 노선을 DMU로 선정하여 7개의 입력변수(운행대수, 배차간격, 정류장, 철도역, 교통약자시설, 중복도, 굴곡도)와 출력변수를 각각 이용객수와 운송수입으로 구분하여 분석하였다. 일반형은 총 70개 노선을 DMU로 선정하여 입력변수와 출력변수는 직행좌석형 및 일반좌석형과 동일한 방법으로 분석하였다.

1) 직행좌석형 및 일반좌석형 DEA 분석결과

출력변수가 이용객수일 경우 DMU들이 규모수익불변(CRS)이라는 가정하에서 효율성을 측정하는 기술적 효율성(TE)은 17개 노선 중 6개가 효율적인 노선으로, 나머지 11개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 기술적 효율성 평균은 0.8394로 CRS 가정하에서 평균적으로 0.1606(16.1%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 6개 노선으로 나타났다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.4108로 나타나 0.5892(58.9%)의 비효율성이 나타난다.

DMU들이 규모수익가변(VRS)이라는 가정하에서 효율성을 측정하는 순수 기술적 효율성(PTE)은 17개 노선 중 15개가 효율적인 노선이며, 나머지 2개 노선이 비효율적인 DMU로 나타났다. 순수 기술적 효율성 평균은 0.9965로 VRS 가정하에서 평균적으로 0.0035(0.4%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 2개 노선이다. 기술적 효율성(TE)은 순수 기술적 효율성(PTE)에 비해 효율성이 평균적으로 15.7% 정도 향상되었고, 노선간 효율성의 평균적인 격차는 상당부분 축소되었다. 규모 효율성은 17개 노선 중 6개 노선이 효율적인 노선이며, 나머지 11개 노선은 1보다 작은 것으로 분석되어 상대적으로 비효율적인 DMU로 분석되었다. 규모 효율성 평균은 0.8417로 평균적으로 0.1583(15.8%) 정도의 비효율성이 존재하는 것으로 분석되었고, 평균 이하인 DMU는 6개 노선으로 분석되었다. BCC 모형이 전제하고 있는 규모수익가변에 대한 분석을 보면 모든 생산요소를 동시에 증가시킬 때 산출량이 이에 비례하여 동일하게 증가하는 규모에 대한 수익불변(CRS)은 6개 노선이며, 모든 생산요소를 동시에 증가시킬 때 산출량이 더 증가하는 규모에 대한 수익체증(IRS)은 11개 노선이다. IRS는 규모의 경제(economics of scale)가 존재한다고 하고 생산규모를 증가시킴에 따라 노선의 효율성이 확대되어 생산이 비약적으로 증가할 수도 있다. IRS에 해당하는 직행좌석형 및 일반좌석형의 노선은 적정규모 유지를 통한 효율성 제고 방안을 수립할 필요가 있다.

BCC 모형하의 순수 기술적 효율성(PTE)이 1로 나타난 15개 노선 중 규모 효율성(SE)이 비효율적으로 나타난 9개 노선의 DMU는 규모수익을 고려할 때는 효율적으로 운영되고 있지만, CCR 모형하의 기술적 효율성(TE)을 고려했을 시에는 규모로 인한 비효율성이 나타나는 것으로 분석되었다. BCC 모형에서 효율적인 DMU로 추가된 노선은 순수 기술적 효율성에는 문제가 없는 노선으로 효율성을 개선하기 위해 규모의 효율성을 개선할 필요가 있는 노선들이다. 규모를 고려하는 BCC 모형에서는 CCR 모형보다 전체적으로 모든 DMU의 효율성이 높아지는 것을 알 수 있었다. 모든 비효율적인 DMU에서 BCC 모형의 효율성이 CCR 모형의 효율성보다 높다는 것은 입력변수와 출력변수의 조합을 변경하여 기술적 효율성을 제고해야 할 뿐만 아니라 최적의 규모를 지향하는 규모의 효율성을 제고할 필요가 있다는 것을 의미한다. 세부내용은 Table 8과 같다.

Table 8.

Results of DEA analysis of intercity express type and intracity express type which output is number of passengers

DMU Efficiency analysis result Reference
TE PTE SE Return to scale
Intercity express 1 0.8927 1 0.8927 IRS 0
Intercity express 2 0.6766 0.9714 0.6965 IRS 0
Intercity express 3 0.7463 1 0.7463 IRS 1
Intercity express 4 0.5688 0.9696 0.5866 IRS 1
Intercity express 5 0.9227 1 0.9227 IRS 0
Intercity express 6 1 1 1 CRS 0
Intercity express 7 0.8099 1 0.8099 IRS 0
Intercity express 8 1 1 1 CRS 0
Intercity express 9 0.4108 1 0.4108 IRS 0
Intercity express 10 1 1 1 CRS 1
Intercity express 11 0.9296 1 0.9296 IRS 1
Intercity express 12 0.8710 1 0.8710 IRS 1
Intercity express 13 0.9762 1 0.9762 IRS 0
Intercity express 14 0.4658 1 0.4658 IRS 1
Intercity express 15 1 1 1 CRS 0
Intracity express 1 1 1 1 CRS 0
Intracity express 2 1 1 1 CRS 0
Minimum value 0.4108 0.9696 0.4108 - -
Maximum value 1 1 1 - -
Average 0.8394 0.9965 0.8417 - -
Standard deviation 0.1917 0.0095 0.1893 - -

출력변수가 운송수입일 경우 DMU들이 규모수익불변(CRS)이라는 가정하에서 효율성을 측정하는 기술적 효율성(TE)은 17개 노선 중 8개가 효율적인 노선이며, 나머지 9개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 기술적 효율성 평균은 0.8707로 CRS 가정하에서 평균적으로 0.1293(12.9%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 4개 노선이다. DMU들이 규모수익가변(VRS)이라는 가정하에서 효율성을 측정하는 순수 기술적 효율성(PRE)은 17개 노선 중 15개가 효율적인 노선이며, 나머지 2개 노선이 비효율적인 DMU로 분석되었다. 순수 기술적 효율성 평균은 0.9965로 VRS 가정하에서 평균적으로 0.0035(0.4%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 2개 노선이다. 분석대상 DMU 중 효율성 점수가 가장 높게 산정된 노선은 효율성이 0.9696으로 나타나 0.0304(3.0%)의 비효율성이 나타났다. 기술적 효율성(TE)은 순수 기술적 효율성(PTE)에 비해 평균적으로 9.9% 정도 향상되었고, 노선간의 효율성의 평균적인 격차는 상당부분 축소되었다. 규모 효율성(SE)은 17개 노선 중 8개가 효율적인 노선이며, 나머지 9개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 규모 효율성 평균은 0.8736으로 평균적으로 0.1264(12.6%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 7개 노선으로 분석되었다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.4269로, 0.5731(57.3%)의 비효율성이 나타났다. BCC 모형이 전제하고 있는 규모수익가변에 대한 분석을 보면 모든 생산요소를 동시에 증가시킬 때 산출량이 이에 비례하여 동일하게 증가하는 규모에 대한 수익불변(CRS)은 8개 노선으로 나타났고, 모든 생산요소를 동시에 증가시킬 때 산출량이 더 증가하는 규모에 대한 수익체증(IRS)은 9개 노선으로 분석되었다. IRS에 해당하는 노선은 생산규모를 증가시킴에 따라 노선의 효율성이 확대되어 생산이 비약적으로 증가할 수도 있다. IRS에 해당하는 직행좌석형 및 좌석형의 노선은 적정규모 유지를 통한 효율성 제고 방안을 수립할 필요가 있다.

앞에서 언급한 직행좌석형 및 일반좌석형의 출력변수가 이용객수일 경우와 마찬가지로 출력변수가 운송수입일 경우도 BCC 모형에서 효율적인 DMU로 추가된 노선은 순수 기술적 효율성에는 문제가 없는 노선으로 효율성을 개선하기 위해 규모의 효율성을 개선할 필요가 있는 노선들이다. 규모를 고려하는 BCC 모형에서는 CCR 모형보다 전체적으로 모든 DMU의 효율성이 높아지는 것을 알 수 있었다. 세부내용은 Table 9와 같다.

Table 9.

Results of DEA analysis of intercity express type and intracity express type which output is revenue

DMU Efficiency analysis result Reference
TE PTE SE Return to scale
Intercity express 1 0.7548 1 0.7548 IRS 0
Intercity express 2 0.8333 0.9714 0.8578 IRS 0
Intercity express 3 0.7786 1 0.7786 IRS 1
Intercity express 4 0.8079 0.9696 0.8332 IRS 0
Intercity express 5 1 1 1 CRS 0
Intercity express 6 1 1 1 CRS 0
Intercity express 7 0.8186 1 0.8186 IRS 0
Intercity express 8 1 1 1 CRS 1
Intercity express 9 0.4269 1 0.4269 IRS 0
Intercity express 10 1 1 1 CRS 0
Intercity express 11 0.9606 1 0.9606 IRS 1
Intercity express 12 0.8828 1 0.8828 IRS 0
Intercity express 13 1 1 1 CRS 1
Intercity express 14 0.5384 1 0.5384 IRS 0
Intercity express 15 1 1 1 CRS 1
Intracity express 1 1 1 1 CRS 1
Intracity express 2 1 1 1 CRS 0
Minimum value 0.4269 0.9696 0.4269 - -
Maximum value 1 1 1 - -
Average 0.8707 0.9965 0.8736 - -
Standard deviation 0.1679 0.0095 0.1672 - -

2) 일반형 DEA 분석결과

출력변수가 이용객수일 경우 DMU들이 규모수익불변(CRS)이라는 가정하에서 효율성을 측정하는 기술적 효율성(TE)은 70개 노선 중 13개가 효율적인 노선이며, 나머지 57개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 기술적 효율성 평균은 0.5625로 CRS 가정하에서 평균적으로 0.4375(43.8%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 41개 노선으로 나타났다. 분석대상 DMU중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.0641로, 0.9359(93.6%)의 비효율성이 나타나는 것으로 분석되었다.

DMU들이 규모수익가변(VRS)이라는 가정하에서 효율성을 측정하는 순수 기술적 효율성(PTE)은 70개 노선 중 43개가 효율적인 노선이며, 나머지 27개 노선이 비효율적인 DMU로 분석되었다. 순수 기술적 효율성 평균은 0.9446로 VRS 가정하에서 평균적으로 0.0554(5.5%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 20개 노선으로 분석되었다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.6393으로, 0.3607(36.1%)의 비효율성이 나타났다. 기술적 효율성(TE)은 순수 기술적 효율성(PTE)에 비해 효율성이 평균적으로 38.3% 정도 향상되었고, 노선간 효율성의 평균적인 격차는 상당부분 축소되었다. 규모 효율성(SE)은 70개 노선 중 13개가 효율적인 노선이며, 나머지 57개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 규모 효율성 평균은 0.5925로, 평균적으로 0.4075(40.8%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 37개 노선으로 분석되었다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.0641로, 0.9359(93.6%)의 비효율성이 나타났다. BCC 모형이 전제하고 있는 규모수익가변에 대한 분석을 보면 모든 생산요소를 동시에 증가시킬 때 산출량이 이에 비례하여 동일하게 증가하는 규모에 대한 수익불변(CRS)은 13개 노선으로 나타났고, 모든 생산요소를 동시에 증가시킬 때 산출량이 더 증가하는 규모에 대한 수익체증(IRS)은 57개 노선으로 분석되었다. IRS에 해당하는 노선은 생산규모를 증가시킴에 따라 노선의 효율성이 확대되어 생산이 비약적으로 증가할 수도 있다. IRS에 해당하는 일반형의 노선은 적정규모 유지를 통한 효율성 제고 방안을 수립할 필요가 있다. BCC 모형하의 순수 기술적 효율성(PTE)이 1로 나타난 43개 노선 중 규모 효율성(SE)이 비효율적으로 나타난 30개 노선의 DMU는 규모수익을 고려할 때는 효율적으로 운영되고 있지만, CCR 모형하의 기술적 효율성(TE)을 고려했을 시에는 규모로 인한 비효율성이 나타나는 것으로 분석되었다. BCC 모형에서 효율적인 DMU로 추가된 노선은 순수 기술적 효율성에는 문제가 없는 노선으로 효율성을 개선하기 위해 규모의 효율성을 개선할 필요가 있는 노선들이다. 규모를 고려하는 BCC 모형에서는 CCR 모형보다 전체적으로 모든 DMU의 효율성이 높아지는 것을 알 수 있었다. 모든 비효율적인 DMU에서 BCC 모형의 효율성이 CCR 모형의 효율성보다 높다는 것은 입력변수와 출력변수의 조합을 변경하여 기술적 효율성을 제고해야 할 뿐만 아니라 최적의 규모를 지향하는 규모의 효율성을 제고할 필요가 있다는 것을 의미한다. 세부내용은 Table 10과 같다.

Table 10.

Results of DEA analysis of city bus type which output is number of passengers

DMU Efficiency analysis result Reference
TE PTE SE Return to scale
City bus 1 1 1 1 CRS 6
City bus 2 0.3551 0.6974 0.5092 IRS 0
City bus 3 0.9779 0.9832 0.9946 IRS 0
City bus 4 0.4782 0.9271 0.5158 IRS 0
City bus 5 0.5991 0.8821 0.6792 IRS 0
City bus 6 0.2750 0.8163 0.3369 IRS 0
City bus 7 0.1974 0.8586 0.2299 IRS 0
City bus 8 0.1774 1 0.1774 IRS 1
City bus 9 0.8802 1 0.8802 IRS 2
City bus 10 0.3788 0.6393 0.5925 IRS 0
City bus 11 0.7775 1 0.7775 IRS 2
City bus 12 0.47 0.8994 0.5226 IRS 0
City bus 13 1 1 1 CRS 1
City bus 14 0.3776 1 0.3776 IRS 0
City bus 15 1 1 1 CRS 1
City bus 16 1 1 1 CRS 0
City bus 17 0.5448 0.8572 0.6356 IRS 0
City bus 18 1 1 1 CRS 9
City bus 19 0.3649 0.6838 0.5336 IRS 0
City bus 20 0.2277 1 0.2277 IRS 0
City bus 21 0.1419 1 0.1419 IRS 0
City bus 22 0.5139 1 0.5139 IRS 2
City bus 23 0.7103 0.8525 0.8332 IRS 0
City bus 24 0.3540 0.9796 0.3614 IRS 0
City bus 25 0.1985 1 0.1985 IRS 0
City bus 26 0.5154 1 0.5154 IRS 9
City bus 27 0.3811 1 0.3811 IRS 1
City bus 28 0.4276 0.9333 0.4582 IRS 0
City bus 29 0.6398 0.9954 0.6428 IRS 0
City bus 30 0.6607 1 0.6607 IRS 13
City bus 31 0.2097 1 0.2097 IRS 0
City bus 32 0.1915 1 0.1915 IRS 0
City bus 33 0.1664 1 0.1664 IRS 0
City bus 34 0.2206 0.9234 0.2389 IRS 0
City bus 35 0.1698 1 0.1698 IRS 0
City bus 36 0.3831 0.7462 0.5134 IRS 0
City bus 37 1 1 1 CRS 0
City bus 38 0.7197 1 0.7197 IRS 0
City bus 39 0.9257 0.9656 0.9587 IRS 0
City bus 40 0.5459 1 0.5459 IRS 3
City bus 41 0.4331 0.8878 0.4878 IRS 0
City bus 42 0.1304 1 0.1304 IRS 7
City bus 43 0.1032 1 0.1032 IRS 0
City bus 44 0.0641 1 0.0641 IRS 0
City bus 45 0.1472 1 0.1472 IRS 1
City bus 46 0.4257 0.7466 0.5702 IRS 0
City bus 47 1 1 1 CRS 0
City bus 48 0.3013 0.7846 0.3840 IRS 0
City bus 49 0.4273 0.9504 0.4496 IRS 0
City bus 50 0.4654 0.9540 0.4878 IRS 0
City bus 51 0.4726 0.9623 0.4911 IRS 0
City bus 52 0.7704 0.8842 0.8713 IRS 0
City bus 53 0.2841 0.7929 0.3583 IRS 0
City bus 54 0.9884 1 0.9884 IRS 16
City bus 55 0.2527 1 0.2527 IRS 1
City bus 56 0.7692 1 0.7692 IRS 0
City bus 57 0.9153 1 0.9153 IRS 1
City bus 58 1 1 1 CRS 2
City bus 59 1 1 1 CRS 14
City bus 60 0.4847 0.7014 0.6910 IRS 0
City bus 61 0.5509 0.8164 0.6748 IRS 0
City bus 62 0.7963 1 0.7963 IRS 1
City bus 63 0.3153 1 0.3153 IRS 11
City bus 64 1 1 1 CRS 1
City bus 65 0.9727 1 0.9727 IRS 5
City bus 66 1 1 1 CRS 1
City bus 67 0.6315 1 0.6315 IRS 2
City bus 68 1 1 1 CRS 5
City bus 69 1 1 1 CRS 0
City bus 70 0.5134 1 0.5134 IRS 22
Minimum value 0.0641 0.6393 0.0641 - -
Maximum value 1 1 1 - -
Average 0.5625 0.9446 0.5925 - -
Standard deviation 0.3070 0.0939 0.3018 - -

출력변수가 운송수입일 경우 DMU들이 규모수익불변(CRS)이라는 가정하에서 효율성을 측정하는 기술적 효율성(TE)은 70개 노선 중 14개가 효율적인 노선이며, 나머지 56개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 기술적 효율성 평균은 0.7220으로 CRS 가정하에서 평균적으로 0.2780(27.8%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 31개 노선으로 분석되었다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.1925로 나타나 0.8075(80.8%)의 비효율성이 나타났다. DMU들이 규모수익가변(VRS)이라는 가정하에서 효율성을 측정하는 순수 기술적 효율성(PRE)은 70개 노선 중 44개가 효율적인 노선이며, 나머지 26개 노선이 비효율적인 DMU로 분석되었다. 순수 기술적 효율성 평균은 0.9557로 VRS 가정하에서 평균적으로 0.0443(4.4%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 22개 노선으로 분석되었다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.6692으로 나타나 0.3308(33.1%)의 비효율성이 나타났다. 기술적 효율성(TE)은 순수 기술적 효율성(PTE)에 비해 평균적으로 23.4% 정도 향상되었고, 노선간 효율성의 평균적인 격차는 상당부분 축소되었다. 규모 효율성(SE)은 70개 노선 중 14개가 효율적인 노선이며, 나머지 56개 노선은 1보다 작은 것으로 나타나 상대적으로 비효율적인 DMU로 분석되었다. 규모 효율성 평균은 0.7580으로 SE 가정하에서 평균적으로 0.2420(24.2%) 정도의 비효율성이 존재하며, 평균 이하인 DMU는 27개 노선으로 분석되었다. 분석대상 DMU 중 효율성 점수가 가장 낮게 산정된 노선은 효율성이 0.1925로, 0.8075(80.8%)의 비효율성이 나타났다.

BCC 모형이 전제하고 있는 규모수익가변에 대한 분석을 보면 모든 생산요소를 동시에 증가시킬 때 산출량이 이에 비례하여 동일하게 증가하는 규모에 대한 수익불변(CRS)은 14개 노선으로 나타났고, 모든 생산요소를 동시에 증가시킬 때 산출량이 더 증가하는 규모에 대한 수익체증(IRS)은 56개 노선으로 분석되었다. IRS에 해당하는 노선은 생산규모를 증가시킴에 따라 노선의 효율성이 확대되어 생산이 비약적으로 증가할 수도 있다. IRS에 해당하는 직행좌석형 및 좌석형의 노선은 적정규모 유지를 통한 효율성 제고 방안을 수립할 필요가 있다. 앞에서 언급한 직행좌석형 및 일반좌석형의 출력변수가 이용객수일 경우와 마찬가지로 BCC 모형하의 순수 기술적 효율성(TPE)이 1로 나타난 44개 노선 중 규모 효율성(SE)이 비효율적으로 나타난 30개의 DMU는 규모수익을 고려할 때는 효율적으로 운영되고 있지만 CCR 모형하의 기술적 효율성(TE)을 고려했을 시에는 규모로 인한 비효율성이 나타나는 것으로 분석되었다. 순수 기술적 효율성에는 문제가 없는 노선을 효율성을 개선하기 위해 규모의 효율성을 개선할 필요가 있는 노선들이다. 규모를 고려하는 BCC 모형에서는 CCR 모형보다 전체적으로 모든 DMU의 효율성이 높아지는 것을 알 수 있었다. 세부내용은 Table 11과 같다.

Table 11.

Results of DEA analysis of city bus type which output is revenue

DMU Efficiency analysis result Reference
TE PTE SE Return to scale
City bus 1 0.8792 1 0.8792 IRS 4
City bus 2 0.5834 0.7639 0.7637 IRS 0
City bus 3 0.8771 0.9761 0.8986 IRS 0
City bus 4 0.7219 0.9272 0.7786 IRS 0
City bus 5 0.7853 0.8856 0.8867 IRS 0
City bus 6 0.5212 0.8163 0.6385 IRS 0
City bus 7 0.5387 0.8586 0.6274 IRS 0
City bus 8 0.3011 1 0.3011 IRS 1
City bus 9 1 1 1 CRS 2
City bus 10 0.5816 0.6692 0.8691 IRS 0
City bus 11 0.991 1 0.991 IRS 4
City bus 12 0.855 0.9349 0.9145 IRS 0
City bus 13 1 1 1 CRS 0
City bus 14 0.6601 1 0.6601 IRS 0
City bus 15 1 1 1 CRS 5
City bus 16 1 1 1 CRS 2
City bus 17 0.8278 0.8941 0.9258 IRS 0
City bus 18 0.9042 1 0.9042 IRS 6
City bus 19 0.6574 0.7348 0.8947 IRS 0
City bus 20 0.4349 1 0.4349 IRS 0
City bus 21 0.2667 1 0.2667 IRS 0
City bus 22 0.4094 1 0.4094 IRS 0
City bus 23 0.8418 0.9035 0.9317 IRS 0
City bus 24 0.6531 0.9776 0.6681 IRS 0
City bus 25 0.5075 1 0.5075 IRS 0
City bus 26 0.7752 1 0.7752 IRS 7
City bus 27 0.6882 1 0.6882 IRS 1
City bus 28 0.6307 0.9333 0.6758 IRS 0
City bus 29 0.9622 1 0.9622 IRS 6
City bus 30 0.8301 1 0.8301 IRS 8
City bus 31 0.4091 1 0.4091 IRS 0
City bus 32 0.4364 1 0.4364 IRS 0
City bus 33 0.3906 1 0.3906 IRS 0
City bus 34 0.5311 0.9234 0.5752 IRS 0
City bus 35 0.3305 1 0.3305 IRS 0
City bus 36 0.7603 0.8194 0.9279 IRS 0
City bus 37 1 1 1 CRS 2
City bus 38 0.9574 1 0.9574 IRS 3
City bus 39 0.7790 0.9319 0.8359 IRS 0
City bus 40 0.6935 1 0.6935 IRS 2
City bus 41 0.7359 0.9023 0.8156 IRS 0
City bus 42 0.2309 1 0.2309 IRS 7
City bus 43 0.1925 1 0.1925 IRS 0
City bus 44 0.3290 1 0.3290 IRS 0
City bus 45 0.2202 1 0.2202 IRS 1
City bus 46 0.7369 0.8066 0.9136 IRS 0
City bus 47 1 1 1 CRS 5
City bus 48 0.5595 0.7846 0.7131 IRS 0
City bus 49 0.7760 0.9486 0.8180 IRS 0
City bus 50 0.7886 0.9540 0.8266 IRS 0
City bus 51 0.7965 0.9631 0.8270 IRS 0
City bus 52 0.8480 0.9336 0.9083 IRS 0
City bus 53 0.5170 0.7929 0.6520 IRS 0
City bus 54 1 1 1 CRS 5
City bus 55 0.4608 1 0.4608 IRS 1
City bus 56 1 1 1 CRS 0
City bus 57 0.8439 1 0.8439 IRS 0
City bus 58 1 1 1 CRS 6
City bus 59 0.9688 1 0.9688 IRS 5
City bus 60 0.8533 0.8666 0.9847 IRS 0
City bus 61 1 1 1 CRS 2
City bus 62 0.8414 0.9989 0.8423 IRS 0
City bus 63 0.6362 1 0.6362 IRS 13
City bus 64 1 1 1 CRS 1
City bus 65 0.8298 1 0.8298 IRS 4
City bus 66 1 1 1 CRS 0
City bus 67 0.7073 1 0.7073 IRS 2
City bus 68 1 1 1 CRS 2
City bus 69 1 1 1 CRS 0
City bus 70 0.6966 1 0.6966 IRS 24
Minimum value 0.1925 0.6692 0.1925 - -
Maximum value 1 1 1 - -
Average 0.7220 0.9557 0.7580 - -
Standard deviation 0.2349 0.0764 0.2371 - -

결론 및 향후과제

본 연구는 자료포락분석(data envelopment analysis, DEA)을 이용하여 수원시 관내 시내버스 노선의 효율성을 분석하여 제시하였다. 노선의 특성을 고려하여 타 연구에서 적용되지 않은 주요변수인 중복도와 굴곡도, 교통약자시설, 철도역 경유여부 등을 입력변수로 적용을 하였다. 교통약자시설은 직행좌석 및 일반좌석형의 경우 중복도가 유의한 영향을 미치고 있는 것으로 나타났으며, 일반형의 경우 이용객수와 운송수입에 모두 유의한 영향을 미치고 있는 것으로 나타났다. 이는 직행좌석 및 일반좌석형의 경우 주로 인접 지자체를 연결하고 있어 교통약자시설과는 영향이 없는 반면, 일반형은 관내에 위치한 교통약자시설과 관내 거주지를 연결하는 기능을 담당하기 때문인 것으로 판단된다.

분석결과 직행좌석 ‧ 일반좌석형과 일반형 모두 입력변수인 운행대수가 가장 영향을 미치며, 이를 통해 운행차량을 많이 투입하여 배차간격을 줄일수록 효율성이 높은 것으로 나타났다. 다만 굴곡도를 줄여 버스를 최단거리로 운영할 경우 이용객수는 증가하지만 운송수입의 증가와는 영향이 없는 것으로 나타났다. 또한 입력변수인 정류장 및 철도역, 교통약자시설을 운행노선에 연계할수록, 노선을 공유하는 다른 노선이 적을수록 일반형의 이용객수가 증가하고 DMU의 효율성이 높은 것을 알 수 있다. 비효율적인 DMU중 인근 시 ‧ 군을 연결하는 노선들은 인근 시 ‧ 군과의 협의를 통해 노선을 조정할 필요가 있으며, 수원 내부를 운행하는 노선의 경우 실제 배차간격이 30분 이상이거나, 노선 중복도가 13 이상으로 타 노선과의 경쟁력이 떨어질 것으로 예상되는 노선에 대해서는 이용수요 창출을 위한 서비스 경쟁력 강화가 필요해 보인다. 또한 효율성이 떨어지는 DMU의 경우 입력변수인 배차간격과 노선 중복도 조정이 필요해 보인다. 효율성이 좋은 대부분의 시내버스는 직행좌석형 및 일반좌석형, 일반형 모두 배차간격이 짧은 DMU로 분석되었다. 직행좌석형 및 일반좌석형 버스는 일반형 버스보다 빠른 이동을 목적으로 하여 본 연구에서 분석한 것과 같이 기 ‧ 종점을 최단거리로 운행할수록 이용객수가 증가하는 것을 알 수 있다. 일반형 버스의 경우 정류장, 철도역, 교통약자시설이 이용객수와 운송수입에 유의한 영향을 미치는 것으로 나타나 운행노선과의 연계방안이 필요할 것으로 보인다. 또한 입력변수인 중복도가 높을수록 운송수입과 이용객수가 낮아지는 것으로 분석되었다.

한편, 분석결과 효율성이 현저하게 떨어지는 DMU의 경우 노선관리형 시내버스 준공영제 도입을 검토해 볼 수 있다. 버스 서비스는 시민의 이동권을 보장하는 공공적 서비스 측면이 고려되어야 하지만, 운수업체의 과도한 경쟁으로 인해 수익성만 추구하다 보니 중복도와 굴곡도가 높은 상태로 운영되고 있다. 현 민영제 하에서는 노선권이 민간에 있기 때문에 버스 공공성 확보의 어려움이 존재하바 대중교통 소외지역에 대한 안정적인 서비스 제공, 노선체계 개편을 통한 공공 이동서비스 확대, 교통약자의 이동편의 증진에 한계가 있기 때문에 노선관리형 준공영제 도입 검토를 통해 시민에게 편리하고 안정적인 대중교통 서비스를 제공할 필요가 있다.

본 연구 결과는 수원시 관내 시내버스 노선의 효율성을 파악하여 버스 노선별 전략적 관리체계를 구축할 수 있는 자료로 활용할 수 있으며, 또한 시내버스 노선별 효율성을 제고하고 경쟁력을 강화시킬 수 있는 버스정책 대안 수립에 도움이 될 것으로 기대된다.

알림

본 연구는 수원시정연구원 기본연구(SRI-기본-2019-07)와 대한교통학회는 82회 학술발표대회 내용을 수정 ‧ 보완 하였습니다.

References

1
Banker R. D., Charnes A., Cooper W. 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
2
Boame A. K. (2004), The Technical Efficiency of Canadian Urban Transit Systems, Transportation Research Part E, 40, 401-416. 10.1016/j.tre.2003.09.002
3
Bowen L., Zhengdong H., Jizhe X., Wenshu Li., Ying Z. (2021), Coupling Degree between the Demand and Supply of Bus Services at Stops: A Density-Based Approach, International Journal of Geo-Information.
4
Charnes A., Cooper W. W., Rhodes E. (1978), Measuring the Efficiency of Decision Making Units, European journal of Operational Research, 2(6), 429-444. 10.1016/0377-2217(78)90138-8
5
Di Y., Liqun X., Jinpei L. (2019), Evaluating the Performance of Public Transit Systems: A Case Study of Eleven Cities in China, Sustainability, 11, 3555. 10.3390/su11133555
6
Farrell M. J. (1957), The Measurement of Productive Efficiency, Journal of the Royal Statistical Society, Series A, General, 120(3), 253-281. 10.2307/2343100
7
Han J. H. (2011), Analysis of the Efficiency of Incheon Urban Bus Routes Due to Public-Private-Partnership Bus Service, Transportation Technology and Policy, 8(3), Korean Society of Transportation, 41-50.
8
Han J. S., Kim H. R., Ko S. Y. (2009), A DEA (Data Envelopment Analysis) Approach for Evaluating the Efficiency of Exclusive Bus Routes, Journal of Korean Transportation Society, 27(6), 45-53.
9
Jeong B. D., Kim K. S., Kim K. H. (2013), Analysis of the Impact of Changes in the Bus Financial Support System on Bus Route Efficiency, Journal of the Korean Society of Civil Engineers, 2455-2464.
10
Kerstens K. (1996), Technical Efficiency Measurement and Explanation of French Urban Transit Companies, Transportation Research Part A, 30, 431-452. 10.1016/0965-8564(96)00006-7
11
Kim S. S., Kim M. J. (2002), Economies of Scale and Scope in Seoul’s Urban Bus Industry, Journal of Korean Transportation Society, 19(6), 89-102.
12
Ko K. H. (2017), Theory of Efficiency Analysis, Moon Woo.
13
Lao Y., Liu L. (2009), Performance Evaluation of Bus Lines with Data Envelopment Analysis and Geographic Information Systems, Computers, Environment and Urban Systems, 33, 247-255. 10.1016/j.compenvurbsys.2009.01.005
14
Lee S. Y., Jeong H. Y. (2013), A Study on the Operation Improvement Plan based on Analysis of Characteristics of City Bus Routes (Considering Publicity and Profitability), Journal of Korean Transportation Society, 31(4), 76-84. 10.7470/jkst.2013.31.4.076
15
Lee S. Y., Jung H. Y. (2018), An Empirical Study on Introduction of PSO Bus Line under Semi-public Bus System, Journal of Korean Transportation Society, 36(3), 182-194. 10.7470/jkst.2018.36.3.184
16
Nolan J. F., Rirchie P. C., Rowcroft J. R. (2001), Measuring Efficiency in the Public Sector Using Non-parametric Frontier Estimators : A Study of Transit Agency in the USA, Applied Economics, 33, 913-922. 10.1080/00036840122663
17
Oh M. Y., Jung Y. C., Shon E. Y. (2009), Analysis on Reliabilities of Seoul’s Trunk Bus Lines Using BMS Data (through Data Envelopment Analysis), J. Korean Soc. Transp., 27(1), Korean Society of Transportation, 63-71.
18
Oh M. Y., Kim S. S. (2005), Productivity Changes by Public Transport Reforms in the Seoul’s Urban Bus Industry, J. Korean Soc. Transp., 23(7), Korean Society of Transportation, 53-61.
19
Oh M. Y., Kim S. S., Kim M. J. (2002), Analysis of the Efficiency of the City Bus Transportation Business in Seoul using the Data Envelope Analysis Technique (DEA), Journal of Korean Transportation Society, 20(2), 59-68.
20
Park M. H. (2008), The Efficiency and Productivity Analysis, KSI, Korean Academic Information.
21
Sheth C., Triantis K., Teodorovic D. (2007), Performance Evaluation of Bus Routes: A Provider and Passenger Perspectives, Transportation Research Part E, 43, 453-478. 10.1016/j.tre.2005.09.010
페이지 상단으로 이동하기