빅데이터를 활용한 다양한 교통정책 구상 가능

빅데이터는 교통의 여러부문에서 부분적으로 활용이 이루어지고 있다. 예를 들면 통행 O/D 추정, 위험운전행동 분석, 고속도로 교통예보, 심야버스 노선 수립 등 다양한 분야에서 빅데이터 활용이 시도되고 있음을 알 수 있다.

그리고 기존 빅데이터 활용 정책·서비스 외에 새로운 정책 또는 서비스를 위한 심층적 연구와 빅데이터 활용방안에 대한 구상이 요구되고 있다.

그 첫 번째로, 내비게이션 애플리케이션 기록 기반 승용차 O/D 보완이 있다. 서울시 통계에 따르면 서울시 통행 중에서 승용차가 차지하는 수단분담률은 2014년 기준 22.8%로, 전체 통행의 5분의 1 이상이 승용차를 이용해 이뤄지는 것으로 나타났다. 이는 서울시의 교통체계에서 승용차가 차지하는 비중이 여전히 높다는 것을 의미하며, 향후 교통정책의 방향 설정을 위해서는 이들 승용차 통행에 대한 세부 현황 파악이 매우 중요할 것으로 보인다.

승용차를 제외한 다른 수단들의 통행에 대해서는 다양한 데이터를 이용하여 비교적 세부적으로 현황 분석이 이뤄지고 있다. 우선, 지하철과 버스를 아우르는 대중교통을 이용하는 통행은 교통카드 기록 및 버스운행 기록으로부터 100%에 가까운 통행 표본을 확보하여 사실상의 전수 분석이 가능하다. 또한 택시에 대해서도 운행 DTG 자료를 토대로 세부적인 통행 행태를 분석할 수 있으며, 이미 심야버스 노선 개발과 같은 실제 정책수립에서도 활용되고 있다.

반면, 도보 및 자전거로 대표되는 기타 통행은 상대적으로 짧은 거리의 통행이라는 점과 수단분담률이 5% 미만이라는 점으로 인해, 그동안 교통정책에서는 크게 다루어지지 못한 것이 사실이다. 여기에는 도보와 자전거가 완전히 개인화된 수단이기 때문에 통행 정보 수집이 쉽지 않다는 점도 작용하였다. 대표적인 개인통행수단인 승용차도 도보 및 자전거와 마찬가지로 통행의 기·종점, 통행의 목적 등 통행 관련 정보 수집이 매우 어렵다는 공통점이 있다.

승용차 통행에 대한 정보가 가장 상세하게 수집되는 경로는 5년마다 국가 단위로 이뤄지고 있는 가구통행실태조사라고 할 수 있다. 통행의 기·종점뿐만 아니라 통행 목적이나 응답자 개인정보도 함께 조사하기 때문에 이를 토대로 다양한 분석이 가능하다. 그러나 이 조사는 소요인력 및 비용이 대규모이고, 전체 모집단 크기 대비 표본의 크기가 작아 통계적 대표성에 대한 이슈가 항상 존재하고 있다. 또한, 작은 표본 데이터를 이용하여 승용차 통행 전수 O/D를 만들고 있으므로 조사를 통해서 수집되지 않는 지역의 일부 동행이 누락될 가능성에 대한 우려도 있다.

이러한 문제를 극복하기 위해서는 조사 표본 규모를 최대한 확대해야 하지만 시간과 비용문제로 쉽지 않으므로 가능하면 별도 자료를 활용하여 보완하는 과정이 필요할 것으로 보인다. 여기에 사용할 수 있는 자료에는 통신사 접속 기록 등 여러 가지가 있을 수 있으나 최근 많이 이용되고 있는 차량내비게이션 자료도 활용될 수 있을 것으로 보인다. 차량내비게이션 애플리케이션 기록은 출·도착지 정보와 이동 경로 정보를 실시간으로 수집할 수 있고, 표본의 크기가 매우 커 가구통행실태조사를 대체할 수 있는 잠재력을 지니고 있다. 그러나 내비게이션 기록도 해당 장치 또는 애플리케이션을 이용하는 승용차만을 대상으로 통행 정보를 수집할 수 있어 표본이 모집단의 다양한 특성을 제대로 설명할 수 없다는 단점이 있으므로 단기적으로는 가구통행실태조사를 대체하는 것이 어려울 것으로 판단된다. 따라서 내비게이션 기록은 가구통행실태조사의 표본에서 누락될 수 있는 지역의 O/D를 보완하는 방향으로 활용하는 것이 바람직할 것으로 보인다.

두 번째로, 내비게인션 기록 기반 도로 위험구간 파악이 있다. 내비게이션의 경로 안내를 받으며 운전하는 도중에 안내된 경로를 벗어나 내비게이션이 최적 경로를 재탐색하는 경우가 종종 있다. 내비게이션이 안내하는 경로를 이탈하는 이유로는 운전자의 부주의로 인한 실수, 운전자가 고의로 자신이 생각한 경로를 이용하고자 하는 경우, 내비게이션 정보와 실제 도로 환경이 불일치, 도로의 기하 구조 및 시야 불량 등이 있을 수 있다.

첫 번째는 운전자가 내비게이션의 안내에 집중하고 있지 않다가 경로를 벗어나는 경우이다. 라디오를 듣거나 휴대전화를 보는 등 운전 외의 행동을 하는 도중에 내비게이션이 제공한 정보를 인지하지 못하고 잘못된 경로를 택할 수 있다.

두 번째는 운전자가 해당 경로에 대한 정보를 평소 잘 알고 있어, 본인의 판단에 따라 경로를 선택하는 것이 더 낫다고 생각하는 경우이다. 이러한 운전자는 내비게이션이 안내한 경로보다 오랜 기간 축적된 경험을 토대로 고의로 다른 경로를 이용하며, 내비게이션 이용 목적이 경로 정보보다는 속도위반 단속용 CCTV 위치 파악이나 실시간 소통정보를 얻기 위한 경우가 많다.

마지막 내비게이션 정보와 실제 도로 환경이 불일치, 도로의 기하 구조 및 시야 불량은 자칫 교통사고 유발 등 심각한 문제로 이어질 수 있다. 내비게이션의 지도 정보가 최신 정보로 갱신되지 않아 도로 환경이 바뀐 것을 모르는 채 안내할 때도 있지만, 도로의 기하 구조가 너무 복잡한 나들목이나 램프 분·합류 지점, 지형적 조건 등으로 시야 확보가 쉽지 않은 지점 등이 될 것으로 추정되며, 이러한 지점은 다른 곳보다 교통사고 발생의 위험성이 클 것으로 판단된다.

따라서 내비게이션 기록 분석을 통해 경로 재탐색 횟수나 비율이 높은 지점을 선별하여 잠재적 위험지역으로 설정하고, 교통사고 자료 및 공간정보와 연계 분석하거나 현장 조사 등을 통해 그 원인을 파악하여 대처할 필요가 있다. 만일, 도로 환경이 좋지 못하여 경로 재탐색이 빈번한 경우라면 교통사고 예방을 위해 도로 기하 구조를 개선하거나 시야를 방해하는 도로 시설물을 이전하는 등의 대책을 마련·시행할 수 있다.

세 번째, 포털지도 길 찾기 안내정보 기반 대중교통 거점 보행 접근 거리 추정이 있다.

승용차를 줄이고 대중교통의 이용 촉진을 위해서는 버스정류장이나 지하철역과 같은 대중교통 거점까지의 접근이 편리해야 한다. 대중교통 거점까지의 접근 편리성은 일반적으로 이용 가능한 접근수단, 접근거리, 접근시간 등의 지표를 이용하여 평가할 수 있다.

하지만 이러한 지표는 현장을 방문하여 직접 조사하지 않으면 정확하게 측정할 방법이 많지 않다. 현장을 방문하더라도 특정 지점 간 조사가 가능할 뿐, 대중교통 거점 주변의 수많은 임의의 지점에서 거점까지의 평균 지표 값은 얻기 힘들다.

교통카드 기록으로는 카드를 태그하는 버스정류장 또는 지하철역 간 통행을 세부적으로 분석할 수 있으나, 가정에서 출발하여 지하철역에 도달하거나, 버스정류장에 내려서 학교로 가는 것과 같은 통행의 말단에 대한 정보는 확인할 수 없다.

5년 주기로 시행되는 전국단위 가구통행실태조사에서는 대중교통 거점까지의 접근수단과 통행시간을 묻는 문항이 포함되어 일부 조사가 이뤄지고 있으나, 표본의 수가 전체 모집단 대비 너무 적어 분석에 어려움이 있다. 교통카드 기록과 가구통행실태조사의 대중교통 접근 통해의 조사결과를 연계하여 분석하면 대중교통 말단에서의 통행 행태를 어느 정도 유추해 볼 수 있겠으나, 대중교통 접근 편리성을 지역적으로 정교하게 파악하는 데는 한계가 있다.

하지만 대부분 포털 사이트에서 제공하는 지도 서비스의 길 찾기 기능을 활용하면 임의의 지점에서 대중교통 거점까지의 접근수단, 접근시간 등 접근 통행에 대한 세부적인 정보를 얻을 수 있다. 지도 서비스의 길 찾기에서는 이용자가 원하는 출발지와 도착지의 정보를 입력하면 이용 가능한 수단별로 최적의 경로를 안내해 주며 수단별 이동시간, 이동거리, 환승 횟수 등도 함께 보여준다. 특히, 대중교통 이용 안내 경로에는 가장 가까운 대중교통 거점이 어디이고, 여기까지의 예상 도보 이동시간이 얼마나 되는지, 목적지 인근의 대중교통 거점에서 최종 목적지까지의 도보 이동시간이 얼마나 되는지 등에 대한 정보도 함께 제공한다.

포털지도 서비스에서 제공되는 도보 이동거리 및 이동시간은 실제 보행 네트워크 기반으로 산출되므로 비교적 정확한 값이라고 말할 수 있다. 또한 포털 회원과 비회원에 상관없이 무료로 매일 많은 사람이 포털지도 서비스의 길 찾기 기능을 사용하고 있어, 그동안 포털운영업체에 쌓인 검색기록의 양은 방대할 것이다. 이러한 길 찾기 검색기록 빅데이터를 분석하면 지역별·대중교통 거점별로 접근 통행에 대한 평균 접근 거리 등을 산출할 수 있으며, 이 외에도 대중교통 소외지역 등 다양한 정보를 얻을 수 있을 것으로 판단된다. 이렇게 빅데이터 분석을 통해 얻은 정보는 향후 대중교통 접근 개선, 소외지역 해소 등 관련 정책수립 및 시행에 유용하게 활용할 수 있을 것이다.

또한, 포털 서비스 길 찾기 검색기록은 도보 이동시간을 기준으로 새로운 개념의 역세권을 정의하는 데 사용할 수도 있을 것으로 보인다. 통상적으로 지하철 역세권은 역 중심이나 출구를 기준으로 직선반경 500M 지역 등 거리를 기준으로 정의하고 있지만, 통행자로서는 역으로부터 일정 반경 내에 있다 하더라도 실제 도보 이동시간이 지나치게 오래 걸린다면, 역세권에 거주하고 있다는 느낌을 받기 어려울 수도 있다.

그러므로 역세권을 단순 직선거리로 정의하지 않고 실제 도보 이동시간을 기준으로 정의한다면 대중교통 거점까지의 보행환경 개선 등 더욱 현실적인 정책을 마련하여 시행할 수 있고, 더불어 부동산 정보 파악이나 상권 분석 등에서 더 잘 활용될 수 있을 것으로 기대된다.