서론
1. 연구배경 및 목적
2. 연구범위
선행연구
분석의 틀
1. 자료수집
2. 분석방법
코로나19로 인한 통행변화분석
1. 일일통행
2. 출근통행
3. 통행변화분석 종합
코로나19로 인한 통행 공간분포변화 영향요인분석
1. 변수선정
2. 통행분포영향요인분석
결론
서론
1. 연구배경 및 목적
코로나바이러스감염증-19(COVID-19, 이하 코로나19)는 사람과 동물에 감염될 수 있는 바이러스로서 SARS-CoV-2 감염에 의한 호흡기 증후군으로 정의된다(Central Disaster and Safety Countermeasures Headquarters, 2020). 코로나19는 비말과 접촉을 통해 전파되며, 발열 ‧ 기침 ‧ 호흡곤란 ‧ 폐렴 등 경증에서 중증까지 호흡기 관련 증상이 발현되는 특징이 있다. 2020년 1월 20일 중국 후베이성 우한지역에서 인천국제공항을 통해 입국한 30대 중국인 여성이 코로나19 확진판정을 받으며 코로나19가 처음 국내에 상륙하였으며, 2월 18일 대구에서 종교모임에 의한 확진자가 발생하고 확진자가 급속히 증가하면서 코로나19의 국내 확산이 본격화되었다. 이에 중앙정부는 2월 23일 국내 감염병에 대응한 위기 단계를 ‘심각’ 수준으로 상향하였으며, 사회적 거리두기 등 코로나19 확산 방지를 위한 방역 관련 정책을 지속적으로 발표하고 있다.
본 연구는 코로나19로 인한 통행변화의 지역적 특성을 확인하고 향후 이러한 재해가 다시 발생할 것에 대비하여 대중교통 정책과 대중교통 이용을 지원하는 계획을 수립할 수 있는 근거를 마련하는데 그 목적이 있다. 분석에는 여러 가지 접근 방법이 가능하겠으나, 본 연구는 버스정류소를 대상으로 통행변화의 공간적 특성을 확인하고자 한다. 정류소는 대중교통 네트워크상에 존재하는 교통시스템의 한 요소로서, 주변의 다른 정류소들과 연결되고, 그 연결성에 따라 중심부일수록 많은 승객이 이용하기도 하고, 연결성이 떨어지는 주변부에 있을수록 그 이용 빈도는 떨어진다고 할 수 있다. 본 연구는 경기도 내 버스정류소들을 대중교통 네트워크를 이루는 구성요소라 간주하고, 코로나19로 인한 통행변화 분석을 통해 정류소를 기반으로 이용 승객의 변화를 파악하고자 한다.
2. 연구범위
본 연구는 코로나19의 국내확산에 따른 통행변화를 시기별로 살펴보았다. Table 1과 같이 2020년 상반기 코로나19 확진 주요일정을 살펴본결과, 1월 20일 국내 첫확진자 발생 이후, 2월 대구 종교모임에 의한 집단감염으로 신규확진자가 급증하였으며, 3월 3일 신규확진자수가 최고조에 달했다. 정부의 적극적 전염병 관리대책 시행의 효과로 3월 중순부터는 소규모 집단감염으로 인한 신규 확진자 발생외에는 확진자 수가 크게 증가하지 않았으나, 8월 중순 대규모 도심 집회 이후 전국적인 대규모 집단감염이 발생하며 코로나 확진자가 다시 급증하였다. 본 연구는 감염확산이 시작된 초기에 이용자의 반응이 가장 민감할 것이라고 판단하였으며 우리나라에서는 8월 15일의 광복절 집회때 다시 한 번 확진자가 증가하였는데 이 시기 이후는 질병전파 자체의 요인 외 정치적 요소 등 다양한 요인들이 포함되어 분석이 어렵다고 판단하였다. 따라서 연구의 시간적 범위는 2020년 1월에서 8월, 공간적 범위는 경기도내에 위치한 버스정류소로 설정하였다.
Table 1.
Daily record of COVID-19 development in Korea
선행연구
OECD에서 분석한 자료1)에 따르면, 코로나19발생으로 전 세계적으로 대중교통이용률, 도로교통량이 최저치를 기록할 정도로 교통이용량이 감소한 것으로 나타났다. 반면 도보 및 자전거, 공유모빌리티 이용은 크게 증가해, 자전거차선, 보도폭 재정비 등 도로를 재구조화하는 사례도 많아진 것으로 조사되고 있다.
코로나19 발생은 전 세계적으로 대중교통이용에 많은 변화를 가져왔으며, 코로나19 관련 대중교통 이용 변화에 대한 연구는 다음과 같다. Kim(2021)은 교통관련 국제 학술지인 TRIP(Transportation Research: Interdisciplinary Perspectives)에 코로나19와 관련해 게재된 논문을 요약정리해 발표하였다. 논문검토 결과 전 세계적으로 많은 학자들이 코로나19 발생이 대중교통, 승차공유, 자전거공유, 도시이동서비스, 항공여행 등 운송사업에 장단기적으로 미치는 영향을 설문조사, 운송데이터분석 등 다양한 방법으로 연구하고 있는 것으로 나타났다. 코로나19 발생으로 보행자와 자전거이용자가 증가하였으며, 일부 도시에서는 자동차 차선을 자전거도로 혹은 보행자공간으로 일시적으로 전환한 사례도 나타났다. 또한 자동차 이용 감소로 대기질 개선이 되었으며, 전 세계적으로 탄소배출량이 7% 정도 감소한 것으로 분석되었다. Kim and Han(2020)은 코로나19 이후 국내 교통이용현황 및 전 세계 교통정책 변화를 분석하였다. 코로나19 이후 수도권 대중교통이용자가 급감하였으며, 도로 교통량은 소폭감소, 택배물동량은 전년대비 30% 증가하였다. 저자들은 전 세계적으로 교통정책 패러다임이 효율성에서 안전성으로 변화함에 따라, 대중교통으로 인한 감염을 최소화하기 위한 방역대책을 마련하고 있으며, 임시자전거도로 공급을 증가하는 등의 노력을 하고 있다고 주장하였다. Oh et al.(2020), Kim et al.(2020), Jang et al.(2020)은 코로나19 발생으로 인한 국내 대중교통 및 교통물류현황을 분석하였다. 코로나19의 충격으로 고속버스, 시외버스, 택시, 항공 등 모든 부문의 여객교통량이 급격히 감소하였으며, 이로 인해 운수업계 경영위기가 발생하였다. 또한 대중교통으로 인한 감염우려로 자가용에 대한 선호도가 높아졌으며, 화물물동량이 크게 증가한 것으로 분석되었다. 저자들은 여객운송산업 지원대책의 일환으로 대중교통의 탄력적 운행축소방안, 재정지원방안, 공영제 전환 등이 필요하며, 자가용선호도가 높아짐에 따른 도시교통 혼잡완화방안이 필요하다고 주장하였다. Tarasi et al.(2021)은 코로나19 발생에 따른 수단선택 영향요인을 분석하고 관련 정책을 제안하였다. 분석대상지인 그리스 크레타(Creta)섬은 코로나19 발생 전에는 시민의 40%가 택시나 자가용, 40%가 도보, 10%가 대중교통을 이용하는 자동차 중심의 도시였는데, 코로나19 발생 후 자동차 이용객이 줄고 도보, 자전거, 대중교통을 이용하는 비율이 높아진 것으로 나타났다. 이에 저자들은 대중교통서비스를 제공하는 운영자는 승객수요변화를 정량화해 서비스를 제공하고, 보다 효율적인 운송을 위해 경로를 재설계해야 하며, 정류소 및 버스 혼잡도에 관한 정보를 승객에게 제공함으로써 승객이 바이러스로부터 보다 안전한 경로를 선택할 수 있도록 해야 한다고 주장하였다. Shokouhyar et al.(2021)은 전문가 설문조사를 통해 코로나19 발생이 공유모빌리티에 미치는 영향을 검토하였다. 코로나19 감염우려로 승객들은 대중교통보다는 자가용을 이용하였으며, 이러한 경향이 쉽게 회복되지 않는 것으로 분석되었다. 이에 대중교통수단 운전자와 승객의 안전을 위해 유연근무제활성화, 마스크 필수착용, 소독이 필수적이어야 하며, 지속적인 모니터링을 수행하고, 도시인프라계획시 자동차보다 사람을 위한 도시를 계획해야 한다고 주장하였다. Shen et al.(2020)은 코로나19의 전파특성과 대중교통특성을 바탕으로 한 바이러스 예방 및 통제를 위한 종합대책을 도출하였다. 저자들은 구체적인 대중교통 관련 예방 및 통제지침을 수립하고 기관간 협력을 강화해야 하며, 차량내부의 철저한 방역 및 소독, 운전자 손소독제 및 마스크 사용 의무화, 승객간 거리유지 등이 필수적이어야한다고 주장하였다. Cochran(2020)은 장애인들과의 심층인터뷰를 통해 코로나19가 장애인 이동에 미치는 영향을 분석하였다. 코로나19 발생으로 개인 자가용이 없는 대부분의 장애인들은 감염우려로 인해 진료와 같은 기본적인 이동조차 어려웠던 것으로 나타났다. 이에 저자들은 코로나19와 같은 상황 속에서 장애인들이 필수적인 이동을 할 수 있도록 모니터링하고 수요응답서비스를 지원하는 등의 정책이 필요하다고 주장하였다. Khaddar Fatmi(2021)는 코로나19가 터키 이스탄불의 통행행태에 미치는 영향을 패널조사를 이용해 분석하였다. 분석결과 터키 내 코로나 첫 사망자 발생 이후 통근 및 쇼핑을 포함한 모든 목적통행량이 크게 변화하였으며, 철도, 버스, BRT 등 모든 대중교통수단의 이용이 감소하고 개인차량을 이용하려는 경향이 높아진 것으로 분석되었다.
코로나19로 인한 통행변화 영향요인에 대한 연구는 다음과 같다. Hu and Chen(2021)은 베이지안구조시계열모델을 이용해 계절, 휴일, 날씨와 같은 혼란효과를 제어하고, 코로나19가 대중교통탑승객에 미치는 영향을 추론하였다. 코로나19 대유행으로 시카고 환승역의 95%가 승객수에 영향을 받았으며, 평균적으로 승객수가 72.4% 감소하였다. 특히 상업용토지가 많고, 고소득층의 비율이 높은 지역에서 승객수가 더 많이 감소하였으며, 무역 ‧ 운송 등의 일자리가 많은 지역에서는 승객수가 비교적 적게 감소하였다. Bian et al.(2021)은 코로나19 발생에 대응한 정부정책이 실제 교통시스템에 반영되는 시간길이를 정량화하였다. 공간적범위는 뉴욕 및 시애틀시를 대상으로 하였으며, 분석결과 토지이용 및 사회인구학적 특성, 교통시스템 유형이 시스템반영시간길이에 크게 영향을 미치며, 사회적 거리두기 정책이 시민의 이동성에 복잡한 영향을 미치는 것으로 나타났다. 또한 코로나19로 인한 오락시설, 식당, 학교폐쇄, 50인 이상 집합금지 조치가 교통시스템에 가장 큰 영향을 주었으며, 자전거이용량이 크게 증가한 것으로 분석되었다. Sharifi and Khavarian-Garmsir(2020)은 문헌검토를 통해 코로나19가 도시에 미치는 영향을 주제별로 검토하였다. 저자들은 대중교통은 불특정 다수가 이용하는 특성을 가지고 있기 때문에 감염질환의 확산에 기여할 수 있으며, 이로 인해 승객들은 대중교통에 대한 부정적인 인식이 증가할 수 있으므로 정부는 이러한 영향을 최소화 할 수 있도록 대중교통이용에 많은 관심을 갖고 이를 예방해야 한다고 주장하였다. 또한 인구밀도는 바이러스 확산에 기여하는 주요요소가 아니며, 오히려 고밀도지역일수록 편의시설 및 공중보건인프라에 대한 접근성이 높아 전염병에 덜 취약하다고 주장하였다. Fatmi(2020)는 설문조사데이터를 활용해 코로나19 기간동안 일상통행 및 장거리통행 변화를 분석하였다. 분석결과 코로나19발생으로 통행률이 50%가 감소하였으며, 노인보다 젊은층일수록 통행률이 더 감소한 것으로 나타났다. 또한 고소득층일수록 재택근무를 더 긴 기간동안 수행했으며, 장거리통행은 대부분 자가용을 이용한 것으로 분석되었다.
코로나19 발생으로 전 세계적으로 교통량과 통행패턴이 변화하였으며, 특히 대중교통이용에 큰 변화를 가져왔다. 이에 선행연구에서는 기존의 교통시스템에서 새로운 교통체계와 정책의 필요성을 도시공간구조의 변화와 함께 요구하고 있음을 확인할 수 있었다. 본 연구에서는 코로나19로 인한 대중교통이용 변화패턴을 경기도 교통카드데이터로 파악하고 코로나19확산 시기별로 통행패턴을 분석하며 지역특성을 고려하여 통행변화에 미치는 영향을 분석하고자 한다. 이를 통해 향후 팬데믹이 발생할 경우를 대비하여 대중교통이용 정책을 수립할 수 있는 근거를 마련하고자 한다.
1)OECD (2020). Covid-19 Transport Brief: Re-spacing our City for Resilience.
분석의 틀
1. 자료수집
본 연구는 코로나19 감염확산 결과를 변화시기별로 경기도 버스정류소 통행분포 변화를 검토하기 위해, 국내 질병관리청에서 발표한 코로나 신규확진자 수 추이를 Figure 1과 같이 조사하였으며, 이에 근거해 Table 2와 같이 3개의 시점을 도출하였다. 각 시점의 기준일과 비교일의 선정은 일일신규확진자수가 승객의 통행변화에 반영되는 시간을 고려하기 위해, 코로나 확진자수 변화가 크게 나타난 시점의 1-2일 후 평일로 선정하였다. 기간 1(Phase 1)의 기준일인 2020년 1월 21일은 국내 코로나 첫 확진자가 발생한 직후이며, 비교일인 3월 5일은 2월 19일 발생한 대구 종교모임에 의한 대규모 집단감염발생으로 신규확진자수가 피크를 기록했던 이후이다. 기간 2(Phase 2)의 비교일인 5월 28일은 이태원 및 부천 쿠팡물류센터 집단감염발생 등 비교적 소규모의 국지적 집단감염이 오랜기간 지속되었던 시기의 일자이다. 기간 3(Phase 3)의 비교일인 8월 20일에는 광화문집회 대규모 집단감염발생 이후 신규확진자수가 300명 이상으로 다시 크게 증가하였다.
Figure 1.
The number of newly confirmed cases of COVID-19 from Feb to Aug 2020 in Korea (source: Central Disaster and Safety Countermeasures Headquarters, http://ncov.mohw.go.kr/, 8 Nov 2020 (reconstructed).)
Table 2.
Critical moments categorizing the COVID-19 development events into phases
 | ||
| Phase | Base date | Comparison date |
| Phase 1 | 21 Jan 2020 (Tue) | 05 Mar 2020 (Thu) |
| Phase 2 | 05 Mar 2020 (Thu) | 28 May 2020 (Thu) |
| Phase 3 | 28 May 2020 (Thu) | 20 Aug 2020 (Thu) |
source: Bhin and Son (2021), Analysis of the Change in Bus Use Pattern Due to COVID-19, GRI.
본 연구는 기준 및 비교일의 경기도 정류소별 승하차 통행량을 분석하기 위해 정류소별 일일 시간대별 승하차 교통카드 데이터를 수집하였다. 경기도 교통카드 데이터는 버스운행 노선을 중심으로 기록되기 때문에 경기도내에 위치한 정류소 뿐아니라 경기도 주변에 위치한 서울시, 인천시 등의 정류소 데이터가 함께 포함되어 있어, 본 연구에서는 경기도 정류소 위치데이터와 카드데이터를 매칭해 기준일과 비교일에 이용된 경기도 내 위치한 정류소 개소수를 도출하였다. 수집한 자료에 의하면 경기도에는 34,325개(2020.08 기준)의 버스정류소가 위치하고 있고, 일자별 카드데이터와 매칭한 결과 승객들은 일일 약 3만개 내외의 버스정류소를 이용하고 있으며 일자별로 이용된 정류소 개수는 버스운행, 이용자 이용현황에 따라 차이가 나타났다. 따라서 시점별 분석대상 정류소 개수는 기준일을 기준으로, 기준일의 정류소가 비교일에 없으면 해당 정류소는 결측 처리하였으며 이를 통해 최종 분석대상 정류소를 선정하였다. 이와 동일한 방법으로 출근시간대를 오전 7시-오전 9시로 설정해 출근통행분석 정류소도 선정하였으며, 분석결과 일일 분석정류소의 약 77%가 출근시간대에도 이용되는 것으로 분석되었다. 최종으로 선정된 분석대상 정류소 개수는 Table 3과 같다.
Table 3.
The number of bus stops by COVID-19 Phase included in the analysis
경기도 버스정류소 통행변화에 대한 공간분포 영향요인을 분석하기 위해 경기도 행정동별 사회경제 및 토지이용자료를 수집하였다. 자료의 수집년도는 2019년을 기준으로 하였으나, 사업체수 및 종사자수 자료는 가장 최신자료인 2018년을 기준으로 수집하였다. 2019년 12월 기준 경기도 행정동은 543개이나 2018년과 2019년의 경기도 행정동체계를 맞춰 최종적으로 분석에 활용된 행정동은 513개이며, 수집자료의 수집년도 및 출처는 Table 4와 같다.
Table 4.
Source of the data of factors affecting change of bus use volume at bus stops
| Data | Collection year | Source | |
| Daily bus card data for each bus stop | 2020 | Gyeonggi-do Gov. | |
|
Socioeconomic indicators |
Number of population/households, Sex ratio | 2019 | Ministry of Public Administration and Security |
| Elderly ratio | 2019 | Statistics Korea | |
| Area, Population density | 2019 | Gyeonggi-do Transportation Information Center | |
| Number of businesses/worker | 2018 | Gyeonggi-do Transportation Information Center | |
|
Land use indicators | Land use ratio | 2019 | Gyeonggi-do Gov. |
source: Gyeonggi-do Transportation Information Center, https://gits.gg.go.kr/, 2021.01.16.Gyeonggi-do (2020), Daily Bus Card Data for Each Bus Stop (Internal data).Ministry of Public Administration and Security, https://www.mois.go.kr/, 2021.01.16.Statistical Korea, https://kostat.go.kr/, 2021.02.08.
2. 분석방법
본 연구는 경기도 내 버스정류소들을 하나의 대중교통 네트워크를 이루는 구성요소라 간주하고, 코로나로 인한 통행변화의 특성을 파악하고, 공간분포 변화 영향요인을 분석하고자 한다. 이를 위해, 먼저 코로나 발생 시기별로 통행이 어떻게 변화했는지 분석하고, 다중선형회귀분석을 이용해 통행변화의 공간분포 특성이 토지이용 및 지역의 인구특성과 어떤 관련이 있는지 등을 확인하고자 한다.
코로나19로 인한 통행변화분석
1. 일일통행
일일 승하차 통행량을 분석한 결과는 Table 5와 같다. 2020년 1월 21일 경기도 버스카드데이터 기준의 승하차 총통행량은 약 798만건, 정류소별 평균 통행량은 269건, 표준편차는 803.2건으로 나타났다. 그러나 2020년 3월 5일의 총통행량은 약 518만건으로 1월의 기준시점과 비교할 때 35.1% 감소하였다. 이후 2020년 5월 28일 통행량이 약 670만건으로 3월에 비해 29.3% 증가하며 점차 회복되는 추세를 보였으나 2020년 8월 20일 다시 통행량이 5월과 비교할 때 10.3% 감소하였다. 일별 승하차 통행량이 많은 순서로 했을 때 상위를 차지하는 정류소는 모두 지하철역 근처 정류소로 나타났으며, 기간별로 순위는 달라지나 대상 정류소는 크게 차이가 없는 것으로 분석되었다. 일별 승하차 통행량이 가장 많게 나타나는 정류소는 1월 21일과 8월 20일은 성남시에 위치한 야탑역 ‧ 종합버스터미널 정류소, 3월 5일은 고양시 대화역 정류소, 5월 28일은 수원시 수원역 정류소로 나타났다.
Table 5.
Daily number of bus passengers
기준일에 비해 비교일에 승하차 통행량이 감소한 정류소를 통행량 감소정류소, 통행량이 동일한 정류소를 통행량 유지정류소, 통행량이 증가한 정류소를 통행량 증가정류소로 구분해 통행변화량을 비교분석하였으며, 그 결과는 Table 6과 같다. 분석결과 기간 1(Phase 1)에서는 전체 정류소의 82.4%에서 기준일 대비 통행량이 감소한 것으로 나타났으며, 기간 2(Phase 2)에서는 정류소의 77.2%에서 통행량이 증가한 것으로 나타났다. 기간 3(Phase 3)에서는 기간 2(Phase 2)에 비해 감소정류소는 46.0% 늘어나고 증가 정류소는 46.7% 줄어들었으며, 승하차인원이 감소한 정류소가 증가한 정류소에 비해 31.5% 많은 것으로 분석되었다.
Table 6.
The number of bus stops by daily bus use volume change and by phase
시점별 승하차 통행량 변화를 검토한 결과는 Table 7과 같다. 기간 1(Phase 1)의 통행변화량 평균은 -101.2건으로 대부분의 정류소가 통행량이 감소하였다. 가장 통행량이 많이 감소한 정류소는 2020년 1월 21일 성남시에 위치한 야탑역 정류소로 통행량이 8,779건 감소한 것으로 분석되었다. 반면 통행량이 가장 많이 증가한 정류소는 안양시에 위치한 창박골 정류소로 통행량이 379건으로 나타났다. 기간 2(Phase 2)의 통행변화량 평균은 53.1건으로 많은 정류소가 통행량이 증가하는 추세를 보였으며, 통행량이 가장 많이 증가한 정류소는 수원시에 위치한 수원역 ‧ AK플라자 정류소로 통행량이 5,245건 증가하였다. 통행량이 가장 많이 감소한 정류소는 하남시의 미사역 정류소로 통행량이 792건 감소하였다. 기간 3(Phase 3)의 통행변화량 평균은 -24.2건으로 통행량이 감소하였다. 가장 통행량이 많이 감소한 정류소는 기간 2(Phase 2)와 동일하게 수원시에 위치한 수원역 ‧ AK플라자 정류소이며 통행량이 3,498건 감소하였다. 반면 통행량이 가장 많이 증가한 정류소는 하남시의 미사역 정류소로 통행량이 881건 증가하였다.
Table 7.
Change of daily bus use volume by phase
2019년과 2020년 경기도 시내버스유형별 상반기 가동대수 및 이용객수의 증감율은 Table 8과 같다. 경기도의 버스노선 가동대수는 차량, 운수종사자의 배치 등의 이유로 코로나19가 발생하기 이전에도 탄력적이었다. 코로나19가 발생하기 전인 1월에도 가동대수변화가 크지는 않지만 전년대비 0.2% 감소하였으며, 2월은 7.6% 증가하였다. 코로나19관련 정부 방역지침으로 학생들의 개학이 연기되고 직장인들의 재택근무를 시행하면서 버스이용객수 감소로 버스업체의 경영이 악화됨에 따라 3월 시내버스가동대수가 13.0% 감소하였으며, 4월 17.3% 감소로 정점을 찍고 5월 이후 조금씩 증가하였다. 시내버스이용객수는 월평균 -28.6% 감소하였으며, 3월 42.5%로 가장 많이 감소하고 4월 이후 점차 증가하는 경향을 나타내고 있다. 결론적으로 2020년 상반기 시내버스가동대수는 코로나19 발생으로 2019년 상반기에 비해 7.9% 감소하였고 버스이용객수는 28.6% 감소하였다. 경기도 시내버스는 광역급행형(A), 직행좌석형(민영제(B-1), 준공영제(B-2)), 경기순환형(C), 좌석형(D), 일반형(E), 맞춤형(F)과 같이 6개 유형으로 구분할 수 있다. 시내버스유형별 가동대수 및 버스이용객수 월별 증감율을 살펴보면, 3월 이후 대부분의 유형에서 2019년대비 2020년 가동대수가 감소하였으며, 이용객수도 감소하였다. 반면 직행좌석형 중 준공영제(B-1)와 맞춤형버스(F)는 2019년 대비 2020년 가동대수를 증가시켰음에도 불구하고 버스이용객수는 감소한 것으로 분석되었다. 시내버스가동대수의 증감운행이 버스이용객수에는 영향을 줄 수는 있지만, Table 8과 같이 일부 버스유형에서는 가동대수와 버스이용객수가 동시에 줄었으나 일부 유형에서는 가동대수를 증가시켰음에도 불구하고 이용객수가 줄었다는 점으로 볼 때, 상관성을 계량화하기는 어렵다. 따라서 본 연구에서는 별도로 시내버스 가동대수에 대한 영향을 고려하지 않고 이용객수 증감에 이러한 영향을 포함시켜서 분석하였다.
Table 8.
Increase or decrease rate of the monthly number of buses operated and the monthly number of passengers from early 2019 to early 2020 by type of buses in Gyeonggi Province
source: Kim and Kim (2020), Budget estimation of finalcial support for non-profitable bus routes considering the effects fo COVID-19 (reconstruction), GRI.
2. 출근통행
일별 출근시간 승하차 통행량을 분석한 결과는 Table 9와 같다. 일일 승하차통행량의 약 16.0%가 출근 승하차통행량으로 분석되었다. 2020년 1월 21일 출근 승하차 총통행량은 약 128만건, 정류소별 평균 통행량은 53.7건, 표준편차는 143.4건으로 나타났다. 그러나 2020년 3월 5일의 총통행량은 약 95만건으로 1월에 비해 34.0% 감소하였다. 이후 2020년 5월 28일 통행량이 약 123만건으로 22.4% 증가하며 점차 회복되는 추세를 보였으나 2020년 8월 20일 다시 통행량이 15.3% 감소한 것으로 분석되었다.
Table 9.
Change of commuting-hour bus use volume by phase
출근 승하차 통행량 상위 정류소는 모두 지하철역 근처 정류소로 나타났으며, 일별로 순위는 변동되지만 정류소는 큰 차이가 없는 것으로 분석되었다. 출근 승하차 통행량 최대정류소는 1월 21일, 3월 5일, 5월 28일은 고양시 대화역 정류소, 8월 20일은 성남시에 위치한 야탑역 ‧ 종합버스터미널 정류소로 나타났다. 이 정류소들은 지하철과 연계된 환승기능을 하는 곳이다.
시점별 출근 통행 변화 정류소 개수는 Table 10과 같다. 기간 1(Phase 1)에서는 전체 정류소의 71.0%에서 기준일 대비 출근통행량이 감소한 것으로 나타났으며, 기간 2(Phase 2)에서는 정류소의 68.0%에서 출근통행량이 증가한 것으로 나타났다. 기간 3(Phase 3)에서는 기간 2(Phase 2)에 비해 감소정류소는 37.8% 늘어나고 증가 정류소는 38.8% 줄어들었으며, 전체정류소에서는 승하차인원이 감소한 정류소가 증가한 정류소에 비해 29.2% 많다. 위 내용을 정리해보면 기간 1(Phase 1)은 출근통행량 감소정류소가 압도적으로 많으며, 기간 2(Phase 2)는 출근통행량 증가정류소가 압도적으로 많은 것으로 나타났다. 또한 기간 3(Phase 3)은 기간 1(Phase 1)보다는 증가정류소가 많고 기간 2(Phase 2)보다는 감소정류소가 많은 것으로 나타났다. 일일통행분포와 출근통행분포는 약간의 비율차이는 있지만, 통행량감소(Phase 1)-통행량증가(Phase 2)-통행량감소(Phase 3)의 동일한 경향을 보인다고 해석할 수 있다.
Table 10.
The number of bus stops by commuting-hour bus use volume change and by phase
시점별 출근 통행량 변화를 검토한 결과는 Table 11과 같다. 기간 1(Phase 1)의 출근 통행량 변화 평균은 -15.1건으로 대부분의 정류소가 통행량이 감소하였다. 가장 통행량이 많이 감소한 정류소는 성남시 판교역(남편) 정류소로 통행량이 1,379건 감소한 것으로 분석되었다. 반면 통행량이 가장 많이 증가한 정류소는 안양시에 위치한 오뚜기식품 ‧ 두산벤처다임 정류소로 통행량이 151건 증가하였다.
기간 2(Phase 2)의 출근 통행량 변화 평균은 +12.4건으로 많은 정류소가 통행량이 증가하는 추세를 보였으며, 통행량이 가장 많이 증가한 정류소는 성남시 야탑역 ‧ 종합버스터미널 정류소로 통행량이 826건 증가하였다. 통행량이 가장 많이 감소한 정류소는 하남시의 미사역 정류소로 통행량이 220건 감소하였다.
기간 3(Phase 3)의 출근 통행량 변화 평균은 -7.4건으로 통행량이 감소하였다. 가장 통행량이 많이 감소한 정류소는 고양시 대화역 정류소로 통행량이 759건 감소한 것으로 분석되었다. 반면 통행량이 가장 많이 증가한 정류소는 하남시의 미사역 정류소로 통행량이 328건 증가하였다.
Table 11.
Change of commuting-hour bus use volume by phase
3. 통행변화분석 종합
기간 1(Phase 1)의 일일통행량 감소율은 -35.1%, 출근통행량 감소율은 -34.0%로 통행변화에 큰 차이가 없는 것으로 나타났으나, 기간 2(Phase 2)의 전일 통행량 증가율은 +29.3%, 출근 통행량 증가율은 +22.4%로 약 6.9% 차이가 나며, 기간 3(Phase 3)의 전일 통행량 감소율은 -10.3%, 출근 통행량 감소율은 -15.3% 약 5.0% 차이가 나는 것으로 분석되었다. 이러한 결과는 코로나19가 오랜기간 지속되며 재택근무 및 원격수업이 점차 확대됨에 따라, 통행량 증가시에는 출근통행이 일일통행보다 적게 증가하고, 통행량 감소시에는 출근통행이 일일통행비율보다 많이 감소한 것으로 판단된다.
일일 및 출근 통행변화 정류소 개소수를 분석한 결과 기간 1(Phase 1)은 통행량 감소정류소가 압도적으로 많으며, 기간 2(Phase 2)는 통행량 증가정류소가 압도적으로 많은 것으로 나타났다. 또한 기간 3(Phase 3)은 기간 1(Phase 1)보다는 증가정류소가 많고 기간 2(Phase 2)보다는 감소정류소가 많은 것으로 나타났다. 이는 코로나19 감염확산에 대한 충격이 기간 1(Phase 1), 기간 3(Phase 3), 기간 2(Phase 2)순으로 시민들에게 더 강하게 영향을 미쳐 결론적으로 통행량에 나타나는 것으로 보인다. 또한 기간별로 통행변화가 가장 많이 나타난 정류소를 검토한 결과 성남시 야탑역 정류소, 수원시 수원역 ‧ AK플라자 정류소 등과 같이 모두 환승이 이루어지는 지하철역 근처 대규모 정류소가 통행변화가 가장 크게 나타난 것으로 분석되었다.
코로나19로 인한 통행 공간분포변화 영향요인분석
1. 변수선정
본 연구는 경기도 행정동별 사회경제 및 토지이용 변수를 고려한 코로나 발생시기별 경기도 버스정류소 통행변화에 대한 공간분포 영향요인을 분석하였다. 종속변수는 경기도 513개 행정동의 코로나 발생시기별 통행변화량으로, 기간 1(Phase 1)은 25,779개 정류소, 기간 2(Phase 2)는 25,986개 정류소, 기간 3(Phase 3)은 26,707개 정류소가 읍면동별 사회경제 및 토지이용 변수와 매칭되었다. 또한 출근시간대 중 코로나로 인한 통행량 감소의 영향이 가장 컸던 기간 1(Phase 1) 출근시간대 정류소를 대상으로 읍면동별 사회경제 및 토지이용 변수를 매칭하였으며, 19,644개의 정류소가 매칭되었다.
기간 1(Phase 1)의 일일 및 출근시간대 통행변화량 평균은 각각 -4,902.7건, -562.3건으로 대부분의 행정동에서 통행량이 감소한 것으로 분석되었다. 반면 기간 2(Phase 2)의 일일 통행변화량 평균은 +2,700.4건으로 점차 회복되는 추세를 보였으나, 기간 3(Phase 3)의 평균이 -1,336.7건으로 다시 통행량이 감소한 것으로 분석되었다. 일일 통행변화량이 최대인 행정동은 기간 1, 2, 3 모두 수원시 매산동으로 분석되었다. 이는 수원시 매산동에 일일통행량 상위 정류소인 수원역 ‧ AK플라자 정류소가 위치하고 있기 때문으로 판단된다. 기간 1(Phase 1)의 출근 통행변화량 최대 행정동은 성남시 삼평동으로 판교역과 판교테크노밸리가 위치하고 있어 기업들의 재택근무실시 등으로 인한 출근통행량이 가장 크게 변화한 것으로 판단된다. 독립변수는 행정동별 사회경제 및 토지이용변수이며, 사회경제변수는 읍면동별 총인구수, 세대수, 면적, 인구밀도, 남성비, 고령자비, 사업체수 및 종사자수, 토지이용변수는 주거, 상업, 공업, 녹지비율을 선정하였다. 선정된 변수의 기초통계분석결과는 Table 12와 같다.
Table 12.
Base statistical analysis
2. 통행분포영향요인분석
코로나 발생시기별 경기도 버스정류소 통행변화에 대한 공간분포 영향요인 분석은 SPSS 27.0을 활용한 다중선형회귀분석방법을 활용하였으며, 다중선형회귀식은 Equation 1과 같다. 기간별 변수의 선정은 Pearson 상관관계 분석을 통해 종속변수와 독립변수간 상관계수가 높고, 독립변수간 상관계수가 낮은 변수를 우선순위로 선정하였으며 상관분석 결과는 Table 13과 같다. 또한 변수의 p-value와 계수값을 종합적으로 고려하여 90%의 신뢰수준에 유의미한 설명변수만 채택하여 최종모형을 분석하였다.
where, : Dependent variable
: Independent variable
: Constant term
: Error term
Table 13.
Correlation analysis
1) Phase 1 일일/출근통행
(1) 일일통행
기간 1(Phase 1) 일일통행변화 공간분포 영향요인 분석결과는 Table 14와 같다. 분석결과 사회경제변수인 읍면동별 총인구수, 면적, 남성비, 사업체수, 토지이용변수인 읍면동별 상업비율이 설명변수로 채택되었다. 선정된 변수 중 총인구수, 사업체수, 상업비율은 음의 상관관계로 총인구수가 많고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일 통행량이 감소한 것으로 분석되었다. 반면 면적 및 남성비는 양의 상관관계로 면적이 좁고, 남성비가 낮은 읍면동일수록 일일 통행량이 감소한 것으로 분석되었다. 모형의 설명력을 나타내는 수정된 값이 0.506으로 50.6%의 설명력을 가지는 것으로 분석되었으며, 모형의 유의확률이 0.000으로 유의한 것으로 분석되었다.
Table 14.
Model of daily bus use volume change of Phase 1
(2) 출근통행
기간 1(Phase 1) 출근통행변화 공간분포 영향요인 분석결과는 Table 15와 같다. 분석결과 사회경제변수인 읍면동별 총인구수, 면적, 남성비, 사업체수, 토지이용변수인 읍면동별 상업비율이 설명변수로 채택되었다. 선정된 변수 중 총인구수, 사업체수, 상업비율은 음의 상관관계로 총인구수가 많고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일 통행량이 감소한 것으로 분석되었다. 반면 면적 및 남성비는 양의 상관관계로 면적이 좁고, 남성비가 낮은 읍면동일수록 일일 통행량이 감소한 것으로 분석되었다. 출근통행에서 선정된 변수 및 계수의 부호는 앞서 분석한 일일통행분석과 동일하나 비표준화 계수 크기가 출근통행분석이 확연히 작은 것으로 분석되었다. 모형의 설명력을 나타내는 수정된 값이 0.446으로 44.6%의 설명력을 가지는 것으로 분석되었으며, 모형의 유의확률이 0.000으로 유의한 것으로 분석되었다.
Table 15.
Model of commuting-hour bus use volume change of Phase 1
2) Phase 2 일일통행
기간 2(Phase 2) 일일통행변화 공간분포 영향요인 분석결과는 Table 16과 같다. 분석결과 사회경제변수인 읍면동별 총인구수, 면적, 남성비, 사업체수, 토지이용변수인 읍면동별 상업비율이 설명변수로 채택되었다. 선정된 변수 중 총인구수, 사업체수, 상업비율은 양의 상관관계로 총인구수가 많고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일 통행량이 증가한 것으로 분석되었다. 반면 면적 및 남성비는 음의 상관관계로 면적이 좁고, 남성비가 낮은 읍면동일수록 일일 통행량이 증가한 것으로 분석되었다. 기간 1(Phase 1)의 일일통행변화 분석모형과 선정된 변수는 동일하나, 계수의 부호가 모두 반대인 것으로 분석되었다. 모형의 설명력을 나타내는 수정된 값이 0.464로 46.4%의 설명력을 가지는 것으로 분석되었으며, 모형의 유의확률이 0.000으로 유의한 것으로 분석되었다.
Table 16.
Model of daily bus use volume change of Phase 2
3) Phase 3 일일통행
기간 3(Phase 3) 일일통행변화 공간분포 영향요인 분석결과는 Table 17과 같다. 분석결과, 사회경제변수인 읍면동별 총인구수, 면적, 고령자비, 사업체수, 토지이용변수인 읍면동별 상업비율, 공업비율이 설명변수로 채택되었다. 선정된 변수 중 총인구수, 고령자비, 사업체수, 상업비율은 음의 상관관계로 총인구수가 많고, 고령자비가 높고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일 통행량이 감소한 것으로 분석되었다. 반면 면적 및 공업비율은 양의 상관관계로 면적이 좁고, 공업비율이 낮은 읍면동일수록 일일 통행량이 감소한 것으로 분석되었다. 모형의 설명력을 나타내는 수정된 값이 0.385로 38.5%의 설명력을 가지는 것으로 분석되었으며, 모형의 유의확률이 0.000으로 유의한 것으로 분석되었다.
Table 17.
Model of daily bus use volume change of Phase 3
4) 분석종합
코로나 발생시기별 통행량은 기간 1-3(Phase 1-3) 순서대로 통행량 감소(충격)-통행량 증가(회복)-통행량 감소(충격)의 경향을 보인 것으로 나타났다. 따라서 본 연구에서는 회귀모형을 활용해 기간별 통행량 변화에 미치는 지역특성을 비교분석하였으며, 그 결과는 Table 18과 같다.
Table 18.
Model comparison
기간 1(Phase 1)의 일일 및 출근통행변화 공간분포 영향요인 분석결과 두 모형 모두 동일하게 사회경제변수의 총인구수, 면적, 남성비, 사업체수, 토지이용변수의 상업비율이 설명변수로 채택되었으며, 계수의 부호도 동일한 것으로 분석되었다. 그러나 계수의 크기가 일일통행 분석이 출근통행 분석보다 큰 것으로 분석되었다. 이는 두 모형이 같은 코로나 시기의 통행변화인 만큼 통행변화에 대한 영향요인은 동일하나, 출근통행량이 일일통행량의 17% 정도이므로 이러한 영향이 계수값에 반영된 것으로 판단된다. 코로나19 확산초기인 기간 1(Phase 1)은 전국 초 ‧ 중 ‧ 고 개학연기, 강력한 사회적 거리두기 시행 등의 영향으로 일일통행량이 35.1%, 출근통행량이 34.0% 감소한 시점으로, 공간적으로는 총인구수가 많고, 면적이 좁고, 여성비가 높고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일 및 출근 통행량이 감소하였다.
기간 2(Phase 2)는 코로나19 일일 신규확진자수가 감소하며 대중교통 통행량이 회복되는 시점으로, 일일통행량이 29.3% 증가하였다. 공간적으로는 기간 1(Phase 1)과 모두 동일하게 사회경제변수의 총인구수, 면적, 남성비, 사업체수, 토지이용변수의 상업비율이 통행변화에 상관이 있다고 도출되었으나, 계수의 부호는 정반대로 분석되었다. 즉 총인구수가 많고, 면적이 적고, 남성비가 낮고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일통행량이 증가하였다.
기간 3(Phase 3)은 8월 15일 광화문도심집회로 신규확진자수가 증가하며 통행량이 다시 감소하는 시점으로, 일일통행량이 10.3% 감소하였다. 공간적으로는 총인구수, 면적, 고령자비, 사업체수, 토지이용변수의 상업 및 공업비율이 통행변화에 영향을 준 것으로 분석되었다. 총인구수가 많고, 면적이 좁고, 고령자비가 높고, 사업체수가 많고, 상업비율이 높고, 공업비율이 낮은 읍면동일수록 일일통행량이 감소하였다.
각 모형의 수정된 값을 보면, 코로나로 인한 충격(Phase 1)-회복(Phase 2)-충격(Phase 3)의 순으로 모형의 설명력의 크기가 높은 것으로 나타났다. 기간 1(Phase 1)은 코로나로 인한 충격이 가장 컸고, 그로 인해 기간 2(Phase 2)는 회복의 영향이 큰 것으로 판단된다.
결론
본 연구는 코로나19로 버스이용변화와 지역적 특성간의 영향을 분석하였다. 먼저, 국내 코로나 확진자수 추이에 근거해 버스 승하차 통행량 변화 시기를 기간 1-3(Phase 1-3)으로 구분해 일일통행과 출근통행 변화량을 비교분석하였다. 코로나 확산초기인 기간 1(Phase 1)은 통행량이 가장 많이 감소한 시기로, 일일통행량이 35.1%, 출근통행량이 34.0% 감소하였다. 기간 2(Phase 2)는 코로나19 일일 신규확진자수가 감소하여 대중교통 통행량이 회복되는 시기로 일일통행량이 29.3%, 출근통행량이 22.4% 증가하였다. 기간 3(Phase 3)은 신규확진자수가 다시 급증하며 통행량이 다시 감소한 시기로 일일통행량이 10.3%, 출근통행량이 15.3% 감소하였다. 즉 코로나 발생시기별 통행량은 기간 1-3(Phase 1-3) 순서대로 통행량 감소(충격)-통행량 증가(회복)-통행량 감소(충격)의 경향을 보인 것으로 나타났다. 또한 각 기간별로 통행변화가 가장 많이 나타난 상위 정류소들을 검토한 결과 성남시 야탑역 정류소, 수원시 수원역 ‧ AK플라자 정류소 등과 같이 모두 환승이 이루어지는 지하철역 근처 대규모 정류소가 통행변화가 가장 크게 나타난 것으로 분석되었다.
다중선형회귀모형을 활용해 기간별로 버스이용변화에 미치는 공간분포 영향요인을 분석한 결과, 기간 1(Phase 1)은 총인구수가 많고, 면적이 좁고, 남성비가 낮고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일 및 출근 통행량이 감소하였다. 기간 2(Phase 2)는 기간 1(Phase 1)과 모두 동일하게 사회경제변수의 총인구수, 면적, 남성비, 사업체수, 토지이용변수의 상업비율이 통행변화에 상관이 있다고 도출되었으나, 계수의 부호는 정반대로 분석되었다. 즉 총인구수가 많고, 면적이 적고, 남성비가 낮고, 사업체수가 많고, 상업비율이 높은 읍면동일수록 일일통행량이 증가하였다. 기간 3(Phase 3)는 총인구수가 많고, 면적이 좁고, 고령자비가 높고, 사업체수가 많고, 상업비율이 높고, 공업비율이 낮은 읍면동일수록 일일통행량이 감소하였다.
결과로부터 얻을 수 있는 시사점은 다음과 같다. 첫째, 코로나19 확진자 발생으로 인한 통행변화 영향은 환승이 이루어지는 지하철역 근처 대규모의 정류소가 그 특성이 두드러지게 나타났다. 둘째, 코로나19 확진자수가 증가하면 중심지역보다 경제적으로 비활동적인 주변지역에 위치한 정류소의 통행량이 증가하며, 반대로 코로나19 확진자수가 감소하면 주변지역 보다 산업 혹은 경제활동이 활발한 중심지역의 통행량이 증가하였다.
코로나19의 영향과 같이 비대면생활이 일상화될 경우, 지역 내의 이동과 공간수요는 다핵분산화가 될 것이다. 이는 교통분야에서 새로운 기준을 의미하며 코로나19 이후의 대응의 방향을 중요하게 제시하는 것이다. 총 수요관리, 효율성, 대중교통 및 혼잡제어와 같은 기술을 적용하여 생산성과 최적화에 초점을 맞춰왔던 기존의 운송서비스는 변화가 요구되며, 향후에는 적은 인구집단과 지역을 위한 맞춤형 서비스가 강조되어 제공되어야 할 것이다.
향후 연구과제로, 다음과 같이 제안한다. 첫째, 지하철과 연계하는 통행을 포함함으로써 대중교통 이용 변화 전체를 포함하는 연구가 필요하다. 둘째, 경기도내 통행의 다핵분산화 경향 정도를 좀 더 정량화해 분석이 필요하며, 기본 생활권 내로 통행이 국지화되는 경향이 있는지를 분석하기 위해, 장거리 통행과 단거리 통행 각각의 변화와 그 상호작용을 확인하고 그에 대한 영향요인을 추가로 분석하는 것이 필요하다. 셋째, 위와 관련된 추가 분석으로, 공간분석기법을 활용하여 코로나19로 인한 네트워크 상의 중심성 변화를 분석할 필요가 있다. 즉, 코로나19로 인해 사람들이 자발적으로 감염예방을 위해 환승정류소와 같이 복잡한 정류소를 피하고 혼잡하지 않은 외곽 정류소를 이용하는 현상을 발견한다면 교통시설의 분산배치 필요성을 더욱 강하게 주장할 수 있을 것이다. 넷째, 코로나19로 인한 통행변화의 외부적요인, 즉 사회적거리두기 단계별 시책 들을 세분화하여 고려할 필요가 있다. 예를 들어 초 ‧ 중 ‧ 고 학생들의 온라인 수업전환으로 인한 이동량 감소 등이 고려되어야 한다. 다섯째, 질병 추이와 통행량 간의 보다 장기적인 상호관련성을 시계열 분석기법을 활용하여 정밀하게 조사 요약하는 노력이 필요하다. 이는 질병확산 심화시의 통행 위축 및 통행행태의 국지화 경향의 일반패턴 확인은 물론 질병확산 감소와 회복기의 통행 패턴 정상화의 일반 패턴을 확인할 수 있어, 관련된 정책 수립에 자료로 활용할 수 있을 것이라 판단된다.
