본 연구는 COVID-19 팬데믹 상황에서 장거리 여행자의 안전 조치에 대한 주관적 인식이 이동 수단 선택 (자동차, 기차, 항공기) 에 미치는 영향을 분석하기 위해 계층적 정보 통합 (HII) 접근법과 잠재 클래스 선택 모델을 활용하여 여행자를 가치 시간과 선호도에 따라 네 가지 유형으로 분류하고 각 그룹별 특성을 규명했습니다.
과거에는 사람들이 장거리 여행을 할 때 '시간', '가격', '편안함'만 고려했습니다. 하지만 코로나19 이후에는 **'감염 위험'**이라는 새로운 메뉴가 추가되었습니다.
연구진들은 "사람들이 기차, 비행기, 자동차 중 어떤 것을 탈지 결정할 때, 감염 위험을 어떻게 느끼는지"를 알아보고 싶었습니다. 마치 식당 (여행 수단) 을 고를 때, 위생 상태 (감염 위험) 가 메뉴판의 가격이나 맛보다 더 중요해질 수 있는지를 확인하는 것과 같습니다.
🔍 연구 방법: "맛보기와 실제 주문"
연구진은 두 단계로 실험을 진행했습니다.
맛보기 (평가 실험):
먼저 사람들에게 "기차 안에 사람이 얼마나 꽉 차 있는지", "마스크 착용 의무", "청소 횟수", "정부의 여행 경고 수준" 등 8 가지 요소를 보여주고, "이 상황에서 감염될 위험이 얼마나 높다고 느끼세요?"라고 물었습니다.
이는 마치 식당의 위생 등급, 환기 시스템, 직원 마스크 착용 여부 등을 보고 '위험도'를 점수 (1~5 점) 로 매기는 것과 같습니다.
실제 주문 (선택 실험):
그다음, "위험도가 점수화된 상황"에서 "런던까지 500km, 1000km 여행을 갈 때 기차, 비행기, 자동차 중 무엇을 탈래요?"라고 물었습니다.
이때 **시간, 비용, 좌석 등급 (1 등석/2 등석)**도 함께 고려하게 했습니다.
🧩 결과: 여행객 4 가지 유형 (레스토랑 고객 유형)
연구진은 700 명 이상의 데이터를 분석해, 여행 성향이 다른 **4 가지 유형의 고객 (세그먼트)**으로 나누었습니다.
1. ⏱️ '시간 중시형' (Time-sensitive travellers)
특징: "시간이 돈이다!"라고 생각하는 사람들입니다. 기차나 비행기 중 시간이 가장 짧은 것을 선택합니다.
위험 인식: "위험이 높으면 시간이 더 걸리는 것 같아"라고 생각합니다. 위험이 높아지면 기차를 타는 것보다 비행기로 갈아타는 경향이 큽니다.
성향: 정부의 여행 경고보다는 자신이 직접 감염률이나 백신 접종률을 확인해서 판단합니다.
2. 🛡️ '신중형' (Prudent travellers)
특징: 시간도 중요하지만, 안전과 편안함도 챙깁니다.
위험 인식: 위험이 낮으면 기차를 타고, 위험이 매우 높으면 비행기를 탑니다. 자동차는 짧은 거리일 때 선호합니다.
성향: 정부의 **입국 규정 (백신/검사 여부)**을 잘 따릅니다. "규정이 엄격하면 안전할 거야"라고 믿는 타입입니다.
3. 🚆 '철도 마니아형' (Frequent train-loving travellers)
특징:기차를 무조건 좋아합니다. 비행기는 절대 안 타고, 자동차도 별로 안 탑니다.
위험 인식: "위험이 좀 높아도 기차 탈 거야!"라고 고집합니다. **정부의 여행 경고 (노란색/주황색)**를 가장 잘 따릅니다. "정부가 안전하다고 하면 믿지"라는 태도입니다.
성향: 자가용이 없는 경우가 많고, 기차 여행을 자주 합니다.
4. 🚗 '조심스러운 자동차형' (Cautious car travellers)
특징:자가용이 있는 사람들입니다. "남이 타는 기차나 비행기보다 내 차가 가장 안전해"라고 생각합니다.
위험 인식: 기차의 위험이 조금만 높아져도 즉시 자동차로 이동합니다.
성향: 가족이나 파트너와 함께 여행하는 경우가 많습니다.
💡 핵심 발견: "위험을 느끼는 방식은 사람마다 달라"
이 연구의 가장 큰 교훈은 **"위험에 대한 인식은 사람마다 다르고, 그 인식에 따라 여행 수단이 바뀐다"**는 것입니다.
위험은 '시간'과 관련될 수도 있고, '고정된 것'일 수도 있습니다:
어떤 사람은 "기차를 오래 탈수록 감염 위험이 커져"라고 느끼지만 (시간 비례),
어떤 사람은 "기차 자체가 위험한 곳이야"라고 느끼고 (고정 위험) 시간이 길어지든 짧아지든 기차를 안 탑니다.
정부의 역할:
어떤 사람들은 정부의 여행 경고 (빨간색/노란색) 를 믿고 따라갑니다.
반면, 어떤 사람들은 "정부가 말하기보다 내가 직접 감염 통계를 봐야 해"라고 생각하며 무시합니다.
청소와 환기:
흥미롭게도, "매일 소독한다"는 것과 "평소처럼 한다"는 것을 구분하지 못하는 사람들이 많았습니다. 하지만 **HEPA 필터 (고성능 공기청정기)**가 있다는 사실은 오히려 "그게 뭐야? 잘 모르겠는데?"라는 반응을 불러일으켜, 오히려 불안을 유발하기도 했습니다. (아마도 필터에 대한 정보가 부족해서일 것입니다.)
🚀 결론: 여행객을 기차로 모으려면?
이 연구는 정책 입안자들에게 중요한 메시지를 줍니다.
단순한 안전 조치는 부족합니다: 모든 여행객이 같은 반응을 하지 않습니다. '시간 중시형'에게는 빠른 이동 수단을, '철도 마니아'에게는 안전감을, '자동차형'에게는 기차의 안전성을 증명해야 합니다.
소통이 중요합니다: "위험이 낮아졌다"고 말하기보다, 여행객들이 **직접 확인할 수 있는 데이터 (감염률, 백신률)**를 제공하거나, 정부의 여행 경고를 명확히 전달하는 방식이 사람마다 다르게 작용합니다.
기차의 기회: 기차 여행의 '감염 위험'을 낮추고, 여행객들이 안전하다고 느끼게 만드는 것이 중요합니다. 사람들이 기차를 '안전하다'고 느끼기만 해도, 비행기나 자동차 대신 기차를 탈 확률이 크게 높아집니다.
한 줄 요약:
"코로나19 이후 여행객들은 '위험'을 어떻게 느끼느냐에 따라 기차, 비행기, 자동차를 선택합니다. 누군가는 '시간'을, 누군가는 '정부의 말'을, 또 누군가는 '내 차'를 믿습니다. 이 다양한 심리를 이해해야만 사람들이 다시 기차로 돌아오게 할 수 있습니다."
논문 개요
본 연구는 COVID-19 팬데믹 상황에서 장거리 (국제) 여행자의 위험 인식 (Risk Perception) 이 교통 수단 선택 (자동차, 기차, 항공) 에 미치는 영향을 분석합니다. 특히, 다양한 안전 조치에 대한 주관적 인식이 실제 선택 행동에 어떻게 영향을 주며, traveler 의 특성에 따라 이 인식이 어떻게 다른지 규명하는 데 목적이 있습니다.
1. 연구 배경 및 문제 제기 (Problem)
장거리 여행의 중요성: 장거리 여행은 일상적인 통근과 달리 빈도가 낮지만, 한 번의 이동으로 통근 1 년 분의 거리와 유사한 환경적 발자국을 남길 수 있어 연구가 필요합니다.
팬데믹의 영향: COVID-19 로 인해 여행 안전 조치 (마스크, 환기, 격리 등) 가 강화되었으나, 이러한 조치의 실제 효능과 여행자가 느끼는 '주관적 안전감' 사이에는 괴리가 있을 수 있습니다.
연구 공백: 기존 연구는 통근이나 단거리 이동에 집중되었으며, 장거리 여행에서의 위험 인식과 모드 선택 (Mode Choice) 간의 관계를 계층적으로 분석한 연구는 부족했습니다. 또한, 위험 인식을 측정하는 rating 실험과 모드 선택 실험을 통합하여 인구통계학적 세그먼트별로 위험 인식을 분석한 사례는 드뭅니다.
2. 방법론 (Methodology)
연구는 위계적 정보 통합 (Hierarchical Information Integration, HII) 접근법을 기반으로 설계되었습니다.
가. 설문 설계 (Survey Design)
평가 실험 (Rating Experiment):
여행 시 감염 위험을 결정하는 8 가지 속성을 평가하게 함.
속성: 승차율 (Crowding), 마스크 정책, 청소 정책, 환기 (HEPA 필터 유무), 정부 여행 권고 (색상 코드), 입국 요건 (3G, 2G 등), 감염률, 백신 접종률.
응답자는 5 점 리커트 척도로 감염 위험 수준을 평가.
연결 실험 (Bridging Experiment):
평가 실험에서 도출된 '감염 위험' 지표를 하나의 속성으로 포함하여 모드 선택 실험 수행.
선택지: 자동차, 기차, 항공 (500km 및 1,000km 거리 시나리오).
속성: 이동 시간, 비용, 편안함 (Comfort), 감염 위험.
나. 데이터 수집
네덜란드 철도 (NS) 패널을 통해 2022 년 2 월~3 월 (오미크론 변이 우세 시기) 에 수집.
유효 응답자 705 명 (원래 938 명 중 필터링).
다. 모수 추정 (Model Estimation)
잠재 클래스 선택 모델 (Latent Class Choice Model, LCCM):
연결 실험 (모드 선택) 데이터를 분석하여 이질적인 여행자 세그먼트를 식별.
사회인구통계학적 변수를 클래스 할당 함수에 포함하여 세그먼트 특성을 설명.
가중 최소제곱법 (Weighted Least Squares, WLS) 회귀 분석:
혁신적 접근: 기존 HII 연구에서는 rating 실험을 단일 OLS(Ordinary Least Squares) 로 분석했으나, 본 연구는 LCCM 으로 도출된 각 개인의 **클래스 소속 확률 (Class Allocation Probability)**을 가중치로 사용하여 WLS 회귀를 수행.
이를 통해 각 세그먼트별로 위험 인식 속성 (감염률, 백신 등) 에 대한 민감도를 세그먼트별로 추정.
3. 주요 결과 (Key Results)
LCCM 분석을 통해 4 개의 뚜렷한 여행자 세그먼트가 도출되었으며, 각 세그먼트는 시간 가치 (VOT) 와 위험 인식 패턴에서 큰 차이를 보임.
세그먼트별 특성
시간 민감형 여행자 (Time-sensitive travellers):
VOT: 매우 높음 (72€/h).
특징: 위험을 '시간 의존적 (Time-dependent)'으로 인식 (이동 시간이 길수록 위험 증가). 기차를 선호하지만 위험이 높아지면 항공으로 급격히 이동.
위험 인식: 감염률과 백신 접종률에 민감하며, 정부 권고보다는 자체 데이터 분석을 선호.
신중형 여행자 (Prudent travellers):
VOT: 높음 (50€/h).
특징: 위험을 '모드 의존적'이면서 '시간 무관'으로 인식. 위험이 높으면 기차보다 항공을 선호.
위험 인식: 감염률, 백신, 마스크 정책에 민감하며, 입국 요건 (2G/3G 등) 이 엄격할수록 안전하다고 느낌.
자주 기차를 이용하는 여행자 (Frequent train-loving travellers):
VOT: 낮음 (38€/h).
특징: 기차에 대한 강한 애착 (항공/자동차 기피). 위험이 높아져도 기차 이용을 고수 (세그먼트 중 가장 충성도 높음).
위험 인식: 정부 여행 권고 (색상 코드) 에 가장 민감하게 반응. 감염률/백신 데이터보다는 공식 권고를 신뢰.
신중한 자동차 여행자 (Cautious car travellers):
VOT: 매우 낮음 (15€/h).
특징: 자동차를 가장 선호 (자차 소유율 68%). 기차의 위험 증가 시 자동차로 이동.
위험 인식: 위험을 고정 패널티와 시간 의존적 패널티의 혼합으로 인식.
위험 인식 속성 분석 (WLS 결과)
공통적 경향: 모든 세그먼트에서 '적색 (Red)' 여행 권고는 위험을 높이는 것으로 인식.
차이점:
시간 민감형/신중형: 감염률/백신 데이터에 민감.
기차 애호가/자동차 애호가: 정부 공식 권고에 민감.
의외의 발견:
청소 정책: '일회성 강화 청소'나 '접촉부위 청소'는 오히려 기존 상태보다 위험하다고 인식됨 (일상적인 '매일 전체 소독'이 기준).
환기 (HEPA 필터): 4 개 세그먼트 중 3 개가 HEPA 필터 도입을 오히려 위험 신호로 인식 (필터 작동 원리에 대한 정보 부족으로 인한 오해 가능성).
혼잡도: 통근 여행과 달리 장거리 여행에서는 100% 혼잡도 외에는 혼잡도 증가에 대한 위험 인식이 크지 않음 (장거리는 좌석 점유가 일반적임).
4. 기여도 및 의의 (Contributions & Significance)
방법론적 혁신:
HII 실험의 rating 부분과 bridging 부분을 통합하여 분석하는 새로운 프레임워크 제시.
LCCM 으로 추출된 클래스 확률을 WLS 회귀의 가중치로 활용하여, 세그먼트별 위험 인식 함수를 추정하는 방식을 처음 적용. 이는 기존 OLS 접근법의 한계 (세그먼트 간 인식 차이 무시) 를 극복.
정책적 시사점:
안전감 조성의 중요성: 기차의 위험 인식을 낮추는 조치 (명확한 정보 제공, HEPA 필터의 효과적 홍보 등) 는 기차 이용률 증가로 직접 연결됨.
메시지 타겟팅: 여행자의 세그먼트에 따라 효과적인 소통 방식이 다름 (데이터 중심 vs 공식 권고 중심).
안전 조치의 역설: 일부 조치 (청소 등) 는 실제 전파를 막을 수 있지만, 여행자가 이를 위험 신호로 오인할 수 있어 정보 전달이 중요함.
미래 연구 방향:
rating 실험과 선택 실험을 동시에 세그먼트화하는 모델 개발 제안.
대표성 있는 표본을 통한 세그먼트 규모 추정 필요.
5. 결론
본 연구는 COVID-19 팬데믹 하에서 장거리 여행자의 모드 선택이 단순한 비용/시간 계산을 넘어, 복잡한 위험 인식에 의해 결정됨을 입증했습니다. 특히, 여행자의 유형 (시간 민감형, 기차 애호가 등) 에 따라 위험을 인식하는 방식과 이에 반응하는 정책 (정부 권고 vs 통계 데이터) 이 다르다는 점을 규명하여, 보다 정교한 교통 정책 및 홍보 전략 수립에 기여했습니다.