저자: 김승남, 정선우, 주영하, 김형규
제목: Air pollution hindering a transit-oriented city: Examining the association of particulate matter concentration with public transit ridership and road traffic in Seoul, South Korea
이 연구에서는 Kalkstein et al. (2009)과 Singhal et al. (2014) 등이 활용한 "residual 형태로 변환한 nine-term moving averages" 기법을 이용해 미세먼지 농도가 대중교통 이용객, 차량통행량, 차량통행속도에 미치는 영향을 분석하였습니다. 다양한 분석을 하였으나, 많은 내용을 삭제하고 최종적으로 논문에 제시한 결과는 다음과 같습니다.
연구진은 PM 농도가 높은 날 대중교통 이용이 감소하는 대신 외기 노출이 적은 자가용 이용이 증가할 것으로 예측했으나, 분석 결과 PM 농도가 높을수록 대중교통 이용뿐 아니라 차량통행량이 함께 감소함을 확인했습니다. 이는 PM 농도가 심할 때 사람들이 대중교통에서 개인 차량으로 이동 방식을 바꾸기보다는 전반적인 이동을 줄이는 경향이 있음을 보여줍니다. 또한 이는 두 교통수단이 대기 오염에 대응하는 데 있어 대체 관계가 아닌 보완 관계에 있음을 시사합니다.
물론, PM 농도가 심할 때 나타나는 지하철 이용량 감소는 도로 교통량 감소보다 더 크게 나타났으며, 이는 대중교통 이용이 개인 차량 이용보다 대기 오염에 더 민감하게 반응할 것이라는 일반적인 예측을 지지합니다.
시간대별 분석에서도 일반적인 예상과 상반되는 결과(즉, 필수 통행이 재량 통행보다 더 많이 감소한다는)를 확인하였지만 분량 기준 등 여러가지 이유에서 최종 원고에는 포함하지 못했습니다. 또한, 인과발견 분석도 수행하였으나, 해당 방법론의 기본 전제 조건을 만족하지 못한 데이터를 사용한 관계로 연구에서 제외하였습니다.
연구 진행 당시에는 왜 시계열 분석 대신 9-term 이동평균 방법을 써야하는지에 대해 스스로 명확한 답을 갖지 못한채 기존 연구를 무비판적으로 답습했던 것 같습니다. 하지만 추후에 같은 데이터를 이용해 시계열 분석을 적용해보니, 알려진 시계열 분석 모형만으로 weekly, monthly, yearly seasonality가 모두 내포된 데이터를 완전하게 처리하는 것은 매우 어렵다는 것을 인지하고 왜 선행연구에서 이런 접근을 택했는지 이해하게 되었습니다. 여러 한계가 있겠지만 seasonality control 측면에서 이 방법이 갖는 이점이 확실히 있습니다.
힘든 여정이었지만 배운 점도 적지 않았네요.
오랜 시간을 끌었던 논문이 드디어 게재되었네요. 함께 연구를 진행한 모든 분들에게 감사의 마음을 전합니다.
Comments