Ⅰ서 론

카셰어링은 공동차량을 여러 사람이 사용할 수 있는 서비스로서, 기존 렌터카와 달리 이용시간이 상대적으로 짧고(통상 수시간) 생활권내에서 편리 하게 이용할 수 있도록 개발된 서비스이다. 이용자 편리 추구, 차량소유 억제 및 주차난 해소 등을 위 한 방안으로 최근 그 규모를 확대해 가고 있는 추 세에 있다.

이에 카셰어링 서비스 운영전략 고도화에 대한 연구의 필요성이 점차 높아지고 있으며 이를 위해 서는 카셰어링 수요에 대한 상세 정보가 필요하다.

그러나 기존 연구에서는 실적자료 또는 임의가 정 수요만을 이용함으로서 이용가능 차량이 부족하 여 서비스를 이용하지 못한 수요치가 누락된 경우 가 많았다. 이는 새로운 운영전략의 예약성공률, ZVT(Zero Vehicle Time)등 수요증대 관련 지표개선 효과를 측정하기 어렵게 한다.

한편 IT기술이 접목된 카셰어링 서비스는 인터넷 을 통한 무인서비스를 기본으로 하고 있기 때문에, 이용자와의 모든 의사소통 과정 또한 로그자료 형 태로 기록·분석이 가능할 것으로 기대된다.

이에 본 연구에서는 실제 임대아파트 단지 내 카 셰어링 서비스를 제공하고 있는 운영업체의 이용기 록을 토대로 카셰어링 이용자의 서비스 이용특성과 패턴을 규명하되, 웹사이트 접속(조회)기록 등 추가 로 활용 가능한 자료를 이용하여 기존 연구에서 누 락된 상실수요(Spilled Demand)를 포함한 값을 추정 할 수 있는 방안을 제시하고자 한다.

Ⅱ기존 연구 고찰

1카셰어링 수요추정 관련 연구

박준식·문지혜(2013)의 연구에서는 카셰어링 서 비스의 잠재 수요그룹을 운전면허 소지자로 보고 운전면허 보유자 300명을 대상으로 승용차 이용실 태 및 카셰어링 서비스의 이용 의사에 대한 설문을 수행하였다. 설문조사 결과 나타난 통행목적별 카 셰어링 서비스 이용비율을 전수화하여 각 지역별 카셰어링 서비스 통행량의 총량을 추정하였다. [1]

Y. Wakabayashi and E. Hato(2014)의 연구에서는 45명의 이용자에게 GPS로그장치를 지급하고 3개월 간 8,187통행의 RP자료를 수집하여 카셰어링을 포 함한 수단선택 모형(로짓)을 구축하였다. 구축된 수 단선택 모형을 이용하여 기 구축된 O/D자료(5th Person Trip Survey in Tokyo Metropolitan Area)를 대 상으로 수단분담을 시행하여 대상지역 내 카셰어링 수요(O/D)를 산출하였다.

2카셰어링 운영실태 관련 연구

이정범(2012)의 연구에서는 ‘그린카 마케팅 팀’으 로부터 2011년 10월 ~ 2012년 2월까지 5개월간의 회원들의 이용현황을 바탕으로 카셰어링 이용자의 실제 이용패턴을 분석하였다. 분석 결과 3시간 이 내의 초단시간 이용이 35.9%로 가장 많았으며, 이 용시간대는 오후시간대에 고른 분포를 보이는 것으 로 나타났다. 요일별 분포에서는 일반적으로 고른 분포를 보이고 있으나 토요일이 18%로 가장 높게 나타났으며, 이용목적 또한 데이트(30%)와 근교 여 행(28%)가 주목적으로 나타나 카셰어링이 주로 여 가수단으로 이용되는 것으로 판단하였다. [3]

박지영(2013)의 연구에서는 2012년 9월 ~ 2013년 3월의 기간 중 한국전력의 전기차 셰어링 서범 서 비스 운영실적을 바탕으로 운영성과에 대한 분석을 수행하였다. 전체 이용건수의 47%가 3시간 이내의 이용으로 나타났으며 주된 이용시간대는 Station별 로 큰 차이를 보였다. 전 지점의 주말 이용률은 37.2%로 주중에 비해 주말 이용 비율이 높았다. [4]

박준식 외(2015)의 연구에서는 그린카와 쏘카의 이용자를 대상으로 운영실적과 설문조사를 통해 이 용현황을 분석하였다. 카셰어링의 통행목적은 여가/ 여행(40.4%)와 쇼핑(16.0%)이 가장 많은 것으로 나 타났으며 이용자의 통행거리와 통행시간 분포와 택 시와는 사당한 차이가 있어 편도서비스 미 시행 시 경쟁구간이 미미할 것으로 분석하였다. [5]

Leclere, B. (2013)의 연구에서는 캐나다 Communauto 서비스의 이용실적을 바탕으로 분석을 수행 하였다. [6]

3본 연구의 차별성

박준식(2013), Y. Wakabayashi(2014) 등의 연구는 이용자 샘플을 추출하여 설문조사 또는 RP데이터 수집을 수행한 연구로서 결과의 전수화를 통해 사 회경제적 편익 및 카셰어링 수요의 총량을 추정하 고자 하는 데 목적이 있다.

이정범(2012), 박지영(2013), Leclere, B.(2013) 등 의 연구는 실제 운행기록을 바탕으로 이용특성 및 운영성과에 대한 분석을 수행하였다. 이들 연구는 실제 서비스 이용 패턴과 특성을 보다 상세하게 알 수 있는 반면, 실제 운행이 이루어진 기록들만을 대 상으로 함으로서 전체 카셰어링 수요의 총량을 추 정하기는 어렵다는 한계를 지닌다. 차량의 부족 등 으로 서비스를 이용하지 못한 잠재적 수요자들이 누락되기 때문이다.

또한 국내 연구의 경우 국내 카셰어링 도입 초기 데이터 및 시범서비스 결과를 분석한 연구들로써 정착기에 접어든 현재 데이터를 이용한 추가 후속 연구가 필요하다.

이에 본 연구에서는 최근의 실제 운행기록을 바 탕으로 한 상세한 분석을 수행하되 차량의 부족 등 으로 서비스를 이용하지 못한 상실수요(Spilled Demand)를 포함한 분석을 가능케 하고자 하였다.

이를 위해 본 연구에서는 일반적인 운행기록에 더하여, 이용자가 카셰어링 서비스에 접속한 서버 로그 기록을 추가로 분석 대상에 포함하였다. 이를 통해 실제 이용의사를 갖고 서비스에 접속하였으나 공급 부족으로 불가피하게 차량을 이용하지 못한 이용자들을 가늠할 수 있다.

Ⅲ분석 자료의 구축

1분석 자료의 개요

실제 LH에서 운영 중인 카셰어링 서비스 (행복 카)의 2014년 9월 ~ 2014년 12월까지 4개월 간의 이 용자 정보, 조회기록, 예약기록, 실제운행기록을 구 득하여 다음과 같은 데이터베이스를 구축하였다.

조회기록은 회원이 카셰어링 차량을 예약하기 위해 이용가능 차량을 검색한 서버 로그 기록이다. 예약 가능한 차량을 찾기 위해 검색조건을 바꾼 반 복적인 검색이 이루어질 수 있으며, 원하는 장소· 시간대에 예약 가능한 차량이 존재하지 않는 등의 이유로 실제 예약으로 이어지지 않을 수 있다.

예약기록은 회원이 원하는 차량을 예약한 기록 이며, 취소 또는 변경된 예약을 포함한다.

운행기록은 예약이 실제 운행으로 이어진 기록 으로, 취소 또는 변경된 예약은 제외된다.

이용자 정보(3,804건), 조회 기록(49,588건), 예약 기록(23,038건), 실제 운행기록(18,554건)을 데이터 베이스 화 하였으며 이에 대해 이용자 특성, 서비스 이용패턴(운행 특성 및 시계열 특성), Station별 Performance를 다양하게 분석하였다.

2기초 통계량 분석

실제 운행이 이루어진 운행기록을 대상으로 LH 행복카 서비스의 기초적인 이용특성을 알아보기 위 한 분석을 수행하였다.

먼저 대여시간 분포를 살펴보면 전체 대여건수 의 대다수인 58.1%가 3시간 이내에 분포하는 것으 로 나타났다. 이는 차량을 짧은 시간 대여하는 카셰 어링 서비스의 특성이 반영된 것으로 판단된다. 이 는 이정범(2013)의 그린카, 박지영(2013)의 한국전력 전기차 분석 결과와도 유사하다. 단 LH행복카의 경 우 모든 대여Station이 주거지역인 아파트단지에 입 지하고 있어 그린카 등과는 다소 차이가 있다.

시간대에 따른 특성을 살펴보면 평일(월~금)의 경우 오전 8~10시 가장 많은 대여가 발생하고, 18~20시 반납이 이루어지는 시계열 패턴이 일 단위 로 반복 관측되었다. 주말(토~일)의 특성은 다소 다 르게 나타났다. 평일보다 약 2시간 늦은 10~12시 가 장 많은 대여가 발생하고 20~22시에 가장 많은 반 납이 이루어졌다. 또한 평일에 비해 전체적으로 고 르게 퍼진 이용을 보이고 있는 것이 특징이다.

Ⅳ분석 방법론

개별 Station의 수요수준 분석 과정에서 이용실적 자료만을 바탕으로 할 경우 Station의 수요가 배치 된 차량 총량을 넘는 값으로는 나타나지 않는 문제 점이 발생한다. 동일 시간대에 2명 이상의 이용자 가 경합되었을 경우 발생하는 상실수요(Spilled Demand)가 누락되기 때문이다.

특히 본 연구의 분석 대상이 된 LH 행복카 서비 스의 경우 Public Service를 목적으로 각 단지마다 1~2대씩의 차량을 배치하는 방식으로 운영되고 있 어 차량부족으로 인한 이용자 간 경합 발생 확률이 높은 특성을 가지고 있다.

본 연구에서는 인터넷을 통한 무인서비스를 기 본으로 하는 카셰어링 서비스의 특성에 착안하여, 예약작업에 앞서 선행되는 조회·검색기록을 통해 Station별 수요 추정치를 분석하고 실적치 자료와 비교분석을 수행하고자 하였다.

본 연구의 분석 대상이 된 조회기록은 이용실적 (예약·운행기록)과 동일하게 조회한 회원ID(익명 화), 조회일시, 조회장소, 차량대여시각, 반납시각 정보를 포함하고 있으므로 이를 동일한 방식으로 집계하여 수요 추정치를 산출할 수 있다.

단, 회원은 원하는 차량을 찾을 때까지 시간대· 장소 등을 변경하여 반복적인 검색을 수행할 수 있 다. 따라서 이러한 반복적인 조회기록을 1건의 “수 요”로써 살펴보기 위해서는 반복 조회기록에 대한 자료의 필터링 과정이 선행되어야 한다.

이를 위해 본 연구에서는 동일인이, 동일한 날에, 동일한 Station에서, 동일한 대여시작일을 조회한 이 력은 중복조회로 판단하고 가장 먼저 들어온 조회 이력만 남기는 방식으로 자료의 Filtering을 수행하 였다. 이는 이용자가 최초로 조회한 기록이 곧 이용 자가 최초로 의도하였던 내용이며, 이후 변경된 조 건의 검색은 이용자가 자신의 의지를 불가피하게 변경한 것이라는 가정에 따른 것이다.

Ⅴ분석 결과

이용실적과 조회이력을 통한 추정수요 간에 전 반적으로 약 2배 정도의 차이가 나는 것이 확인되 었으며, 특히 이용률(운행률)이 높은 Station 및 시 가내일수록 추정수요도 크게 나타남을 알 수 있다.

또한 실적치 자료와의 비교를 수행하였다. 단, Station마다 배치 차량대수가 다르므로 이를 총 서 비스 가능시간을 이용해 표준화한 값인 운행률(실 제 운행시간÷총 서비스 가능시간) 과 추정수요를 바탕으로 도출한 수요율(총 수요시간÷총 서비스 가 능시간)을 이용하였다.

그 결과 수요율이 증가할수록 운행률은 증가하 지만 일정 수준(35~40%선)에 도달하면 수요가 아무 리 크게 늘어나더라도 운행률이 거의 늘어나지 못 하는 것으로 나타났다.

앞서의 시계열 분석에서 심야시간대 (22~09시) 등에는 거의 수요가 발생하지 않았으며 특정 시간 대에(오전 8~10시) 대여요청이 몰렸던 점 등을 고려 하면, 이는 1일 약 8시간 정도의 운행이 발생하는 운행률 35~40% 선에서 사실상 최대 서비스 가능 용량에 도달하였기 때문으로 판단할 수 있다.

Ⅴ결론

본 연구에서는 기존 연구에서 누락된 상실수요 (Spilled Demand)를 포함한 값을 추정할 수 있는 방 안을 제시하고자 하였다.

이를 위해 인터넷을 통한 무인서비스를 기본으 로 하는 카셰어링 서비스의 특성에 착안하여, 예약 작업에 앞서 선행되는 조회·검색기록에 대한 필터 링 작업을 통해 Station별 수요 추정치를 분석하고 실적치 자료와 비교분석을 수행하였다.

분석 결과 LH 행복카 서비스의 경우 이용실적과 조회이력을 통한 추정수요 간에 전반적으로 약 2배 정도의 큰 차이가 발생하는 것으로 나타났다.

특히 운행률이 일정 수준에 도달하면 더 이상의 수요를 수용하지 못하므로 수요가 크게 아무리 증 가하더라도 수치가 거의 일정한 값에서 정체되는 것을 확인할 수 있었다.

즉 단순히 이용실적만을 바탕으로 개별 Station의 수요를 추정할 경우 특히 용량 상태에 근접한 Station에서 상당한 수요의 과소추정 우려가 있다고 볼 수 있다.

이를 통해 향후 차량증차·재배치운영 등에 대 한 연구를 위해서는 수요 실적자료 외에 상실수요 (Spilled Demand)에 대한 면밀한 검토와 함께 본 연 구의 추정 방법론을 적용하는 연구를 고려할 필요 성이 있음을 확인하였다.

더불어 본 연구에서는 당일(24시간) 내 조회는 모두 동일한 수요로 가정하였지만, 향후 설문조사 (SP Data) 및 로그 데이터(RP Data)에 대한 추가 분 석을 통해 카셰어링 수요의 Spill과 Recapture에 관 한 관계를 밝힌다면 보다 정교한 방법론을 개발할 수 있을 것으로 기대된다.