Ⅰ. 서 론

1. 연구배경

인구소멸 위기지역의 이동권(mobility rights) 보장은 지속가능한 지역발전의 핵심 과제이다. 경남 하동군(인구 4.2만, 고령화율 42%, 면적 673km²)의 경우 1인당 지방세는 전국 평균의 60% 수준이며, 시내버스 13개 노선(1일 52회)의 배차간격이 면 지역에서 2-4시간에 달해 이동권 제약이 구조화되어 있다. Ministry of the Interior and Safety(2023)에 따르면 전국 228개 기초지자체 중 89곳(39.0%)이 인구감소지역으로 지정되었으며, 이들 지역의 고령화율은 전국 평균(18.4%)의 2배를 초과한다. 이러한 인구구조 변화는 대중교통 서비스 공급에 구조적 악순환을 초래한다. 수요 밀도 저하로 고정노선 대중교통의 1인당 운영비는 상승하고 배차 간격은 확대되며, 결행률(service cancellation rate) 증가가 이동권 제약으로 이어지는 “저수요-서비스 축소-이동성 저하”의 악순환이 고착화되어 있다(Kang et al., 2022).

본 연구는 이러한 인구소멸지역의 구조적 이동권 문제에 대한 해법으로 자율주행 기술과 수요응답형교통(DRT)의 결합을 제안한다. CAV(Connected and Automated Vehicles)는 V2V/V2I 통신으로 실시간 데이터를 공유하며 소외계층에 대한 가용성을 높인다(U.S. DOE, 2015). 독일 KelRide 프로젝트(2021-2025)는 최초로 고정노선 없는 AMoD를 공공도로에서 운영하며 차량 속도가 수요에 미치는 초선형 영향을 실증하였다(Pakusch et al., 2025). 그러나 자율주행 서비스는 ODD(Operational Design Domain)에 의해 성능·안전·비용이 결정되므로 전면 구축 시 재정 장벽이 발생한다. V2I 인프라 구축 비용은 신호등 1개소당 평균 $20,000을 초과하며(5GAA, 2020), 미국 10개 주 DOT 실배치 데이터에 따르면 노변기지국(Roadside Unit, 이하 RSU) 1개당 $15,000-$25,000, MAP 파일 구성비가 교차로당 $220-$500에 달한다(USDOT, 2024). 안양시 자율주행 셔틀 ‘주야로’(2023년 시범운행, CCTV 32개, 스마트교차로 17개, HD map 전 노선)는 ODD 4대 축이 운영 수준에서 구현된 도시형 기준선(reference baseline)을 형성한다. 이는 보편적 정답 사례가 아니라, 인구소멸지역에서 인프라 요소의 재구성 수준을 해석하기 위한 준거로 활용된다. 그러나 인구소멸지역은 이를 구축할 재정 여력이 없어 “도시형 인프라를 지역 여건에 맞추어 어떻게 단계적으로 재구성하여 도입할 것인가”에 대한 평가 프레임워크가 필요하다.

2. 연구목적 및 질문

본 연구의 목적은 인구소멸·교통소외지역에서 자율주행 셔틀 기반 DRT 도입 시 요구되는 ITS(지능형교통체계)/C-ITS(협력형 지능형교통체계) 인프라를 단계적으로 구조화하고, 각 단계가 운영 KPI, 접근성, 비용-효과에 미치는 영향을 통합적으로 평가하는 데 있다. 특히 안양 ‘주야로’를 도시형 기준선으로 활용하여, 하동군과 같은 저밀도 농촌지역에서 인프라 수준별 한계효율이 어떻게 달라지는지를 분석하고자 한다. 이를 통해 본 연구는 자율주행 인프라의 필요성을 선언하는 데 그치지 않고, 재정 제약 하에서 어느 수준까지를 우선 구축하는 것이 타당한지를 정량적으로 판별하는 평가 규칙을 제시하고자 한다.

본 연구는 다음의 연구질문을 설정한다. RQ1: ODD 지원 인프라를 통신, 정밀지도, 관제, 교차로 협력의 네 축으로 분해하고 성숙도 수준(L0-L4)으로 체계화할 때, 각 레벨 전환은 인구소멸지역의 운영 KPI(정시성, 대기시간, 결행률, MTTR)에 어떠한 변화를 가져오는가?

RQ2: 레벨별 KPI 변화는 일반화 통행시간을 매개로 접근성 지표에 어떻게 전이되며, 이 과정에서 인구소멸지역의 저밀도·장거리 통행 특성은 어떠한 역할을 하는가?

RQ3: 비용-효과 분석과 불확실성 분석을 통해 MCI 경계가 형성되는 구간을 식별하고, 그 결과를 바탕으로 인구소멸지역에 적용 가능한 최소 인프라 패키지를 도출할 수 있는가? 이상의 연구질문에 따라 다음의 가설을 설정한다. H1: 자율주행 DRT의 ODD 지원 인프라 수준이 높아질수록 운영 KPI는 전반적으로 개선될 것이다. H2: 인구소멸지역에서는 저밀도·장거리 통행 특성으로 인해, 동일한 KPI 개선이라도 일반화 통행시간 감소를 통한 접근성 증가 효과가 상대적으로 크게 나타날 것이다. H3: 인프라 레벨 향상에 따른 편익은 비선형적으로 증가하며, 일정 수준 이후에는 추가 투자 대비 한계효율이 급격히 감소하는 비용-효과 경계가 형성될 것이다. 본 연구의 기여는 세 가지로 정리된다. 첫째, 자율주행 셔틀 DRT의 인프라 요구조건을 ODD의 네 축으로 구조화하고 단계별 성숙도 레벨로 체계화하여, 기존의 기술 목록형 접근을 평가 프레임워크로 전환하였다. 둘째, 운영 KPI를 일반화 통행시간으로 내재화하여 접근성 지표와 연결함으로써 KPI-접근성 전이 메커니즘을 명확한 분석 구조로 제시하였다. 셋째, 하동군 사례를 통해 인프라 레벨별 MCI 경계를 도출함으로써, 인구소멸지역에서 최소 인프라 패키지를 검토할 수 있는 정량적 기준을 제시하였다. 다만 본 연구는 단일 사례와 제한된 검증자료에 기반하므로, 결과값의 직접적 일반화보다 절차적 프레임워크의 이전 가능성에 보다 큰 의미를 둔다.

Ⅱ. 선행연구 고찰

1. 농촌 자율주행 DRT 실증 연구

최근 5년간(2020-2025) 농촌 자율주행 DRT 실증이 활발히 진행되었다. Bischoff et al.(2020)은 독일 Bremerhaven에서 MATSim 시뮬레이션으로 도농 연계 DRT의 경제·환경 비용을 분석하였다. Mason et al.(2022)은 미국 농촌에서 ADS for Rural America 프로젝트를 6단계로 나누어 자율화 비율을 58%에서 93%로 점진 확대하며 고령층 신뢰도 증가를 실증하였다. 독일 KelRide(2021-2025)는 고정노선 없는 AMoD를 운영하며 소규모 편대에서 차량 속도 증가 시 탑승객 수가 초선형으로 증가함을 실데이터로 검증하였다(Pakusch et al., 2025). 프랑스 Drôme(2020-2021)은 4.5km 중 1km만 인프라를 개조하고 나머지는 기존 도로표지만으로 운행에 성공하였다(Eurovia, 2021).

2. ODD 정의 및 C-ITS 비용-효과

Khastgir et al.(2022)은 ASAM OpenODD 프로젝트를 통해 최초로 ODD를 공식 정의하고 국제 표준 언어를 제시하였다. Perez-Zuriaga et al.(2022)은 차량 중심 ODD의 한계를 지적하고 도로 관리자 관점의 Operational Road Section(ORS) 개념을 제안하였다. 5GAA(2020)는 RSU 유형별 비용을 상세 비교하여 C-V2X PC5가 802.11p 대비 초기 비용은 20-25% 높으나 장기 운영 효율이 우수함을 제시하였다. Almannaa et al.(2025)은 C-V2X가 DSRC 대비 TTC를 38% 개선하나 설치비가 20-25% 높다는 트레이드오프를 정량화하였다.

3. 접근성 측정 및 안양 ‘주야로’ 기준선 형성

Geurs and van Wee(2004)는 접근성 지표를 누적기회·중력·효용기반으로 체계화하였다. Palacios and El-Geneidy(2022)는 누적기회(cumulative opportunities)와 중력(gravity) 기반 접근성 지표의 계산 특성과 해석 차이를 비교하여 연구 목적에 따른 지표 선택의 필요성을 강조하였다. Wardman(2004)의 메타분석은 대중교통 이용자가 대기시간·결행 리스크를 실제 통행시간의 1.5-2배로 인식한다는 신뢰성 페널티 계수를 제시하였다. 안양시 ‘주야로’는 2023년 9월 시범운행을 시작한 레벨 4 자율주행 서비스로, ITS 장비(CCTV 32, 교차로감시 32)와 스마트교차로(주간 6·야간 17), HD map 전 노선 구축을 바탕으로 도시형 기준선 사례를 형성한다(Anyang City, 2024).

본 연구의 차별점은 다음 세 가지이다. 첫째, 기존 연구들이 고도화된 운영 사례의 성능 평가에 집중한 반면, 본 연구는 인프라 레벨(L0-L4)별 구축의 한계효율을 정량 비교한다. 둘째, 운영 KPI를 일반화 통행시간에 내재화하여 접근성 지표로 전환하는 명시적 메커니즘을 제시함으로써, 인프라 투자에서 운영 개선을 거쳐 이동권 향상으로 이어지는 인과 경로를 계량화한다. 셋째, 한계 비용-효과 지수(MCI) 개념을 도입하여 투자 우선순위의 정량적 경계를 도출하고, 몬테카를로 시뮬레이션으로 경계의 강건성을 검증한다.

Ⅲ. 연구방법론

1. 연구프레임워크

본 연구의 프레임워크는 4단계로 구성된다. 1단계(ODD 분해·레벨 정의)에서는 안양 ‘주야로’ 기준선 데이터를 바탕으로 ODD를 통신·정밀지도·관제·교차로 협력의 4대 축으로 분해하고, 각 축의 구축 수준을 성숙도 레벨(L0-L4)로 체계화한다. 2단계(시뮬레이션·KPI 산출)에서는 하동군을 대상으로 6개 시나리오(S0-S5)를 SUMO로 시뮬레이션하여 운영 KPI(OTP, 대기시간, 결행률, MTTR)를 산출한다. 3단계(접근성 전환)에서는 운영 KPI를 일반화 통행시간 (식 1)에 내재화한 뒤 누적기회(A_cum, T=45분)와 중력(A_grav, =0.05) 접근성으로 변환한다. 4단계(MCI 경계·MIP 도출)에서는 레벨 전환별 한계 비용(MC)과 한계 접근성(MA)의 비율로 한계 비용-효과 지수(MCI)를 산출하고, MCI=1.0 임계값을 기준으로 최소 인프라 패키지(Minimum Infrastructure Package, 이하 MIP)를 결정한다. 각 단계의 불확실성은 몬테카를로 시뮬레이션(n=1,000)으로 검증하며, 파라미터(λ, φ, ϕ, T, β, r, N) 민감도 분석으로 경계의 강건성을 확인한다. 이 절차는 동일한 최소 데이터 스키마(부록 A.1)를 전제로 타 인구소멸지역에도 반복 적용 가능하도록 설계되었다.

2. ODD-인프라 분해 및 레벨 정의

ODD를 통신·정밀지도·관제·교차로 ITS의 4대 축으로 분해하고, FTA로 각 축의 부재가 ODD 이탈·중단으로 이어지는 경로를 정리하여 레벨별 최소 충족 조건을 도출하였다. <Table 1>은 5개 레벨의 정의다.

레벨 경계는 ODD 요건(통신·정밀지도·관제·교차로 협력)의 누적 조합과, 운영 KPI(대기·결행·MTTR) 및 교차로 리스크 변화에 대한 직접 영향 여부를 기준으로 정의하였다.

3. 접근성 지표 및 일반화 통행시간

본 연구는 누적기회 접근성 산정 시 임계시간 T=45분을 적용한다. 이는 (1) Geurs and van Wee(2004)가 농촌지역에 45-60분을 권장하고, (2) 하동군 읍내-최외곽 면 간 이동시간이 37-45분(평균 주행속도 40km/h 기준)이며, (3) 국제적으로 농촌 접근성 연구에서 45분이 널리 사용되기 때문이다(Bastiaanssen et al., 2022). T값 선택의 영향은 Ⅳ장 민감도 분석(T=30, 45, 60분)에서 검증한다. 본 연구는 두 가지 접근성 지표를 병행 사용한다. 누적기회 접근성(cumulative opportunities accessibility, A_cum)은 임계시간 T 내 도달 가능한 기회(opportunities)의 합으로 정의되며, 계산이 직관적이고 정책 해석이 용이하다는 장점이 있다(Palacios and El-Geneidy, 2022). 중력 기반 접근성(gravity-based accessibility, A_grav)은 지수 감쇠함수( =0.05)를 적용하여 거리에 따른 기회 가치 감소를 반영한다. 두 지표는 상호 보완적으로 사용된다. 누적기회 접근성은 임계시간 이내 도달 가능한 기회의 수를 직관적으로 보여주어 정책적 해석성이 높고, 중력기반 접근성은 시간 증가에 따른 기회의 체감가치를 연속적으로 반영하여 행태적 현실성을 포착하는 데 유리하다. 즉, 전자는 이산적 접근 가능성을, 후자는 연속적 시간 감쇠 효과를 보완적으로 제공한다. 본 연구에서는 두 지표 간 Pearson 상관계수 r=0.94로 일관된 결과를 확인하였다.

일반화 통행시간(generalized travel time)은 운영 KPI가 접근성으로 전이되는 핵심 메커니즘이다. 식 (1)과 같이 정의된다:

여기서 i는 출발지, j는 도착지, t_ij는 출발지 i에서 도착지 j까지의 일반화 통행시간을 의미한다. t_drive는 실제 주행시간, E[W]는 평균 대기시간, P90(W)는 90백분위 대기시간, P(cancel)은 결행 확률, E[MTTR]은 평균 복구시간이다. 계수 λ, φ, ψ는 신뢰성 페널티(reliability penalty)로, 이용자가 대기시간의 변동성, 결행 리스크, 서비스 중단을 실제 통행시간 대비 얼마나 부정적으로 인식하는지를 나타낸다. Wardman(2004)의 대중교통 가치 시간(value of time) 메타분석에 따르면, 대기시간의 변동성은 λ=0.5, 결행 리스크는 φ=15분(1회 결행당 추가 인식 시간), 서비스 중단은 ψ=0.3으로 설정하는 것이 합리적이다.

이 일반화 통행시간은 OD 쌍 간 거리 행렬로 변환되며, 누적기회 접근성은 A_cum(i) = Σ_j O_j · 1(t_ij ≤ T), 중력 기반 접근성은 A_grav(i) = Σ_j O_j · exp(-β·t_ij)로 계산된다. 여기서 A_cum(i)는 출발지 i에서 임계시간 T 이내에 도달 가능한 서비스 기회의 총량, A_grav(i)는 출발지 i에서 시간 감쇠를 반영한 기회의 가중합이며, O_j는 도착지 j에 위치한 서비스 기회의 규모, 1(·)은 지시함수이다. 인프라 레벨이 향상되면 운영 KPI가 개선되고(대기시간 감소, 결행률 저하, MTTR 단축), 이에 따라 일반화 통행시간(t_ij)이 감소하며, 결과적으로 접근성이 증가하는 인과 경로가 형성된다. 예컨대, L2 도입으로 P90이 74.1분에서 18.3분으로 감소하면 λ·P90 항이 약 28분 단축되어, T=45분 기준 도달 불가 OD 쌍이 가능 범위로 편입된다. 인구소멸지역은 OD 간 통행시간이 임계값 부근에 집중되므로, 동일 KPI 개선이 도시 대비 더 큰 접근성 전환을 유발한다.

4. 사례지역 선정 및 인구소멸 특성

하동군은 인구감소지역 지정, 저밀도(62.6명/km²), 장거리 통행(읍-면 간 15-25km), 제한된 대중교통(1일 52회)이라는 점에서 인구소멸지역의 전형적 특성을 갖는 사례로 선정하였다. 안양과의 비교는 직접 우열 비교가 아닌, ODD 지원 요소의 농촌형 재구성 수준을 검토하기 위한 준거 비교(reference comparison)이다. 본 연구는 하동군을 대상으로 6개 시나리오를 설정한다: S0(현행 시내버스), S1(L0: DRT 데이터 기반 운영, 비자율), S2(L1: 자율주행+통신/관제), S3(L2: +HD map 45km), S4(L3: +스마트교차로 5개소), S5(L4: +RSU 전면). SUMO 시뮬레이션으로 일 수요 200-350회를 가정하였다. 이 범위는 하동군의 인구 규모(4.2만)와 농촌형 예약 기반 교통서비스의 일반적 수요 범위를 고려한 시나리오 입력 범위이다. 또한, 안양 ‘주야로’의 운영기관 제공 집계 KPI(비공개)는 도시형 운영 구조를 설명하기 위한 참조 범위로 활용하였다. 시뮬레이션 입력 데이터는 도로망(OpenStreetMap 기반), 수요(읍면별 인구·고령화율 비례 배분), 운영규칙(배차간격 15-30분, 차량 5-8대)로 구성된다. 본 연구의 DRT 운영 규칙은 농촌형 예약 기반 DRT의 정류장·운행권역·시간대 제약을 반영한 준-고정 운영 방식(window-based dispatch)으로 단순화한 것이며, 15-30분 배차간격은 예약 수요를 시간 창 내에서 묶어 운행하는 규칙을 모사한다. 이는 동적 우회, 실시간 경로 재조정, 취소 및 재배차 효과를 충분히 반영하지 못하는 한계를 가지며, 따라서 대기시간과 접근성 결과는 실제 운영 대비 다소 보수적 또는 단순화된 추정치일 수 있다. 그럼에도 불구하고 본 연구의 목적은 운영 알고리즘 자체를 최적화하는 데 있다기보다 인프라 수준 변화에 따른 상대적 비용-효과 구조를 비교하는 데 있으므로, 단계별 경계 식별에는 일정 수준의 유효성을 가진다고 판단하였다. 따라서 본 연구에서 안양 기준선은 하동군이 도달해야 할 목표치가 아니라, 도시형 자율주행 DRT 운영에서 관찰되는 ODD 지원 구조를 인구소멸지역 조건에서 재구성할 때 상대적 한계효율이 어떻게 달라지는지를 해석하기 위한 참조 사례로 활용되었다.

5. 시뮬레이션 입력자료 구성 및 캘리브레이션

SUMO 기반 시뮬레이션의 재현성을 확보하기 위해 (1) 도로망(링크-노드)과 신호체계, (2) 정류장/거점(POI) 정의, (3) 수요(OD) 생성, (4) 운영규칙(배차·결행·이벤트 복구) 4요소를 동일한 데이터 스키마로 구성하였다. 안양 ‘주야로’ 기준선의 운영 KPI(OTP, 대기시간 분포, 결행률, MTTR)는 도시형 운영 구조를 설명하기 위한 참조 범위(reference range)로 활용하였으며(운영기관 제공자료·비공개 집계), 하동군 시나리오의 입력 파라미터(배차간격, 차량 대수, 통신 지연/가용성, 이벤트 발생률)는 해당 범위를 직접 재현하기보다 인구소멸지역 조건에서 인프라 수준별 상대적 한계효율이 어떻게 달라지는지를 해석하기 위한 보정 절차로 조정하였다. 따라서 본 연구의 관심은 안양 수준의 절대 성능 재현이 아니라, 인구소멸지역 조건에서 인프라 단계별 전환의 상대적 비용-효과 구조를 식별하는 데 있다. 입력데이터 항목과 SUMO 매핑 규칙은 부록 A.1에 정리하였다.

6. 타당성 점검(Verification/Validation) 및 한계

본 연구의 시뮬레이션 결과는 다음 세 가지 측면에서 타당성을 확보하였다. 다만, 안양 ‘주야로’의 세부 관측 KPI는 운영기관 비공개 자료로 제한되어 FHWA(2019)가 권고하는 정량 확인(GEH<5, MAPE<15%)은 수행하지 못하였으며, 이는 본 연구의 주요 한계이다. 이에 따라 (i) 입력 데이터 스키마·시나리오 토글(부록 A.1, A.3) 공개를 통한 모형 검증(verification), (ii) 레벨 전환 인과(통신에서 HD map, 스마트교차로, RSU로 이어지는 순서)가 KPI·접근성에 미치는 방향성이 선행연구(Eckhardt et al., 2020; Pakusch et al., 2025)와 일치하는지 전문가 검토(face validity), (iii) 확률적 모수/수요 변동을 몬테카를로(n=1,000)로 반영한 강건성 분석을 적용하였다(Kleijnen, 1995; Ciuffo et al., 2014). 향후 운영 데이터 확보 시 관측치-시뮬레이션 출력 비교(MAPE, 절대오차) 기반의 정량 검증을 수행할 예정이다.

7. 비용모형 구성 및 민감도 분석 설계

한계 비용(MC)은 총소유비용(TCO: CAPEX+OPEX)을 km당 정규화하여 산정한다(분석기간 N=7년, 할인율 r=3%). 주요 항목은 (1) RSU/스마트교차로: 교차로당 2,000만원(USDOT, 2024 RSU $15,000-$25,000 원화 환산), (2) 통신 백홀: 연 500만원, (3) 관제시스템: 초기 5,000만+연 1,000만원(Kim et al., 2023), (4) HD map: km당 200만+연 10% 갱신, (5) 현장운영: 연 3,000만원, (6) 유지보수: CAPEX의 5%/년이다. 비용 절대값보다 레벨 전환 간 상대적 비율이 MCI 경계 판단에 핵심적이므로, CAPEX±20% 민감도 분석을 병행하였다.

Ⅳ. 분석결과

1. 시나리오별 운영 KPI

시나리오별 운영 KPI 및 접근성·강건성 결과는 <Table 3>에 통합 제시하였다. S2(L1)에서 OTP가 S0 대비 21.4%p 개선(51.2%에서 72.6%로), 결행률은 68% 감소(12.3%에서 3.9%로)한다. S3(L2)에서 P90 대기시간이 74.1분에서 18.3분으로 급감(-75.3%)한다. 이는 HD map으로 ODD 이탈 빈도가 줄어 운행 연속성이 확보되기 때문이다.

S4(L3)에서 MTTR이 41.1분에서 17.4분으로 감소(-57.7%), OTP 83.9%로 증가한다. SPaT/MAP가 교차로 진입 예측을 지원하여 급정거를 줄이기 때문이다. S5(L4)는 MTTR -3.2분, OTP +2.1%p에 그쳐 한계 편익이 급감한다. 누적기회 접근성(T=45분)은 전체 평균 S3 18.3%, S4 22.7%, S5 26.8% 개선이 도출되며, 중력 기반 접근성과의 Pearson r=0.94로 두 지표가 일관된 결과를 보인다.

2. 비용-효과 분석

<Table 2>는 전이별 MC, MA, MCI 값을 수치적으로 제시하며, <Fig. 1>는 동일 결과의 추세와 MCI=1.0 경계를 시각적으로 보여준다. 본 연구에서는 MCI=1.0을 한계효율 임계값으로 두어, MCI≥1이면 비용 1단위 증가 대비 효과가 1단위 이상 증가하는 ‘경제적 타당’ 전이로, MCI<1이면 한계편익이 비용을 하회하는 전이로 해석하였다(Boardman et al., 2018). L0에서 L1로의 MCI는 2.88로 가장 높으며, L1에서 L2로의 전환은 MCI=2.21로 여전히 효율이 높다. L2에서 L3로의 전환은 MCI=1.42로 효율이 하락하나 교차로 지체 감소 효과가 두드러진다. L3에서 L4로의 전환은 MCI=0.43으로 투자 효율이 급락하여 비용-효과 경계가 명확히 존재한다.

Fig. 1

Trends in the Marginal Cost-Effectiveness Index (MCI) by infrastructure level transition. While the MCI remains above 1.0 from L0 to L3, it drops sharply to 0.43 upon transitioning from L3 to L4, marking the cost-effectiveness threshold

레벨 전환별 MCI 추세는 다음과 같다. <Fig. 1>에 제시된 바와 같이, MCI는 L0에서 L1로 전환할 때 2.88, L1에서 L2로 전환할 때 2.21, L2에서 L3로 전환할 때 1.42로 점진적으로 감소하였으며, L3에서 L4로 전환할 때는 0.43으로 급격히 하락하여 1.0 미만을 보였다. 이는 L3까지의 단계는 비용 대비 편익이 유지되는 반면, L4부터는 추가 고도화의 한계효율이 급격히 낮아질 가능성을 시사한다. 따라서 본 연구에서는 L3 수준을 본 사례 분석 범위에서 최소 인프라 패키지의 실질적 상한으로 해석하였다.

3. 강건성 검증 및 민감도 분석

몬테카를로 시뮬레이션(n=1,000) 결과는 <Table 3>와 같다. S4(L3) 평균 22.7%, P10 15.8%, P90 29.6%, P(ΔA>0)=97.3%로 강건하다. S5(L4) 추가 개선 평균 +4.1%, P10 +1.2%, P90 +7.3%, P(ΔA>0)=81.4%로 최솟값이 낮고 불확실성 범위가 넓어 투자 리스크가 높다. 민감도 분석 결과, =0.3-0.7, =10-20분, =0.2-0.4 범위에서 시나리오 순위는 변하지 않았으며, T=30/45/60분 모두에서 L3에서 L4로의 MCI가 1.0 미만(0.38-0.49)으로 경계가 안정적이다. 할인율 r(2-4%)·분석기간 N(5-10년) 9개 조합 및 CAPEX±20% 변동에서도 L3에서 L4로의 MCI는 0.35-0.52로 1.0 미만이 유지되어, “L1-L3가 최소 인프라 패키지”라는 결론은 파라미터 및 비용 가정의 합리적 범위 내에서 강건한 경향을 보였으며, 이는 H3를 지지하는 결과로 해석된다. 안양(도시 기준선)과 하동(농촌 적용)을 비교하면, 안양은 도시형 기준선 수준에서 OTP 91.2%, 대기시간 8.3분, 결행률 1.2%를 달성한 반면, 하동 S5(L4)는 OTP 86.0%, 대기시간 10.9분, 결행률 2.1%로 5-10%p 낮다. 이는 하동의 저밀도(62.6 vs 7,213명/km²)·광역(673 vs 58.5km²) 특성에 기인한다. 따라서 본 비교는 안양과 하동의 서비스 수준 우열을 직접 판단하기 위한 것이 아니라, 도시형 기준선의 ODD 지원 구조가 인구소멸지역에서 어떠한 최소 수준으로 재구성될 수 있는지를 해석하기 위한 준거 비교로 이해하는 것이 적절하다. 그러나 하동의 L1에서 L2 전환 시 접근성 개선폭(+3.1%p)이 안양 추정치(+2.5%p)보다 크게 나타나, 인구소멸지역에서 HD map(L2)의 ODD 안정화 효과가 도시 대비 상대적으로 크게 작용할 가능성을 확인하였으며, 이는 H2와 정합적인 경향으로 해석된다.

일반화 통행시간 계수(λ, φ, ψ)에 대한 민감도 분석 결과, λ=0.3-0.7, φ=10-20분, ψ=0.2-0.4 범위에서 시나리오 순위는 변하지 않았으며, L3에서 L4로의 MCI는 0.38-0.49로 경계가 안정적이다. 종합하면, 본 연구의 핵심 결론인 “L1-L3가 인구소멸지역용 최소 인프라 패키지”는 파라미터 및 비용 가정의 합리적 범위 내에서 강건하다.

몬테카를로 시뮬레이션(n=1,000) 결과는 <Table 3>와 같다. S4(L3) 평균 22.7%, P10 15.8%, P90 29.6%, P(ΔA>0)=97.3%로 강건하다. S5(L4) 추가 개선 평균 +4.1%, P10 +1.2%, P90 +7.3%, P(ΔA>0)=81.4%로 최솟값이 낮고 불확실성 범위가 넓어 투자 리스크가 높다. 민감도 분석 결과, α=0.3-0.7, β=10-20분, γ=0.2-0.4 범위에서 시나리오 순위는 변하지 않았으며, T=30/45/60분 모두에서 L3에서 L4로의 MCI가 1.0 미만(0.38-0.49)으로 경계가 안정적이다. 할인율 r(2-4%)·분석기간 N(5-10년) 9개 조합 및 CAPEX±20% 변동에서도 L3에서 L4로의 MCI는 0.35-0.52로 1.0 미만이 유지되어, “L1-L3가 최소 인프라 패키지”라는 결론은 파라미터 및 비용 가정의 합리적 범위 내에서 강건한 경향을 보였으며, 이는 H3를 지지하는 결과로 해석된다. 안양(도시 기준선)과 하동(농촌 적용)을 비교하면, 안양은 도시형 기준선 수준에서 OTP 91.2%, 대기시간 8.3분, 결행률 1.2%를 달성한 반면, 하동 S5(L4)는 OTP 86.0%, 대기시간 10.9분, 결행률 2.1%로 5-10%p 낮다. 이는 하동의 저밀도(62.6 vs 7,213명/km²)·광역(673 vs 58.5km²) 특성에 기인한다. 따라서 본 비교는 안양과 하동의 서비스 수준 우열을 직접 판단하기 위한 것이 아니라, 도시형 기준선의 ODD 지원 구조가 인구소멸지역에서 어떠한 최소 수준으로 재구성될 수 있는지를 해석하기 위한 준거 비교로 이해하는 것이 적절하다. 그러나 하동의 L1에서 L2 전환 시 접근성 개선폭(+3.1%p)이 안양 추정치(+2.5%p)보다 크게 나타나, 인구소멸지역에서 HD map(L2)의 ODD 안정화 효과가 도시 대비 상대적으로 크게 작용할 가능성을 확인하였으며, 이는 H2와 정합적인 경향으로 해석된다.

일반화 통행시간 계수(α, β, γ)에 대한 민감도 분석 결과, α=0.3-0.7, β=10-20분, γ=0.2-0.4 범위에서 시나리오 순위는 변하지 않았으며, L3에서 L4로의 MCI는 0.38-0.49로 경계가 안정적이다. 종합하면, 본 연구의 핵심 결론인 “L1-L3가 인구소멸지역용 최소 인프라 패키지”는 파라미터 및 비용 가정의 합리적 범위 내에서 강건하다.

Ⅴ. 토 의

1. 선행 실증과의 비교

본 연구의 L3 단계 접근성 개선율 22.7%와 L4 단계의 낮은 추가 효율은, 농촌형 DRT 및 자율주행 실증에서 보고된 “운영 안정화의 편익은 크지만 추가 고도화의 한계효율은 점차 감소한다”는 일반적 방향성과 정합적인 결과로 해석될 수 있다(Eckhardt et al., 2020; Pakusch et al., 2025). 다만 본 연구의 목적은 외부 사례와 절대값을 직접 비교하는 데 있다기보다, 하동군과 같은 인구소멸지역에서 인프라 단계별 전환이 접근성과 비용-효과 구조에 어떠한 차이를 만드는지를 규명하는 데 있다. 또한 안양과 하동의 비교는 인프라의 단순 확대가 아니라 지역 적합적 재구성이라는 점에서 의미가 있다. 안양은 도시형 기준선(reference baseline)으로 기능하는 반면, 하동은 저밀도·광역 농촌 환경이라는 상이한 공간 구조를 가진다. 따라서 본 비교는 두 지역 간 성능 우열을 직접 판단하기 위한 병렬 실험이라기보다, 도시형 기준선에서 확인된 ODD 지원 요소가 인구소멸지역에서는 어떠한 최소 수준으로 재구성될 수 있는지를 해석하기 위한 준거 비교로 이해하는 것이 적절하다.

2. 비용-효과 경계의 기술적 함의

L3에서 L4로의 MCI 급감(1.42에서 0.43으로)은 여러 선행 연구와 일치한다. USDOT(2024) 10개 주 분석에서 RSU 설치비와 백홀 네트워크가 총비용의 30-40%를 차지하며, Almannaa et al.(2025)은 C-V2X가 안전성은 38% 우수하나 비용이 20-25% 높다는 트레이드오프를 정량화하였다. 이는 농촌 저밀도 환경의 구조적 한계를 반영한다.

3. 연구의 한계 및 타당성 검토

본 연구의 가장 큰 한계는 하동군 실증 미착수로 인한 실측 데이터 부재이다. 안양 ‘주야로’의 세부 운영 KPI(OTP, 대기시간 분포, 결행률, MTTR)는 운영기관 제공 집계자료(비공개)로 제한되어, FHWA(2019)가 권고하는 관측치 대비 오차 기반의 정량 검증(GEH<5, RMSE<15%)은 수행하지 못하였다. 이에 따라 본 연구는 (1) 입력 데이터 스키마 공개를 통한 모형 검증(verification), (2) 레벨 전환의 인과(통신에서 HD map, 스마트교차로, RSU로 이어지는 순서)가 KPI·접근성에 미치는 방향성 일치 여부에 대한 전문가 검토(face validity), (3) 확률적 모수/수요 변동을 몬테카를로(n=1,000)로 반영한 강건성 분석으로 타당성을 확보하였다. 향후 하동군 또는 유사 지역에서 실증이 착수되면 본 프레임워크를 적용하여 캘리브레이션·검증을 수행할 예정이다.

둘째, 단일 사례지역(하동군) 분석으로 인한 일반화 가능성의 한계이다. 본 연구의 L3–L4 MCI 경계(0.43)는 하동군의 수요밀도(일 200-350회), 노선 길이(45km), 핵심 교차로 배치(5개소), 이벤트 발생률에 조건부이다. 다른 인구소멸지역(예: 강원 양구군, 전남 신안군)에 적용 시 인구밀도, 면적, 교통망 구조, 재정 여력에 따라 MCI 경계의 절대 위치가 이동할 수 있다. 다만, 사회과학 방법론에서 단일사례 연구는 ‘통계적 일반화(statistical generalization)’가 아닌 ‘분석적 일반화(analytical generalization)’를 목표로 하며(Yin, 2018), 이론적 명제의 검증과 방법론적 절차의 반복 적용 가능성이 핵심 가치이다. 본 연구에서 (1) ODD 4축 분해–레벨 토글–KPI의 일반화 통행시간 내재화–접근성 산출–MCI 경계 추정이라는 절차적 프레임워크는 지역을 달리하더라도 동일 스키마로 반복 적용 가능하며, (2) 민감도 분석 결과 T, α, β, γ, λ, r, N의 합리적 범위 내에서 경계가 L3-L4 사이에 강건하게 유지되었다. 또한 하동군은 Ministry of the Interior and Safety(2023) 기준 인구소멸지역의 전형적 특성(인구 5만 이하, 고령화율 35% 이상, 밀도 100명/km² 이하)을 모두 충족하는 ‘전형적 특성을 갖는 사례’로서, 유사 조건의 89개 인구감소지역에 대한 분석적 일반화의 기반을 제공한다. 따라서 본 프레임워크는 방법론적 일반화 가능성을 가진다.

셋째, 비용모형의 국내 지역별 편차 미반영이다. 본 연구는 국내외 선행연구(5GAA, 2020; USDOT, 2024) 및 국내 ITS 실증사업 자료를 참고하여 비용을 추정하였으나, 지역별 인건비, 공사비, 통신망 구축비 차이를 완전히 반영하지 못하였다. 그러나 본 연구의 핵심은 비용 절대값이 아니라 “레벨 전환의 한계효율(MCI) 경계”이며, CAPEX±20% 변동 시에도 경계가 L3-L4 사이에 유지되었다. 향후 지역별 실증 데이터가 축적되면 비용모형을 정밀화할 수 있다.

Ⅵ. 결 론

본 연구는 안양-하동 비교를 바탕으로 인구소멸·교통소외지역에서 자율주행 DRT의 ITS/C-ITS 인프라를 어느 수준까지 구축할 필요가 있는지를 평가하는 비용-효과 기반 프레임워크를 제시하였다. 핵심 기여는 제한된 재원 하에서 어떠한 레벨까지 우선 구축하는 것이 타당한지를 판별할 수 있는 평가 규칙을 제시한 데 있다. 분석 결과는 다음과 같다. 첫째, ODD를 통신·정밀지도·관제·교차로 ITS의 4대 축으로 분해하고 L0–L4 레벨을 정의하여 구축 순서의 공학적 기준을 제시하였다. 둘째, 일반화 통행시간 기반의 인프라에서 KPI, 접근성으로 이어지는 전환 메커니즘을 통해 단계적 구축의 효과를 정량 비교 가능한 단일 프레임으로 제시하였다. 셋째, 하동군 시뮬레이션에서 L3까지 평균 접근성 +22.7%(95% CI: 15.8–29.6%, P(ΔA>0)=97.3%)의 개선이 재현되었고, MCI 기준(임계값 1.0)에서 L4 전이는 MCI=0.43으로 한계효율이 급감하여 비용-효과 경계가 비교적 명확하게 나타났다.

정책 적용 측면에서, 적용 대상은 인구 5만 이하, 고령화율 35% 이상, 밀도 100명/km² 이하의 인구감소지역이며, L1(통신·관제)에서 L2(HD map), L3(핵심 교차로)까지는 본 사례 분석 범위 내에서 우선 검토 가능한 최소 인프라 패키지로 볼 수 있다. 반면 L4(RSU 전면 확대)는 기술적 고도화 측면에서는 의미가 있으나, 본 사례에서는 MCI가 1.0 미만으로 나타났다는 점에서 일 수요가 높거나 재정 여력이 상대적으로 양호한 지역에서 선택적으로 검토하는 것이 적절하다. 본 연구의 결과는 절대적 정책 규칙이라기보다, 지역별 도로망, 수요, 재정 여건을 반영한 재시뮬레이션의 출발점으로 활용되는 것이 바람직하다.

향후 연구 과제는 다음과 같다. 첫째, 다수 인구소멸지역(5-10개 지역)을 대상으로 한 비교 연구를 통해 MCI 경계의 지역별 변동 범위와 결정요인(인구밀도, 면적, 재정력)을 규명해야 한다. 둘째, 하동군 또는 유사 지역에서 실증이 착수되면 본 프레임워크를 적용하여 관측 데이터 기반의 캘리브레이션·검증을 수행해야 한다. 셋째, 자율주행 기술 발전(레벨 4에서 5로의 전환)과 비용 하락(배터리, 센서)을 반영한 장기 시나리오 분석이 필요하다. 넷째, 이용자 수용성(trust, willingness-to-pay)과 형평성(equity) 측면을 포함한 종합 평가 프레임워크로 확장해야 한다.

본 연구는 타당성 측면에서는 인구소멸지역 이동권 문제를 학술적 맥락에서 연결하였고, 신뢰성 측면에서는 T 민감도 분석과 몬테카를로 강건성 분석으로 안정성을 확인하였으며, 논리적 구조 측면에서는 연구배경에서 MCI 경계 도출, 정책 적용 조건까지의 인과 흐름을 일관되게 구성하였다. 다만 본 연구는 실측 로그 기반의 정량 검증과 다지역 비교 검증을 완료한 최종 실증 연구는 아니다. 따라서 일반화 가능성은 특정 수치의 보편성보다 절차적 프레임워크의 반복 적용 가능성에 있다. 종합하면, 본 연구는 인구소멸지역에서 자율주행 DRT 인프라의 단계적 도입을 위한 초기 평가 규칙을 제시함으로써, 이동권 보장과 재정 효율성을 동시에 고려하는 공공투자 의사결정에 기여할 수 있다. 다만 이러한 기여는 본 사례 분석 범위와 입력 가정에 기초한 것으로, 타 지역 적용 시에는 지역별 도로망, 수요, 재정 여건을 반영한 재시뮬레이션이 선행될 필요가 있다.

APPENDIX (부록)

부록 A. 재현성 패키지(데이터·시뮬레이션·시나리오 토글 정의)

본 부록은 심사 과정에서 자주 요청되는 재현성(Replication) 정보를 최소 단위로 제공한다. 개인정보 및 민감정보는 제외하며, 모든 값은 비식별·집계 또는 범위(Interval) 형태로 제공 가능하도록 구성한다.

A.1 입력데이터 스키마 및 SUMO 매핑

1) 네트워크: 링크-노드, 제한속도, 차로수, 신호주기/현시(가능한 경우), 정류장(stop_id) 위치.

2) 수요: 시간대별 호출 수요(호출/시간), OD(정류장×정류장) 분포, 피크/비피크 비율.

3) 운영: 배차 규칙(헤드웨이/차량수), 결행 사유코드, 이벤트 코드 및 복구 로직(MTTR).

4) 산출: OTP, 대기시간(E[W], P90), 결행률, MTTR 및 접근성(A_cum, A_grav).

A.2 캘리브레이션/검증 절차(Validation)

현장 관측 KPI(OTP, 대기시간 분포, 결행률, MTTR)의 원시 로그가 공개되지 않아 본 논문에서는 정량 오차 기반 검증을 보고하지 않는다. 향후 운영기관으로부터 비식별·집계 관측치가 확보될 경우, USDOT/FHWA 등의 교통 시뮬레이션 캘리브레이션·검증 가이드에 따라 관측치-시뮬 출력 비교(예: MAPE, 절대오차)를 수행할 수 있도록 절차 템플릿을 제공한다.

A.3 시나리오 토글 정의(S0-S5)

S0: 현행(비DRT 또는 제한적 DRT), 자율주행 없음.

S1(L0): DRT 데이터 기반 운영(예약/배차/OD), 자율주행 없음.

S2(L1): 자율주행 셔틀 + 통신/관제 MVP(원격 모니터링, 이벤트 로깅).

S3(L2): S2 + HD map(핵심구간) + 도로공사/통제 반영 절차(지도/운영 갱신).

S4(L3): S3 + 핵심 교차로 스마트교차로/SPaT-MAP 연계(선택과 집중).

S5(L4): S4 + RSU 확대/협력인지 고도화(광역 확산).

A.4 민감도 분석 결과 제출 형식(템플릿)

1) 파라미터(α, β, γ, T, λ) 조합별로 (i) ΔA 평균, (ii) P(ΔA>0), (iii) MCI 경계(최대 MIP 레벨)를 보고한다.

2) 비용민감도는 할인율 r 및 분석기간 N 변화에 따른 MC와 MCI를 보고한다.

3) 난수 기반 분석은 시드(seed)와 반복 횟수(n)를 명시한다(예: n=1,000).