Ⅰ. 서 론

1. 개요

최근 도시 교통체계에서 공유자전거는 일상적 통행의 주요 수단으로 빠르게 확산되고 있다. 공유자전거는 정류장까지의 접근 교통을 보완하는 First/Last-mile 역할은 물론, 단거리 통행에서 기존 버스·지하철을 대체 할 수 있는 경쟁력 있는 교통수단으로 자리매김하였다(Han et al., 2022;Kim and Lee, 2020). 이용 편리성, 정 시성, 비용 절감, 도심 내 탄소배출 저감 등의 장점으로 인해 서울, 대전, 세종 등 국내외 여러 도시에서 공유 자전거 서비스를 꾸준히 확대하고 있으며, 대중교통 네트워크의 종합적 접근성을 향상시키는 핵심 요소로 평가되고 있다. 대표적인 서비스로는 서울시 따릉이가 있으며, 2025년 기준 따릉이는 2015년 대비 자전거 대 수가 약 4.5만 대로 22배 증가하고 누적 회원수는 약 5백만 명에 이르는 등 빠른 성장세를 보이고 있다 (Seoul, 2025). 대전광역시 역시 공공 공유자전거 ‘타슈’를 운영 중이며, 회원 수 50만 명을 돌파하고 현재 자 전거 5,500대, 대여소 1,280개소를 운영하고 있다. 또한 2026년까지 7,500대, 1,500개소로 확대할 계획을 밝히 는 등 지속적인 수요 증가와 서비스 확장 추세가 확인되고 있다(DCNC, 2025).

그러나 공유자전거는 외부환경에 전적으로 노출되는 교통수단이라는 구조적 한계를 지닌다(Jin and Jin, 2022;Kim et al., 2012). 차량 내외부 환경을 차단할 수 있는 버스나 지하철과 달리, 공유자전거 이용자는 주 행 전 과정에서 기상 조건의 직·간접적 영향을 받을 수밖에 없다. 이로 인해 공유자전거는 타 교통수단에 비 해 기후 요인에 가장 민감하고 취약한 특성을 보이며, 악천후 시 이용량 감소가 크게 발생하는 것으로 알려 져 있다(Cui et al., 2025).

이러한 기후 취약성은 단순히 공유자전거 이용 감소에 그치지 않고 악천후 시 감소한 수요가 어떤 교통수 단으로 이동하는지와 같은 수단 간 전이의 동적 변화를 야기한다는 점에서 도시 교통체계 차원의 중요한 문 제로 연결된다. 최근 폭염, 한파, 국지성 집중호우, 폭설, 폭풍 등 이상 기후의 발생 빈도와 강도가 증가하는 상황에서 기후 충격에 따른 교통수단 간 상호작용과 전환 패턴을 파악하는 것은 더욱 중요해지고 있다. 폭 염, 한파, 강수, 폭설, 폭풍 등 악기상 조건은 시민의 이동 의사뿐 아니라 통행 경로와 이용 수단까지 좌우하 는 핵심 요인으로 작용하며 교통 운영 정책과 서비스 공급자에게도 실질적 영향을 미친다.

기존 선행연구는 주로 특정 기상 요인이 버스 또는 지하철과 같은 개별 교통수단 이용량에 미치는 ‘정적 (Static) 영향’을 분석하는 데 집중되어 왔다. 예를 들어 강수 시 버스 이용 증가, 한파 시 지하철 이용 증가 등 단일 수단의 이용 패턴 변화는 여러 연구에서 확인되고 있다. 그러나 악천후 발생 시 공유자전거 이용자 가 실제로 어떤 교통수단으로 이동하는지, 즉 기상 충격에 따른 교통수단 간 수요의 동적(Dynamic) 수단 전 이를 체계적으로 분석한 연구는 매우 부족한 실정이다. 공유자전거는 대표적인 기후 민감형 수단임에도 이 용자가 기상 악화 시 어떠한 이동 방향성을 보이는지에 대한 실증 분석은 비교적 미흡한 실정이다.

이에 본 연구는 기상 충격이 공유자전거 이용량 감소를 초래할 때 그 이탈 수요가 버스, 지하철 등 다른 교통수단으로 어떻게 전이되는지를 실증적으로 규명하는 것을 목적으로 한다. 이를 위해 대전광역시의 2023 년 시간대별 교통수단별 이용량 데이터를 활용하고, 통행 목적과 시간적 제약이 상이한 주중-첨두(필수 통 행), 주중-비첨두(선택적 통행), 주말(여가 통행)로 분석 단위를 세분화하였다. 또한 강수, 폭염, 한파의 세 가 지 대표적 기상 요인을 중심으로 ‘수단 대체(Substitution)’와 ‘통행 포기(Cancellation)’의 동적 패턴을 비교·분 석하였다.

Ⅱ. 선행연구고찰

1. 공유자전거 기후 민감성 요인

기존 연구들은 공유자전거 이용이 기상 조건에 대해 높은 민감성을 보인다는 점을 일관되게 보고하고 있 다. 특히 기온과 강수는 공유자전거 이용량 변동을 설명하는 핵심 요인으로 선행연구에서 반복적으로 확인 되어 왔다(Kim et al., 2012;Lee et al., 2016;Lee et al., 2018;Bean et al., 2021). 다수의 실증 연구에 따르면 기온과 공유자전거 이용 간에는 비선형적 관계가 존재하며 일정 수준의 온도 범위에서 이용이 최대화된 이 후 고온 또는 저온 조건에서는 이용이 감소하는 종형(inverted U-shape) 패턴이 관찰된다(Kim et al., 2012;Bean et al., 2021). 이러한 행태는 단일 도시 분석뿐 아니라 다수 도시를 비교한 선행연구에서도 확인되었으 나 최적 온도 범위는 도시의 기후대, 이용 목적, 도시 구조에 따라 상이한 것으로 나타났다(Bean et al., 2021). 반면, 강수는 분석 지역과 방법론에 관계없이 가장 강력한 이용 저해 요인으로 보고되고 있다. 강우 발생 시 공유자전거 이용량과 이용률은 급격히 감소하며, 이는 단순한 수요 감소를 넘어 이용자의 이동 범위를 변화 시키는 요인으로 작용하는 것으로 나타났다(Kim et al., 2012;Lee et al., 2018;Quach and Malekian, 2022).

최근 연구들은 이러한 기상 요인의 영향이 공유자전거 이용량의 증감에 국한되지 않고, 이용자가 이동하 는 공간적 패턴 자체를 변화시킨다는 점을 보여주고 있다. 특히 강수 강도가 증가할수록 공유자전거의 장거 리 이동이 감소하고, 기·종점 간 이동이 주변 지역에 한정되는 경향이 나타났으며, 이러한 행태는 통근과 같 은 필수 통행보다 선택적 이용 비중이 높은 이용자 집단에서 더 뚜렷하게 관찰되었다(Li et al., 2026). 이는 기상 악화가 공유자전거 이용의 이동 범위를 좁히고, 전체 이동 구조를 단순화시키는 방향으로 작용함을 시 사한다. 더 나아가 기상 조건은 공유자전거 이용 감소 이후의 수단 간 전이 방향에도 중요한 영향을 미친다. 복합적인 기상 조건이 발생할 경우, 자전거 이용 감소분의 일부는 버스나 지하철과 같은 대중교통으로 전환 되는 경향을 보이는 반면, 고온·고습 조건에서는 대중교통 이용 역시 감소하여 전체 이동 수요가 위축되는 현상이 보고되고 있다(Zhang et al., 2026). 이는 기상 요인이 공유자전거와 대중교통 간의 경쟁·보완 관계를 상황적으로 조절하는 핵심 외생 변수임을 의미한다. 이처럼 기존 연구들은 공유자전거 이용의 기후 민감성 및 구조적 변화 가능성을 점진적으로 규명해 왔으나, 여전히 다수의 연구가 개별 교통수단의 이용 변화에 초 점을 둔 정태적 분석에 머물러 있다. 즉, 기상 변화로 인해 감소한 공유자전거 수요가 실제 도시 교통체계 내에서 어떤 교통수단으로, 어떠한 양상으로 전이되는지를 실증적으로 규명한 동적 분석은 부족한 실정이다.

2. 기상 요인에 따른 수단전환 및 수단선택

선행연구들은 기상 조건이 교통수단 선택과 전환에 중요한 영향을 미치며, 특히 보행과 자전거와 같은 비 동력 교통수단이 기상 변화에 가장 민감하게 반응한다는 점을 공통적으로 보고하고 있다(Cools et al., 2010;Saneinejad et al., 2012;Ma et al., 2019). 기온 감소, 강우, 강풍과 같은 기상 악화는 자전거와 같은 비동력 교 통수단의 효용을 감소시키고, 그 결과 이용자들은 상대적으로 기상 노출이 적은 교통수단을 선택하는 경향 을 보인다. 실증 연구에 따르면 자전거는 보행이나 대중교통에 비해 기상 조건 변화에 가장 크게 영향을 받 으며, 특히 우천 시에는 자전거 이용이 감소하고 대중교통이나 자동차로의 전환이 두드러지게 나타난다 (Saneinejad et al., 2012;Wu and Liao, 2020). 이는 기상 조건이 단순한 통행량 변화 요인이 아니라 교통수단 간 상대적 효용을 변화시켜 수단 전환을 유발하는 핵심 요인임을 의미한다.

공유자전거와 대중교통 간 관계를 분석한 연구들은 두 수단이 경쟁과 보완의 관계를 동시에 지니며, 그 관계가 기상 조건에 따라 달라진다는 점을 제시하였다. 기상 악화 시에는 공유자전거 이용이 감소하고 대중 교통이나 차량 기반 수단으로의 전환이 강화되는 반면, 온화한 기후에서는 공유자전거 이용이 증가하고 대 중교통 이용이 감소하는 경향이 관찰되었다(Ye et al., 2024;Wu and Liao, 2020). 또한 강우 조건에서는 공유 자전거 이용자가 자전거 기반 선택지를 포기하고 버스, 택시 등 보다 안정적인 교통수단을 선택할 확률이 유 의하게 증가하는 것으로 나타났다(Cui et al., 2025). 한편 개인 수준의 통행 행태를 분석한 연구에 따르면, 기 상 조건에 따른 교통수단 전환은 통근·통학과 같은 필수 통행보다 여가·비필수 통행에서 더 빈번하게 발생 하는 것으로 나타났다(Wei, 2022). 이는 기상 요인이 통행 자체를 취소하기 어려운 상황보다는, 선택 가능성 이 높은 통행에서 수단선택을 조정하는 방식으로 작용함을 시사한다. 이처럼 기존 연구들은 기상 조건이 교 통수단 선택과 전환에 미치는 영향을 단계적으로 규명해 왔으나, 기상 변화에 따른 공유자전거 이용 감소와 타 교통수단 이용 증가를 동일한 시간·공간 범위에서 연계 분석한 연구는 여전히 제한적이다. 특히 실제 이 용 데이터를 활용하여 기상 요인에 따른 공유자전거와 대중교통 간 수요 전이를 동적으로 분석한 연구는 한 실정이다.

Ⅲ. 연구 설계

1. 데이터 수집 및 구축

1) 분석 범위

본 연구는 강수(Rain), 폭염(Heat Wave), 한파(Cold Wave)의 세 가지 기상 충격이 발생했을 때(t = 0 ), 타슈 (Tashu), 버스(Bus), 지하철(Subway) 이용에 미치는 동적 영향을 실증적으로 분석하기 위해, 2023년 1월 1일부 터 12월 31일까지 1년간 대전광역시에서 집계된 데이터(총 6,935개 관측치)를 수집하였다.

분석의 시간적 단위는 1시간(1-hour)으로 설정하였으며, 대중교통 운행이 종료되거나 이용 수요가 미미한 심야 시간대(00시~04시)를 제외하고 05시부터 23시까지의 데이터를 구축하였다. 이에 따라 최종적으로 구축 된 시계열 데이터의 총 관측치는 365일 $\times$ 19시간 = 6,935개로 구성된다.분석 데이터는 각 교통수단의 시간대별 이용량 데이터와 기상청의 종관기상관측(ASOS) 데이터를 결합하여 구축하였으며, 결측치 및 이상 치에 대한 전처리 과정을 거쳤다. 또한, 통행 목적과 시간적 제약의 이질성을 반영하기 위해 전체 데이터를 주중-첨두(Weekday-Peak), 주중-비첨두(Weekday-Off-Peak), 주말(Weekend)의 세 그룹으로 구분하였다. 특히 주 말 그룹에는 토요일, 일요일뿐만 아니라 ^「관공서의 공휴일에 관한 규정_」에 따른 법정 공휴일을 포함시켰 다. 이는 공휴일의 통행 특성이 주중보다는 주말의 여가 통행 패턴과 유사하기 때문이다.

2) 변수 정의

공유자전거와 대중교통 간의 수단 전이 효과를 분석하기 위해 교통수단 변수 3개와 기상 충격 변수 4개, 총 7개의 변수를 최종 분석에 투입하였다. 본 연구에서 정의하는 기상 충격(Weather Shock)은 일상적인 날씨 변화와 구분되는, 통행자의 의사결정에 즉각적인 제약을 가하는 임계치 이상의 기상 현상을 의미한다. 이를 반영한 각 변수의 구체적인 정의는 <Table 1>과 같다.

첫째, 폭염(Heat Wave)과 한파(Cold Wave)는 물리적 기온 변수가 아닌, 대한민국 기상청의 기상 특보 발령 기준(주의보 및 경보)을 적용하여 더미(Dummy) 변수로 구축하였다. 이는 단순한 기온의 고저보다, 재난 문자 등을 통해 시민들에게 인지되는 사회적 경고 효과가 단기적 수단선택에 더 큰 영향을 미친다는 점을 반영하 기 위함이다. 둘째, 강수(Precipitation)는 시간당 강수량(mm)의 연속형 변수를 사용하되, 분석의 강건성을 위 해 0.5mm 미만의 미세한 강수는 0으로 처리하였다. 이를 통해 자전거 이용에 실질적인 영향을 미치지 않는 무강우성 강수 노이즈를 제거하고, 통행에 지장을 주는 유의미한 강우 이벤트만을 충격으로 포착하도록 설 계하였다.

2. 분석 방법론

본 연구는 기상 충격이 발생했을 때 공유자전거 및 대중교통 이용량에 미치는 동적 영향과 수단 간 상호 작용을 규명하기 위해 벡터 자기회귀(Vector AutoRegression, VAR) 모형을 활용하였다.

VAR 모형은 Sims(1980)에 의해 제안된 모형으로, 단일 변수의 과거 값뿐만 아니라 시스템 내 모든 변수의 과거 값을 이용하여 현재 상태를 설명하는 다변량 시계열 분석 방법론이다. 기존의 구조적 모형이 변수 간의 내생성(Endogeneity)과 외생성(Exogeneity)을 사전에 규정해야 하는 한계를 지닌 반면, VAR 모형은 분석에 포 함된 모든 변수를 내생변수로 취급하여 변수 간의 양방향 인과관계와 동태적 피드백(Dynamic Feedback) 효 과를 추정하는 데 유용하다. 특히 본 연구와 같이 기상 충격이 특정 교통수단(예: 타슈)에 영향을 미치고, 그 영향이 다시 타 교통수단(예: 지하철)의 수요 변화로 이어지는 연쇄적인 파급 경로를 분석하기 위해서는, 변 수 간의 시차(Lag) 구조를 반영할 수 있는 VAR 모형이 가장 적합한 방법론으로 판단된다.

1) 모형의 설정 (Model Specification)

k개의 내생변수로 구성된 시차 p의 VAR(p) 모형은 다음(식 1)과 같은 선형 방정식으로 정의된다(Lütkepohl, 2005).

여기서,

본 연구에서는 교통수단 이용량 변수 3개와 기상 충격 변수 4개를 포함하여 총 7개의 변수로 구성된 벡터 Y_t 를 다음과 같이 설정하였다.

이때, Rain_t, Heat_t, Cold_t 는 각각 강수량, 폭염 및 한파 발생 여부를 나타내며, TempDiff_t 는 기온의 1차 차 분 값을 의미한다. Tashu_t, Bus_t, Subway_t 는 각 교통수단의 이용량을 나타낸다.

특히 본 연구는 전체 데이터를 단일 모형으로 통합하지 않고, 주중-첨두, 주중-비첨두, 주말의 세 그룹으로 분할하여 개별 VAR 모형을 구축하였다. 이에 대한 이론적 및 실증적 근거는 다음과 같다.

첫째, 이론적으로 통행 목적의 이질성을 반영하기 위함이다. 선행연구(Cools et al., 2010;Saneinejad et al., 2012)에 따르면, 통행은 출퇴근과 같은 필수 통행과 여가 및 쇼핑 등 선택적 통행으로 구분되며, 기상 충격에 대한 민감도와 대응 방식이 구조적으로 상이하다. 만약 이들을 통합하여 분석할 경우, 필수 통행의 수단 대 체 효과와 선택적 통행의 통행 포기 효과가 상쇄되어 파라미터의 추정 편향(Aggregation Bias)이 발생할 수 있다.

둘째, 실증적으로 시계열 데이터의 구조적 차이가 존재하기 때문이다. 본 연구의 최적 시차(Lag) 선정 결 과(<Table 3> 참조), 주중-비첨두 그룹은 최적 시차가 12로 도출된 반면, 주중-첨두와 주말 그룹은 5로 도출되 었다. 이는 각 시간대별로 변수 간의 동적 상호작용의 속도와 지속성이 통계적으로 다름을 의미하며, 따라서 별도의 모형을 구축하는 것이 모형의 적합도(Goodness-of-fit)를 높이는 타당한 접근이다.

2) 시계열 안정성 검정

VAR 모형을 추정하기 위해서는 시계열 데이터의 안정성(Stationarity)이 전제되어야 한다. 시계열 데이터가 단위근(Unit Root)을 가질 경우, 변수 간에 실제로는 상관관계가 없음에도 불구하고 회귀분석 결과가 유의하 게 나타나는 ‘허위 회귀(Spurious Regression)' 문제가 발생할 수 있다(Enders, 2014). 이에 본 연구에서는 ADF(Augmented Dickey-Fuller) 검정을 통해 모든 변수의 안정성을 검토한다(Dickey and Fuller, 1979). 검정 결 과 비안정적(Non-stationary)으로 판명된 변수에 대해서는 차분(Differencing)을 통해 안정적인 시계열로 변환 하여 모형에 투입함으로써 분석의 신뢰성을 확보하였다.

3) 최적 시차(Lag) 선정

VAR 모형의 설명력과 효율성을 결정짓는 최적 시차(p)를 선정하기 위해 정보 기준(Information Criteria)을 활용한다. 시차를 과소 설정할 경우 오차항의 자기상관 문제가 발생하여 추정량이 일치성을 잃을 수 있으며, 과다 설정할 경우 자유도가 감소하고 예측력이 저하되는 과대적합(Over-fitting) 문제가 발생할 수 있다. 이에 본 연구는 최적의 시차를 결정하기 위해 다음의 네 가지 정보 기준(Information Criteria)을 종합적으로 검토하 였다.

본 연구에서는 시간대별 데이터의 일일 주기성을 고려하여 최대 시차(p_max)를 12시간으로 설정한 후, AIC, HQIC, SC, FPE 등 다양한 기준을 검토하되, 불필요한 파라미터를 배제하고 모형의 간결성(Parsimony)을 확보하기 위해 Schwarz(1978)가 제안한 SC, 즉 BIC를 최우선 기준으로 채택하여 최적 시차를 결정한다.

4) 구조적 분석: 충격반응함수 및 예측오차 분산분해

추정된 VAR 모형의 계수 자체는 경제적 의미를 직관적으로 해석하기 어렵기 때문에, 본 연구에서는 Lütkepohl(2005)이 제시한 구조적 분석 도구를 활용하여 변수 간의 동적 관계를 해석한다.

충격반응함수(Impulse Response Function, IRF)는 시스템 내 특정 변수의 오차항(∈_t )에 1 표준편차 크기의 충격(Shock)이 가해졌을 때, 해당 변수와 다른 내생변수들이 시간의 흐름(t, t+1, t+2, ...)에 따라 어떻게 반응 하는지를 나타낸다. 이를 통해 본 연구는 기후 충격이 발생했을 때, 타슈 및 대중교통 이용량이 즉각적으로 어떻게 변화하며, 그 효과가 얼마나 지속되는지를 시각적으로 분석한다.

예측오차 분산분해(Forecast Error Variance Decomposition, FEVD)는 특정 변수의 미래 예측 오차(Forecast Error)의 분산이 시스템 내 각 변수의 충격에 의해 얼마나 설명되는지를 백분율(%)로 분해하여 보여준다. 이 를 통해 특정 교통수단의 이용량 변동성에 기후 충격이 미치는 상대적 중요도(Relative Importance)와 교통수 단 간의 상호 의존성(Interdependence)을 정량적으로 평가한다.

Ⅳ. 분석 결과

1. 기초통계분석

본 연구는 2023년 1월 1일부터 12월 31일까지 대전광역시의 시간대별(05시~23시) 시계열 데이터(총 관측 치 N=6,935)를 분석에 활용하였다. 통행 목적과 시간적 제약의 이질성을 고려하여 전체 데이터를 주중-첨두 (Weekday-Peak), 주중-비첨두(Weekday-Off-Peak), 주말(Weekend)의 세 그룹으로 구분하였다.

모형에 투입된 주요 변수들의 기술통계량은 <Table 2>와 같다. 교통수단별 이용 패턴을 살펴보면, 타슈 이 용량은 주중(첨두 129.54건, 비첨두 129.51건)이 주말(83.09건)보다 약 1.5배 높게 나타났다. 이는 공유자전거 가 단순한 여가 수단을 넘어, 평일의 일상적인 이동 수단으로 깊이 자리 잡았음을 시사한다. 기상 변수의 경 우, 전체 기간 평균 강수량은 0.25mm였으며, 기상 충격 발생 빈도를 살펴보면 폭염 특보(Heat Wave)는 총 1,178회(약 17.0%), 한파 특보(Cold Wave)는 총 494회(약 7.1%) 발령된 것으로 집계되어 기상 충격이 특정 시 기에 집중된 이벤트임을 확인하였다.

한편, 이러한 기상 충격이 발생했을 때 나타나는 수단 간 전이의 강도를 정확히 파악하기 위해서는 각 교 통수단이 평상시에 감당하고 있는 평균적인 통행수요의 규모 차이를 우선적으로 고려해야 한다. <Table 2> 에 제시된 주중-첨두 시간대 기준 평균 이용량을 살펴보면, 버스는 약 29,077건, 지하철은 6,476건인 반면 타 슈는 129.54건으로 나타났다. 즉, 버스는 타슈 대비 약 220배, 지하철은 약 50배에 달하는 압도적인 수송 분 담 규모를 보이고 있다. 이러한 규모의 비대칭성은 기상 충격에 따른 수단 전이 경로를 추론하는 데 중요한 함의를 갖는다. 상대적으로 소규모인 타슈의 이탈 수요가 거대 수단인 버스나 지하철로 전이될 경우, 전체 이용량 통계에서는 미세한 변동으로 희석될 가능성이 존재한다. 따라서 본 연구의 VAR 모형 분석에서 대중 교통(특히 지하철) 이용량이 통계적으로 유의미하게 증가한다면, 이는 타슈 이탈 수요가 해당 수단으로 매우 집중적으로 전이되었음을 시사하는 결과라 할 수 있다. 반대로, 대중교통 이용량에 유의한 변화가 관찰되지 않는다면, 이는 이탈 수요가 대중교통 시스템 외부(승용차 이용 또는 통행 포기)로 전이되었음을 시사하는 것으로 해석할 수 있다.

2. 최적 시차(Lag) 선정 결과

본 연구에서 주중 첨두, 주중 비첨두, 주말의 최적 시차를 검토한 결과는 <Table 3>과 같다. 검토 결과, 모 형의 적합도(Goodness-of-fit)를 중시하는 AIC와 FPE는 상대적으로 긴 시차(12)를 추천하는 경향을 보였다. 반 면, 모형의 복잡도에 강한 페널티를 부과하는 SC(BIC) 기준은 주중-첨두와 주말 그룹에서 상대적으로 짧은 시차(5)를 추천하였다.

본 연구는 변수 간의 동적 관계를 설명함에 있어 불필요한 파라미터를 배제하고 모형의 간결성(Parsimony) 을 확보하기 위해, 가장 보수적인 기준인 SC(BIC) 기준을 최종적으로 채택하였다. 이에 따라 주중-첨두 (Weekday-Peak)와 주말(Weekend) 그룹은 시차 5(p = 5 )를, 통행 패턴이 복합적인 주중-비첨두(Weekday-Off- Peak) 그룹은 시차 12(p = 12)를 최종 분석 모형에 적용하였다.

본 연구에서는 과대적합의 위험을 줄이고 모형의 안정성과 예측력을 높이는 SC(n) (BIC) 기준을 적용하여 최적 시차(p)를 선정하였다. 이는 불필요한 시차 변수를 최소화하여 가장 간결하고 안정적인 모형을 선택하 는 것이 시계열 분석의 일반적인 접근 방식(Ockham's razor)에 부합한다. 따라서 통행 패턴이 정형화된 주중- 첨두와 주말 그룹은 단기적 상호작용을 반영하는 시차 5(5시간)가, 통행 목적이 혼재된 주중-비첨두 그룹은 긴 호흡의 상호작용을 반영하는 시차 12(12시간)가 최적 시차로 도출되었다.

3. 충격반응함수(IRF) 분석: 기상 충격에 따른 수단 전이의 동적 패턴

본 연구는 VAR 모형을 통해 강수, 폭염, 한파의 세 가지 기상 충격이 발생했을 때(t = 0 ), 타슈, 버스, 지 하철 이용량이 시간 경과에 따라 어떻게 반응하는지를 분석하였다. 분석 결과는 95% 신뢰구간(Confidence Interval)을 기준으로 통계적 유의성을 검정하였으며, 통행 목적에 따른 이질성을 규명하기 위해 세 그룹으로 구분하여 기술하였다. 선정된 최적 시차를 적용하여 VAR 모형을 구축하고, 3가지 기상 충격(강수, 폭염, 한 파) 발생 시 24시간 동안의 교통수단별 동적 반응을 분석하였다.

분석 결과를 구체적으로 살펴보기에 앞서, 기상 충격이 교통수단 이용에 미치는 영향은 물리적 노출과 통 행 목적에 따라 크게 ① 수단 대체, ② 통행시간 조정, ③ 통행 포기의 세 가지 기제로 설명될 수 있다.

첫째, ‘수단 대체’는 강우나 한파로 인해 개방형 수단인 공유자전거의 이용 효용(안전성, 쾌적성)이 급감할 때 발생한다. 합리적 이용자는 감소한 효용을 보상받기 위해 대체재를 모색하게 되는데, 이때 외부 환경과 차단되어 정시성이 보장되는 지하철이 주요한 대체 수단으로 선택된다.

둘째, ‘통행시간 조정’은 기상 충격 발생 직후 이용량이 급감하다가 일정 시간(Lag) 후 회복되는 패턴으로 나타난다. 이는 이용자가 강우 등 악천후가 해소되기를 기다렸다가 이동하는 대기 행태를 반영한다.

셋째, ‘통행 포기’는 주말 여가 통행 등 선택적 통행에서 두드러진다. 악천후로 인한 비효용이 이동을 통 해 얻는 목적 효용을 초과할 경우, 이용자는 이동 자체를 취소하게 되며 이는 수단 간 전이가 아닌 전체 통 행량의 순감소로 귀결된다.

이러한 이용자 행동 메커니즘을 바탕으로 각 그룹별 충격반응함수 결과를 해석하면 다음과 같다.

1) 주중 첨두

<Fig. 1>은 주중 첨두시간대(필수 통행)에 세 가지 기상 충격(강수, 폭염, 한파) 발생 시 타슈, 버스, 지하철 이용량이 어떻게 반응하는지를 비교한 결과이다. 출퇴근 통행이 집중되어 통행의 필수성이 가장 높은 주중 첨두시간대에는 기상 충격에 대해 즉각적이고 뚜렷한 수단 대체 현상이 관찰되었다.

<Fig. 1>

Impulse Responses of Transport Modes to Weather Shocks (Weekday-Peak)

타슈의 경우 강수, 폭염, 한파 충격 발생 직후(t = 0) 이용량이 통계적으로 유의미한 음(-)의 반응을 보였 다. 이는 악천후가 자전거 출퇴근을 즉시 포기하게 만드는 강력한 요인임을 의미한다. 타슈 이용 감소와 동 시에 지하철 이용량은 유의미하게 급증하는 대칭적 패턴을 보였다. 이는 타슈 이탈 수요가 정시성이 보장되 고 쾌적한 지하철로 전이되었음을 시사한다. 반면, 버스 이용량은 모든 기상 충격에 대해 유의미한 변화를 보이지 않았다. 이는 95% 신뢰구간이 0을 지속적으로 포함하고 있어 통계적으로 유의미한 변화는 없는 것으 로 판단된다. 이는 버스가 악천후 시 도로 정체 및 승하차 대기 중의 기상 노출이라는 취약성을 공유하고 있 어, 지하철만큼 확실한 대체 수단으로 선택받지 못했음을 방증한다.

2) 주중 비첨두

<Fig. 2>는 주중 비첨두시간대(선택적 통행)에 세 가지 기상 충격(강수, 폭염, 한파) 발생 시 타슈, 버스, 지 하철 이용량이 어떻게 반응하는지를 비교한 결과이다. 주중 비첨두 시간대는 업무, 쇼핑, 병원 진료 등 다양한 통행 목적이 혼재되어 있으며, 첨두시간대에 비해 상대적으로 시간적 제약이 느슨한 특성을 가진다. 따라서 이 그룹에서는 즉각적인 수단 대체뿐만 아니라, 통행 시간 조정 기제가 복합적으로 작용하는 양상을 보였다.

<Fig. 2>

Impulse Responses of Transport Modes to Weather Shocks (Weekday-Off-Peak)

타슈 이용량은 첨두시간대와 마찬가지로 기상 충격(강수, 폭염) 발생 직후(t=0) 유의미한 감소를 보였다. 이 는 통행 목적과 관계없이, 기상 악화 시 개방형 모빌리티의 이용 효용이 급감한다는 사실을 재확인시켜 준다.

지하철 이용량은 양(+)의 반응을 보였으나, 그 패턴은 첨두 시간대와 다소 상이하였다. 첨두시에는 충격과 동시에 즉각적이고 가파른 상승세를 보인 반면, 비첨두시에는 반응의 강도가 상대적으로 완만하거나 시차(Lag) 를 두고 나타나는 경향이 관찰되었다. 이는 비첨두 시간대 이용자들이 악천후 발생 시 즉시 이동하기보다는, 기상 상황이 호전되기를 기다리며 통행 시간을 지연(Delay)시키는 대기 효과가 존재하기 때문으로 해석된다.

버스 이용량은 비첨두 시간대에서도 통계적으로 유의미한 변화가 관찰되지 않았다. <Fig. 2>의 그래프상 에서 평균 반응선이 일부 구간에서 변동하는 모습을 보이나, 95% 신뢰구간이 0을 포함하고 있어 통계적 유 의성을 확보하지 못하였다. 이는 버스가 갖는 지상 교통의 취약성이 시간대와 무관하게 작용하여, 비첨두 시 간대의 유연한 통행수요조차 흡수하지 못했음을 시사한다.

3) 주말

<Fig. 3>은 주말(여가 통행)에 세 가지 기상 충격(강수, 폭염, 한파) 발생 시 타슈, 버스, 지하철 이용량이 어떻게 반응하는지를 비교한 결과이다. 여가 및 위락 통행이 주를 이루는 주말에는 통행의 목적이 유동적이 고 시간적 제약이 가장 느슨한 그룹이다. 분석 결과, 주말에는 기상 충격 발생 시 타 수단으로의 전이보다는 통행 포기 기제가 지배적으로 작동하는 것으로 나타났다. 타슈 이용량은 주중과 마찬가지로 기상 충격(강수, 폭염) 발생 직후(t=0) 즉각적이고 큰 폭의 감소를 보였다. 95% 신뢰구간 하한선을 크게 벗어나는 이러한 반 응은 주말의 여가 통행에서도 날씨가 마이크로 모빌리티 이용을 제약하는 가장 결정적인 변수임을 시사한 다. 타슈 이용량이 급감했음에도 불구하고, 지하철과 버스 이용량은 모두 통계적으로 유의미한 양(+)의 반응 을 보이지 않았다. <Fig. 3>을 살펴보면, 대중교통의 반응 곡선이 0을 중심으로 미세하게 등락할 뿐, 95% 신 뢰구간이 지속적으로 0을 포함하고 있다. 이는 타슈에서 이탈한 수요가 대중교통으로 흡수되지 않았음을 의 미한다. 이러한 현상은 주말 통행의 높은 탄력성으로 설명된다. 필수적인 출퇴근 통행과 달리, 여가 목적의 통행은 악천후로 인한 이동의 불편함(비효용)이 통행을 통해 얻는 즐거움(효용)을 초과할 경우, 이용자가 이 동 자체를 쉽게 취소하거나 연기할 수 있다. 즉, 주말의 타슈 이용 감소는 다른 수단으로의 대체가 아니라, 도시 전체 통행량의 순감소로 귀결되는 통행 포기 효과인 것으로 해석된다.

<Fig. 3>

Impulse Responses of Transport Modes to Weather Shocks (Weekend)

4) 소결

그룹별 분석 결과를 종합할 때, 기상 충격에 대한 수단 전이는 단순한 1:1 대체가 아닌 비대칭적 패턴을 보인다. 특히 버스와 지하철의 상이한 반응은 악천후 시 도시 교통체계 내에 회복탄력성의 위계(Hierarchy of Resilience)가 존재함을 시사한다. 지하철은 외부 기상 환경과 격리된 지하 공간을 주행하므로 정시성과 쾌적 성이 보장되어, 기상 충격 시 강력한 수요 흡수 기제로 작동하였다. 반면, 버스는 공유자전거와 마찬가지로 지상 교통망에 속해 있어, 강우나 폭설 시 도로 정체로 인한 통행시간 신뢰성 저하와 승하차 대기 시의 기상 노출이라는 취약성을 공유하기 때문에 유효한 대체재로 기능하지 못하였다.

결론적으로, 기상 충격은 단순히 공유자전거 이용자의 수단 변경을 유발하는 것을 넘어, 잠재적인 버스 이 용 수요까지 영향을 미치는 것으로 보인다. 즉, 도시 전체의 통행수요를 불확실성이 높은 지상 도로망(Road)에 서 확실성이 보장된 지하 철도망(Rail)으로 재편하는 시스템 차원의 구조적 변화를 유발하는 것으로 해석된다.

4. 예측오차 분산분해(FEVD) 분석

24시점(24시간 후)을 기준으로 각 교통수단 이용량의 변동성을 설명하는 요인들의 기여도(%)를 분석하였 으며, 그 결과는 <Table 4>와 같다.

1) 수단별 변동성에 대한 기상 요인의 기여도

타슈 이용량 변동성 중 기상 충격(강수, 폭염, 한파)이 설명하는 비중은 주중-첨두(22.04%) 그룹에서 가장 높게 나타났다. 이는 주말(16.20%)이나 주중-비첨두(7.18%)보다 월등히 높은 수치로, 출퇴근 시간대 공유자전 거 이용 여부가 날씨에 의해 결정적으로 좌우됨을 의미한다. 반면 버스와 지하철은 기상 요인의 직접적인 기 여도가 상대적으로 낮아, 날씨 충격에 대해 더 강건한 특성을 보였다.

2) 교통수단 간 상호 연관성 분석

교통수단 간의 상호작용을 살펴본 결과, 지하철의 높은 의존성이 확인되었다. 특히 주중-비첨두 시간대 지 하철 변동성의 61.81%가 타 수단(주로 버스)에 의해 설명되었는데, 이는 해당 시간대에 지하철 단독 이용보 다 버스-지하철 환승 연계 이용이 통행의 주류를 이루고 있음을 시사한다. 반면 버스는 자체 기여도가 65~83% 수준으로 높게 나타나, 타 수단이나 날씨의 영향을 덜 받는 독립적인 운영 특성을 보였다. 이는 대 전도시철도 특성상 노선이 하나만 존재하여 버스와 뗄 수 없는 환승 의존형 구조임을 통계적으로 증명한 것 으로 판단된다.

5. 정책적 시사점

본 연구의 분석 결과, 기상 충격 발생 시 타슈 이용량은 즉각 급감하였으며, 이 이탈 수요는 버스가 아닌 오직 지하철로만 유의미하게 전이되는 비대칭적 수단 대체 현상이 관찰되었다. 이는 악천후 시 정시성과 쾌 적성이 보장된 지하철이 핵심적인 회복탄력성 기제로 작동하는 반면, 버스는 도로 혼잡과 기상 노출로 인해 유효한 대체재로 기능하지 못하는 대체 실패를 겪고 있음을 시사한다. 또한, 필수 통행인 주중-첨두시에는 수단 대체가 뚜렷했으나 주말에는 통행 포기가 지배적이었으며, 분산분해(FEVD) 분석을 통해 지하철이 구조 적으로 버스 환승에 깊게 의존하고 있음이 확인되었다. 이러한 결과를 바탕으로 본 연구는 다음의 정책 방안 을 제언한다.

첫째, 기상 예보 연동형 지하철 탄력 운행 시스템 도입이다. 분석 결과 입증된 지하철 쏠림 현상에 대응하 기 위해, 지하철 중심의 공급 탄력성을 확보해야 한다. 기상청의 호우·폭염 특보 발령 시, 출퇴근 시간대 지 하철 배차 간격을 단축하거나 예비 열차를 투입하는 기상 대응형 운영 매뉴얼을 수립하여 급증하는 전이 수 요를 흡수하고 차내 혼잡도를 효율적으로 관리해야 한다.

둘째, 버스-지하철 간 끊김 없는(Seamless) 환승 연계 환경 조성이다. 본 연구에서 버스가 독립적인 대체 수단으로 선택받지 못한 점과 높은 환승 의존도(FEVD 결과)를 고려할 때, 버스 정책의 초점은 단독 노선의 경쟁력 강화보다는 지하철로의 피더(Feeder) 기능 강화에 맞춰져야 한다. 따라서 단순한 개별 정류장의 쉘터 설치를 넘어, 지하철역 출구와 버스 정류장을 잇는 환승 통로에 비가림막을 설치하거나 환승 거리를 최소화 하는 등 악천후에도 이용자가 비를 맞지 않고 수단을 변경할 수 있는 물리적 환승 환경 개선이 시급하다.

셋째, 통행 포기 방지를 위한 악천후 특화 MaaS(Mobility as a Service) 인센티브 도입이다. 주말에 두드러 지는 통행 포기 현상을 완화하고 대중교통 이용을 유도하기 위해, 기상 악화 시 MaaS 플랫폼을 활용한 동적 인센티브를 제공해야 한다. 예를 들어 우천 시 공유자전거 회원이 지하철이나 버스를 이용할 경우 마일리지 를 추가 적립해 주는 프로모션은 날씨로 인한 이동의 비효용을 상쇄하고 도시 전체의 통행 활력을 유지하는 효과적인 유인책이 될 것이다.

Ⅴ. 결 론

1. 결론

기후 변화로 인한 기상 변동성 증가는 도시 교통 시스템의 안정성을 위협하는 주요 요인으로 부상하고 있 다. 특히 퍼스트/라스트 마일(First/Last-mile)의 핵심 수단인 공유자전거는 기상 환경에 직접적으로 노출되는 개방형 구조를 가지고 있어 기상 충격에 매우 취약한 특성을 보인다. 악천후 시 발생하는 마이크로 모빌리티 의 이용 중단은 단순히 해당 수단의 수요 감소에 그치지 않고, 도시 전체의 통행 흐름을 변화시키거나 대중 교통 시스템으로의 급격한 전이를 유발할 수 있다. 이에 본 연구는 2023년 대전광역시의 시간대별 통행 데이 터와 기상 데이터를 활용하여, 벡터 자기회귀(VAR) 모형을 기반으로 기상 충격과 교통수단 간의 동태적 관 계를 분석하였다. 구체적으로 강수, 폭염, 한파 충격 발생 시 공유자전거의 이탈 수요가 대중교통(버스, 지하 철)으로 전이되는 동적(Dynamic) 경로와 그 크기를 실증적으로 규명하였다.

본 연구의 주요 분석 결과와 학술적 함의는 다음과 같다. 첫째, 기상 충격에 따른 수단 대체는 비대칭적으 로 발생하며, 이는 도시 교통체계 내에 회복탄력성의 위계(Hierarchy of Resilience)가 존재함을 시사한다. 공유 자전거의 이탈 수요는 버스가 아닌 오직 정시성과 쾌적성이 보장된 지하철로만 유의미하게 전이되었다. 이 는 지하철이 외부 환경과 격리된 지하 공간을 활용함으로써 악천후 시 가장 강력한 수요 흡수 기제로 작동 하는 반면, 버스는 공유자전거와 마찬가지로 지상 교통망에 속해 있어 도로 정체와 기상 노출이라는 취약성 을 공유하기 때문으로 해석된다. 둘째, 통행 목적에 따른 이용자 행태의 이질성이 확인되었다. 통행의 필수 성이 높은 주중 첨두시에는 타슈 감소와 지하철 증가라는 수단 대체가 즉각적이고 뚜렷하게 나타났다. 반면, 여가 통행 비중이 높은 주말에는 악천후의 비효용이 이동의 효용을 초과하여, 대중교통으로의 전환이 아닌 이동 자체를 취소하는 통행 포기 현상이 지배적이었다. 또한, 시간적 제약이 느슨한 주중 비첨두시에는 비가 그치기를 기다리는 통행시간 조정 행태가 관찰되었다. 셋째, 분산분해(FEVD) 분석 결과, 기상 충격 하에서 지하철 이용 수요는 구조적으로 버스 환승에 깊게 의존하고 있음이 확인되었다. 이는 버스가 단독 대체재로 서의 기능은 상실하더라도, 지하철로 승객을 나르는 피더(Feeder)로서의 역할은 여전히 유효함을 시사한다.

종합적으로 본 연구는 기상 충격이 단순히 개인의 수단선택을 변경하는 차원을 넘어, 도시 전체의 통행수 요를 불확실성이 높은 지상 도로망(Road)에서 확실성이 보장된 지하 철도망(Rail)으로 쏠리게 만드는 시스템 차원의 구조적 재편을 유발함을 실증적으로 밝혀냈다는 데 의의가 있다. 본 연구의 결과는 향후 기후 적응형 (Climate-adaptive) 교통정책 수립에 있어, 지상-지하 교통망의 역할 분담과 연계성을 재정립하는 기초 자료로 활용될 수 있을 것이다.

2. 연구의 한계 및 향후 연구과제

본 연구는 다음과 같은 한계점을 지니며, 이는 향후 연구를 통해 보완될 필요가 있다.

첫째, 공간적 이질성의 미반영이다. 본 연구는 대전시 전체의 이용량을 집계하여 분석함으로써, 상업지구, 주거지구, 대학가 등 지역별 토지 이용 특성에 따라 기상 충격의 영향이 다르게 나타나는 미시적인 패턴을 포착하지 못했다. 향후 연구에서는 구 또는 행정동 단위의 데이터를 구축하여, 지역별 특성을 고려한 Panel VAR 모형이나 공간 계량 모형을 적용한 분석이 요구된다.

둘째, 이용자 행태에 대한 구체적 원인 규명의 한계다. VAR 모형은 변수 간의 통계적 인과관계를 보여줄 뿐, 이용자가 악천후 시 특정 수단을 선택한 구체적인 이유(쾌적성 선호, 안전성 우려 등)를 설명하지는 못한 다. 따라서 설문조사나 인터뷰를 통한 이산선택모형 연구를 병행하여, 기상 충격 하에서 수단선택에 영향을 미치는 요인을 다각도로 규명할 필요가 있다.

셋째, 단일 지하철 노선 도시의 특수성이다. 대전광역시는 지하철이 1개 노선뿐인 도시로, 다수의 노선을 보유한 서울이나 부산과는 기상 충격에 대한 수단 대체 패턴이 다를 수 있다. 향후에는 지하철 네트워크 밀 도가 상이한 여러 도시를 대상으로 비교 분석을 수행하여, 연구 결과의 일반화 가능성을 높이는 후속 연구가 진행되어야 할 것이다.