Beyond Reported Trips: A Bayesian Framework for Correcting Household Travel Surveys

매일 수백만 명의 사람들이 집에서 직장으로 이동하거나, 식료품을 사기 위해 들르거나, 친구의 집으로 짧게 산책을 가는 등 도시를 가로질러 움직입니다. 교통 계획가들은 이러한 움직임을 이해하기 위해 가구에 단 하루 동안 하는 모든 이동을 기록해 달라고 요청하는 설문조사에 의존합니다. 이 정보는 도시가 어디에 새로운 자전거 도로를 만들지, 버스를 얼마나 운행할지, 그리고 새로운 지하철 노선이 필요한지 여부를 결정하는 데 도움을 줍니다. 그러나 이러한 설문조사에는 고질적인 약점이 있습니다. 바로 사람들이 자신이 한 모든 일을 기억하는 데 서툴다는 점입니다. 하루 동안의 이동을 회상해 달라는 요청을 받으면, 대부분의 사람들은 짧고 즉흥적인 이동, 예를 들어 동네 가게에 잠시 들르는 일, 우편함을 확인하러 잠깐 걷는 일, 또는 택배를 전달하기 위해 잠시 멈추는 일 등을 잊어버립니다. 그들은 출근이나 등교와 같은 크고 구조화된 이벤트는 기억하지만, 작고 자발적인 움직임은 종종 기억 속에서 사라집니다. 이는 사람들이 실제로 어떻게 살아가는지에 대한 왜곡된 그림을 만들어내며, 계획가들이 도보 및 자전거 이용을 과소평가하고 자동차로 보내는 시간을 과대평가하게 만듭니다.

이를 해결하기 위해 연구자들은 스마트폰을 사용하여 사람들에게 기억하도록 요구하지 않고도 사람들이 어디로 가는지 정확히 기록하는 수동적 이동 추적 방식을 사용하기 시작했습니다. 하지만 이러한 휴대폰 기반 연구는 대개 규모가 작고, 대규모 가구 설문조사에서 볼 수 있는 상세한 개인 정보를 포함하지 못합니다. 토론토 대학교와 매사추세츠 공과대학교(MIT) 연구진의 새로운 연구는 이 간극을 메웁니다. 그들은 전통적인 설문의 광범위한 도달 범위와 스마트폰 추적의 정밀한 세부 사항을 결합하는 방법을 개발했습니다. 휴대폰 데이터를 설문의 기억 누락을 교정하는 방법으로 사용하는 통계적 접근 방식을 통해, 그들은 사람들이 보고하지 않은 누락된 이동을 재구성할 수 있었습니다. 그 결과, 대규모 설문의 풍부한 인구통계학적 세부 정보를 유지하면서도 빠진 여행 조각들을 추가하여, 일상의 모습을 더 정확하게 그려낸 지도가 탄생했습니다.

연구진은 2022년 '트랜스포테이션 투모로우 서베이(Transportation Tomorrow Survey)'—지역 전체의 이동 습관을 포착하는 방대한 가구 설문조사—를 활용하여 광역 토론토 및 해밀턴 지역에 집중했습니다. 이를 2023년과 2025년에 실시된, 참가자들이 소지한 스마트폰이 움직임을 자동으로 기록한 두 개의 더 작고 상세한 연구와 결합했습니다. 연구팀은 명확한 패턴을 발견했습니다. 전통적인 설문조사는 평일 1인당 약 2.06회의 이동을 보여준 반면, 휴대폰 데이터는 이보다 훨씬 많은 약 3.16에서 3.83회의 이동을 보여주었습니다. 이 차이는 무작위가 아니라 체계적이었습니다. 사람들은 일관되게 짧고 비필수적인 이동을 잊어버렸습니다. 연구진은 이 이동들을 '스켈레톤(skeleton)' 이동, 즉 출근이나 등교와 같이 하루의 주요 축이 되는 이동과, '비스켈레톤(non-skeleton)' 이동, 즉 쇼핑이나 친구 방문과 같이 유연하고 자발적인 움직임이라는 두 가지 범주로 나누었습니다. 그들은 스켈레톤 이동은 비교적 정확하게 보고되지만, 비스켈레톤 이동은 특히 한 가족 구성원이 다른 사람을 대신해 보고할 때 자주 누락된다는 것을 발견했습니다.

누락된 이동을 복구하기 위해 연구팀은 통계적 수리 키트 역할을 하는 프레임워크를 구축했습니다. 먼저 사람들이 했다고 말한 내용을 나타내는 기초 자료로서 대규모 설문 데이터를 시작점으로 삼았습니다. 그런 다음, 스마트폰 데이터를 사용하여 그 수치들을 업데이트하고 정교하게 다듬었습니다. 설문 데이터를 하루 이동의 거친 스케치라고 한다면, 휴대폰 데이터는 스케치가 놓친 미세한 디테일을 밝혀내는 고해상도 사진이라고 상상해 보십시오. 연구진은 설문을 첫 번째 추측값으로, 휴대폰 데이터를 그 추측을 교정하는 새로운 증거로 취급하여 이 두 소스를 혼합할 수 있는 방법을 사용했습니다. 그들은 자신의 이동을 직접 보고한 사람들과 다른 사람을 대신해 보고한 사람들을 구분하여 작업했는데, 이는 보고 방식에 따라 오류가 다르기 때문입니다. 배우자나 자녀를 대신해 보고할 때, 사람들은 자신을 보고할 때보다 중간의 작은 멈춤들을 훨씬 더 많이 놓치는 경ر향이 있습니다.

결과는 교정이 적용된 후 수치의 상당한 변화를 보여주었습니다. 자신의 이동을 직접 보고한 사람들의 경우, 일일 평균 이동 횟수가 3.05회에서 3.90회로 증가했습니다. 타인을 대신해 보고한 사람들의 경우, 2.64회에서 3.63회로 급증했습니다. 이러한 증가는 거의 전적으로 비스켈로톤 이동의 복구에 의해 주도되었습니다. 연구진은 단순히 무작위로 이동을 더한 것이 아니라, 휴대폰 데이터에서 발견된 패턴을 바탕으로 누락된 이동을 신중하게 재구성했습니다. 그들은 누락된 이동의 목적이 무엇인지, 언제 발생했을 가능성이 높은지, 거리가 어느 정도인지, 그리고 어떤 방식으로 이동했는지를 결정했습니다. 예를 들어, 누락된 이동은 불균형적으로 짧았으며, 종종 걷기나 친구 방문을 포함하고 있었는데, 이는 바쁜 하루 속에서 쉽게 잊히기 쉬운 활동들입니다. 교정된 데이터는 걷기의 비중이 더 높고, 단순히 오전과 오후의 출퇴근 시간대에만 집중되지 않고 하루 동안 이동이 더 고르게 분포되어 있음을 보여주었습니다.

또한 이 연구는 누락된 이동의 성격이 누가 보고하느냐에 따라 크게 달라진다는 것을 밝혔습니다. 다른 가족 구성원을 대신해 보고하는 대리 응답자들은 본인의 이동을 직접 보고하는 사람들보다 자발적인 이동을 놓칠 가능성이 훨씬 높았습니다. 이는 부모가 자녀를 위해 일지를 작성할 때, 자녀의 등굣길은 기억하더라도 학교 수업 후 공원이나 친구 집을 들른 것은 잊을 수 있음을 시사합니다. 이러한 차이를 별도로 모델링함으로써 연구진은 각 그룹에 적절한 양의 교정을 적용할 수 있었습니다. 최종 교정된 데이터셋은 원래의 설문 구조를 그대로 유지했습니다. 즉, 인구의 연령, 소득, 위치를 여전히 정확하게 반영하면서도, 그 사람들이 어떻게 움직였는지에 대해 더 진실된 이야기를 들려주었습니다. 이동 목적의 분포는 쇼핑과 레크리에이션을 더 많이 포함하도록 변화했으며, 이동 시간대는 오전과 저와녁 시간대의 활동을 더 많이 포함하여 전통적인 설문조사가 남겨둔 빈틈을 채웠습니다.

이 작업은 도시가 의사결정을 내리는 데 사용하는 데이터를 개선하는 실질적인 방법을 제공합니다. 계획가들은 종-종 자동차 사용을 줄이거나 걷기를 늘리기 위한 목표를 설정하기 위해 이러한 설문조사에 의존하지만, 만약 설문조사가 짧은 이동을 놓친다면 그 목표들은 너무 낮게 설정될 수 있습니다. 스마트폰의 수동적 데이터를 통합함으로써, 연구진은 기존의 대규모 설문조사를 완전히 대체할 필요 없이 일상적인 이동의 전체 모습을 볼 수 있는 방법을 제시했습니다. 재구성된 데이터는 사람들이 이전 생각보다 더 활동적이며, 특히 짧고 지역적인 이동을 위해 더 많이 걷는다는 것을 시사합니다. 비록 재구성된 이동이 특정 개인에 대한 직접적인 관찰이 아닌 통계적 추정치일지라도, 이는 이동 행태를 이해하는 데 훨씬 더 신뢰할 수 있는 토대를 제공합니다. 연구는 이 접근 방식이 도시가 사람들의 실제 이동, 즉 종종 잊히곤 하는 일상의 리듬에 맞춰 인프라와 정책을 수립할 수 있도록 도울 수 있다고 결론짓습니다.