Journal Search Engine

View PDF Download PDF Export Citation Korean Bibliography PMC Previewer
The Journal of The Korea Institute of Intelligent Transport Systems Vol.20 No.1 pp.22-39
DOI : https://doi.org/10.12815/kits.2021.20.1.22

Estimating a Mode Choice Model Considering Shared E-scooter Service

Ji yoon Kim*, Su jae Kim**, Gyeong jae Lee**, Sangho Choo***
*Dept. of Urban Planning, Univ. of Hongik
**Dept. of Urban Design and Planning, Univ. of Hongik
**Corresponding author: Professor of Urban Engineering, Hongik University
Corresponding author : Sangho Choo, shchoo@hongik.ac.kr
29 January 2021 │ 3 February 2021 │ 15 February 2021

Abstract


This study estimated mode choice models for access travel and neighborhood travel from an SP survey in metropolitan areas where shared e-scooter services are offered. Model results show that travel time and travel cost have negative effects on mode utility. It is also revealed that people are more sensitive to travel time in access travel, whereas they are more influenced by travel cost in neighborhood travel. Looking at individual and household attributes, it has a positive effect when under 40 yerars of age, owning bikes, being a public transportation user, while it has been shown a negative effect in less than 3 million won in monthly household income and owning individual cars.



공유 전동킥보드를 고려한 수단선택모형 추정
- 접근통행과 생활권통행을 중심으로 -

김 지 윤*, 김 수 재**, 이 경 재**, 추 상 호***
*주저자 : 홍익대학교 도시계획과 박사과정
**공저자 : 홍익대학교 도시계획과 박사과정
**교신저자 : 홍익대학교 도시공학과 교수

초록


본 연구에서는 공유 전동킥보드가 운영되고 있는 1기·2기 신도시 지역주민을 대상으로 SP조사를 수행하여 광역교통수단의 접근통행과 생활권통행의 공유 전동킥보드를 고려한 수 단선택모형을 추정하였다. 연구결과 두 모형에서 공통적으로 통행시간과 통행비용이 음의 계수를 가지는 것으로 나타났으며 접근통행은 통행시간에, 생활권통행은 통행비용에 보다 민감한 것으로 분석되었다. 개인속성 및 가구속성에 따른 공유 전동킥보드 이용선호도를 살 펴보면 40세 이하, 자전거 소유, 주로 이용하는 수단이 대중교통인 경우 긍정적인 영향을 보 인 반면, 가구 월소득 300만원 미만, 개인 승용차 보유는 이용선호도에 부정적인 영향을 미 치는 것으로 나타났다.



    Ⅰ. 서 론

    개인형 이동수단(Personal Mobility, PM)은 소형전기차, 전기자전거, 전동킥보드와 같은 1인형 이동수단과 전기동력이 결합된 장치로 정의되며 높은 휴대성과 이동 편의성을 장점으로 가지는 친환경 통행수단이다 (Shin et al., 2016). 개인형 이동수단은 이러한 장점을 바탕으로 도시교통의 혼잡문제를 해소하고, 환경문제의 완화에도 도움을 줄 수 있는 도시교통수단으로써 큰 기대를 모아왔으며 최근에는 공유경제의 활성화와 IT시 스템의 발달로 공유PM 서비스가 등장함에 따라 큰 성장세를 보이고 있다.

    기존의 공유 교통수단은 주로 스테이션 기반의 방식으로 운영되어 정해진 장소(station)에서만 대여·반납이 가능한 한계점을 지니고 있는 반면, 도크리스(dockless) 방식은 대여반납 장소의 제약이 없이 자유롭게 이용 할 수 있어 이동 편의성이 크게 증가하는 장점이 있다. 특히, 최근에 등장한 공유 전동킥보드 서비스는 작은 기기 크기와 도크리스 방식이 결합 되어 단거리 통행 및 “first/last-mile” 통행에 적합한 수단으로 기대받고 있 다(Bai and Jiao, 2020;Mathew et al., 2019;Sanders et al., 2020). 북미에서는 2017년 버드(Bird), 라임(Lime)과 같은 업체가 최초로 서비스하여 현재는 전 세계 100개 이상의 도시에서 서비스되고 있으며(Bai and Jiao, 2020;Caspi et al., 2020), 2018년에는 라임의 글로벌 이용건수가 2천6백만 건을 기록하기도 하는 등 급격한 성장세를 보이고 있다(Lime, 2018). 국내에서도 2018년부터 킥고잉, 지빌리티, 고고씽 등 다양한 업체가 등장 하여 수도권 및 도심지역, 캠퍼스 주변을 중심으로 공유 전동킥보드 서비스를 시작하였으며, 어플리케이션 이용자 통계에서는 2020년 MAU(Monthly Active User)가 2019년 대비 6배 상승하였다고 보고되었다(Mobile Index, 2020).

    이러한 공유 전동킥보드의 확산과 이용 활성화에 따라 다양한 연구가 진행되고 있다. 이 중 개인형 이동 수단의 안전문제는 공유 전동킥보드 활성화 이전부터 제기되어온 문제점으로, 일부 연구에서 개인형 이동수 단의 사고 위험도와 부상심각도가 높은 것으로 분석되었다(Badeau et al., 2019;Trivedi et al., 2019;Bloom et al., 2020;Nellamattathil and Amber, 2020;Puzio et al., 2020). 또한, 자유로운 위치에 반납이 가능한 도크리스 시스템의 특징으로 인한 무분별한 주차가 도시보행환경 저해를 유발한다는 지적도 나오고 있다(Fang et al., 2018;James et al., 2019).

    교통계획 분야에서는 신규 교통수단의 등장이 도시 내 교통에 있어 얼마나 많은 기여를 할 것인지에 주목 하고 있으며, 시민들의 공유 전동킥보드 이용패턴 분석(Mathew et al., 2019;Mckenzie, 2019;Young et al., 2019;Orr et al., 2020;Zou et al., 2020)과 도시 내 환경과 공유 전동킥보드 이용량과의 상관관계(Bai and Jiao., 2020;Caspi et al., 2020), 공유 전동킥보드 이용선호도에 영향을 미치는 요인 등을 연구한 사례가 있다(Choi and Jung 2020;Reck et al., 2020). 이러한 연구들은 공유 전동킥보드의 이용행태 분석과 함께 이용수요를 파 악하고자 하는 목적을 가지고 있으며, 나아가 공유 전동킥보드의 활성화를 위한 제도적 지원 방향에 대한 시 사점을 제시하고 있다.

    기존 연구들은 공유 전동킥보드의 특성과 이용지역의 사회경제적 지표 및 토지이용특성을 중심으로 이용 영향 요인을 고려하고 있는데, 도시교통수단의 선호도와 이용수요는 개별 수단의 특성뿐만 아니라 다른 경 쟁수단과의 비교우위 특성에 영향을 받고 있음에도 이를 고려한 연구는 미비한 실정이다.

    따라서 본 연구에서는 이러한 공유 전동킥보드의 교통수단으로써의 역할과 시민들의 이용선호도를 파악 하고자 수단선택모형을 추정하였다. 이를 위해 1기·2기 신도시 도심지역 중 공유 전동킥보드 서비스가 운영 되는 지역의 시민을 대상으로 온라인 설문조사를 통해 공유 전동킥보드를 고려한 교통수단 선호도를 조사하 였으며, 조사자료를 토대로 승용차, 대중교통, 공유 전동킥보드 등 다양한 교통수단을 고려한 접근통행과 생 활권통행에 대한 수단선택모형을 추정하였다.

    Ⅱ. 선행연구검토

    1. 공유 전동킥보드 관련 연구 유형

    공유PM은 개인형 이동수단의 유형과 같이 공유자전거와 공유 전동킥보드를 모두 포함하는 개념이지만, 본 연구에서는 후발주자이며, 큰 성장세를 보이는 공유 전동킥보드(shared e-scooter)를 중심으로 선행연구를 검토하였다.

    최근 공유 전동킥보드 서비스의 활성화로 인하여 관련 연구가 다수 발표되고 있으며, 크게 통행행태분석 분야(Degele et al., 2018;Mathew et al., 2019;Bai and Jiao, 2020;Caspi et al., 2020;Choi and Jung, 2020;Reck et al., 2020;Zou et al., 2020), 안전 및 사고심각도 분야(Myung and Song, 2016;Badeau et al., 2019;James et al. 2019;Mayhew and Bergin, 2019;Sikka et al., 2019;Bloom et al., 2020; Nellamattahil and Amber, 2020; Puzio et al., 2020;Yang et al., 2020), 공유PM관련 제도(Shin et al., 2016;Copeland, 2020;Moran et al., 2020) 등이 주 를 이루고 있다.

    이중 근래 발표된 통행행태 관련 논문들은 실제 공유 전동킥보드 이용기록 데이터를 기반으로 한 연구가 다수를 차지하며, 각 지역·도시에서의 이용패턴에 대한 연구결과를 제시하고 있다. 더불어 일부 연구에서는 공유 전동킥보드 통행발생 영향요인에 관련된 연구(Bai and Jiao, 2020;Caspi et al., 2020) 및 공유 전동킥보드 선호도와 관련된 연구(Choi and Jung, 2020;Reck et al., 2020)결과를 제시하고 있으며, 주요 변수로는 토지이 용 현황, 교통시설 현황, 사회경제지표 등을 활용하고 있다.

    GPS 기록을 활용한 연구는 북미를 중심으로 진행된 사례가 많은데, 이는 많은 도시에서 공유 전동킥보드 의 도입 시 파일럿 프로그램을 통해 서비스업체를 제한하여 공유 전동킥보드가 도시 내 환경에 미치는 영향 을 적정수준에서 통제하는 동시에 서비스업체와의 협업으로 이용 데이터를 분석하고, 이후 영업허가의 조건 으로 익명화된 이용기록을 공공데이터로 공개하여 연구자료로써 이용될 수 있게 하기 때문이다(Fang et al., 2018;Lee et al., 2019;Young et al., 2019;Mathew et al., 2019;Bai and Jiao., 2020;Caspi et al., 2020;Orr et al., 2020). 이외에도 유럽에서는 지방정부 및 연구기관이 공유 전동킥보드 서비스업체와 협약하여 연구를 진행 하고 있는 사례도 있으며(Reck et al., 2020), 국내에서도 기업과 대학 및 연구기관의 협력연구가 일부 진행되 고 있다.

    2. 공유 전동킥보드 이용 영향요인 연구

    Bai and Jiao(2020)는 텍사스 오스틴과 미네소타 미네아폴리스의 공유 전동킥보드 이용기록을 분석하여 통 행패턴과 이용이 집중되는 지역을 연구하였다. 본 연구에서는 음이항 회귀모형을 활용하여 공유 전동킥보드 이용량 예측모형을 추정하였으며, 대여·반납지역의 청년층 인구비율, 교육수준, 소득수준(미네아폴리스 한정) 이 이용량과 양의 상관관계를 가지고 있음을 규명하였다. 또한 토지이용에 있어 주거, 업무, 상업, 산업 등 다양한 토지이용 지표와 함께 토지이용복합도가 공유 전동킥보드 이용량과 양의 상관관계를 가지는 점을 제 시하였으며, 대중교통 접근성 역시 양의 상관관계를 가져 대중교통 이용과 공유PM의 연계성을 시사하였다. 반면, 도심지로부터의 거리는 음의 상관관계를 가지는 결과를 제시하였다.

    Caspi et al.(2020) 역시 텍사스 오스틴 지역의 공유 전동킥보드를 연구하였으며 6개월간의 대여반납 기록 을 활용하여 일일 및 오전 첨두시 이용량을 예측하는 공간회귀모형을 추정하였다. 이 연구에서는 통행발생 에 있어 주거지역 비율, 상업지역 비율, 산업지역 비율 등 다양한 토지이용형태와 고용밀도, 자전거도로 설 치 여부, 버스정류장 유무 등이 공유 전동킥보드 이용량과 양의 상관관계를 가지는 것을 규명하였다. 반면 도심지로부터의 거리는 음의 상관관계를 가지는 결과를 제시하였으며, 지역 소득수준의 경우 공유 전동킥보 드 이용량과 상관관계가 없는 것으로 나타났다.

    국내에서는 설문조사를 통해 공유 전동킥보드에 대한 이용자들의 선호도와 그 영향요인을 분석하였다. Choi and Jung(2020)은 부산지역 거주민을 대상으로 설문조사를 수행하였으며, 도시철도 연계교통수단으로써 공유 전동킥보드 이용의향 영향요인을 연구하였다. 순서형 로지스틱 회귀모형을 추정하였으며, 응답자의 연 령과 소득, 공유 전동킥보드의 통행비용은 이용의향과 음의 상관관계를, 반면 통행거리, 통행시간, 응답자 거 주지역의 인구밀도, 대중교통 접근성 등은 양의 상관관계를 가지는 것으로 분석하였다.

    Reck et al.(2020)의 연구에서는 스위스 취리히의 각기 다른 4개 공유PM 사업자(2개의 공유자전거 업체와 2개의 공유 전동킥보드 업체)로부터 수집된 자료를 분석하여 공유 전동킥보드의 선호도에 영향을 미치는 요 인을 연구하였다. 이 연구에서는 대여·반납지점의 특성과 이용된 기기의 특성에 따라 공유자전거 대신 공유 전동킥보드의 선택에 영향을 미치는 요인을 규명하였으며, 이용시간대 야간(21시~05시), 차량밀도, 공유PM 기기의 배터리 수준은 긍정적 영향을, 이용시간대 아침(06시~09시), 고도, 공유PM까지의 접근거리는 부정적 영향을 미치고 있음을 규명하였다.

    3. 공유 전동킥보드 통행패턴 관련 연구

    공유 전동킥보드 통행패턴 관련 연구 중 다수는 이용자의 GPS 기록을 활용한 연구로서 실제 통행기록을 분석한 장점이 있으며, 공유 전동킥보드 이용의 시간대별 패턴, 지역적 패턴, 통행특성 등의 분석결과가 제 시되고 있다.

    <Fig. 1>

    Scatter plot of average travel time and distance of shared e-scooters

    KITS-20-1-22_F1.gif

    먼저 이용시간대의 패턴은 여러 지역에서 유사하게 나타나는데, 볼티모어(Young et al., 2019), 오스틴(Caspi et al., 2020;Bai and Jiao, 2020), 워싱턴(Zou et al., 2020), 취리히(Reck et al., 2020)에서는 오전 출근시간과 점 심시간, 퇴근시간에서 첨두를 보이며, 오후 시간대의 이용량이 전반적으로 오전보다 훨씬 큰 것으로 나타났 다. 이는 공유 전동킥보드가 통근통행의 수단뿐만 아니라 다른 목적의 통행수단으로서도 많이 활용되고 있 음을 보여준다. 반면 인디애나폴리스(Mathew et al., 2019)와 포틀랜드(Orr et al., 2020)에서는 오전 출근 첨두 는 매우 미약하며, 오후 시간대의 통행이 크게 증가하는 패턴을, 미네아폴리스(Bai and Jaio, 2020)에서는 저 녁시간에 통행량이 집중되는 상반된 패턴을 보였다.

    많은 지역에서 비교적 유사한 이용시간대를 보여준 것과 달리 통행거리 및 통행시간에 있어서는 지역별 로 약간의 편차를 보이고 있었다. 먼저 통행거리를 살펴보면 공유 전동킥보드를 이용한 평균 통행거리는 700m에서 최대 2.5km 수준까지 분포하고 있는 것으로 나타났으며, 동일 도시에서도 분석 시점과 데이터클리 닝의 기준에 따라 서로 상이한 값을 보이기도 했다. 평균 통행시간의 경우 최소 5분에서 최대 19분까지 분포 하고 있는 것으로 나타나며, 이를 토대로 통행속도를 산출해보면 대부분은 6.6~8.8km/h의 속도로 이용하며, 맨해튼만 약 12km/h의 속도로 이용한 것으로 나타났다.

    이러한 이용시간대의 패턴과 통행특성은 공유 전동킥보드가 주로 단거리 통행에 이용되며, 통근, 통학, 여 가 등 다양한 목적의 수단으로 활용될 것이라는 인식과 부합되는 결과로 보인다. 선행연구를 통해 살펴본 공 유 전동킥보드의 통행거리 및 이용시간 범위는 본 연구의 공유 전동킥보드 이용 시의 통행속도와 통행거리 범위를 결정하는 데 활용되었다.

    4. 본 연구의 착안점

    공유 전동킥보드의 등장과 함께 이용행태에 관련된 많은 연구가 진행되었으며, 다수의 연구는 GPS 기록 을 활용한 이용패턴의 분석 및 공유 전동킥보드 이용량 예측에 중점을 두고 있다. 또한, 공유 전동킥보드 수 단선호도 및 수단선택 영향요인을 규명한 연구도 존재하였으나, 전동킥보드 단일수단에 대한 선호도 연구이 거나, 유사한 도크리스(dockless) 교통수단 간의 비교분석에 국한되어 있다. 따라서 본 연구에서는 다른 경쟁 수단인 도보, 자전거, 대중교통, 승용차와 공유 전동킥보드를 모두 고려한 수단선택모형을 추정하고 이용선 호도에 영향을 주는 요인을 분석하였다.

    Ⅲ. 설문조사

    1. 조사 설계

    SP(Stated Preference, 잠재선호)조사 기법은 개인 응답자에게 가상의 대안으로 구성된 시나리오를 제시하 여, 여러 대안 중 응답자의 선호 대안을 선택하게 하여 잠재된 선호의식을 조사하는 방법이다. SP조사는 연 구자가 관심 있는 변수로 구성된 가상적인 상황을 응답자에게 제시할 수 있어 현재 존재하지 않는 서비스, 새로운 수송수단 등에 대한 수요를 추정하는데 널리 활용된다(Kim and Cho, 2006).

    본 연구에서는 승용차, 택시, 버스, 지하철, 자전거, 도보, 공유 전동킥보드의 총 7가지 유형의 통행수단을 조합한 가상의 통행시나리오를 응답자에게 제시하고, 그중 가장 선호하는 대안을 선택하도록 하여 SP조사자 료를 구축하였다.

    설문조사 대상은 공유 전동킥보드가 서비스 중인 지역에서 선정하였으며, 1기 신도시인 성남 분당, 고양 일산, 부천 중동, 2기 신도시인 성남 판교, 화성 동탄과 송도국제도시의 주민을 설문대상으로 설정하였다. 설 문조사 기간은 2020년 5월 22일부터 6월 4일까지 총 2주간 온라인으로 진행하였으며, 총 549명의 응답자료 를 수집하였다.

    설문조사 내용은 크게 기초문항(응답자의 개인정보 및 가구정보), 응답자의 현재 통행환경(지하철/광역버 스 정류장 접근시간, 통행횟수 등), 공유 전동킥보드에 대한 인식(서비스 이용경험 및 장래 이용의향 등), 교 통수단 선호도(SP조사)로 구성되었다.

    <Table 1>

    Questions of survey

    KITS-20-1-22_T1.gif

    2. SP조사 설계

    1) 통행 시나리오 전제 및 설문방식

    본 연구에서는 최소 0.5km에서 최대 5km 이내(접근통행의 경우 최대 3km 이내)에서 발생하는 통행에 대한 시 나리오를 설정하고 접근통행과 생활권통행에 대한 상황으로 구분하여 응답자에게 제시하였다. 여기서 접근통행 은 응답자들이 신도시 외부로 이동하기 위해 지하철 및 광역버스 정류장에 접근하는 상황으로 정의하였고, 생활 권통행은 통근, 통학, 여가 등 다양한 목적으로 인근 생활권 내에서 통행하는 상황으로 정의하였다.

    이는 선행연구에서 나타난 공유 전동킥보드의 단거리 위주의 이용패턴과, 국내에서 서비스 되는 공유 전 동킥보드 요금제를 고려할 때 공유 전동킥보드는 단거리 통행과 “first/last-mile”통행과 같은 상황에서 다른 통행수단과 경쟁할 것으로 판단되었기 때문이다. 설문조사 방식은 시나리오의 여러 대안 중 가장 선호하는 통행수단 대안을 선택하는 방법을 활용하였으며, 응답자들은 접근통행 4문항, 생활권통행 4문항에 대해 답하 도록 하였다.

    2) 통행수단 대안 및 속성변수 설정

    접근통행의 경쟁대안은 총 5개 수단(도보, 자전거, 버스, 공유 전동킥보드, 택시)을, 생활권통행의 경쟁대 안은 총 7개 수단(도보, 승용차, 자전거, 버스, 지하철, 공유 전동킥보드, 택시)을 설정하고 각 경쟁대안들은 통행시간(차외시간+차내시간) 및 통행비용의 속성변수를 가지도록 하였다. 접근통행의 경우 접근수단으로 활용되기 어려운 승용차와 지하철은 제외하였다.

    가상통행 시나리오에서 통행수단에 대한 속성은 현실과 부합하게 설정하는 것이 올바른 모형추정을 위해 중 요하다. 따라서 통행비용 변수는 대중교통과 택시의 경우 실제 경기도의 운행요금을 바탕으로 속성 값을 결정하 였고, 개인교통수단은 지불요금(pocket money)을 기준으로 속성값을 결정하였다. 통행시간 변수는 각 통행수단의 이용속도 및 접근시간, 대기시간을 반영하였으며 일반적인 경기도 교통수단 특성을 준용하여 설정하였다.

    <Table 2>

    Attributes of travel modes

    KITS-20-1-22_T2.gif

    3) 속성변수 수준 차이 및 설문항목 설계

    SP조사에서는 각 대안의 속성변수를 2∼3개의 수준으로 차이를 두고 이를 조합한 다양한 설문 항목을 구 성한 후 통계적 실험계획법을 통해 설문문항을 선별하여 수행하는 것이 일반적이다. 본 연구는 실제 활용되 고 있는 통행수단들을 고려하는 동시에 공유 전동킥보드에 대한 응답자들의 선호에 중점을 두고 있어 다른 통행수단 대안은 기본 안으로 고정하고, 공유 전동킥보드와 노선버스만 속성변수 수준을 세분하여 설문항목 을 작성하였다.

    공유 전동킥보드의 속성변수 중 통행시간은 통행속도를 통해 수준을 나누었으며, 기본 안은 선행연구에서 나타난 이용행태에 따라 10km/h로, 수준 안은 전동킥보드 기기사양에서 제공되는 범위인 15km/h로 설정하였 다. 통행비용의 경우 SP조사가 수행된 시점에 국내에서 널리 통용되고 있던 요금제를 참고하여 1,000원/5분 + 100원/분을 기본 안으로 설정하고, 보다 단거리에 유리한 요금제인 300원/잠금해제 + 130원/분을 수준 안 으로 설정하였다.

    <Fig. 2>

    Online survey examples

    KITS-20-1-22_F2.gif

    노선버스의 통행비용 변수는 생활권통행에서는 경기도 기본요금 1,450원이 고정되어있는 반면(5km 이내 통행을 가정하여 거리비례 추가 요금이 없음), 접근통행에서는 환승이 이뤄지므로 기본요금을 0원으로 설정 하고, 200원의 거리비례 추가 요금이 발생하는 상황을 수준 차이로 설정하여 설문에 반영하였다.

    본 연구에서 설계한 방법에서는 공유 전동킥보드와 노선버스(접근통행 시)만 수준차를 반영한 한계가 있 지만 응답자에게 제시되는 설문의 통행시나리오는 최소 0.5km에서 최대 5km까지(접근통행의 경우 최대 3km) 500m 급간으로 다양하게 제시되어 통행수단 대안이 가지는 속성변수와 거리에 따른 유불리가 나뉘므 로 수준차를 최소화한 한계를 극복할 수 있을 것으로 기대하였다.

    실제 SP조사 수행 시 파일럿조사와 1차조사를 실시하여 집계된 SP자료로 데이터클리닝을 수행하고 수단 선택모형을 추정하였으며, 추정된 모형의 통행시간 변수 및 통행비용 변수의 파라메터와 통행시간가치(VOT) 가 합리적인 값으로 도출되는 것을 확인한 후 설문구조에 문제점이 없다고 판단하여 본조사를 수행하였다.

    2. 기초통계분석

    1) 응답자 기본 정보

    2주간의 온라인 설문기간 동안 설문에 답한 응답자는 총 549명이었으며, SP조사의 접근통행과 생활권통행 시나리오에서 비논리적인 응답행태를 보인 응답자를 제외하여 총 346명의 자료만을 분석에 활용하였다.

    응답자의 거주지역은 성남 분당이 32.4%로 가장 많았으며, 고양 일산이 22.5%로 뒤를 이었다. 응답자 성 별은 남성 49%, 여성 51%로 유사한 분포를 보였으며, 응답자 연령대는 40대가 36%로 가장 많았고, 30대가 31%, 50대가 22%를 차지하였다. 월평균 가구소득은 300만원부터 800만원 초과까지 대체로 고르게 분포하나, 100만원 이하는 4%, 200만원 이하는 6%로 다소 낮은 비율을 차지하였다. 응답자의 직업군은 관리자/사무직 종사자가 전체의 46%를 차지했으며, 전업주부(17%), 전문가 및 관련종사자(14%) 직군이 그 뒤를 이었다.

    <Table 3>

    Number of respondents by region

    KITS-20-1-22_T3.gif
    <Fig. 3>

    Respondent’s attribute distribution – Age/Income/Occupation

    KITS-20-1-22_F3.gif

    교통수단 소유 및 이용요건에 대한 부분을 보면 전체 응답자 중 73%가 운전면허를 가지고 있었으며, 개인 소유 승용차를 가지고 있는 응답자는 41%에 불과하였다. 반면, 대부분의 가구(92%)에서는 승용차를 보유하 고 있었으며, 자전거는 응답자의 44%가 보유하고 있는 것으로 나타났다.

    <Table 4>

    Respondent’s attribute distribution – Driver License/Ownership of Vehicles

    KITS-20-1-22_T4.gif

    2) 접근통행/생활권통행 현황

    응답자들의 통행현황을 파악하기 위해 현재 지하철역/광역버스 정류장 접근 시 통행수단 및 생활권통행 시의 주 이용수단을 설문하였다. 접근수단의 경우 지하철역은 68%, 버스정류장은 80%가 도보를 이용하는 것으로 나타났으며, 2순위 수단은 노선버스로 나타났다(지하철 27%, 버스정류장 15%). 반면 생활권통행에서 는 도보의 비율이 39%로 크게 감소하였으며, 승용차가 23%로 상대적으로 높은 비율을 차지하고 있는 것으 로 집계되었다.

    접근통행 시 소요되는 통행시간을 조사한 결과, 지하철 접근의 경우 99%의 응답자가, 버스정류장 접근의 경우 92%의 응답자가 15분이내로 응답하였으며, 통행수단별 평균 접근통행시간을 살펴본 결과 도보는 7.4~10.6분, 버스는 12.3~14.6분, 자전거는 7.4~10.6분으로 나타나 수단 간의 편차는 있으나 택시를 제외한 모 든 접근수단의 평균 접근통행시간이 15분 이내인 것으로 나타났다.

    <Fig. 4>

    Distribution of mainly used travel mode

    KITS-20-1-22_F4.gif
    <Table 5>

    Average travel time to access subway station/rapid bus stop

    KITS-20-1-22_T5.gif

    종합적으로 접근통행의 경우 단거리에서는 도보가 가장 선호되며, 거리가 멀어질수록 버스가 이를 대체하고 있으며, 생활권통행의 경우 거리 및 개인의 선호에 따라 다양한 수단이 활용되고 있는 것으로 분석되었다.

    3) 공유 전동킥보드 이용경험 및 이용의향

    본 조사에서는 공유 전동킥보드를 이용한 경험이 있는지, 그리고 향후 공유 전동킥보드를 활용할 의사가 있는지(단순 의향)를 설문하여 기본적인 응답자들의 공유 전동킥보드에 대한 인식과 선호를 분석하였다. 이 미 이용한 경험이 있는 응답자는 총 22명으로 전체의 8% 수준으로 매우 낮았으며, 향후 공유 전동킥보드 이 용의사가 있는 응답자는 107명으로 전체의 31% 수준으로 이용경험에 비해선 높은 비율을 보였다.

    공유 전동킥보드 이용경험 여부와 이용의향을 교차분류하여 살펴본 결과, 이용경험이 있는 응답자 중 50%만이 향후 통행에 이용할 의사가 있다고 밝혔으며, 이용경험이 없는 응답자 중 30%만이 향후 이용할 의 사가 있다고 응답하여 공유 전동킥보드의 기본적인 선호도는 낮은 편으로 해석된다.

    <Table 6>

    Shared e-scooter preference distribution by previous experience

    KITS-20-1-22_T6.gif

    이용 유경험자들(22명)만을 대상으로 한 설문에서는 이용목적과 평균 이용시간 등을 질문하였다. 이용목 적은 출퇴근이 44%, 레저목적이 40%로 대부분을 차지하였고, 1회 이용 시 평균 통행시간은 20분 이내가 전 체의 68%를, 20~30분이 전체의 23%를 차지하여 공유 전동킥보드의 이용패턴은 선행연구의 사례와 같이 오 전·오후 출퇴근 목적 및 여가목적으로 짧게 활용되는 것으로 나타났다.

    <Fig. 5>

    Characteristics of shared e-scooter users

    KITS-20-1-22_F5.gif

    공유 전동킥보드 이용의사가 없는 239명을 대상으로 한 설문에서는 이용의사가 없는 사유(중복응답가능) 를 질문하였으며 1순위는 사고위험성(40%), 2순위는 공유기기에 대한 비선호(보건 등의 사유)(24%)가 높은 응답률을 보여, 일반 이용자들에게 있어 공유 전동킥보드의 물리적 안전성과 보건·위생이 큰 영향요인으로 작용하는 점을 시사하였다. 한편 해당 생활권에 운행하지 않아서는 14%, 비싼 요금제 때문이라는 답변은 12%를 차지하여, 거주지 인근에서의 서비스 여부와 다른 통행수단 대비 높은 요금 역시 공유 전동킥보드 선 호도를 저해하는 요인인 것으로 나타났다.

    Ⅳ. 수단선택모형 추정

    1. 수단선택모형 설정

    한 개인이 특정 통행수단에 대해 가지는 효용가치를 기반으로 통행수단 선택확률을 추정하는 수단선택모 형 중 로짓모형은 계산의 용이성과 직관적 구조를 장점으로 널리 활용되고 있다. 로짓모형에서 활용되는 개 인이 특정수단 i에 대해 가지는 효용 Ui은 다음과 같이 표현된다.

    U i = V i + i
    (1)

    여기서, Vi는 관측변수에 의해 설명되는 효용가치이며, i는 관측변수로 설명할 수 없는 오차항으로, 오 차항 i가 Weibull 분포를 따른다고 가정하면 수단 i에 대한 선택확률 Pi는 다음과 같이 나타낼 수 있다.

    P i = exp ( U i ) k = 1 n exp ( U k )
    (2)

    여기서 Pi는 통행수단 i의 수단선택확률, Ui는 개인이 특정 교통수단 i에 대해 가지는 효용가치이며, n 은 모형에서 고려하는 대안의 수이다. 즉, 수단선택모형에서 수단분담률은 각 대안이 가지는 효용가치의 비 교를 통해 산정되므로, 각 대안이 가지는 속성을 기반으로 효용함수식을 구성하고 추정한다.

    본 연구에서는 독립변수로 통행대안수단의 통행시간 및 통행비용의 두 가지 변수와 응답자의 개인특성 지표를 활용하여 아래와 같은 추정식을 구성하였다.

    V i = A S C i + β 1 C i + β 2 T i + + β n X n i
    (3)

    여기서 ASCi는 통행수단 i의 대안관련상수이며, β1Ci는 통행비용변수의 계수와 통행수단 i의 통행 비용, Tiβ2는 통행수단 i의 통행시간과 통행시간변수의 계수를 의미한다. βn, Xni는 개인·가구특성지표 와 그 계수를 의미한다. 모형은 R 4.0.2 버전과 mlogit 패키지 1.1 버전을 활용하여 추정하였으며, 총 549명의 응답자 중 시간과 요금에 상관없이 비논리적 선택을 한 응답자를 제외하고 346명의 유효 응답자료(총 응답 1,384건)를 최종적으로 활용하였다. 이들 응답자 중 접근통행 및 생활권통행 수단으로 공유 전동킥보드를 선 택한 경우는 각각 8.9%, 7.2%인 것으로 나타났다.

    또한, 통행수단 대안들 중 자전거와 공유 전동킥보드, 지하철과 버스의 경우 서로 유사한 특성을 지닌 대 안으로 볼 수 있으며, 이러한 경우엔 각 대안들이 서로 오차항(error term)을 공유할 수 있어 네스티드 로짓모 형(nested logit model)을 검토해야 한다. 본 모형에서도 자전거와 공유 전동킥보드를 하나의 네스트로 구성한 모형과, 버스와 지하철을 하나의 네스트로 구성한(생활권 한정) 모형을 추정하였으나, 네스티드 로짓모형 의 적정성을 나타내는 IV(inclusive value) 파라미터값이 1이상으로 나타나 네스티드 로짓모형은 통계적으 로 유의하지 않는 것으로 분석되었다. 따라서 본 연구에서는 최종 수단선택모형으로 다항로짓모형을 추 정하였다.

    <Table 7>

    Number of selected mode in SP survey

    KITS-20-1-22_T7.gif

    2. 수단선택모형 추정결과

    수단선택모형에서 고려한 변수는 각 통행수단 대안들의 통행시간, 통행비용 변수와 함께, 이용자들의 개 인특성, 가구특성을 고려하였으며, 최종적으로 남성(male), 40대 미만(age_40_under), 자전거 보유(own_bike), 개인 자동차 보유(own_car), 운전면허 보유(license), 월평균 가구소득 300만원 미만(income_300_under), 기존 접근통행 시 도보 이용자(ex_walk), 기존 생활권통행 시 대중교통 이용자(ex_transit)가 모형에 포함되었다.

    추정 결과 접근통행 모형의 ρ2는 0.374, 생활권통행 모형은 0.352로 나타나 적정한 수준의 설명력을 갖추 고 있으며, 두 모형 모두 통행시간 변수와 통행비용 변수가 음의 값으로 추정되어 합리적인 모형이 추정된 것으로 판단되었다. 여기서 통행시간 계수는 접근통행에서 계수 값이 더욱 크고, 통행비용 계수는 생활권통 행에서 보다 큰 것으로 나타났으며, 이러한 추정결과는 응답자들이 접근통행 시에 통행시간을 더욱 중요시 함을 시사한다.

    통행시간 가치는 통행시간과 통행비용 변수의 추정된 계수의 비율로 계산될 수 있으며, 접근통행의 시간 가치는 12,366원/시, 생활권통행은 5,886원/시의 가치를 가지는 것으로 나타났다. 이는 중장거리 통행으로 연 계되는 접근통행 시에는 비싸더라도 보다 빠른 통행수단이 더욱 선호되는 것을 의미하며, 접근통행 시버스 통행비용은 환승할인이 적용되므로 응답자들이 부담 없이 버스를 선택하기 때문인 것으로 판단된다.

    대안특정상수(ASC; alternative specific constant)는 각 통행수단에 대한 기본적인 선호도로 해석할 수 있으 며, 추정된 모형을 살펴보면 통계적으로 유의한 대부분의 대안관련상수가 음의 계수를 가지고 있어 통행시 간, 통행비용 및 개인·가구특성이 모두 동일한 경우 일반적으로 도보가 가장 선호되는 수단인 것으로 해석할 수 있다.

    접근통행에서 공유 전동킥보드의 대안특정상수는 -1.274로 대중교통인 버스 및 도보에 비해 낮은 선호를 보이는 것으로 나타났으며, 버스의 경우 대안특정상수 값이 0.750으로 도보보다도 선호도가 높은 결과를 보 였다. 이는 접근통행에서는 환승할인이 가능한 특성 상 버스의 통행시간, 통행비용에서 많은 이점을 보이기 때문인 것으로 해석된다. 반면, 생활권통행에서 공유 전동킥보드의 대안관련상수는 -1.723으로 승용차, 자전 거에 비해선 선호되지만, 도보, 대중교통보다는 선호도가 낮은 것으로 나타났다.

    <Table 8>

    Estimation results of access travel mode choice model

    KITS-20-1-22_T8.gif
    <Table 9>

    Neighborhood travel mode choice model estimation result

    KITS-20-1-22_T9.gif

    응답자들의 개인속성 중 성별과 연령에 따른 영향을 살펴보면, 남성이 생활권통행 시 도보보다는 자전거, 택시를 선호하는 것으로 나타났으나, 접근통행과 생활권통행 모두 공유 전동킥보드에 대해선 성별에 따른 선호도의 차이는 없는 것으로 분석되었다. 반면 연령대에 따른 공유 전동킥보드에 대한 선호도는 긍정적이 었으며, 40대 미만의 연령층은 다른 연령층에 비해 공유 전동킥보드와 대중교통을 도보보다 선호하고, 승용 차는 비선호하는 것으로 나타났다.

    응답자의 통행수단 여건에 대해서는 자전거를 소유한 응답자의 경우 자전거와 공유 전동킥보드에 대한 선호도가 높은 것으로 나타났으며, 본인 소유의 승용차가 있는 경우 생활권통행 시 승용차 이용에 대한 선호 도는 굉장히 높지만, 공유 전동킥보드와 버스, 택시에 대한 선호도는 낮은 것으로 분석되었다. 이는 비교적 전동킥보드와 유사한 형태의 통행수단인 자전거를 이용하는 사람이 공유 전동킥보드에 대한 선호도가 비교 적 높은 것을 시사하며, 반대로 승용차 이용자는 굳이 불편함을 감수해야 하는 통행수단을 비선호하는 행태 를 반영하고 있는 것으로 분석된다. 또한 응답자가 운전면허를 보유했을 경우 공유 전동킥보드에 대한 선호 도는 접근통행에서는 영향이 없었으나, 생활권통행에서는 양의 방향으로 유의한 것으로 나타났다.

    가구 속성에 따른 이용선호도의 영향을 살펴보면, 가구의 월평균 소득이 300만원 미만인 경우 공유 전동 킥보드에 대한 선호도가 낮은 것으로 분석되었다. 특히, 생활권통행에선 승용차를 제외한 수단 중 가장 낮은 파라메터를 보여 통행비용이 상대적으로 비싼 공유 전동킥보드는 가구소득에 따라 선호도에 영향을 받고 있 음을 보였다.

    기존 주 통행수단에 따른 선호도 차이를 보면, 접근통행 시 도보만 이용하던 응답자들은 다른 모든 접근 수단에 대해 기본적으로 비선호가 있는 것으로 나타났지만, 생활권통행에서 대중교통을 주로 이용하던 응답 자들은 공유 전동킥보드에 대해 도보보다 선호도가 높은 결과가 나타났다. 이는 공유 전동킥보드로 수단전 환이 발생하는 경우 주로 대중교통 이용자층에서 넘어올 가능성이 높음을 시사한다.

    Ⅴ. 결 론

    공유 전동킥보드 서비스는 전기동력을 활용하여 친환경적 교통수단으로 각광받고 있으며, 도크리스 (dockless) 방식의 운영을 통해 이용자 편의성을 높일 것으로 기대되는 교통수단이다. 본 연구는 신도시 지역 중 공유 전동킥보드 서비스가 운영중인 곳을 대상으로 설문조사를 수행하여 공유 전동킥보드를 고려한 수단 선택 모형을 추정하였다.

    공유 전동킥보드를 고려한 통행환경은 광역교통수단으로의 접근통행과 5km 이내의 생활권통행을 가정하 였으며, 각 통행대안들의 통행시간과 통행비용을 반영한 시나리오를 구성하였다. 총 549명의 응답자를 모집 하였으며, 시나리오별 응답내용을 검토하여 이상치를 제거한 결과, 346명의 응답자료를 분석에 활용하였다.

    수단선택모형은 접근통행과 생활권통행에 대해 각각 추정하였으며, 각 모형에서 통행시간과 통행비용 변 수는 모두 음의 계수를 가지는 것으로 나타나 합리적인 모형이 추정되었다. 두 모형의 계수를 비교한 결과 접근통행은 통행시간에, 생활권통행은 통행비용에 보다 민감한 것으로 나타났다. 응답자의 개인속성 및 가구 속성에 대해서는 40대 이하 연령층에서 공유 전동킥보드에 대한 선호도가 높았으며, 자전거를 소유하고 있 는 응답자의 선호도는 높은 반면, 승용차를 소유한 경우 선호도가 낮아지는 것으로 나타났다(생활권통행 한 정). 가구의 월평균 소득도 공유 전동킥보드 선호도와 연관관계가 있었으며, 300만원 미만 소득그룹인 경우 공유 전동킥보드에 대한 선호도가 낮은 것으로 드러났다. 또한 기존에 도보로 접근통행을 하던 응답자의 경 우 다른 모든 통행수단 대안에 대한 선호도가 도보에 비해 낮았으나, 생활권통행에서 대중교통을 주로 이용 하던 응답자들은 공유 전동킥보드에 대해 선호도가 높은 것으로 나타나, 대중교통 이용자 층에서 공유 전동 킥보드로 전환될 가능성이 높은 것으로 분석되었다.

    이러한 연구결과를 종합하여 보면, 공유 전동킥보드의 주 이용층은 30대 이하의 기존 대중교통·자전거 이 용자가 될 것으로 분석되며, 도보권과 유사한 수준의 거리에서 대중교통과 경쟁가능한 요금제 도입이 이용 증진에 도움이 될 것임을 알 수 있다.

    한편, 본 연구의 설문조사에서 “공유 전동킥보드 이용 의사가 없는 이유”에 대한 응답 1순위는 안전성에 대한 우려로 나타나, 공유 전동킥보드의 이용활성화를 위해선 적절한 주행권의 확보와 함께 이용자의 안전 성을 보장하는 것이 중요한 것으로 분석되었다. 다른 연구사례에서도 자전거도로 인프라가 공유 전동킥보드 의 이용활성화에 긍정적 영향을 준다는 점을 제시하고 있어(Caspi et al., 2020;Choi and Jung, 2020), 전동킥 보드 주행이 가능한 자전거도로 및 전동킥보드 전용도로의 설치를 통한 주행공간 제공의 필요성이 강조된 다. 이러한 전용도로의 설치는 보행자 및 차량과의 상충을 줄이고, 안전성과 주행속도를 확보할 수 있어 공 유 전동킥보드 이용증진에 기여할 것으로 보인다.

    또한, 본 연구의 결과에서 대중교통 주 이용자들의 공유 전동킥보드 이용 의향이 타 응답자보다 높은 것 으로 분석되어, 지하철역 및 주요 버스정류장을 거점으로 한 충전형 전동킥보드 거치대의 설치, PM존의 지 정 등 대중교통과의 연계한 인프라 배치가 이용 활성화에 중요한 요인이 될 것으로 보인다. 이외에도 대중교 통이용과 연계된 환승할인혜택을 주는 제도적 방안도 시행된다면, 인프라와 융합하여 더욱 큰 효과를 발휘 할 것으로 기대된다.

    본 연구는 공유 전동킥보드 및 다양한 통행수단 대안을 고려한 수단선택모형을 추정하여 이용선호도에 영향을 미치는 요인을 탐색한 것에 의의가 있다. 다만, 다른 공유 전동킥보드 관련 연구들에서 제시한 이용 지역의 지리적환경, 교통환경 등 지역변수와 공유 전동킥보드 이용시의 기상상황 등은 SP조사의 특성상 반 영하지 못하였다. 따라서 향후 연구에서는 이용실적자료 기반의 다양한 요인을 고려한 수단선택모형의 추정 이 필요할 것이다.

    ACKNOWLEDGEMENTS

    본 연구는 2020년도 정부(과학기술정보통신부)의 재원으로 한국연구재단 이공분야기초연구사업(NRF -2020R1A2C2014561)과 한국토지주택공사의 지원(“3기 신도시 대중교통 활성화를 위한 스마트모빌리티(개인 형이동수단) 도입·특화계획수립 연구용역”)을 받아 수행되었습니다.

    본 논문은 대한토목학회 2020 컨벤션(2020.10.23.)에서 발표된 내용을 수정·보완하여 작성된 것입니다.

    Figure

    KITS-20-1-22_F1.gif

    Scatter plot of average travel time and distance of shared e-scooters

    KITS-20-1-22_F2.gif

    Online survey examples

    KITS-20-1-22_F3.gif

    Respondent’s attribute distribution – Age/Income/Occupation

    KITS-20-1-22_F4.gif

    Distribution of mainly used travel mode

    KITS-20-1-22_F5.gif

    Characteristics of shared e-scooter users

    Table

    Questions of survey

    Attributes of travel modes

    Number of respondents by region

    Respondent’s attribute distribution – Driver License/Ownership of Vehicles

    Average travel time to access subway station/rapid bus stop

    Shared e-scooter preference distribution by previous experience

    Number of selected mode in SP survey

    Estimation results of access travel mode choice model

    Neighborhood travel mode choice model estimation result

    Reference

    1. Badeau A. , Carman C. , Newman M. , Steenblik J. , Carlson M. and Madsen T. (2019), “Emergency department visits for electric scooter-related injuries after introduction of an urban rental program,” American Journal of Emergency Medicine, vol. 37, no. 8, pp.1531-1533.
    2. Bai S. and Jiao J. (2020), “Dockless E-scooter usage patterns and urban built Environments: A comparison study of Austin, TX, and Minneapolis, MN,” Travel Behaviour and Society, vol. 20, pp.264-272.
    3. Bloom M. B. , Noorzad A. , Lin C. , Little M. , Lee E. Y. , Margulies D. R. and Torbati S. S. (2020), “Standing electric scooter injuries: Impact on a community,” The American Journal of Surgery, vol. 221, pp.227-232.
    4. Caspi O. , Smart M. J. and Noland R. B. (2020), “Spatial associations of dockless shared e-scooter usage,” Transportation Research Part D: Transport and Environment, vol. 86, pp.1-15.
    5. Choi M. and Jung H. (2020), “A Study on the Influencing Factor of Intention to Use Personal Mobility Sharing Services,” Journal of Korean Society of Transportation, vol. 38, no. 1, pp.1-13.
    6. Copeland D. (2020), “Electric Scooters: A New Frontier in Transportation and Products Liability (2nd ed.),” Richmond Journal of Law & Technology, vol. 26, no. 1, pp.1-53.
    7. Degele J. , Gorr A. , Haas K. , Kormann D. , Krauss S. , Paulina L. , Tenbih M. , Koppenhoefer C. , Fauser J. and Herweck D. (2018), “Identifying e-scooter sharing customer segments using clustering,” 2018 IEEE International Conference on Engineering, Technology and Innovation, pp.1-8.
    8. Fang K. , Agrawal A. W. , Steele J. , Hunter J. J. and Hooper A. M. (2018), Where Do Riders Park Dockless, Shared Electric Scooters? Findings from San Jose, California, Mineta Transportation Institute Publications, pp.1-6.
    9. James O. , Swiderski J. I. , Hicks J. , Teoman D. and Buehler R. (2019), “Pedestrians and e-scooters: An initial look at e-scooter parking and perceptions by riders and non-riders,” Sustainability (Switzerland), vol. 11, no. 20, pp.1-13.
    10. Kim K. and Cho H. (2006), SP Survey design and analysis methodology, Bosunggak, Korea, pp.13-16.
    11. Lee M. , Chow J. Y. , Yoon G. and He B. Y. (2019), Forecasting e-scooter Forecasting e-scooter competition with direct and access trips by mode and distance in New York City, arXiv 2019 arXiv:1908.08127v1.
    12. Lime (2018), 2018 Year End Report, www.li.me/hubfs/Lime_Year-End%20 Report_2018.pdf, 2021.02.16.
    13. Mathew J. , Liu M. , Li H. , Seeder S. and Bullock D. (2019), “Analysis of E-Scooter Trips and Their Temporal Usage Patterns,” ITE Journal, vol. 89, no. 6, pp.44-49.
    14. Mayhew L. J. and Bergin C. (2019), “Impact of e‐scooter injuries on Emergency Department imaging,” Journal of Medical Imaging and Radiation Oncology, vol. 63, pp.461-466.
    15. McKenzie G. (2019), “Spatiotemporal comparative analysis of scooter-share and bike-share usage patterns in Washington, D.C.,” Journal of Transport Geography, vol. 78, pp.19-28.
    16. Mobile Index (2020), Smart transportation, shared e-scooter service user status, www.mobileindex.com/report/report_view?s=125, 2021.02.16.
    17. Moran M. E. , Laa B. and Emberger G. (2020), “Six scooter operators, six maps: Spatial coverage and regulation of micromobility in Vienna, Austria,” Case Studies on Transport Policy, vol. 8, no. 2, pp.658-671.
    18. Myung M. and Song S. (2016), Research on Safety Measures for New Transportation Use: Focusing on Personal Mobility, Korea Road Traffic Authority Traffic Science Institute, pp.1-142.
    19. Nellamattathil M. and Amber I. (2020), “An evaluation of scooter injury and injury patterns following widespread adoption of E-scooters in a major metropolitan area,” Clinical Imaging, vol. 60, no. 2, pp.200-203.
    20. Orr B. , Macarthur J. and Dill J. (2020), The Portland E-Scooter Experience, TREC Friday Seminar Series, pp.1-54.
    21. Puzio T. J. , Murphy P. B. , Gazzetta J. , Dineen H. A. , Savage S. A. , Streib E. W. and Zarzaur B. L. (2020), “The electric scooter: A surging new mode of transportation that comes with risk to riders,” Traffic Injury Prevention, vol. 2, no. 2, pp.175-178.
    22. Reck D. J. , Guidon, S. , Haitao H. and Axhausen K. W. (2020), “Shared micromobility in Zurich, Switzerland Analysing usage, competition and mode choice,” 20th Swiss 34 Transport Research Conference(STRC), pp.1-18.
    23. Sanders R. L. , Branion-Calles M. and Nelson T. A. (2020), “To scoot or not to scoot: Findings from a recent survey about the benefits and barriers of using E-scooters for riders and non-riders,” Transportation Research Part A: Policy and Practice, vol. 139, pp.217-227.
    24. Shin H. , Lee J. and Kim S. (2016), “Study on the improvement of Laws and Regulations for Personal Mobilities,” The Korea Transport Institute, pp.1-115.
    25. Sikka N. , Vila C. , Stratton M. , Ghassemi M. and Pourmand A. (2019), “Sharing the sidewalk: A case of E-scooter related pedestrian injury,” American Journal of Emergency Medicine, vol. 37, no. 9, pp.1807.e5-1807.e7.
    26. Trivedi B. , Kesterke M. J. , Bhattacharjee R. , Weber W. , Mynar K. and Reddy L. V. (2019), “Craniofacial Injuries Seen With the Introduction of Bicycle-Share Electric Scooters in an Urban Setting,” Journal of Oral and Maxillofacial Surgery, vol. 77, no. 11, pp.2292-2297.
    27. Yang H. , Ma Q. , Wang Z. , Cai Q. , Xie K. and Yang D. (2020), “Safety of micro-mobility: Analysis of E-Scooter crashes by mining news reports,” Accident Analysis and Prevention, vol. 143, 105608.
    28. Young M. , Penny C. and Ngongang T. (2019), Baltimore City Dockless Vehicle Pilot Program Evaluation Report, Department of Transportation, City of Baltimore, Baltimore, Baltimore, MD, pp.1-47.
    29. Zagorskas J. and Burinskiene M. (2020), “Challenges caused by increased use of E-powered personal mobility vehicles in European cities,” Sustainability, vol. 12, no. 1, pp.1-13.
    30. Zou Z. , Younes H. , Erdoğan S. and Wu J. (2020), “Exploratory Analysis of Real-Time E-Scooter Trip Data in Washington, D.C.,” Transportation Research Record: Journal of the Transportation Research Board, pp.1-15.

    저자소개

    Footnote