Journal Archive

도시철도는 도로 혼잡과 상관없이 대규모의 인원을 정시에 수송할 수 있다. 특히 평일 오전 시간대는 하루 중 통행량이 가장 많으며 그중 대부분이 정시도착을 요구하는 출근목적의 통행이다. 도시철도는 이처럼 많은 인원을 같은 시간에 같은 장소로 수송시키는데 적합한 여객수단이다(Daniels & Mulley, 2013). 더불어 수송에너지 소비량과 온실가스 배출량이 다른 수송수단보다 낮아 정부와 각 지방자치단체 차원에서 도시철도 이용을 더욱 장려하고 있다. 최근 도시계획 분야에서 활발한 연구가 이루어지고 있는 대중교통 지향형 개발(Transit-Oriented Development) 역시 이와 같은 맥락에 있다(Calthorpe, 1993).

그러나 다른 교통수단과 마찬가지로 도시철도의 수송인원 역시 한계가 있다. 과도한 인원의 탑승은 불가피한 신체접촉으로 인한 개인 프라이버시 침해, 사고와 범죄 위험의 증가, 혼잡으로 인한 승하차 지연 등의 불편을 초래한다(Tirachini et al., 2013).비록 수도권에 속하지 않은 다른 도시들에서는 도시철도의 혼잡보다 낮은 이용률이 더욱 중요한 문제이나, 서울, 도쿄, 뉴욕 등 도시철도의 이용자가 많은 도시의 경우 특정 구간에 이용자가 과도하게 집중되어 전체적인 도시철도의 이용에 부정적인 영향을 주고 있다. 차내 혼잡수준을 나타내는 차내 혼잡도는 정원 대비 탑승인원의 백분율로 계산되며 1~9호선 열차의 차량 정원은 160명 내외다. 2012년 국토해양부에서 수행한 서울 도시철도 1~9호선의 혼잡도 조사 결과에 따르면 출근시간대 9호선 여의도역과 노량진역 구간을 운행하는 급행열차의 차내 혼잡도는 240%, 2호선 사당역과 방배역 구간을 운행하는 차량의 혼잡도는 196% 수준으로써 정원의 두 배가 넘는 인원이 탑승한다.

한편 같은 시간대여도 도시철도의 운행방향과 지역에 따라 차내 혼잡도가 다르며 그 불균형이 크다(Jang et al., 2012). 각 도시철도 운영기관에서 산정한 평일 오전 8시대 평균 차내 혼잡도 자료를 보면 강변역에서 종합운동장역 방향으로 운행하는 2호선 도시철도의 차내 혼잡도는 150% 내외지만 반대 방향의 경우 50%에 미치지 못한다. 사당역에서 방배역으로 이어지는 구간 역시 사당에서 방배역 방향으로 운행하는 도시철도의 차내 혼잡도는 176% 수준이지만 반대 방향은 52%로 큰 차이가 난다. 도시철도 건설에 드는 막대한 비용을 고려하면 이러한 이용자의 불균형은 도시철도 운영에 있어 비효율을 초래한다(최창규 외, 2012). 그동안 서울의 대중교통이용계획은 이러한 불균형을 고려하지 않고 다른 도시와 마찬가지로 대중교통의 수단분담률을 높이는 것에 초점을 맞추어왔다. 또한, 목측조사가 필요한 차내 혼잡도 보다 상대적으로 계측이 쉬운 역별 승하차 인원수를 기준으로 수요분석이 이루어졌다. 그러나 차내 혼잡도는 도시철도의 수송용량이 반영된 서비스 수준으로써 역사 내 혼잡과 관련된 승하차 인원과는 의미하는 바가 다르다. 차내 혼잡도가 매우 높은 구간에서도 역별 승하차 인원은 작게 나타날 수 있으며 그 반대의 경우도 가능하다. 예를 들어 평일 오전 첨두시간대는 도시철도 이용자의 대부분이 업무기능이 밀집된 도심, 부도심 지역으로 향하기 때문에 해당 역까지 향하는 도시철도의 차내 혼잡도가 높지만, 주변부 역의 승하차 인원은 상대적으로 적을 수 있다.

따라서 도시철도의 노선별, 운행 방향별 차내 혼잡도를 고려하여 대중교통계획이 이루어져야 하며, 이를 통해 첨두시간대의 차내 혼잡을 완화하면서 도시철도의 전반적인 이용효율을 높일 방안을 마련하는 것이 필요하다(최창규 외, 2012).

이러한 논의를 바탕으로 본 연구는 서울을 대상으로 도시철도 차내 혼잡도에 영향을 미치는 요인을 분석하고자 한다. 이를 위하여 2장에서 높은 차내 혼잡도의 실질적인 영향과 이를 해결하기 위하여 논의된 방안들을 검토했다. 3장에서는 서울 도시철도 혼잡도 현황을 살펴보고, 4장에서는 본 논문에서 이용된 분석모형과 변수를 설명하였다. 마지막으로 5장에서는 분석결과와 해석을 제시하였다.

본 연구는 서울메트로와 서울도시철도공사에서 자체적으로 이루어진 1~8호선 도시철도 차내 혼잡도 조사 자료를 바탕으로 분석을 수행했다. 조사 시기는 2011년 12월이며 혼잡도는 주중, 주말로 나뉘어 하루 전체 운행시간에 대해 매시간 또는 매 30분 단위의 평균값으로 산정되었다. 연구의 시간적 범위는 평일 오전 8시대로, 공간적 범위는 서울시로 한정하였다. 평일 오전 8시대로 한정한 이유는 통근통행으로 인해 이용자가 시간적, 공간적으로 집중되어 특정 구간의 혼잡이 높기 때문이다. 또한, 분석대상지로 서울시를 선정한 것은 다른 도시보다 도시철도의 이용자가 많고 혼잡이 심한 구간이 나타나기 때문이다. 단, 서울메트로와 서울도시철도공사가 운영하지 않는 다른 도시철도 구간은 혼잡도 자료를 구할 수 없어 분석에서 제외하였다.¹⁾

높은 차내 혼잡은 불가피한 신체접촉으로 인한 개인 프라이버시 침해(Wardman & Whelan, 2011), 스트레스(Lundberg, 1976), 사고와 범죄 위험의 증가(박경철 외, 2011), 혼잡으로 인한 승하차 지연(Lin & Wilson, 1992; Puong, 2000)등의 불편을 초래한다(Tirachini et al., 2013). Lundberg(1976)는 스웨덴에서 철도를 이용하는 통근자를 대상으로 차내 인원이 증가함에 따라 이용자의 스트레스가 증가함을 임상적으로 밝혔다. Cox et al.(2006)은 차내 인원의 밀도가 이용객의 스트레스와 안전에 영향을 미치는 과정을 단계별로 모형화하고 문헌 연구를 통해 이를 체계적으로 정리하였다. Cantwell et al.(2009)은 아일랜드를 대상으로 명시선택 분석방법을 통해 대중교통의 가장 큰 불만족 요인이 혼잡임을 보였다.

Lin and Wilson(1992)과 Puong(2000)은 차내 혼잡으로 인해 승하차가 지연되는 영향이 비선형적으로 증가함을 보였다. 이는 국내의 연구에서도 확인된 것으로 오석문(2005)의 연구에서 승하차 시간이 전체 정차시간의 30~60%를 차지하고, 승하차 승객의 수가 많을수록 그 비율이 증가하는 것으로 나타났다. 엄진기 외(2012)는 스마트카드 자료를 이용하여 인천 도시철도 1호선의 오전 첨두시의 정시성과 혼잡도를 계산하고 이를 바탕으로 서비스 수준을 평가하였다. 분석 결과, 운행방향에 따라 혼잡수준이 크게 차이 나며 환승역에 가까울수록 혼잡이 심하고 차내 혼잡이 심해지는 구간부터 연착발생이 잦아지며 이는 이후 역까지 누적된 영향을 미침을 확인하였다.

이러한 영향들로 인해 혼잡은 다른 대안이 존재할 경우 경로와 수단선택에 영향을 미치고 사회적 비용을 유발(Prud'homme et al., 2012)하므로 적절한 대중교통 계획 수립 시 고려해야 할 중요한 요인이다(Krause, 1991; Tirachini et al., 2013; 박준환 외, 2007). Raveau et al. (2011)은 산티아고를 대상으로 한 연구에서 도시철도 차량 내 인원이 도시철도 네트워크의 경로선택을 설명하는 데 중요하며 그 영향이 비선형적으로 작용함을 보였다. 박준환 외(2007)는 차내 혼잡이 이용객의 노선선택에 영향을 미치기 때문에 대중교통 수요를 현실적으로 추정하기 위해 이를 고려하는 것이 필요하다고 보고 수정된 통행배정모형을 제시하였다. 모형분석결과 최단 시간 경로에 모든 수요가 배정되는 대신 혼잡을 고려하여 노선별로 분산됨을 확인하였다. Prud'homme et al.(2012)은 파리의 지하철을 대상으로 한 설문조사를 통해 대부분 이용객이 혼잡을 피하는 대신 5~10분 또는 10~15분의 시간을 더 쓸 용의가 있음을 알아냈다. 이 시간을 비용으로 환산하면 차량 내부 1㎡의 면적당 탑승객이 1인 증가함에 따라 0.68유로에 달한다.

이처럼 혼잡은 도시철도 이용 전반에 부정적인 영향을 미치기 때문에 도시철도 이용 향상을 위한 계획의 수립에서 반드시 고려되어야 할 사항이다. 그리고 이를 위해서는 혼잡 요인을 규명하는 연구가 필요하다.

Daniels and Mulley(2013)는 오스트레일리아 시드니를 대상으로 한 연구에서 대학교 학생과 교직원으로 인한 첨두시의 혼잡을 분산하는 방안으로 비첨두시 대중교통 공급, 비첨두시 요금 혜택, 도보와 자전거 이용 장려 제도, 대학교 수업 시간 변경 등의 방안과 그 영향을 제시하였다. 조성근 외(2013)는 서울 도시철도 2호선의 높은 혼잡수준을 해결하는 방안으로써 적정운행간격 확보, 승차장 구조개선을 통한 통행 흐름 원활화 등을 제시하고 있다. 김채만(2011)은 경기도 광역버스의 운영을 효율화하는 방안으로 차내 혼잡도 완화를 제시하고 노선개편과 이층 버스 도입 등의 시설 확충을 제안하였다. 신성일(2013)은 대중교통의 오전 첨두시 혼잡을 완화하는 방안으로 변동요금제 도입을 제시하였다. 이상과 같이 그동안 혼잡을 완화하려는 방안으로 차량 확대 편성, 승차장 설계, 이용자의 이용시간대 분산 등이 제안되었다.

그러나 상대적으로 도시공간구조 측면에서 이용수요를 공간적으로 분배하는 방안에 대한 논의는 드물다. 교통 수요는 토지이용과 밀접한 관련이 있으므로 도시철도의 높은 혼잡 역시 도시공간구조 측면에서 접근할 필요가 있다. 최창규 외(2012)는 특정 구간에 집중된 수요가 높은 차내 혼잡도로 이어지며, 이는 해당 구간 이용자의 불편뿐만 아니라 도시철도의 전반적인 운영에도 부정적인 영향을 미침을 지적하였다. 그리고 이에 대한 해결책으로써 통행량을 고르게 배분하도록 역세권별로 토지이용의 밀도와 용도를 계획해야 할 정책의 필요성을 주장하였다.

이와 유사한 배경에서 Jang et al.(2012)은 인접 토지이용이 도시철도 차내 혼잡도에 미치는 영향을 회귀모형으로 분석하였다. 모형의 종속변수는 각 역 간 구간의 평일 오전 8시대 평균 차내 혼잡도이며, 독립변수로써 해당 구간을 지나는 도시철도가 이전에 거쳐 온 10개 역과 이후에 거쳐 갈 10개 역의 반경 500m 내 건축물의 용도별 면적이 설정되었다. 세부적으로 주거, 업무, 상업, 공공, 기타의 각 건축물 용도에 따라 다섯 개의 회귀 모형이 구축되었다. 분석결과 모형의 설명력은 인접한 20개 역의 역세권 내 건축물의 업무용도 면적을 독립변수로 했을 때 가장 높게 나타났으며, 주거용도 면적을 독립변수로 설정한 모형을 제외하고 모든 모형에서 통계적으로 유의미한 독립변수들이 나타났다. Jang et al.(2012)은 이를 통해 업무용도 면적이 평일 오전 8시대 도시철도 차내 혼잡도에 가장 큰 영향을 미치며 주거용도 건축물의 영향은 상대적으로 낮음을 밝혔다.

본 연구는 Jang et al.(2012)와 최창규 외(2012)의 논의를 바탕으로 하여 도시철도 차내 혼잡도의 요인을 규명하였다. 특히 Jang et al.(2012)의 연구에서 고려하지 않았던 도시철도 네트워크의 특성과 더불어 도시공간구조 측면의 요인을 제시한 것이 본 연구의 차별성이라고 할 수 있다.

도시철도의 상행방향이란 종점이 기점보다 북쪽에 있는 경우로서 1호선은 소요산행, 3호선은 대화행, 4호선은 당고개행, 5호선은 방화행, 6호선은 응암 순환행, 7호선은 장암행, 8호선은 암사행이 상행이다. 2호선은 순환노선으로써 내선 방향은 시계방향으로 운행하는 노선이다.그림 1은 각 노선의 상행 방향과 2호선의 내선 방향을 화살표로 나타낸다.

Figure 1. 
Map and Direction of Seoul Metro Line 1 to Line 8

그림 2는 이 방향으로 이동하는 도시철도의 차내 혼잡도를 보여주고 있다. 이를 보면 2호선의 신천~역삼 구간과 신도림~합정 구간이 125% 이상의 혼잡도를 보인다. 7호선은 혼잡 구간이 더 많으며, 숭실대입구~고속터미널역 구간 역시 125%이상의 혼잡도가 유지되고 있으며, 이수~고속터미널역 구간과 철산~가산디지털단지 구간은 140% 이상의 혼잡도를 보인다. 4호선 상행의 경우 남태령~사당으로 이어지는 구간이 135%의 혼잡도를 보였다.

Figure 2, Figure 3. 
The Average Crowding Degree in a Subway Uptrain(up) and Downtrain(down) from 8 a.m. to 9 a.m.(unit: %)

그림 3은그림 1에 표시된 화살표 방향의 반대 방향으로 이동하는 도시철도의 차내 혼잡도를 보여주고 있다. 하행방향은 상행보다 혼잡도 수준이 높은 구간이 많다. 특히 높은 혼잡도를 보이는 구간을 살펴보면, 3호선의 경우 불광역부터 혼잡도가 100%가 넘어가면서 을지로3가로 이어지는 구간까지 128%로 높아진다. 4호선의 경우 상행에서는 혼잡도가 100%가 넘는 구간이 한 구간뿐이었으나 하행의 혼잡도 분포를 보면 미아~미아삼거리 구간부터 혼잡도가 100%를 넘어가면서 동묘앞역까지 159%까지 혼잡도가 높아지고 충무로역까지 117%의 혼잡도를 보인다. 7호선의 경우, 하계~공릉 구간에서 강남구청역으로 오는 구간까지 꾸준히 100%가 넘는 혼잡도를 보인다. 특히 군자역~어린이대공원역 구간의 혼잡도는 176%로 가장 높다. 2호선 외선방향의 경우, 신대방역~신림역 구간의 혼잡도가 100%가 넘어가면서 낙성대역~방배역 구간의 혼잡도가 170%대까지 높아지고 이러한 혼잡도 수준은 강남역까지 유지된다.

이처럼 하행(외선)의 혼잡도는 상행보다 전반적으로 높으면서 혼잡구간이 길게 이어지는 특성을 보이고 있다. 운행방향에 따른 혼잡도의 차이가 있는지를 통계적으로 검증하기 위해 대응표본 t검정을 수행하였다(표 2). 분석결과 유의 수준 5% 내에서 상행과 하행의 혼잡도에 차이가 있는 것으로 나타났다.

다중회귀분석은 여러 가지 요인(이하 독립변수x₁x₂···)들이 하나의 변수(이하 종속변수y)에 미치는 영향관계를 통계적으로 검증하기 위해 쓰인다. 본 연구에서는 혼잡도에 영향을 미칠 것이라고 예상되는 요인들의 복합적인 영향을 검증하기 위해 다중회귀분석을 이용하였다. 독립변수와 종속변수의 관계는 다음과 같이 선형관계로 가정하였다.

본 연구에서 각 독립변수의 영향력을 나타내는B₀계수B_i와 는 통상최소자승법(Ordinary least square method)을 이용하여 추정하였다.

추정된 값 는 독립변수x_i가 한 단위 증가할 때 종속변수가 평균적으로 변화하는 양을 나타낸다.

분석결과 본 연구의 회귀모형은 유의수준 1% 내에서 유의미한 것으로 나타났다. 수정된 R 제곱은 0.444로써 본 회귀모형은 도시철도 혼잡도 분산의 44%를 설명한다(표 5참고).