Skip to the content

[딥데이터] 위례신도시 출퇴근… 자동차, 대중교통 무엇을 더 이용할까?

추천 콘텐츠

※ <딥데이터>는 SKT의 위치 기반 데이터 분석 기술인 ‘리트머스(LITMUS)’를 통해 경제 및 사회 인사이트를 제공하는 기획 시리즈입니다. 앞으로 다양한 트렌드와 결합한 데이터를 순차적으로 공개할 예정입니다. 분석 자료가 고객의 삶에 최적화된 서비스를 제안하고, 사회 문제를 해결하는 데 활용되길 기대합니다.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

#1. A씨는 경기도 ‘가’ 신도시에서 서울 광화문으로 광역버스를 타고 출근하는 직장인이다. 최근 유가 상승과 거리두기 해제로 광역버스 이용하는 사람들이 많아져 아침마다 출근 전쟁을 치르고 있다. 광역버스는 안전벨트를 맬 수 있는 좌석이 모두 차면 입석 승객을 태우지 않는 것이 원칙이다. 상황이 이렇다 보니 A씨는 여러 대를 보내고 나서야 버스에 몸을 싣거나, 원칙을 무시한 채 입석으로 타는 것이 현실이다.

#2. 직장인 B씨는 인천 ‘나’ 신도시에서 서울 강남구 역삼동으로 출퇴근한다. 집에서 지하철역까지는 1km, 도보 15분 정도의 거리다. 그는 주로 공유 자전거나 킥보드를 타고 지하철역까지 이동한다. 지하철로 59분을 달려 역삼역에 내린 후 5여 분을 걸어 사무실에 도착한다. 그의 출근길 피로도를 결정짓는 요소는 집 앞에 공유 자전거나 킥보드가 있느냐이다. 만약 마이크로 모빌리티가 집 앞에 없다면, 5분이면 도착할 거리를 15분 걷거나 혹은 택시를 타고 이동해야 한다. 그는 매일 아침 집 앞에 공유 자전거나 킥보드가 있길 기도하며 집을 나선다.

혼잡한 광역버스, 어떤 버스 노선의 배차 간격을 늘리는 것이 가장 효율적일까? 아침 출근 시간, 우리 집 앞에는 왜 공유 자전거와 킥보드가 늘 없는 것일까? SKT의 리트머스 데이터로 혼잡한 대중교통 출근길 대안을 제시해본다.

출퇴근 교통 문제 해결하는 리트머스의 ‘주수단’ · ‘퍼스트마일’ 분석

대중교통 여건을 개선하기 위해 ‘주수단(주요 이동 수단)’과 ‘퍼스트마일’을 정확하게 분석하는 것이 중요하다.

리트머스는 기존의 유동 인구 분석인 ‘누가’, ‘언제’, ‘어디를 갔느냐’에서 나아가 ‘이동을 한 이유’와 ‘어떻게 이동했는지’를 분석할 수 있다. 따라서 리트머스 데이터로 주수단을 심층적으로 분석해 지금까지 풀지 못한 다양한 대중교통 인사이트를 발견할 수 있다.

퍼스트마일은 집, 회사 또는 특정 장소에서 주수단을 이용하기 위해 버스 정류장 및 지하철역으로 이동하는 것을 의미한다. 앞서 소개한 직장인 B씨가 집 앞에서 타는 킥보드가 바로 퍼스트마일이다. 퍼스트마일의 비밀을 풀면 보다 편리한 교통 환경을 제공할 수 있다.

어떤 지하철 또는 버스 노선을 늘려야 할까?

SKT의 리트머스는 이동과 체류 데이터를 바탕으로 특정 지역 사람들의 출퇴근 교통수단(자동차, 버스, 지하철, 도보) 이용 패턴을 파악한다. 위례신도시 A단지(약 2000+세대) 아파트를 포함한 지역의 리트머스 트립(Trip) 데이터를 살펴보자.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

먼저 해당 지역 사람들의 출근길 주요 이동 수단은 자동차(60%), 지하철(19%), 버스(15%), 도보(3%) 순으로 나타났다. 평균 통행 시간은 지하철이 56분으로 가장 많은 시간이 걸렸고, 자동차가 46분으로 두 번째로 높은 것으로 조사됐다.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

리트머스 데이터는 지하철 노선별 이용 고객 수를 파악할 수 있다. 출근 시간대 위례신도시 ‘A 지역’ 사람들은 지하철 8호선과 수인분당선을 가장 많이 이용한다. 전체 지하철 이용 고객의 58%가 두 노선을 이용할 정도이다. 출근 시간대 두 지하철 노선의 배차를 늘려 출근길 대중교통 혼잡도를 낮출 수 있다.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

퇴근 시간대 지하철 노선 별 이용자 수를 살펴보면, 출근 시간대와 마찬가지로 지하철 8호선과 수인분당선을 가장 많이 이용하는 것으로 나타났다. 다만, 퇴근 시간대에는 출근 시간과 대비하여 전체 지하철 이용자 수가 38% 감소했다. 따라서 지하철 이용자 수가 분산되는 퇴근 시간대보다는 출근 시간대 지하철 노선의 배차를 늘리는 것이 더 중요하다.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

위례신도시의 출근 시간대 버스 노선 별 이용자 수를 살펴보자. 서울 A 버스와 서울 B 버스에 승객이 몰리는 것을 확인할 수 있다. 출근 시간대에 두 버스의 배차 간격을 줄이거나, 대안 노선 확충을 고려하는 것이 대중교통난 해소의 해결책이 될 수 있다.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

퇴근 시간대를 살펴보자. 사람들이 가장 많이 몰리는 버스 노선은 서울 B 버스와 서울 A 버스로 출근 시간대와 같았다. 다만, 출근 시간대에 475명이 이용했던 서울 B 버스는 퇴근 시간이 되면서 사람들이 더 몰려 518명이 이용했다. 서울 B 버스는 출근 시간보다 퇴근 시간에 집중적으로 배차하는 등의 개선이 필요하다.

어느 지역에 킥보드를 재배치하는 것이 가장 합리적일까?

퍼스트마일을 분석하면 섬세한 연결을 통해 소비자들에게 편리한 교통 환경을 제공할 수 있다. 퍼스트마일의 시작점은 대부분 집 앞이다. 집 앞에서 버스 정류장이나 지하철역으로 이동하는 구간을 마이크로 모빌리티(전기 자전거, 전동 스쿠터, 전동 킥보드 등)로 이동하면, 기존 교통 시스템이 해결하지 못한 ‘이동성’을 충족해 이용자 만족도를 높일 수 있다.

우리는 인도, 갓길 등에 방치된 마이크로 모빌리티를 종종 목격한다. 사업자의 입장에서 보면 마이크로 모빌리티는 24시간 동안 누군가가 지속해서 이용하는 것이 좋다. 이를 달성하기 위해서는 사용자가 필요할 때, 필요한 곳에 마이크로 모빌리티가 배치되어 있어야 한다. 결국 사용자의 동선과 마이크로 모빌리티 배치가 겹치는 것이 중요하고, 사용자 동선이 시작되는 집과 퍼스트마일의 수요를 파악하는 것이 중요하다. 출근 시간대, 특히 대중교통을 활용하고 퍼스트마일이 발생하는 수요를 파악하면 배치에 대한 고민을 해결할 수 있기 때문이다.

리트머스는 인천 ‘나’ 신도시 거주자 2030 세대를 대상으로 퍼스트마일을 분석해 마이크로 모빌리티 재배치에 관한 연구를 진행했다. 평일 출근 시간대 집에서 버스 정류장이나 지하철역으로 1km 미만의 거리를 도보로 이동하는 사람들의 데이터를 추출한 다음, 마이크로 모빌리티 수요와 공급의 차이를 분석했다.

딥데이터, 리트머스, LITMUS, 위치지능화데이터

그 결과, 인천 ‘나’ 신도시의 A 지역과 B 지역은 마이크로 모빌리티의 수요가 넘침에도 불구하고 마이크로 모빌리티의 배치가 부족한 것으로 나타났다. 사업자는 출근 시간대 A와 B 지역에 마이크로 모빌리티 집중적으로 배치해 기기 사용률과 이용자 만족도를 동시에 끌어올릴 수 있다.

지금까지 위례신도시와 인천 ‘나’ 신도시의 사례를 통해 리트머스 데이터로 우리 사회의 교통 문제를 어떻게 해결할 수 있는지 살펴봤다. 리트머스 데이터를 활용해 대중교통 수요를 정확하게 분석하고, 교통수단 재배치를 통해 일상 속 교통 문제를 해결할 수 있길 기대해본다.

콘텐츠 사용 안내
이 콘텐츠는 공유, 인용, 배포가 가능하며
사용 시에는 ‘SK텔레콤 뉴스룸’으로
출처 표기
를 부탁드립니다.

문의하기

콘텐츠 사용 안내
콘텐츠 사용 시에는 SK텔레콤 뉴스룸 출처 표기를 부탁드립니다.
카카오 채널 안내
SK텔레콤 뉴스룸 채널을 추가해 보세요.
추가하기

이 콘텐츠가 SK텔레콤을 이해하는데 얼마나 도움이 되었나요?

답변 선택하기