서론

기존의 교통수요예측 모형은 개별 통행 단위를 분석 단위로 하는 통행 기반 모형(Trip-based Model)을 중심으로 발전해왔다. 그러나 이러한 접근법은 통행을 독립적으로 취급하기 때문에, 개인이 하루 동안 수행하는 연속적 활동 패턴(이하 통행 사슬)을 반영하기 어렵다는 한계가 있다(McNally and Rindt, 2008; Ben-Akiva and Lerman, 1985). 이에 따라 활동기반모형(Activity-Based Model, ABM)이 제안되었으며, 이는 개인의 효용 극대화 행태를 바탕으로 통행과 활동을 통합적으로 설명함으로써 행태적 타당성을 제고하였다(Bowman and Ben-Akiva, 2001; Bhat and Koppelman, 1999).

하지만 기존 ABM의 하루의 통행 사슬 구성과정은 다양한 활동 조합을 생성하고 이러한 활동 패턴의 효용을 비교하는 방식에 의존하였다. 이러한 접근은 활동 간의 상관구조를 충분히 반영하지 못해, 실제 행태와의 괴리가 발생하는 문제가 있다(Bhat and Singh, 2000; Shiftan and Ben-Akiva, 2011). 예를들어, 업무 활동을 포함하는지 여부나 두 개 이상의 활동을 수행하고 tour를 종료하는지 여부에 따라 개인의 활동 선택 확률이 달라질 가능성이 있음에도, 상당수의 선행연구는 이를 독립적 대안 간 비교 하에서 추정하였다.

또한, 필수 통행이 아닌 통행에 있어 목적지의 위치와 공간적 접근성이 통행 사슬의 형성과 선택에 직접적인 영향을 미침에도, 다수의 ABM 의사결정 구조는 활동발생 여부 및 통행 사슬을 먼저 추정하고, 그 후에 개별 활동의 목적지를 추정하는 단계적 구조를 따르고 있다. 이러한 구조는 통행 사슬 선택과 목적지 선택 간의 내생적 연계성을 충분히 반영하지 못하는 문제를 내포한다. 이 외에도 이렇게 다양한 통행 사슬 조합을 비교하고 단계적 처리과정을 휴리스틱하게 반복하는 기존의 ABM은 높은 해상도의 데이터와 그에 걸맞는 데이터 양을 요구한다는 점에서 실무적 측면에서 해당 모형을 적용하기에 한계가 존재한다.

이에 본 연구는 이러한 한계를 극복하기 위해, 네스티드 로짓 모형을 활용하여 통행 사슬 간의 선택 상관구조를 반영하고자 한다. 특히, 다양한 Tree 구조를 설정함으로써, 활동 간의 상관성을 네스티드 로짓 모형의 Inclusive value parameter로 판별 가능하다. 이러한 접근은 개인의 활동 선택이 상관된 선택 행태임을 반영하고, 간단한 통행일지만을 토대로 기존 모형의 한계를 보완할 수 있을 것으로 기대된다.

선행연구

활동기반 접근(Activity-Based Approach)의 확산과 함께, 개인의 하루 이동을 통행 사슬(trip chain 또는 Tour) 단위로 묶어 분석하는 연구가 활발히 이루어졌다. 통행 사슬은 “집(Home)에서 출발하여 다시 집으로 돌아올 때까지 수행되는 일련의 활동”으로 정의되며, 이는 통행 간의 연속성, 시간 제약, 목적 연계성을 동시에 고려할 수 있는 분석 단위로 평가된다(Hägerstrand, 1970). Hägerstrand의 시간지리학(Time Geography)은 개인의 활동이 시간적·공간적 제약 속에서 결정된다는 점을 이론적으로 제시하였으며, 이후 Shiftan and Ben-Akiva(2011)는 이러한 개념을 실증모형에 적용하여 정책 민감형(Activity-Based) 모형을 구축하였다. 특히 해당 연구는 업무(Work) 및 비업무(Non-work) 활동의 결합 여부가 통행 사슬 선택에 유의한 영향을 미친다는 점을 보여주었다.

활동기반모형(ABM)은 통행이 활동의 파생수요라는 개념을 토대로, 활동을 수행하기 위한 의사결정 과정을 효용극대화(Utility maximization)으로 설명하면서, 통행 사슬에 따른 일련의 통행행태를 추정하는 모형이다(Bowman and Ben-Akiva, 2001; Bhat and Koppelman, 1999). ABM은 활동의 발생, 순서, 지속시간, 목적지, 수단 선택을 통합적으로 다루며, 통행기반모형의 독립성 가정을 보완한다는 점에서 행태적 타당성을 높였다. 예를들어, Bowman and Ben-Akiva(2001)는 개별 통행 대신 하루 활동일정(Activity schedule) 단위를 이용해 행태적 일관성을 높였으며, Bhat and Singh(2000)은 활동의 연속성과 상호의존성을 고려하기 위하여 순서형 로짓모형(Ordered logit model)과 생존모형(Hazard duration model)을 결합하여 활동 순서에 따른 순차적인 통행 사슬 의사결정 모형을 제시하였다. 이러한 연구들은 활동기반 접근이 기존의 단일 통행모형보다 재택근무나 혼합용도개발 등 정책 변화에 대한 행태 예측력을 높일 수 있음을 보여준다.

다만, 기존 ABM 대부분은 통행 사슬을 구성할 때 다양한 활동유형을 조합하고 효용을 비교하는 방식에 의존하였으며, 활동 간의 상관구조를 반영함에 있어서도 앞선 활동 선택에 따라 이후 활동을 선택하는 순차적인 구조방식을 갖고 있다. 즉, 앞선 활동 선택이 다음 활동의 조건이 되는 방식으로 모형이 구성되어 있어, 실제 개인이 활동의 전체 순서와 조합을 통합적으로 고려하여 의사결정하는 현실적 행태를 충분히 반영하지 못한다는 한계가 있다.

이처럼 선택 대안의 완전한 독립 구조를 보장할 수 없는 문제를 해결함에 있어 네스티드 로짓 모형이 널리 활용되어 왔다. 네스티드 로짓 모형은 대안 간 효용의 상관관계를 고려할 수 있는 다계층 의사결정 구조를 제공하며, 유사한 계층(nest) 내에서 효용의 공유 정도를 IV parameter로 추정할 수 있다(Wen and Koppelman, 2001). 이를 통해 활동유형, 목적지 선택, 교통수단 선택 등 서로 상관된 행태요소를 보다 현실적으로 모형화할 수 있다. 예를 들어, Lo et al.(2004)는 홍콩 국제공항–도심 연결 교통망을 대상으로, 통행자가 복합수단(Combined-mode)을 선택하는 과정에서 수단–환승지–경로 선택의 3단계 의사결정 구조를 네스티드 로짓 모형으로 구성하여 수단선택의 다층적 행태를 정량화하였다. 또한, Go et al.(2022)는 수도권의 통근 상황에서 승용차·택시·대중교통과 온디맨드 모빌리티 서비스(공유차·수요대응형 교통)를 포함한 여섯 개 대안 간의 수단선택을 분석함에 있어 네스티드 로짓 모형을 적용하여 앱 기반 신규 서비스인 공유차와 수요응답형 차량 배차 서비스의 상관성을 확인하고, 새로운 서비스군의 대체 가능성과 시장경쟁력을 정량적으로 평가하였다.

본 연구는 이러한 선행연구를 토대로, 네스티드 로짓 모형을 활용하여 통행 사슬 간 상관성을 명시적으로 고려하여 행태 기반 교통모형의 현실성을 제고하고자 한다. 또한 본 연구는 통행 사슬 모형을 특정 대상 지역 단위로 확장하여, 개별 활동이 대상지 내부에서 발생하는지 혹은 외부에서 발생하는지를 동시에 추정하고자 한다. 이는 통행 사슬 내 목적지 선택이 공간적 제약조건과 어떻게 상호작용하는지를 반영할 수 있는 구조로, 향후 생활권 기반 교통정책, 자율주행 셔틀 운영, 지역 단위 교통수요 관리 등에서 실질적인 정책적 활용 가능성을 제공한다.

자료 수집

1. 설문 설계

본 연구는 조사대상지는 자율주행 범부처 연구개발사업의 자율주행 리빙랩으로 선정된 경기도 화성시의 남양읍 남양뉴타운 일원이며, 13세 이상 지역 거주자 및 방문자를 대상으로 설문을 수행하였다. 본 설문은 2024년 6월 24일부터 7월 12일 약 3주간 진행되었으며, 500명의 설문 응답자를 대상으로 1일 기준의 통행일지(day diary)를 수집하였다. 표본 설계는 공간적 대표성을 확보하기 위해, 남양뉴타운 일원을 H3 해상도 9 수준의 72개 육각격자(약 400–500m)로 분할한 뒤, 인접한 격자를 공간적 연속성과 토지이용 특성 등 설문 자료 수집의 용의성을 고려하여 총 10개 구역(section)으로 구분하였다. 이후 500명의 표본 수집 목표를 10개 구역의 주거용 건물의 가구 수 및 상업용 건물의 점포 수를 가중치로 반영하여 배분하였다. 이를 통해 인구 및 상업활동 밀도가 높은 지역에서 더 많은 표본이 수집되도록 하였다. Table 1은 각 구역별 추정 인구수와 실제 수집된 표본 수를 나타낸 것이다. 전체적으로 아파트 단지가 밀집한 1, 5, 7, 9번 구역에서 상대적으로 많은 응답이 확보하였으며, 상대적으로 낮은 밀도의 상업시설 또는 준주거시설이 주로 분포한 구역(4, 6, 10번)에서는 제한된 표본만이 수집되었다. Figure 1은 각 표집에 대한 구역 구분 결과를 나타낸다.

Figure 1.

Survey sampling zones

본 설문은 응답자에게 하루 동안 수행한 통행을 최대 5회까지 기록하고, 각 통행 간의 목적, 통행수단, 출발·도착 시각, 체류시간, 귀가 여부 등을 포함한 세부 정보를 입력하도록 구성되었다. 여기서 하루 동안의 연속적 활동을 하나의 투어(Tour)로 간주하였으며, “집에서 출발하여 다시 집으로 돌아올 때까지의 일련의 활동과 통행”을 1개의 투어로 정의하였다. 응답자는 하루동안 통행한 내역에 대하여 일지 형식으로 응답하도록 하였으며, 응답자가 보고한 하루 동안의 통행 내역을 토대로 통행 사슬을 재구성하였다. 응답 수집결과에서 복수 투어가 확인된 경우 활동 소요시간이 가장 긴 주요 투어를 대표 투어로 선정하여 분석을 수행하였다. 활동 목적은 Table 2와 같이 다섯 가지 범주로 구분하였다. 활동목적에 대하여 설명을 받은 응답자는 설문의 기준이 되는 하루에 대하여 일련의 활동 순서를 작성하였다.

활동 순서 작성을 완료한 응답자는 개별 활동을 수행하기 위하여 통행한 정보를 기입하도록 하였다. 각 통행에 대하여 수집된 항목은 (1) 통행의 목적과 대응되는 활동 유형, (2) 목적지 위치, (3) 출발 및 도착 통행시각, (4) 주 이용 수단, (5) 대중교통 이용 시 환승여부에 대하여 응답을 수집하였다. 여기서 (2) 목적지 위치를 수집함에 있어 리빙랩 내부의 목적지로 이동한 것인지 리빙랩 외부의 목적지로 이동한 것인지 구분할 수 있도록 설문 응답지를 구성하였다. 또한, 개별 통행의 출발지는 모두 이전 통행의 목적지, 첫 번째 통행의 경우 하루 일과를 시작한 곳에서 통행을 시작하였다고 가정하였다. 더불어, 설문 시스템에는 응답의 논리적 일관성을 확보하기 위한 내장 검증 규칙을 포함하였으며, 출발시각보다 도착시각이 빠르게 기록되는 경우 자동 오류 메시지를 표시하도록 설계하였다.

2. 설문 결과

설문 수집 결과 총 500명의 응답자 중 일과가 집에서 종료되지 않은 응답자를 비롯하여, 하루 총 일과 시간이 24시간이 넘어가거나 목적지에서 체류시간이 없는 응답을 제외하였다. 데이터 정제 과정을 거친 결과, 총 448명의 응답자에 대한 유효한 통행일지를 확보하였다. Table 3은 유효 표본에 대한 사회경제적 속성 구성을 나타낸다.

유효 표본의 사회경제적 특성을 살펴보면, 설문 지역 내 거주만 하는 응답자가 전체의 79.1%로 가장 높은 비중을 차지하였으며, 조사 지역 내에서 거주지와 근무지가 모두 위치한 응답자는 16.7%로 나타났다. 성별 분포는 남성이 49.3%, 여성이 50.7%로 비교적 균형을 이루었다. 연령별 30대(26.1%)와 40대(22.1%)의 비중이 가장 높았으며, 이어 50대(17.2%)와 20대(11.2%) 순으로 나타났다. 소득 수준의 경우 월평균 300만~500만 원(33.3%)과 500만~1000만 원(33.7%) 구간에 응답이 집중되어 있었다. 다만, 유효 응답자의 12.5%가 소득 수준 응답을 거절함에 따라 모형 추정 시 본 응답자의 소득 수준을 중위소득(2024년 기준 3인 가구 기준 4,714,657원/월) 집단으로 가정하였다. 고용 상태는 취업자 59.8%, 비취업자 40.2%로 나타났으며, 운전면허 보유자는 전체의 78.1%에 달하였다. 차량 보유 형태는 개인 차량 보유(46.0%)와 가구 내 차량 보유(35.9%)가 80% 이상을 차지하였고, 차량이 없는 응답자는 18.1%로 상대적으로 낮은 비중을 보였다. 이와 같은 표본 분포는 남양뉴타운 지역의 사회경제적 속성 구조를 일정 부분 반영하고 있으며, 이후 분석에서 개인의 통행 사슬을 추정하는 모형의 주요 설명변수로 활용하였다.

본 조사는 읍단위보다 더 작은 수준의 남양뉴타운을 중심으로 거주자 및 지역 종사자(근로·상업활동 인구 포함)를 조사 대상으로 설정하였기 때문에, 연령 및 성별 등 인구학적 특성이 모집단과 완전히 일치하도록 표본을 구성하는 데에는 한계가 있었다. 다만, 표본의 대표성을 확보하기 위하여 2025년 6월 기준 화성시 남양읍의 주민등록 인구통계와 비교한 결과 성별 구성은 남양읍 주민등록 인구(남 54% : 여 46%)에 비해 유사한 수준을 보였다. 또한, 주민등록의 연령별 구성의 경우 30대(20.2%), 40대(18.6%), 50대(18.1%) 등 주요 경제활동 연령층에서 설문 응답 결과와 유사한 분포가 확인되었으나, 60대 이상 집단의 경우 주민등록 인구비(25.1%) 대비 설문 응답에서의 60대 이상 비중(18.5%)이 다소 낮게 나타났다. 이러한 표본 구성의 차이는 본 연구의 대상지 범위와 목표 집단의 차이가 존재한다는 점에서 발생하였다고 판단되며, 본 연구 결과를 일반화하는 데에는 주의가 필요하다.

448명의 유효 응답자를 대상으로 통행 사슬을 구성한 결과 Table 4와 같은 구성을 보였다. 설문 응답 시 활동목적을 5가지로 구분하였으나, 출장 관련 통행(Business Activities)과 개인용무(Personal Errands)를 하였다고 응답한 표본이 각 13명, 18명으로 나타났다. 따라서, 통계적 유효성을 확보하기 위하여 출장 관련 통행과 개인용무 그리고 쇼핑 및 레저 항목을 기타활동(Others)으로 구분하고 “O”로 나타내었다. 또한, 통근 및 통학(Commuting / School) 통행 목적은 “W”로 활동유형을 구분하였다. 또한, 필수통행이 아닌 선택통행에 해당하는 기타활동은 목적지가 상황에 따라 개인의 선택에 따라 변화한다는 점에서 리빙랩 내부에서 발생한 활동인지(“Y”) 외부에서 발생한 활동인지(“N”)로 구분하여 목적지 위치까지 통행 사슬에 포함하였다. 더불어, 하루 동안 두 개 이상의 투어를 수행한 사례가 다섯 명 확인되었으며, 이러한 경우에는 활동 소요시간이 가장 길고 대표성이 높은 주요 투어를 대표 투어로 선정하여 분석에 포함하였다. 이는 동일 응답자가 표본 내에서 중복 반영되는 문제를 방지하고, 소수 사례를 통합하여 새로운 통행 사슬 유형을 구성할 때 발생할 수 있는 통계적 불안정성을 최소화하였다.

가장 높은 비중을 보인 유형은 H–W–H형(출근·통학 후 귀가형)으로, 전체의 50.9%를 차지하였다. 이는 응답자의 절반 이상이 하루 일과를 업무 중심의 단일 투어 형태로 수행함을 의미한다. 다음으로 H–YO–H형(리빙랩 내부에서 기타활동 후 귀가형)이 29.9%를 차지하였으며, H–NO–H형(리빙랩 외부에서 기타활동 후 귀가형)은 11.2%로 리빙랩 내부에서 기타활동이 더욱 많이 발생한 것으로 확인되었다. 한편, 한번의 통행 사슬에서 두 개의 활동을 수행한 통행 사슬이 전체의 8.0%를 차지하였는데, 그중에서도 H–W-YO–H형(출근·통학 후 리빙랩 내부에서 기타활동형)가 5.8%로 H–W–NO–H형(출근·통학 후 리빙랩 외부에서 기타활동형)은 2.2%보다 약 2배 이상 높은 비중을 보였다.

본 연구는 위와 같이 수집된 화성시 남양읍 남양뉴타운 지역에서 수집된 448명의 유효 통행일지를 활용하여, 통행 사슬 선택을 설명하기 위한 네스티드 로짓 기반의 활동선택 모형을 구축하였다. 모형은 총 다섯 가지 Tree 구조를 탐색하여 최적의 모형을 선택하였으며, 활동 간 선택 상관관계와 함께 통행 목적지의 리빙랩 내부 및 외부 여부를 반영하여 행태적 타당성이 향상된 통행 사슬 추정모형을 제시하였다.

분석 방법론

1. 모형 설정

통행 사슬(trip chain) 선택 행태를 설명하기 위하여, 대안 간 상관성을 반영할 수 있는 네스티드 로짓 모형을 적용하였다. 네스티드 로짓 모형은 다항 로짓 모형(Multinomial Logit model, MNL)의 독립성 가정(IIA, Independence of Irrelevant Alternatives)을 완화하여, 상호 연관된 대안들을 동일한 계층(nest, 이하 네스트) 내에 포함함으로써 선택 간 상관관계를 표현할 수 있다(Train, 2009; Hensher et al., 2015). 본 선택모형의 추정은 효용 극대화 이론(Utility Maximization Theory)을 기반으로 한다. 즉, 개인은 여러 통행 사슬 유형 중에서 자신이 얻을 수 있는 효용이 가장 큰 대안을 선택한다고 가정한다. 개인 n이 통행 사슬 유형 i를 선택함으로써 얻는 효용Uni은 Equation 1과 같이 표현할 수 있다.

여기서 관측효용 Vni는 Wnk와 Yni의 합으로 표현할 수 있으며, Wnk는 네스트 k에 따라 다른 값을 갖는 상수를 의미한다. 본 수식 구조상 εni은 비관측 효용을 나타내면서, 서로 다른 네스트의 통행 사슬은 독립적인 검벨 분포를 갖으며, 동일 네스트 안의 통행 사슬 대안끼리는 상관성을 갖는다. 또한, Yni는 동일한 네스트 내에서 통행 사슬 유형 i를 선택함으로써 얻는 효용을 나타내며, Equation 2와 같이 표현할 수 있다.

여기서, βi0는 개인 n이 통행 사슬 유형 i를 선택함으로써 달라지는 대안특유상수를 의미하며, βiZ는 통행 사슬 유형 i를 선택할 때 개인 n의 사회경제적 속성 및 활동 변수XnZ에 따라 달라지는 계수를 의미한다. 본 연구에서는 Table 5에 따라 사회경제적 속성 및 활동 변수를 구성하였다.

네스티드 로짓 모형에서 개인 n이 통행 사슬 i를 선택할 확률Pni은 통행 사슬 i가 속한 네스트 k를 선택할 확률Pnk과 네스트 k에서 통행 사슬 i를 선택할 조건부 확률 Pni|k의 곱으로 나타날 수 있으며, 이를 표현하면 Equations 3, 4, 5와 같다.

where,

여기서 λk는 네스트 k내 통행 사슬 i간의 독립성 정도을 나타내는 지표(Inclusive value parameter, IV parameter)로 값이 낮을수록 대안들 간의 독립성이 약하고, 상관성이 더 크다는 것을 의미한다. 또한, 네스티드 로짓 모형에서는 λk는 0과 1사이에 존재한다는 제약조건을 갖고 있다. 한편, Ink는 Inclusive value(IV) 또는 log-sum term으로 정의된다. 예를들어, 업무 관련 활동(Work nest) 안에 여러 세부 유형(H–W–H, H–W–YO–H, H-W-NO-H)이 있다면, 그 네스트의 log-sum 값은 “업무 관련 통행 사슬들의 평균적인 매력도”를 대표한다. Ink를 수식적으로 Equation 6과 같이 표현할 수 있다.

2. 모형 추정

본 연구에서는 통행 사슬 간의 상관구조를 고려하기 위하여, 네스트 계층 수가 2개 이하인 총 5가지의 Tree 구조를 설정하고 Nested Logit 모형을 추정하였다. Tree 구조는 활동 유형, tour 내 활동 개수, 그리고 업무활동 및 기타활동의 포함 여부에 따라 구분되며, 각 모형은 통행 사슬 유형(H–W–H, H–YO–H 등) 간의 선택 상관성을 다른 방식으로 반영한다. Figure 2는 다섯 가지 통행 사슬 Tree 구조를 나타낸다.

Figure 2.

Nested logit tree structures by type of trip chain

여기서 Model 1은 첫 번째 활동의 유형에 따라 Tree 구조를 설정하였다. 즉, 통행 사슬이 첫 번째 활동으로 업무활동(1^st work acitivity)을 포함하는지, 혹은 기타활동만으로(Only others) 구성되는지를 기준으로 상위 네스트를 구분하여 각 대안을 배치하였다. Model 2는 기타활동만(Only others) 포함 하는지와 tour 내 활동 개수(2개 이상)를 기준으로 네스트를 고려한 구조이다. 하나의 tour 내에서 두 개 이상의 활동이 수행되는 경우를 별도의 네스트로 구분함으로써, 복합적인 통행 사슬 유형 간의 상관성을 반영할 수 있도록 하였다. Model 3은 기타활동에 한하여 Nested 구조를 적용하였다. 즉, 기타활동만을 포함하는 통행 사슬을 하나의 상위 네스트로 정의하고, 나머지 통행 사슬은 독립성을 가정하였다. 이를 통해 동일한 기타활동이지만 수행되는 목적지가 리빙랩 내부에 위치하는지 외부에 위치하는지에 따라 구분된 기타통행 사슬의 대안 간 상관성을 모형화하였다. Model 4는 활동의 개수에 따른 의사결정의 복잡성이 반영될 수 있도록 ‘2개 이상 활동을 포함하는 사슬’과 ‘단일 통행 사슬’을 별도의 네스트로 구분하였다. 마지막으로, Model 5는 ‘단일 통행 사슬’ 경우에만 네스트 구조를 도입하였다.

분석 결과

다섯 가지의 Tree 구조를 기반으로 모형을 추정한 결과, Model 4와 Model 5는 λk 값이 0과 1사이에 위치하지 않기에 최종 모형에서 제외하였다. 또한, Model 2의 경우 tour 내 활동 개수가 2개 이상인 네스트에 대하여 λk이 통계적 유의성을 만족하지 않았기 때문에 최종 모형에서 제외하였다. 마지막으로 Model 3의 경우 네스트 구조의 상관성은 확보하였으나, 우도비의 카이제곱 검정 결과 Base model에 해당하는 다항 로짓 모형 추정 결과 자유도 차이값이 1에 추정치가 3.130으로 95%의 신뢰수준에서 귀무가설을 기각할 수 없었다. 한편, Model 1은 기타활동(Only other)과 첫 번째 통행 시 업무 통행(1st work activity) 두 네스트에 대하여 모두 0에서 1 사이의 λk값을 보였으며, 통계적 유의성을 만족하였다. 또한, Base model 대비 자유도 차이값이 2이고, 우도비의 카이제곱 검정 추정치 𝜒²가 61.74로 99%의 신뢰수준에서 통계적으로 다른 모형임을 확인하였다. 또한, adjusted 𝜌²값이 0.629로 타 모형 대비 더 높은 수준의 적합도를 보였으며, Accuracy와 f1-score 측면에서도 높은 적합도를 보였다는 점에서 최종 모형으로 선정하였다.

이와 같은 Model 1의 선정은 단순히 다른 모형들이 통계적 기준을 충족하지 못했기 때문만이 아니라, 대상 지역의 생활권 통행 특성과 통행 사슬 구조를 반영한다는 점에서 행태적 해석이 가능하다. 모형 추정 결과를 살펴보면, Model 1 뿐만 아니라 Model 2와 Model 3 모두에서 기타활동만을 포함한 네스트(Only other)에 대해서는 1에 근접한 값을 보였는데, 이는 기타활동의 목적지 선택에 대하여 독립성이 있음을 시사한다. 한편, 첫 번째 활동으로써 근로활동을 포함하는 네스트(1^st work activity)의 경우 λk의 계수가 통계적으로 유의할 뿐만아니라 계수값이 0.035로 상당히 높은 수준의 상관성을 보인다고 볼 수 있다. 이를 해석하면 첫 활동으로 근로활동을 포함하는 활동사슬 선택 시, 해당 네스트 내 대안들은 서로 높은 종속성을 가지며 하나의 연계된 의사결정 구조로 작동하고 있다고 해석할 수 있다. 이는 일상 속에서 근로활동이 하루 활동사슬을 조직하는 핵심적 기준점으로 기능함을 보여주며, 근로활동 여부가 개인의 일상적 이동 및 활동 조합을 결정하는 중요한 행태적 요인임을 의미한다. 다만, 앞서 추정을 수행한 다섯가지 모형 중 근로 이후 기타활동을 연속적으로 수행하는 네스트(Two activities)는 모든 모형에서 통계적 유의성을 만족하지 못하였다. 이는 해당 네스트를 구성하는 통행 사슬의 총 표본 수가 36개로 제한적이었으며, 이에 따라 복수 활동으로 구성된 통행 사슬에 대한 구조적 상관성을 충분히 식별하는 데 자료적 한계가 존재한다.

Table 6에 따르면 대안특유상수를 비롯하여 사회경제적 속성 변수와 첫 통행 시간 변수는 모두 H-W-H를 기준으로 추정되었다. 추정 결과를 상세하게 살펴보면 Base model과 Final model 모두에서 연령은 H-YO-H 및 H-NO-H 대안에서 유의하게 양(+)의 영향을 보였으며, 고연령층일수록 근로활동보다는 기타 활동 중심의 통행 사슬을 선택할 가능성이 높음을 나타낸다. 성별은 Final Model을 기준으로 95%의 신뢰수준에서 H-YO-H 및 H-NO-H 대안에서 음(-)의 영향을 보였으며(–0.895, -0.889), 이는 남성이 비근로형 통행 사슬을 선택할 가능성이 낮고, 상대적으로 근로 중심 사슬에 참여할 확률이 높음을 의미한다. 또한, 고소득자일수록 99%의 신뢰수준에서 H-YO-H에 대하여 음(-)의 영향을 보였는데, 이는 고소득층은 지역 내 단순 기타활동보다 근로활동을 하는 경향이 더 높음을 나타낸다. 또한, Base model 추정결과에서 고소득층 변수가 H-W-NO-H에 대하여 양(+)의 영향을 보였다는 점에서 근로 단일 활동보다 장거리 복합 통행 사슬을 수행할 가능성이 높음을 시사한다. 다만, Final model에서는 첫 번째 활동으로 근로활동을 포함하는 네스트(1st work activity)의 상관구조가 네스티드 로짓으로 반영되면서, H–W–NO–H에 대한 고소득 수준 변수에 대한 영향은 통계적으로 유의성을 확보하지 못하였다. 한편, 소득 수준 변수에 있어 유효 응답자 중 12.5%가 가구소득 응답을 거부하였다는 점에서 소득 변수 해석을 일반화하기에 주의가 필요하다.

더불어, 근로자 변수는 H-YO-H 등 비근로형 사슬에서 큰 음(-)의 계수를 보였으며, 개인 자가용 보유 속성에 대해서는 통계적으로 유의성이 없는 것으로 나타났다. 다음으로, 첫 번째 통행시간에 대하여 99%의 신뢰수준에서 음(-)의 경향을 보였는데, 첫 통행 시간이 길수록 H-YO-H보다는 H-W-H 활동일 확률이 높음을 의미한다. 한편, H-W-NO-H에 대하여 90%의 신뢰수준에서 양(+)의 경향을 보였는데, 본 모형이 H-W-H를 기준으로 계수를 추정하였다는 점에서 첫 번쨰 활동으로써 통근통학에 소요하는 시간이 길수록 후속 활동을 리빙랩 외 지역에서 수행하고 집으로 돌아오는 경향이 있음을 확인할 수 있었다. 본 리빙랩 대상지가 거주지 및 근린생활시설이 밀집한 지역이라는 점에서 첫 통행 시간이 길수록 활동반경이 리빙랩 외부로 확장된 상태이며, H-W-NO-H와 같이 이후 활동이 외부에서 발생하는 경향이 있음을 나타낸다. 즉, 첫번째 활동이 하루의 이동의 공간범위를 결정한다는 점에서 생활권 단위 교통 정책을 근거리 내부 이동과 근로·외부활동을 포함한 광역 이동으로 구분하여 계획할 필요가 있음을 시사한다. 본 분석결과는 활동기반모형(ABM) 선행연구에서 하루의 최초 활동(Anchor Activity)이 이후 활동의 시간·공간 범위를 구조적으로 규정한다는 점과도 일치한다(Bowman and Ben-Akiva, 2001; Bhat and Koppelman, 1999; Ettema and Timmermans, 1997).

마지막으로, 첫 번째 활동 체류시간에 대하여 모든 모형에서 통계적으로 양(+)의 경향을 보였는데, 초기 활동시간이 길수록 단일 활동 후 귀가를 하기보다는 복합활동을 수행하는 경향이 있음을 나타낸다. H-YO-H와 H-NO-H는 첫 번째 활동 이후 후속 활동이 존재하지 않는 단일 활동 사슬이므로, 체류시간 변수를 포함할 경우 행렬 단수 문제가 발생하여 추정이 불가능하였다. 따라서 1^st 활동 체류시간 변수는 두 번째 활동이 존재하는 복합 사슬(H-W-YO-H, H-W-NO-H)에 대해서만 반영하였다.

Table 7에 따르면 본 연구에서 제시한 Final model의 전반적인 정확도가 0.864로 Base model(0.839)보다 향상되었으며, 특히 근로 관련 통행 사슬(H-W-H, H-W-YO-H, H-W-NO-H)를 구분함에 있어 F1-score가 높게 나타났다. 더불어, H-W-H의 재현율(Recall)은 0.952에서 0.956으로, H-W-YO-H는 0.731에서 0.923으로 증가하여, 중첩 구조가 근로 관련 대안의 실제 선택을 더 정확히 포착함을 보여준다. 또한, 정밀도(Precision)는 H-W-YO-H에서 0.826을 0.857로, H-W-NO-H에서 0.800이 0.875로 개선되어, 네스티드 로짓모형이 오분류를 줄이고 복합적인 통행 사슬 간 구분을 향상하였음을 시사한다. 이는 근로 관련 대안 간 상관관계를 반영함으로써 개인의 통행 사슬 선택 의사결정 행위를 개념적으로 더 잘 모사할 뿐만아니라 모형의 민감도와 예측 신뢰도가 모두 강화되었음을 의미한다.

결론

본 연구는 남양뉴타운 리빙랩을 대상으로 통행 사슬 선택을 네스티드 로짓(Nested Logit, 네스티드 로짓) 구조로 추정하여, 기존 활동기반모형(ABM)의 한계를 보완하고자 하였다. 특히, 근로(Work) 포함 여부와 기타활동(Others)·목적지(내/외부) 결합을 반영한 트리 구조를 탐색한 결과, 1^st work activity/Only others의 2-계층 구조가 통계적·행태적으로 가장 타당한 최종 모형으로 선정되었다. 특히, 첫 활동으로 근로활동을 포함하는 네스트(1^st work activity)의 IV 계수는 0.035(p=0.091)로 0과 1 사이의 유의한 값을 가지며, 근로 관련 통행 사슬(H-W-H, H-W-YO-H, H-W-NO-H) 간 높은 상관성이 존재함을 확인하였다. 이는 동일 네스트 내 통행 사슬들이 공통된 효용 요인을 공유하고 있음을 의미하며, 근로 중심 사슬 간의 선택이 완전한 독립 구조가 아님을 보여준다. 모형 분석 결과를 종합하면, 본 연구의 Nested Logit 모형은 기존의 통행 사슬 간의 독립성을 가정한 다항 로짓 모형 대비 설명력과 예측력이 모두 개선되었으며, 근로 관련 사슬의 상관구조를 반영함으로써 행태적 타당성을 강화하였다.

다만, 본 연구는 단일 지역(남양뉴타운)을 대상으로 한 하루치의 자료(day diary)에 기반하고 있어 일반화에 한계가 있다. 특히, 설문자료 역시 남양읍 전체가 아니라 남양뉴타운을 중심으로 거주자 및 종사자에 하여 자료를 수집하였다는 점에서 해당 지역에 한정된 결과라고 볼 수 있다. 따라서, 향후 연구에서는 다지역·패널 데이터를 활용하여 모형의 확장성과 재현성을 검증할 필요가 있으며, 통행 사슬–목적지–수단–시간대 간의 공동선택모형(joint choice model) 또는 생존모형(hazard model)과의 통합을 통해 내생적 연계성을 보완해야 한다. 또한 개인의 태도 및 선호를 반영하는 혼합로짓(Mixed Logit) 또는 하이브리드 선택모형(Hybrid Choice Model)으로 확장함으로써 이질적 의사결정을 정밀하게 설명할 수 있을 것이다. 더불어, 향후 대규모 표본 또는 모집단 자료를 적용할 경우 활동사슬 유형의 수가 증가하여 모형 복잡도가 확대될 가능성이 있다. 단순히 모형 구조의 선택 수를 늘리는 방식은 해석 가능성 저하를 야기할 수 있으므로, 유사 활동사슬의 군집화, 비지도학습의 머신러닝 계열의 계층적 분류 등 사전 분석을 통해 활동사슬 유형 증가에 대응할 수 있는 분석 전략이 필요하다.

본 연구는 근로활동을 중심으로 한 통행 사슬 간 상관구조를 네스티드 로짓 모형을 통해 구조적으로 반영함으로써 모형의 예측력과 해석력을 동시에 향상시켰다. 특히, 본 연구는 남양뉴타운 리빙랩을 대상으로 근로활동과 비근로활동이 결합된 통행 사슬 선택 과정에서의 구조적 상관성을 규명한 탐색적 활동기반모형 연구이며, 지역 생활권 단위에서 실제로 관측되는 활동조합과 그 행태적 요인을 설명하는 데 의의를 가진다. 정책적 측면에서 보면, 기타활동만을 포함하는 통행 사슬은 상대적으로 연령이 높고, 비근로자이며, 여성의 비중이 높은 집단에서 선택될 가능성이 크다는 점이 나타났다. 이는 향후 지역 교통 정책 및 이동지원 서비스 설계 시, 생활권 내 장보기·의료·돌봄·여가 등 비근로형 일상 이동을 보조할 수 있는 세밀한 근거리 이동 서비스(예: 마을버스 개선, 수요응답형 교통, 생활권 셔틀 등)의 제공하므로써 고령층·여성·비근로자 집단의 이동 복지 향상에 특히 기여할 수 있음을 나타낸다. 이처럼 리빙랩 기반 교통수요관리를 위한 활동기반모형 구축 시, 단순한 활동 발생 여부뿐만 아니라 목적지 선택까지 통합적으로 고려한 통행 사슬 선택모형을 추정함으로써 실질적인 정책적 활용이 가능하다. 향후 연구에서는 공간적·시간적 요인과 교통수단 선택을 통합한 확장형 통행 사슬 모형으로 발전시킴으로써, 생활권 단위 교통정책의 정밀 타깃팅과 효과 예측에 기여할 수 있을 것으로 기대된다.