Current Issue

2019년 1월부터 2019년 6월까지 부산시에서는 2개 업체가 카셰어링 서비스를 제공하였다. <Table 1>에 나타난 바와 같이 총 435개소의 대여소가 운영되었으며 동기간 내 운영이 종료된 대여소 수는 총 75개소이다. 본 연구에서는 수집된 총 510개소의 대여소 주소를 경위도 좌표로 변환한 후 데이터를 구축하였으며 주소가 명확하지 않은 19개소와 일반적인 카셰어링 서비스와 제공형태가 상이한 부름전용 및 픽업전용 대여소 2개소를 제외, 총 489개소 자료를 분석에 활용하였다.

다음으로 연구모형을 구축하기에 앞서 종속변수인 카셰어링 대여소별 월평균 대여건수 자료의 분포를 살펴보았다. <Table 2>에 나타난 바와 같이 히스토그램 및 기술통계량을 살펴본 결과 해당 자료는 비음정수이며 한쪽으로 치우쳐진 비대칭 분포(편포, skewed distribution)를 따르는 것을 확인할 수 있다. 또한 분산이 평균보다 큰 과산포 특성을 가지고 있기 때문에 본 연구에서 음이항 회귀모형을 활용하는 것이 타당하다고 판단하였다.

다음으로 본 연구에 활용한 변수들에 대해 설명하면 다음과 같다. 먼저 종속변수는 부산시 내 카셰어링 대여소별 월평균 대여건수를 활용하였다. 독립변수의 경우 선행연구와 상관분석에서 유의한 관계가 있는 변수들을 참고하여 선정하였다. 한편 독립변수 선정 시 인근 대학 유무 및 시내버스 통과노선수를 제외한 변수들의 영향권은 대여소를 기준으로 반경 500m 내로 설정하였다. 이는 일반적인 성인의 보행속도가 4km/h임을 고려하여 도보권인 5~10분 내 통행 가능한 거리를 감안한 것이다. 구체적인 독립변수에 대한 설명은 다음과 같다.

독립변수 중 인구·가구 관련 변수로는 영향권 내 인구밀도, 평균연령, 1인가구수를 선정하였다. 해당 변수들은 SGIS에서 제공하는 집계구별 통계 자료를 활용하여 구축하였다. 단, 영향권과 집계구 경계가 일치하지 않는다는 점을 보완하기 위해 각 변수들에 대하여 영향권 내 포함되는 집계구 면적비율에 따라 비례 배분하는 방식을 통해 데이터를 보정한 추정값을 활용하였다.

근린특성 변수로는 대학교 유무, 용도지역 및 주택 중 아파트 비율을 적용하였다. 대학교는 교육통계서비스 KESS의 주소록을 통해 자료를 구축하고 영향권 내 대학교 유무를 변수로 활용하였다. 단, 부산의 경우 대학교가 산에 위치하고 있는 경우가 많아 실질적인 카셰어링 수요 영향권이 반경 500m보다 클 수 있다는 점을 고려하여 대여소 반경 1km 내 대학교가 있는지를 분석하였다. 용도지역의 경우 대여소 영향권 내 주거, 상업, 공업, 녹지의 네 가지 용도지역별 면적을 산출하였다. 주택 중 아파트 비율 역시 SGIS의 집계구별 주택관련 통계자료를 활용하여 영향권 내 아파트 수 비율을 산정, 분석에 이용하였다.

교통 관련 변수는 대중교통 관련 변수, 광역교통허브 변수를 활용하였다. 먼저 대중교통 관련 변수는 카셰어링 대여소 접근 시 주로 도보 또는 대중교통을 이용한다는 점을 고려하여 대중교통 접근성을 주요 변수로 선정하였으며, 해당 변수들은 250m 이내 시내버스 통과노선수 및 도시철도역과의 거리를 활용하였다. 시내버스 통과노선수의 경우 범위를 대여소 반경 250m 이내로 설정하였는데, 그 이유는 일반적으로 버스정류장 설치 간격이 300~500m라는 점, 대여소에서 가장 가까운 버스정류장에서 승·하차하여 접근이 이루어질 것이라는 점 등을 고려하였기 때문이다. 도시철도역과의 거리는 대여소에서 가장 가까운 도시철도역사까지의 거리를 산출하여 변수로 활용하였다. 광역교통허브 변수는 항만시설을 제외하고 시외버스 정류장, 고속철도역, 공항시설의 위치를 경위도 좌표로 변환하여 구축하였으며 해당 변수를 통해 영향권 내 광역교통허브 유무에 대한 효과를 살펴보고자 하였다.

마지막으로 대여소 변수로는 대여소 중복도, 분석기간 내 대여소 유지기간 및 대여소별 운영차량수를 활용하였다. 카셰어링 대여소는 영향권 내 카셰어링 대여소의 유무를 산출하여 적용하였다. 한편 대여소 유지기간과 대여소별 운영차량수의 경우 제어변수(control variable)로 활용하였는데 대여소 유지기간이 길고 대여소별 차량수가 많을수록 단순 이용횟수 비교 시 이용건수가 많을 수 있기 때문이다.

독립변수들 간의 다중공선성은 VIF(Variance Inflation Factors) 값으로 검증하였는데 일반적으로 VIF 값이 10을 넘을 경우 다중공선성이 있다고 판단한다. 하지만 본 연구에 사용한 변수들의 경우 VIF 값이 모두 2.91 이하로 나타났기 때문에 다중공선성 문제는 없다고 볼 수 있다. 연구에 활용된 변수들에 대한 요약 및 다중공선성 분석 결과는 <Table 3>과 같다.

선정된 변수들과 음이항 회귀모형을 활용하여 카셰어링 이용에 영향을 미치는 요인들에 대하여 분석하였으며 그 결과는 <Table 4>와 같다. 먼저 모형의 적합도를 살펴보면 다음과 같다. 로그우도(Log Likelihood)값은 포아송 모형을 적용하는 것으로 시작하여 절편만 있는 모형, 최종적으로 음이항 모형을 적용하는 것을 볼 수 있다. 분석 결과 음이항 모형에서 로그우도값이 가장 크므로 더욱 적합한 모형으로 판단된다. 또한 음이항 모형 적용의 적합도를 판단하기 위한 alpha가 0인 우도비 검정(Likelihood-ratio test of alpha=0) 결과를 보면 카이제곱 값이 6,130.89, p-value가 0.0000으로 alpha가 0이라는, 즉 포아송 모형이 적합하다는 귀무가설을 기각, 음이항 모형이 포아송 모형보다 더 적절하다는 것을 확인할 수 있다. 또한 모형 전체에 대한 테스트인 LR chi2 검정값은 645.82, p-value는 0.000으로 모든 회귀계수가 0이라는 귀무가설을 기각, 본 모형이 통계적으로 유의한 것으로 나타났다.

분석 결과 이 연구에서 선정한 모든 변수들이 유의한 것으로 나타났으며 1인가구수, 대학 유무, 통과 버스노선 수, 타 대여소 유무, 운영 기간 및 운영차량수는 양(+)의 영향을, 인구밀도, 평균연령, 상업용도면적 비율, 공업용도 면적 비율, 아파트 비율, 도시철도역과의 거리, 광역교통허브 유무는 음(-)의 영향을 주고 있는 것으로 나타났다. 각 변수들에 대해 구체적으로 서술하면 다음과 같다.

먼저 인구·가구 특성을 보면 인구밀도가 낮은 지역일수록 카셰어링 대여건수가 많은 것으로 나타났다. 이는 Abbasi et al.(2021)의 연구와 같은 결과로, 단순히 인구수가 많다고 해서 카셰어링 이용 수요가 높다고 할 수 없음을 시사한다. 한편 인구밀도가 높은 경우 아파트가 많이 입지한 지역일 가능성이 높다는 점과 관련이 있을 수 있다. 평균연령은 낮을수록 카셰어링이 활발한 것으로 나타났는데 이는 연령대가 낮으면 개인 차량 구입의 부담이 클 수 있다는 점, 카셰어링 예약을 위해서는 스마트폰을 활용해야 한다는 점, 공유경제에 익숙하다는 점 등이 영향을 미친 것으로 사료된다. 이러한 경향은 김숙희·이규진(2016)의 연구에서도 확인된 바 있다. 한편 1인가구가 많이 거주하는 경우 카셰어링 이용량이 많은 것으로 나타났다. 1인가구의 경우 개인 차량을 보유, 유지하는 데 많은 비용이 지출되기 때문에 이러한 결과가 도출된 것으로 보인다.

근린환경 특성을 살펴보면, 용도지역이 상업지역과 공업지역 면적 비율이 낮을수록 카셰어링 이용 수요가 높은 경향이 있는 것으로 나타났는데, 이는 편도 카셰어링 특성상 동일지역에서 대여, 반납이 이루어져야하기 때문에 일반적인 통행 출발지인 주거지역이 아닌 경우 수요가 낮은 것으로 판단된다. 그리고 아파트 비율이 낮을수록 카셰어링 이용이 활발한 것으로 나타났는데, 이는 Abbasi et al.(2021)가 확인한 바와 같다. 카셰어링은 개인 승용 차량의 대안으로, 거주지에서 주차공간 확보가 어려운 경우 개인 승용 차량을 보유·유지하기에 어려움이 있어 카셰어링을 이용할 확률이 높아질 수 있다. 실제로 이원규 외(2019)의 연구에서는 현재 거주하는 지역의 주차여건이 불편하다고 생각할수록 카셰어링 이용 의사가 높은 경향이 있는 것으로 나타났다. 이와 더불어 선행연구에 따르면 아파트 거주자에 비해 연립주택, 단독주택, 오피스텔 등에 거주하는 경우 카셰어링을 선호하는 것으로 나타나기도 했다(박준식·문지혜, 2012; 김숙희 외, 2014). 따라서 주거지 주차장 수급 불균형이 심각한 부산의 경우 아파트에 거주하는 경우 상대적으로 주차공간의 확보가 쉽다는 점을 고려할 때, 아파트 비율이 높으면 카셰어링 이용 수요가 낮은 것은 타당해 보인다. 또한 1km 이내에 대학교가 있는 경우 이용 빈도가 높았는데 대학교 인근지역은 대학생 등 젊은 연령층의 통행량이 많을 가능성이 높기 때문으로 사료된다.

교통 특성 중 대중교통 접근성 요인을 살펴보면 반경 250m 이내 통과하는 버스노선수가 많을수록, 도시철도역과의 거리가 짧을수록 카셰어링 이용 빈도가 높은 것으로 분석되었다. 이는 카셰어링 이용자들의 경우 도보 또는 대중교통을 통해 대여소로 접근하기 때문에 대중교통 접근성이 중요한 요인인 것으로 보인다. 따라서 카셰어링 이용률을 제고하기 위해서는 대중교통 접근성과 교통수단간 연계를 강화할 필요가 있을 것으로 판단된다. 한편 광역교통허브 유무의 경우 카셰어링 이용과 부정적인 관계가 있는 것으로 나타나 일반적인 기대와 차이가 있다. 이는 부산시 광역교통허브와 대중교통체계가 잘 연계되어 있다는 점이 영향을 미치고 있는 것으로 보인다. 대중교통을 통해 목적지까지 이동하는 것이 불편하지 않고, 광역교통허브는 주로 장거리 여행, 출장을 목적으로 이용되는데 카셰어링의 경우 대여시간 단위로 요금이 발생하며 대여 후 동일대여소에 반납해야 하기 때문에 카셰어링 이용 시 상대적으로 비용적 부담이 커지기 때문이다. 또한 광역교통허브 인근 대여소에서 차량이 과잉공급되고 있는 것은 아닌지 검토해볼 필요가 있음이 시사된다.

대여소 특성의 경우 인근에 대여소가 존재하면 카셰어링 이용이 많은 것으로 나타났다. 카셰어링 대여소는 일반적으로 공영주차장이나 개인이 제공하는 주차공간을 활용하기 때문에 동일한 대여소에 여러 대의 차량이 제공되는 것이 쉽지 않다. 따라서 인근 지역에 대여소가 중복되어 존재하는 경우 카셰어링 이용 수요가 많은 지역일 수 있다. 운영차량수와 운영기간은 차량수가 많을수록, 운영기간이 길수록 카셰어링 이용이 활발한 것으로 나타났다.

본 연구는 부산시 카셰어링 대여 실태 자료를 활용하여 음이항 회귀분석을 통해 카셰어링 수요에 영향을 미치는 다양한 요인들을 검토하고 정책적 시사점을 제시하고자 하였다. 연구 결과 카셰어링 이용에 1인가구수, 대학 유무, 통과 버스노선 수, 타 대여소 유무, 운영 기간 및 운영차량수는 양(+)의 영향을, 인구밀도, 평균연령, 상업용도면적 비율, 공업용도 면적 비율, 아파트 비율, 도시철도역과의 거리, 광역교통허브 유무는 음(-)의 영향을 주고 있는 것으로 나타났다. 이러한 결과를 토대로 주요 시사점을 정리하면 다음과 같다.

첫째, 인구밀도가 높은 지역, 아파트 비율이 높은 지역은 카셰어링 수요가 낮은 것으로 나타났으므로 단순히 거주인구가 많은 지역이 카셰어링 수요가 높은 것이 아니며 지역의 주차 수급 수준이 카셰어링 이용 수요에 영향을 주는 것으로 보인다. 따라서 향후 단독주택, 연립주택 등 상대적으로 주차가 불편한 지역에 우선적으로 대여소를 확보할 수 있도록 지원할 필요가 있다. 예를 들어 주차가 불편한 지역 내 카셰어링 대여소를 설치하고자 하는 경우 공공부지 등을 활용하여 주차면을 확보해주는 정책을 고려할 수 있다.

둘째, 현재는 낮은 연령대가 카셰어링을 선호하고 있지만, 지속가능한 교통 환경을 구축하기 위해서는 전 연령층이 부담 없이 카셰어링을 이용할 수 있는 환경을 조성해야 한다. 따라서 공유교통에 대한 심리적 장벽을 완화하고 정보 격차를 해소할 수 있도록 시민을 대상으로 카셰어링 홍보, 설명회 개최 등을 통해 카셰어링 이용 접근성 향상 및 공유문화의 확산을 위한 노력을 기울여야 할 것이다. 또한 연령대가 낮을수록, 1인가구수가 많이 거주할수록 카셰어링 이용이 활발한 것으로 나타났으므로 젊은 연령층 및 1인가구의 신규 개인 승용 차량 구매 수요를 감소시키면서 카셰어링의 지속적 이용을 유도할 수 있는 정책 방안을 마련해 나가야 한다.

셋째, 광역교통허브 인근 대여소에서 카셰어링 이용이 활발하지 않다는 점으로 미루어 보아 카셰어링 운영 특성에 따른 비용 부담 등의 이유로 카셰어링이 대중교통의 대체재로는 고려되지 않는 것으로 추측된다. 따라서 카셰어링과 대중교통이 상호보완적으로 작용할 수 있는 교통체계를 구축해 나가야 한다. 또한 광역교통허브 인근 대여소의 차량 회전률을 검토하여 운영 효율을 높여야 할 것이다.

넷째, 반경 500m 이내 상업·공업지역 면적 비율이 낮을수록 카셰어링 이용이 많았으므로 주거지를 중심으로 카셰어링 대여소를 확보하여 주민들이 대여소에 쉽게 접근할 수 있도록 접근성을 강화해 나갈 필요가 있다. 이와 관련하여 주거지 내 카셰어링 주차면 제공자에게 인센티브를 부여할 필요가 있다. 이와 더불어 서울시 아파트 공유카, 동네 공유카와 같이 주거형 카셰어링 이용자에게는 할인 혜택을 부여한다면 이용률을 제고할 수 있을 것이다.

다섯째, 대중교통 접근성이 좋은 경우 카셰어링 이용률이 높았으므로 대중교통과의 수단 간 연계를 강화하여 이용 활성화를 도모하여야 한다. 특히, 카셰어링은 대중교통 이용자 등 기존 승용 차량 수요가 없던 집단으로부터 신규 수요를 발생시킬 수 있다는 점을 염두에 두고 카셰어링이 대중교통의 보완재, 승용 차량의 대체재로 인식될 수 있도록 하는 정책적 노력이 필요하다. 일례로 대중교통 연계형 인센티브 지급, 카셰어링 차량 우선 주차구역 확보 등이 고려될 수 있다.

논외로, 카셰어링 이용 활성화를 위해서는 대여소 확충, 서비스 이용자 확대뿐 아니라 안정적이고 지속적인 카셰어링 대여소 및 차량 운영이 수반되어야 한다. 이를 위해 부산시 조례 개정을 통해 카셰어링 기업에게 공영주차장 주차요금을 감면해주거나 카셰어링 주차면 설치 기업에게 교통유발부담금을 경감해주는 등의 정책 지원을 해주는 방안이 고려될 수 있다.

한편 본 연구에서 카셰어링 이용자들의 주요 통행 목적, 소득과 같은 구체적인 개인 속성들을 반영하지 못하는 점, 집계구 단위 데이터 활용에 따라 보정을 통한 인구, 가구, 주택 특성을 활용하였다는 점에서 한계가 있다. 따라서 향후 연구에서는 보다 많은 미시적 요인들이 포함된 분석이 진행될 필요가 있다. 하지만 본 연구는 실증적 분석을 통해 카셰어링 이용에 미치는 다양한 영향 요인들을 파악하고 향후 카셰어링 활성화를 위한 정책적 시사점을 제시하였다는 데 큰 의의가 있다.