서론
선행연구 및 본 연구의 차별성
자료 수집 및 기초 통계분석
1. 설문조사의 개요
2. 기초 통계분석
도로첨단화에 대한 지불의사액 분석
1. 분석의 개요
2. 요인분석(Factor analysis)
3. 도로첨단화에 대한 지불의사액 모형 추정 결과: 생존분석
결론 및 향후 과제
서론
최근 발표되고 있는 미래 메가트렌드를 살펴보면 장래 도로교통 분야에서 가장 큰 변화를 가져올 핵심 요소로 자율주행차, 친환경차, 새로운 모빌리티(예, Personal Mobility, PM)의 등장이다(KPMG, 2019). 이중에서도 자율주행차는 우리의 일상생활을 크게 변화시킬 것으로 전망되는데, 한국과학기술기획평가원(KISTEP, 2019)은 자율주행차의 글로벌 시장이 2020년 약 70.5억 달러에서 2030년 약 6,565억 달러, 2035년 약 11,204억 달러로 연평균 40.2% 성장될 것으로 전망했다. 또한 조건부 자율주행(레벨 3)은 2030년까지 약 3,456억 달러, 2040년까지 약 4,905억 달러로 꾸준히 증가하고, 완전 자율주행(레벨 4)은 2030년까지 약 3,109억 달러, 2040년까지 약 6,299억 달러로 증가하는 것으로 전망하였다.
우리나라는 2015년 국토교통부, 산업통산부, 미래창조과학부 등 관계부처 합동의 자율주행차 기술개발 및 보급지원을 위한 정부의 추진 방안을 발표한 이래로 최근까지 자율주행차 관련 R&D 연구과제 추진, 관련 법 ‧ 제도 개선, 민간 시장 지원 등을 활발하게 추진하고 있다. 가장 최근 자율주행차 관련 정책은 포스트 코로나 시대에 대응하기 위해 2020년 7월에 발표된 ‘한국판 뉴딜’ 정책이다. 여기에서 도로교통 관련 정책은 ‘SOC 디지털화’를 들 수 있는데 특히 도로 부문은 전(全) 고속국도 등 주요 간선도로에 차세대지능형교통시스템(또는 협력형 지능형교통시스템 Cooperative ITS, 이하 C-ITS)1) 구축을 추진할 예정이다. C-ITS의 확대는 기존 ITS 서비스를 전반적으로 향상하는 것에도 의의가 있다. 그러나 가장 중요한 목적은 향후 자율주행차 상용화에 대비하여 도로 인프라와 자율주행차의 실시간 상호 연계하는 자율협력주행을 통해 자율주행차의 운행 안전성을 개선하고 도로 네트워크 전반의 이용 효율성을 개선하기 위한 것이다. 본 연구에서 ‘도로첨단화’는 C-ITS를 포함하고 도로 주변에 각종 센서, CCTV, 통신설비 등을 설치해 실시간 도로상황 모니터링, 자율주행차와 상호통신으로 도로상황 정보를 공유해 주행 안전성을 보장하기 위한 사업으로 정의한다.
이와 같은 배경에서 본 연구는 자율주행차 상용화에 대비한 C-ITS 등 도로 첨단화 사업에 대한 시민들의 지불의사액을 분석해 보고자 한다. 현재 C-ITS 등 도로 첨단화 사업에 따라 시민들에게 직접적인 관련 세금증가 등 추가적인 비용지불이 필요한 것은 아니다. 그러나 중장기적으로 자율주행차의 상용화가 본격화되어 이용자들이 전국으로 확대되고 이에 대응해 도로 첨단화 사업이 확대된다면 불가피하게 정부의 신규 재정투자 및 유지관리비가 증가에 따른 관련 재원 마련을 위한 논의가 발생될 수 있다. 따라서 이 연구에서 대상으로 하는 도로 첨단화 사업에 대한 지불의사액(Willingness to pay, WTP) 분석은 중장기 관점에서 시민들이 도로 첨단화에 대해 가지고 있는 기본적인 인식과 지불의사액에 미치는 주요 영향요인들을 도출하는 데 의의가 있다. 이를 위해 본 연구는 다음과 같이 구성되어 있다. 먼저 2장에서는 선행연구들을 고찰하고 본 연구의 차별성을 강조한다. 3장에서는 설문조사의 개요와 기초 통계분석 결과에 관해 기술한다. 4장에서는 도로첨단화에 대한 응답자들의 지불의사액을 모형화하기 위한 기본 개념과 분석 결과들을 제시한다. 끝으로 5장에서는 연구의 결과와 향후 과제에 대해서 논의한다.
선행연구 및 본 연구의 차별성
국내외에서 자율주행차 관련 연구가 활발하게 진행되고 있다. 기술개발 부문은 제외하고 자율주행차 관련 연구는 대표적으로 자율주행차 도입에 따른 법 ‧ 제도적 문제(Lee, 2016; Kim, 2021), 자율주행차 도입이 도로네트워크에 미치는 영향(Lee et al., 2017; Lee and Oh, 2018), 자율주행차 구입에 대한 심리적 영향(Adnan et al., 2018), 자율주행차 구입을 위한 지불의사액 관련 연구(Lee et al., 2016; Daziano et al., 2017; Tamaki and Shunsuke, 2020) 등 다양하다.
본 연구와 관련하여 최근 수행된 자율주행차에 대한 우려와 편리, 수용성 등과 같은 심리적 영향을 분석한 연구들이 있다. Xing et al.(2022)은 피츠버그 시민들이 자율주행차와의 접촉에 따른 의식변화를 2017년과 2019년 의식조사 자료를 이용해 비교하였다. 자율주행차와의 접촉한 경험이 있는 2019년의 응답자들이 2017년도에 비해 약 10% 이상 많았으며, 보행자나 자전거를 이용하는 응답자들의 경우 자율주행차의 안전성에 대한 의식이 더 높아졌음을 보였다. 반면 자율주행차에 대한 수용성은 유의한 변화가 없었다. Xiao and Goulias(2021)은 자율주행차에 대한 시민들의 의식이 시간상으로 어떻게 변화하는지에 대해, 2015년, 2017년, 2019년에 조사된 시계열 자료를 이용해 분석하였다. 분석 결과 응답자들은 시간변화에 따라 자율주행차에 대해 점점 익숙해지고 있지만 우려하는 점도 점점 증가하는 것으로 분석되었다. 따라서 자율주행차의 안전성 측면을 강조한 캠페인이나 교육 프로그램을 추진하는 것이 이러한 우려는 감소시킬 수 있는 정책으로 제안하였다. 또한 개인 속성에 따라서는 교육 수준이 높고 수입이 높은 젊은 응답자일수록 자율주행차에 대한 선호도가 높은 것으로 분석하였다. Bhin and Son(2019)은 자율주행셔틀 이용 경험이 사회적 수용성 변화에 미치는 영향에 관해 분석하였다. 분석 결과 자율주행 셔틀의 이용지불의사 요금이 높을수록, 자율주행차 상용화 시기가 가까워졌다고 인식할수록 제로셔틀 이용 의사가 높아지고 사회적 수용성도 상승하는 것으로 분석하였다. Lee et al.(2021)은 자율주행 대중교통의 수요대응형 서비스에 대한 이용자들의 선호도를 가상선택실험을 통해 분석하였다. 모형은 평상시 대중교통 만족도 등 요인분석을 통해 잠재 변수화하고 혼합로짓모형을 구축하였다.
다음으로 자율주행차 구입에 대한 지불의사액 관련 최근 연구를 살펴보면, Rahimi et al.(2020)은 자율주행차에 대한 의식변수를 고려한 구조분석모형을 적용하고, 더불어 응답자 집단 간 이질성을 고려한 잠재계층(latent class) 모형을 구축하였다. 자율주행차 구입비용에 대한 잠재계층은 ‘자동차 의존형 이용자’, ‘모든 수단 이용자’, ‘대중교통 의존형 이용자’로 구분하여 집단 간 차이에 대해 비교하였다. 그 외에도 자율주행차 구입에 대한 지불의사액 관련 연구들은 최근에도 다양하게 수행되고 있다(Daziano et al., 2017; Acheampong et al., 2021; Yoo and Managi, 2021).
최근 자율주행차와 도로첨단화 관련 연구가 몇몇 연구자에 의해 수행되었다. 먼저 Manivasakan et al.(2021)은 장래 자율주행차가 도시지역에 도입될 때 인프라의 사전 정비 필요성을 강조하였다. 특히 도로 인프라에 대해 핵심 평가 요소를 안전성, 효과성, 접근성의 3가지로 구분하고 요소별 평가 요소들을 제안하였다. Gouda et al.(2021)은 자율주행차의 도로운행 안전성을 평가하기 위해 고속도로를 대상으로 다양한 운행시나리오에 따른 안전성 평가방법론을 제안하였다. 평가지표는 센서의 시각거리를 활용하였다. 또한 자율주행차와 연계된 도로첨단화의 중요성에 관해서도 많은 연구가 강조하고 있다. Kang(2020)은 자율주행 시스템과 스마트도로 시스템의 기술 수준을 비교 제시하였다. 예를 들면 현재 시범사업 중인 C-ITS는 차량과 차량(V2V), 차량과 인프라(V2I)의 양방향 연계로 도로 및 주행환경에 대한 모니터링이 가능하여 자율주행차(Level 3)와 연계 ‧ 협력을 통한 상용화를 촉진할 수 있다고 하였다. 또한 도로의 디지털화가 고도화되고 최적화됨으로서 궁극적으로는 도로교통체계의 자동화와 공유화가 성숙하여 시스템 차원의 최적화가 가능한 단계를 ‘Level 5’로 정의하였다. 우리나라 정부도 자율주행차 도입 과정에서 도로첨단화의 중요성을 인식하고 관련 정책을 적극적으로 추진 중이다. 관계부처 합동으로 ‘미래 자동차 산업발전전략-2030년 국가 로드맵(2019.10)’을 발표해 ’27년까지 Level 4 수준의 자율주행차 전국 상용화를 목표로 제시하고, 이를 위해 인프라 측면에서 ’24년까지 완전자율주행에 필수적인 4대 국가 핵심인프라(통신, 정밀지도, 교통관제, 도로)를 전국 주요 도로에 완비하는 계획을 마련하였다. 또한 최근 C-ITS 관련 시범사업들도 활발하게 진행하고 있는데, 간선도로(대전-세종 고속도로 및 국도)와 대도시(서울, 제주, 광주, 울산 등)에서 일부 사업이 완료되었거나 진행 중이다. 선진국들도 자율주행차에 대응한 도로첨단화 관련 사업들을 활발하게 진행하고 있다. 또한 미국과 유럽 등 주요 선진국들에서도 자율주행차와 연계한 도로첨단화 사업을 활발하게 추진하고 있다(EU, 2018; US DOT, 2020).
본 연구의 주제인 자율주행차 관련 선행연구들을 검토한 결과 자율주행차에 대한 평상시 가지고 있는 시민들의 의식의 중요성과 이를 반영하기 위한 잠재변수의 활용, 자율주행차에 대응한 도로인프라의 첨단화 필요성 등이 강조될 수 있다. 따라서 본 연구에서는 선행연구 검토 결과를 바탕으로 모형을 구축하고자 한다. 다만 자율주행차 관련 지불의사액을 다루는 선행연구들은 주로 자율주행차의 구입의사에 대한 것들을 다루지만, 본 연구와 같이 자율주행차에 대응한 도로첨단화와 같은 공공시설 투자에 대한 시민들의 지불의사액을 추정한 연구는 거의 없었다.
자료 수집 및 기초 통계분석
1. 설문조사의 개요
본 연구는 자율주행차 상용화에 대비한 도로 첨단화 사업에 대한 시민들의 지불의사액 분석을 목적으로 한다. 이를 위해 시민들을 대상으로 설문조사를 실시하였다. 2021년 9월 27일-10월 22일까지 약 한 달간 인터넷 조사로 시행되었다. 설문 대상은 만 20세 이상으로 운전면허증을 소지하고 과거 1년 이내 직접운전 경험이 있는 사람으로 한정하였다. 지역적으로는 수도권을 포함해 광역시 이상의 지역 거주자들을 대상으로 하였다. 이는 최근 C-ITS 등 도로첨단화 사업이 서울, 제주, 광주, 울산 등 주로 대도시를 중심으로 이루어지고 있는 점을 고려하였다. 주요 설문 항목으로는 먼저 응답자들의 개인 속성과 평상시 교통 이용행태에 대해 질문하였다. 다음으로 자율주행차 관련해서는 자율주행차에 대한 사전인지 정도와 평상시 자율주행차에 대해 가지고 있는 편익과 우려에 대한 인식을 조사하였다. 끝으로 장래 자율주행차 이용을 가정하고 도로 첨단화를 위한 지불의사액에 대해 조사하였다.
먼저 자율주행차에 대한 기대 편익과 우려에 대한 인식조사는 장래 응답자가 자율주행차 이용을 가정할 때 발생할 수 있는 편익과 우려에 대해 5점 척도로 응답하도록 하였다. 편익은 총 9개 항목(예, 교통사고 감소, 사고 심각도 감소 등), 우려는 총 8개 항목(예, 자율주행시스템 오류, 개인정보 유출 등)에 대해 조사하였다. ‘도로첨단화에 대한 지불의사액’의 설문조사의 예시를 Table 1에 제시하였다. 먼저 지불의사에 대해 응답하기 전 자율주행차와 도로 첨단화와의 관계에 대한 예시 그림과 설명을 자세히 읽도록 하였다. 다음에 재원의 필요성과 자동차 관련 세금(예, 유류세 등)의 증가 가능성을 언급하여 찬반의사를 답변하도록 하였다. 즉 지불의사액은 연간 교통 관련 세금의 증가로 가정하였다. 지불의사액 조사는 여러 가지 지불의사액 조사방법 중 지불카드(Payment card)조사방법을 적용하였다. 즉 세금을 증가시킨다고 하면 응답자가 지불하고자 하는 최소금액과 최대금액을 사전에 제시된 지불옵션 중 선택하도록 하였다. 본 연구은 지불옵션의 최대금액을 30(만원/년)으로 설정하였는데 기존 Lee et al.(2016)의 선행연구와 자동차 관련 세금 등을 종합적으로 고려하여 설정하였다2). 본 연구는 지불옵션의 최대금액에 대한 응답결과만을 이용해 모형을 구축한다.
Table 1.
Outline of the survey
2. 기초 통계분석
1) 응답자 개인 속성 분석
Table 2는 설문에 응답한 유효표본 500명에 대해 응답자들의 개인 속성을 단순 집계한 것이다. 성별, 나이, 가구소득 등이 비교적 균일하게 분포되어 있음을 확인할 수 있었다. 직업은 일반 고용인들이 57.4%로 가장 많았으며, 거주지역은 경기가 37.6%로 가장 높았고 서울이 27.0% 등의 순이었다.
Table 2.
Socio-economic characteristics of respondents
2) 평상시 자동차 이용행태
평상시 자동차 이용행태에 대해 Table 3을 살펴보면, 통근통학과 쇼핑 목적으로는 자가용을 이용하는 경우가 51.2%와 71.4%로 이용 비율이 높았다. 직접운전 빈도도 일주일에 2회 이상이 79.6%로 대부분이었으며, 고속도로 운전 빈도는 한 달에 1-2회가 34.0%로 가장 많았다. 일주일에 4회 이상 고속도로 이용 빈도가 높은 응답자도 약 13.0%였다. 현재 보유하고 이는 차량의 첨단기능은 내비게이션, 하이패스, 블랙박스 등과 같은 일반적인 첨단장치의 보유 비율은 80% 이상으로 매우 높았다. 한편 자동주행속도유지장치, 차로변경보조, 차로이탈방지보조, 전방충돌경고 등 비교적 최근에 도입된 첨단장치의 보유 비율은 약 32.7-42.4% 수준으로 비교적 높은 수준으로 판단된다. 이와 같은 자동차의 첨단장치들은 Lee et al.(2016)에 제시된 기술 수준 단계별 주요 자율주행 기능의 레벨 1-2 수준의 기능으로 해당 차량의 이용자들은 일정 부분 자율주행 기능을 이용해본 경험이 있는 것으로 가정할 수 있을 것이다.
Table 3.
Car usage characteristics of respondents
3) 자율주행차에 대한 인지 정도와 인식
Table 4는 자율주행차에 대해 설문조사 이전에 어느 정도 인지하고 있었는지를 집계한 결과이다. 약 5.4%는 ‘이번 조사에서 처음 인식’한 응답자들이었으며, ‘조금 알고 있다’ 약 47.0%, ‘보통 정도 알고 있다’ 39.8%, ‘잘 알고 있다’ 7.8%이었다. 성별의 경우 남성과 여성에 따라 큰 차이는 없었고 여성이 ‘이번 조사에서 처음 인식’이 7.7%로 상대적으로 높았다.
Table 4.
Level of knowledge about AV (%)
Table 5는 평상시 자율주행차에 대한 편익과 우려에 관한 인식을 조사한 결과이다. 자율주행차에 대한 응답자들의 종합적인 편익은 평균이 약 3.38, 우려에 대한 평균은 3.43로 상대적으로 우려하는 측면이 다소 높았으나 유의한 차이는 없는 것으로 판단된다. 먼저 편익의 경우, 운전 피로도 감소와 주차 편의성에 대한 의식이 상대적으로 높았고, 도로 혼잡 감소, 차량 유지비 감소 등에 대한 것은 상대적으로 낮았다. 응답자들이 자율주행차에 대해 우려하는 점에 대해서는 모든 질문항목에서 비슷한 수준으로 우려 점이 있는 것으로 판단되며 이 중 자율주행차의 시스템 보안 문제, 자율주행차 시스템 오류에 의한 사고에 대한 우려가 가장 큰 것으로 분석되었다.
Table 5.
Respondents’ perception about AV
4) 도로첨단화에 대한 인식과 구축 우선순위
앞 장의 설문조사에 예시한 바와 같이 향후 자율주행차를 이용할 수 있다고 가정하고 도로첨단화에 대한 응답자들의 인식과 우선 구축해야 할 도로의 우선순위를 조사하였다. 먼저 Table 6은 도로첨단화 사업이 진행될 경우 자율주행차 이용에 얼마나 도움이 될 수 있을 것으로 기대하는가에 관한 질문의 분석 결과이다. ‘자율주행차 주행안전성 향상에 도움이 될 것이다’에는 평균 3.57, ‘자율주행차 운전편의성 향상에 도움이 될 것이다’에는 평균 3.60으로 비교적 도움이 될 것으로 응답하였다. 또한 ‘도로 첨단화가 된다면 자율주행차 구입의사가 높아질 것인가’에 대해서는 평균 3.61이었다. 이러한 결과는 도로첨단화는 자율주행차 확산에도 도움을 줄 수 있다는 것을 시사한다.
Table 6.
Respondents’ perception about smart road infrastructure
Table 7은 도로 종류별로 도로첨단화가 필요한 우선순위를 조사한 결과이다. 도로첨단화의 우선순위는 고속도로가 약 59.0%로 가장 높았으며, 국도가 약 22.0%, 도시부도로와 지방도가 각각 10.0%, 9.0% 순이었다. 또한 도로 첨단화를 위해 자동차 관련 세금증가에 찬성하는지에 대해 찬성이 약 44.8%, 반대가 55.2%로 반대가 높았다.
도로첨단화에 대한 지불의사액 분석
1. 분석의 개요
이 장에서는 장래 자율주행차의 상용화에 대응한 도로첨단화 사업에 대해 응답자들의 지불의사액에 대해 분석하였고 분석과정은 Figure 1과 같다. 이 연구에서는 다음의 두 가지 측면을 고려해서 모형을 구축한다. 첫째 응답자들이 자율주행차에 대해 가지고 있는 편익과 우려 사항에 대한 의식을 잠재변수(latent variable)로 반영한다. 이를 위해 설문조사를 통해 조사된 자율주행차에 대한 편익과 우려 사항에 대해 응답자들이 5점 척도로 응답한 데이터를 이용하여 요인분석을 한다. 요인분석은 다양한 편익과 우려에 대한 질문항목들에 공통적인 잠재변수들을 도출하기 위한 것이다. 둘째 지불의사액의 간격 데이터(Interval data)를 이용하여 최대지불의사액을 추정한다. 이 연구의 설문조사에는 최대지불의사액을 사전에 제시된 금액에 대해 응답자들이 선택하도록 하였다(예를 들면 1만원, 2만원, 3만원, ..., 10만원, ..., 30만원). 그러나 실제 응답자들의 최대지불의사액은 선택된 금액과 정확히 일치하지 않을 수 있다. 즉 어떤 응답자가 2만원을 최대지불의사액으로 선택했다 하더라도 실제 최대지불의사액은 2만원과 3만원 사이에 존재한다고 가정할 수 있다. 따라서 본 연구에서는 간격 데이터를 이용한 생존분석(Survival analysis using interval data) 방법론을 적용하여 지불의사액을 추정하기 위한 모형화를 시도한다.
2. 요인분석(Factor analysis)
자율주행차에 대해 응답자들이 평상시 가지고 있는 편익과 우려에 대한 의식을 5점 척도로 조사하였으며 이 데이터를 이용해서 공통된 잠재변수를 도출하기 위해 요인분석을 하였다. 요인분석은 다양한 질문항목들을 추가하거나 삭제하면서 타당한 잠재요인으로 묶였는지와 설명력을 비교하면서 분석하였으며 가장 적정하게 판단된 모형의 추정 결과를 Table 8에 제시하였다. 요인의 추출 방법은 주성분 분석을 이용하였으며 요인들의 회전 방법은 베리멕스 법을 적용하였다. 최종적으로 총 4개의 잠재요인을 도출하였고 모형의 설명력도 66.949%로 비교적 타당한 것으로 판단된다.
먼저 자율주행차의 우려 사항에 대한 질문항목들은 하나의 잠재요인으로 묶였는데 잠재요인 1은 ‘자율주행차에 대한 우려’로 정의하였다. 편익에 대한 질문항목들은 3가지 잠재요인들로 구분되었는데, 먼저 잠재요인 2는 ‘편익_교통사고 안전성’, 잠재요인 3은 ‘편익_편의성’, 잠재요인 4는 ‘편익_도로이용성’으로 정의하였다.
Table 8.
Results of factor analysis
3. 도로첨단화에 대한 지불의사액 모형 추정 결과: 생존분석
1) 생존분석(Survival analysis)
본 연구는 장래 자율주행차의 상용화에 대응해 도로첨단화를 위한 최대지불의사액을 추정하기 위해 생존분석 모형을 적용하였다. 생존분석 모형은 주로 의학 관련 분야에서 적용되는 방법론으로 지불의사액을 추정하는데도 널리 적용되어 오고 있다. 이 연구의 모형화 대상인 응답자의 최대지불의사액(WTP)은 생존분석 모형에서 지속시간(T)으로써 나타낼 수 있으며, ‘지불의사액은 처음 제시된 0원에서 시작해서 최대로 지불하고자 하는 비용’으로 정의한다. 설문 응답자의 최대지불의사액을 확률변수 로 정의하고, 제시된 금액 보다 응답자의 최대지불의사액()이 더 클 확률, 즉 생존모형의 생존함수(Survival function), 는 Equation 1로 정의된다(Ian et al., 2002).
여기서, 확률변수의 확률분포함수는 , 누적분포함수는 이다. 생존모형에서 핵심적인 요소인 해저드 함수(Hazard function) , 누적해저드함수 , 생존함수 의 관계는 Equation 2와 같다.
생존모형의 추정 방법에는 Kaplan-Meier와 같은 비모수적 추정 방법, 비례위험모형(Proportional hazard model)과 같은 반모수적(Semi-parametric) 추정 방법, 확률분포를 가정한 모수적 추정 방법론이 있다. 본 연구에서는 모수적 추정 방법론을 적용하고자 하는데, 비모수적 추정 방법은 개인 속성변수들의 영향을 파악하기 어렵고, 반모수적 추정 방법은 해저드 함수의 개인 속성변수들에 대한 선형성을 가정해야 하기 때문이다. 모수적 추정 방법론을 적용하는 경우 확률분포함수 을 가정할 필요가 있다. 그러나 최대지불의사액의 분포에 대한 사전 지식이 없으므로 다양한 확률분포 함수, 즉 지수 분포(Exponential), 웨이블 분포(Weibull), 로그정규분포(Log-normal), 일반화 감마분포(Generalized-gamma)와 같은 분포를 가정하여 모형을 추정한 후에 통계적 검증을 통해 가장 우수한 분포모형을 채택한다(Lee and Timmermans, 2007; Yu et al., 2017).
다음으로 본 연구에서 최대지불의사액 조사는 사전에 설정된 단위, 즉 1만원에서 30만원까지 만원 단위로 제시된 금액 중 하나를 선택하도록 하였다(Payment card 방법). 이러한 조사방식은 실제 응답자의 지불의사액과는 차이가 존재함으로 간격 데이터(Interval data)를 이용해 모형을 구축하고자 한다. 만일 응답자()의 최대지불의사액을 라고 했을 때, 는 응답자가 설문에 응답한 지불의사액()과 보다 한 단계 위에 있는 지불의사액() 사이에 존재한다고 가정할 수 있다. 예를 들면 응답자가 5만원으로 응답했을 때(=5), 는 5만원과 6만원(=6) 사이에 존재할 확률이며 Equation 4와 같다.
여기서, 는 램덤 확률분포의 평균, 는 형상(shape) 파라메터, 는 스케일(scale) 파라메터이다. 만약 응답자의 지불의사액이 제시된 최소금액()보다 작은 경우 Equation 5, 최대금액보다 큰 경우()는 Equation 6으로 정의된다.
이 연구에서 간격 데이터를 이용한 생존분석 모형은 Stata 통계소프트웨어를 이용해 추정하였다.
2) 생존분석을 위한 모형분포의 선택
본 연구에서는 도로 첨단화를 위한 응답자들의 최대지불의사액을 추정하기 위해 모수적 생존분석(Parametric Survival Analysis) 방법론을 적용하였다. 분석을 위해 먼저 모형에 가장 적정한 분포를 가정할 필요가 있는데, 이를 위해 다양한 모형분포를 가정하여 모형을 추정한 후 최대우도값을 비교하였다. 모형분포 선택을 위한 모형 추정은 별도의 설명변수를 투입하지 않고 상수항만을 가정하여 추정하였는데 이는 설명변수들을 추가함으로써 발생할 수 있는 이차적인 설명변수 간의 영향 관계를 모형에 반영하지 않기 위해서이다(Yu et al., 2017). 모형의 추정 결과를 Table 9와 같다. 적정 모형을 선택하기 위해 우도비 검정(Likelihood ratio test, LR)을 하였다. 우도비 검정은 일반화 감마분포 모형의 추정 결과에 대해 각 분포모형의 우도값을 비교하였다. 비교 결과 웨이블 분포의 우도값이 일반화 최대우도값 보다 조금 높으나 설명변수를 포함한 카이제곱 검증 결과(<0.154), 설명변수의 수가 한 개 증가한 것에 비해 모형 개선의 정도가 낮아 웨이블분포 모형이 가장 적정한 것으로 판단했다. 이후 본 연구에서는 웨이블분포를 가정하여 최대지불의사액을 모형화한다.
Table 9.
Comparison of estimation results in different distribution assumptions
3) 최대지불의사액에 대한 생존모형 추정결과
도로 첨단화 사업을 위한 응답자들의 최대지불의사액에 대해 이 연구에서는 간격데이터(Interval Data)를 이용한 생존분석 모형을 구축하였으며 Table 10에 추정 결과를 제시하였다. 모형의 추정 결과를 살펴보면, 먼저 상수항만을 적용하는 것 대비 추가 변수들의 적용 유의성을 검증하는 우도비 검증(LR) 결과 자유도 7에서 카이제곱 값이 53.68로 통계적으로 유의한 것으로 판단된다.
모형의 추정을 위해 다양한 설명변수들을 이용해 분석하였으며, 본 연구에서는 통계적으로 유의하게 추정된 변수들만을 포함한 결과를 제시하였다. 먼저 ‘평상시 고속도로 이용빈도’가 응답자들의 도로 첨단화에 대한 최대지불의사액에 유의한 영향을 미치는 변수로 추정되었다. 변수의 부호가 음(-)으로 추정된 것은 고속도로 이용 빈도가 높을수록 최대지불의사액이 증가하는 것을 의미한 것으로 타당한 것으로 판단된다. 앞선 기술통계분석에서 도로 첨단화에서 가장 우선해야 할 필요가 있는 도로 중 고속도로가 가장 높았었던 점과 모형의 추정 결과를 연계하여 볼 때 고속도로의 도로 첨단화 중요성이 매우 높고 이를 통해 혜택을 많이 볼 수 있는 응답자일수록 지불의사액이 증가한다고 예측할 수 있다. 다음으로 ‘고속도로 이용빈도’와 비슷하게 ‘연간주행거리’ 설명변수도 음(-)으로 추정되어 연간 주행거리가 1만 킬로 이상인 응답자들은 상대적으로 주행거리가 짧은 응답자들에 비해 지불의사액이 높은 것으로 판단된다. ‘자동차 구입계획’의 경우 양(+)으로 추정되어 향후 1년 이내 자동차 구입계획이 있는 응답자들의 경우 지불의사액인 높은 것으로 추정되었다. 또한 ‘월평균가구수입’이 700만원 이상인 가구가 그 외 가구보다 지불의사액이 높았으며, 서울 거주자들이 다른 지역 거주자들보다 지불의사액이 상대적으로 높은 것으로 추정되었다.
다음으로 요인분석을 통해 도출한 응답자들의 자율주행차에 대한 잠재요인들을 모형에 투입한 결과 잠재요인 1(자율주행차에 대한 우려)와 잠재요인 4(자율주행차 편익_도로이용성)가 통계적으로 유의한 변수로 추정되었다. 반면 잠재요인 2(자율주행 편익_안전성)과 잠재요인 3(자율주행 편익_편의성)은 통계적으로 유의하지 않았다. 이러한 원인 중 하나는 도로 첨단화의 경우 자율주행차와 도로 인프라와의 연계를 통해 자율주행차의 안전과 도로의 운행 효율성을 높이는 것을 목적으로 하기 때문으로 판단된다. 즉 잠재요인 1은 기상악화(비, 눈 등)에 따른 자율주행시스템의 성능 악화, 보행자, 자전거, 일반 자동차 등과의 접촉에 의한 사고 가능성, 자율주행시스템의 오류 발생 등 자율주행차 운행에 예기치 못한 문제가 발생하면 도로 첨단화를 통해 도로 인프라 측면에서 자율주행차의 안전성을 개선할 수 있을 것으로 기대하기 때문이다. 비슷하게 잠재요인 4가 유의한 것은 도로 첨단화로 자율주행차와 연계를 통해 도로혼잡 감소 효과를 추가로 기대할 수 있기 때문일 것이다. 반면에 잠재요인 2와 3의 경우에는 자율주행차 자체가 가지고 있는 이용 편익으로 도로 첨단화를 통해 추가적인 편익을 기대하지 않기 때문으로 판단된다. 예를 들면 잠재요인 3의 경우 자동차에서 여가활동이 가능, 운전 외에 다른 업무 가능, 운전 피로도 감소 등과 같이 자율주행차 자체가 가지고 있는 편의성에 대한 것으로 도로첨단화로 개선될 가능성이 작기 때문으로 판단된다. 모형의 추정 결과, 잠재요인 1은 양(+)의 부호로 추정되어 자율주행차에 대한 우려가 낮은 응답자일수록 지불의사액이 높은 것을 의미한다. 이러한 추정 결과는 일견 우리가 일반적으로 기대할 수 있는 가정(즉, 자율주행차에 대한 우려가 클수록 도로 첨단화에 대한 지불의사액이 증가)과 상반될 수 있으나 본 연구에서는 자율주행차에 대한 우려가 적은 응답자들의 경우 향후 자율주행차를 이용할 가능성이 크기 때문에 도로 첨단화에 대한 지불의사액이 증가할 수 있다고 판단하고자 한다. 이에 대해서는 향후 보다 추가적인 연구가 필요할 것으로 판단된다. 잠재요인 4의 경우 음(-)의 부호로 자율주행차 도입에 따라 도로 혼잡이나 차량 유지관리비 감소 효과에 대한 기대가 높을수록 도로 첨단화에 대한 지불의사액이 증가한 것으로 분석되었다.
Table 10.
Estimation results of WTP: parametric survival analysis
4) 개인 속성을 반영한 최대지불의사액의 산출
서론에서 언급했지만, 현재 추진되고 있는 도로첨단화 사업(예, C-ITS 사업)을 위해 시민들이 세금증가와 같은 추가적인 비용지불이 필요한 것은 아니다. 그러나 향후 자율주행차 이용이 전국적으로 확대되고 이에 따라 모든 도로에 도로첨단화사업이 필요한 경우에는 정부의 신규 재정투자와 유지관리비용이 급속하게 증가하고 공공재원의 추가확보에 대한 논의가 발생할 수 있다. 본 연구에서 추정하는 최대지불의사액은 이러한 재원확보를 위한 근거자료로 활용될 수 있을 것이다.
추정된 모형을 바탕으로 최대지불사액의 평균값을 산출한 결과 약 8.038(만원/년)이었으며, 95% 신뢰도 수준에서는 7.487-8.589(만원/년)이었다. 이는 1인당 연간 유류 관련 교통세를 약 60-90만원 수준으로 가정할 때 관련 세금을 8.3-14.3%까지 증가시킬 수 있음을 의미한다. 다만 이러한 값들은 본 연구의 제한된 표본 수와 조사 대상 지역의 한계, 인터넷 조사의 한계 등으로 개략적인 추정값으로만 제한해 해석할 필요가 있다. 더 정교한 지불의사액을 추정하기 위해서는 특정 도로를 선정하고 도로첨단화를 위한 단위 사업별 건설비용, 유지관리비용 등 사업비를 상세하게 제시한 설문조사를 활용할 수도 있다. 그러나 현시점에서는 도로첨단화에 대한 대상 도로를 특정하기 어렵고 단위 사업별 건설비용과 유지관리비용을 명확히 산정하기 어려운 한계가 있다. 따라서 본 연구에서는 응답자들의 도로첨단화에 대한 개략적인 지불의사액 추정값을 산출하는 데 의의가 있으며, 향후 본 연구가 특정 대상 도로의 도로첨단화 사업에 대한 지불의사액을 추정하는 기초연구로 활용할 수 있을 것이다.
다음은 개인 속성에 따른 평균 지불의사액의 차이를 살펴본다(Figure 2). 먼저 서울 거주 여부에 따른 지불의사액의 차이를 살펴보면 서울 거주 응답자(약 8.790만원/년)가 다른 지역 거주 응답자(약 7.680만원/년)에 비해 평균 지불의사액이 약 1.100만원 높았다. 월 가구 수입이 700만원 이상인 응답자(약 8.800만원/년)가 그 외 응답자(약 7.754만원/년)에 비해 평균 지불의사액이 약 1.046만원 높았다. 비슷하게 향후 1년 이내 자동차 구입 계획이 있는 응답자(약 8.460만원/년)가 그렇지 않은 응답자(약 7.347만원/년)에 평균 지불의사액이 약 1.113만원 높았다. 고속도로 이용 빈도에 따라서 지불의사액의 차이가 가장 컸다. 즉 고속도로를 주 4회 이상 이용하는 응답자(약 9.291만원/년)가 그렇지 않은 응답자(약 7.755만원/년)에 비해 약 1.536만원의 높은 평균 지불의사액을 갖는 것으로 분석되었다. 이는 고속도로 이용 빈도에 따라 도로 첨단화에 대한 지불의사액의 차이가 높아 향후 도로 첨단화는 고속도로를 중심으로 우선 추진될 필요가 있으며 관련 재원 마련도 고속도로 이용과 연관한 정책을 마련할 필요가 있음을 시사한다.
결론 및 향후 과제
최근 국내외에서 자율주행차 관련 연구와 정책들이 활발하게 추진되고 있다. 자율주행차 시장예측 연구에 따르면 2030년까지 자율주행 레벨 4 이상의 성능을 가진 자율주행차량의 보급이 본격화될 것으로 예측된다(KPMG, 2015). 반면 도로 운행과정에서는 다양한 기후 등 도로 환경의 변화, 예상치 못한 전방 사고와 공사 등 자율주행차 단독으로는 도로 운행의 안전성을 충분히 보장할 수 없는 상황들이 수없이 발생한다. 그만큼 도로첨단화의 필요성이 높은 것이다.
이러한 관점에서 본 연구는 설문조사를 통해 도로첨단화에 대한 시민들의 의식을 조사하였다. 또한 향후 도로첨단화를 위해 개인들이 지불하고자 하는 최대지불의사액에 대해 생존분석 모형을 구축하였다. 도로첨단화에 대해 본 연구의 응답자들은 ‘자율주행차의 주행 안전성’과 ‘자율주행차의 운행 편의성’이 증가할 것으로 기대하였다. 또한 도로첨단화는 자율주행차의 구입의사에도 긍정적인 영향이 있음을 확인할 수 있었다. 도로첨단화에 대한 지불의사에 대해 응답자의 약 44.8%가 찬성을 하였는데 이는 일반적으로 세금증가에 대해 반대의견이 높다는 것을 고려할 때, 비교적 많은 응답자가 긍정적이었음을 시사한다. 또한 도로첨단화의 우선순위는 고속도로가 가장 높았고 다음으로 국도였다.
본 연구에서는 생존분석 모형을 이용해 최대지불의사액을 추정하였는데, 기존 모형과는 달리 자율주행차에 대한 우려와 편의에 대한 의식을 잠재변수로 변화하여 모형에 투입하였다. 또한 설문조사의 특성을 반영해 간격 데이터를 이용한 생존모형을 구축하였다. 모형구축 결과 ‘고속도로 이용 빈도’, ‘연간주행거리’, ‘자동차 구입계획 유무’, ‘월평균가구수입’, ‘거주지역’ 등이 최대지불의사액에 영향을 준 것으로 분석되었다. 또한 잠재변수 중 ‘자율주행차에 대한 우려’와 ‘자율주행차 편익_도로이용성’이 유의한 영향이 있었다. 평균 지불의사액은 약 8.038(만원/년)이었으며 개인 속성 등에 따라 평균 약 1만원 정도의 차이가 발생하는 것으로 분석되었다.
본 연구의 한계도 존재한다. 먼저 인터넷을 통한 설문조사는 자율주행차와 도로첨단화에 대해 충분한 설명과 이해에 한계가 있을 수 있으며 이것이 응답자들의 설문 응답을 어렵게 하는 요인이 되었을 수도 있다. 최대지불의사액에 대한 모형화 측면에서는 계층적 요인들을 고려할 필요가 있다. 예를 들면 자율주행차에 대한 지식, 개인 속성, 운전 속성 등을 종합적으로 고려하여 계층화하고 이를 바탕으로 계층별 지불의사액의 차이를 고려할 필요가 있다. 아쉽게도 본 연구에서 구축한 모형에서는 이러한 변수들이 통계적으로 유의하지 않았으며 앞으로는 잠재계층(Latent Class)을 고려한 생존분석 모형의 구축을 시도할 필요가 있다. 또한 본 연구에서는 잠재변수를 고려하기 위해 순차적 추정방법론(즉, 요인분석→잠재요인 도출→생존분석)을 적용하였는데 잠재요인과 최대지불의사액을 동시에 추정할 수 있는 방법론(예, Integrated Choice Latent Variable Model: Walker and Ben-Akiva, 2002)에 대한 연구도 필요하다.
끝으로 본 연구에서는 재원의 한계로 설문조사의 대상 지역을 광역시 이상으로 한정하였는데 향후 지방지역으로 확대할 필요가 있다. 이는 도로첨단화에 대한 지불의사액이 지방 거주자와 광역시 이상 거주자에 차이가 존재할 것으로 예측되기 때문이다.
상기에 제시한 여러 한계에도 불구하고 본 연구는 장래 자율주행차의 상용화와 본격적인 확대에 대비하여 도로첨단화의 필요성을 강조하고 이를 위한 시민들의 의식과 지불의사액을 계량적으로 분석하고자 시도하였다. 국내외에서 도로첨단화에 대한 학술연구가 매우 부족한 시점에서 본 연구가 선도연구로서 역할을 하고, 향후 자율주행차 관련 국내 정책 수립에 도움이 될 수 있을 것으로 기대한다.
