서론

모바일 플랫폼 기반 수요대응 서비스의 등장과 자율주행 기술의 발전으로 대중교통 체계의 전환기를 맞이하고 있다. 특히, 스마트폰 보급이 보편화됨에 따라 최근 몇 년 동안 개인과 운전자를 연결해주는 민간 기업(Uber, Lyft, 카카오 모빌리티 등)이 빠르게 성장하면서 실시간 이용자의 호출과 수락에 기반하여 배차가 확정되는 수요대응형 서비스가 주목받고 있다(Abdullah et al., 2021; Calabrò et al., 2023). 이에 다수의 도시에서 이러한 “사용자 중심”의 서비스를 대중교통 체계에 도입하기 위하여 Mobility On Demand(MOD) 실증 사업을 진행 중이다(Wang et al., 2023). 예를 들어, 국내의 경우 인천광역시 검단신도시의 I-MOD를 비롯하여 서울특별시 은평구의 셔클 등 실시간 요청에 따른 대중교통 서비스를 공공과 민간기업이 협업하여 진행하고 있다(Ministry of Land, Infrastructure and Transport, 2022).

한편, IoT 센서를 비롯하여 인공지능(AI)을 활용한 실시간 빅데이터 처리 기술이 급속도로 성장하면서 자율주행 기술이 발전하였고, 이를 수요대응형 서비스에 접목하고자 하는 시도가 계속되고 있다. 기존의 수요대응형 서비스는 경로 변경 시 운영자의 판단과 반응에 일부 의존하였다면, 두 기술의 융합에 기반한 Autonomous Mobility on Demand(AMoD) 서비스는 온전히 인공지능과 정보통신 기술에 기반한다는 점에서 차이점이 존재한다. 이처럼 자율주행 수요대응형 서비스는 실시간으로 변하는 수요와 경로 변경에 대응하는 능력을 높일 수 있다는 기대를 받고 있다.

한편, 자율주행 수요대응형 대중교통 서비스가 상용화되면 도시 공간 내 수단 분담이 변화할 것으로 예상됨에도 불구하고 국내외 수요대응형 수단선택 연구에서는 해당 서비스가 이용자의 호출과 그에 따라 주어지는 통행정보에 따라 의사결정이 이루어진다는 점을 간과하고 있다. 예를 들어, Lee et al.(2022)은 설문조사 결과를 기반으로 자율주행 수요대응 대중교통과 기존 교통수단 간 수단 분담 관계를 조사하고, 이용자의 사회·경제적 속성과 현재 대중교통의 만족도와 선호도의 관계를 분석하였다. 다만, 해당 연구에서는 수요대응형 서비스의 경우 전통적인 대중교통 서비스와 달리 이용자가 서비스 호출 후 제공받은 통행시간 정보를 기반으로 최종 배차 수락을 결정함을 간과하고 있다.

따라서 본 연구에서는 수요대응형 대중교통 서비스 이용 시 제공되는 통행정보가 이용자의 배차 수락 여부에 미치는 영향에 대해 알아보고자 한다. 특히, 거리에 따라 기대 차내 이동시간을 기준으로 탑승장소까지 이용자의 접근시간, 차량 배차시간, 차내 추가 시간 범위(불확실 시간)에 따라 승차 수락 여부가 어떻게 변화하는지 주목하였다. 이에 논문 구성은 먼저 수요대응형 서비스를 대상으로 하는 선행연구를 고찰하고, 통행정보가 주어졌을 때 이용자의 서비스 선택행태를 분석한 연구를 검토하였다. 다음으로 연구설계에서는 분석을 위해 수집한 설문조사 설계 과정을 비롯하여 잠재선호 실험설계 방법에 대하여 설명하였으며, 분석 방법으로 혼합 로짓모형을 활용하였다. 분석결과에서 모형 추정 결과를 비롯하여 통계적으로 유의미한 상관성을 보인 통행시간 정보에 대하여 차내 통행시간을 기준으로 상대적인 수락률 변화를 제시하였으며, 마지막으로 연구의 의의와 한계에 대해 살펴봄으로써 결론을 마무리하고자 한다.

선행연구

본래 수요응답형 대중교통 서비스는 1970년대 교통약자(장애인, 고령자 등)의 이동권 문제와 함께 유연하고 편리한 대중교통 서비스에 대한 요구가 증가하면서 서비스가 개발되었다(Kirby and Bhatt, 1974; Morin, 1974). 한편, 오늘날에는 농어촌을 비롯하여 소도시 등 특정 지역을 중심으로 서비스 대상이 확장되었으며(Lakatos et al., 2020), 다양한 목적에 따라 수요대응형 서비스 운영 최적화 및 시장 개발을 위한 연구가 진행되고 있다. 그러나, 수요대응형 대중교통 서비스의 가장 큰 특징인 선호출 후수락에 대한 이용자 행태분석 연구는 미미한 실정이다. 개인형 수요대응형 서비스를 중심으로 일부 연구에서는 호출 시 제공된 통행정보와 승차공유 옵션이 이용자의 수단선택 또는 서비스 이용 의사결정에 미치는 영향을 분석하였으나 대중교통과 같이 불특정 다수와 차량과 경로를 공유하는 서비스의 수락여부에 대한 연구는 부족한 것으로 나타났다. 따라서, 수요대응형 서비스에 대한 연구를 비롯하여 통행정보 제공에 따른 이용자 행태를 핵심으로 하는 두 갈래의 선행연구를 살펴보고자 한다.

1. 수요대응형 서비스에 대한 연구

기존의 대중교통 서비스의 경우 고정된 노선과 운행 스케줄이 제공됨에 따라 기대 통행시간을 기준으로 통행자의 수단선택이 발생하였다면, 수요대응형 서비스의 경우 이용자의 수요가 우선하고 이후 실시간 교통환경에 따라 제시되는 통행정보를 토대로 서비스의 수락여부가 결정된다. 하지만, 초기 선행연구에서는 이용자 관점에서 수요대응형 서비스 속성과 이용자의 서비스 선택행태를 분석하는 것보다는 운영자 관점에서 수요대응형 서비스의 시장 잠재력과 운영계획에 대한 연구가 수행되어왔다(Yim and Ceder, 2006; Ryley et al., 2014). Yim and Ceder(2006)는 센프란시스코의 지역 간 급행 대중교통 서비스(Bay Area Rapid Transit; BART)의 접근수단으로써 단거리 스마트 셔틀 서비스를 도입하기 위하여 소비자 수용성 조사를 수행하고 그에 따른 파일럿 마스터 플랜을 제시하였다. Ryley et al.(2014)는 영국의 도시와 농촌 두 지역을 중심으로 지속가능한 대중교통 서비스로서 6가지 유형의 DRT 모델을 구분하고 도입시 예상되는 수단분담률 추정 결과를 제시하였다.

한편, 최근 정보통신 기술의 발전으로 실시간 통행정보 수집 및 배차가 가능해짐에 따라 경로 생성 최적화 알고리즘을 개발하거나 효율적인 수요대응형 서비스 운영을 위한 도입 기준과 도시 교통 네트워크에 미치는 영향를 평가하는 연구가 다수를 차지하고 있다(Fagnant et al., 2016; Moon et al., 2021; Park et al., 2022). Fagnant et al.(2016)는 대기시간 최소화를 목적함수로 하는 실시간 자율주행 수요대응형 승차공유 알고리즘을 개발하고 에이전트 기반 동적 통행 배정 시뮬레이션 MATSIM을 활용하여 서비스 도입 시 텍사스 오스틴의 저밀도 도시 교통환경 영향을 분석하였다. Moon et al.(2021)은 도시 내 첨두시 대중교통 서비스의 보완 수단으로써 수요대응형 서비스에 주목하여 도입 효과를 평가 및 기준 수립 방향성을 제시하였다. 해당 연구에서는 첨두시 대중교통 서비스가 불량한 지역을 파악하기 위하여 대중교통 스마트카드 데이터를 클러스터링하고 최소 일반화 비용과 수요에 따른 O-D 쌍을 판별하였으며, 그에 따라 DRT 노선을 생성하고 B/C 편익을 산출하므로서 첨두시 최적 DRT 도입 기준 수립 방법론을 제시하였다. Park et al.(2022)은 효율적인 수요대응형 서비스 공급을 위하여 대기행렬 이론에 기반하여 수요대응형 대중교통 서비스의 최적 차량 대수 산정을 위한 시뮬레이션을 수행하였다. 그러나 이와 같은 최적 배차 알고리즘 연구의 경우 제시된 통행정보에 대한 배차 수락 임계값을 설정하고 해당 기준을 충족하는 경우 이용자가 반드시 해당 서비스를 선택할 것이라고 가정함에 따라 수요대응형 서비스 특성으로 인한 이용자의 통행행태를 나타낸다고 보기 어렵다.

다만, 일부 연구에서는 다른 수단에 대비 MoD 또는 AMoD 서비스 특성이 이용자의 통행행태 또는 선호에 미치는 영향을 분석하고 이를 향후 수요대응형 서비스 수단선택 프레임워크에 적용하고자 하였다(Liu et al., 2019; Xie et al., 2019; Lee et al., 2022; Seo et al., 2022). Liu et al.(2019)은 수요대응형 서비스가 도시 교통수단 선택행태에 미치는 영향을 분석하기 위하여 개인형 MoD 서비스 수락모형을 추정하고 이를 배차 최적화 모형에 융합하여 수요대응형 서비스를 포함한 도시 내 복합 수단선택 프레임워크를 제시하였다. Xie et al.(2019)는 동적 수요대응형 서비스의 실시간 수요를 판별 시 순차적이면서도 상호 연결된 의사결정 행태를 분석할 필요가 있음을 강조하면서, 효용 최대화 이론을 기반으로 MoD 이용과 관련된 서비스 구독과 접근성, 그리고 수단 옵션에 대한 선택행위 프레임워크를 제시하고 Log-sum을 활용하여 3가지 혼합 로짓 모형을 추정하였다. 이와 유사하게 Lee et al.(2022)은 이용자의 대중교통 만족도를 비롯하여 기대 통행정보에 따라 버스, 승용차, 택시 대비 수요대응형 자율주행 서비스의 선호를 혼합 로짓 모형으로 추정하였으며, 그 결과 대중교통 만족도가 높을수록 AMoD 서비스를 선택하는 경향이 나타났다. Seo et al.(2022)은 수요대응형 자율주행 대중교통 서비스 도입을 위한 서비스 전략을 수립하기 위하여 서비스 도입 가능성이 높은 30~100만 규모의 자치시를 대상으로 설문조사를 수행하였으며 AHP 분석을 통해 연령 및 자동차 보유 여부와 관계없이 이동/배차 신속성이 플랫폼 편의성과 차내 편의성보다 상대적으로 더 중요하다는 것을 밝혔다. 그럼에도 불구하고 대부분의 선행연구에서 자율주행 수요대응형 서비스 호출 시 이용자에게 제공되는 배차시간, 접근시간 그리고 추가 통행시간을 비롯하여 차내 이동시간에 상대적으로 통행정보가 서비스 수락 여부에 미치는 영향을 간과했다.

2. 통행정보에 따른 의사결정 연구

교통연구에 있어서 통행 시작 전 제시된 기대 통행시간와 불확실한 추가 통행시간 정보가 수단 또는 경로 선택에 미치는 영향을 분석한 연구는 다수 존재한다(Palma and Picard, 2005; Lee and Miller, 2020). Palma and Picard(2005)는 경로 선택을 중심으로 고정된 기대 통행시간만 주어지는 대안과 통행시간 지연 또는 단축이 발생할 여지가 존재하는 경우를 가정하여 잠재선호 조사를 수행하고, 순서형 프로빗 모형을 추정하여 경로 선택 시 사전에 제시된 불확실한 통행정보가 통행자 집단의 의사결정에 미치는 영향을 분석하였다. 그 결과 위험 회피를 선호하는 집단과 위험을 추구하는 두 가지 집단이 존재하며, 그에 따라 경로 선택에 미치는 영향이 상이하게 나타났다. Lee and Miller(2020)는 불확실한 통행 정보가 주어지는 상황에서 통행자의 이질적인 위험 감수 태도에 따라 접근성이 얼마만큼 다르게 나타나는지 측정하는 일반화 프레임워크를 제시하였다.

뿐만 아니라 일부 연구에서는 택시와 같이 개인 수요대응형 서비스 이용 시 승차공유에 따른 변화된 통행정보가 제공되는 경우 이용자의 공유옵션 선택 여부를 분석하였다(Krueger et al., 2016; König and Grippenkoven, 2020; Yu and Hyland, 2020). 그 중에서도 König and Grippenkoven(2020)는 잠재선호 실험의 한 형태인 조건부 가치 평가 방법을 활용하여 비공유(개인형) 자율주행 수요대응형 서비스 대안과 공유 승차 대안을 제시하고 공유 수락여부와 차내시간 우회에 따른 최대수용금액을 수집하였다. 그 결과 통행시간이 길어질수록 동일한 경로 우회수준에 대하여 공유 승차 거부율이 증가하는 것으로 나타났으며, 로지스틱 회귀에 따른 민감도 분석결과 차내 통행시간과 우회정보에 대하여 비공유 대안 대비 공유 대안의 할인율이 증가함에 따라 수락률이 더 가파르게 상승하는 경향을 보였다. Yu and Hyland(2020)는 자율주행 수요대응형 승차공유 서비스를 대상으로 통행정보가 서비스 수락이 미치는 영향을 분석하였다. 단, 목적지 입력 시 이용자에게 보여지는 1차 정보와 배차 수락 이후 업데이트된 차량 통행정보를 기준으로 두 단계에 걸쳐 발생하는 이용자의 의사결정과정을 Diffusion Model(Ratcliff, 1978), Cumulative Prospect Theory(Kahneman and Tversky, 1979), Decision Field Theory(Busemeyer and Townsend, 1993), Random Utility Model(Thurstone, 1927) 4가지 이론에 근거하여 추정하는 방법론을 제시하였다.

3. 연구의 차별성

수요대응형 대중교통 서비스는 실제 탑승한 승객의 승하차지에서만 정차가 발생한다는 점에서 이동시간을 단축할 수 있지만, 호출에 따라 경로 주행 중 소요시간이 변동 가능하다는 점에서 불확실성이 존재한다. 뿐만 아니라 동일한 지점에서 동일한 이용자가 호출을 요청하여도 배차환경에 따라 차량 배차시간과 이용자가 탑승장소까지 걸어서 접근하는 시간 등 서비스의 품질이 달라질 수 있으며, 이용자는 실시간 상황에 따라 제공받은 통행정보에 기반하여 서비스 수락여부를 결정한다. 그럼에도 기존의 연구는 운영 최적화 관점에서 배차 전략 수립에 초점을 두고 있으며 이용자의 서비스 수락에 영향을 미치는 내생적 요인을 간과하고 있다. 승차공유 서비스를 중심으로 일부 호출 시 통행정보에 따른 이용자 행태를 분석하는 연구가 제시되고 있지만 주로 택시와 같이 개인화된 교통수단에 대한 합승 서비스 추가 수락 여부에 초점을 맞추고 있다. 따라서 본 연구에서는 개인형 수요응답 서비스의 승차공유 연구를 자율주행 수요대응 대중교통 서비스에 적용하여 거리별 잠재선호 실험을 설계하고 혼합 로짓 모형을 활용하여 제공된 통행정보가 배차 수락 의사결정에 미치는 영향을 분석하였다.

연구설계

본 연구는 수요대응형 대중교통 통행정보가 서비스 수락률에 미치는 영향을 분석하는 것에 목적이 있다. 다만, 수요응답형 대중교통에 대한 관심이 증가하고 있으나, 일부 도시에 한정되어 시범사업이 진행 중이기에 이용 가능한 현시선호 데이터를 수집하기 어렵다. 따라서 본 연구에서는 자율주행 수요응답형 대중교통 서비스가 실제 도시에서 운영된다는 가정 아래 실험 선택법에 따라 거리별 가상의 시나리오를 설정하고 잠재선호 조사를 수행하였다. 더불어, 국내 도시 환경에서 일반 대중을 대상으로 한 수요대응형 서비스가 익숙하지 않고 설문의 목적을 명확히 하기 위하여 설문시작 전 제시문을 활용하여 참여자에게 서비스 개념을 소개하였다. 더불어, 설문조사 설계 시 실험선택 문항과 함께 통계적 처리를 위한 개인 사회경제적 속성을 수집하였다.

1. 표본 수집 및 설문조사 설계

2022년 10월 26일 2주간 인구 30만 이상 100만 이하 24개 도시를 대상으로 온라인 설문을 시행하였다. 표본집단은 해당 지역에 거주하는 성인 남녀를 대상으로 인구 비율에 따라 층화추출하였으며, 통계적 신뢰성을 확보하기 위하여 1개 시당 적어도 30명의 인원이 추출되도록 응답을 수집하였다. 그 결과 경기도에 위치한 13개 도시 거주자가 455명(55.63%)으로 가장 많았으며, 다음으로 진주시, 김해시, 양산시가 위치한 경상남도에 90명(11.25%)이 할당되었다. 그 외에도 경상북도 포항시와 구미시, 충청남도 아산시, 강원도 원주시, 전라북도 전주시, 세종특별자치시에서 각각 30명(3.8%)씩 표본을 수집하였으며, 충청남도 천안시 40명(5.00%)과 충청북도 청주시 45명(5.62%)을 포함하여 총 800명으로 표본을 구성하였다. Table 1은 표본집단에 대한 사회경제적 속성을 나타내는 것으로 응답자의 419명(52.4%)이 여성으로 더 많은 비중을 차지하였으며, 30대가 241명(30.1%)으로 가장 많았고, 40대가 225명(28.1%), 20대 이하가 137명(17.1%)으로 나타났다. 응답자 직업 분포의 경우 사무 종사자가 207명(25.88%), 서비스 종사자가 165명(20.63%), 판매 종사자가 81명(10.13%) 순서로 가장 많았으며, 79명(9.88%)이 학생 또는 무직인 것으로 나타났다. 가구 소득의 경우 월 300~500만원 미만이 398명(49.75%)으로 가장 많았고, 월 300만원과 월 500만원을 기준으로 하위 25%와 상위 25%가 구분되었다. 가구 내 자가용을 보유한 응답자는 717명(89.62%)으로 운전면허 보유자 701명(87.62%)과 유사하였으며, 운전면허 보유자 중 239명(304.09%)이 주 3일 이상 운전하는 것으로 나타났다.

2. 잠재선호 선택실험설계

본 연구에서는 자율주행 수요응답형 서비스가 제공될 때 어떤 통행정보가 얼마만큼 이용자의 서비스 수락 여부에 영향을 미치는지 파악하고자 한다. 이를 위하여, 3가지 거리(5km, 10km, 15km)를 이동하는 상황에서 서로 다른 통행정보 속성으로 구성된 가상의 두 가지 자율주행 대중교통 대안과 함께 배차 거절 대안을 제시하여 서비스 수락을 결정하도록 문항을 설계하였다. 통행시간의 경우 배차시간을 비롯하여 탑승장소까지 접근시간과 차내 이동시간으로 구성하였다. 또한, 차내 이동시간은 거리에 따라 8분, 16분, 24분으로 최솟값을 고정한 뒤 추가 차내 통행시간 범위를 4가지 수준으로 제시하였다. 추가 차내 통행시간 범위는 König and Grippenkoven(2020)와 유사하게 거리별 시나리오 차내 이동시간에 비례하여 0, 1/4, 2/4, 3/4에 해당하는 값을 곱하는 형태로 구성하였다. Table 2는 거리별 대안의 속성 수준을 나타낸다.

선택실험(Choice Experiment)는 비시장 재화 또는 서비스에 대한 잠재선호를 파악하고 제품의 다면적인 속성에 대한 가치를 추정에 활용되는 대표적인 설문설계 방법론이다(Hensher, 2004; Caussade et al., 2005). 이 방법론은 주로 직교성의 원리에 기반한 Orthogonal Design 기법으로 속성 수준을 할당하고 두 개 이상의 대안을 구성하여 가장 선호하는 한 가지 대안을 선택하도록 선택상황을 설계한다. 단, 해당 기법은 본 연구와 같이 응답자가 서비스 속성 외 대안 구분이 불가능한 선택 상황에서 속성 수준이 동일한 두 대안이 주어지는 경우를 배제할 수 없다는 한계가 존재한다(Rose and Bliemer, 2009). 따라서, 동일 수준의 두 서비스 대안이 제시되는 상황을 제외하도록 제약조건을 설정하고 D-error를 최소화하는 Efficient Design 방법을 활용하여 대안의 통행정보 조합을 설계하였다. Ngene 소프트웨어를 활용하였으며, D-error 최소화 알고리즘으로 Cook and Nachtrheim(1980)의 수정된 Federov 알고리즘을 채택하였다. 거리별 시나리오 1개당 32개의 선택 상황을 생성하였으며, 상관성을 최소화하여 8개 Block으로 분할하였다. 그 결과 설문 참여자 1인당 3가지 거리별 시나리오에 대하여 4개의 가상상황을 포함하여 총 12번의 선택 상황에 응답하도록 선택문항을 구성하였다. Figure 1은 선택실험 문항 예시이다.

Figure 1.

An example of stated preference survey by distance (Translated in english)

분석방법

통행자의 교통서비스 선택행태를 분석하는 연구에서는 분석이 쉽고 해석이 직관적인 로짓 모형을 주로 사용하고 있다. 단, 로짓 모형의 경우 반복적인 선택 또는 측정 데이터에서 관측되지 않은 요인이 추정치에 영향을 주는 상황을 포착할 수 없다(Train, 2009). 따라서, 본 연구에서는 잠재선호 조사의 반복 응답에 따른 패널 효과를 고려하기 위하여 혼합 로짓 모형을 채택하였다. 혼합 로짓 모형은 효용 최대화 이론에 근거하여 특정 서비스를 선택함으로써 이용자 개인이 얻는 효용을 수식으로 표현하는데 용이하며, 간단한 시뮬레이션을 통해 선택확률을 추정할 수 있다(McFadden and Train, 2000). 더불어, 서비스 선택 효용함수에 상호작용 변수(Interaction term)를 구성하여 변수간 교호작용을 분석할 수 있다.

1. 모형 설정

설문에서 제시한 두 개의 자율주행 수요대응 대중교통 대안은 “이용 안함”이라는 대안과 달리 서비스 수락 관점에서 이용자가 구분할 수 없는 동일 수단이다. 따라서, 자율주행 수요대응형 대중교통에 대한 효용함수와 서비스 수락 거절을 의미하는 효용함수를 구성하였다. 두 대안에 대한 효용함수는 Equations 1, 2와 같이 표현할 수 있다.

UAMoD,nt는 이용자 n이 선택 상황 t에서 자율주행 수요대응형 서비스 수락할 때 얻는 효용을 의미한다. XAMoD,ntA는 탑승장소까지 접근시간, 차량 배차시간, 차내 추가 이동시간 범위, 통행요금을 비롯하여 3가지 통행시간에 대한 상호작용 변수를 추가하여 총 7가지 대안특유변수로 구성하였다. 상호작용 변수는 탑승장소까지 접근시간, 차량 배차시간, 차내 추가 이동시간 범위를 최소 차내 이동시간으로 나누어 구성하였고, 다중공선성을 고려하여 단일 차내 통행시간 변수는 투입하지 않았다. UNo,nt는 응답자 n이 서비스 수락 거절을 선택함으로써 얻는 효용을 나타내며 성별, 나이를 등 이용자의 사회경제적 속성에 따라 대안 선택의 차이가 존재할 수 있다는 점에서 9가지 변수로 구성된 벡터 XnZ를 포함하였다. Table 3은 벡터 XnZ와 XAMoD,ntA를 구성하는 변수의 정의를 보여준다.

성별을 비롯하여 교육수준, 가구 소득 등 연령을 제외한 개인의 사회경제적 속성의 해석을 용이하게 하기 위하여 더미변수를 구성하였다. 먼저, 성별, 차량 소유, 먼허 유무의 경우 순서대로 남성, 가구 내 차량 보유자, 먼허 소지자를 기준으로 더미변수를 구성하였다. 직업의 경우 근로 유무에 따라 통행 목적과 그 패턴이 다른 형태를 보인다는 점에서 고용 여부를 기준으로 하였다. 교육수준의 경우 설문 응답자의 중위값에 해당하는 대학 졸업 여부를 기준으로 고학력 변수를 구성하였고, 가수 소득은 월 500만원 이상 상위 25%에 속한 응답자를 기준으로 고소득 더미변수를 설정하였으며, 운전 빈도는 주 3회 이상 운전한다고 응답한 사람들을 1로 표현하였다. 더불어 상대적으로 교통환경이 우수한 수도권 거주자에 대한 더미변수를 추가하여 지역 간 교통환경 차이를 고려하였다.

한편, 본 연구에서 설계한 설문조사는 한 응답자가 12번 선택 상황에 응답하기 때문에 패널 효과를 반영하기 위하여 UNo,nt의 오차항 εint에 응답자 n마다 다른 값을 가지며 평균이 0인 정규분포(Normal Distribution)를 따르는 개인별 계수 αin을 추가하였다. 또한, 속성과 상관없이 서비스에 대한 선호를 표현하기 위하여 UNo,nt에 대안특유상수를 추가했다. 마지막으로 속성에 무관하게 독립항등(IId; independent and identically distribution)의 검벨분포(Gumbel Distribution)를 따르는 ξint를 구성하였다. 오차항을 수식으로 정리하면 Equation 3과 같다.

2. 모형 추정

혼합 로짓 모형은 계수에 확률분포를 가정하여 대안의 선택확률을 추정한다. 즉, 선택상황 t에서 개인 n이 서비스 대안 i를 수락 또는 거부할 확률 Pint은 Equation 4와 같이 확률밀도함수 f(αin)에 대한 적분 형태로 표현가능하다.

Vint는 개인 n이 선택 상황 t에서 서비스 대안 i을 선택할 시 얻는 관측 효용을 의미하며, αin는 선택 상황과 관계없이 개인 n이 대안 i에 대하여 갖는 효용을 나타내는 것으로 정규분포를 따른다. 이때, 본 연구에서는 선형의 효용함수를 가정하였으므로 선택 대안i에 대한 관측 효용을 일반화하면 Equation 5와 같다.

효용함수 계수 추정은 최대우도 추정법을 활용하였다. 한편, 정규분포를 포함한 혼합 로짓 모형은 선택확률 적분식이 닫힌 형태(Closed form)가 아니기 때문에 분석적으로 선택확률을 추정하기 어렵다. 따라서, 시뮬레이션을 통해 수리적으로 선택확률을 추정했으며, Equation 6은 시뮬레이션 기반 우도함수를 의미한다. 이때, yint는 대안 개인 n이 상황 t에서 대안 i를 선택하였을 경우 1 그렇지 않다면 0으로 표현한 지표(Indicator)이다. 또한, αinr는 시뮬레이션 중 r번째 추정한 αin로 Halton draw 방법을 통해 구한 표준정규분포에 표준편차 σαi를 곱한 값으로 나타낼 수 있다.

분석결과

1. 혼합 로짓 모형 추정 결과

Table 4는 혼합 로짓 모형 추정 결과를 정리한 것으로 잠재선호 조사에서 주어진 탑승장소까지 접근시간, 배차시간, 추가 차내 이동시간, 통행요금 변수만 고려한 Model 1과 차내 최소 통행시간에 상대적인 통행시간 상호작용변수 3가지를 추가한 Model 2의 추정 결과를 나타낸다. 두 모형 모두 800명의 참여자가 12개 선택실험 문항에 응답한 총 9,600개 조사 결과를 활용했으며, 시뮬레이션으로 우도함수 계산 시 총 2000번 Halton draw를 시행하였다.

모형 추정 결과 Model 1과 Model 2의 로그 우도값이 각각 –2759.44, -2745.56으로 나타났으며, Adjusted ρ2가 0.7379, 0.7393으로 나타났다. 한편, Model 2이 Model 1보다 모형 적합도가 더 우수한 것으로 나타났지만, 통계학적으로 Model 2에 적용한 변수가 3개 더 많다는 점을 고려할 때, 상호작용변수을 추가하는 것이 유의미한지 확인하는 것이 필요하다. 따라서, 두 모형 사이 우도비의 카이제곱 검정을 수행한 결과 자유도 3에 추정치가 29.58로 99%의 신뢰수준에서 상호작용변수를 추가한 Model 2가 Model 1보다 통계적으로 다른 모형인 것이 밝혀졌다. 따라서, 본 연구에서는 설명력이 높고 차내 통행 이동시간 대비 통행시간 정보가 수락률에 미치는 상대적인 영향을 분석할 수 있는 Model 2를 최종 모형으로 선택하였다.

먼저, 대안특유상수가 유의미한 것으로 나타났는데 통행정보와 사회경제적 속성으로 설명할 수 없는 자율주행 수요대응형 대중교통 서비스에 대한 기본적인 선호를 나타낸다고 해석할 수 있다. 다음으로, 차내 통행시간 대비 탑승장소까지 접근시간 상호작용변수를 제외하고 통계적으로 95%의 신뢰수준을 만족한 모든 통행시간 변수에 대하여 음의 계수를 갖는 것으로 나타났다. 특히, 통행시간 단일변수와 상호작용변수 모두 유의미하게 나타났다는 점에서 자율주행 수요대응형 서비스의 접근시간에 대하여 비선형적인 효용을 갖는다는 것을 의미한다. 더불어, Model 2에서 접근시간 단일변수가 효용에 미치는 영향은 –0.1092의 음의 계수로 나타났으나, 차내 통행시간에 상대적인 접근시간 상호작용변수는 1.2001로 양의 계수를 갖는 것으로 나타났다. 이는 탑승장소까지 접근시간 증가가 이용자의 효용 감소를 야기할 뿐만 아니라, 동일한 접근시간에 대하여 차내 통행시간이 길수록 더 민감하게 반응한다는 것을 의미한다. 반면, 배차시간은 두 모형 모두 통계적으로 유의미하지 않는 것으로 나타났다. 또한, 추가 차내 통행시간의 경우 단일변수와 상호작용변수는 각각 –0.0385, -0.4277로 모두 음의 계수를 갖는 것으로 나타났다. 즉, 차내 통행시간의 절대적인 증가 가능성을 비롯하여 최소 차내 통행시간을 기준으로 상대적인 통행시간 최대 증가에 대하여 배차 수락 감소가 발생함을 의미한다. 또한, 통행요금은 –0.0029로 통계적 유의성을 만족하는 것으로 나타났다.

다음으로 이용자의 연령에 대하여 –0.0257로 95% 신뢰수준에서 통계적으로 유의한 것으로 나타났다. 사회경제적 속성에 대한 계수는 서비스 수락보다 “이용 안함” 대안을 선택하는 경우 이용자의 효용에 미치는 영향을 나타낸다는 점을 고려할 때, 해당 결과는 연령이 높을수록 자율주행 수요대응형 서비스 호출 시 배차를 수락할 경향이 더 높음을 의미한다. 더불어, 직업 유무와 고소득 여부에 대한 계수 크기가 각각 –1.0303, -0.8940으로 나타났으며, 이는 동일한 통행시간 정보와 요금에 대하여 근로자일수록 그리고 평균 소득이 500만 원 이상인 가구에 속하는 사람일수록 자율주행 수요대응형 대중교통 서비스를 수락하는 경향이 있음을 보여준다. 반면, 수도권 거주자 여부를 나타내는 변수에 대하여 1.1213으로 통계적으로 유의미한 양의 추정치를 갖는 것으로 나타났다. 이는 평균적으로 대중교통 환경에 우수한 수도권에 거주할수록 자율주행 대중교통 서비스의 배차 수락률이 감소하는 경향이 있음을 시사한다. 한편, 성별과 교육 수준, 가구 내 차량 소유여부, 운전면허 여부, 주 3일 이상 운전여부는 통계적으로 유의성이 없는 것으로 나타났다.

마지막으로 패널효과의 표준편차 추정치가 3.0437로 통계적 유의성을 충족하였다는 점에서 자율주행 수요대응형 대중교통 서비스 배차에 있어서 이용자별 선호 다양성이 존재한다는 것을 보여준다.

2. 차내 통행시간에 상대적인 통행정보 변화 시 수락률

Figure 2는 최소 차내 통행시간을 기준으로 탑승지점까지 접근시간과 추가 차내 통행시간 비율에 대한 Model 2의 수락률을 보여주는 그래프이다. 이때, 모형 투입 값은 설문 표본집단의 중위값에 해당하는 월 평균 300~500만 원 사이 가구에 속하며 차량과 면허를 보유하고 있지만 주 1~2회 직접 운전을 하는 수도권에 거주 41세 이상 근로 여성을 가정하였다. 먼저, 그래프(a)는 차내 통행시간을 기준으로 차내 통행시간이 1분, 3분, 5분, 7분으로 변화할 때 수락률을 보여주는 그래프로 배차시간은 5분, 추가 차내 통행시간은 0.5로 고정하였다. 통행요금은 기본요금 2,000원에 1km 마다 200원씩 추가되는 거리비례요금으로 설정하고 통행속도는 시내 도로 통행속도를 고려하여 30km/h로 운행한다고 가정하였다. 그 결과 모형 추정에서 설명하였듯 통행시간이 길어질수록 동일한 접근시간에 대하여 수락률이 감소하는 경향을 보였다. 뿐만아니라 탑승장소까지 접근시간 그 자체는 서비스 수락 시 음의 효용을 갖는다는 점을 고려할 때 접근시간이 클수록 차내 통행시간 증가에 대하여 더 큰 폭의 수락률 감소세를 보였다.

한편, 그래프(b)는 최소 차내 통행시간 대비 최대 추가 차내 통행시간 비율(이하 최대 우회율)에 따른 Model 2의 수락률 변화 그래프로 배차시간과 접근시간은 5분으로 고정하였으며, 통행요금은 좌측의 그래프와 동일하게 거리비례 요금으로 가정하였다. 그 결과 동일한 차내 통행시간에 대하여 최대 우회율이 클수록 수락률이 더욱 감소하는 경향을 보였다. 또한, 차내 통행시간이 증가할수록 동일한 최대 우회율에 대하여 차내 통행시간이 길수록 최대 추가 통행시간이 증가함으로 인한 수락률 감소가 나타났다. 다만, 두 그래프 모두 거리비례요금 가정으로 불연속적인 수락률 변화가 나타났다.

Figure 2.

(a) The acceptance rate with access time and (b) The acceptance rate with maximum detour rate

결론

본 연구는 자율주행 수요대응형 대중교통의 서비스 수락률 관점에서 제공된 통행정보에 대한 이용자의 선택행태를 분석하고자 하였다. 이를 위하여 선택실험법을 활용하여 잠재선호 조사를 설계하고 수집된 응답을 토대로 혼합 로짓 모형을 추정하였다. 그 결과 통행요금을 비롯한 탑승장소까지 접근시간, 추가 차내 통행시간이 이용자의 배차 수락에 유의미한 영향을 미치는 것으로 나타났으며, 배차시간은 통계적으로 유의미한 영향을 미치지 않는 것을 확인하였다. 특히, 차내 통행시간을 기준으로 접근시간과 최대 우회율이 이용자의 서비스 선택 효용에 비선형적 영향을 미치는 것을 발견하였는데, 개인형 자율주행 수요대응형 서비스의 공유승차 수락에 대한 선행연구에서도 유사한 경향을 보였다(König and Grippenkoven, 2020). 이처럼 본 연구에서 제시한 분석 결과는 수요대응형 서비스 수락률을 높이기 위해서는 이용자의 기대 통행시간을 기준으로 경로 최대 우회율과 접근시간을 고려하여 배차 알고리즘 고도화할 필요가 있음을 시사한다.

한편, 통행정보와 이용자의 사회경제적 속성에 따른 서비스 수락률을 분석함에 있어서 설명이 불가능한 이질적인 영향이 확인되었으나, 해당 연구에서는 이질성에 대한 원인을 규명하지는 못하였다. 더불어, 추가 통행시간이 배차 수락에 미치는 직간접적 영향을 확인할 수 있었지만, 발생 가능성이 불확실한 정보에 대한 이용자의 서비스 수락 영향을 분석하였다고 보기 어렵다. 또한, 본 연구에서는 탑승장소까지 절대적인 접근시간과 차내 통행시간 대비 상대적인 접근시간 사이 Trade-off가 존재한다는 것을 확인하였지만 그 의사결정 과정을 설명하고 있지는 않다. 이 외에도 통행 목적을 비롯하여 개인의 성향 등 서비스 선호에 영향을 미치는 특성이 분석에서 제외되었다. 따라서, 이러한 한계점을 토대로 향후 연구에서는 자율주행 수요대응형 대중교통 서비스 수락에 있어서 통행속성 간 매개효과와 통행 맥락에 따른 다양한 의사결정 원칙의 작용 가능성을 토대로 분석을 확장할 필요가 있다. 아울러, 지속가능한 수요대응형 대중교통 서비스 운영과 발전을 위해서는 현시선호 데이터를 활용하여 이용자의 수락률에 영향을 미치는 상대적, 절대적 변수에 대한 적정 임계값을 탐색하고 이를 배차 알고리즘에 반영하는 연구가 필요하다.