서론

지역 내 통행은 이동기본권의 핵심이다. 이러한 이동기본권을 지역 주민에게 제공하는 일차적인 책임은 중앙정부와 지방자치단체(지자체)에 있다. 그런데 이동기본권의 충족 여건은 전국 지자체 간 차이가 크다. 수도권에서 노인의 버스 무임승차 찬반 논란이 있는 동안, 마을버스마저 들어가지 않는 농어촌 마을이 2020년 기준 2224개이다(Statistics Korea, 2021). 이동기본권의 지역 간 불평등은 이렇듯 심각하다. 대중교통 서비스 수준이 취약한 양상은 대도시권, 농촌권, 심야시간대 등 매우 다양하다(Hong et al., 2021). 이들에게 이동기본권을 제공하기 위해 최근 수요응답형 대중교통(DRT) 서비스가 주목받고 있으며, 많은 지자체들이 도입을 시작하고 있다.

DRT 서비스는 최근 공유경제와 IT의 발전, 그리고 교통체증과 환경문제 등의 사회적 이슈 등으로 인해 기존 대중교통 서비스를 보완 및 대체하는 대안으로 평가받고 있다(Kim, 2018; Kim, 2022). 특히 최근 교통기술 발전과 국토이용 변화 전망에 관한 연구에 따르면(Lee et al., 2023), 첨단교통기술인 도심항공교통, 아음속 고속철도, 자율주행 자동차와 커넥티드 인프라 서비스 등은 아직 일상에서의 실용화까지 기술적으로 해결해야 하는 여러 난제들과 법적인 문제, 그리고 비용 등 상대적으로 많은 문제들이 남아 있다. 이에 비해 DRT 서비스는 기술적인 진입장벽이 비교적 낮고, 기존에 형성되어 있는 시장이 존재하기에, 지자체가 개선된 교통 서비스를 제공하는 데 용이하다는 이점이 크다. 지자체 입장에서는 특히 장기간의 투자와 법제도의 정비 등에 대한 필요성이 적어 당장의 성과를 낼 수 있는 DRT 서비스 도입이 더 매력적일 수 있다. 실제 2023년 4월 18일 ‘모빌리티 혁신 및 활성화 지원에 관한 법률’의 제정 이래로(Ministry of Land, Infrastructure, and Transport, 2023), DRT 버스 서비스는 많은 지자체에서 유력한 정책의 하나로서 이미 도입되었거나 도입을 계획하는 중에 있다.

DRT 서비스를 제공하는 방식은 매우 다양하다(Seo and Kim, 2024). 지자체는 지역 주민이 어떤 방식의 서비스를 선호하는지를 면밀히 검토하고 구체적인 서비스 방식을 정한 후 서비스를 제공해야 한다. 서비스 방식에는 다양한 서비스 구성요소의 조합이 존재하며, 서비스 이용자인 지역 주민은 다양한 방식의 서비스에 대해 서로 다른 선호를 갖고 있다. 특히 동일한 서비스 구성 방식이라도 지역별, 계층별, 서비스 시간대별 지역 주민의 선호 수준이 상이하다면, 서비스는 이를 반영하여 제공되는 것이 바람직할 것이다. 서로 다른 방식의 서비스에 대한 선호의 크기는 금전으로 치환된 지불의사로 표현할 수 있다. 적정 수준의 이용요금 책정은 해당 서비스의 구성 방식에 대한 다양한 사정의 소비자의 선호 정도를 반영한다는 의미에서 중요하다. 즉 지자체가 제공하고자 하는 서비스가 지역 주민이 원하는 방식으로 구성되어야 그 노력이 주민의 행복 증진으로 이어질 수 있는 것인데(Veenhoven, 2000; Nussbaum, 2003; Koo et al., 2020), 상이한 형태의 서비스 방식에 대한 지불의사는 이를 확인할 수 있는 하나의 방법으로 간주할 수 있다.

연구목적

이하에서 검토하는 바와 같이, 많은 선행연구들이 DRT를 포함, 시장에 신규 진입할 신규교통서비스에 대한 지불의사를 분석해 왔다. 그러나 전체 이용자의 평균적 선호구조를 평가한 이들 연구는 서비스 이용 경험에 따른 지불의사의 차이를 구체적으로 확인하지 않았다. 본 연구는 서비스 선호에 미치는 영향을 대안특성과 이용자 특성만이 아닌 이용 맥락을 함께 고려하여 분석함으로써 서비스 대안 선택의 다층적 선호구조에 대한 이해를 심화하고자 한다. 대안특성은 전체 이용자의 서비스 선호에 대해 평균적인 영향을 미칠 것이다. 이용자 특성과 이용 경험 각각은 서비스 선호에 대한 추가적인 영향을 미칠 수 있다. 또한 이용자 특성과 이용 경험 속성 간의 상호작용 역시 서비스 선호에 추가적인 영향을 미칠 수 있다.

이용 경험은 그것이 이용자가 서비스를 이용할 당시의 이용 맥락을 반영한다는 의미에서 중요하다. 이용 맥락을 직접 알아보려면 이용자가 서비스를 이용하는 현장을 관찰하거나 이용자에게 심층설문을 하여야 한다. 그러나 본 연구는 이용 맥락을 대신하여, 관찰 가능한 이용 경험을 선택 영향 속성으로 간주하여 분석할 것이다.

본 연구는 DRT 서비스에 대한 이상의 단계적 선호구조 분석을 통해 DRT 이용에 대한 지불의사를 추정하고자 한다. 이를 위해 시범사업이 실행 중인 지역을 연구지역으로 지정하고, 시범사업 기간 중 잠정적으로 설정된 서비스 방식을 이용한 경험이 있는 응답자들을 대상으로 향후 가능한 서비스 방식에 대한 선호를 조사하여 서비스 이용에 대한 지불의사를 추정한다. 특히 이용자 특성에 더해 이용 당시의 이용 맥락을 반영하는 이용 경험을 이용자 개인별로 확인하여 지불의사에 대한 영향을 함께 분석하였다.

선행연구

신규교통서비스 도입에는 이용자의 지불의사를 추정하는 것이 일차적인 과제이다. Ahn and Won(2008), Kim and Nam(2015), Ho et al.(2018), Yan et al.(2019), Bronsvoort et al.(2021), Park et al.(2024) 등 혼합로짓 혹은 조건부가치측정법을 적용한 이들 연구는 이용자 지불의사의 일반적인 측정 원리를 분석하였다. Ahn and Won(2008)은 신교통기술에 대한 소비자 수용의사를 컨조인트 분석하였는데, 연료 형태, 연료 비용, 자동차구입 가격, 유지비, 연료보급소 접근성, 정비인프라 구축 정도, 최고 출력, 차량 형태, 오염물질 배출량 등 대안특성들의 혼합로짓모형 추정 결과 수소연료전지 자동차가 전환비용을 상쇄하고 남을 정도의 환경 개선 효과의 기대감이 큰 것을 알 수 있었고, 이것이 지불의사 추정 결과로도 확인되었다. Kim and Nam(2015)은 DRT의 지속가능성을 담보할 수 있는 요금수준 의사결정의 근거로 활용하기 위하여, 농촌지역 DRT의 편익에 대한 이용요금의 지불의사액을 산정하였는데, 이 때 조건부 가치측정법을 적용하였다. 1,100원의 이용요금을 받는 조사 당시 노선버스 서비스를 비교 기준으로 분석한 결과, 경제력이 낮은 농어촌지역의 사회적 약자가 평가하는 DRT의 가치는, 개선되는 접근성의 가치 38.85%, 원하는 시간대에 이용할 수 있는 편리성의 가치 31.03%, 버스를 기다리지 않고 이용할 수 있는 편의성의 가치 30.12%로서, 약 1,638.73원 정도의 수준인 것으로 추정하였다. Ho et al.(2018)은 MaaS(Mobility-as-a-Service) 패키지 이용 시장의 규모가 어느 정도일지, 이용자는 MaaS 내의 각 단계에 대해 어느 정도의 가치를 평가하는지를 확인하기 위해 SC(stated choice) 조사를 하였다. 분석 결과 샘플의 절반 이상이 MaaS 서비스를 수용하였고, 그 수용 정도는 인구집단마다 상이했는데, 승용차를 가끔 이용하는 사람들의 수용도가 가장 높았고, 승용차 비이용자는 그 다음이었다. 대중교통 1일이용권은 5.9 달러로, 택시보다 저렴했다. Park et al.(2024)은 강남일대에서 성남이나 용인지역으로 이동하는 심야환승택시 서비스에 대한 SP(stated preference) 조사 자료에 대해 잠재계층분석을 하였다. 개인의 이질성이 선택 행태에 영향을 주기 때문에, 잠재계층별로 선택 효용함수가 다를 것으로 가정하였다. 지불의사 분석은 세 계층을 구분하였다. 첫째 계층은 환승, 선예약에 약 2-3000 원의 추가지불의사가 있었다. 둘째 계층은 환승, 선예약, SUV차량 배정에 약 2만원의 추가지불의사가 있으나, 합승에는 지불의사가 없었다. 마지막 셋째 계층은 어떤 조건에도 추가지불의사가 없는 것으로 확인되었다. Yan et al.(2019)는 일반 대중교통을 라이드소싱과 결합한 서비스에 대한 이용자 선호를 RP-SP 통합모형으로 추정하였다. 이 서비스의 주요 부정적 요인은 환승과 승객 추가였으며, 주요 긍정적 요인은 대기시간 감소 및 이동시간 감소였다. 특히 라스트마일 감소에 대한 선호가 큰 것을 확인하여, 이것이 MaaS의 지향점임을 잘 보여주었다. Bronsvoort et al.(2021)은 기존 버스 서비스, DRT 서비스, 라스트마일을 위해 공유자전거를 연계한 고속버스 서비스 등에 대한 SP 조사를 통해 농촌지역 버스 이용자들의 선호구조를 파악하였다. 분석 결과 온디맨드의 강점인 신뢰성과 유연성은 수단선택에 별 영향이 없는 대신, 이용요금, 접근시간, 차내시간 등이 큰 영향을 미침을 알 수 있었으며, 아직 많은 버스 이용자가 기존 버스 서비스를 선호함을 확인하였다.

이들 연구가 이용자 선호구조의 평균적인 특성을 설명하는 것이라면, Kim et al.(2009), Kim et al.(2013), Ki et al.(2016), Kim et al.(2020), Alhassan et al.(2022), Wang et al.(2022) 등은 통행시간가치 혹은 교통서비스 이용 지불의사를 시장분할에 따라 추정하는 연구들이다. Kim et al.(2009)는 샘플 전체의 평균 외에 통행목적별, 소득수준별 4개 그룹 각각에 대해 통행시간가치를 측정하였다. Kim et al.(2013)는 신교통수단의 수단분담 예측을 위한 SP 선호조사에서, 통행시간가치를 도심거주자와 비도심 거주자 간 분할된 시장별로 추정하였다. Ki et al.(2016)는 대중교통 접근성으로 구분되는 생활권 특성별로 DRT 이용의 잠재시장을 세분한 후 후생경제학 이론에 근거한 조건부가치측정법에 의해 각 시장별 지불의사를 측정하였다. Alhassan et al.(2022)은 SP 선호조사를 통해 통합교통카드에 대한 지불의사가 통근자와 비통근자, 여성과 남성 간에 어떤 차이를 갖는지 보여주었다. Kim et al.(2020)는 복합수단 5가지 대안 중 하나를 선택하는 설문조사자료를 네스티드로짓 모형으로 분석하여, MaaS 시스템 내에서 선택 가능한 교통 대안들에 대한 사용자 선호를 파악하였다. 사회경제적 특성에 따라 달라지는 선호구조를 확인하여, 분석 결과를 MaaS 플랫폼 운영자가 이용자 그룹별 맞춤형 추천시스템 개발에 활용할 것을 제안하였다. Wang et al.(2022)은 잠재계층 로짓모형을 이용하여 저소득층 지역사회 주민이 차량호출, 고정경로, 온디맨드 등 방식의 공유모빌리티 서비스에 대한 이용 잠재력을 분석하여, 공유수단 선호, 공유수단 반대, 기존 고정 노선 선호 등 세 잠재계층을 확인했다. 공유수단 선호 그룹은 주로 차량호출서비스를 이용하고 대중교통 접근성이 좋지 않은 지역에 거주했다. 반대 그룹은 주로 차량 소유자로 공유모빌리티에 관심이 없었다. 기존 노선 선호 그룹은 온디맨드 이용에 기술적 장벽이 있는 저소득층이 많았다. 특히 남성, 대졸자, 자동차 소유자, 모바일데이터요금제 이용자, 대중교통 접근성 낮은 지역 거주자 등이 온디맨드 서비스 선호가 높음을 확인하였다. 전반적인 이용자 선호구조 분석에 더해 시장분할에 따른 선호구조를 고찰하는 것의 중요성은 크다. 서비스 공급자로서는 제공 서비스에 대한 타깃 시장 수요를 가능한 세분화하여 상세히 알 필요가 있다.

세분화한 시장수요 추정과 관련해 주목할 만한 연구 흐름은 일상생활에 근거한 활동기반 수요추정 연구이다. 최근 관련 연구에서, Im and Kim(2023)은 가구 및 개인 속성과 통행 속성 간의 관계를 베이지언 네트워크로 링크하여 통행의사결정 구조를 분석하였다. 또한 Kim et al.(2022)은 생성형 통행사슬 예측 모형으로 개인속성들과 통행속성들의 결합확률분포에 의한 통행행태 설명 방법을 개발하였다. 이 연구는 가구통행실태조사로부터 연속된 개인별 활동 일정을 생성하기 위한 결합확률분포를 추정하고 스마트카드데이터로 모형을 검증할 때 생성적 심층신경망 기법의 conditional generative adversarial network(CGAN)를 적용한 적대적 훈련을 통해 두 가지 자료를 보완적으로 모두 활용하여 완전한 통행사슬을 추정하는 방법을 제시하였다. Yang et al.(2023)은 일상에서의 서비스 이용 경험을 중요 영향 속성으로 고려하는 본 연구가 방법론상으로 주목한 또 하나의 연구이다. 컨조인트 설문조사를 이용한 국내 소비자의 친환경차량 선택 요인을 분석한 이들의 연구는 차량가격, 충전소접근성 및 친환경차량 사용 경험의 효과를 혼합로짓모형을 이용하여 분석하였다. 분석 결과는 기존 내연기관차량 대비 친환경차량 가격은 별로 중요하지 않았으며, 충전소 접근성이 매우 중요함을 보여주었다. 특히 친환경차량 사용 경험 있는 응답자 집단이 사용 경험이 없는 응답자 집단에 비해 친환경차량에 대한 선호도와 지불의사가 더 높음을 밝혔다. 이는 사용 경험의 확대를 위한 지원도 친환경차량 선택율을 높이는 효과가 있을 것임을 시사한다. 신규교통서비스에 대한 이용자 개인의 고정적 속성과 이용 맥락의 결합을 통한 선호구조 추정과 지불의사 측정을 목적으로 하는 본 연구는 이들의 연구 개념과 연구 성과들을 이하 장에서 제시하는 분석틀 구성에 핵심적으로 고려하였다.

교통수단 이용은 개인 특성뿐 아니라 이용 맥락에 따라 그 선호가 달라질 수 있다. 직장이나 주거 위치 선정과 같은 일생의 중요한 의사결정과 달리, 일상의 교통수단 이용은 고정적인 개인 특성 외에 이용 당시의 상황에 따라서도 다양한 변화가 가능하다. 즉 이용 시각이나 요일에 따라, 함께 이동하는 동행인에 따라, 과거 이용 경험에 따라 유사한 서비스 구성에 대한 선호 수준이 다를 수 있다. DRT 서비스 이용 맥락은 이용 시각, 승차 소요 시간, 동행자 성격, 복수 목적지의 승객 탑승에 따른 우회 정도 등 다양한 이용 상황에 의해 구성된다. 그러나 연구자가 아는 한, 기존 연구 중 DRT 서비스 이용자의 실제 서비스 이용 맥락에 따른 선호 수준을 체계적으로 분석한 연구는 확인할 수 없다. 이는 아마도 DRT 서비스 시행의 역사 자체가 길지 않아, 실제 서비스 이용 내역의 분석에 필요한 자료 구득에 어려움이 있는 것에도 기인할 것이다. 본 연구는 전국적으로 시작 단계에 있는 DRT 서비스 중 시범사업을 시행한 지자체 중 한 곳을 선정해, 시범사업 기간의 서비스 이용 경험 자료를 이용자의 서비스 선호 설문 자료와 연계하여 분석하고자 한다.

연구방법

1. 연구틀

본 연구의 분석 순서는 Figure 1과 같다. 본 연구에서는 DRT 이용자의 교통수단 선택의 선호체계를 확인하기 위하여, 이용자 개인에게 고정된 개인 특성과 가변적인 이용 경험 등 두 가지 속성들이 각각, 그리고 함께 DRT 선호에 어떤 영향을 미치는가를 분석하고, 이로부터 선택대안에 대한 지불의사를 추정한다. 이러한 분석틀은 두 가지 논리적 근거를 갖고 구축되었다. 첫째 위의 문헌연구에서 탐구한 바와 같이, DRT 등의 교통수단 선택은 단기적 의사결정이며, 가구 또는 개인 특성이 큰 영향을 끼치는 직장 및 거주지 위치 선택 등의 중장기 의사결정과는 달리, 이용 경험이나 이용 당시에 개인이 처한 상황 등 이용 맥락에 의해서도 많은 영향을 받을 것이다. 따라서 개인에 고정된 속성과 이용 맥락을 함께 고려하는 선호체계 분석이 논리적으로 타당할 것이다. 다만 본 연구에서는 자료 수집의 한계와 신뢰성 확보의 어려움 등으로 이용 맥락 전반을 파악하는 속성 대신 평상시 이용 맥락의 일부로서 이용 당시의 상황을 어느 정도 반영한다고 볼 수 있는 이용 경험을 DRT 선택에 대한 영향 속성으로 포함한다.

둘째 근거는, 첫째와 관련된 것으로, 일상에서의 통행 관련 의사결정은 교통 서비스의 공급보다는 이를 이용자가 어떻게 이용하는지에 초점을 맞춘 활동기반 교통수요 연구의 접근법으로 추정하는 것이 타당하다는 데 있다. 이 접근법은 일상 활동에 기반한 개인의 선호구조를 파악하고 그것을 수요예측 추정에 활용한다. 이 때 선택에 대한 개인 속성의 고정된 영향 외에 선택 당시에 교통 주체가 처한 다양한 상황과 경험을 고려함으로써 통행 활동의 확률적 성격을 드러낸다. 본 연구는 이러한 활동기반 접근법의 개념들을 적극적으로 채택하고자 하였다.

Figure 1.

Analysis framework

2. 지불의사 추정 모형

본 연구는 지불의사 추정을 위해 혼합로짓모형(mixed-logit model: MXL)을 채택하였다(Train, 2009). 혼합로짓모형은 로짓모형의 IIA 문제를 해결하는 동시에 개인 취향의 다양성, 다양한 대체효과, 확률오차의 다양한 상관관계 등을 분석하는 것을 가능케 한다. DRT라는 신교통수단이 제공할 수 있는 다양한 서비스 옵션에 대한 이용자들의 선호를 측정하고, 특히 동일한 서비스 제공 방식이더라도 개인마다 다를 수 있는 선호구조를 모형 추정에서 허용하기 위하여, 파라미터의 확률분포를 가정하는 혼합로짓모형을 추정하였다. 일반적으로, 혼합로짓모형의 도출은 아래의 과정을 따른다. 먼저 서비스 이용자 n이 갖는 선택대안 혹은 포트폴리오 j의 효용은 Equation 1과 같다.

여기서, X와 β는 각각 속성벡터와 그 속성 각각이 효용 V에 미치는 한계 영향의 크기인 계수벡터이다. 이용자 n이 선택대안 j를 선택할 확률은 Equation 2의 다항로짓모형(multinomial logit model: MNL)과 같다.

그런데 위의 효용함수와 선택확률은 대안 선택에 대한 각 속성의 한계효용인 β가 이용자 n과 무관하게 동일하다는 가정에 근거한다. 그러나 대안 선택에 대한 각 속성의 한계효용이 모든 사람에게 동일할 것이라는 가정은 논리적으로 타당하지 않다. 물론 이용자 개인의 대안 선호에 대한 각 속성의 상대적 기여도의 대체적인 경향은 어떤 중심을 형성하겠으나, 그 크기는 사람마다 차이가 있을 것이다. 그렇다면 이것을 허용하는 효용함수와 선택확률이 필요하여, Equation 3과 Equation 4가 제시될 수 있다. 즉 β_n은 n번째 이용자마다 다른, 혹은 n번째 이용자 그룹마다 다른 β 라고 볼 수 있다.

그런데 이용자마다 다른 선택확률에 대한 속성의 한계효용의 값 β_n은 실제 관찰할 수 없다. 이에 가능한 모든 β_n의 값을 확률적으로 포함토록 하여 이용자 n의 j 선택확률을 확률밀도함수 f(β)의 적분으로 표현하는 Equation 5와 같이 구성할 수 있다.

그런데 위 식에서 아직 미지인 β_n의 확률분포를 특정하여야 선택확률을 실제 계산할 수 있을 것이다. Equation 6은 β_n의 확률분포를 θ로 특정한다.

예를 들어 이 θ의 확률분포를 규정하는 하이퍼파라미터로서, 평균이 b, 표준편차가 W인 정규분포를 나타내는 θ={b,W}라면, 위 식은 Equation 7과 같이 β_n가 정규분포인 선택확률 모형으로 특정할 수 있다.

혼합로짓모형에서는 b와 W를 추정하는 것이 목적이다. 그러나 선택확률함수에 다차원 적분이 포함되어 있으므로 최우추정법(maximum likelihood estimation)을 이용하기 어렵다. 따라서 시뮬레이션 기법을 이용하여 선택확률 근사값을 추정하기 위해 모의우도함수(simulated log likelihood function)를 극대화하는 θ를 추정한다(Train, 2009). 시뮬레이션을 통해 선택확률을 근사하는 과정은 먼저 θ의 초기값이 주어졌을 때, ① f(β|θ) 로부터 β 를 추출(draw)한다. ② r 번째 추출한 값 βr 를 이용해 로짓 Lnj(βr) 을 계산한다. ③ 이제 ①, ②의 과정을 반복하여 결과를 평균한 값을 모의선택확률(simulated probability: SP)로 Equation 8과 같이 취한다.

여기서, R은 총추출횟수를 뜻한다. 모의선택확률을 로그우도함수에 대입하면 모의로그우도(simulated log likelihood: SLL)를 Equation 9와 같이 도출할 수 있다.

여기서, dnj는 의사결정자 n이 대안 j를 선택한 경우 1, 그렇지 않은 경우 0의 값을 갖는 더미변수이다. 모의최우추정량(maximum simulated likelihood estimator: MSLE)은 모의로그우도를 최대로 하는 θ의 값이다.

이상의 모형으로 추정된 확률 선택에 대한 속성별 한계효용은 Equation 10에 의해 그 한계지불의사(MWTP)를 추정할 수 있게 한다.

여기서, m번째 속성 χ_m의 한계지불의사는 효용 V에 대한 해당 속성의 한계효용 β^m 과 가격 속성 χ_p의 한계효용 β^p 간 비율, 즉 가격의 한계효용으로 나타내는 각 속성의 화폐 치환 한계효용이다. 이용자 n의 각 속성의 한계효용의 추정치 β^m 와 β^p 은 각 서브샘플 내에서 정규분포하는 β 를 적분한 값으로 간주하며, 이는 서브샘플마다 정의될 수 있다.

3. 본 연구에서의 가정

본 연구에서의 혼합로짓모형은 패널자료 내 반복관찰 값(t = 1, 2, ..., T)에서 개인 간의 이질성을 규명하기 위해 식 (3)의 오차항 εnj를 Equation 11과 같이 분해하였다.

여기서, αnj는 평균 0, 표준편차 σα의 정규분포를 따르는 개인특유(individual specific) 및 대안특유(alternative specific)의 오차항이며, ξnjt는 i.i.d. 굼벨분포를 따르는 오차항이다. 본 연구는 개인선택의 선호이질성을 반영하기 위한 확률변수(random variable)로써 αnj만을 도입하여, random parameter는 대안특유상수(intercept)에만 적용하였다. 따라서 지불의사는 확률변수 계수들의 평균이 아니라 고정변수(fixed variable) 계수들의 점추정치로 계산하여, Equation 10의 MWTP 추정식을 Equation 12와 같이 다시 썼다.

모형추정을 위해 R 패키지 Apollo v0.3.3(Hess and Palma, 2019)을 활용하였으며, 시뮬레이션 기반 모의로그우도 추정에서 500회(draw)의 MLHS(Modified Latin Hypercube Sampling) 추출법을 이용하였다.

연구지역 및 자료

1. 연구지역

부산시와 문화체육관광부는 부산 기장군의 공수마을-오시리아역-기장역 간 16개 가상정류장을 갖고 있는 직선거리 8km, 실 주행거리 17km의 구간에서 2023년 9월부터 2024년 6월까지 DRT 서비스를 시범운영하였다(Figure 2). 운영한 DRT 차량은 4-5대였다. 부산의 기장 지역은 오시리아역 주변의 관광단지 활성화에 많은 힘을 쏟고 있어서, 관광객을 주 이용객으로 삼는 DRT 서비스를 국내 최초로 도입하였는데, 월간 이용객 4000명, 일평균 150명을 훨씬 상회하였다. 주민, 관광객 누구나 앱을 통해 호출을 하면, 호출 후 일정 시간 내에 이용자에게 가장 가까운 정류장에서 탑승을 하고, 기존 버스 노선과는 무관한 최단경로를 통해 목적지 정류장으로 이동하는 실시간의 완전 자유형 서비스이다. (노선은 완전 자유형이나, 정류장은 지역 내에서 이용이 허가된 16개 정류장을 사용하여야 하고, 이 중 14개는 기존 노선버스가 이용하는 기존 정류장임.) 여기서 최단경로란 한 DRT 차량 안에서 목적지가 상이한 이용객들의 이동 동선을 최적화한 경로를 뜻한다. 이용 요금은 기존 시내버스와 동일한 1550원이었다. 해당 지역에는 3개의 노선버스와 지하철 동해선이 운영 중이다. 특히 지하철 기장역-오시리아역 구간 이용은 DRT 이용과의 경쟁 관계에 있다. 지하철 이용 요금은 버스와 유사한 1450원이다.

Figure 2.

Tourism DRT service area in Gijang, Busan (Data provided by the Gijang tourism DRT operating platform provider)

Figure 3은 시범사업 기간 동안의 이용객 증가 추이를 나타내는데, 이는 다른 나라들의 사례를 보아도 상당히 높은 수준으로 보인다. 또한 버스 서비스의 주요 성과지표인 도보 접근성, 호출 후 대기시간, 재차시간 등을 DRT 이전과 이후 간에 비교한 Table 1은 이 시범사업이 이용객수뿐 아니라 운영 효율 면에서도 긍정적인 성과를 거두었음을 보인다. Table 1의 수치들은 모두 평균을 나타낸다. 특히 기존 버스 서비스의 대기시간은 해당 서비스 지역의 정류장을 통과하는 여러 노선의 각 정류장에서의 평균 배차간격의 1/2로 계산되었다. DRT의 호출후 대기시간이란, 호출과 거의 동시에 배차가 이루어지는데, 그 배차가 이루어진 시간부터 차량이 정류장으로 오는 시간을 뜻한다. 정류장 도보통행시간은 다음과 같은 조작적 정의로 측정하였다. 실제 주민이나 관광객이 정류장까지 도보로 얼마나 걸어야 한다는 것은 이용자의 현 위치가 임의적이라 측정이 어려우므로, 서비스 지역 내에서는 호출을 하는 장소가 바로 정류장이라는 가정을 하였다. 이에 따르면 정류장 간 자유형 운행을 하는 DRT는 목적지가 어디라도 현재의 정류장으로부터 출발이 가능하므로 별도의 도보통행이 없다. 그에 비해 기존 버스는 노선이 고정되어 있어 현재 출발지 정류장에서 목적지로 바로 가는 노선이 없을 수 있으며, 이 경우 목적지로의 이동이 가능한 인근 정류장까지 이동한 시간을 도보통행시간으로 계산하였다.

Figure 3.

Monthly number of passengers of Gijang tourist DRT service (Data provided by the Gijang tourism DRT operating platform provider)

2. 자료

1) 개요

본 연구는 DRT를 이용한 이용객이 어떤 서비스 옵션의 DRT를 탑승할 의향이 있는지를 설문하여, 서비스 속성 개선에 대한 한계지불의사를 확인하려는 것을 목적으로 하였다. 본 연구의 잠재선호 실험은 선택을 유도하는 속성 수준의 영향을 알아보는 방식의 설문으로서, unlabeled 형식으로 구성하였다. 즉 고유명사로서의 대안 A, B 가 아니라, 각 선택 문항에서 직교실험계획으로 조합한 속성 수준의 결합인 임의의 A와 B가 선택 상황별로 대안으로 제시되는 방식이다. 본 연구는 버스 이용의 가장 중요한 속성인 정류장 도보접근시간과 서비스 호출 후 대기시간을 요금과 함께 다양한 수준으로 구성한 unlabeled 대안들 중 하나를 이용자가 선택하도록 요구하는 설문을 진행하였다. 설문기간은 2024년 6월의 3주간이었으며, 2023년 9월에서 해당 설문기간 사이에 서비스를 이용한 경험이 있는 응답자 대상 이용만족도와 컨조인트 문항들로 구성된 웹설문을 진행하였다.

2) 선택대안

설문에서의 속성의 수준은 Table 1의 성과지표 비교에서 나타난 사실들을 근거로 각 속성별 3수준으로 구성하였다. 먼저 정류장 접근시간은 5, 10, 15분으로 구성하였는데, 이는 박물관 등 시내 관광시설은 5분 이내, 해동용궁사 사찰 및 국립공원 등 시내에서 먼 지역은 15분의 접근시간이 소요됨을 고려하였다. 호출 후 대기시간은 5, 10, 15분으로 구성하였는데, 15분의 대기시간은 최악의 서비스로서 고려하였다. 이용요금은 2000, 4000, 6000원으로서, 시내버스, 택시 기본요금, 지역 내 순환 시의 실제 택시 요금을 고려하였다. 이상의 속성 리스트와 수준 설정에 근거하여 주효과와 교호효과를 모두 고려한다면, 직교요인설계의 선택대안의 수는 모두 3^3 = 27개가 될 것이다. 각 수준의 증가가 모두 선택 영향에 부정적인 방향의 영향을 줄 것이 확실시 되며 이의 시너지 효과의 존재 역시 예상할 수 있으나, 본 연구는 지불의사 영향 요인의 선형성을 가정하여 교호효과를 고려하지 않기로 하였다. 이에 3^(3-1) = 9개 선택대안으로 구성되는 주효과 중심의 부분요인설계를 채택하였다(Table 2). 여기서, 부분요인설계는 A=BC=ABC, B=AC²=ABC², C=AB²=AB²C, AB=AC=BC² 의 교락을 가정하였다.

3) 선택카드

선택카드는 서로 다른 속성 수준의 조합으로 구성된 다수의 선택대안을 하나의 카드로 제시하여 응답자가 그 중 하나의 선택대안을 선택하도록 하는, 선택대안의 모음을 의미한다. 응답자가 실행하는 선택 task에 제시되는 선택카드는 서로 다른 속성 수준 조합의 두 개의 DRT 선택대안 및 하나의 비선택대안(opt-out 대안: 기존 교통수단)으로 구성하였다(Figure 4). 9개의 대안 중 2개의 선택대안을 갖는 서로 다른 선택카드는 모두 ₉C₂ = 36가지이다.

Figure 4.

Choice card presented to the respondents (an example)

4) 선택카드 세트

각 응답자는 복수의 선택 task를 수행한다. Bliemer and Rose(2014)에 따르면, 1인당 선택 task 수(선택카드 수)는 S ≥ K/(J-1)를 만족해야 한다. 여기서, K는 추정계수 수, J는 선택대안 수이다. 본 연구에서의 최소 선택 task 수는 S = 4/(3-1) = 2회이므로, 응답자 1인이 3회의 선택 task를 실행하도록 하고, 이 중 2회 이상의 선택 task 실행 결과를 확인한 응답 결과를 분석에 이용하였다. 이에 따라 응답자 1인당 3개의 선택카드를 하나의 선택카드 세트로 할당하였다. 선택카드 구성이 서로 다른 36가지의 세트를 만들었으며, 이 36가지 세트 전체에서 각 선택카드는 최소 2회 이상 포함되도록 하였다.

5) 입력자료

DRT를 실제로 이용한 응답자 150명이 36가지 선택카드 세트 중 하나를 받는 방식으로 설문 의뢰를 하여, 모두 150×36 = 5400 명에게 설문지를 배포하였다. 이 중 499명이 응답하였는데, 2회 이상의 선택 실행 자료가 확인된 응답자는 499명 중 370명이었다. 그러나 회원가입 당시 전화번호와 설문응답 시의 전화번호가 일치하지 않는 경우가 다수 있어, 실제 이용내역 자료와 설문 응답 자료를 연계할 수 있는 응답자는 370명 중 175명이었다.

입력자료의 문항은 개인 특성, 잠재선호 설문, 응답사례 지급을 위한 응답자 전화번호 등으로 구성하였다. 전화번호는 설문 응답 결과와 시범사업 기간 동안 DRT 이용 경험을 개인별로 링크하여 이용 경험이 선호에 미치는 영향을 분석하는 데 활용하였다. 개인 특성으로는 관광객 여부, 연령, 성별, DRT 서비스의 주 이용목적으로서 여가통행 여부 등 4개의 정보를, 이용 경험으로는 총이용빈도, 최근 이용했던 요일, 대기시간, 재차시간, 우회율 등 4개의 시범운행 DRT 이용 내역 정보를 수집하였다. 응답한 499명 전원의 이용자 특성은 Table 3에 정리하였다. 이 중 이용 경험이 확인된 175명의 이용 경험 속성은 Table 4에 정리하였다. 입력자료의 각 행은 응답자가 3개의 선택대안 중 하나를 선택한 결과, 그 응답자의 4가지의 개인 특성, 시범운행한 DRT를 이용했던 4가지의 이용 경험 등으로 구성되었다. 각 응답자는 이러한 행 2개 혹은 3개를 갖는데, 이는 응답자당 2회 혹은 3회의 선택 task를 실행하였기 때문이다. 175명이 응답한 선택task 수는 모두 469개이며, 이것이 모형 추정에 이용되었다.

분석결과

분석은 세 단계에 걸쳐 진행하였다. 첫째, 개인 특성이나 이용 경험에 무관한 전체 샘플 평균으로서 정류장 도보접근시간과 호출후 대기시간이 DRT 대안을 선택하는 데 미치는 영향을 분석했다(model 1). 둘째, DRT 대안 선택에 접근시간과 대기시간이 미치는 평균적인 영향에 더해 개인 특성과 이용 경험이 미치는 영향을 분석했다(model 2). 마지막으로, DRT 대안 선택에 접근시간, 대기시간, 개인 특성, 이용 경험이 미치는 영향 등과 함께, 개인 특성과 이용 경험 간의 상호작용 효과를 분석했다(model 3). 분석을 위한 효용함수는 Equation 13과 같이 정리하였다.

여기서 각 모형은 다음과 같이 X의 리스트의 차이에 있다.

모형 1: X₁=정류장 도보 접근시간(분), X₂=호출후 대기시간(분), X₃=이용요금(천 원)

모형 2: X₁=정류장 도보 접근시간(분), X₂=호출후 대기시간(분), X₃=이용요금(천 원),X₄=관광객여부, X₅=성별, X₆=연령, X₇=DRT주이용목적은 여가통행 여부X₈=주말여부, X₉=경험대기시간(분), X₁₀=경험재차시간, X₁₁=경험우회율, X₁₂=총이용횟수

모형 3: X₁=정류장 도보 접근시간(분), X₂=호출후 대기시간(분), X₃=이용요금(천 원),X₄=관광객여부, X₅=성별, X₆=연령, X₇=DRT주이용목적은 여가통행 여부X₈=주말여부, X₉=경험대기시간(분), X₁₀=경험재차시간, X₁₁=경험우회율, X₁₂=총이용횟수,X₁₃=X₄*X₈, X₁₄=X₄*X₉, X₁₅=X₄*X₁₀, X₁₆=X₄*X₁₁, X₁₇=X₄*X₁₂,X₁₈=X₅*X₈, X₁₉=X₅*X₉, X₂₀=X₅*X₁₀, X₂₁=X₅*X₁₁, X₂₂=X₅*X₁₂,X₂₃=X₆*X₈, X₂₄=X₆*X₉, X₂₅=X₆*X₁₀, X₂₆=X₆*X₁₁, X₂₇=X₆*X₁₂,X₂₈=X₇*X₈, X₂₉=X₇*X₉, X₃₀=X₇*X₁₀, X₃₁=X₇*X₁₁, X₃₂=X₇*X₁₂

이 중 각 모형에서 관측가능한 효용에 대해 통계적으로 유의한 속성의 한계기여 β_m(여기서 m = 1, ..., 32)은 지불의사 추정에 이용되는데, 각 속성의 한 단위에 따른 지불의사는 β_m(여기서 m≠3)과 이용요금의 한계기여 β_이용요금 (즉 m=3)과의 비율로서 Equation 12에 따라 계산하였다. 이용자의 이용 경험을 나타내는 속성들 X_8-X₁₂은 응답자가 최근 이용했던 DRT의 이용 경험을 TABARA DRT의 운영자료로부터 계산한 결과이다.

이상의 Equation 13에 따라 DRT 선택 영향을 추정한 mixed logit 모형의 분석 결과는 부록의 Table A1에 정리하였으며, Equation 12에 따라 지불의사 WTP를 추정한 결과는 Table 5에 제시하였다. WTP 계산 결과로 제시된 속성들은 각 모형에서 신뢰구간 95%의 유의수준(t >= 1.96)으로, DRT 선택에 통계적으로 유의한 결과를 나타낸 속성들이다. 단 연령 속성과 관광객여부*총이용빈도 결합 속성 등 두 변인은 신뢰구간 90%의 유의수준(t>=1.645)으로, 통계적 유의성은 다소 떨어지나, 해석상 필요에 의해 최종 결과에 포함시켰다.

본 연구의 분석 결과를 종합한 Table 5 및 Table A1으로부터 다음의 의미를 확인할 수 있다. 첫째, 패널효과(Table A1의 sigma_panel 변수)가 모든 모형에 통계적으로 유의한 수준으로 분명히 존재함을 확인하였다. 이는 이용자 개인 간 선호구조에 차이가 있으며, 이러한 DRT 선호에 대한 개인 간의 이질성을 허용하는 mixed logit 모형을 구성하는 것이 타당함을 보여주었다. 둘째, DRT 선택에 대한 접근성과 대기시간의 영향은 모형의 종류와 무관하게 매우 안정적이고 일정하게 강한 유의성으로 영향을 미치고 있다.

셋째, 정류장 도보접근시간 1분 단축에 약 189원, 호출 후 대기시간 1분 단축에 약 117원의 지불의사를 나타낸다. 이는 Table 1의 성과지표를 고려할 때, TABARA 운행 성과에 근거하여 도보접근시간 5분 단축, 호출후 대기시간 10분 단축에 각각 946원, 1172원의 지불의사를 보이는 것으로 생각할 수 있다. 이로부터 이 서비스에 대한 요금 책정을 946원 + 1172원 = 2118원으로 생각할 수 있다. 이 수준의 지불의사는 기존 서비스에서 접근시간, 대기시간이 개선되었을 때 568원을 더 지불할 의사가 있음을 나타낸 것이다. 넷째, 접근성과 대기시간의 단위당 지불의사는 접근성이 대기시간의 1.6배이다. 이러한 차이는 Table 1의 성과지표에서 보듯이 접근성과 대기시간이 1:2의 시간량 비율이 존재하는 것으로 보여, 이 둘이 단위당 지불의사로 화폐화되면 유사한 수준의 금액으로 계산된다. 즉 현실에서 DRT 선택에 대한 지불의사의 총액은 두 핵심 속성 간에 비슷한 수준이 되는 것임을 알 수 있다. 이로부터, 이용자들은 DRT 이용에 따른 대중교통 이용 편이성 증가에 대한 지불의사를 금액 기준으로는 속성 간 유사한 수준으로 생각하는 것으로 해석된다.

다섯째, 이용자 속성과 이용 경험 속성에 대한 많은 가능성을 확인하려 하였으나, DRT 대안특성으로서의 접근시간과 대기시간이라는 핵심 속성의 영향에 버금가는 여타 속성들이 많지 않음을 확인하였다. 이는 이용자 샘플 전체가 DRT 선택에서 주로 대안특성들만이 매우 강력한 선호의 기준이 되며, 다른 속성들이 깊이 있게 고려되기에는 아직 이 신규교통서비스에 대한 정보, 이미지, 이용 경험 등의 축적이 없어 속성 제시가 판단에 큰 영향을 주지 않는 경우가 많은 것으로 사료된다. 여섯째, DRT 선택에 대한 개인 특성과 이용 경험 각각의 직접적인 효과만을 본 model 2와 개인 속성별 이용 경험의 상호작용 효과를 함께 살핀 model 3의 유의한 속성 리스트를 비교하면, 상호작용 효과를 함께 고려할 때 개별 속성의 직접적인 효과가 통계적인 유의 수준 이하로 떨어지는 것을 알 수 있다. 이는 개인 특성이나 이용 경험 등 개별 속성들의 효과를 별도로 검토할 때 상호작용의 효과에 대한 정보를 충분히 확인하지 않음을 시사한다. 즉 상호작용 효과를 개별 속성 효과에 인입한 후에야 몇몇 개별 속성들의 효과가 유의한 것으로 확인되므로, 해석 시 이를 염두에 두어야 함을 뜻한다.

일곱째, model 2에서, 개인 특성과 이용 경험 중 유일하게 95% 신뢰구간에서 통계적으로 유의한 영향을 확인할 수 있는 속성은 총이용빈도이다. 다소 낮은 수준의 유의성 검증으로서, 90% 신뢰구간에서 그 영향이 유의한 속성은 연령이다. Table A1에 따르면, 이용빈도 증가에 따라 한계효용은 감소하는 것을 보여준다. 이는 Table 5의 총이용빈도 WTP=-31원을 통해, 이용자의 DRT 이용 빈도 1회 증가 시 전체 이용요금에서 31원의 할인을 고려할 것을 제시하는 것으로 해석할 수 있다. 반대로, 연령 속성으로는 40대 이상은 20-30대에 비해 약 866원을 이용요금으로 더 지불할 의사가 있음을 나타냈다. 여덟째, model 3에서, 유일한 통계적 유의성이 있는 상호작용 효과는 관광객*이용빈도이다. 관광객이면서 이용빈도가 1회 증가하는데 따른 할인의 크기는 0.5원이다. 이용빈도 증가에 따라 한계효용이 감소하는 것은 model2와 같으나, 그 주체가 관광객이면 할인의 크기는 줄어듦을 시사한다.

결론

1. 분석결과 요약

본 연구는 신규로 도입한 DRT 서비스에 대한 이용객의 지불의사를 확인하고자 하였다. 기존 연구는 서비스 이용의 평균적인 상황을 가정하여 대안특성과 이용자의 개인 특성별 지불의사 차이를 분석해 왔다. 이에 더해, 본 연구는 서비스 이용 당시의 이용 맥락을 반영한 속성인 이용 경험 속성이 지불의사에 영향을 미치는지를 확인함으로써 맞춤형 서비스의 설계를 고도화하는 데 기여하고자 하였다.

본 연구의 분석 결과는 다음과 같다. 첫째, 이용자 입장에서 기존 대중교통 이용에서의 핵심적인 불편 사항인 오랜 대기시간과 정류장 접근의 불편을 개선하는 방식의 서비스 조합이 DRT 선택에 유의한 영향을 미침을 확인하였다. 둘째, 연구 설계에서 제시된 바와 같이, 대안특성 외에도 개인 특성과 이용 경험에 따라 지불의사에 약간의 차이가 나타났다. 플랫폼 이용의 소비자 잉여 측면에서, 고정적인 개인 특성에 따른 인구집단별 지불의사 차이 외에, 이용 당시의 상황에서도 지불의사 차이를 확인한 것이다. 셋째, DRT 이용에 가장 큰 영향을 미치는 속성은 대안특성들이며, 기타 속성들의 영향은 독립적이든 상호작용적이든 매우 제한적이었다. 이는 DRT 이용에 대한 만족을 높이기 위해서는 서비스의 이용이 충분히 성숙해질 때까지 DRT 자체의 특성을 개발하고 개선하는 것이 우선적인 과제임을 확인한 결과이다. 넷째, DRT 이용에 대한 지불의사 추가의 수준은 기존 시내버스 이용요금의 1/2이나 2/3 수준에서 정해지는 것이 타당한 것으로 보이며, 대안특성 개선에 대한 지불의사의 전체 크기는 특성 간 유사한 것으로 나타났다.

2. 시사점

DRT 이용에 가장 큰 영향을 미치는 속성은 대안특성들이며, 기타 속성들의 영향은 독립적이거나 상호작용적이거나 모두 제한적임을 확인하였다. 이는 DRT 이용 만족을 높이기 위해서는 서비스의 이용이 충분히 성숙해질 때까지 DRT 자체의 특성을 개발하고 개선하는 데 우선의 노력을 들이는 것이 필요함을 시사한다. 또한 기장군 DRT 시범 서비스의 기존 서비스 대비 성과지표는 접근시간 감소 크기에 비해 대기시간 감소 크기가 2배 가까이 큰 것을 나타낸 데 반해, 본 연구의 지불의사 분석 결과는 접근시간 감소에 대한 지불의사가 대기시간 감소에 대한 지불의사에 비해 단위 시간당 1.6배 이상 큰 것을 나타냈다. 아마도 대안특성 개선 각각에 대한 지불의사 수준의 일반적인 경향이 있을 수 있으며, 이로부터 서비스의 지속가능성을 위해 이에 대한 추가적인 분석이 필요함을 시사한다.

3. 후속연구과제

본 연구의 후속 연구로서 다음의 내용들을 진행하고자 한다. 첫째, 제공되는 서비스 수준과 이용자 만족 정도 간의 관련성에 대한 세밀한 분석이 필요하다. 본 연구는 문헌연구에서 지적한 공급 수준과 이용 만족 간의 괴리를 해석하는 데 필요한 Sen(2013)의 역량개념을 실제 괴리 측정에까지 가시적으로 진행하지 않았다. 물론 대안특성에 대한 샘플 전체의 평균적 선호체계가 세부시장별 선호체계와 차이가 있을 수 있다는 것을 확인하였으나, 지불의사의 차이를 서비스 이용 역량에 따른 만족의 차이로 보고, 이에 따른 서비스 옵션을 개발하는 것이 필요하다. 둘째, 본 연구는 대안특성으로서 DRT 선택의 핵심 속성인 도보 접근시간과 대기시간만을 고려하였으나, 대안특성의 상세한 내용을 확인하여, 고려할 수 있는 유의한 서비스 속성들을 더 포함하는 분석 설계가 필요하다. 셋째, 위 둘째와 관련하여, 지불의사의 대안특성들 간 관련성에 어떤 경향이 있는지 체계적인 분석이 필요하다. 이 분석은 가격탄력성과 함께 서비스의 지속가능성에 중요하다. 넷째, 분석의 결과 이용자 특성 및 이용 경험에 해당하는 많은 변수들이 통계적으로 유의하지 않음에 따라 자료 수집과 모형 구조를 개선하는 것이 필요하다. 비록 신규교통서비스에 대한 이용자의 정보, 이미지, 이용 경험 축적이 충분치 않아 설문이 제시한 여러 가지 속성들이 대안 선호에 큰 영향을 미치지 않는 것으로 판단되나, 향후 이용자의 DRT에 대한 정보가 축적되는 상황을 고려한 자료 및 모형의 보완이 필요하다. 마지막으로, 이용자 특성 및 이용 경험에 해당하는 많은 변수들이 통계적으로 유의하지 않은 것에 대한 설명을 위해 자료 수집과 모형 구축에서 개선이 필요하다. 먼저 본 연구가 조사 여건의 한계로 이용 경험이 있는 대상만 조사한 제약을 극복하고, 보다 완전한 모형 추정을 위해 조사에 비이용자를 포함하는 것이 필요하다. 이로써 개인 특성과 이용 경험의 결합에 대한 모형 추정이 개선될 것이다. 또한 보다 개선된 잠재선호 실험 설계가 필요하다. 즉 이용 맥락 역시 실험 설계에 포함하거나, 신규교통서비스를 도입하기 이전에 개인 교통수단을 이용한 자료를 투입함으로써 이용 경험을 보다 완벽하게 분석에 포함하는 stated adaptation 방식의 모형을 구축하는 것이 필요하다.

Supplementary Material