Analysis of Factors Affecting Travel Time Considering Travel Purpose

통행목적을고려한통행시간영향요인분석

구자헌¹･ 추상호^2*

1

홍익대학교 도시계획과 박사과정,

홍익대학교 도시공학과 교수

Analysis of Factors Affecting Travel Time Considering Travel Purpose

KOO, Jahun

･ CHOO, Sangho

1

Ph.D. Course, Department of Urban Planning, Hongik University, Seoul 04006, Korea

2

Professor, Department of Urban Design and Planning, Hongik University, Seoul 04006, Korea

*Corresponding author: [email protected]

Abstract

A day consists of 24 hours, and people perform a variety of activities during the time period.

Travel time is related to activities, since travel is derived demand. According to the travel time budget theory, the average travel time appears to be constant over time. However, travel time by purpose affects each other given that the total travel time is constant. Therefore, this study aims to analyze factors to influence the changes of travel time by purpose considering their correlations. The data for this analysis come from the time use survey data of Statistics Korea in 2009 and 2019, focused on people over school age. Prior to modeling, we conducted a correlation analysis, resulting in significant correlations of all pairs of travel times by purpose.

Accordingly, a seemingly unrelated regression model was developed. The results of the model are as follows. First, it was found that both population density and urban ratio had positive influences on travel time. Second, the individual variables are more significant than the house- hold variables in the model. Third, the effect of the number of trips on travel time by purpose gradually increased over time. These results can be useful for establishing transport policy strategies related to travel time.

Keywords: seemingly unrelated regression, time use survey, travel purpose, travel time budget, travel time

초록

하루는 24시간으로 제약되어 있으며, 사람들은 저마다 다양한 활동을 수행한다. 통행은 파생 수요라는 특성이 존재하기 때문에, 통행시간 역시 다른 활동시간에 영향을 받는다. 이에 반해, 통행시간예산 이론에 따르면 하루 평균 통행시간은 비교적 일정한 것으로 나타난다. 종합해보 면, 하루 전체 통행시간은 비교적 일정하며, 통행시간은 다양한 활동에 영향을 받는다는 결론을 도출할 수 있다. 이를 살펴보기 위해 본 연구에서는 목적별 통행시간의 상관성을 고려하여 활동 시간에 따른 통행시간 변화를 살펴보고자 한다. 분석자료는 통계청에서 제공하는 2009년 및 2019년 생활시간 조사자료를 활용하였으며, 분석목적을 고려하여 전국 학령이상 인구 데이터 를 활용하였다. 본 분석에 앞서 상관성 분석을 수행하였으며, 목적별 통행시간은 모두 상관성이 존재하는 것으로 나타났다. 따라서 오차항 간 상관성을 고려할 수 있는 겉보기 무관 회귀모형을 활용하였다. 분석 결과는 다음과 같다. 첫째, 인구밀도 및 도시비율변수는 모두 양의 영향력이

ARTICLE HISTORY Received: 18 June 2021 Revised: 10 July 2021 Accepted: 17 August 2021 Copyright Ⓒ

Korean Society of Transportation

(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

J. Korean Soc. Transp.

Vol.39, No.5, pp.697-709, October 2021 https://doi.org/10.7470/jkst.2021.39.5.697 pISSN : 1229-1366

eISSN : 2234-4217

존재하는 것으로 나타났다. 둘째, 가구관련변수에 비해 개인관련변수에서 유의한 변수가 더 많은 것으로 나타났다.

셋째, 모든 목적통행에서 통행횟수 영향력이 점차 증가하는 것으로 분석되었다.

주요어: 겉보기 무관 회귀모형, 생활시간조사, 통행목적, 통행시간예산, 통행시간

서론

사람들은 저마다 다양한 활동을 수행하며 하루를 보낸다. 하루는 24시간으로 제약되어 있으며, 이에 따라 각 활동 은 다른 활동에 영향을 미친다. 예를 들어, 업무시간이 길어지면 여가시간이 줄어드는 것과 같다. 통행시간 역시 다 른 활동시간에 영향을 받으며, 파생수요(Derived Demand)라는 통행의 특성에 따라 더 큰 영향을 받을 수밖에 없다.

다시 말해 통행시간은 어떤 활동을 수행하기 위해 이동하는 시간을 의미하며, 특정 활동을 수행하지 않으면 발생하 지 않는다. 따라서 업무통행 시간이 유연근무제 및 재택근무제 시행에 따라 변하는 것(Cho et al., 2017)과 같이 목 적이 되는 활동에 많은 영향을 받는다. 이를 바탕으로 우리나라 활동시간 변화를 살펴보면, 1999년 대비 2014년 노 동시간은 지속적인 감소 추이를, 여가시간은 증가 및 감소 추이(Ministry of Gender Equality and Family, 2015)를 나타내는 등 전반적인 활동시간이 변화하고 있으며, 이로 보아 통행시간은 변화한다고 예측할 수 있다.

교통 분야에서는 통행의 특성을 분석하기 위해 다양한 연구가 진행되었으며, 그 중, Tanner(1961)에 의해 통행시 간예산(Travel time budget, TTB) 또는 통행시간지출(Travel time expenditure) 이론이 처음 제시되었다. 이 이론은 시간을 현금과 같은 자산으로 간주하여 하루 동안 통행에 지출하는 비용(시간)이 정해져 있으며, 해당 비용 안에서 통행시간의 지출이 발생한다는 이론이다. 즉, 하루 동안 통행이 차지하는 비율은 비교적 일정하다는 것이다. 이는 Zahavi(1974)에 의해 처음 실증적 연구가 수행되었으며, 이후 이와 관련된 다양한 연구가 수행되고 있다. Zahavi and Ryan(1980)에서는 미국의 워싱턴 D.C.와 Twin Cities를 대상으로 통행시간을 분석한 결과, 일일 평균 통행시 간은 약 1.1시간으로 비교적 일정한 것으로 분석되었다. 또한, Zahavi and Talvitie(1980)에서 12개 국가의 주요 도 시를 대상으로 통행시간을 분석한 결과에서도 평균 1.0-1.3시간으로 비교적 일정하게 나타났다. 국내 사례를 살펴 보면, Chang(2018)은 생활시간 조사자료를 활용하여 시계열 분석 및 계층별 통행시간 차이를 분석하였다. 분석결 과, 1999-2014년 평균 통행시간은 약 99.6분으로 시계열적 안정성이 있는 것으로 분석되었다. 또한, Lee and Choo (2020)에서도 서울시 거주자의 평균 통행시간은 104.4-113.0분으로 분석되어 시간에 따른 변화는 없는 것으로 도 출되었다.

위와 같은 사실을 종합해보면, 통행시간은 다양한 활동에 영향을 받으며, 전체 통행시간은 비교적 일정한 것으로 파악된다. 시간이 지남에 따라 활동 패턴이 변화하고, 그에 따라 활동시간이 변함에도 불구하고 전체 통행시간이 일 정하게 유지된다는 것은 목적별 통행시간의 패턴이 변화한다는 것을 의미한다. 이에 착안하여 본 연구에서는 통행 시간을 목적별로 구분하여 각각의 목적별 통행시간에 영향을 미 치는 요인을 규명하고자 한다. 특히, 각 활동시간이 목적별 통행시간에 미 치는 영향을 중점적으로 규명하고자 하며, 이와 동시에 목적별 통행시간 간의 상관성을 고려 하고자 한다.

선행연구 고찰

통행시간은 교통 부문에서 중요한 키워드로 다양한 연구가 수행되었다. 대표적으로 시간적 ‧ 공간적 변화에 따른

통행시간 변화, 통행시간에 영향을 미 치는 요인, 통행시간 예측모형 등이 있으며, 통행시간예산 이론의 등장에 따라

이를 고려한 연구 역시 진행되고 있다. 본 연구에서는 연구 목적과 유사한 선행연구를 중점적으로 검토하였으며, 크

게 통행시간 영향요인 관련 연구와 통행시간예산 이론에 근거한 연구로 구분하였다.

1. 통행시간 영향요인 관련 연구

통행시간 영향요인 규명에 관한 연구는 과거에서부터 꾸준히 진행되어오고 있으며, 최근에는 주로 특정 목적에 대한 통행시간과 같이, 세부적인 목표를 대상으로 연구가 수행되고 있다. 통행시간에 관한 연구를 살펴보면, Raux et al.(2011)은 유 럽 3개국의 총 8개 도시에서 수집된 자료를 활용하여 통행시간 영향요인을 분석하였다. Cox PH(Proportional Hazard) 모형을 활용하여 분석을 수행하였으며, 분석결과 성별, 연령, 근무 여부 등 사회 ‧ 인구학 적 특성과 도시의 특성이 강한 영향력이 있는 것으로 분석되었으며, 인구밀도, 도로 접근성, 대중교통망 등의 변수 는 비교적 영향력이 작은 것으로 분석되었다. Ha and Lee(2017)는 2010년 수도권 가구통행실태 조사자료를 활용 하여 생 애주기별 통근 통행시간에 영향을 미치는 요인을 분석하였다. 분석 모형으로는 다중회귀모형과 다수준 모형 을 활용하였으며, 가구 및 지역 수 준을 고려할 수 있는 다수준 모형의 설명력이 더 높게 도출되었다. 또한, 통근시간 의 16-20 %는 가구특성이, 2-5%는 지역특성이 결정하는 것으로 분석되었다. 생애주기 단계에 따른 분석에서는 교 통수 단, 소득 수준, 주택형태 등에서 차이가 있는 것으로 나타났으며, 주택 소비능력이 없는 사회초년생들의 통근시 간이 비교적 긴 것으로 분석되었다. Koo and Choo(2018)에서는 1999년부터 2014년까지 5년 단위로 수행된 생활 시간 조사자료를 활용하여 연도별(1999년, 2004년, 2009년, 2014년) 서울시 주 민의 통행시간 영향요인 변화를 분 석하였다. 분석 방법으로는 다중선형회귀모형을 활용하였으며, 가구특성보다 개인특성에서 유의한 변수가 더 많이 도출되었다. 또한, 활동을 3가지(업무, 학업, 여가)로 분 류하여 각각의 활동시간이 통행시간에 미치는 영향을 분석 하였으며, 모든 활동시간은 통행시간에 양의 영향력이 존재하는 것으로 분석되었다. Jang(2018)은 스마트 기기를 사용하는 경기도민을 대상으로 시행된 설문조사자료를 활용하여 스마트 기기 사용이 통근시간 및 통근만족도에 미 치는 영향을 분석하였다. 분석방법으로는 이항로짓모형 및 의사결정나무를 활용하였다. 종속변수는 통근시간과 통 근 만족도로 선정하였으며, 통근시간은 60분을 기준으로, 통근만족도는 만족/불만족을 기준으로 구분하였다. 분석 결과 남성 및 미 혼일수록, 소득 및 학력이 높을수록 통근시간이 길게 나타났으며, 1인 가구일수록 통근시간이 적은 것으로 나타났다. 통근시간이 1시간 이상인 직장인들은 스마트 기기의 사용 비중이 더욱 높은 것으로 나타났으며, 스마트 기기 사용은 통근만족도에 유의한 것으로 도출되었다.

2. 통행시간예산 특성 관련 연구

통행시간예산과 관련된 연구는 크게 통행시간예산 이론에 입각하여 통행시간의 시간적 ‧ 공간적 안정성을 분석하 는 연구와 통행시간예산이라는 특성을 고려한 통행시간 관련 연구로 구분할 수 있다. 본 연구에서는 통행시간예산 특성을 고려한 통행시간 관련 연구에 대한 검토를 진행하였다. 먼저, Choo and Na(2011)에서는 2002년과 2006년 에 수행된 수도 권 가구통행실태조사를 활용하여 통행시간예산의 특성을 분석하였다. 지역 및 개인특성(성별, 연령, 직업별 등), 통행 거리 및 횟수에 따른 통행시간을 비교 ‧ 분석하였으며, 시계열적 변화를 분석하였다. 통행시간예산 은 2002년 대비 2007년에 약 1.4 % 증가하였으나, 비교적 일정한 것으로 검토되었다. 지역에 따른 통행시간 차이는 없는 것으로 나타났으나 인구(성별, 연령) 및 사회 경제지표(직업, 고용형태, 차량이용유무)에 따른 통행시간 차이는 존재하는 것으로 분석되었다. 또한, 통행 거리 및 통행횟수는 통행시간과 다양한 형 태의 연관성이 있는 것으로 도출 되었다. 이는 통행시간예산이 인구 및 사회 경제지표, 통행 거리 및 통행횟수에 영향을 받는 것으로 해석할 수 있다.

Choi et al.(2015)은 2010년 가구통행실 태조사 자료를 활용하여 서울시 고령자의 통행특성을 분석하였다. 통행시

간은 4가지(업무, 학업, 여가, 기타) 목적으로 구분하였으며, 목적별 상관성을 고려하여 SUR 모형을 활용하였다. 독

립변수로는 개인특성, 가구특성, 도시시설, 교통시설, 사회경제지표를 설정하였다. 분석결과, 고령자는 여가 관련

목적통행의 비중이 높은 것으로 나타났으며, 영향요인은 매우 다양한 것으로 분석되었다. 특히 은퇴하거나 직업이

없는 그 룹의 통행은 비교적 소극적인 것으로 나타났으며, 주로 직장에서 일과의 대부분을 소비하던 남성의 경우 은

퇴 후 활동영역이 축소되는 것으로 분석되었다. Kim et al.(2016)은 2010년 가구통행실태조사 자료를 활용하여 서

울시 거주자의 수 단별 통행시간에 관한 분석을 진행하였다. 통행수단은 총 6개(도보, 승용차, 버스, 지하철, 철도, 자 전거)로 구분하였으며, 수 단별 상관성을 고려하여 SUR 모형을 활용하였다. 가구원 특성, 가구특성, 도시시설특성, 교통 인 프라특성을 고려하였으며, 분석결과 소득이 높을수록, 차량을 소유할수록, 운전면허를 소지할수록 개인 교 통수 단을 선택하는 경향이 큰 것으로 분석되었다. 또한, 버스의 경우 개인 교통수단에 상호 대체적 성격이 강하고, 지하 철의 경우 교통 혼잡효과 등에 따라 개인 교통수단에 상호 보완적 성격이 존재하는 것으로 분석되었다. Chung et al.(2018)은 2016년 5 월 19일부터 8일간 수집된 약 4,478만 건의 통신 빅데이터를 활용하여 마포구 3개 동과 세 종특별자 치시의 통행시간을 비교하였다. 분석 결과, 마포구의 통행시간예산이 세종시에 비해 2.24분 높게 나타났으 며, 평균 출근통행시간은 0.33분, 평균 퇴근통행시간은 1.86분 높게 나타났다. 연령별 분포를 살펴보면, 통행시간예 산은 마 포구에서 나이와 비례하고, 세종시에서는 반비례하는 것으로 나타나, 지역별 통행시간예산의 특성이 다른 것으로 분석되었다. Lee and Choo(2020)에서는 1999년, 2004년, 2009년, 2014년 생활시간 조사자료를 활용하여 서울시 통행시간 특성을 분석하였다. 통행시간에 대한 영향요인을 규명하기 위해 다중선형회귀모형을 수행하였으 며, 모형에서 도출된 변수들을 활용하여 SUR 모형을 통한 분석을 수행하였다. 모형 분석에서는 비가정 활동시간과 통행시간의 상관성을 고려하였으며, 가구특성변수와 개인특성변수를 독립변수로 고려하였다. 분석결과, 비가정 활 동시간은 통행시간과 양의 상관성이 있는 것으로 분석되었으며, 통행시간은 가구특성보다 개인특성에 더 많은 영향 을 받는 것으로 분석되었다. 또한, 통행시간은 업무 관련 활동시간보다 비가정 기타 활동시간에 더 많은 영향력이 존 재하는 것으로 나타났다.

3. 시사점 도출

통행시간 관련 선행연구 검토 결과, 다양한 분석방법을 활용하여 통행시간 영향요인을 규명하였다. 공통적으로 가구특성과 개인특성이 통행시간에 영향을 미 치는 것으로 분석되었으며, 영향요인들은 통행목적에 따라 다소 차이 가 존재하는 것으로 나타났다. 또한, 각 활동은 통행시간에 영향이 있는 것으로 분석되었으며, 목적별 통행시간은 상관성이 존재하는 것으로 분석되었다. 하지 만 기존 연구에서는 하나의 목적통행에 대해서만 분석을 수행하거나 전 체 통행시간을 대상으로 활동시간의 영향요인을 분석하였다. 종합하면 활동시간의 영향과 목적별 통행시간 간 상관 성을 모두 고려한 연구는 수행되지 않고 있다. 따라서 본 연구에서는 통행시간의 특성과 통행시간예산 이론을 동시 에 고려한 분석을 수행하고자 한다. 즉. 활동시간이 목적별 통행시간에 미 치는 영향요인을 분석하여 파생수요라는 통행의 특성 및 특정 활동시간 증가는 다른 활동시간 감소라는 시간적 특성을 검증하고자 한다. 이와 동시에 전체 통 행시간이 비교적 일정하다는 통행시간예산 이론을 반영하기 위해 목적별 통행시간의 상관성을 분석하고, 이를 반영 한 결과를 도출하고자 한다.

분석자료 및 기초분석 1. 생활시간 조사자료

본 연구에서는 통계청에서 5년마다 수행되는 생활시간 조사자료를 활용하였다. 생활시간조사는 10 세 이상 전국 국 민을 대상으로 하루 24시간의 사용행태를 조사하며, 1999년 처음 시행되어 2019년까지 총 5회 진행되었다. 조사 는 직접면접조사를 통하여 연속된 이틀에 대한 설문을 수행하였으며, 조사항목으로는 크게 가구, 개인, 시간 관련 사항으로 구분되어 있다. 가구 및 개인 관련 사항은 객관식 문항을 통해 조사되었으며, 시간 관련 사항은 하루를 10 분 단위로 구분하여 수행한 활동 및 장소를 조사하였다.

본 연구에서는 가 장 최신 자료인 2019년 조사자료를 사용하였으며, 시간에 따른 변화를 비교하기 위해 10년 전인

2009년 자료를 활용하였다. 1999년 자료의 경우, 소득 관련 변수의 조사가 진행되지 않아 변수의 통일성을 위해 분

석 대상에서 제 외하였다. 2009년 조사자료는 3월 및 9월에 걸쳐 전국 약 8,100가구(약 21,000명)에 대한 조사를 수

행하였으며, 총 40,426건의 자료를 수집하였다. 2019년 조사자료는 7월, 9월, 12월에 걸쳐 전국 약 12,435가구(약 29,000 명)에 대한 조사를 수행하였으며, 총 52,182건의 자료를 수집하였다.

2. 데이터 클리닝

분석에 앞서 데이터 클리닝을 수행하였다. 데이터 클리닝은 변수 일치화, 활동시간 구분, 오류데이터 제거, 분석 대상 선정의 4단계로 나누어 수행하였다. 조사된 변수의 세부항목은 연도별 차이가 존재하였으며, 활동시간 역시 세부항목에서 차이가 존재하였다. 따라서 연도별 변수의 영향력 비교를 위해 변수 일치화를 수행하였다. 두 번째로, 연구 목적을 고려하여 활동시간을 재분 류하였다. 활동시간은 연구 목적에 따라 크게 가정 내 활동(Home Activity) 과 비가정 활동( Non-home Activity)으로 구분하였으며, 비가정 활동은 5가지 활동(업무활동, 학업활동, 여가활동, 기타활동, 통행)으로 추가 구분하였다. 연구의 목적이 되는 통행시간은 비가정 활동이 므로 가정 내 활동시간은 분석 에서 제 외하였으며, 분석대상인 통행시간은 비가정 활동과 동일하게 4가지 목적(업무, 학업, 여가, 기타)으로 세분 하였다. 세 번째로, 분석자료의 오류데이터를 제거하기 위해 Table 1과 같이 오류 기준을 설정하였으며, 그 결과 2009년 130 건, 2019년 256건의 데이터가 오류로 제거되었다. 마지막으로, 연구 목적을 고려하여 분석대상을 선정 하였다. 본 연구에서는 4가지로 구분된 목적별 통행시간의 상관성을 고려하고자 하며, 이에 따라 업무통행이 발생 하지 않을 것으로 판단되는 학령인구(만 21세 이하)는 분석에서 제외하였다. 최종적으로 분석대상은 전국 학령이상 인구로 설정하였으며, 2009년 32,278건(주중 19,284건, 주말 12,994건), 2019년 45,440건(주중 27,291건, 주말 18,149 건)의 데이터를 분석에 활용하였다.

Table 1. Example of error data

Location Activity

Inside the house Offline shopping, Study in school, Cultural events, Outdoor sports and leisure activities, Travel Outside the house Work in the house

3. 목적별 통행시간 특성분석 1) 목적별 평균 통행시간

모형을 활용한 분석에 앞서 활동별 시간변화를 Table 2와 같이 살펴보 았다. 활동시간 변화를 살펴보면, 가정 내 활동시간을 제 외한 대부분의 활동시간이 감소하는 것으로 나타났다. 업무시간은 2018년 ｢근로기준법｣변경에 따라 주 최대 노동시간이 68시간에서 52시간으로 감축되면서 감소한 것으로 판단된다. 학업시간은 2009년부터 22시 이

Table 2. Comparison of average activity time by year

Type 2009 2019

Weekday Weekend Weekday Weekend

Home activity (min) 882.8 974.0 919.1 (4.1%) 1,039.4 (6.7%)

Non-home activity (min) 455.0 365.0 424.8 (-6.6%) 316.1 (-13.4%)

Non-home work activity (min) 255.9 129.3 235.4 (-8%) 100.3 (-22.4%)

Non-home study activity (min) 13.7 5.5 12.3 (-10.2%) 5.7 (3.6%) Non-home leisure activity (min) 93.1 126.1 88.6 (-4.8%) 119.8 (-5%) Non-home other activity (min) 92.3 104.1 88.5 (-4.1%) 90.3 (-13.3%)

Travel time (min) 102.2 101.1 96 (-6.1%) 84.4 (-16.5%)

Travel time for work (min) 53.7 26.2 49.5 (-7.8%) 19.4 (-26%)

Travel time for study (min) 3.9 1.4 2.1 (-46.2%) 1 (-28.6%)

Travel time for leisure (min) 20.0 44.5 17.1 (-14.5%) 29.2 (-34.4%)

Travel time for other (min) 24.6 28.9 27.4 (11.4%) 34.9 (20.8%)

note: ( ) means ratio compared to 2009.

후 학업활동 제한에 따른 학업시간 감소 효과와 총 학업시간을 보존하려는 성질(Bae and Chin, 2019)이 복합적으로 작용하여 소폭 감소한 것으로 판단된다. 여가시간은 2008년 산책, 쇼핑/외식 등 가정 외부에서 발생하는 동적 활동 에서 2012년 T V 시청, 인터넷/채팅 등 가정 내부에서 발생하는 정적 여가활동으로 변화하였기 때문(Ministry of Culture, Sport and Tourism, 2013)으로 판단된다. 기타시간은 2007년 시행된 아이돌봄서비스가 2009년 이후 전 국으로 확대(Ministry of Gender Equality and Family, 2021)됨에 따라 감소하는 것으로 판단된다. 다른 활동시간 에 비해 학업시간은 비교적 작게 나타났는데, 이는 분석 대상에서 학령인구가 제외되었기 때문이다. 통행시간 변화 를 살펴보면, 업무, 학업, 여가통행시간이 감소하는 것으로 나타났는데, 이는 활동시간이 통행시간에 양의 영향 ( Koo and Choo, 2018)을 미치며, 비가정 활동시간이 모두 감소하였기 때문으로 판단된다. 기타통행시간의 경우 소 폭 증가하였는데, 이는 2005년 1인 가구 비율이 19.83%에서 2015년 29.43%로 증가(Statistics Korea, 2021)함에 따라 친지 방문 통행이 증가하기 때문으로 판단된다.

2) 상관성 분석

분석의 대상이 되는 목적별 통행시간에 대한 상관성 분석을 수행하였다. 수행에 앞서, 모든 통행은 하루를 기 준으 로 발생하기 때문에, 목적별 통행시간을 하루 총시간(1,440분)으로 나누어 통행시간 비율로 환산하였다. 이 같은 모 형은 통행시간예산 모형에서 주로 활용되는 형 태이다. 목적별 통행시간 비율은 Table 3과 같이 모두 음의 상관성이 존재하는 것으로 나타났다.

Table 3. Correlation analysis of travel time ratio by purpose

Type Travel time ratio

Work Study Leisure Other

Work travel time ratio 2009 Weekday - -0.460** -0.320** -0.352**

Weekend - -0.169** -0.393** -0.295**

2019 Weekday - -0.322** -0.396** -0.463**

Weekend - -0.100** -0.318** -0.340**

Study travel time ratio 2009 Weekday - - -0.223** -0.275**

Weekend - - -0.188** -0.162**

2019 Weekday - - -0.121** -0.194**

Weekend - - -0.106** -0.116**

Leisure travel time ratio 2009 Weekday - - - -0.115**

Weekend - - - -0.349**

2019 Weekday - - - -0.141**

Weekend - - - -0.297**

Other travel time ratio 2009 Weekday - - - -

Weekend - - - -

2019 Weekday - - - -

Weekend - - - -

note: **means the p-value of factor is less then 0.01.

목적통행별 영향요인 분석 1. 분석방법론 설정

본 연구에서는 목적별 통행시간에 영향을 미 치는 요인을 회귀분석을 통하여 분석하고자 한다. 앞장에서 각 목적별

통행시간 비율은 서로 상관성이 존재하는 것으로 분석되었으며, 일반회귀모형은 종속변수 간 상관성을 고려할 수

없다는 한계가 있다. 이를 해결하기 위해 종속변수의 오차항 간 상관성을 고려할 수 있는 SUR(Seemingly Unrelated

Regression) 모형을 활용하여 분석을 수행하고자 한다.

SUR 모형은 Arnold Zeller에 의해 개발되었으며, 둘 이상의 회귀방정식으로 구성된다. 구성된 회귀방정식의 오 차항 간 상관성이 존재할 경우, 개별적인 회귀방정식을 통한 추정보다 효율적인 추정을 가능하도록 한다.

SUR 모형의 구조는 Equation 1과 같으며, 이는 개별 회귀모형의 집합이라 할 수 있다.



 





(1)

여기서,   ⋯ 이고 k에 대한 

 

 

 

은 각각 보통의 단순 회귀모형의 형태와 일치한다. 이를 일반적인 방정 식 체계로 표현하면 Equation 2와 같이 나타낼 수 있다.



  ^{⋮  } _





  ^{ } _  ^{⋮ ⋮ ⋮ ⋮ ⋮   } _{   ⋯ }

^{  ⋯ }

^{ ⋯ }





  ^ _  ^⋮ _ ^{ }





  ^{ } _  ^⋮ _ ^{ }





  ⁽²⁾

SUR 모형에서는 Equation 3과 같이 각 오차항 간의 상관성이 존재한다고 가정하고 있다. 만약 오차항 간의 상관 계수( _

)가 0이면 각각의 개별 회귀모형에서 추정한 독립변수의 계수와 동일한 결과가 추정된다.



 

  

≠  (3)

SUR 모형은 GLS(General Least Square) 방법을 활용하여 회귀계수를 추정하게 되며, 본 연구에서는 종속변수



가 4가지 목적별 통행시간으로 설정되어    인 형 태의 SUR 모형을 구축하였다.

2. 분석결과

목적별 통행시간의 상관성을 고려하여 SUR 모형을 추정하였다. 종속변수는 통행시간예산 모형에서 주로 활용되 는 형 태인 목적별 통행시간의 비율로 설정하였다. 설명변수는 기존에 수행된 통행시간 영향요인에 관한 연구를 참 고하여 구 축하였으며, 지역, 가구, 개인, 활동, 통행변수로 구분하였다. 지역, 가구, 개인변수는 대부분의 통행시간 영향요인 연구에서 다양한 변수를 바탕으로 설명변수로 활용(Choo and Na, 2011; Raux et al., 2011; Choi et al., 2015 ; Kim et al., 2016; Ha and Lee, 2017)되고 있다. 이에 따라 선행연구를 바탕으로 생활시간 조사자료에서 조 사된 항목을 바탕으로 최종 변수를 구축하였다. 활동변수는 최근 선행연구에서 설명변수로 활용하기 시작하였으며, 통행목적을 구분하는 기 준과 유사하게 설정하고 있었다. 본 연구에서도 관련 선행연구(Koo and Choo, 2018; Lee and Choo, 2020) 및 일반적인 통행목적 구분을 참고하여 활동변수를 반영하였다. 통행변수는 SUR 모형을 활용함 에 따라, 목적별 통행시간의 특성을 추가적으로 반영하기 위해 구 축하였다. 모형의 추정은 통계 패키지인 STATA 14.2를 활용하였으며, 추정 결과는 Table 4 및 Table 5와 같다.

모형의 설명력을 살펴보면, 설명계수인 R

은 0.618-0.836으로 비교적 높게 도출되었다. 특히 업무 및 학업 통행 시간 비율의 설명력이 여가 및 기타 통행시간 비율보다 높은 것으로 나타났는데, 이는 업무 및 학업 통행이 여가 및 기타통행보다 정형화된 통행패턴을 나타내기 때문으로 판단된다.

독립변수의 영향력을 살펴보면, 지역변수는 유의한 변수들이 모두 양의 영향력이 있는 것으로 나타났는데, 이는

도 심이 비도심에 비해 다양한 활동이 이루어지며, 이에 따라 다양한 목적통행이 발생하기 때문으로 판단된다. 가구

관련변수와 개인관련변수를 살펴보면, 통행시간 영향요인을 분석한 선행연구(Lee and Choo, 2020)와 유사하게 가

구관련변수보다 개인관련변수에서 유의한 변수가 더 많은 것으로 나타났다. 이는 통행행 태는 가구특성보다 개인특

성에 많은 영향을 받는 것을 시사한다.

Table 4. Estimation result of seemingly unrelated regression models for 2009

Type Weekday Weekend

Work Study Leisure Other Work Study Leisure Other

Area Population density (1,000person/m²)

0.226** 0.031** 0.100** 0.003 0.135** 0.020* 0.198** 0.024

Urban ratio (%) 0.011* -0.001 0.001 0.007 0.006 -0.001 -0.008 0.009

House- hold

Type House^D -1.205** -0.134 -0.127 0.827 -0.500 0.149 -0.803 -1.102

Apartment^D 0.705 -0.128 -0.351 0.888* 0.115 0.183 -0.327 0.435

Posse- ssion

Own^D 0.368 0.152 0.795* -0.934* 0.354 0.050 0.815 -0.214

Month payment^D -0.548 -0.079 0.216 -0.040 0.983 0.166 1.099 0.687

Housing area (m²) -0.002 0.001 -1.97×10^-4 1.04×10^-4 0.007 -0.002* -0.014* -0.013 Indivi-

dual

Preschool children^D -1.385** -0.128 0.470 1.640** 0.050 -0.145 0.723 1.013

Male^D 0.762* 0.132 0.179 -1.511** 0.136 -0.091 0.016 -2.251**

Age -0.023 -0.010** 0.059** -0.003 0.038** -0.006 0.047** -0.030

College degree or more^D -1.508** 0.015 0.042 -2.024** -0.741 -0.015 0.407 -1.448**

Married^D -1.362** -0.301** -1.671** 2.311** -1.505** -0.121 -0.729 3.359**

Worker^D 16.183** -0.799** -6.174** -10.206** 4.199** -0.275** -2.258** -2.982**

Monthly income (million won) -0.009 -0.010 -0.366** -0.492** -0.567** 0.040 -0.014 0.018 Activity Work time (min) 0.954** -0.007* -0.066** -0.310** 0.989** -0.003 -0.260** -0.374**

Study time (min) -0.164** 0.880** -0.236** -0.557** -0.051 0.824** -0.359** -0.472**

Leisure time (min) -0.253** -0.035** 0.556** -0.621** -0.140** -0.014** 0.671** -0.660**

Other time (min) -0.166** -0.020** -0.211** 0.290** -0.064** -0.002 -0.130** 0.111**

Travel Number of work travel 5.757** - - - 10.543** - - -

Number of study travel - 15.098** - - - 16.654** - -

Number of leisure travel - - 14.365** - - - 13.845** -

Number of other travel - - - 12.288** - - - 14.594**

Constant 7.548 1.932 7.057 28.549 1.148 0.855 11.510 26.298

N 19,284 12,994

R² 0.785 0.835 0.699 0.655 0.797 0.834 0.689 0.618

note: 1) Urban ratio=Urban area÷Total area×100

2) D means dummy, **means the p-value of factor is less then 0.01, *means the p-value of factor is less then 0.05.

Table 5. Estimation result of seemingly unrelated regression models for 2019

Type Weekday Weekend

Work Study Leisure Other Work Study Leisure Other

Area Population density (1,000person/m²)

0.143** 0.028** 0.029 -0.010 0.093** 0.006 0.095* 0.249**

Urban ratio (%) 0.011* -1.39×10^-4 0.012** 0.011* 0.004 1.66×10^-5 0.005 0.011

House- hold

Type House^D -1.787** -0.102 0.732* -0.375 -0.724 0.049 0.153 -1.113

Apartment^D -0.138 -0.023 -0.122 -0.454 0.193 -0.082 -0.581 -0.073

Posse- ssion

Own^D 0.724* 0.275** 0.092 -1.035** 0.188 0.082 0.043 -0.156

Month payment^D 0.235 -0.069 -0.407 0.109 0.084 0.213* -0.406 0.288

Housing area (m²) -0.002 0.001 -0.001 -0.011** 1.69×10^-4 1.69×10^-4 -0.003 -0.005 Indivi-

dual

Preschool children^D -2.707** -0.292** 0.112 1.447** -0.499 -0.167 1.228* 0.408

Male^D 0.550* 0.339** 0.232 -1.845** 0.054 0.094 -0.321 -2.509**

Age -0.007 -0.022** 0.109** -0.031** -0.004 -0.005* 0.085** -0.057**

College degree or more^D -1.594** -0.112 -0.347 -1.574** -0.644* 0.042 -0.264 -1.116*

Married^D -0.845** -0.273** -1.994** 1.464** -0.314 -0.038 -1.934** 1.696**

Worker^D 15.258** -0.001 -6.184** -9.292** 3.027** -0.074 -2.200** -0.739

Monthly income (million won) -0.460** -0.045* 0.088 -0.073 -0.253** 0.009 -0.081 -0.082 Activity Work time (min) 0.966** -0.009** -0.039** -0.333** 0.998** -0.003 -0.141** -0.374**

Study time (min) -0.176** 0.408** 0.004 -0.523** -0.063* 0.552** -0.131** -0.446**

Leisure time (min) -0.402** -0.019** 0.402** -0.427** -0.181** -0.008** 0.430** -0.424**

Other time (min) -0.071** -0.010** -0.189** 0.213** -0.021* -0.002 -0.191** 0.124**

Travel Number of work travel 7.635** - - - 12.500** - - -

Number of study travel - 21.054** - - - 20.606** - -

Number of leisure travel - - 17.228** - - - 19.608** -

Number of other travel - - - 15.378** - - - 18.770**

Constant 8.158 1.556 3.005 29.534 3.391 0.339 5.623 22.691

N 27,291 18,149

R² 0.805 0.832 0.689 0.695 0.816 0.836 0.686 0.656

note: 1) Urban ratio=Urban area÷Total area×100

2) D means dummy, **means the p-value of factor is less then 0.01, *means the p-value of factor is less then 0.05.

시간의 흐름에 따른 변수의 영향력 변화를 살펴보면, 대부분 큰 변화는 없는 것으로 나타났으나, Figure 1과 같이 활동시간과 통행횟수의 영향력은 변하는 것으로 도출되었다. 활동시간 영향력은 대 부분에서 점차 감소하는 것으로 나타났으며, 통행횟수 영향력은 모두 증가하는 것으로 나타났다. 이는 도시 공간구조가 도시 외곽지역의 개발에 따 라 점차 다 핵집중형 공간구조로 변화(Hong and Lee, 2011)되고, 이에 따라 다양한 시설이 주거지 근처에 조성되어 단거리 통행 위주로 통행행태가 전환된 것으로 판단된다. 특히 학업통행시간 비율의 영향력을 살펴보면, 학업통행 횟수의 계수는 2009년 15.098에서 2019년 21.054로 증가하는 것으로, 학업시간 계수는 2009년 0.880에서 0.408로 감소하는 것으로 나타났다. 이는 앞서 언급한 도시 공간구조 변화에 따른 통행패턴 변화와 더불어 22시 이후 학업 활동이 제한 됨에 따라 총 학업시간을 보존(Bae and Chin, 2019)하기 위해 직장 또는 자택 주변의 학업시설을 이용 하는 등 학업 통행시간을 줄이기 위한 변화로 판단된다.

Figure 1. Coefficients of each activity time on each travel time

주중과 주말을 비교하면 주중에 비해 주말에서 유의한 변수가 비교적 적게 도출되었다. 이는 주중에는 업무 또는 학업 등 비교적 유사한 활동을 수행하지 만, 주말에는 개인별 생활패턴이 더욱 다양하기 때문으로 판단된다. 업무통 행횟수의 경우 주중에 비해 주말 영향력이 높게 도출되었는데, 이는 근무지와 거주지가 가까울수록 주말 출근에 대 한 부담감이 적기 때문으로 해석될 수 있다.

종속변수에 따른 계수 영향력을 비교하면, 미 취학아동 유무는 업무통행시간 비율에는 음의 영향을, 기타통행시 간 비율에는 양의 영향이 나타났다. 이는 육아 활동을 위한 업무활동 감소에 따라 업무통행비율의 감소 및 육아 관련 기타통행비율의 증가로 판단된다. 성별의 경우, 남성일수록 업무통행시간 비율에는 양의 영향이, 기타통행시간 비 율에는 음의 영향이 있는 것으로 나타났다. 이는 남성의 사회진출 비율이 여성에 비해 높기 때문(Statistics Korea, 2021)으로 판단된다. 연령은 높을수록 학업통행시간 비율이 감소하고, 여가통행시간 비율은 증가하는 것으로 나타 났는데, 이는 연령이 증가할수 록 상대적으로 학업의 필요성이 감소하며, 여가시간이 증가하기 때문으로 판단된다.

2009년 주말 업무통행시간 비율에서는 양의 영향력으로 나타났는데, 이는 여가와 업무에 대한 인 식변화에 따른 영

향으로 판단된다. 2000년 이후 실시된 설문결과를 살펴보면, 20-30대 연령에서 점차 일과 삶의 균형(Work-life

balan ce)을 중요하게 생각하는 것으로 조사(Kim and Park, 2008)되었다. 2009년 주말 업무시간을 살펴보면,

20-30대의 경우 118.3분으로, 40대 이상의 경우 141.0분(Statistics Korea, 2021)으로 중장년층 업무시간이 상대적

으로 큰 것으로 나타났다. 이는 주말 업무통행시간 비율에도 동일한 효과를 발생시킨 것으로 판단된다. 학력이 높을

수 록, 평균소득이 높을수록 업무통행시간 비율은 감소하는 것으로 나타났는데, 이는 학력이 높을수록 소득이 높으 며(Ministry of Employment and Labor, 2020), 소 득이 높을수록 시간가치가 증가하게 되며, 이에 따라 통행에 소 비되는 비용(시간)을 최소화하려는 경향 때문으로 판단된다. 혼인여부의 경우, 기타통행시간 비율을 제외한 모든 통 행시간 비율에 음의 영향력이 존재하는 것으로 나타났다. 이는 2019년 기 준 평일 가정관리 시간이 미혼 47분에서 기 혼 118분으로 혼인에 따른 가정 관련 활동시간 증가(Statistics Korea, 2021)에 의한 영향으로 판단된다. 근무여부 는 업무통행시간 비율에 만 양의 영향력이 존재하는 것으로 나타났으며, 기타통행시간 비율에서 음의 영향력이 비교 적 크게 나타났다. 또한, 2009년 대비 2019년의 영향력이 소폭 감소하였는데, 이는 맞벌이 가구 비율이 증가하고, 남성의 가사 시간이 증가( Statistics Korea, 2021)함에 따라 근로자의 가사활동 증대에 따른 영향으로 판단된다.

활동시간 영향력을 살펴보기 위해 활동시간의 계수를 목적별 통행시간 비율에 따라 Figure 2와 같이 표시하였다.

총 통행시간을 종속변수로 활동시간 영향력을 분석한 선행연구(Koo and Choo, 2018)에서는 모든 활동시간(업무, 학업, 여가)이 통행시간에 양의 영향이 있는 것으로 도출되었다. 하지 만, 목적별 통행시간을 구분하여 분석한 경우, 활동시간별 영향력은 다르게 도출되었다. 영향력의 방향을 살펴보면, 목적에 해당하는 활동은 양의 영향력을, 나머 지 활동은 음의 영향력으로 도출되었다. 이는 통행이 파생수요라는 특성과 하루 동안 통행에 소요하는 시간의 비율 이 비교적 일정하다는 통행시간예산 이론과 일 치하는 결과이다.

통행횟수 영향력을 살펴보면, 2019년 기 준 업무통행시간 비율에 미치는 업무통행횟수 계수는 7.635로, 여가통행 시간 비율에 미 치는 여가통행횟수는 17.228로 나타났다. 이는 업무통행은 필수통행으로 장거리 통행도 필수적으로 발생하지 만, 여가통행의 경우 장거리통행은 선택적으로 발생하기 때문으로 판단된다. 업무통행시간 비율에서 업무 통행횟수 계수는 주중 7.635, 주말 12.500으로 주말이 크게 나타났는데, 이는 주말 출근은 직장과 거주지가 가까울 수 록 더 많이 발생하는 것으로 해석될 수 있다.

Figure 2. Comparison of coefficients of activity time

결론 및 시사점

본 연구에서는 2009년과 2019년 전국을 대상으로 조사된 생활시간 조사자료를 활용하여 목적별 통행시간 영향

요인을 분석하였다. 목적별 통행시간의 상관성을 고려하기 위해 SUR 모형을 활용하였으며, 이에 대한 주요 내용 및

시사점은 다음과 같다.

첫째, 통행목적을 구분하여, 통행시간에 미 치는 활동시간의 영향력 차이를 분석하였다. 기존 연구에서는 다중선 형회귀분석을 활용하여 활동시간이 전체 통행시간에 미 치는 영향력을 분석하였다. 이때, 모든 활동시간은 통행시간 에 양의 영향이 있는 것으로 도출( Koo and Choo, 2018)되었다. 하지만 SUR 모형을 활용하여 목적별로 통행시간 을 구분하여 분석한 결과, 해당 목적이 되는 활동시간은 양의 영향력이, 기타 활동시간에는 음의 영향력이 존재하는 것으로 나타났다. 이는 향후 통행시간 감 축을 위한 정책 수립 시, 통행목적에 따라 알맞은 정책을 수립해야 함을 의 미한다.

둘째, 인구밀도 및 도시비율은 모든 목적통행시간 비율에서 양의 영향력으로 도출되었다. 이는 도시지역이 비도 시지역에 비해 다양한 활동이 수행되며, 그에 따라 도시지역에서 보다 활발한 통행이 발생함을 의미한다. 따라서 비 도시지역 활성화를 위해 향후 비도시지역의 도시계 획 수립 시 토지이용의 적절한 융합을 통해 다양한 활동이 발생 할 수 있는 환경을 제공해야 한다.

셋째, 가구관련변수에 비해 개인관련변수에서 유의한 변수들이 많 았으며, 이는 통행의 특성은 가구특성보다 개 인특성에 의해 결정된다는 것을 의미한다. 즉, 통행패턴은 개인적 특성에 따라 결정된다는 것을 의미하며, 향후 교 통정 책 수립 시 개인특성을 반영할 수 있는 지표를 고려한 정책 수립이 진행돼야 할 것이다.

넷째, 업무통행시간 비율에 업무통행횟수 영향력은 비교적 작게 나타났으며, 여가통행시간 비율에서는 여가통행 횟수 영향력이 비교적 크게 나타났다. 이는 업무통행은 비교적 장거리 통행이, 여가통행은 비교적 단거리 통행이 발 생하고 있는 것으로 해석되며, 각 통행의 특성에 의한 것이라 할 수 있다. 즉 업무통행은 필수통행으로 근무지와 거 주지가 멀리 떨어져 있더라도 통행이 필수적으로 발생되지만, 여가통행은 여가시설과 거주지가 멀리 떨어져 있으면 통행이 발생되지 않을 수 있다. 이는 통행은 목적별로 다른 특성을 보이며, 목적별 통행행 태가 다름을 시사한다. 따 라서 이를 고려한 목적별 통행행 태의 개별적 관리가 필요할 것으로 판단된다.

다 섯째, 학업통행시간 비율에서 시간이 지남에 따라 학업시간 영향력은 감소하고 학업통행횟수 영향력은 증가하 였다. 이는 22시 이후 학업활동이 제한 됨에 따라 거주지 또는 직장 주변으로 학원을 변경하여 학업시간은 유지하고, 학업통행시간은 감소시 키기 때문으로 판단된다. 이로 보아, 통행시간의 조정은 교통정책뿐만 아니라 기타 활동에 관한 정 책을 통해 이루어질 수 있다는 것을 알 수 있다.

여 섯째, 모든 목적별 통행시간 비율에서 통행횟수의 영향력이 점차 증가하였다. 이는 2009년 대비 2019년에 단 거리 통행이 더 많이 발생한다는 것을 의미하며, 시간이 변할수 록 통행패턴이 단거리 통행 위주로 변한다고 할 수 있 다. 사람들이 단거리 통행을 지향한다는 것은 다양한 용도가 혼합된 지역일수록 사람들의 삶의 만족도가 향상된다 고 할 수 있으며, 거주지 근처에 다양한 시 설이 도입될 수 있는 도시계획 수립이 필요하다는 것을 의미한다. 또한, 단 거리 통행에 대한 수요관리가 필요하며, 자전거, 전동킥보드 등 단거리 통행 수단에 관한 연구 등 통행 거리 변화에 따른 수 단선택 변화(Lee et al., 2020)에 대응할 수 있는 연구가 진행될 필요가 있다. 마지막으로 단거리 통행은 주로 국지도로와 같은 하위 도로 망에서 발생하므로, 하위 도로망 관리의 중요성 증대에 따라 하위 도로망 관리방안 수립 이 필요할 것으로 판단된다.

본 연구에서는 생활시간 조사자료를 활용하여 분석을 수행하였다. 생활시간 조사자료는 응답자의 거주지 관련 정보를 시 ‧ 도 단위에서 조사하며, 출발 및 도착지 관련 조사는 이루어지지 않고 있다. 이에 따라 본 연구에서는 지역 변수가 시 ‧ 도 단위의 집계적 데이터로 반영되었다는 한계가 존재한다. 향후 응답자 거주지의 세밀한 조사가 수행된 다면, 보다 정 확한 지역 특성을 반영할 수 있을 것으로 판단된다. 또한, 출발 ‧ 도착지에 관한 자료수집을 통해 기종점 정보에 관한 연구가 추가로 수행 될 수 있을 것이라 기대된다.

Funding

This research was supported by Basic Science Research Program through the National Research Foundation of Korea

(NRF) funded by the Ministry of Science and ICT (NRF-2020R1A2C2014561).

알림

본 논문은 한국ITS학회 2021년도 춘계학술발표회(2021.04.22.-2021.04.23.)에서 발표된 내용을 수정 ‧ 보완하여 작성된 것입니다.

ORCID

KOO, Jahun http://orcid.org/0000-0001-9772-2963 CHOO, Sangho http://orcid.org/0000-0003-1530-8377

References

Bae H. J., Chin M. J. (2019), The Effects of Regulation of Hagwon Operating Hours on Late-Night Study Time at the Hagwon and Sleep Time Among High School Students, Studies on Korean Youth, 30(1), National Youth Policy Institue, 219-250.

Chang J. S. (2018), Analyzing Travel Time Budgets Using the Korea Time Use Survey Data, Journal of Transport Research, 25(3), The Korea Transport Institute, 15-24.

Cho S. J., Bellemans T., Joh C. H., Choi K. C. (2017), A study on the Transport-related Impacts of Flexible Working Policy using Activity-Based Model, J. Korean Soc. Transp., 35(6), Korean Society of Transportation, 511-524.

Choi S. T., Kim S. J., Jang J. Y., Lee H. S., Choo S. H. (2015), A Study on the Key Factors Affecting Travel Time Budget for Elderly Pedestrians, J. Korea Inst. Intell. Transp. Syst., 14(4), 62-72.

Choo S. H., Na S. W. (2011), Exploring Characteristics on Travel Time Budget: A Case Study of Seoul Metropolitan Area, Journal of the Korean Urban Management Association, 24(2), Korean Urban Management Association, 3-22.

Chung Y. S., Nam S. G., Song T. J. (2018), A Travel Time Budget Estimation Using a Mobile Phone Signling Data, Journal of the Korean Society of Civil Engineers, 38(3), 457-465.

Ha J. H., Lee S. G. (2017), Analysis on the Determinant Factors of Commuting Time by Individuals’ Life Cycle Stage -Based on the 2010 Household Travel Survey Data of the Seoul Metropolitan Area-, Journal of Korea Planning Association, 52(4), Korea Planning Association, 135-152.

Hong N. H., Lee M. H. (2011), A Study on the Characteristics of Urban Spatial Structure Change of Seoul on the Sustainable Development: Focused on Land Use Change, Journal of Korea Planning Association, 46(1), Korea Planning Association, 39-50.

Jang J. M. (2018), Analysis of the Impact of Smart Devices on Worker's Commute Behaviors, J. Korean Soc. Transp., 36(4), Korean Society of Transportation, 251-262.

Kim C. W., Park C. Y. (2008), A Study on the Development of a ‘Work-Life Balance’ Scale, Journal of Leisure Studies, 5(3), 53-69.

Kim S. Y., Lim S. Y., Choi S. T., Choo S. H., Ahn W. Y. (2016), Identification of Key Factors of Travel Time Budget by Mode in Seoul: Using Seemingly Unrelated Regression Model, J. Korea Inst. Intell. Transp. Syst., 15(3), 23-33.

Koo J. H., Choo S. H. (2018), Analysis of Factors Affecting Travel Time Change Using the Time Use Survey Data in

Seoul, J. Korea Inst. Intell. Transp. Syst., 17(1), 1-16.

Lee H. S., Choo S. H. (2020), Study on Temporal Comparison Analysis of Factors to Affect Travel Time Budget: A Case for Seoul, J. Korea Inst. Intell. Transp. Syst., 19(6), 180-191.

Lee k. T., Kim I. K., Shim J. Y., Kim J. H.. (2020), Improvement of Zone-based Regional Transportation Mode Choice Model Reflecting Behavioral Difference by Travel Distance, J. Korean Soc. Transp., 38(5), Korean Society of Transportation, 346-360.

Ministry of Culture, Sport and Tourism (2013), 2013 A White Paper on Leisure

Ministry of Employment and Labor (2020), Survey Report on Labor Conditions by Employment Type

Ministry of Gender Equality and Family (2015), A Study on the Trend of Changes in Family Time Through Time Use Survey (생활시간조사를 통해본 가족시간 변화 추이 분석 연구).

Ministry of Gender Equality and Family (2021), 2021 Child Care Support Project (2021년도 아이돌봄 지원사업 안내).

Raux C., Ma T., Joly I., Kaufmann V., Cornelis E., Ovtracht N. (2011), Travel and Activity Time Allocation: An Empirical Comparison Betwwn Eight Cities in Europe, Transport Policy, 18(2), 401-412.

Statistics Korea, http://www.kosis.kr, 2021.03.28.

Tanner J. C. (1961), Factors Affecting the Amount of Travel, Road Research Technical Paper, 51 (in U.K.).

Zahavi Y. (1974), Traveltime Budgets and Mobility in Urban Areas, U.S. Department of Transportation, Federal Highway Administration (in U.S.A.).

Zahavi Y., Ryan J. M. (1980), Stability of Travel Components Over Time, Journal of the Transportation Research Board, 750, Transportation Research Record, 19-26.

Zahavi Y., Talvitie A. (1980), Regularities in Travel Time and Money Expenditures, Journal of the Transportation

Research Board, 750, Transportation Research Record, 13-19.