1. 서 론

1.1 연구의 배경 및 목적

도시철도 역사 이용자 수는 주변 지역의 토지이용계획, 출입구 위치 및 배치, 이동편의시설 설치 여부 등에 많은 영향을 받고 있으나, 이에 대한 연구는 미진한 편이다.

실제 사당역의 경우 오전 첨두시 일부 출입구에서는 대기행렬이 발생하고 있으며, 일부 출입구는 거의 이용되지 않는 등의 특성을 보이고 있다(Figs. 1 and 2 참조). 이와 같은 이유는 3번 출구의 경우 에스컬레이터가 이용 수요가 맞지 않게 설치되어 있기 때문이며, 13번 출구와 동일한 기준으로 출입구 폭이 설계되어 있다.

다음의 표와 같이 주변지역 성격이 다른 5개역의 승하차 인원과 출입구 개수를 비교해보면 교차로를 중심으로 4개 방면에 출입구가 위치한 획일적인 기준으로 도시철도역 출입구가 설계되어 있음을 알 수 있다. 특히 강남역과 동대문역사문화공원역의 경우 승하차인원이 약 2배 정도 차이가 있음에도 불구하고 출입구 수는 거의 비슷하다(Table 1 참조).

Table 1. Total Number of Passengers and Entrance (As of 2014)

Division	Gangnam Station	Samsung Station	Myeongdong Station	Dongdaemun History and Culture Park Station	Chungjongro Station
Subway influential area	Work, Housing, entertainment	Work, entertainment	Large-scale sales facility	Work, entertainment	Work, Housing
Total number of passengers	234,798 person/day	130,827 person/day	86,198 person/day	79,694 person/day	35,609 person/day
Entrance	12	8	10	14	10
Entrance location

충정로역 출입구별 이용자 수를 살펴보면 1, 2번 출입구의 이용률이 낮은 것을 볼 수 있는데 이는 출입구간 거리가 짧고(1번, 10번, 2번 출구 밀집) 주변 상가와의 출입구 이동 동선이 일치하지 않기 때문으로 분석되었다(Figs. 3 and 4 참조).

특히 도시철도 역사 주변 입주 건물(복지관, 공원, 보건소, 실버타운 등) 특성에 따라 주 이용객 유형이 정의되어지나 기존 역사의 경우 이에 대한 고려없이 외부 출입구 주변 편의시설 설치시 공간 확보가 가능한 지역에 엘리베이터 등의 이동편의시설(에스컬레이터, 엘리베이터, 무빙워크 등)을 설치한다.

역별 출입구 규모 설계 및 적정한 위치에 이동편의시설을 설치하기 위해서는 출입구별 유출입 이용수요를 추정할 수 있는 모형식이 필요하며, 이용수요 중 교통약자의 비율 즉 교통약자 이용자 수가 중요하다.

따라서 본 연구에서는 도시철도역별 출입구 규모 및 편의시설 적정 규모 산정을 위해 기초적으로 필요한 도시철도역 유출입 이용수요 추정 모형을 정립하고자 한다.

1.2 연구 내용 및 방법

본 연구는 한국연구재단의 “2017년도 이공학개인기초연구” 중 지역대학우수과학자 신규과제 연구로 3년도 중 2차년도 과제의 일부이다. 본 연구 과제의 최종 목표는 도시철도역 유출입 이용수요 추정 모형을 정립하는 것으로 연구의 목적 달성을 위해 다음과 같이 연구를 수행하였다. 첫째, 연구의 목적 및 연구 범위를 설정하고, 둘째, 이론적 고찰을 통해 이동편의시설 규모 산정식을 검토하고, 도시철도역 유출입 이용수요와 관련된 요인을 도출하였으며, 셋째, 도시철도역 유출입 이용수요 추정을 위한 자료 수집 및 특성을 분석하였으며, 넷째, 회귀모형을 이용하여 도시철도역 유출입 이용수요 추정 모형을 정립하였다. 마지막으로 연구의 결과를 요약하고, 한계점 및 향후 연구 과제를 제시한다.

2. 관련 문헌 고찰

2.1 이동편의시설 규모 산정 관련

도시철도역 이동편의시설 규모 산정을 위해 관련 기준을 살펴보면 다음과 같이 도시철도 정거장 및 환승편의시설 설계지침 및 복합환승센터 설계 및 배치기준에서 확인할 수 있다.

도시철도 정거장 및 환승편의시설 설계지침에서는 출입구(외부 계단) 설치기준은 다음과 같이 최소 기준을 권고하고 있고, 이용자 수요보다는 기존 설치된 현황에 근거하여 이동편의시설을 설치하도록 제시하고 있다(Table 2 참조).

Table 2. Guidelines for Design of Urban Railway Stations and Transport Facilities

1. Exit design standard (Omitted) The minimum width shall be 3 m and shall not be less than 2 m even if unavoidable. However, it shall be 1.5 m or more when it is combined with E / S. 2. Escalator (E / S) (Omitted) When installed in parallel with a staircase, the following criteria shall apply. A)For 3.0 m ≤ passage width <3.5 m, install the E / S with the width of the tread plate of 580 mm or more. B) For 3.5 m ≤ passage width <5.0 m, E / S with 980 mm or more width of tread is to be installed up and down. C) For 5.0 m ≤ passage width, E / S with width of 980 mm or more is to be installed up and down, and the width of stairs shall be 1.5 m or more. D) If there is only ascending E / S and descending stairs, the step width shall be more than 1.5 m.

복합환승센터 설계 및 배치기준에서는 이동편의시설에 대한 설계시 수요를 이용하여 규모를 산정하도록 제시하고 있다(Table 3 참조).

Table 3. Design and Layout Standard for Complex Transfer Center

1. Stairs (Omitted) The width of the stairs is based on the LOS D standard of the stairs, Min and a flow rate of 41.47 min / min. <Formula to calculate stair width> $W_s=\frac{V_1}{PF{R}_s}$ Ws = width of stairs (m) V1 = 1 minute Demand (person / minute) PFRs = walking traffic flow rate (persons / min.m) (Omitted) The minimum width should be 3 m or more (1.5 m or more in parallel with the escalator) 2. Escalator (E / S) The effective width of escalator is based on 1.2 m, and it can be made more than 0.8 m when it is inevitable. The installed number of escalators is based on the service level (LOS) "D" of the waiting space, so that the occupancy area per person is 0.34 m2 Lock design. <Formula to find escalator installation number> $N_{es}=\frac{V_{es}}{PP{R}_{es}}$ Nes = Number of escalators installed (Large) Ves = Escalator demand (persons / minute) PPRes = the processing capacity of the escalator per minute (in / min)

국외의 경우 영국 런던 SPSG는 계단 폭원 및 에스컬레이터 개수 산정시 다음과 같이 첨두 이용수요를 활용하며, 특히 에스컬레이터 개수 산정시 방향별 수요를 활용한다(Table 4 참조).

Table 4. London Station Planning Standards and Guidelines (SPSG)

1. Stairs (Omitted) The bidirectional stairway should be designed so that the flow coefficient is at least 28 / min, based on service level C. The one-way stairway shall be designed so that the flow coefficient is at least 35 persons / min · m based on service level "D". <Two-way stairway width formula> <One-way stairway width formula> $\frac{Average Peak 1min demand}{28} \frac{Average Peak 1min demand}{35}$ 2. Escalator (E / S) The capacity for estimating the number of escalaors is assumed to be 100 persons per minute. <Formula to find escalator installation number> $\frac{Average Peak 1minute One way demand}{100}$

2.2 도시철도역 이용수요 영향요인 관련

도시철도역 이용수요에 영향을 미치는 요인 분석과 관련된 국내 선행연구들을 살펴보면 다음과 같다.

Oh et al.(2009)는 서울시의 대중교통 이용수요(역세권의 일일 이용수요)를 종속변수로 하고, 버스 및 도시철도와 관련된 12개의 설명변수를 사용하여 다중회귀분석을 실시하였으며, 역세권 유형별(주거/비주거) 모형을 추정하였다.

Sohn and Kim(2011)은 수도권을 대상으로 역세권(반경 400 m) 도시공간특성과 지하철 이용과의 영향 분석을 수행하였으며, 이를 위해 역별 연간 지하철 이용자수를 종속변수로 하고, 각 역세권별 도시공간특성을 설명변수로, 그리고 인구사회요인을 통제변수로 하는 회귀분석을 실시하였다.

Kim(2013)은 대구광역시 지하철 이용자를 대상으로 승차 및 하차로 이용자(오전 첨두시간대)를 구분하여 지하철역 주변의 토지이용, 인구수, 고용자수 등의 변수들과의 관계를 분석하였다.

Lee and Yoon(2014)은 2011년도 대구광역시 도시철도역별 승하차 인원수 자료를 사용하여 도시철도역별 이용수요에 영향을 미치는 요인을 분석하기 위해 역세권의 용도별 건축물의 연상면적 자료를 구축하였고, 도시철도 역세권내 환승이 가능한 버스노선 수, 역세권내 중․고등․대학교 학생 수 등의 자료를 구축하여 회귀모형(regression models)을 추정하였다.

2.3 시사점

도시철도역의 출입구 내 이동편의시설 규모는 최소 기준으로 제시하고 있고, 복합환승센터 설계 및 배치기준에서는 이용수요를 고려하여 규모 산정을 하도록 제시하고 있다.

국외의 경우 첨두 수요를 활용, 에스컬레이터의 경우 방향별 수요를 이용하여 규모를 산정하고 있다.

러나 이동편의시설은 교통약자인 노인, 장애인, 임산부 등의 이동을 편리하게 하기 위함이나, 국내 기준에서는 편의시설 설치대수 산정시 첨두시 모든 이용객의 승하차 수요를 이용, 방향별 고려함이 없이 제시하고 있어 정확한 규모 산정이 어려운 것으로 보인다.

이동편의시설 규모 산정은 유출입 이용자 방향별 추정이 매우 중요하나 이와 관련된 연구는 미진한 것으로 보인다.

대부분의 문헌에서 전체 역사의 이용수요와 관련된 연구를 회귀모형을 통해 진행하였으며, 도시철도역 이용에 영향을 미치는 요인으로는 역세권 유형, 역세권 반경, 버스노선 수, 학생수, 연상면적 자료 등을 활용하였다.

따라서 본 연구에서는 도시철도역별 출입구 규모 및 편의시설 적정 규모 산정을 위해 기초적으로 필요한 도시철도역 유출입 이용수요 추정 모형을 정립하고자 하며, 분석 절차와 방법은 다음과 같다.

첫째, 철도역의 각 방향별 철도 이용자를 추정하기 위해 다중회귀모형을 정립하여 분석한다.

종속변수(반응변수)에 영향을 미치는 독립변수(설명변수)의 선정을 위해 철도역별 반경 500 m, 200 m로 설정하여 토지용도별 이용 면적과 사회경제지표를 출입구 방향별로 조사·수집하여 활용하였다. 철도역 주변의 토지용도는 주거, 상업 및 업무, 공업, 교육, 공원 부지로 구분하여 면적을 조사하였으며, 사회경제지표는 철도역 주변의 인구, 취업자, 종사자, 학생 수 등으로 구분하여 자료를 수집하였다.

둘째, 철도역 이용수요를 종속변수로 하는 회귀모형은 1일 이용자, 첨두 1시간대 이용자, 첨두 시간의 5분 동안 이용자로 설정하고 방향별 유출입 이용자와 전체 이용자로 구분하여 모형을 정립한다. 모형 간 결정계수(R²)와 모형의 통계적 유의성을 검정하여 최적의 모형을 도출한다.

3. 자료 수집 및 특성 분석

3.1 자료 수집

도시철도역 유출입 이용수요 추정 모형을 정립하기 위해 수도권 도시철도역 20개 지점(분당선 14개, 경부선 2개, 안산선 4개 등)의 주변 토지이용 용도별(주거, 상업 및 업무, 공업, 교육, 공원) 면적, 정류장의 기하구조 및 출입구별 유출입 이용자를 5분 단위로 조사(계단 및 에스컬레이터 이용자 구분)하였다(Table 5 참조) (2018년 7월 1일~8월 31일 조사 수행).

Table 5. Utilization Demand and Geometry Survey Results for Urban Railway Station Directions (Example)

Station name	Station	Demand (person / day)			Demand (person / hour)			Demand (person / 5 minutes)			Entrance width (m)	Escalator Width
	Gate	Boarding (In)	Alighting (Out)	Total	Boarding (In)	Alighting (Out)	Total	Boarding (In)	Alighting (Out)	Total		Up	Down
Namyoung Station	1	12,846	13,955	26,801	771	2,931	3,701	116	440	555	5	-	-
Total	1
Noryangjin Station	1	3,175	1,815	4,990	254	200	454	38	30	68	7	-	-
	2	12,349	9,075	21,423	988	998	1,986	148	150	298	13.6	0.8	0.8
	3	5,528	9,528	13,057	282	1,048	1,330	42	157	200	3	-	-
	3-1	9,644	6,012	15,656	771	661	1,433	82	53	135	2.5	0.8	0.8
	4	1,764	2,949	4,713	141	324	466	15	26	41	2.5	-	-
	5	2,823	4,310	7,133	226	474	700	24	38	62	3	1	1
	6	7,527	9,188	16,715	605	1,011	1,613	64	81	145	3	1	1
	7	706	1,134	1,840	56	125	181	6	10	16	3	-	-
	8	5,410	3,290	8,699	433	362	795	46	29	75	2.5	0.8	0.8

사회경제 지표는 철도역 중심으로 500 m, 200 m로 구분하여 인구, 고용자, 학생, 종사자로 구분하여 조사하였다. 도시철도역 주변 토지용도 이용면적 자료는 Seoul Metropolitan City (2018)를 활용하였고, 인구, 취업자, 학생, 종사자 수는 통계청에서 획득하였다(Table 6 참조).

Table 6. Survey Results of Land Use Area and Socio-Economic Index Based on 500 m (Example)

Station name	Station	Subway influential area (radius 500 m) Land use area						Subway influential area (radius 500 m) Socio-economic index
	Gate	Residential	Commercial business	Industry	Education and Culture	Parks and Forests	Total	Population	Number of Students	Employed person	Workers
Hanyang Univ. Station AS01	1	46,911	28,839	-	2,252	25,619	103,620	1,863	127	963	2,206
	2	46,911	28,839	-	2,252	25,619	103,620	1,863	127	963	2,206
	3	72,429	58,970			8,354	139,753	2,877	-	1,486	4,510
	Total	166,251	116,647	-	4,504	59598	346,998	6,603	22,540	3,412	30,557
Central Station AS02	1	75,414	150,303			11,666	237,383	1,815	-	854	6,094
	2	296,171			4,819	97,783	398,774	7,129	123	3,353	-
	Total	371,585	150,303	-	4,819	109,449	636,156	8,945	123	4,207	6,094
Gozan Station AS03	1		102,220				102,220	-	-	-	2,788
	2	690,492			5,969	86,340	782,802	7,620	136	3,680	-
	Total	690,492	102,220	-	5,969	86,340	885,022	7,620	136	3,680	2,788

3.2 자료 특성 분석

도시철도역별 일평균 승하차인원을 살펴보면 선릉역이 131,656인/일로 가장 많았으며, 관악역이 18,079인/일로 가장 적었다(Fig. 5 참조).

도시철도역별 이를 첨두시 승하차인원을 살펴보면 가산디지털단지역이 18,776인/시로 가장 많았으며, 관악역이 1,750인/시로 가장 적었다(Fig. 6 참조).

출입구 개소수 및 폭에 대해 살펴보면 이용객이 가장 많았던 가산디지털단지역, 선릉역의 경우 출입구 수는 8개, 10개였으며, 평균 출입구 폭은 2.4 m, 3.2로 가장 작았다(Figs. 7 and 8 참조).

에스컬레이터 폭에 대해서도 역별 평균치를 살펴보면 야탑역과 태평역이 가장 넓었으며, 가산디지털단지역, 선릉역의 경우 좁은 축에 속하였다(Fig. 9 참조).

4. 철도역 유출입 이용수요 추정 모형 정립

4.1 회귀모형의 개념

회귀분석은 종속변수(dependent variable) 또는 반응변수(response variable)와 하나 이상의 독립변수(independent variable) 또는 설명변수(explanatory variable)들 사이의 함수 관계를 설명하려는 통계적인 기법을 말한다. 회귀분석을 하는 주요 목적은 다음과 같다.

- 독립변수와 종속변수 간의 선형 상관 관련성 여부 - 상관 관계가 있다면 크기 및 유의도 - 변수들 간의 종속관계의 성격(+ 또는 -) - 회귀분석은 독립변수들과 종속변수와의 선형결합관계를 유도

회귀분석은 종속변수의 척도, 독립변수의 개수, 종속변수와 독립변수의 선형에 따라 단순 회귀분석, 다중 회귀분석, 더미 회귀분석, 로지스틱 회귀분석, 다항 회귀분석, 비선형 회귀분석 등의 형태로 나누어진다.

4.2 다중회귀모형의 추정 및 검증

4.2.1 회귀모형 및 변수 선정

도시철도역의 출입구 방향별 이용자를 추정하기 위해 본 연구에서는 다중회귀모형을 적용하였다. 종속변수(반응변수)는 1일, 첨두 1시간, 첨두 시간대 5분 동안의 철도역 방향별 유출입구 이용수요이다.

독립변수(설명변수)로 철도역 반경 500 m, 200 m 범위의 토지용도(주거, 상업·업무, 공업, 교육, 공원) 면적과 사회경제지표(인구, 고용자, 종사자, 학생)를 설정하였다.

독립변수로 설정된 철도역 유출입구 방향별 토지용도 면적의 측정 방법은 수치지도와 토지용도별 면적을 활용하여 철도역 출입구 방향의 토지용도별 이용면적을 중복 없이 측정하여 산출하였으며, 사회경제지표는 행정동의 사회경제지표와 토지용도별 총면적대비 방향별 출입구 토지용도별 면적 비율을 활용하여 출입구별 사회경제지표를 추정하여 적용하였다.

도시철도역의 방향별 출입구 이용수요를 추정하기 위한 다중회귀모형은 1차적으로 도시철도역 출입구 중심 반경 500 m와 200 m의 독립변수(토지용도, 사회경제지표) 자료 수집 및 적용의 우위성을 판단하기 위해 이 두 그룹의 회귀모형 계수를 추정하고 통계적으로 유의성을 검증하여 자료의 적용 범위를 선정하였다.

2차적으로는 철도역 이용수요 특성(1일, 첨두 1시간, 첨두 5분)을 3개 그룹과 모형에 포함하는 독립변수를 선택하는 3개 그룹(토지용도, 사회경제지표, 토지용도와 사회경제지표)으로 설정하여 총 9개의 회귀모형 계수를 추정하고 통계적으로 모형의 유의성을 검증하여 최적의 도시철도역 방향별 출입구 이용수요를 추정하는 회귀모형을 선정하고자 한다.

4.2.2 결정계수에 의한 철도역 범위 선정

도시철도역 중심 반경 500 m와 200 m 범위의 독립변수(토지용도, 사회경제지표) 적용의 우위를 판단하기 위해 3개 그룹 변수를 적용하여 회귀모형 결정계수(coefficient of determination)를 추정하고 비교 평가하여 철도역 출입구 반경의 범위를 선정하였다. 그 결과 종속변수(철도역 이용자)와 관계가 가장 높은 독립변수(설명변수) 그룹은 반경 500 m의 토지용도별 이용면적을 적용하는 모형이 적합도가 가장 높은 것으로 분석되었다(Tables 7 and 8 참조).

Table 7. Urban Railway Station Center Radius 200 m, 500 m Application Model Summary (Land Use)

Classification			R	R2	Adjusted R Square	Standard error of estimates	Durbin- Watson	F Value	Independent variables
Radius 200 m	days	Inflow	.644	.415	.404	7553.430	1.951	36.429	Commercia and business, industrial, education
		Spill	.668	.446	.435	7574.811	2.058	41.349	Commercia and business, industrial, education
		Flow	.670	.448	.438	14595.752	2.003	41.740	Commercia and business, industrial, education
	1 hour	Inflow	.601	.362	.349	609.062	1.906	29.067	Commercial and business, park, education
		Spill	.691	.478	.464	1581.074	1.724	34.981	Industrial, commercial and business, education, park
		Flow	.693	.481	.467	1838.441	1.919	35.391	Commercial and business, industrial, education, residential
	5 minutes	Inflow	.597	.356	.344	92.382	1.917	28.415	Commercial and business, park, education
		Spill	.717	.514	.501	247.747	1.687	40.451	Industry, education, commerce and business, park
		Flow	.712	.507	.494	286.707	1.885	39.271	Industry, education, commerce and business, park
Radius 500 m	days	Inflow	.779	.606	.596	6232.1	1.591	58.890	Commercial and business, residential, industrial, education
		Spill	.768	.590	.579	6549.3	1.686	55.072	Commercial and business, industrial, residential, education
		Flow	.788	.621	.611	12163.6	1.606	62.713	Commercial and business, industrial, education, residential
	1 hour	Inflow	.788	.621	.616	467.9	1.515	126.890	Commercial and business, residential
		Spill	.630	.397	.381	1700.3	1.481	25.134	Commercial and business, industrial, education, residential
		Flow	.735	.540	.528	1733.2	1.526	44.889	Commercial and business, industrial, education, residential
	5 minutes	Inflow	.783	.613	.608	71.4	1.537	122.800	Commercial and business, residential
		Spill	.650	.422	.407	270.2	1.426	27.967	Industrial, commercial and business, education, residential
		Flow	.737	.543	.531	276.5	1.472	45.375	Commercial and business, industrial, education, residential

Table 8. Urban Railway Station Center Radius 200 m, 500 m Applied Model Summary (Socioeconomic Indicator)

Classification			R	R2	Adjusted R Square	Standard error of estimates	Durbin- Watson	F Value	Independent variables
Radius 200 m	days	Inflow	.721	.520	.512	6684.6	1.520	42.900	Employeees, workers, student
		Spill	.701	.491	.482	7049.3	1.514	58.007	Workers, population, students
		Flow	.726	.527	.519	13041.8	1.477	61.588	Workers, employees, students
	1 hour	Inflow	.786	.617	.608	452.3	1.586	37.840	Population, workers, employees, students
		Spill	.620	.385	.378	1696.7	1.386	62.106	Workers, students
		Flow	.708	.501	.492	1764.0	1.375	61.811	Workers, employees, students
	5 minutes	Inflow	.788	.621	.612	68.	1.610	38.315	Population, workers, employees, students
		Spill	.641	.410	.403	273.7	1.266	64.262	Workers, students
		Flow	.718	.515	.507	281.4	1.269	62.147	Workers, employees, students
Radius 500 m	days	Inflow	.708	.501	.489	6835.9	1.601	62.099	Workers, employers, students, population
		Spill	.709	.503	.494	6965.7	1.681	55.290	Workers, employees, students
		Flow	.720	.518	.509	13172.6	1.647	63.985	Workers, employees, students
	1 hour	Inflow	.631	.398	.387	565.8	1.632	68.997	Population, workers, students
		Spill	.646	.418	.411	1650.5	1.401	54.137	Workers, students
		Flow	.720	.519	.510	1732.1	1.497	57.545	Workers, students, employees
	5 minutes	Inflow	.633	.401	.390	85.2	1.649	62.928	Population, Workers, students
		Spill	.653	.426	.420	270.0	1.293	60.177	Workers, students
		Flow	.721	.520	.512	280.0	1.401	60.996	Workers, students, employees

따라서 본 연구에서는 철도역 반경 500 m 변수 그룹을 적용하여 모형계수를 추정하고 평가하여 최적의 도시철도역 출입구 이용자 추정 회귀모형을 정립하고자 한다.

4.2.3 결정계수에 의한 독립변수 그룹 선정

도시철도역 방향별 출입구 이용자를 추정하기 위한 모형계수의 추정은 철도역 반경 500 m 범위의 독립변수 3개(토지용도 이용면적, 사회경제지표, 토지용도와 사회경제지료) 그룹을 설정하고, 종속변수 3개(1일, 첨두 1시간, 첨두 5분) 그룹의 결정계수를 추정하여 유의성을 검증하고 도시철도역 방향별 출입구 이용자 추정을 위한 최적의 독립변수 그룹을 선정하였다.

모형을 정립한 결과, 토지용도 이용 면적을 적용하였을 경우 독립변수로 상업·업무, 주거, 공업, 교육 면적 중 2~4개의 변수가 채택되었으며, 모형의 요약표를 살펴보면, R 제곱 값은 종속변수 1일 이용수요 0.590~0.621, 1시간 이용수요 0.397~0.621, 5분 이용수요 0.422~0.613의 값이 산정되었고, 분산분석표의 F값은 25.134~126.89로 유의수준 0.01에서 모두 유의하다고 할 수 있다.

사회경제지표를 적용하였을 경우는 독립변수로 고용자, 종사자, 학생, 인구 중 2개 이상의 변수가 채택되었으며, 모형의 R 제곱 값은 종속변수 1일 이용수요 0.491~0.527, 1시간 이용수요 0.385~ 0.617, 5분 이용수요 0.410~0.621의 값이 산정되었고, 분산분석표의 F값이 54.137~69.927로 유의수준 0.01에서 모두 유의 하다고 볼 수 있다.

독립변수 그룹별을 토지용도 및 사회경제지표를 적용하였을 경우 독립변수는 9개중 4~6개의 독립변수가 채택되었으며, 모형의 R 제곱(R²) 값은 종속변수 1일 이용수요 0.674~0.705, 1시간 이용수요 0.472~0.708, 5분 이용수요 0.502~0.727의 값이 산정되었고, 분산분석표의 F값이 34.216~92.591로 유의수준 0.01에서 모두 유의 하다고 볼 수 있다. 따라서 추정된 회귀모형이 모두 적절한 것으로 판단된다(Table 9 참조).

Table 9. Urban Railway Station Center Radius 500 m Application Model Summary

Classification			R	R2	Adjusted R Square	Durbin-Watson	Analysis of variance		Independent variables
							F Value	Probability of significance
Land use area	days	Inflow	.779	.606	.596	1.591	58.890	.000	Commercial and business, residential, industrial, education
		Spill	.768	.590	.579	1.686	55.072	.000	Commercial and business, industrial, residential, education
		Flow	.788	.621	.611	1.606	62.713	.000	Commercial and business, industrial, education, residential
	1 hour	Inflow	.788	.621	.616	1.515	126.890	.000	Commercial and business, residential
		Spill	.630	.397	.381	1.481	25.134	.000	Commercial and business, industrial, education, residential
		Flow	.735	.540	.528	1.526	44.889	.000	Commercial and business, industrial, education, residential
	5 minutes	Inflow	.783	.613	.608	1.537	122.800	.000	Commercial and business, residential
		Spill	.650	.422	.407	1.426	27.967	.000	Industrial, commercial and business, education, residential
		Flow	.737	.543	.531	1.472	45.375	.000	Commercial and business, industrial, education, residential
Socio-economic index	days	Inflow	.721	.520	.512	1.520	62.099	.000	Employees, Workers, students
		Spill	.701	.491	.482	1.514	55.290	.000	Workers, population, students
		Flow	.726	.527	.519	1.477	63.985	.000	Workers, employees, students
	1 hour	Inflow	.786	.617	.608	1.586	68.997	.000	Population, workers, employees, etudents
		Spill	.620	.385	.378	1.386	54.137	.000	Workers, students
		Flow	.708	.501	.492	1.375	57.545	.000	Workers, employees, students
	5 minutes	Inflow	.788	.621	.612	1.610	69.927	.000	Population, workers, employees, etudents
		Spill	.641	.410	.403	1.266	60.177	.000	Workers, students
		Flow	.718	.515	.507	1.269	60.996	.000	Workers, employees, students
Land use area and Socio-economic index	days	Inflow	.827	.684	.674	1.493	65.788	.000	Commercial and business, employees, students, education, industry
		Spill	.821	.674	.663	1.543	62.884	.000	Commercial and business, industrial, students, education, employees
		Flow	.840	.705	.695	1.451	72.711	.000	Commercial and business, employees, students, education, industry
	1 hour	Inflow	.841	.708	.700	1.664	92.591	.000	Population, commercial and business, student, education
		Spill	.687	.472	.458	1.389	34.216	.000	Student, education, industrial, commercial and business
		Flow	.785	.617	.604	1.440	48.965	.000	Residential, students, industrial, commercial and business, education
	5 minutes	Inflow	.853	.727	.716	1.703	67.125	.000	Population, commercial and business, students, education, employees, industrial
		Spill	.709	.502	.489	1.324	38.613	.000	Student, industrial, commercial and business, education
		Flow	.791	.625	.613	1.372	50.646	.000	Residential, students, industrial, commercial and business, education

독립변수 3개 그룹의 회귀모형의 결정계수를 비교하면, 토지용도별 이용면적 및 사회경제지표를 독립변수로 적용하였을 경우가 가장 높았고, 다음으로 토지용도별 이용면적, 사회경제지표 순으로 분석되었다. 하지만 토지용도별 이용면적 및 사회경제지표를 적용하는 경우 변수가 4개 이상 채택되었기에 결정계수 값이 높게 추정되는 경향이 있으며, 토지용도 이용면적만을 적용한 모형의 결정계수 값과 큰 차이가 없으므로 독립변수 수집이 용이한 토지용도별 이용면적을 독립변수 그룹으로 채택하여 최적 회귀모형을 선정한다.

4.2.4 최적 회귀모형 선정

도시철도역 방향별 유출입 이용자를 추정하기 위한 최적모형의 선정을 위해 도시철도역 방향별 출입구 중심 500 m 범위의 토지용도 이용면적을 독립변수로 채택하였으며, 종속변수 3개(1일, 첨두 1시간, 첨두 5분) 그룹의 유입, 유출, 유출입 이용자를 추정하는 다중회귀모형을 정립하여 계수 및 통계량을 산출하였다. 종속변수 3개 그룹 모형의 계수 및 통계량을 비교 검증한 결과, 철도역 1일 유출입 이용수요를 종속변수로 하고, 철도역 출입구 반경 500 m 이내의 토지용도별 이용면적을 적용하여 추정된 다중회귀모형이 최적 모형인 것으로 판단되었다.

최적 모형의 요약표를 살펴보면, R 제곱(R-square) 값은 유입 0.606, 유출 0.590, 유출입 0.621로 총분산에 대해 최소 59 % 이상 설명력이 있다. 또한 분산분석표 F 값(F-value)이 유입 58.89, 유출 55.07, 유출입 62.71이고 유의확률(p-값)이 모두 0.000이므로 회귀식은 유의하다고 볼 수 있다(Table 10 참조).

Table 10. Urban Railway Station Center Radius 500 m Application Model Summary

Classification		R	R2	Adjusted R Square	Durbin-Watson	Analysis of variance		Independent variables
						F Value	Probability of significance
days	Inflow	.779	.606	.596	1.591	58.890	.000	Commercial and business, residential , industrial, education
	Spill	.768	.590	.579	1.686	55.072	.000	Commercial and business, industrial, residential, education
	Flow	.788	.621	.611	1.606	62.713	.000	Commercial and business, industrial, residential, education
1 hour	Inflow	.788	.621	.616	1.515	126.890	.000	Commercial and business, residential
	Spill	.630	.397	.381	1.481	25.134	.000	Commercial and business, industrial, education, residential
	Flow	.735	.540	.528	1.526	44.889	.000	Commercial and business, industrial, education, residential
5 minutes	Inflow	.783	.613	.608	1.537	122.800	.000	Commercial and business, residential
	Spill	.650	.422	.407	1.426	27.967	.000	Industrial, commercial and business, education, residential
	Flow	.737	.543	.531	1.472	45.375	.000	Commercial and business, industrial, education, residential

독립변수에 대한 모수 추정치의 결과를 살펴보면, 독립변수 중 상업·업무, 주거, 공업 면적은 양의 관계, 교육은 음의 관계가 있는 것으로 나타내고 있다. T검정을 통한 유의수준은 p>0.05에서 유의하다. 상수의 경우 유입, 유출 모형 각각 0.077, 0.108로 유효하지 못한 것으로 나타내고 있으나, 독립변수들은 0.05 이하의 유의수준을 가지므로 모든 변수들은 종속변수(철도역 이용자 1일)에 영향을 미치는 변수로 볼 수 있다(Table 11 참조).

Table 11. Urban Railway Station Utilization Demand Model Factor

Classification	Model				Unstandardized Coefficients				Standardized Coefficients		t		Probability of significance		Statistics of collinearity
					B		Standard error		Beta						Tolerance		VIF
days	Inflow		(Constant)		1214.824		683.321				1.778		.077
			Commercial and business		.078		.009		.497		8.282		.000		.716		1.397
			Residential Area		.031		.006		.349		5.600		.000		.664		1.507
			Industrial Area		.082		.015		.338		5.423		.000		.663		1.509
			Education Area		-.046		.013		-.224		-3.465		.001		.614		1.628
	Spill		(Constant)		1161.792		718.097				1.618		.108
			Commercial and business		.089		.010		.555		9.068		.000		.716		1.397
			Industrial Area		.079		.016		.314		4.944		.000		.663		1.509
			Residential Area		.024		.006		.263		4.137		.000		.664		1.507
			Education Area		-.041		.014		-.195		-2.954		.004		.614		1.628
	Flow		(Constant)		2376.616		1333.679				1.782		.077
			Commercial and business		.167		.018		.537		9.126		.000		.716		1.397
			Industrial Area		.160		.029		.332		5.440		.000		.663		1.509
			Residential Area		.056		.011		.311		5.096		.000		.664		1.507
			Education Area		-.086		.026		-.214		-3.366		.001		.614		1.628
1 hour		Inflow		(Constant)		79.053		51.209				1.544		.125
				Commercial and business		.006		.001		.475		8.219		.000		.733		1.364
				Residential Area		.003		.000		.430		7.437		.000		.733		1.364
		Spill		(Constant)		238.022		186.429				1.277		.204
				Commercial and business		.012		.003		.334		4.502		.000		.716		1.397
				Industrial Area		.028		.004		.528		6.847		.000		.663		1.509
				Education Area		-.015		.004		-.341		-4.249		.000		.614		1.628
				Residential Area		.004		.002		.193		2.507		.013		.664		1.507
		Flow		(Constant)		321.291		190.034				1.691		.093
				Commercial and business		.017		.003		.425		6.558		.000		.716		1.397
				Industrial Area		.030		.004		.480		7.120		.000		.663		1.509
				Education Area		-.017		.004		-.319		-4.564		.000		.614		1.628
				Residential Area		.007		.002		.303		4.494		.000		.664		1.507
5 minutes		Inflow		(Constant)		12.549		7.815				1.606		.110
				Commercial and business		.001		.000		.474		8.128		.000		.733		1.364
				Residential Area		.000		.000		.424		7.272		.000		.733		1.364
		Spill		(Constant)		42.908		29.627				1.448		.150
				Industrial Area		.005		.001		.606		8.024		.000		.663		1.509
				Commercial and business		.002		.000		.289		3.975		.000		.716		1.397
				Education Area		-.003		.001		-.385		-4.910		.000		.614		1.628
				Residential Area		.001		.000		.203		2.692		.008		.664		1.507
		Flow		(Constant)		56.119		30.314				1.851		.066
				Commercial and business		.002		.000		.382		5.909		.000		.716		1.397
				Industrial Area		.006		.001		.553		8.235		.000		.663		1.509
				Education Area		-.003		.001		-.362		-5.187		.000		.614		1.628
				Residential Area		.001		.000		.305		4.541		.000		.664		1.507

독립변수들 간 상관관계 존재하는지 여부를 진단하기 위한 공선성 통계량표를 보면, 분산팽창요인(VIF : Variance Inflation Factor) 값은 10 이하이고, 공차(tolerance) 값은 모두 0.1 이상을 나타내고 있어 독립변수들 간 다중공선성(multicollinearity)이 없는 것으로 분석되었다. 일반적으로 VIF는 10 이상, 공차(허용도)는 0.1 값 보다 작은 독립변수는 다중공선성이 있다고 판단한다.

5. 결론 및 향후 연구

도시철도역의 이용자 및 교통약자의 이동편의시설의 적정 규모 산정을 위해서는 도시철도역 출입구별 방향별 이용수요의 추정이 필수적으로 수반되어야 한다.

본 연구에서는 도시철도역 출입구 방향별 이용수요를 추정하기 위한 모형을 정립하기 위해 수도권 도시철도역 20개소를 대상으로 종속변수는 1일, 첨두 1시간, 첨두 시간대 5분 동안의 철도역 방향별 유출입구 이용수요를 적용하고, 철도역 출입구 반경 500 m, 200 m 범위의 토지용도(주거, 상업·업무, 공업, 교육, 공원) 면적과 사회경제지표(인구, 고용자, 종사자, 학생)를 독립변수로 하는 다중회귀모형을 정립하였다. 그 결과 최적 모형은 철도역 1일 유출입 이용수요를 종속변수로 하고 출입구 반경 500 m 이내의 토지용도별 면적을 독립변수로 채택한 다중회귀모형을 최적모형으로 선정되었으며, 모형 계수 추정 결과에 의한 회귀방정식은 다음과 같다.

(1) 출입구별 유입 인원(일) = 1214.824(상수) + 0.078 × 상업·업무 면적 + 0.031 × 주거면적 + 0.082 × 공업면적 – 0.046 × 교육면적

(2) 출입구별 유출 인원(일) = 1161.792(상수) + 0.089 × 상업·업무 면적 + 0.079 × 공업면적 + 0.024 × 교육면적 – 0.041 × 주거면적

(3) 출입구별 유출입 인원(일) = 2376.616(상수) + 0.167 × 상업·업무 면적 + 0.160 × 공업면적 + 0.056 × 교육면적 – 0.086 × 주거면적

도시철도역 출입구별 유출입 인원(일), 즉 종속변수에 영향을 주는 독립변수의 영향 정도는 표준화계수(베타) 값으로 비교 판단 할 수 있다. 출입구별 유입인원(일) 추정 회귀모형에서는 상업·업무(0.479), 주거면적(0.349), 공업면적(0.338)은 종속변수에 양(+)의 영향을 주고, 교육면적(-0.244)은 음(-)의 영향을 주는 것으로 분석되었다.

출입구별 유출인원(일) 추정 회귀모형에서는 상업·업무(0.555), 공업면적(0.314), 주거면적(0.263)은 종속변수에 양(+)의 영향을 주고, 교육면적(-0.195)은 음(-)의 영향을 주는 것으로 분석되었다.

본 연구의 회귀모형식은 도시철도역 방향별 출입구별 이용수요를 추정하기 위한 독립변수를 토지용도별 면적만을 적용하고 있으나, 도시철도역 접근수단인 버스 등의 수단별 빈도 및 규모에 따라 유출입 이용자 수에 영향을 미칠 수 있을 것으로 판단되므로 철도역 방향별 출입구별 접근수단 유형, 도착 빈도, 해당 수단 이용자 수 등에 대한 변수 또한 추가하여 모형식을 보완 한다면 보다 정확도 높은 이용자 수 추정이 가능할 것으로 판단된다.

추가적인 연구로 본 연구에서 개발된 모형을 바탕으로 교통약자 이용자 수를 역별로 추정할 수 있다면, 향후 도시철도역사 주변 토지이용계획에 따른 이용자 수 추정이 가능하고, 이를 토대로 출입구별 이동편의시설 규모 추정 시 활용 될 수 있을 것이다.