Ⅰ. 서 론
기존의 교통체계는 대중교통과 개인교통수단으로 이원화 되어 있었으나, 최근 MaaS(Mobility as a Service) 의 개념1)과 함께 택시, 공유교통, 첨단교통 등의 수단을 포함한 다수단 통합 이동 서비스로 진화하고 있다 (Hwang, 2016). 이를 통해 개개인의 이동을 위한 다양한 경로 및 수단조합 제공이 가능할 것으로 예상되며, 이동성 및 접근성을 크게 개선할 수 있을 것으로 기대된다. 또한, 향후 이동시간, 비용, 편의성 등을 종합적 으로 고려한 맞춤형 패키지 상품 개발 등이 가능할 것으로 사료되며, 이에 따라 MaaS를 중심으로 한 이동서 비스의 고도화가 지속될 것으로 예상된다(Hong et al., 2019).
MaaS를 구성하는 수단 중 택시의 경우 이용자의 편의에 맞추어 이동하기 때문에 대중교통을 보완할 수 있는 점에서 유용한 수단이라고 할 수 있다(Aarhaug and Skollerud, 2014). 특히 과거와 달리 카카오택시, 마카 롱택시 등 플랫폼 기반의 택시 서비스로 진화하면서 예약, 결제, 이동경로 정보, 탑승시간등을 제공하여 대 기시간 감소, 이동성 향상 등 이용자 편의성을 증대시키고 있다(Anh and Jeong, 2016).
그러나 여전히 택시 서비스는 수익성에 기반한 민간의 영역이기 때문에 고수요 지역에 공급이 집중되는 현상이 나타난다. 특히, 심야시간의 경우 대중교통이 종료되어 이동할 수 있는 대체수단이 부족하기 때문에 이동수요가 급증하여 수요․공급의 불균형이 심화되므로 이에 대한 해결책을 모색할 필요가 있다. 또한, 주 로 외곽에 위치한 저수요 지역의 이용자들은 차량의 공급이 원활하지 못해 대기시간이 길어지는 등 서비스 취약성 등의 문제에 직면할 것으로 예상된다. 기존 연구2)에서 택시 탑승 시 특정 상황별 승차거부에 대한 경험을 조사한 결과 심야시간(48.7%) 및 목적지가 외지인 경우(32.8%) 승차에 어려움을 느끼거나 승차거부를 당한 것으로 응답하여 이용자의 관점에서 심각한 문제로 인식되고 있다.
이에 따라 택시 서비스의 공급이 취약한 지역을 분석하고 공급을 개선할 수 있는 방안을 모색할 필요가 있다고 판단된다. 이에 본 연구에서는 서울시 택시운행 데이터를 기반으로 공간적 분석 방법인 Hot-Spot 분 석과 OD Matrix를 기반으로 한 중심성 분석을 통해 심야시간 대에 택시 서비스의 공간적 취약성에 대해 연 구하고자 한다.
Ⅱ. 선행연구
본 장에서는 택시 및 유사 서비스(Uber, 디디츄싱 등)의 형평성 및 취약성을 분석한 연구와 기존 교통서비 스의 공간적 취약성을 분석한 연구를 중심으로 고찰하고자 한다.
1. 택시 서비스 취약성 관련 연구
택시 서비스의 취약성과 관련한 연구를 고찰한 결과, 공급 취약성을 개선하기 위한 서비스 정책 분야, 공 간적 취약성, 형평성을 분석한 연구 등이 수행되었다. Jin et al.(2019)의 연구에서는 뉴욕시 우버데이터를 기 반으로 우버가 도시교통에 미치는 영향을 평가하였다. 대중교통이 운영되는 시간의 경우 대중교통과 우버는 수단 경쟁관계였으나, 심야시간 및 대중교통 서비스가 낮은 지역의 경우 대중교통을 보완할 수 있는 수단으 로 작용됨을 도출하였다. Pan et al.(2020)은 뉴욕 택시 및 승차공유 서비스의 통행데이터를 비교 분석하여, 첨두시를 기반으로 승차공유 서비스 도입에 따른 형평성을 추정하고자 하였다. 로렌츠 곡선 및 지니계수를 활용하여 인구 및 고용에 대한 택시서비스의 형평성을 추정하였으며 승차공유 서비스가 도입된 이후 지역별 형평성이 높아짐을 도출하였다. Yang et al(2018)은 중국 시안의 택시 GPS 궤도 데이터를 통해 복합 네트워 크를 구축하고, 클러스터링, 밀도, 연결성 등을 분석하였다. 분석결과 이용량의 공간특성은 대중교통의 주요 구간들과 유사성이 높은 것으로 분석되었으며, 택시 네트워크가 교외와 도심지를 연결하는 중요한 요소임을 도출하였다.
2. 교통 서비스 취약성 관련 연구
국내의 교통서비스에 대한 공간적 취약성은 이동성의 관점(Lee et al., 2017;Ha and Lee, 2016;Han, 2016) 과 접근성의 관점(Jun and Kim, 2012;Yun and Woo, 2015), 인프라의 관점(Kim et al., 2008;Lee et al., 2018;Bin et al., 2013)등으로 구분할 수 있다. 이동성과 관련한 연구로 Lee et al.(2017)는 스마트카드 데이터를 통해 취약 계층별 이동성을 판단하고 대중교통 의존도가 높은 취약계층의 이동성을 평가하였다. 이를 토대로 이 동성이 취약한 지역을 개선 필요도에 따라 유형을 구분하였으며, 분석결과 주로 도시 외곽지역의 개선이 필 요함을 도출하였다. Ha and Lee(2016)의 연구에서는 Google과 T map 길안내 API 기반의 실제 통행특성 데이 터를 활용해 서울시 내 대중교통 서비스 취약지를 파악하고 서비스 개선을 위한 우선순위 지역을 분석하였 다. 통행특성, 사회경제지표 등의 데이터를 복합적으로 분석하여 유형을 구분하였으며, 대중교통 개선이 필 요한 지역으로 강북, 성북, 서대문, 중랑 및 동남 생활권 등이 확인되었다. Han(2016)은 이용자의 이동성과 공급자의 서비스 수준을 평가하여 공간적 취약지역을 도출하였다. 또한 계층적으로 발생할 수 있는 형평성 문제를 검토하고 개선방안을 제시하였으며 연구결과 이용자 측면에서 대중교통은 양호한 수준이나 공급 및 지역적 편차가 큰 것을 확인하였다. 특히 수요․공급의 불균형이 심한 노원, 관악 등의 도시 외곽지역에 공 급 개선이 가장 필요할 것으로 분석되었다.
접근성의 관점에서 Lee et al.(2018)은 교통카드 데이터를 통해 대중교통의 연결성, 직결성, 다양성의 지표 개발 및 각 교통존을 평가하였다. 대중교통의 연결정도가 많을 수록 직결성이 높고 노선수가 많은 것으로 도 출된 반면 도시 외곽지역의 존에서 대중교통의 취약성을 확인하였다. Jun and Kim(2012), Yun and Woo(2015) 는 공간적 접근성 뿐만 아니라 사회계층을 동시에 고려하여 지역적 취약성 및 불평등성을 연구하였다. Jun and Kim(2012)의 경우 대구시의 대중교통 위치 데이터 기반의 권역설정과 사회경제적 특성을 중첩하여 비교 하였으며 분석결과 교외지역의 낮은 접근성 및 사회적 약자(고령, 기초생활 수급 등)의 환경적 불평등성을 확인하였다. Yun and Woo(2015)에서는 Curie의 접근성 산출법과 Gini-style Index로 사회적 약자 불평등지수를 산출하였다. 대중교통 접근성의 경우 버스에 비해 지하철에서 지역적 편차가 컸으며 사회적 취약계층을 중 첩하였을 때 버스대비 지하철에서 불평등정도가 높은 것을 확인하였다.
지역별 인프라의 격차에 따른 형평성을 평가한 연구로 Kim et al.(2008)은 대중교통 수단의 서비스 영역 (buffer)의 중첩을 통해 취약지역을 분석하였으며 주로 외곽지역의 취약성이 높은 것을 확인하였다. 또한 사 회경제적 특성과 함께 고려하여 지역간의 대중교통 인프라의 서비스 편차가 존재함을 도출하였다. Lee et al.(2018)의 연구에서는 ‘수도권 가구통행실태조사’ 자료를 활용하여 공간적 관점에서 소득계층 간의 지역별 교통 인프라의 차이에 따른 형평성을 측정하고 지역 간 격차를 확인하였다. 지역별 통행특성분석, 대중교통 접근성 측정 후 상관성 분석을 수행하였으며 분석결과, 공간적 형평성 수준이 낮을수록 총통행시간이 증가 하는 것을 확인하였다. 또한, 강북, 도봉, 은평, 강서, 관악 등에서 형평성 수준이 낮은 것으로 도출되었다. Bin et al.(2013)은 지역간 형평성 분석을 위해 교통인프라 지표 및 통행행태를 통합적으로 고려하여 경기도 (서울 , 인천 제외)의 형평성을 분석하기 위해 교통인프라 지표, 통행행태를 기반으로 읍면동 단위의 공간적 군집분석을 수행하였다. 분석결과, 서울 인접지역과 외곽지역간의 차이가 뚜렷하게 나타났으며 경기북부 인 프라 수준의 형평성 수준이 낮은 것으로 분석되었다.
3. 선행연구와의 차별성
국외를 중심으로 택시 서비스에 대한 연구를 고찰한 결과, 주로 서비스의 취약성을 개선하는 방안으로 요 금의 유동적 적용방법, 인구 및 고용에 대한 형평성 등의 연구가 수행되었다. 공간적인 형평성의 경우 택시 서비스가 대중교통과 대립관계가 될 수 있으나 심야시간이나 대중교통이 취약한 지역에서는 보완적인 수단 으로 작용함을 알 수 있었다. 또한 택시 서비스의 격차를 해소하기 위한 방안으로 Dynamic Pricing이 제시되 었다. 국내의 공간적 취약성과 관련한 기존 연구들을 살펴보면 스마트카드, 가구통행실태조사, GIS DB(버스, 지하철 위치데이터, 교통주제도 등)등의 빅데이터를 활용하여 이용자 측면에서 대중교통 취약지역을 평가한 연구가 주로 수행되었다. 이 중 서울시를 기반으로 공간적 형평성을 분석한 연구에서 외곽 및 주거중심지역 (강북, 도봉, 은평, 관악 등)의 이동성이 상대적으로 취약함이 도출되었다. 다만, 대중교통을 중심으로 취약지 역에 대한 연구가 진행되어 심야시간대 택시 서비스의 공간적 취약성을 분석한 연구는 미비한 것으로 나타 났다.
이에 본 연구에서는 택시 서비스의 공간적 취약성 개선할 수 있는 방안을 모색하기 위해서 대중교통의 영 향이 다소 낮고 간접승차거부 및 대기시간 증가 등의 문제가 발생할 수 있는 심야시간을 중심으로 택시 서 비스의 공간적 취약성을 분석하고자 한다. 또한 분석결과를 토대로 공급개선 방안을 위한 방향성을 제시한 다는 점에서 기존 연구와 차별성을 갖는다.
Ⅲ. 연구 방법론
본 연구에서는 첫 번째로 택시데이터를 기반으로 승차대비 하차량과 승차대비 공차량에 대해 Hot-spot분 석을 수행하여 심야시간의 택시 승하차 패턴을 파악하고자 한다. 또한, 구단위 및 행정동 단위의 OD Matrix 구축을 통해 연결중심성을 분석하고, 지역별 공급 취약 지역을 도출하고자 한다.
1. 활용데이터
분석을 위한 데이터 셋은 열린 데이터 광장에서 제공하는 택시운행데이터로 2017년 4월 자료를 활용하였 다. 데이터의 형태는 150M 링크를 기반으로 구성되어 있으며, 시간별, 요일별, 날씨별, 도착지별 승차, 하차, 공차에 대한 정보를 포함하고 있다.
운행데이터는 GIS 링크 데이터와 Merge가 가능하며 서울시에서 제공하는 150M 링크정보의 T_link_ID로 table join을 통해 활용하였다. 구별 OD를 구성하기 위해 링크정보에 추가적으로 행정구역 shp을 spatial join 하였다. 데이터 정제는 Python을 활용하였으며 Hot-spot 분석은 Arc-gis, 중심성 분석은 Ucinet6을 활용하였다.
분석을 위해 평일 및 주말로 구분하였으며 주말의 경우 일요일 심야 시간과 토요일 심야 시간의 통행패턴 의 차이가 크게 나타나 평일 - 주말간의 특성의 차이를 희석시키기 때문에 금요일 22시부터 일요일 22시 까 지를 주말로 구분하였다.
2. 분석방법론
1) Hot-spot 분석
시간대별 택시의 운행특성 및 공급취약 예상지역을 파악하기 위해 링크기반의 택시데이터를 공간적으로 표출하고자 한다. 이 때 택시데이터의 링크별 승하차량의 관측치를 단순히 표출하는 경우 공간적인 패턴이 나 특성을 직관적으로 판단하는 것에 한계가 존재한다. 이에 관측치의 집중정도 및 패턴을 직관적으로 판단 할 수 있는 Hot-spot 분석방법론을 활용하고자 한다. Hot-spot 분석은 데이터의 Getis-Ord Gi* 통계량(Ord and Getis, 1995)을 계산하여 공간적 군집 분포를 도출하는 방법으로 식은 다음과 같이 나타낼 수 있다.
여기서 xj는 j에 대한 속성값, wi,j는 i와 j사이의 공간 가중치, n은 총 개체수를 의미한다. 데이터의 통계 결과 중 Z-score값이 양의 값을 나타내며 값이 클수록 양의 클러스터링(Hot-spot)의 강도가 높다고 설명할 수 있으며, 반대로 Z-score 값이 음을 나타내고 값이 클수록 음의 클러스터링(Cold-spot)의 강도가 높다고 할 수 있다.
2) 연결 중심성 분석
연결중심성(Degree Centrality)은 특정노드가 주변의 다른 노드와 얼마나 많이 연결되어 있는지를 나타내는 지표로 사회 네트워크 이론에서는 한 노드에 연결되어 있는 노드의 개수로 정의하고 있다(Freeman, 1979). 본 연구에서는 노드의 연결정도에 따른 중심성의 관점에서 각 지역(노드)의 외향성(Out-degree)과 내향성 (In-degree)을 측정하여 지역 간 택시 이동정도를 확인하고자 한다. 각 시간대별 OD 이동량에 따른 지역별 차 이를 확인하기 위해 표준화된 중심성 값으로 산정하고자 하였으며, 식은 다음과 같이 나타낼 수 있다.
여기서, CD′는 노드 i의 표준화 된 연결 중심성, 는 노드의 연결 중심성, g는 노드의 개수를 의미한다. 네트워크가 방향성을 갖지 않는 경우는 위의 식을 통해 단순히 노드의 연결 관계만을 파악하나, 방향이 있는 경우는 외향중심성(Out-degree centrality)와 내향중심성(In-degree centrality)를 구분하여 판단하게 된다. 이때 외 향중심성은 특정 노드에서 다른 노드로 나가는 연결정도, 내향중심성은 다른 노드에서 특정노드로 들어오는 연결정도라 할 수 있다. 본 연구에서 내향중심성은 외부에서 해당존(구 또는 동)로 들어오는 차량의 숫자를 의미하며 이는 승객이 목적지로 선택하는 횟수가 높은 지역으로 판단할 수 있다. 또한 외향중심성은 해당존 에서 외부로 나가는 차량의 숫자를 의미하기 때문에 운전자의 입장에서 도착존으로써 선호도가 높은 지역이 라고 판단할 수 있다. 이에 외향중심성과 내향중심성을 동시에 고려하여 지역별 차이를 확인하고자 한다.
Ⅳ. 분석 결과
1. Hot-spot 기반 택시서비스 공급취약지역 분석 결과
서울시 택시 서비스의 공급 취약지역을 파악하기 위해 택시 운행데이터를 기반으로 Hot-spot 분석을 수행 하였다. 분석 결과값에 대한 해석은 Hot-spot일수록 하차량 또는 공차량이 승차량에 비해 높아 택시 운영의 관점에서 추가 영업의 가능성이 낮을 것으로 예상되어 운전자의 선호도가 떨어지는 지역이다. 또한 Cold-spot일수록 하차량이나 공차량에 비해 승차량이 높기 때문에 택시 수요가 밀집한 지역이며 운전자의 선 호도가 높을 것으로 예상되는 지역이라고 볼 수 있다.
Gi* Z-score를 기준으로 신뢰수준 95% 이상(P-value < 0.05)에 해당하는 링크에 대한 결과를 표출하였으며, 유의도 기준에 따라 hot-spot과 Cold-spot을 각 2단계씩(신뢰수준 95%이상, 99%이상) 구분하였다. 분석결과 (Fig. 1-a), 승차대비 하차량의 경우 주거지역이 밀집한 양천구, 강서구, 관악구, 동작구, 성북구, 노원구 등에 서 Hot-spot(붉은색)이 주로 분포하는 것으로 나타났으며, Cold-spot(파란색)의 경우 도심, 부도심 및 각 지역 내 중심상권이 분포되어 있는 지역 위주로 분석되었다.
승차대비 공차량의 경우 (Fig. 1-b), 도심, 부도심 등에서 Cold-spot을 나타내어 승차대비 하차량과 유사한 패턴을 보였으나, 주거지역이 밀집한 지역에서는 도시의 외곽지역에 주로 분포하는 것으로 나타났다. 해당 결과와 기존 연구를 미뤄 볼 때 대다수 Hot-spot 지역이 대중교통 서비스 수준이 낮은 지역들과 유사한 패턴 을 보이는 것을 알 수 있다. 두 가지 분석결과를 중첩하여 볼 때 (Fig. 1-c), 향후 공급개선이 필요할 것으로 예상되는 지역은 도시 외곽 및 주거중심지역으로 기존 연구에서 대중교통 서비스 수준이 낮은 이동․접근성 취약지역과 유사한 패턴을 나타내는 것으로 보인다. 또한, 상황별 지불의사금액(Willingess To Pay, WTP)에 대한 기존 연구를 살펴보면 운전자의 입장에서 목적지가 외곽지역일 경우에 가장 높은 금액을 희망하는 것 으로 도출3)되어, 공급자의 선택요인에 지역적 차이가 중요한 요소라고 할 수 있다.
2. 중심성 기반 택시 서비스 공급취약 예상지역 분석 결과
본 절에서는 앞서 확인한 Hot-spot 기반의 택시 공급 취약지역 분석과 더불어 지역 간 택시 이동정도를 확 인하여 택시 공급이 취약할 것으로 판단되는 지역을 도출하고자 구․행정동 별 중심성 분석을 수행하였다.
1) 구기반 중심성 분석
다음으로 서울시 택시 운행데이터를 25개 구를 기준으로 권역을 구분하고 승·하차량의 구코드를 기준으 로 OD Matrix를 구성하였다. 이를 통해 중심성 분석을 수행하고자 출발지(승차량)의 경우 GIS Spatial join을 통해 행정구역을 매칭하여 정리하고 도착지(하차량)의 경우 해당링크에서 출발한 차량이 어느 구로 이동하 는지에 대한 구코드 정보를 통해 정리하였다. 해당 데이터는 서울시 인접지역의 데이터를 포함하고 있으나 출발지의 기준이 서울내로 한정되어 있기 때문에 주변지역의 정보는 제외하였다.
구별 OD Matrix를 기반으로 각 지역의 중심성 분석을 수행하였으며 평일과 주말의 22시 - 04시까지의 내· 외향중심성의 평균을 분석하였다. 분석결과, 내향중심성은 주말과 평일 모두 유사한 패턴을 보였으며 (Fig. 2-a, 3-a) 지역 간의 편차가 외향중심성에 비해 적은 것으로 나타났다. 외향중심성의 경우 (Fig. 2-b, 3-b), 평일 은 강남구, 중구 서초구, 마포구, 영등포구에서 높게 나타났으며 주말의 경우 강남구, 마포구, 서초구에서 높 은 것으로 확인되었다.
또한, 외곽지역에 분포한 지역일수록 내․외향 중심성이 낮았으며 특히 평일 외향중심성 분석에서 외곽지 역의 외향중심성이 낮은 것으로 나타났다. 지역별로 내향중심성이 외향중심성에 비해 높은 지역은 성북구, 강서구, 은평구, 노원구, 양천구 등 서울의 외곽에 위치한 주거 밀집 지역이었으며, 반대로 외향중심성이 내 향중심성에 비해 높은 지역은 강남구, 종로구, 중구, 마포구 등 도심 및 부도심에 해당하는 지역이 다수 나타 났다. 내·외향중심성이 모두 낮은 지역은 금천구로 해당지역은 타 지역에 비해 택시 이용량의 총량이 낮기 때문으로 볼 수 있다. 기존 연구와 비교했을 때 심야시간에 택시 승차의 집중이 여의도, 강남, 종로, 마포 등 에 집중4)되어 있었으며 이와 유사한 패턴을 보인다고 할 수 있다. 또한 대중교통이 종료되기 전인 12시 이 전과 이후를 비교해 보면 권역별로 외향중심성 차이가 크게 나타났으며 새벽시간으로 갈수록 그 차이가 증 가하는 것으로 분석되었다.
중심성을 시간대 별로 분석한 결과, 6시간 평균과 지역별 패턴에 큰 차이는 없었으나 자정을 전후한 시간 에서 지역간 이동성이 높게 나타났으며, 특히 내향중심성의 경우 0시 ~ 2시 사이에 주거지역이 집중된 지역 으로의 이동이 높게 도출되었다. 또한, 평일과 주말을 비교했을 때 평일에 비해 주말이 지역 간 내향․외향 중심성의 차이가 크게 나타났다(Appendix 1).
2) 행정동 기반 중심성 분석결과
앞서 구별 중심성 분석결과를 통해 각 지역(구별) 간의 차이를 확인할 수 있었다. 그러나 구별 데이터의 경우 구 안에서의 차이를 확인하기 어려운 한계가 존재한다. 가령 마포구의 경우 심야시간에 영업 빈도가 높 은 서교동(홍대), 합정동 등과 주거지역이 밀집한 성산동, 용강동 등의 통행 발생 및 도착량은 매우 상이할 것으로 예상된다. 이에 구 기반의 OD Matrix를 각 행정동5)의 링크별 발생량 및 도착량 비율을 토대로 존을 세분화 하였으며, 해당 데이터를 통해 중심성 분석을 재수행 하였다.
행정동 단위의 중심성 분석 또한 구기반 데이터와 마찬가지로 요일별(주말, 평일), 시간대별(22시~04시)로 나누어 살펴보았다. 분석결과 (Fig. 4, 5), 주말과 평일 심야시간의 패턴에 큰 차이는 없었으나, 구 내에서 행 정동 간의 차이를 명확하게 확인할 수 있었다. 서울시 전체적으로 보면 구단위의 결과와 유사하게 도심 및 부도심에서 높은 외향중심성 값을 볼 수 있었으며, 강남구를 제외하고 각 구별로 1~2개 행정동에서 주변부 에 비해 높은 외향중심성을 나타나는 것으로 확인되었다.
<Fig. 4>
Analysis Results of Average Centrality from 22:00 to 04:00 on weekdays (based Neighborhood)
평일을 기준으로 외향중심성이 낮은 행정동은 송파구 위례동, 용산구 이촌2동, 성북구 돈암2동, 금천구 시 흥2동 등으로 나타났으며 내향중심성이 낮은 행정동은 송파구 위례동6), 서초구 내곡동, 금천구 시흥3동 등 으로 분석되었다. 주말의 경우에도 지역별로 수치의 일부 차이는 있으나 전체적인 패턴의 차이는 유사한 것 으로 나타났다.
주말과 평일 평균 내․외향 중심성의 비율을 비교했을 때 (Fig. 6), 내향중심성 대비 외향중심성의 비율이 증가한 지역은 마포구 합정동, 연남동, 용산구 용산2가동, 이태원동, 종로구 창신1, 2동, 등이 었으며, 반대로 감소한 지역은 영등포구 여의도동, 강남구 삼성1동, 중구 소공동, 금천구 가산동 순으로 나타났다. 이를 토대 로 보면 주말에 내향중심성 대비 외향중심성의 비율이 증가한 지역은 주로 주말에 유동인구가 높아지는 상 권이 발달한 지역이었으며, 평일대비 주말에 감소한 지역은 업무중심지역이 대다수를 차지하는 것으로 확인 되었다. 이를 시간별로 살펴보면, 오후 11시 ~ 새벽 2시 사이에 이동이 활발한 것으로 나타났으며, 구별중심 성 분석결과와 마찬가지로 주거지역이 밀집한 지역에서 내향중심성이 높고, 업무 또는 상업이 밀집한 지역 에서 외향중심성이 높은 것으로 분석되었다. 다만, 강남, 홍대 등 심야시간의 상권이 발달한 지역은 내향 및 외향중심성이 모두 높은 것을 확인할 수 있었다(Appendix 2).
종합적으로 구단위와 행정동 단위의 분석을 진행한 결과, 구 안에서 지역간 특성(용도지역, 시설 등)에 따 라 택시이용에 차이가 나타나는 것을 확인할 수 있었으며, 이는 운전자의 관점에서 도착지를 선택할 수 있는 요인으로 작용할 수 있을 것으로 생각된다. 이에 향후 택시 서비스의 취약성을 개선하기 위한 정책 도입 시 참고할 수 있는 지표로 활용할 수 있을 것으로 사료된다. 또한 구단위에 비해 행정동 기반의 차이를 고려할 경우 보다 정확한 수요를 대응할 수 있을 것으로 판단된다.
Ⅴ. 결 론
최근 MaaS의 개념이 도입됨에 따라 이동성과 접근성을 향상시키고자 하는 움직임이 활발하게 이루어지고 있다. MaaS를 구성하는 다양한 수단 중 택시 서비스는 민간기업의 특성을 갖기 때문에 수익성을 최우선으로 하여 운영한다. 이는 저수요 지역의 간접승차거부의 증가로 연결되며 승객의 대기시간 증가 등의 문제를 유 발한다. 이러한 문제는 시간대별 지역별 차이를 가지며 심야시간 및 외곽지역의 경우 공급의 불균형에 대한 문제가 심화될 것으로 예상된다. 이를 해결하기 위해 본 연구에서는 플랫폼 기반의 택시서비스 운영 시 발생 할 수 있는 모빌리티 형평성의 문제를 인지하고 대중교통이 종료되는 심야시간대에 택시 서비스의 지역적 취약성을 분석하였다.
연구의 결과를 요약하면 다음과 같다. 첫 번째로 공간적인 모빌리티 취약성 및 형평성과 관련한 선행연구 를 고찰하였다. 택시 및 유사서비스에 대한 취약성 및 형평성 개선에 대한 연구와 기존 교통서비스의 취약성 에 대한 연구를 주로 고찰하였다. 대다수의 연구에서 외곽 및 주거 중심지역의 취약성을 도출하였으며 심야 시간에 대한 연구는 미비한 것을 확인하였다. 이에 본 연구에서는 서울시 택시데이터를 기반으로 향후 승차 공유 서비스 도입시 공급이 취약할 것으로 예상되는 지역을 분석하였다. 먼저 승차대비 하차량과 승차대비 공차량에 대한 Hot-spot분석을 진행하였으며, 구별․행정동별 OD Matrix를 생성하여 중심성 분석을 추가적으 로 수행하였다. 분석결과 도시의 외곽지역 및 주거 밀집지역에서 승차대비 공차량과 승차대비 하차량이 높 게 도출되었으며, 반대로 도심 및 부도심 등의 지역에서 낮게 도출되었다. 또한 중심성 분석결과에서도 Hot-spot결과와 유사한 패턴을 보이는 것으로 확인되었으며, 시간대별로 살펴볼 때 대중교통이 종료되는 12 시를 기점으로 지역별로 외향중심성의 차이가 크게 나타났다. 이러한 결과값 토대로 살펴보면, 운전자의 관 점에서 내향중심성 대비 외향중심성이 낮은 지역의 경우 다음 영업의 가능성이 낮아 간접승차거부의 문제가 발생할 가능성이 높을 것으로 예상된다. 또한 승객의 입장에서는 공급 저하로 인한 대기시간의 증가가 예상 되며, 이를 해결하기 위한 방안의 모색이 중요할 것으로 판단된다.
본 연구의 한계점 및 시사점은 다음과 같다. 첫 번째로 데이터 활용의 한계이다. 우선 지역별 형평성 분석 을 위해 서울시에서 제공하는 택시데이터를 활용하였다. 그러나 해당 데이터의 경우 각 이동별 OD를 명확 하게 파악하는 것에 한계가 있어 구코드를 기반으로 Matrix를 형성하였으며, 링크별 발생량과 도착량을 기준 으로 행정동 단위의 세분화를 진행하였기 때문에, 정확한 OD를 파악하는 것에 한계가 있다. 또한 승차거부 에 대한 데이터의 부재로 정확한 수요량을 파악하는 것에도 한계가 존재한다. 그러나 본 연구의 결과를 토대 로 수요 공급의 불일치 해소를 위한 수요대응형 택시공급이나 심야 버스노선 확충 시(Ahn, 2015) 기초자료로 활용 할 수 있을 것으로 판단된다. 또한, 여객운수사업법 개정에 따른 플랫폼 택시의 요금 규제 완화 시 지 역적 차등적용을 위한 지표로 활용할 수 있을 것으로 사료된다.
