Journal Archive

본 연구에서는 설문조사로 파악된 출퇴근자의 교통수단 선택에 지하철역 보행접근성이 미치는 영향력을 측정하여 보행역세권의 범위를 분석하고자 한다. 일반적으로 보행의 선택은 보행거리가 증가함에 따라 확률적으로 감소하게 된다. 이와 같이 보행의 선택이 거리의 증가에 따라 점진적이고 연속적으로 감소한다면 보행권이라는 공간적 경계를 설정하는데 무리가 따른다. 왜냐하면 50%의 확률 선택 구간 혹은 75%의 확률 선택 구간이라는 선택은 임의적인 선택일 수밖에 없다.

그동안 보행권의 범위 설정에 있어 간과되어 왔던 점은 보행의 선택이 거리의 증가에 따라 점진적으로 감소하는 양상이 아니라 일정 거리를 지나면 보행의 선택확률이 급격히 감소하는 지점이 있을 수 있다는 점이다. 현실적인 의미에서 예를 들자면 300m와 400m의 차이는 보행 선택에 큰 차이를 발생시키지 않으나 500m와 600m의 차이는 보행의 선택에 크게 영향을 미칠 수 있다는 것이다.

이와 같은 개념적 접근은 우리가 권역을 정의할 때 암묵적으로 권역 내와 권역외의 특성이 연속적이 아니라 불연속적인 특성의 차이를 가정하고 있다는 이해와도 부합한다. 본 연구에서는 이와 같이 지하철과 자동차 이용의 선택에 있어 지하철의 선택이 급격히 감소하는 공간적인 범위를 보행역세권이라고 정의하고자 한다.

이러한 현상을 통계적인 모형에 대입하면 [그림 1]에서 제시된 것처럼 지하철 선택을 결정짓는 접근성의 영향력이 연속적인 구조가 아니라 일정 거리 범위 내와 밖에 구조적인 절단이 발생하게 된다. 이러한 구조적 절단을 측정하는 분석방법은 부동산시장의 금융위기 같은 외부충격이나 정책변화에 따른 시장의 구조적 변화를 측정하기 위한 연구 등 다양한 분야에서 활용되고 있다(김경환·손재영, 2010).

Fig. 1 
Probability of Subway Choice by Walking Distance and Catchment Area

본 연구에서는 도보를 통한 지하철 이용과 자가용 이용이라는 이항변수를 이용하여 이항로짓모형(Binary Logit Model)을 사용하였다.¹⁾지하철 이용 확률과 자가용 이용 확률의 구조적 절단이 발생하는 지점까지를 역세권이라 가정하고 그 지점을 반복과정을 통해 도출해내는 분석을 진행하였다.²⁾

본 연구에 이용된 기본적인 실증분석모형은 (식 1)과 같이 나타낼 수 있다.

여기서P_a는 지하철을 이용할 확률이며, 반대로 1-P_a는 자가용을 이용할 확률이 된다.X_p는 개인특성X_h는 가구특성X_u는 주거특성X_c는 통근특성 변수벡터이다. 그리고 마지막으로X_i는 지하철역까지의 연속적인 접근성 변수이다. 또한α는 상수항β각 변수들의 추정계수벡터이다.

이런 형태의 모형은 거리가 멀어짐에 따라 이용확률이 연속적으로 점진적으로 감소하는 구조를 가정한다. 그러나 보행을 통한 이용자들의 경우 어떤 보행거리를 넘어서면 이용확률이 급격히 감소하는 범위는 존재할 수 있다. 그러한 공간적 범위가 연속적인 접근성 변수에 비해 현상을 더 잘 설명할 수도 있다. 중간과정으로 이를 분석하기 위해 (식 1)에서 연속적인 접근성 변수 대신 사전적으로 설정된 거리k까지의 보행권을 의미하는 거리더미(D_k)변수를 도입하여 분석한다.

좀 더 포괄적인 모형으로 이러한 보행권을 넘어서는 경우 지하철 선택확률에 급격한 감소한다면 통계적인 선택모형에 구조적 변화 즉 절단이 발생하게 된다. 이를 측정하기 위해 도출하기 위한 통계모형은 (식 1)와 같이 거리더미(D_k)변수를 추가적으로 도입하여 (식 3)과 같은 실증분석모형을 추정한다.

이와 같이 설정된 모형으로 임의로 선택된 보행권거리를 계속적으로 변화시킴으로써 모형의 설명력을 극대화하고, 가장 큰 분리효과를 발생시키는 거리k를 찾아가는 분석과정을 진행하게 된다.

본 연구에서는 현실적인 역세권 범위의 기준을 선정하는데 도움을 얻기 위해 추가적으로 역세권의 범위를 설정하기 위한 거리측정의 기준과 방법을 3가지로 나누었다. 첫째는 가장 단순한 방법으로 승강장의 중심점에서 거주지까지의 직선거리를 사용하였다. 그러나 이러한 거리측정방법은 승강장이 도시철도역의 출입구와 달리 한쪽 방향에 치우칠 수 경우 실제 탑승을 위해 소비되는 보행거리를 왜곡시킬 수 있는 단점이 존재한다.

둘째는 지하철 이용자들이 심리적으로 지하철에 도달했다고 느끼는 역사 출입구에서 거주지까지의 직선거리를 사용하였다. 이러한 측정방법은 실제 출입구의 위치가 표준화되지 않은 상황에서 이용자의 역사내부 도보거리를 정확하게 반영하지 못한다는 한계가 있다.

마지막으로 직선거리의 단점을 보완하고자 도로체계에 따른 보행자의 실제 보행동선과 주변지형을 반영하여 범위를 설정할 수 있는 네트워크 거리를 이용하여 역사 출입구에서 거주지까지의 거리를 측정하여 분석을 진행하였다. 네트워크 거리를 적용할 경우 실제 보행자가 실제 이동거리 및 시간을 좀 더 정확하게 반영할 수 있는 변수로 판단된다.

이 또한 출입구부터 승강장의 거리를 반영하지 못하는 단점이 있으나 역사 출입구에서 승강장까지의 보행거리를 반영하는 것은 실무적인 기준 도출에 난해함이 존재하고, 특히 2개 노선이 교차하는 역사의 경우는 더욱 복잡해지는 문제가 있어 본 논문에서는 고려하지 않았다.

본 연구에서는 다양한 주거유형이 존재하고 있는 공덕역 일대에서 설문조사를 실시하였다. 공덕역 인근과 남북으로 이어지는 대로변에는 주상복합이 다수 존재하고 있으며, 남쪽과 북쪽에는 아파트 단지가 주를 이루고 있고, 아파트 단지 인근에는 단독·다가구 및 다세대 주택 등 다양한 주거유형이 혼재되어 있다. 따라서 지하철 이용확률에 있어 물리적 주택유형에 따른 영향력이 존재한다면 이를 측정할 수 있는 대상지가 될 수 있다. 또한 신도시지역에서 주로 관측되는 가족형 가구이외의 다양한 지하철 이용자의 특성이 보장되는 지역으로 지하철 이용에 영향을 미치는 다양한 가구특성을 통제할 수 있을 것으로 판단된다.

특히 해당지역은 도심에 근접한 지역으로 공덕역을 중심으로 인근 대흥역, 마포역, 효창공원앞역, 애오개역 등 다수의 지하철역과 노선에 대한 선택이 가능한 지역이다. 따라서 교외지역의 일방향적인 선택이 아닌 다양한 목적지의 선택이 가능한 지역으로 좀 더 목적지와 관련된 폭넓은 선택 기제를 통제할 수 있을 것으로 판단된다.

본 연구는 해당 지역의 거주자 중 출퇴근을 통근통행의 목적으로 하는 사람들을 대상으로 설문조사를 진행하였으며, 설문조사는 2012년 6월부터 2012년 11월까지 진행하였으며, 2013년 2월부터 2013년 4월까지 추가적인 설문조사를 진행하여 조사된 유효한 설문지 총 368부 중 버스를 먼저 이용하여 지하철역에 접근하는 이용자를 제외한 293부의 조사된 설문지를 대상으로 분석을 진행하였다.

설문은 지하철역사가 아닌 주거입지에서 실시되었으며 응답자의 다양한 접근성 요인을 통제할 수 있도록 [그림 2]과 같이 공간적으로 확대된 범위에서 실시하였다. 설문결과로써 대상지의 거주지에서 이용하고 있는 역의 가장 가까운 출입구까지의 네트워크거리 기준의 접근성의 분포는 [그림 3]와 같이 분포하고 있다.

Fig. 2 
Distribution of Survey Respondents.

Fig. 3 
Distribution of Distance between Residence and Subway Station.

본 설문의 가장 큰 특징은 모든 응답자에게 최종적인 선택과 관련된 설명변수 뿐 아니라 대안적인 선택에 대한 설명변수들도 함께 응답을 받았다는 점이다. 따라서 각 응답자별로 지하철이용과 자가용 이용시 발생하는 비용과 편익의 관계를 분석모형에 명확히 도입할 수 있게 된다.

자료 수집은 대인면접조사 방식으로 이루어졌으며, 설문조사의 내용은 [표 1]에 제시된 것처럼 지하철 이용자의 개인특성, 가구특성, 주거특성, 접근특성, 통근특성 등을 반영되도록 구성되었다. 종속변수로는 활용된 실질적인 선택 교통수단과 함께 비교대상이 되는 모든 교통수단(버스, 지하철, 및 자동차)의 선택 시에 소요되는 시간, 관련 비용 변수 및 교통수단 간 연계 여부를 함께 응답하도록 구성되었다. 이 중 일차적으로 지하철과 자가용의 선택이 이루어지는 응답표본만을 분석에 활용하였다. 지하철을 이용하여 이동하는 표본의 경우, 지하철 이용 후 버스로 환승하여 목적지에 도착하는 응답도 포함되어 있다.

개인특성인 연령은 구간으로 응답하도록 하였으며, 성별은 더미변수로 처리하였다. 가구특성인 가족 수, 취업자비율, 가구 월수입, 차량소유대수 등을 조사하였고, 가구 월수입은 구간 값으로 조사하였다. 주거특성은 아파트, 주택, 주상복합 등의 주거유형을 조사하였으며, 수직적인 거리를 알아보기 위해서 거주하는 층수를 구간으로 나누어 조사하였다. 또한 거주지에서의 지하주차장 유무를 조사하였다.

통근통행의 특성에 있어 출발지인 거주지와 도착지인 직장에서의 주차의 어려움 정도에 대하여 조사하였다. 또한 거주지와 직장의 위치는 주소를 이용하여 조사하였으며, 개인 신상을 이유로 주소에 대한 응답을 거부하는 경우 지도상에서 위치를 확인하여 GIS를 통하여 거리를 분석하였다. 또한 러시아워(rushhour)때에 출근하는지 여부를 조사하였으며, 응답자가 러시아워의 의미를 인지한 상태에서 본인이 러시아워 시간대에 출근한다고 생각하는 사람만 러시아워 시간 때의 출근자로 분류하였다.

차량이용 총 출근시간은 차량을 이용하여 거주지에서 직장까지 걸리는 시간을 조사하였으며, 도시철도 이용자의 경우도 도시철도를 이용하지 않고 차량을 이용하였을 때의 경험에 미루어 응답하도록 하였다. 대중교통이용시간과 자가용이용시간의 차는 각각의 변수에 로그를 위하여 그 차를 변수로 사용하였다. 앞에서 언급하였듯 자가용을 이용하는 응답자들에게서도 지하철 이용의 경험에 따른 지하철 이용 시간을 응답하도록 하여 조사하였다. 환승 횟수는 응답자들이 지하철을 이용하거나, 이용을 가정하여 응답한 내용을 토대로 조사하였다.

설문조사를 통하여 조사된 조사지 중 유효하다고 판단되는 설문지 293부의 기초통계는 [표 2]와 같이 나타나며, 지하철을 이용하는 응답자가 54%로 자가용 이용자보다 다소 높은 비율을 차지하고 있다. 성별은 여성이 33%로 , 연령은 30~40세 미만이 113건(34%)으로 조사됐다. 조사자들의 평균 가구원수는 3.46명, 가구 내 취업자 수는 평균 1.85명으로 조사되었다. 가구 월수입의 경우 4구간인 350~450만원의 구간이 47(16%)명으로 가장 높은 빈도를 보였다.

차량소유대수는 평균 1.22대로 나타났고 조사자의 74%가량이 아파트에 거주하고, 지하주차장이 있는 곳에 거주하는 비율이 71%로 나타났다. 거주지에서의 주차가 어렵다고 응답한 경우가 25%, 도착지에서의 주차가 불편하다고 응답한 경우는 39%로 나타났다.

거주지에서 역까지의 거리는 네트워크 거리 기준으로 30m~1,370m(평균 580m)로 나타났으며, 도착역에서 직장까지의 거리는 15m~ 6,390m(평균 571m)로 상당한 편차를 보였다. 시외로 출근하는 사람들의 경우 최종 목적지 인근에 지하철역이 없어 최종적으로 버스를 이용하는 응답자가 존재하고 있다. 이런 응답자들 중 버스정류소가 아니 지하철역을 최종종착역으로 응답한 경우가 포함한 거리가 조사된 결과로 판단되어 해당 변수의 영향력에 대한 추정결과 해석에 한계가 있음을 밝힌다.

응답자의 출근시간대가 러시아워(rush hour)라고 생각하는 응답자는 42%이며, 환승 횟수는 평균 0.82회인 것으로 조사되었다. 또한 대중교통 통행시간이 자가용 통행시간보다 평균적으로 13분 정도 더 소비되는 것으로 나타났다.

기본모형인 (식 1)에 기초하여 추정모형의 강건성을 검토하기 위해 실시된 다수의 분석모형 중 주요 로짓분석결과는 [표 3]에 제시되어 있다. 거리나 시간변수의 경우 통근자의 효용에 미치는 영향력이 한계체감하는 구조를 반영하기 위해 로그화하였다. 거주지에서 지하철역까지의 거리는 앞에서 논의한 세 가지 유형의 접근성변수를 모두 이용하여 분석하였으나 도착역에서도 직장까지의 거리는 편의상 네트워크거리 만을 이용하였다.

모형 1은 모든 변수를 투입한 분석한 결과를 보여준다. 도입변수들 중 성별, 취업자 수, 주거특성과 관련된 변수들은 통계적인 유의성을 달성하지 못하였다. 그러나 주거특성의 경우 도시계획적인 함의가 큰 이슈인 관계로 향후 좀 더 엄밀한 자료를 이용한 추가적인 연구가 필요한 연구주제로 판단된다. 또한 총 출근시간 및 환승횟수도 방향성은 문제가 없으나 통계적인 유의도를 달성하지 못하였다.

본 연구의 목적이 주거지 지하철역 접근성의 영향력을 분석하는 것임으로 통제변수로서의 성격을 지닌 기타변수들 중 통계적인 유의도를 달성한 변수를 위주로 모형 2를 구성하였다. 모형 2의 경우 적지 않은 변수가 제거되어 로그 로그우도비는 274에서 281으로 약간의 설명력에 대한 손실이 발생했다. 모형 2의 추정결과를 바탕으로 각 변수들의 영향력을 살펴보면 연령이 낮을수록, 가구원수가 많을수록, 월수입이 적을수록, 그리고 차량소유대수가 적을수록 지하철의 선택확률이 높아지는 예상과 동일한 추정결과가 도출되었다.

또한 이전 연구(김성희 외 2001; 박한 외 2007)에서 도출된 결과와 유사하게 도착지의 주차가 어려울수록, 그리고 자가용통행시간에 비해 지하철이용시간이 짧을수록 지하철 선택확률이 높아지는 것으로 분석되었다. 그리고 본 연구에서 새롭게 도입된 러시아워에 출근하는 응답자일수록 대중교통의 선택확률이 높은 것으로 분석되었다. 이는 러시아워 시간에 출퇴근이 요구되는 취업자의 경우 자가용 이용 시에 겪어야 하는 교통 혼잡으로 인한 시간적 금전적 비용 증가가 대중교통의 이용확률을 높아지는 현상을 통제하기 위한 것이다.

이와 같이 통계적인 유의도를 보이는 변수 중에서 표준화계수로 판단할 때 가장 큰 영향력을 보이는 변수는 더미변수로 표준화계수의 해석에 한계는 존재하나 도착지의 주차어려움(0.44)으로 나타났다. 다음으로 지하철과 자가용을 이용할 때의 총 통행시간의 차이(0.42)와 차량소유대수(-0.33)가 중요한 요인으로 분석되었다. 이 두 변수는 가장 기본적인 대중교통 선택모형 이용되는 변수로 기존 연구결과와 일치하는 분석결과가 제시되었다(강수철 외 2009; 성현곤 외 2008; Horowitz 1993). 다음으로 가족 수(0.30), 월수입(-0.28) 순으로 나타났다.

본 분석의 주요관심변수로 거주지에서 지하철역입구까지의 네트워크거리는 그 다음 순위의 중요변수로 판단된다. 추정계수인 –0.64를 해석하면 선택확률이 50%p 포인트인 점에서 측정할 때 거리가 100%(두 배로) 증가할 때 선택확률은 16%p 정도 감소하는 것으로 해석할 수 있다.³⁾

모형 2을 기본모형으로 하여 거주지에서 지하철역 승강장 중심까지의 직선거리를 이용한 모형 3와 거주지에서 지하철역 입구까지의 직선거리를 이용한 모형 4를 비교하였다. 추정결과는 두 가지 추가적인 모형 모두 통제변수들의 추정계수값이나 통계적인 유의도에 있어 큰 차이를 보이지 않는 강건성을 유지하고 있다.

세 가지 다른 접근성변수를 도입한 모형의 설명력을 로그우도비로 판단하면 단순한 승강장까지의 직선거리를 이용한 모형 3이 설명력이 가장 높았고, pseudo-R²의 값도 가장 높게 산정되었다. 이러한 결과는 접근성의 측정을 개선하기 위한 네트워크거리의 이용이나 지하철역 입구까지의 거리측정방법이 그리 유효한 선택이 아닐 수도 있다는 점을 보여준다.

구조적 절단효과를 파악하기 위해 (식 2)를 기본 모형 2, 3, 4에 적용하였다. 기초분석으로 각 모형별 지하철역사까지의 거리기준으로 측정한 거리를 100m 단위의 더미변수를 바꾸어가며 추정한 후 거리더미 변수의 통계적 유의도와 로그우도비가 가장 개선되는 구간에서 50m 간격으로 세분화하여 분석하였다. 분석결과 중 각 거리더미 변수의 추정계수값과 통계적인 유의도만을 추출한 결과를 [표 4]에 제시하였다.

거주지에서 지하철역 입구까지의 조사된 네트워크거리를 변수를 추가하여 분석을 진행한 결과, 750m를 경계로 지하철이용확률에 구조적 절단이 발생하는 것으로 나타났다. 또한 거주지에서 지하철역의 승강장 중심까지 직선거리로 측정한 거리를 기준으로 분석을 진행하였을 경우에는 550m가 구조적 절단지점으로, 마지막으로 거주지에서 지하철역 입구까지의 직선거리를 기준으로 측정한 거리를 기준으로 진행한 분석에서는 450m가 대중교통 이용확률이 급격히 감소하는 지점으로 나타났다. 최적화된 모형의 추정결과는 [표 5] Model 5, Model 7, Model 9에 각각 제시되어있다.

거리더미 추정계수를 해석하면 지하철 선택확률을 50%p인 수준에서 평가할 때 지하철역 입구에서부터 네트워크거리가 750m인 지점에서 선택확률을 19.1%p을 감소시키는 것으로 판단된다. 동일한 조건에서 지하철 승강장 중심에서 직선거리의 경우 550m 지점에서 25.0%p, 지하철역 입구에서부터 직선거리의 경우 450m 지점에서 18.9%p 감소시키는 것으로 측정된다.

흥미로운 점은 해당 거리더미를 포함할 때 지하철역까지의 거리변수는 방향성은 유지되나, 계수값도 작아지고, 통계적 유의도가 감소하는 결과가 관측되었다. 이는 보행역세권의 영향력이 선택확률을 연속적으로 변화시키기보다는 일정권역내의 선택확률과 권역외의 영향력으로 차별화되는 구조가 더 강하게 존재할 수 있음을 보여주는 분석결과이다.

이러한 보행권의 영향을 추가적으로 확인하기 위해 거리 연속변수를 제외하고 최적화된 거리더미 변수만을 유지한 모형을 추정하였다. 추정결과는 [표 5] Model 6, Model 8, Model 10에 각각 제시되어 있다. 흥미롭게도 [표 6]에 정리된 것처럼 보행권 거리더미변수만을 포함한 모형의 로그우도가 연속거리변수 만을 도입한 모형에 비해 세 가지 경우 모두 개선되었다.

이를 좀 더 통계적으로 분석하기 위해 각 모형간의 통계적인 설명력의 차이를 검정하는χ2검정(Chow test)을 실시하였다. 기본이 되는 지하철역 거리변수를 제외한 모형과 비교하여 다양한 지하철역 거리변수를 도입한 모든 모형이 유의수준 1% 이상에서 통계적으로 차별화된 설명력을 지니는 것으로 판정되었다.

다음으로 가장 제약이 없는(많은 설명변수를 도입한) 연속거리변수와 거리더미변수를 모두 도입한 모형(4)과 연속거리변수만 도입한 모형(2)간의 을 비교하면 5% 통계적 유의수준에서 두 모형 간의 설명력의 차이가 존재함을 보여준다(역입구까지의 직선거리모형은 10% 유의수준). 반면 거리더미 변수만을 도입한 모형(3)과는 모든 거리측정방법에서 5% 통계적 유의수준에서 비제약모형과 설명력의 차이를 확증할 수 없음을 보여준다.

이러한 통계적 검정결과는 간단하게 해석하면 연속거리변수를 도입한 모형의 경우 거리더미변수를 도입하는 것이 필요하나, 거리더미변수를 도입하는 경우는 추가적으로 연속거리변수를 도입하는 것이 추가적인 설명력 제고에 그리 도입이 되지 않음을 보여준다.