Ⅰ. 서 론

저출산과 고령화로 인해 지역 인구 구조가 급격히 변화하고 있다. 특히 지방 중소 도시와 농촌 지역에서 는 인구 감소가 심화하면서 교통수요의 양적·질적 구조가 동시에 변동하고 있다. 그러나 기존의 노선 기반 대중교통 체계는 수요가 분산된 지역에서 운영 효율이 낮고, 배차 간격이 길어 교통약자의 접근성을 충분히 보장하지 못하는 한계를 지닌다. 고령 인구와 교통약자를 중심으로 한 이동 수요가 증가함에 따라, 교통 서 비스의 접근성과 유연성을 확보하는 것이 지역 교통정책의 핵심 과제로 부상하고 있다(An and Kwak, 2022). 이러한 여건 속에서 수요응답형 교통(Demand Responsive Transport, DRT)은 변화하는 교통 환경에 대응할 수 있는 지속 가능한 대안으로 주목받고 있다.

DRT의 운영 효율성은 단순히 차량 대수나 운행 횟수에 의해 결정되지 않는다. 이용자의 사회·인구학적 특성, 시간대별 수요 분포, 탑승 인원 구성 등 다양한 요인이 상호작용하며 서비스 성과에 영향을 미친다 (Martí et al., 2023). 특히 고령층의 통행 패턴은 일반 인구와 달라, 통행 목적과 시간대에 따른 수요 변동성이 크게 나타나는 것으로 알려져 있다(Prédhumeau and Manley, 2025;Sen et al., 2022). 따라서 효율적인 DRT 운 영 전략을 수립하기 위해서는 단순한 통행량 예측을 넘어, 이용자의 행태적 다양성과 수요의 시공간적 변동 성을 정밀하게 반영할 수 있는 분석 접근이 필요하다(Franco et al., 2020;Van Engelen et al., 2018).

기존의 DRT 연구는 주로 대도시 지역을 대상으로 수행되어, 운행 알고리즘의 효율성, 비용 절감 효과, 서 비스 영역의 공간적 평가 등에 초점을 맞추어 왔다(Melo et al., 2024). 반면 농촌 및 중소 도시의 고령 인구를 중심으로 한 수요 분석은 여전히 미흡하다. 다수의 선행 연구가 차량 대수, 운행 반경, 배차 간격 등 단일 요 인 중심의 분석 설계를 적용하여 이용자 특성과 운영 요인 간의 상호작용을 충분히 반영하지 못하는 한계를 지닌다. 최근 들어 활동기반모형(activity-based model)을 활용한 교통 시뮬레이션 연구가 확산되고 있으나, 이 를 DRT의 민감도 분석이나 운영 효율성 평가에 적용한 사례는 드물다. 이는 교통 서비스가 단순한 이동 수 단을 넘어 고령층과 교통약자를 위한 사회복지적 기능을 수행해야 하는 농촌 지역에서 특히 중요한 한계로 지적된다(Anburuvel et al., 2022).

이러한 문제의식에 따라, 본 연구는 활동기반모형과 합성인구(synthetic population) 기법을 결합하여 고령 인구를 포함한 다양한 이용 계층의 활동 및 통행 패턴을 정밀하게 재현하고자 한다. 이를 기반으로 수요 수 준, 차량 공급 조합, 이용자의 특성을 주요 변수로 설정하여 다양한 DRT 운영 시나리오를 설계하고 시뮬레 이션 기반의 정량적 분석을 수행한다. 시나리오별로 운영 효율성과 서비스 품질 변화를 비교·분석함으로써 DRT 서비스의 특성과 한계를 체계적으로 규명하고 정책적 시사점을 도출하고자 한다.

Ⅱ. 관련 이론 및 선행연구

1. DRT 개념 및 특성

DRT는 고정된 노선과 시간표에 따라 운행되는 기존의 대중교통과 달리 이용자의 요청에 따라 차량이 경로와 일정을 유연하게 조정하는 교통 서비스 형태이다(Group et al., 2008). DRT는 일반적으로 비정기성(irregularity), 소규모 운행(small-scale operation), 정보통신기술 기반 예약 시스템이라는 특징을 가진다(Jevinger and Svensson, 2025). 이러한 특성으로 인해 DRT는 전통적인 노선형 버스와 택시의 중간 영역에서 서비스 공백을 메우는 대안 적 교통수단으로 인식되고 있다(Wang et al., 2023).

DRT의 운영 형태는 다양하게 분류될 수 있다. 운행 방식 측면에서는 정해진 노선과 정류장에 따라 운행하 는 고정노선(fixed-route)형부터 이용자의 요청에 따라 경로가 실시간으로 결정되는 완전수요응답(fully demandresponsive) 형까지 존재한다. 예약 방식은 사전 예약(pre-booking) 방식과 실시간 배차(real-time dispatching) 방식 으로 구분되며, 차량 유형 또한 소형 승용차, 승합차, 소형 버스 등으로 다양하다(Martí et al., 2022).

해외에서는 영국의 예약제 이동 서비스(Dial-a-Ride), 미국의 보조대중교통(Paratransit), 일본의 커뮤니티버스 (Community Bus)가 대표적 사례로, 주로 저밀도 지역과 교통약자 중심 지역에서 운행되고 있다. 농촌 지역의 경우, 인구밀도 감소와 고령화로 인해 기존 노선형 교통의 운행 효율성이 저하되고, 교통 취약계층의 이동권 보장이 새로운 정책 과제로 부상하고 있다(Finn et al., 2019). 이에 따라 DRT는 사회복지적 기능을 수행하는 공공교통 모델로서, 접근성과 효율성을 동시에 확보할 수 있는 방안으로 주목받고 있다. 최근에는 정보통신기술 기술과 플랫폼이 결합되면서, 독일의 ‘On-Demand' 교통 서비스나 미국의 ‘Via'와 같이 실시간 합승과 배차 알고 리즘을 기반으로 하는 공유형 DRT가 도시 및 광역권에서 활발히 시도되고 있다(Konig and Grippenkoven, 2020). 국내에서도 국토교통부의 ‘농촌형 교통모델 시범사업(2019~)’과 같은 정책을 통해 ‘행복택시'와 같은 농촌형 DRT가 다양한 지자체에서 정착하고 있으며(Korea Research Institute for Human Settlements, 2022), 나아가 세종시 ‘셔클'이나 인천시 ‘I-MOD'처럼 신도시 지역에서 대중교통을 보완하는 도시형 DRT 모델로도 실증이 확대되는 추세이다(Korea Transport Institute, 2024).

2. DRT 운영 효율성 분석 및 주요 영향 요인에 관한 선행연구

DRT 서비스의 성과는 일반적으로 사용자 관점의 서비스 품질(User Experience)과 운영자 관점의 효율성 (Operational Performance)으로 구분되어 평가된다(Liyanage and Dia, 2020). 전자는 평균 대기시간, 서비스 거부 율, 이용자 만족도 등을 포함하며, 후자는 차량 가동률, 재차 인원(occupancy), 총 처리 통행수(throughput) 등 으로 측정된다. 기존 연구들은 DRT의 서비스 품질이 차량 배차 정책, 승하차(Pick-up & Drop-off, PuDo) 방 식, 예약 시스템 등 운영 조건의 변화에 따라 크게 달라진다고 보고했다(Jevinger and Svensson, 2025).

또한 선행연구들은 DRT 성과에 영향을 미치는 주요 요인을 수요 특성(demand characteristics)(Amirgholy and Gonzales, 2016), 차량군 구성(vehicle fleet structure) (Militão and Tirachini, 2021), 운영 정책(operational policy) 등 으로 구분했다(Thao et al., 2023). 수요 특성은 인구밀도, 연령구조, 시간대별 통행 분포 등의 요인을 포함하며, 차량군 구성은 차량의 크기, 대수, 좌석 수, 운행 반경 등을 의미한다. 운영 정책은 합승 여부, 예약·요금 체계, 운행 시간대 등과 관련된다. 이러한 요인들은 개별적으로 뿐 아니라 서로 교호작용을 일으켜 DRT 시스템의 성과에 복합적으로 영향을 미친다(Vansteenwegen et al., 2022). 그러나 다수의 기존 연구가 단일 요인에 초점을 맞추어 분석함으로써 요인 간 상호작용에 대한 정량적 검증은 제한적으로 이루어졌다.

한편, 농촌 지역을 대상으로 한 연구에서는 DRT의 효율성보다는 교통 복지와 접근성(accessibility) 확보가 주요한 평가 기준으로 설정됐다(Schasché et al., 2022). 고령화가 심화한 지역일수록 대중교통 수요는 감소하 지만, 교통 약자층의 의존도가 높아 서비스의 사회적 필요성이 커지기 때문이다. 이에 따라 농촌형 DRT는 단순한 교통 서비스가 아니라 공공서비스 및 복지 수단으로서의 역할을 수행해야 한다는 연구가 다수 제기 되어 왔다. 그러나 이러한 연구들 역시 단기적 수요나 정적 통행 자료를 기반으로 하고 있어, 고령화와 같은 인구 구조 변화에 따른 장기적 수요 변동성은 충분히 반영하지 못하는 한계를 가진다.

이러한 한계는 농촌형 DRT의 장기적 지속가능성 확보에 중요한 결점으로 작용한다. 특히 고령자 교통 수 요의 특성을 정밀하게 분석하고 미래 변화를 예측하는 것은 핵심 과제이다. Han et al.(2021)의 연구는 고령층 의 통행 패턴이 병원 방문, 사회적 활동 등 특정 목적에 집중되며, 비운전 비율이 높아 대안적 교통수단에 대한 의존도가 매우 높음을 지적한다. 또한, 인구 고령화가 진행됨에 따라 이러한 잠재적 이동 수요가 어떻 게 변화할지를 예측하려는 시뮬레이션 연구들도 최근 시도되고 있다(Prédhumeau and Manley, 2025). 하지만 대부분의 연구가 고령층의 현재 행태를 분석하거나 특정 서비스(예: 자율주행) 도입을 가정하는 데 머물러, 본 연구와 같이 장래 인구 구조의 동적 변화 자체를 반영하여 DRT 운영 시나리오와 연계한 통합적 접근은 여전히 부족한 실정이다. 따라서 본 연구는 이러한 선행연구의 한계를 보완하여 고령화에 따른 장기적 수요 변화를 DRT 운영 전략과 연계하여 분석하고자 한다.

3. 활동기반모형과 심층생성모델을 활용한 교통 수요 분석

기존의 4단계 교통 수요 모형은 통행 발생, 분포, 수단 선택, 배정을 단계적으로 수행하는 거시적 접근을 취했으나 개인의 행태적 특성과 일상 활동의 상호 의존성을 반영하기에는 한계가 있다. 이에 반해 활동기반 모형은 통행을 개인의 활동(activity)과 시간·공간 제약 하에서의 의사결정 결과로 해석함으로써, 개인 단위의 세분화된 통행 패턴을 분석할 수 있는 장점을 가진다(Bastarianto et al., 2023). 활동기반모형은 특히 노년층· 비운전자 등 교통약자의 활동 특성을 모사하는 데 효과적이며, DRT처럼 수요의 시공간적 불균형이 큰 교통 서비스 평가에 적합하다(Van Engelen et al., 2018).

심층생성모델은 딥러닝 기반의 확률적 샘플링 기법으로, 기존의 통계자료(예: 인구총조사, 가구통행실태조 사)를 학습하여 통계적으로 유사한 가상의 인구 집단(합성인구)을 생성할 수 있다. 전통적인 IPF(Iterative Proportional Fitting) 기반 합성인구 생성보다 비선형 변수 관계를 반영할 수 있어, 고령화·소득 수준·가구 구 조 등 복합적인 인구 특성을 정밀하게 재현할 수 있다(Borysov et al., 2019).

최근 연구에서는 활동기반모형과 심층생성모델을 결합하여 인구 구조 변화에 따른 장래 교통 수요를 예 측하고, 미시적 통행 행태를 반영한 시뮬레이션 기반 정책 평가를 수행하려는 시도가 확산되고 있다. 이러한 통합 접근은 기존의 정적 수요 기반 모형이 포착하지 못한 개인 수준의 행태적 다양성과 장래 수요 변동성 을 동시에 고려할 수 있다는 점에서 유의미하다. 국내에서는 아직 이러한 접근이 제한적이지만, 농촌 지역과 같이 인구 구조 변화가 교통 수요에 직접적인 영향을 미치는 지역에서는 활동기반모형-심층생성모델 통합 모형이 DRT 정책 수립의 효과적인 분석 틀로 활용될 가능성이 높다.

4. 연구의 차별성

이상의 선행연구 고찰을 바탕으로 본 연구는 다음과 같은 차별성을 가진다.

첫째, 기존 DRT 연구가 대도시 중심이거나 단일 요인 분석에 머물렀던 것과 달리 본 연구는 농촌 지역의 고령화와 교통약자 중심 수요를 반영하여 DRT 운영 효율성의 주요 요인 간 상호작용을 분석한다.

둘째, 활동기반모형과 심층생성모델을 통합하여 장래 인구 구조 변화를 반영한 개인 기반 합성인구를 생 성함으로써 고령화에 따른 수요 변동성을 정량적으로 모형화한다.

셋째, 이러한 통합 접근을 바탕으로 완전요인설계(full factorial design)를 적용하여 다양한 운영 시나리오 간의 성과 차이를 비교·평가함으로써 정책적 의사결정에 실질적으로 활용 가능한 정량적 근거를 제시한다.

따라서 본 연구는 고령화 지역에서의 DRT 운영 효율성 분석에 활동기반모형–심층생성모델 통합 모형을 적용한 국내 최초의 시도 중 하나로서 농촌형 교통 정책의 실증적 평가와 미래 수요 대응 전략 마련에 기여 할 것으로 기대된다.

Ⅲ. 방법론

본 연구는 지역의 교통환경과 인구특성을 반영하여 DRT 운행 시나리오를 설계하고, 각 시나리오의 운영 효율을 정량적으로 분석한다. <Fig. 1>은 본 연구의 DRT 서비스 분석 절차를 개략적으로 나타낸 것이다.

먼저, 거시적 교통 시뮬레이션을 활용하여 연구 대상 지역의 도로망을 기반으로 기본 교통 네트워크를 구 축하고, 통행 배정의 단위인 교통존(traffic analysis zone)을 정의했다. 이는 공간 단위별 통행 흐름을 파악하고 이후 통행 생성의 기반 자료로 활용된다.

다음으로, 가구통행실태조사와 인구총조사(census) 자료를 활용하여 대표 인구 집단을 구축했다. 이 과정 에서 심층생성모델은 가구통행실태조사(표본)의 개별 특성과 인구총조사(총계)의 지역 인구 구조를 함께 학 습하며 특정 시점의 인구총계(예: 고령자 비율 24.8%, 31.1%, 40.5%)를 조건(condition)으로 입력해 해당 조건 을 반영한 합성인구(synthetic population)를 생성한다. 즉, 심층생성모델은 표본 기반 인구 특성(예: 직업, 자동 차 보유 여부 등)을 유지하면서도 지역 전체 인구 규모와 분포에 맞게 확률적으로 확장된 인구집단을 제공 한다. 이러한 합성인구 생성 방식은 Kwon and Kim(2024)의 확률적 샘플링 기반 심층생성모델 구조를 바탕으 로 구현했다.

생성된 합성인구는 이후 활동일정(activity schedule) 생성 모델의 조건부 입력으로 사용된다. 해당 모델은 가구통행실태조사로부터 활동 목적, 이용 수단, 통행 시작·종료 시각, 활동 지속시간 등 개인 단위 활동 패턴 을 학습하고 합성인구 개인(person)의 인구·가구 속성을 조건으로 활용하여 24시간 활동 스케줄을 생성한다. 이는 Lee et al.(2025)이 제안한 activity-based generation 구조를 기반으로 한다. 즉, 심층생성모델로 ‘누가 존재 하는가’를 모형화한다면, 활동일정 모델은 ‘각 개인이 하루 동안 무엇을, 언제, 어떻게 수행하는가’를 시간적· 행태적으로 재현하는 역할을 한다.

생성된 활동 스케줄은 시간대·목적·수단에 따른 개인 단위 통행(trip)을 유도하며 이를 기반으로 DRT 호출 (Trip Request)이 형성된다. 이후 차량 구성, 대수, 배차 전략 등 다양한 DRT 운영 시나리오를 적용하여 서비 스 성과를 비교·평가한다. 이와 같은 통합 절차는 인구구조 변화가 활동·통행 패턴 변화로 이어지는 과정을 일관되게 반영해 DRT 수요의 시공간적 변동성을 정밀하게 분석하는 데 기여한다.

1. DRT 운영 시나리오 설계

DRT 시나리오 설계는 통행 요청 생성(Trip Request) 단계와 운행 계획 수립(Tour Planning) 단계로 구성된 다. 본 연구는 DRT 운영 성과에 영향을 미치는 주요 요인들의 상호작용을 분석하기 위해 실험계획법 기반의 완전요인설계를 채택했다. 이에 따라 단계별 핵심 변수를 세 가지 수준으로 구분하여 시나리오를 구성했다.

1) 통행 요청 생성 단계

이 단계에서는 활동기반모형 결과로부터 개별 DRT 이용자의 통행 요청을 구체화했다. 주요 변수는 수요 특성(Demand Year)과 이용자 특성(Passenger Characteristics)으로 설정했다. 수요 특성은 기준연도와 장래 연도 의 수요 변화를 반영하며 인구 구조와 도시 활동 변화에 따른 통행 패턴(예: 첨두/비첨두 시간대 분포)의 차 이를 포함했다. 이용자 특성은 ‘통행 그룹 규모(Trip Group Size)’를 의미하며 이는 승객의 동승 규모에 따라 차량 좌석 점유율 및 배차 효율성에 직접적인 영향을 미친다.

2) 운영 계획 수립 단계

이 단계는 공급자 측의 전략적 결정을 반영한다. 주요 변수는 차량군 구성(Vehicle Fleet)으로, 차량의 크기 와 대수를 조합하여 다양한 운영 전략을 설정했다. 예를 들어, 대형 차량을 소수 운영하여 피크 수요 처리에 집중하거나, 소형 차량을 다수 운영하여 신속한 배차를 통한 대기시간 최소화를 목표로 할 수 있다.

모든 시나리오에서 공통 조건을 유지하여 비교의 일관성을 확보했다. PuDo 지점은 지정 정류장형(fixed stop)으로 가정했으며, 차량의 유휴 대기 및 운행 시작/종료 지점인 차고지(holding area)의 위치와 용량은 동 일하게 설정했다. 모든 통행 요청은 사전 예약(pre-booking) 방식으로 접수되며, 합승(ride-sharing)을 허용했다. 요금 체계(fare system)는 본 연구의 범위에서 제외했다.

2. 성과 분석 지표

설계된 각 DRT 운행 시나리오의 성과는 사용자 경험(User Experience)과 운영 성과(Operational Performance)의 두 가지 관점에서 평가한다.

1) 승객 서비스 수준 (사용자 경험)

승객 서비스 수준은 이용자가 체감하는 서비스 품질(Quality of Service)을 나타내며, 차량 공급이 부족하거 나 수요가 과도할수록 저하된다. 주요 평가지표는 다음과 같다:

전체 통행 요청 중 시스템 한계로 인해 처리되지 못한 비율로, 차량 부족이나 최대 대기시간 초과 등이 원인이 된다.

where,

승객이 요청한 출발 시각부터 실제 차량에 탑승하여 출발까지의 평균 소요시간으로, 서비스 만족도를 결정하는 핵심 요인이다.

where,

합승으로 인해 발생하는 추가 이동 부담을 측정하며, 실제 이동시간 대비 최단경로 대비 비율로 산출된다.

where,

2) 운영 효율성 (운영 성과)

운영 효율성은 차량 및 인력 자원이 얼마나 효과적으로 활용되었는지를 평가하는 지표로 구성된다:

차량이 이동한 거리 대비 실제 탑승 규모를 나타내는 지표로, 각 전략에서 발생하는 공차 이동과 운행 거리, 그리고 실제 수요 처리 규모에 의해 값이 결정된다.

where,

전체 운영 시간 중 실제 수익 운행시간(승객이 탑승한 시간)의 비율로, 시스템의 효율성을 반영한다.

where,

Ⅳ. 사례 연구

1. 대상지 선정

본 연구의 사례 지역은 충청남도 홍성군으로 선정했다. 홍성군은 충남도청 이전과 내포신도시 조성의 영 향으로 인구가 2010년 88,078명에서 2016년 99,971명으로 증가한 이후 약 10만 명 수준을 유지하고 있다 (Chungcheongnam-do). 또한, 2010년 이미 전체 인구의 20% 이상이 65세 이상인 초고령사회에 진입했으며, 2021년 기준 노인 인구 비율은 24.8%에 달한다.

교통 여건 측면에서 홍성군은 읍·면 간 거리가 멀고 노선 연장이 길어 배차 간격이 크며, 도심 외곽 지역 의 대중교통 접근성이 낮은 특징을 보인다. 특히 비도심 지역 고령층의 버스 이용률은 일반 인구 대비 약 2 배 이상 높아(Korea Transportation Safety Authority), 교통약자 중심의 이동 수요가 집중되는 반면 서비스 공급 은 제한적이다. 이와 같은 인구 구조와 교통 특성은 고령층 중심의 교통 수요가 높은 반면 기존 노선형 대중 교통으로는 대응이 어려운 환경을 형성하고 있어 DRT의 도입 효과를 검증하기에 적합한 사례 지역으로 판 단된다.

2. 합성인구 및 개인 단위 활동 스케줄 생성

DRT 수요 추정을 위해 활동기반모형을 활용해 개인 단위의 합성인구와 활동 스케줄을 생성했다. 합성인 구란 인구총조사와 같은 총계 데이터와 가구통행실태조사와 같은 표본(sample) 데이터를 통계적으로 결합하 여 실제 인구 및 가구 구조(예: 연령, 가구원 수, 직업 등)를 정밀하게 재현하는 가상의 개인 및 가구를 의미 한다. 가구통행실태조사는 전체 인구의 약 2% 수준의 표본으로 구성되어 있으므로, 지역 전체 인구의 통행· 활동 패턴을 모형 기반으로 분석하기 위해서는 표본 자료의 특성을 유지하면서도 모집단 규모에 상응하는 수의 개인 데이터를 생성하는 과정이 필수적이다. 합성인구는 이러한 목적을 위해, 표본에서 관측된 통행·활 동 특성이 한쪽으로 치우치지 않도록 하면서도 지역 인구 구조(연령, 가구원 수, 직업 등)에 맞게 확률적으로 확장(scale-up)된 대표 모집단을 구성하는 역할을 수행한다.

본 연구에서는 두 가지 자료를 활용하여 합성인구를 구축하였다. 첫째, 개인의 통행 행태 및 활동 패턴의 원형(seed)으로 국가교통DB의 2016년·2021년 가구통행실태조사 원자료를 사용했다. 둘째, 홍성군의 인구 구 조를 반영하기 위해 2021년 인구총조사의 읍·면별·연령별(특히 65세 이상)·성별 인구 분포 및 가구원 수별 가구 분포를 제어 총계(control totals)로 활용했다.

통합된 자료를 바탕으로 인구총조사를 조건으로 하여 조건부 확률 기반 심층생성모델을 적용해 2021년 기준 홍성군의 합성인구를 생성했다. <Fig. 2>는 생성된 합성인구와 원본 가구통행실태조사 데이터의 확률분 포를 비교한 결과이다. 두 분포 간의 차이를 나타내는 Jensen-Shannon distance(JS distance)가 전반적으로 매우 낮은 수준(0.02이하)으로 나타나며 생성된 합성인구가 실제 인구 및 가구 구조를 통계적으로 잘 재현했음을 알 수 있다. 나아가, <Fig. 2>의 변수별 분포는 홍성군의 주요 인구·가구 및 통행 특성을 구체적으로 보여준 다. ‘Age Group' 분포에서 11번(60~64세) 그룹부터 인구 비중이 급격히 증가해 17번(85세 이상) 그룹에 이르 기까지 전반적으로 높은 비중을 유지하는 것은 홍성군의 고령화가 상당히 진행되었음을 명확히 보여준다. 이는 ‘Number of Household' 분포에서 2인 가구의 비율이 가장 높게 나타나는 특성과도 연관되며 노인 부부 등 고령층 중심의 가구 구성이 보편적임을 시사한다. ‘Common Mode'(주수단) 분포에서는 ‘보행'(4)의 비율이 가장 높고 그 다음으로 ‘자가용'(1) 이용 비율이 높았다. 반면 ‘대중교통'(2)의 비율은 현저히 낮게 나타나 이 는 자가용 외의 교통수단, 특히 대중교통 서비스 접근성이 취약한 지역적 특성을 반영하는 결과로 해석할 수 있다. 장래 시점(2028년, 2039년)의 합성인구를 생성하기 위해 홍성군 장래 추계인구(이때의 노인 인구 비율 은 각각 30%, 40.5% (Chungcheongnam-do))를 제어 총계로 적용했다. 이 제어 총계를 바탕으로 조건부 적대적 심층생성모델을 활용해 고령화에 따른 인구 구조적 변화를 반영한 장래 합성인구를 생성했다.

생성된 인구정보를 조건부 입력 데이터로 활용해 각 Agent에 대해 24시간 기반 활동 스케줄을 확률적으로 부여했다. 이 과정에서 개인의 인구통계학적 및 사회경제적 특성을 고려해 현실적인 시간대별 활동 패턴이 반영되도록 설계했다. <Fig. 3>은 심층생성모델을 통해 생성된 세 개의 다른 시점의 활동 스케줄 분포를 보 여준다. 2021년 대비 장래 시점(2028/2039년)의 활동 패턴이 고령화의 영향을 받아 상반된 경향성을 보인다. 즉, 필수 활동(Work, School)의 시작 시간대(Start time) 피크가 낮아지고 8~9시간의 정형화된 지속 시간 (duration) 비중이 함께 감소하는 것으로 확인된다. 이는 경제활동인구 감소로 인한 필수 활동의 상대적 비중 하락을 의미한다. 반면, 쇼핑, 외식, 레저 등을 포함하는 재량 활동(Recreation)의 피크는 높아지고 집중된다. 특히, 1~3시간 내외의 단기 지속시간 비중이 함께 증가하는데 이는 비경제활동인구(고령층)의 주간 재량 활 동이 새로운 주요 패턴을 형성하는 것으로 해석할 수 있다. 즉, 장래인구 구조는 정형화된 필수 활동의 비중 이 줄고 단기 재량 활동 비중이 그 자리를 대체하는 방향으로 변화함을 보여준다. 한편, 2028년과 2039년의 분포가 거의 유사하게 나타나는 것은 학습 데이터(가구통행실태조사)에 40.5%에 달하는 초고령사회 관측치 가 부재하여 2028년의 패턴이 보수적으로 지속 추정된 결과로 해석할 수 있다.

3. DRT 운영 시나리오 구성

DRT 서비스 인프라는 서비스 지역, PuDo 지점, 차고지로 구분하여 구축했다(<Fig. 4>). 서비스 지역은 대 중교통 접근성이 낮은 읍·면 지역을 포함한 홍성군 전역으로 설정했으며, PuDo 지점은 ‘지정 정류장형’ 설계 를 적용했다. 이를 위해 기존 버스 정류장과 주요 주민센터 등 286개소를 PuDo 지점으로 설정했다. 차량의 대기 및 운행 관리 효율화를 위해 마을회관 등 주요 거점 5개소를 차고지로 지정했다.

운영 시간은 통행이 집중되는 06:00~20:00로 설정하고 최대 대기시간은 30분으로 한정했다. 이용할 수 있 는 차량이 없거나 대기시간 조건을 초과할 경우 해당 요청은 무시(Ignored) 처리했다.

홍성군 사례에는 완전요인설계를 적용하여 다음의 세 가지 요인을 각 3수준으로 조합한 총 27개(3×3×3) 시나리오를 구성했다. 각 시나리오는 10개의 랜덤 시드를 적용하여 VISUM을 통해 반복 시뮬레이션을 수행 했다. 본 연구에서는 활동기반모형 기반으로 생성된 전체 통행 중 대중교통 수단분담률의 30%를 DRT 이용 수요로 가정했다.

장래 시나리오에서는 홍성군의 고령자 비중이 2021년 24.8%에서 2028년 31.1%, 2039년 40.5%로 증가하도 록 제어 총계를 구성하였다. 이러한 인구구조 변화는 활동 일정에도 반영되어 장래 시점일수록 단거리·생활 중심 이동의 비중 증가, 출퇴근 중심 패턴의 약화, 이동 시간대의 분산과 같은 특성이 나타난다. 본 사례 연 구의 수요 설정 방식(대중교통 통행 중 30%를 DRT 수요로 반영)에 따라 이러한 변화는 장래 시나리오의 DRT 호출 증가로 연결된다.

실제 시뮬레이션 결과에서도 이러한 흐름이 확인된다. 2028년과 2039년 시나리오 모두 요청량이 점진적으 로 증가하며 기존의 6–9시, 17–19시 피크는 유지되지만 2039년에는 전 시간대에 걸쳐 보다 고른 분포가 나 타난다(<Fig. 5>).

1) 수요 특성 (Demand Year)

2) 이용자 특성 (Passenger Group Size)

3) 차량군 구성 (Vehicle Fleet)

4. 결과 및 논의

1) 요인별 주 효과 분석

주요 요인의 독립적 영향을 분석한 결과, 수요 특성과 차량군 구성이 DRT 시스템의 서비스 품질 및 운영 효율을 결정하는 핵심 요인으로 나타났다(<Table 1>). 반면, 이용자 특성은 통계적으로 유의한 차이를 보이지 않았다.

먼저, 수요 특성의 경우 장래 고령화로 인한 수요 증가가 DRT 서비스의 성과에 직접적인 영향을 미쳤다. 수요가 낮은 2021년 기준 시나리오에서는 서비스 거부율이 2.64%로 양호한 수준을 유지했으나 고령 인구 비 중이 41.5%에 이르는 2039년 시나리오에서는 거부율이 35.05%로 급증했다. 평균 대기시간 또한 527.46초에 서 856.43초로 약 62.37% 증가했으며 평균 우회율 역시 수요 증가에 따라 1.25%에서 1.48%로 소폭 상승해 수요 과부하로 인한 배차 지연 및 경로 비효율성이 주요 원인으로 해석된다.

차량군 구성 요인에서는 사용자 경험 지표와 운영 효율 지표 간의 상충관계(trade-off)가 명확하게 확인됐 다. V3(소형·다수) 전략은 평균 거부율 3.86%로 가장 우수한 서비스 품질을 보였으나 V1(대형·소수) 전략은 상대적으로 높은 평균 재차 인원(1.47명)과 차량 가동률(61.82%)을 기록하여 자원 효율성이 가장 높았다. 다 만 평균 재차인원은 좌석 점유율이 아니라 승객 이동거리를 차량 이동거리로 나눈 값으로 차량 규모보다 공 차 이동과 전체 운행거리의 영향을 크게 받는다. 이에 따라 V1(대형·소수) 전략은 대형 차량을 사용함에도 넓은 지역을 소수 차량이 커버하면서 공차 구간이 증가해 차량 이동거리가 함께 확대되었고 그 결과 차량 용량 차이에 비해 재차인원 격차는 크게 벌어지지 않는 경향을 보였다. 즉, 차량 대수를 줄이면 운영 효율은 향상되지만 서비스 품질은 저하되는 구조적 특성이 확인됐다.

이용자 특성 변수의 경우, 1~3인 통행 그룹 분포(P1~P3)의 편차가 ±1% 내외로 미미하게 나타나 주요 성능 지표에 유의한 영향을 미치지 않았다. 따라서 본 연구에서는 이후의 상호작용 분석 단계에서 해당 요인을 제 외했다.

2) 수요-차량군 관계 분석

<Fig. 6>와 같이 수요 특성과 차량군 구성 간 관계는 전략별 성과 곡선이 평행하지 않게 변화하는 상호작용 적 양상이 관찰된다. 이에 따라 최적의 차량 전략은 수요 수준에 따라 달라질 가능성이 있으며 DRT 시스템 효율을 단일 전략으로 고정하기보다는 수요 환경 변화에 대응하는 동적 운영 전략(dynamic fleet allocation)이 요구됨을 시사한다.

승객 서비스 수준 측면에서는 수요 증가에 따라 모든 차량 전략의 성과가 전반적으로 저하됐다(<Table 2> 참고). 2021년 저수요기에는 세 전략 모두 거부율이 2.61% 이하로 안정적인 서비스를 유지했으나 중수요기 (2028년)에는 V1 전략의 거부율이 19.85%로 급등했고 고수요기(2039년)에는 V1(65.05%)과 V2(32.48%)가 한 계점에 도달했다. 반면 V3 전략은 7.64%의 수준으로 상대적 안정성을 유지했다.

평균 대기시간 또한 유사한 경향을 보였다. V1 전략은 2021년 530.15초에서 2039년 942.66초로 약 78% 증 가했다. 반면, V3 전략은 527.08초에서 793.66초로 상승폭이 비교적 완만해 다수 차량 투입이 배차 지연 완화 에 기여했음을 시사한다.

운영 효율성 측면에서는 수요 증가와 함께 모든 전략의 차량 가동률이 상승했으나 전략 간 격차가 뚜렷하 게 확대됐다. V1 전략은 고수요기에서 78.10%로 가장 높은 효율을 보였으나 이는 과부하 상태에서의 ‘비효 율적 포화 운행’을 반영한 결과로 해석할 수 있다. 반면 V3 전략은 64.45% 수준의 가동률을 유지하면서도 서비스 품질 저하를 최소화해 효율성과 안정성의 균형을 확보했다.

이러한 관찰 결과는 차량 대수가 많을수록 배차 간격 단축과 경로 선택의 다양화가 가능해져 시스템의 회 복탄력성(resilience)과 운영 안정성이 향상될 가능성을 보여준다. 특히 V3 전략은 총 좌석 수가 V2보다 약 33% 적음에도 배차 유연성(flexibility)을 통해 서비스 품질을 유지하는 경향을 보였다.

3) 시사점

본 연구의 분석 결과는 고령층 비중이 높아지는 농촌 지역의 DRT 운영 전략 수립에 다음과 같은 시사점 을 제공한다.

첫째, DRT 운영 전략은 정적(static) 설계가 아닌 수요 변화에 대응하는 동적 체계로 운영되어야 한다. DRT 도입 초기(2021년)에는 수요가 제한적이므로 운영 효율을 우선시한 V1(대형·소수) 전략이 적합하지만 수요가 증가함에 따라 서비스 품질 저하와 이용자 불만이 빠르게 누적될 가능성이 높다.

둘째, DRT 시스템의 안정성은 총 좌석 수(capacity)가 아닌 차량 대수에 기반한 배차 유연성(flexibility)에 의해 결정된다. 특히 고령화가 심화되는 2028~2039년 시점에는 차량 대수가 부족할 경우 서비스 거부율과 대기시간이 급증하여 시스템이 비효율적으로 포화 상태에 진입할 위험이 있다.

셋째, 장기적 대응 전략으로는 V3(소형·다수) 구성 방식이 가장 효과적인 것으로 분석됐다. 동 전략은 차 량 단위당 좌석 수는 적지만 다수의 차량을 신속하게 배치함으로써 이용자 중심의 서비스 품질과 운영 효율 간 균형을 동시에 확보할 수 있다.

결론적으로, 홍성군과 같은 농어촌 지역에서는 DRT 도입 시 단기적 비용 효율성보다는 장기적 지속가능 성을 중심으로 차량 규모 및 운영 전략을 설계할 필요가 있다.

특히 장래 고령화에 따른 수요 증가를 고려할 때, 차량 대수 확충 및 동적 운영체계 구축이 서비스 안정성 확보의 핵심 전략임을 본 연구는 실증적으로 제시한다.

Ⅴ. 결 론

1. 결론

본 연구는 농어촌 지역의 고령화 심화와 대중교통 서비스 격차 문제에 대응하여 DRT의 효율적이고 지속 가능한 운영 전략을 도출하는 것을 목적으로 했다. 이를 위해 심층생성모델 기반의 활동기반모형을 활용하 여 장래 인구 구조 변화를 반영한 개인 단위의 통행 수요를 생성하고 시뮬레이션 기반의 완전요인설계를 적 용하여 수요 특성, 차량군 구성, 이용자 특성이 DRT 시스템 성과에 미치는 영향을 정량적으로 분석했다. 충 청남도 홍성군을 대상으로 수행된 사례 연구 결과는 다음과 같다:

첫째, 장래 고령화에 따른 수요 증가는 DRT 시스템의 성과를 결정하는 가장 지배적인 요인으로 나타났다. 2039년 시나리오에서는 서비스 거부율과 대기시간이 급격히 상승하여 수요 변화에 대응하지 못할 경우 서비 스 품질이 크게 저하될 수 있음을 보여주었다.

둘째, 차량군 구성 전략은 사용자 경험과 운영 효율 간의 명확한 상충관계를 보였다. 대형·소수(V1) 전략 은 높은 가동률로 효율성이 우수했으나 소형·다수(V3) 전략은 낮은 대기시간과 거부율을 통해 서비스 품질 측면에서 우수했다. 반면, 이용자 특성은 통계적으로 유의한 차이를 보이지 않았다.

셋째, 수요 수준과 차량 전략 간 관계 분석 결과 DRT의 최적 차량 구성은 수요 환경에 따라 달라지는 것 으로 나타났다. 저수요기(2021년)에는 V1 전략이 합리적이지만 고수요기(2039년)에는 다수 차량 투입을 통한 배차 유연성이 핵심 요인으로 작용했다. 이는 DRT 시스템의 지속가능성이 총 좌석 수가 아니라 차량 대수와 배차 유연성에 의해 결정됨을 시사한다.

이러한 분석을 통해 본 연구는 고령화 사회의 농어촌 지역에서 DRT 운영 전략이 정적 공급이 아니라 수 요 변화에 대응하는 동적 전략으로 전환될 필요가 있음을 보여줬다. 특히 초기 저수요기에는 비용 효율을 고 려한 V1(대형·소수) 전략이, 장래 고수요기에는 유연성 중심의 V3(소형·다수) 전략이 각각 적합한 대안으로 제시된다.

방법론적으로 활동기반모형과 심층생성모델을 결합하여 장래 인구 구조 변화를 반영한 개인 기반 수요 모델을 구축하고 이를 시뮬레이션 분석과 연계함으로써 기존의 정적 수요 기반 접근의 한계를 보완했다. 따 라서 본 연구의 접근법은 향후 농어촌 지역의 DRT 정책 설계 및 교통 수요 예측 연구에 활용 가능한 정량 적 평가 틀을 제시한다는 점에서 학문적 기여를 가진다.

2. 연구의 한계 및 향후 연구 과제

본 연구는 농촌형 DRT 운영의 성과를 실증적으로 분석하였으나 다음과 같은 한계가 존재하며 이는 향후 연구 과제로 제시된다.

첫째, 본 연구는 서비스 품질(대기시간, 거부율)과 운영 효율성(가동률, 재차 인원)에 초점을 두었으며 운 영 비용(인건비, 유지비 등)을 포함한 경제성 분석(Benefit–Cost Analysis, BCA)은 수행하지 않았다. 향후 연 구에서는 서비스 품질과 재정적 지속가능성을 동시에 고려할 수 있는 비용–편익 기반의 통합적 평가가 필 요하다.

둘째, 본 연구의 수요 모델은 정적 수요를 전제로 하였다. 그러나 실제 DRT 서비스 도입 시에는 서비스 품질 향상에 따른 유도 수요(Induced Demand) 및 모드 전환(Mode Shift)이 발생할 가능성이 높다. 따라서, DRT 서비스 수준 및 요금 변화에 반응하는 탄력적(Elastic) 수요 모형을 도입하여 수요–공급 간 동적 피드 백을 반영할 필요가 있다.

셋째, 시뮬레이션의 일부 운영 파라미터를 고정하였다. 본 연구는 ‘지정 정류장형’과 ‘사전 예약’ 방식을 가정하였으나 실시간 배차(real-time dispatching) 또는 Door-to-Door 서비스 방식을 적용할 경우 운영 효율 및 사용자 경험이 달라질 수 있다. 이러한 다양한 운영 방식과 서비스 정책 변수(요금, 운행 반경 등)를 포함하 여 DRT의 현실적 적용 가능성을 다각도로 검증할 필요가 있다.

넷째, 본 연구는 충청남도 홍성군을 사례 지역으로 한정하여 분석 결과의 일반화에 한계가 있다. 홍성군의 정량적 결과(예: SRR 65%)는 고유한 인구 밀도와 도로망 구조에 의존적이다. 따라서 향후 연구 과제로서 본 연구의 분석 틀을 인구 밀도, 도로망 연결성, 주요 시설물(병원, 관공서) 분포 등 이질적인 특성을 가진 다양 한 농어촌 지역으로 확장 적용할 필요가 있다. 이러한 비교 분석을 통해 지역 유형별 특성이 DRT 성과에 미 치는 영향을 규명하고 각 지역 특성에 최적화된 보편적(generalizable) 운영 전략 가이드라인을 도출하는 연구 가 수행되어야 한다.