서론

1974년 서울시 1호선의 개통을 시작으로 도시철도는 수도권 지역에 거주하는 직장인들에게 있어 출퇴근 시간 단축에 큰 기여를 하고 있는 수단으로 자리매김하였다. 그뿐만 아니라 서울의 수단별 분담률을 통해 현재에 이르러서는 도시철도가 전체 통행량의 약 43%를 차지하고 있다(Seoul Open Data Plaza, 2024). 도시철도는 이미 도심 지역의 통행을 서비스하는 도시권 대중교통의 중심수단으로 볼 수 있으며 효율적이고 신속한 대중교통 수단으로서 대중적인 인식이 생긴 상태이다. 이러한 도시철도는 대중교통으로 몰리는 통행량으로 인해 발생하는 문제들을 해소하기 위해 최근까지도 여러 노선의 추가와 연장을 통해 수도권 교통 인프라를 광역화되고 있다. 하지만 이러한 노력에도 불구하고 신도시 개발로 인한 수도권의 메가시티화와 함께 교통수단의 발달로 인해 장거리 출퇴근의 비율 또한 증가하게 되면서 기존 교통수단의 시설 내 혼잡이 가속화되고 있으며 통행만족도 저하 및 안전사고의 원인으로 작용하고 있다. 이에 서울시는 지속적 수도권 도시철도의 모든 노선에서 정원보다 높은 혼잡도를 보임에 따라 혼잡도 산정조사 및 도시철도 이용객이 느끼는 혼잡도에 대한 만족도 조사를 시행하였다(Ministry of Land, Infrastructure and Transport · Korea Transportation Safety Authoritya, 2022).

이에 더하여 세계적인 코로나 팬데믹으로 인한 사회적 거리 두기 조치가 해제된 2022년 4월 이후 도시철도 이용객 수는 코로나 팬데믹 이전의 이용객 수를 회복하고 있으며 이후에는 예전 이용자를 뛰어넘어 계속해서 증가할 것으로 전망되며, 이러한 상황 속에서 혼잡도의 중요성은 더욱 사회적으로 대두되고 있다. 2019년에 개통된 김포도시철도 이용자 수요 예측의 실패로 인해 2019년 3건에서 2022년 74건으로 사고 건수가 꾸준히 증가하는 추세이며 그 중 혼잡 관련 사고가 약 40%의 비율을 차지하게 되면서 혼잡이라는 현상에 대한 인식이 높아지고 있다(Kyeonggi Ilbo, 2023). 더불어 출퇴근 시간 도시철도의 혼잡은 다양한 표현으로 빗대어 오래전부터 인식됐을 정도로 이미 우리에게 매우 익숙한 문제지만 현재 해결되지 않는 심각한 상황이다. 도시철도 차량 내에서의 승객 증가로 인한 불편함과 승객들의 쾌적성 감소는 이러한 문제점의 일부를 나타내는 것에 그치지 않고 가장 먼저 도시철도 시설을 이용할 때 승객이 체감하는 기본적인 문제이다. 이 때문에 본 연구에서는 앞선 이유로 혼잡문제가 지속하여 도시철도 열차 내부 승객의 신체적·정신적인 비효용(disutility)을 발생시키고, 승객의 쾌적성 감소로 이어지게 된다고 판단하였다.

이러한 이용자의 쾌적성 감소, 즉 비효용의 증가는 열차 내뿐만 아니라 역사 내 모든 곳에서 이용자 간 혼잡도의 증가로 인해 발생하게 되며 마찬가지로 상당수의 도시철도 역사에서 일어나는 혼잡 현상은 도시철도 이용 활성화 장애 요소 중 하나로 작용하게 된다. 그렇기 때문에 도시철도의 차량 내 혼잡에 관한 연구뿐만 아니라 도시철도 시설 전체에 관한 다양한 연구가 진행됐다. Kim(2014)은 도시철도 차량 내보다 플랫폼과 환승 통로에 대한 개선이 진행되었을 때 통행자들이 느끼는 효용의 증가가 더 크며 이를 통하여 위 두 시설에 대한 개선 효과가 더 큰 것을 확인하였다. 따라서 앞선 연구를 통해 도시철도의 혼잡은 차량 내뿐만 아니라 플랫폼과 환승 통로에서도 이용자에게 체감할 수 있는 영향을 미친다는 점을 확인하였다. 본 연구에서는 이와 같은 혼잡이 이용자에게 미치는 영향을 비용과 시간, 혼잡도 등 각 요인 사이의 관계를 파악하고 혼잡이 발생하였을 때 비효용에 대한 화폐화 가치로 산출하고자 하였다. 이를 위해 시설별로 도시철도 차량 내, 플랫폼, 환승 통로에 대한 개별 설문을 진행하였으며 설문 결과를 통해 가치를 산출하였다. 또한, 도시철도 시설 평가 시 혼잡 상황에 대한 화폐화 가치를 통해 정량적으로 제시하고, 이를 통해 향후 도시철도 사업에 있어 정책 및 운영 방안에 반영할 수 있는 발판을 마련하고자 하였다.

본 연구는 도시철도 출퇴근 시간 동안 차량 내, 플랫폼, 환승 통로 혼잡이 승객의 효용에 미치는 영향을 정량화하여 화폐가치로 반영하고자 한다. 다만 도시철도는 이용하는 이용 승객마다 혼잡에 대한 인식이 다르고 체감하는 혼잡도를 객관적으로 측정하기 어려운 문제가 있다. 도로 교통에서는 혼잡으로 인한 통행시간 증가가 직접적으로 나타나 혼잡비용을 측정하기 비교적 용이하지만, 도시철도는 요금이 일정한 Revealed Preference(이하 RP) 자료를 통한 혼잡 비용 측정이 어렵다. 이러한 점을 고려하여 본 연구는 혼잡도 수준에 따른 가치 산정보다는, 출퇴근 시간에 일반적으로 발생하는 혼잡한 상황에 대한 가치를 산정하고자 하였다. 이를 위해 도시철도에서 발생할 수 있는 혼잡 상황에 대하여 가상의 상황을 제시하고, 승객의 선호 상황에 대한 경로를 Stated Preference(이하 SP)조사법을 통해 설문하였다. 설문은 차량 내, 플랫폼, 환승 통로로 구분하여 진행되었으며, 각각의 시설별 가치를 설문 결과를 다항로짓모형을 통해 효용함수로 분석하여 산출하였다.

선행연구검토

신규노선의 건설이나 현재 노선의 연장 및 보수로 인해 도시철도의 용량이 증대되어 혼잡도가 변화될 경우 Korea Development Institute(2008, 2019)에서 제시하고 있는 편익 항목으로는 도시철도에서 발생하는 혼잡도를 반영하여 편익을 산출할 수 없다. 이에 대하여 기존에 혼잡이 대중교통 경로 선택에 있어 의미 있는 변수를 확인하기 위한 연구와 대중교통 혼잡 상황에 대한 화폐화 가치를 추정한 연구를 중심으로 관련 선행 연구 검토를 수행하였다.

1. 도시철도 혼잡 및 변수 선정에 관한 연구

Douglas et al.(2005)는 SP설문을 통해 플랫폼의 대기 시간과 혼잡도, 도시철도 진/출입로와 환승통로의 통행시간과 혼잡도를 제시하고 이에 대해 서로 다른 두 경로에 대해 설문을 진행하였다. 이후 설문 내용을 통한 다항로짓을 모형을 통해 승강장 확장에 따른 기대효과를 분석하였다.

Douglas et al.(2006)은 시드니 도시철도 이용객을 대상으로 SP설문을 통해 두 가지 경로를 제시하였으며, 짧지만 혼잡한 경로, 다른 하나는 길지만 혼잡하지 않은 경로 중 선택하도록 실시하였다. 설문 조사 결과를 다항로짓모형을 통해 혼잡 인지체감가치에 대해 분석을 진행하였다. 해당 연구에서 혼잡도를 좌석, 입석, 10분 입석 등 탑승 형태에 따라 체감 시간을 추정하였다. 추정 결과 비혼잡 좌석 대비 혼잡 좌석의 체감시간이 길며, 비혼잡 대비 혼잡 상태 입석의 체감시간이 긴 것으로 나타났다.

Raveau el al.(2014)는 런던과 산티아고 두 도시를 대상으로 도시철도 네트워크에서 경로 선택을 추정하기 위해 통행시간(차내시간, 대기시간, 도보시간), 환승 특성(환승횟수, 층을 올라가는 환승, 층을 내려가는 환승, 평지 환승), 좌석이용과 편안함, 혼잡도, 네트워크 토폴로지를 고려하였다. 이러한 요인들을 통해 분석을 진행하여 두 도시 사이의 작용하는 변수간의 민감도를 확인하였으며, 경로 선택에 대한 두 도시 사이의 변수 유사성을 설명하였다. 이를 통해 통행 시간과 환승횟수뿐만 아니라 혼잡도 또한 경로 선택에 중요한 변수이며 경로 선택 모델에 포함시킬 필요성을 언급하였다.

Kang(2012)은 스마트카드 데이터와 경로 추정 방법을 이용하여 수도권 도시철도 네트워크에 통행량을 배정하고 실제 통행량과 비교하였다. 교통카드 데이터의 O/D 수요를 바탕으로 출발역과 도착역의 거리를 단, 중, 장거리로 구분하여 모형을 비교하였으며, 그 결과 차내통행시간, 환승횟수, 대기시간, 환승시간, 혼잡도를 고려한 모형이 가장 적합도가 높은 것으로 확인하였다. 이를 통해 혼잡도가 경로선택에 있어 필요한 변수임을 보였다.

Yap et al.(2020)는 네덜란드 사례를 배경으로 버스와 노선전차에 대한 혼잡이 이용자에게 미치는 영향에 관해 진행하였으며, 혼잡이 경로 선택에 있어 영향을 주는 것을 강조하였다. 연구 결과에서는 모든 좌석이 차있는 혼잡 상황이 그렇지 않은 상황 대비 1.16배의 배율로 통행시간을 받아들이는 것으로 분석하였으며, 출퇴근 통행자와 같이 이용 빈도가 높은 통행자의 경우 더 높은 영향을 미치는 것으로 확인하였다. 또한 이용 빈도가 낮은 통행자의 경우 혼잡에 영향을 받지 않는 결과를 도출하였다.

Lee(2021)는 도시철도 혼잡으로 발생하는 문제에 대하여 도시철도 시설 중 플랫폼에 대한 도시철도 이용자의 이용 행태가 반영된 혼잡도 산정 연구가 필요함을 강조하며, 특히 플랫폼 혼잡도에 개선된 계수를 제공함으로써 정확한 승강장 혼잡도 산정에 관한 연구를 진행하였다.

Sadeghi et al.(2023)는 도시철도 차량 내 혼잡과 통행 시간이 도시철도 이용자의 선호도를 결정하는 중요 요인으로 제시하였으며, 이에 대한 선호도의 상대적 크기를 비교하기 위해 Stated Choice 설문조사를 실시하였으며, SC조사만으로는 인지 편향을 반영하기 어렵기 때문에 동일 응답자에게 가상 현실 기술인 VR기술을 통해 혼잡 수준을 시뮬레이션 하여 경험하고 통행에 대한 쾌적성과 시간을 추정하도록 하였다.

2. 화폐화 가치 추정 방법론에 관한 연구

Son(2007)은 대중교통 통행 배정을 위하여 일반화 비용을 추정하는 과정에서 SP 조사를 진행하였다. 속성변수로는 도보 시간, 대중교통 대기시간, 차내 통행시간, 환승 시간, 대중교통 요금으로 설정하였으며 선택 대안을 Binary Choice(기존 경로, 대안 경로)로 하여 SP 조사 설문을 진행하였다. 그 후 선행된 연구에서처럼 다항로짓모형을 통하여 효용함수 식을 산출하였고, 한계대체율법을 활용하여 통행 시간가치를 비업무 통행, 업무통행으로 구분하여 산출하였다. 해당 연구에서는 대중교통시설 이용에 있어 대기시간과 환승시간이 차량 내 이동 시간보다 더 중요하게 고려되는 것으로 나타났다.

Baker et al.(2007)은 West Midlands 지역의 철도 이용자 및 비이용자를 대상으로 SP설문을 통해 철도의 혼잡수준, 정시성, 운행빈도 등에 관하여 어떻게 인식하는지에 대한 연구를 진행하였다. 해당 연구에서는 이용자가 느끼는 다양한 혼잡 수준에 대해 정량화된 가중치를 산정하였으며, 좌석이 충분한 혼잡도 60% 미만인 경우의 가중치를 1.0으로 설정하였을 때 혼잡도 90% 수준에서는 1.27, 혼잡도 100% 수준에서는 1.31의 가중치를 보였다. 혼잡도 110-135% 수준에서는 2.16-2.41의 가중치를 나타냈고, 차량 내 승객이 아주 밀집한 혼잡도 150-175%에서는 3.15의 가중치를 보였다.

Korea Transport Institute(2008)은 혼잡회피에 대한 지불용의액 산출에 초점을 맞추어 방법론을 제시하며 SP설문조사를 통해 광역도시철도 이용객의 쾌적성을 혼잡도 수준에 따라 정의하고, 쾌적성 증가, 즉 차량 내 혼잡도 완화에 따른 통행자의 지불용의액은 음(-)의 값을 가질 수 없으므로 토빗(Tobit)모형을 기반으로 추정하였으며 추정 결과 혼잡도 1% 완화에 대하여 통행시간 1분당 7.862원의 지불용의액이 있는 것으로 분석되었다.

Lu et al.(2008)은 Greater Manchester의 열차 유형별 차내 통행시간, 이용요금, 배차간격 및 정시성, 혼잡도 관련 SP설문자료에 기반으로 다항로짓모형을 통해 혼잡도와 차내 통행시간의 혼잡가치를 추정하며 좌석이용 가능성과 통행시간간의 관계를 분석하였다. 분석결과 혼잡 해소를 위한 가치는 2005년 기준 1분에 12.05(약 23.75원)펜스, 1시간에 7.23파운드(약 1,425원)로 나타났으며, 차내 통행시간가치는 1분에 5.68펜스(약 11.20원)로 혼잡 해소를 위한 가치는 차내 통행시간가치의 약 2배 이상 되는 것으로 나타났다.

Whelan and Crockett(2009)은 영국 도시 철도를 이용하는 출퇴근 통행자의 철도 혼잡도 완화에 따른 지불용의액을 추정하기 위하여 SP설문조사를 이용한 다항로짓모형을 통해 좌석상태와 입석 상태로 분리하여 상태에 따른 지불용의액을 혼잡도에 따라 차내시간 대비 가중치로 분석하였다. 좌석 상태 이용자의 경우 혼잡도 80%에서 혼잡도 200%로 증가할 때 차내시간 대비 가중치가 1.0에서 1.83으로 증가하며, 입석 이용자는 같은 경우에 가중치가 1.5에서 2.37로 높아지는 것으로 분석하였다. 또한 입석밀도를 기준으로 0에서 6으로 증가하는 경우에는 좌석 상태 승객의 가중치는 1.0에서 1.63, 입석 승객의 가중치는 1.53에서 2.04까지 증가한다고 분석하였다.

Tirachini et al.(2013)은 시드니 대중교통에 대하여 대중교통 승객의 혼잡에 따른 영향을 운행속도, 대기시간, 정시성, 경로선택 및 차량선택 등의 여러 측면에서 조사하고, 시드니 대중교통 서비스에 있어서 혼잡에 따른 외부효과(혼잡비용)를 차내 통행시간가치와 대비하여 다항로짓모형을 통해 추정하였다. 분석결과, 모두 좌석에 앉은 경우처럼 혼잡도가 낮은 경우에는 혼잡비용이 크지 않으나, 혼잡도가 높아지면 차내 통행시간의 시간가치와 비슷해지는 것으로 나타났다. 따라서 대중교통의 혼잡도를 적절히 고려하지 못하는 경우 수요예측 단계에서 대중교통 수요를 과다 예측할 우려가 있다고 보았다.

Bjӧrklund et al.(2017)은 스웨덴의 Göteborg, Stockholm, Malmö 세 도시를 통행하는 버스, 도시철도, 통근기차, 트램 등 대중교통 이용객을 대상으로 좌석을 위한 지불용의액을 SP설문조사를 진행 하여 혼잡비용과 가중치로 혼잡가치를 추정하였다. 혼잡도는 입석밀도로 4단계 형태로 제시하고 선택하도록 하였다. SP설문조사 질문은 요금, 통행시간, 좌석 또는 입석 상태, 그리고 혼잡도의 입석 밀도 단계로 총 네 가지 속성으로 구성되었다. 추정결과 좌석을 위한 지불용의액은 입석밀도 1명일 때 SEK 8(1,033원),입석밀도 4명일 때 SEK 13(1,679원), 입석밀도 8명일 때 SEK 32(4,135원)로 추정되었다. 입석밀도 8명일 때 최대 혼잡상태이고, 이때의 가중치는 2.1이라고 제시하였다. 또한, 혼잡비용에 대하여 도시 특성보다는 이용자가 이용하는 이용 수단에 따라 차이가 발생하는 것으로 분석하였다.

3. 시사점

위와 같이 도시철도 혼잡 및 혼잡에 대한 가치 추정을 분석한 연구에 대하여 검토하였으며, 도시철도 통행 특성을 고려되거나 앞선 선행연구 이외의 가치 산정에 이용되는 속성변수가 있는지 조사하였다. 다만 많은 선행연구가 도시철도 차량 내에 대한 혼잡만을 기준으로 진행되었으며 도시철도 시설 전체에 대한 연구는 적다고 판단하였고, 이러한 배경으로 도시 철도 시설의 구성 요소인 플랫폼과 환승통로에 대한 혼잡을 고려한 연구가 필요하다고 사료되었다.

본 연구는 앞선 선행연구에 대응하여 도시철도 승객들이 혼잡에 대해 느끼는 정성적인 요인이 어떠한 가치를 부여하는지를 정량화하여 이해하고자 하였다. 때문에 실제 출퇴근 시간 대부분의 도시철도 이용자를 대상으로 설문조사를 실시하여 현 도시철도 혼잡 상황과 서울시에서 제시한 도시철도 혼잡도의 기준표를 참고하여 선행연구에서 다루지 못했던 도시철도 에 대한 혼잡도의 영향을 고려하여 가치를 산정하는 연구를 진행하고자 한다. 또한 차량 내부의 혼잡도만을 편익 지표로 선정한 선행연구들에 대해 보완하여 본 연구에서는 플랫폼과 환승 통로에 대한 확장된 연구를 통하여 기존 요금 대비 추가지불 금액과, 통행시간(대기시간), 혼잡도 변화 등의 차이를 보이는 3가지 상황을 제시하여 승객들의 각 시설의 혼잡한 상황에서 통행하는 것에 대한 영향을 고려하여 비용과 요인들의 관계를 추정하고자 한다.

데이터 수집 및 기초분석

1. SP 조사 설계

SP 조사방법은 통계적 실험계획법을 활용하여 가상의 시나리오를 구축하고, 이를 응답자에게 제공하여 개인의 선호를 분석하는 방법이다(Kim, 2006). 이 조사방법의 가장 큰 장점은 연구자가 실험 상황을 통제할 수 있어 분석자료 간에 독립성을 유지할 수 있다는 점이다. 반면, RP조사는 특정 상황이 존재하지 않는 경우 자료를 수집할 수 없는 단점이 있으며, 일반적으로 RP조사는한 개인으로부터 하나의 자료만을 획득할 수 있다. SP조사는 동일 응답자에게서 다수의 자료를 획득할 수 있어 조사비용이 상대적으로 효율적이며, 사전에 정의된 속성 변수에 따라 응답자에게 자료를 제시하기 때문에 측정 오차를 최소화할 수 있다.

본 연구는 체감 혼잡이라는 특성상 직접 관찰이 어려운 점을 고려하여, 응답자가 외부적으로 표출한 선호를 취득하여 분석하는 RP조사을 하기 어려운 상황으로 판단하였다. 또한 연구의 특성상 고려해야 할 변수 및 각 변수가 지니고 있는 선택사항의 수가 많아 다수의 대안이 도출되는데 이는 응답자로부터 일관성 있는 응답을 확보하기 어렵다고 판단하였으며, 응답자의 설문에 있어 혼란을 줄이며 연구의 효율성을 높이고자 본 연구에서는 주어진 경로의 추가 통행요금, 통행시간(대기시간), 혼잡도수준 변화 등을 요인으로 비교하여 선호하는 경로를 선택하는 방식으로 SP 조사 방법을 사용하였다.

본 연구에서는 위 내용과 도시철도 이용자들의 특성 및 조건으로 인해 발생하는 것을 고려하여 연구를 진행하기 위해 설문 내용에 대한 SP 조사방법을 실시하고 결과를 도출하고자 Figure 1과 같은 흐름도를 따라 진행되었다.

Figure 1.

Flowchart of research and analysis methods

2. 분석 데이터 수집

본 연구에 사용된 데이터는 2023년 11월에 진행된 설문조사를 통해 구득하였으며, 수도권 출퇴근 통행자 중 도시철도를 이용자를 대상으로 설문을 진행하여 설문 결과 Table 1과 같이 조사되었으며, Figure 2와 같이 나타났다. 혼잡도 수준에 대한 설문 시에는 각 혼잡도 수준에 대한 예시 사진과 상황을 설명하는 보기 카드를 제시하여 진행하였다.

Figure 2.

Survey respondent statistics chart

해당 설문의 대상은 수도권 출퇴근 통행자를 대상으로 진행하였으므로 서울 231명, 인천 32명, 경기권 149명으로 거주지역에 대해 고르게 분포하였다. 또한 응답자의 연령대는 20대-50대까지 고르게 분포하며 출퇴근시간대 조사였기 때문에 대부분의 응답자가 직장인으로 구성되었다. 이와 마찬가지로 통행목적 역시 업무통행이 가장 큰 비중을 차지하는 것으로 나타났다.

출퇴근 통행자를 대상으로 도시철도를 이용하는 시간대를 분석한 결과 주 이용 시간대는 오전 6시부터 오전9시와 오후 6시부터 오후 7시로 확인되었으며 출퇴근 시 도시철도를 이용시 주요 탑승형태에 대한 질문에는 95명(23%)의 응답자가 좌석에 앉아 이용한다고 답을 하였으며, 그 외 317명(76.9%)의 응답자가 입석으로 이용한다고 응답했다.

출근 시 도시철도를 이용하는 통행시간을 묻는 질문을 통해 수도권 출퇴근 통행자의 출근시 평균 도시철도 통행 시간은 37.22분, 퇴근 시 35.31분으로 나타났다. 또한, 출퇴근 시 도시철도 이용 빈도를 묻는 설문을 통해 대부분 도시철도를 이용하는 통행자들의 출퇴근 통행 모두 도시철도를 이용하고 있음을 확인하였다.

평소 이용할 때 겪고 있는 도시철도 차량 내 체감하는 혼잡도를 묻는 설문에는 혼잡도 D(150%) 이상으로 응답한 인원이 309명으로 많은 응답자가 차량 내 권장 혼잡도인 150% 수준보다 높은 혼잡도를 체감하고 있다고 응답하였다. 도시철도 차량 내의 혼잡도가 어느 수준이 적절하냐는 질문에는 혼잡도 혼잡도 D(150%)가 157명으로 차량 내 권장 혼잡도에 대한 응답이 가장 많았다. 평소 이용하는 도시철도 플랫폼의 체감하는 혼잡도를 묻는 문항에는 첨두시 플랫폼에 대하여 제시하는 혼잡도 D 이하로 응답 비율이 높았다. 도시철도 플랫폼의 혼잡도는 어느 정도가 적절한가에 대한 문항에는 157명의 응답자가 D(150%)로 응답하였으며 차량 내와 마찬가지로 권장 혼잡도에 대한 응답이 가장 많았다.

평소 도시철도 차량 내에 혼잡을 싫어하는 이유를 묻는 설문에는 340명의 응답자가 복수 선택으로 진행하였으며, 응답 결과로는 1순위, 신체 접촉이 싫어서, 2순위 공기 질이 좋지않아서, 3순위 온도 조절(더위)이 힘들어서, 4순위 소매치기, 성추행 등 치안이 우려되어서 5순위, 시선 처리가 힘들어서 6순위, 사생활이 침해받는다고 느껴져서로 확인되었다. 플랫폼의 혼잡을 기피하는 이유에 대해서도 앞서 제시한 차량 내부와 마찬가지로 유사하게 응답하였다. 출발역 플랫폼에서 도시철도를 타기 위해 기다리는 시간은 평균 6.11분으로 나타났으며, 도시철도 환승 통로에서 환승을 위해 통행하는 데 소요되는 시간은 평균 7.56분으로 나타났다.

3. SP 조사 변수의 설정

SP 조사의 변수를 선정하는 데 있어, Douglas(2006)는 동일한 노선에 대해 이동시간과 대기시간의 차이가 있을 때 도시철도 승객의 경로 결정자가 어떤 경로를 선택하는지, 조사 결과 도시철도 승객의 도시철도 탑승형태는 어떤 요인에 의해 나타나는지 조사하였고, 본 연구의 SP 조사도 이와 유사한 변수를 통해 진행하였다. 화폐화 가치를 차내, 플랫폼, 환승 통로로 시설 별로 구분하여 값을 산출하고자 했기 때문에 차내, 플랫폼, 환승 통로에 대한 SP 조사 변수를 별도로 만들어 진행하였다. 도시철도 이용자 조사는 서울 및 수도권 지역을 대상으로 진행되었다.

수도권 출퇴근 도시철도 이용자들을 대상으로 효용을 측정하기 위하여 본 연구에서 선정한 변수는 아래 Table 2와 같이 도시철도 시설별로 선정하였다. 경로 선택에 있어 요금의 경우 기본요금을 기준으로 추가 요금이 발생하는 금액을 변수로 선정하였으며, 차내와 환승 통로의 경우 통행하는 형태로 시설을 이용하기 때문에 통행시간으로, 플랫폼의 경우 대기 형태를 가지기 때문에 대기시간을 변수로 선정하였다. 또한, 차량 내의 경우 통행시간만을 제시하는 경우 응답자가 평소 통행에서 체감할 수 있는 경험이 아닐 수 있으므로 이해를 돕기 위해 통행시간과 비례적으로 통과역의 수를 제시하였다. 혼잡한 역의 수 또한 제시된 혼잡도 수준으로 응답자가 격게 될 체감 시간 혹은 통과역의 수를 파악할 수 있는 수단으로서 제시하였다. 환승 통로의 통행시간의 경우 Shin(2015)는 도시철도·간선버스 간 환승 보행환경 개선방안에서 도시철도역 간의 평균 환승 시간인 3.04분을 제시하였고 본 연구에서는 이를 고려하여 2분-6분으로 변수의 선택 값으로 제시하였다.

도시철도 시설별로 선정된 변수들을 통해 가능한 모든 조합을 고려할 시 차량 내의 경우 1,890개 플랫폼은 108개, 환승통로는 90개로 이를 설문에 모두 포함하는 것은 현실적으로 어려우므로, 본 연구에서는 Fractional factorial 설계를 사용하여 중요한 시나리오만을 선택하였다. Fractional factorial 설계는 모든 가능한 시나리오를 조사하는 대신, 모든 변수와 변수 수준이 균형있게 반영되도록 하면서도 필요한 설문의 수를 줄일 수 있는 방법이다. 이 설계 방법을 통해, 본 연구에서 차량 내, 플랫폼, 환승통로에 대해 주요 변수들의 다양한 수준을 포함하는 대표적인 시나리오 10개를 선정하였다. 상세히 설명하면, 이 설계는 각 변수의 조합이 실험에서 균형 있게 나타나도록 하며, 모든 주요 상호작용 효과를 적절히 추정할 수 있도록 구성되어있다. 이를 통해, 설문에 포함된 시나리오들이 실제 상황을 반영하면서도, 실험 설계의 효율성을 유지할 수 있다.

추가로, Table 3, 4, 5에 제시된 시나리오는 이러한 과정에서 선정된 대표 시나리오의 예시이며, 각 시나리오가 실제 상황을 반영할 수 있도록 신중하게 선택되었으며, 각 변수의 다양한 수준이 균형 있게 반영되도록 구성되었다.

이러한 방법으로 구성된 시나리오를 설문에서는 각 응답자에게 시설별 각 10개의 문항을 제시하였다. 이는 각 응답자가 모든 시나리오를 경험할 수는 없지만, 다양한 조건을 고려한 선택을 할 수 있도록 하기 위함으로, 이를 통해 응답자의 선택 경향을 분석하고, 혼잡도 변화가 경로 선택에 미치는 영향을 추정할 수 있었다.

Table 3.

SP Survey crowd level design, in vehicle

Division	Choice Route
	Route A	Route B	Route C
Crowded level change
Travel cost (Won)	300 Increase	100 Increase	0
Travel time	30min	45min	30min
Num of passed stations	10	15	10
Num of passed stations with crowded	5	7	3
Crowded level change	E ➝ C	F ➝ D	D

Table 4.

SP Survey crowded level design,platform

Division	Choice route
	Route A	Route B	Route C
Crowded change
Travel cost (Won)	300 Increase	100 Increase	0
Waiting time	15min	10min	30min
Crowded level change	D ➝ C	C ➝ B	D

Table 5.

SP Survey crowded level design, transfer pathway

Division	Choice route
	Route A	Route B	Route C
Crowded change
Travel cost (Won)	200 Increase	100 Increase	0
Travel time	6min	4min	2min
Crowded level change	E ➝ C	F ➝ D	D

4. SP조사 데이터 수집

SP 조사 설문은 Table 4, 6, 8로 구성하여 진행하였으며 Table 6, 7, 8과 같이 혼잡도 수준에 대한 보기 카드를 제시하며 진행하였다. Table 3의 그림 자료는 Kim(2016)에서 진행한 지하철 이용자 혼잡 인식조사에서 사용된 지하철 차량 내부 혼잡도 조건표를 참고하였으며, Table 5와 Table 7의 자료는 John J Fruin(1971)의 자료를 참고하여 제작된 Korea Railroad Facilities Corporation(2016)의 자료를 참고하여 제시하였다. 플랫폼과 환승 통로의 서비스 수준에 대한 공간 모듈과 유동 계수는 Korea Railroad Facilities Corporation(2016)에서 제공하는 철도 설계지침 및 편람에서 제시하고 있지만 이를 설문지에 제시하기에는 설문자에게 혼란을 유발할 수 있으므로 시각 자료와 상태에 대한 상황 설명으로 대체하여 제시하며 설문을 진행하였다. 다만 플랫폼 가이드라인의 경우 혼잡수준 A, B와 E, F의 경우 시각적으로 차이를 나타내는 데에 어려움이 있어 두 수준에 대한 자료는 통합된 형태의 시각 자료로 제시하였다.

Table 6.

Crowded level guidelines, in vehicle

Crowded level	Number of passengers	Describe Onboard Conditions ①For standing passengers ②Seated passengers	Crowded status
A(50%)	80 people	① Everyone is seated and standing occasionally ② Open up the view in front of you
B(100%)	160 people	① Standing leisurely ② View is somewhat blocked by people standing in front of me
C(125%)	200 people	① A somewhat crowded state where you bump into people as you walk by ② View is blocked by a large group of people standing in front of me
D(150%)	240 people	① Crowded around the door, shoulders pressed against each other ② People standing in front of you may push you and make you feel uncomfortable
E(175%)	280 people	① The area around the door is very crowded and people are pressed up against each other, so you can't raise your arms. ② Uncomfortable knees touching with people standing in front of you
F(200%)	320 people	① The area around the door is very crowded and people are pressing their bodies and faces close together and suffocating ② People standing around are being pushed around and their feet are being stepped on, and there's a commotion with an 'ouch' sound

source : Kim, Seungjun (2016), Seoul Subway Congestion Costs and Policy Implications, Policy Report,(208), Seoul Institute, 12.

Table 7.

Crowded level guidelines, platform

Crowded level		Crowded status
A	Areas of free flow
B	Can pass through others without difficulty
C	Causes inconvenience to others passing by
D	Able to wait without contacting others
E	Unable to wait without contact with others
F	Close encounters, psychological dysphoria attitude

source : Korea Railroad Facilities Corporation (2016), Railroad Design Guidelines and Manual, Korea Railroad Facilities Corporation

Table 8.

Crowded level guidelines, transfer pathway

Crowded level	Pedestrian condition	Crowded status
A	Enough walking space to choose your own pace
B	Maintain normal walking speed to pass through walking spaces
C	Pedestrians are slightly restricted in maintaining their own pace or passing each other
D	Restricted in movement with a risk of collision when passing another person
E	All pedestrians can't choose their own walking speed
F	The limit of the walkway has been reached, and the walking space is paralyzed, with all pedestrians' speeds severely constrained

source : Korea Railroad Facilities Corporation (2016), Railroad Design Guidelines and Manual, Korea Railroad Facilities Corporation

차량 내, 플랫폼, 환승 통로에 대하여 시설별로 변수 간 관계를 검토하여 유의미한 결과를 확인하기 위한 10개의 문항을 선정하여 설문을 진행하였다. 설문조사 대상에 대하여 출발역과 도착역 사이의 환승 여부를 기초 통계를 통해 확인하여 환승하는 인원만 환승 통로 문항에 대해 설문을 진행하였으며, 환승을 하지 않는 통행자들은 차량 내와 플랫폼에 대한 설문만 제시되도록 진행되었다. 이뿐만 아니라 시설별 통행자들이 체감하는 혼잡도와 통행자가 생각하는 적정 혼잡도의 수준 정도가 Figure 3과 같이 다르게 나타나기 때문에 SP 조사를 통한 가상의 상황에 대한 설문 자료를 수집함으로써 이를 통한 보다 객관적인 분석을 진행하는 것으로 통행시간 가치를 추정하는 데 적합하다고 판단하였다.

Figure 3.

Individual differences in crowded level

본 연구에서 진행된 SP 설문조사는 Table 4의 구성으로 진행되었으며, 이에 대한 설명으로 동일한 출발 지점과 도착 지점을 지나는 경로 A, B, C 중 선택하는 설문으로 경로 A의 경우 기존 요금대비 300원이 증가하며, 총 통행시간은 30분, 총 통행 역의 수는 10곳, 그중 혼잡이 발생하는 역의 수는 5곳이며, 혼잡도 수준이 E에서 해당 경로 진행을 통해 C로 변화하는 것을 의미한다. 이를 통해 설문 응답자는 각 경로 중 추가 요금과 통행시간, 혼잡도 세 가지 요소 및 시설별 추가 요인을 고려하여 최종적으로 어느 경로를 선택할 것인지에 대한 설문을 진행하였다.

통행시간가치 추정 모형 구축

1. 다항로짓모형의 적용방안 검토

다항로짓모형(Multinomial Logit Model)은 McFadden(1972)이 개발한 Choice Model 중 하나로, 제시된 여러 선택 대안 중 한 가지 대안을 선택하는 과정에서 각 선택 대안의 개별 속성이 응답자 i의 선택에 어떤 영향을 미치는지를 파악하기 위한 통계 기법이다. Equation 1은 응답자 i가 선택대안집합 Ci 내의 한 선택대안 j에 대하여 얻는 효용함수 식을 나타내고 있다. 이 식에서 Vij는 관측이 가능한 부분을 의미하고 있으며, 본 연구에서는 이 부분을 SP설문의 각 선택 대안으로 볼 수 있다. 괄호 내의 Zij는 선택 대안들의 속성변수를 나타내고 있으며, Sij는 각 응답자의 개인 특성 함수를 나타내고 있으며, eij는 관찰이 불가능한 변수를 의미한다.

로짓 모형을 활용한 선행연구 Douglas(2006)와 Byun(2014)에서는 통행 시간가치(Value of Time, VOT)에 대하여 로짓 모형 효용함수 식을 수립하였다. Equation 1에 근거하여 본 연구에서는 앞선 두 선행연구에서 제시한 효용함수 식을 참고하여 효용함수 식을 Equation 2로 수립하였다. C는 통행비용, T는 통행시간(대기시간)에 대하여 크기 구분은 앞선 변수 설정 부분과 같이 진행하였으며, ε는 관측 불가능한 변수로 설정하였다.

$$\begin{gathered} C=Cost(won) \\ T=Time(min) \\ ε=Unobservablevariable \\ a,b=Coefficient \end{gathered}$$

Equation 2를 통해 본 연구에서 수행하고자 하는 도시철도 시설별 가치 산정을 위해 차량 내, 플랫폼, 환승 통로에 대하여 순서대로 Equation 3, Equation 4, Equation 5로 설문에서 진행한 변수에 맞추어 식을 구성하고 시설별 효용함수 식을 Limdep 9.0 S/W을 이용하여 분석을 진행하였다.

$$\begin{gathered} C=TravelCost(Won) \\ T=TravelTime(min) \\ CS=numberofCrowdedStations \\ c=CrowdedLevelChange \\ i=UrbanRailUser \\ j=ChoiceRoute(1=Aroute,2=Broute,3=Croute) \end{gathered}$$

$$\begin{gathered} C=TravelCost(Won) \\ T=WaitngTime(min) \\ c=CrowdedLevelChange \\ i=UrbanRailUser \\ j=ChoiceRoute(1=Aroute,2=Broute,3=Croute) \end{gathered}$$

$$\begin{gathered} C=TravelCost(Won) \\ T=TravelTime(min) \\ c=CrowdedLevelChange \\ i=UrbanRailUser \\ j=ChoiceRoute(1=Aroute,2=Broute,3=Croute) \end{gathered}$$

위 효용함수를 통해 얻은 속성변수 계수 값들에 대하여 Equations 6, 7, 8를 각 시설별 구성된 효용함수 식을 통하여 효용함수의 속성변수 계수 값으로 도시철도 혼잡과 관련된 화폐화 가치를 산출하고자 하였다. Equation 6에 대입하여 추가 요금과 통행시간(대기시간)과의 관계를 통해 혼잡 상황에 대한 도시철도 시설별 통행시간가치(VOT)를 산출하며, Equation 7을 통해 혼잡 상황에 대한 추가 요금과 혼잡 변화를 통해 도시철도 이용자의 혼잡 변화에 대한 체감가치(VOC)를 산출한다. 또한 Equation 8을 통해 도시철도 구성 중 차량 내에 대하여 추가 요금과 통행하는 혼잡한 역의 수를 통해 이용자가 혼잡 상황에서 1개 역을 경유 할 때 체감가치를 산출하고자 하였다. 위의 선행연구를 참고하여 본 연구에서는 가치를 산정하는데 있어 기존 가치 산출 방식과 같은 점을 알 수 있었고, 이를 본 연구의 방법론에 채택하고자 하였다.

SP설문조사를 통해 얻은 데이터 중 혼잡도 수준 변화에 대한 변수의 경우 설문조사 시에는 혼잡도 단계 변화로 등급 변화를 제시하여 조사를 진행하였으며, 조사 결과에 대한 분석 시에는 각 단계 별 혼잡도 수준(%)에 해당하는 수치적 값으로 변환하여 분석을 진행하였다. 이에 대하여 차량 내 문항에 대한 예시로 설문 시에는 혼잡도 E 수준에서 혼잡도 C 수준으로 변화가 발생한다 제시하였다면, 분석 시에는 Kim(2014)에서 제시한 지하철 차량 내 혼잡도 조건표를 참고하여 혼잡도 구분이 아닌 1량의 차내 용량을 약 160명을 기준으로 하였을 때 산출되는 혼잡도 %로 두 혼잡도 구분 기준의 차이인 %수치 값을 사용하여 분석을 진행하였다. 위 예시로 본 연구에서 진행한 혼잡도 수준에 대한 수치적 변환을 설명하면 혼잡도 E의 %수준은 175% 혼잡도 C의 %수준 125%로 이 둘의 차이인 –50%를 변량으로 분석을 진행하였다.

2. 모형 구축 결과

도시철도 시설인 차량 내, 플랫폼, 환승통로에 대하여 통행시간가치 산정을 다항로짓모형을 통해 진행한 결과, 아래 Table 9와 같은 결과가 추정되었다.

시설별 추정된 모형에 대하여 다음과 같은 과정을 통해 검증을 진행하였다. 모형의 논리성은 산출된 계수의 부호 조건과 통계검정(t-검정)에 의한 계수의 안정성을 의미한다. 계수의 부호는 변수의 값의 증가가 효용을 증가시키는지 감소시키는지를 나타내며, 부호가 일반적인 상식과 반대되는 경우는 제외한다. 본 연구에서 차량 내 모형에서는 통행비용, 통행시간, 혼잡도 변화, 통행하는 혼잡한 역의 수에 대한 계수 값이 음수(-)로 나타났다. 플랫폼과 환승통로에서도 통행비용, 통행시간(플랫폼의 경우 대기시간), 혼잡도 변화에 대해서 음수(-)의 값을 가진다. 이는 해당 변수가 응답자가 느끼는 효용에 대해 부정적인 영향을 미친다는 것을 의미하며, 요금, 통행시간(대기시간), 혼잡도 변화 등 본 연구에서 반영한 변수들이 도시철도 이용자의 경로 선택에 영향을 준다는 것으로 판단하였다. 이를 통해 본 연구에서 SP 설문을 통해 확인하고자 했던 각 시설 이용 시 혼잡도 수준이나 혼잡도 변화가 이용자의 경로 선택에 영향을 미치는 것을 확인하였다.

한편, 추정된 계수 값들의 안정성을 판별하기 위해 최우추정의 결과로부터 산출된 t값을 이용하여 t-검정을 실시하였다. 일반적으로 자유도가 ∞인 경우, t값의 절대치가 1.960(2.576)보다 크면 해당 변수는 통계적으로 95% (99%)의 신뢰도로 선택확률에 영향을 주는 요인으로 간주된다. 따라서 t값이 2를 넘으면 5%의 유의수준을 갖는 것으로 해석할 수 있다. 단, 설명변수로 채택하는 데에는 통상적으로 t값이 1.5 이상이면 좋으며, 모형의 실용성 측면에서도 채택 여부를 판정하는 경우가 많다.

모형의 논리성 측면에서 본 연구의 시설별 계수 값들의 부호 조건은 일반적인 상식과 일치하며, t-검정 결과 또한 유의수준에 해당하기 때문에 전체적인 논리성과 유의미함을 가진다고 판단할 수 있다.

또한, 다항로짓모형에 대한 적합성은 선택확률의 적합도를 보여줄 수 있는 우도비로 판단하고 있으며, 우도비의 값이 1.0에 가까울수록 적합도가 높은 것으로 보고 있다. Choi(2004)는 통상적으로 우도비의 값이 0.2-0.4 사이의 값이면 충분하다고 판단하고 있는 점을 파악하였고, 본 연구의 분석결과 Table 9에 표기한 LR을 통해 차량 내 모형의 경우 0.20, 플랫폼은 0.22, 환승통로는 0.24인 것을 알 수 있으며 세 시설의 결괏값이 모두 0.2-0.4 사이이기 때문에 적합하다고 판단하였다.

3. 혼잡 체감에 대한 가치 산정

앞서 도출된 효용함수를 통해 응답자들이 혼잡이 발생하는 상황에서 지하철의 시설별로 이용자가 체감하는 가치를 계산할 수 있다.

첫 번째로, 이용자들의 혼잡이 있을 때 체감하는 시간가치에 대하여 산정하였다. 시간가치(VOT)란 시간의 가치를 금액으로 환산하여 나타내는 것으로 모형 추정을 통해 도출된 도시철도 이용자의 혼잡 상황에 따른 상황선택에 추정된 계수 값을 Equation 6에 대입하여 산정하였을 때, 차량 내 6,450원/시간, 플랫폼 8,370원/시간, 환승 통로 2,460원/시간으로 산출하였다. 이는 플랫폼의 통행시간 가치가 가장 높게 나타났는데, 이는 플랫폼에서 이용자들의 대기시간 1분당 약 138원의 가치를 부여함을 의미한다.

두 번째로, 시설에 혼잡도가 수준이 증감하는 것에 대한 가치를 산정하였다. 혼잡도 수준 변화에 대한 가치(VOC)는 혼잡 수준 변화/추가 비용으로 Equation 7를 통해 산출하며, 차량 내의 경우 3,375원, 플랫폼의 경우 7,380원, 환승통로는 1,560원으로 산출할 수 있다. 이를 통해 시간가치와 마찬가지로 차량 내와 환승 통로의 혼잡 변화 보다 플랫폼의 혼잡 변화에 대한 체감비용이 더 큰 것을 확인할 수 있다. 앞선 결과를 통해 플랫폼의 혼잡관리가 필요하며 플랫폼 설계 시 첨두 시 열차 탑승 수요 예측의 필요성이 강조됨을 시사하고 있다.

또한, 차량 내 모형에서 도시철도 이용자가 추가 요금과 혼잡한 역과의 관계를 통해 혼잡 상태에서 한 정거장을 더 이동하는 것에 대하여 체감가치를 산출 한 결과 약 262원의 체감가치로 산출되었다. 이는 철도 노선이 지속해서 확대됨에 따라 동일 기종점 간의 철도 경로 선택 행동이 발생할 수 있으며, 이와 같은 상황에서 차내가 혼잡한 구간이 상대적으로 적은 경로를 선택할 가능성으로 보여주는 결과로 해석할 수 있다.

이러한 결괏값에 대하여 국내 지침과 선행연구를 통해 타당성을 확인하고자 하였다. Kim(2014)의 연구에서는 대중교통 이용 시 가장 불만족스러운 시간이 대기 시간으로 나타났으며, 본 연구에서도 혼잡을 고려한 설문을 통해 대기시간의 가치가 가장 크게 나왔다. 또한, 해당 연구에서는 차량 내 혼잡에 대해서는 통행자들이 주거지와 직장의 선택 때문에 결정되는 부분이기에 감수하는 부분이 있음을 제시하였다. Korea Development Institute(2021)의 연구에서는 수도권 철도의 1인당 평균 시간가치를 6,355원으로 제시하였으며, 본 연구에서도 유사한 값을 보였다.

결론

본 연구에서는 도시철도 혼잡 문제가 해결되지 않은 상태로 지속되고 있으며, 최근 사회적 변화로 인해 문제가 심화되고 있다고 판단하였다. 따라서, 본 연구는 점점 심화되고 증가하는 도시철도 혼잡 문제의 심각성을 인지하고, 이를 해결하기 위해 기존에 연구들에서 다루어온 차량 내 혼잡뿐만 아니라 플랫폼과 환승통로까지 포함하여 가치화 및 정량화 방안을 마련하고자 하였다.

현재 반영하고 있는 도시철도의 통행시간가치는 이용자가 느끼는 심리적 요인, 즉 혼잡으로부터 느끼는 불효용을 충분히 반영하지 못하고 있으며, 도시철도 통행에서 중요한 요소로 부각되는 플랫폼과 환승통로에 대한 가치 산정 역시 미흡한 상황이다. 이에 본 연구는 SP 조사를 통해 도시철도의 차량 내, 플랫폼, 환승통로에 적합한 요인들을 선정하고, 혼잡으로 인한 추가적인 화폐화 가치를 산출하고자 하였다. SP 조사를 통해 이용자들의 행태를 분석하고자, 각 시설에 대한 개별 문항을 구성하여 수도권 도시철도 이용자들을 대상으로 설문조사를 진행하였다. 설문조사를 통해 얻은 데이터는 도시철도의 차량 내, 플랫폼, 환승통로에 따라 개별 다항로짓모형을 사용해 효용함수를 산출하고 분석하였다.

본 연구 결과, 시설별 혼잡 상황에 대한 통행시간가치(VOT) 산정에서 플랫폼이 8,370원/시간으로 가장 높게 나타났으며, 차량 내는 6,450원/시간, 환승통로는 2,460원/시간으로 산출되었다. 이와 같은 결과는 기존 통행시간가치와 유사한 수준으로 본 연구의 결과에 대하여 합리적인 수준이라 판단되며, 이를 통해 차량 내 이외에 플랫폼과 환승통로에 대한 통행시간가치 역시 유의미한 결과임을 확인하였다. 특히, 이 결과는 도시철도 이용자들이 차량 내 이동 시간보다 플랫폼에서의 대기 시간에 더 민감하게 반응한다는 점을 시사한다. 이는 혼잡한 플랫폼에서 발생할 수 있는 물리적 불편함과 안전에 대한 우려가 영향을 미친 것으로 판단된다.

혼잡도 증감에 대한 가치(VOC) 산정에서도 플랫폼이 7,380원으로 가장 높게 나타났으며, 차량 내 3,375원, 환승통로 1,560원으로 산출되었다. 이는 통행시간가치와 마찬가지로, 도시철도 이용자들이 플랫폼에서의 혼잡에 더 큰 영향을 받는다는 것을 보여준다. 이러한 결과는 플랫폼에서의 혼잡이 도시철도 이용자에게 가장 큰 불편을 초래할 수 있다는 점을 시사하며, 이로 인해 경로 선택시 중요한 고려 요소가 될 수 있음을 의미한다.

반면, 차량 내 혼잡은 이용자들의 주거지와 직장의 선택에 따라 일정 부분 감수하는 경향이 있어 상대적으로 낮게 평가되었을 가능성이 크다. 플랫폼에서의 혼잡이 이용자들에게 더 큰 불편함으로 인식되는 이유는 협소한 승강장에서의 불편함과 안전 문제, 대기 시간의 길이에 대한 불만 등 다양한 요인에 의해 결정된다고 볼 수 있다.

또한, 이러한 결과는 혼잡 자체의 영향뿐만 아니라 차내시간(이동시간)과 차외시간(대기시간) 간의 체감 차이에서 기인할 수 있는 가능성도 존재한다. 즉, 플랫폼에서의 대기 시간은 이동 시간보다 더 큰 불편함으로 인식될 수 있으며, 이러한 차이가 플랫폼의 시간가치가 더 높게 나타난 원인 중 하나일 수 있다. 이를 고려할 때, 플랫폼에서의 혼잡 관리가 중요한 이유는 단순히 혼잡 자체뿐만 아니라, 대기 시간의 심리적 부담이 이용자들에게 크게 작용하기 때문으로 해석할 수 있다.

따라서, 본 연구의 결과는 도시철도를 신설하거나 개선할 때 시설별 우선순위를 정하고 이를 도시철도 운영 정책과 계획에 반영해야 함을 시사하며, 이를 통해 보다 효율적으로 도시철도 이용자들의 편익을 증대시키고, 이용 수요를 증가시킬 수 있을 것이다. 또한, 향후 수도권 지역의 대규모 광역교통 환승 허브와 다양한 내부 시설에 대한 사업 타당성 평가에도 이 연구의 결과를 활용할 수 있을 것으로 기대된다.

향후 연구 과제로는, 특정 지역과 시설에 국한되지 않고, 공간적 범위와 평가 대상의 범위를 확장하여 교통 인프라 시설 전체에 대한 다양한 혼잡 요인의 정량적 평가 방안을 마련할 필요가 있다. 이를 통해 기존 인프라에 추가되는 신규 교통수단, 새로운 형태의 통합 교통 인프라, 기존 평가 제도로는 통과되지 못한 교통 인프라 개발 및 개선사업에 대해 혼잡을 고려한 합리적이고 공정한 신규 또는 재평가가 이루어져야 할 것이다.