교통수단 분담(Modal Split)은 특정 기종점 간을 이동하는 전체 통행(Trip)량이 가용한 여러 교통수단으로 나누어지는 현상을 의미하며, 이를 수치화한 것을 교통수단 분담률(Modal Split Share)이라 한다. 이는 통행자가 주관적 또는 객관적 기준에 따라 가장 적합한 이동 수단을 결정하는 의사결정의 결과가 집합적으로 나타난 것이다. 교통공학 및 도시 계획 분야에서 수단 분담은 한정된 도로 용량과 자원을 효율적으로 배분하기 위한 핵심 지표로 활용되며, 도시의 교통 체계가 얼마나 균형 있게 구축되었는지를 보여주는 척도가 된다.

교통수단 분담률의 산정은 기본적으로 전체 통행량에 대한 특정 수단 이용량의 비율로 계산된다. 특정 지역이나 노선에서 수단 $ i $를 선택할 확률 또는 분담률 $ P_i $는 다음과 같은 수식으로 표현할 수 있다.

$$ P_i = \frac{T_i}{\sum_{j=1}^{n} T_j} $$

여기서 $ T_i $는 수단 $ i $를 이용하는 통행량이며, 분모는 분석 대상이 되는 $ n $개의 모든 교통수단 이용량의 합계를 의미한다. 이러한 계산 방식은 교통수요예측의 정량적 분석에서 기초 자료로 사용되며, 향후 교통 시설 확충이나 서비스 개선 시 각 수단이 흡수할 수 있는 수요를 예측하는 데 기여한다.

전통적인 교통수요예측 4단계 모델 체계 내에서 교통수단 분담은 통상 세 번째 단계에 위치한다. 첫 번째 단계인 통행 발생에서 전체 통행의 규모가 결정되고, 두 번째 단계인 통행 분포를 통해 출발지와 목적지 사이의 통행량이 확정되면, 교통수단 분담 단계에서 해당 통행이 어떤 수단을 이용할 것인지가 결정된다. 이렇게 분담된 수단별 통행량은 마지막 단계인 노선 배정(Traffic Assignment)을 통해 실제 도로망이나 철도 노선에 할당된다. 다만, 분석 모형의 구조에 따라 통행 분포 이전에 수단 분담이 먼저 이루어지는 경우도 존재하며, 이는 교통 계획의 전략적 방향이나 가용 데이터의 성격에 따라 결정된다.

학술적으로 교통수단 분담은 개별 행태 모형(Disaggregate Behavioral Model)의 발달과 궤를 같이한다. 과거에는 구역 단위의 집계 데이터를 활용한 총체적 분석이 주를 이루었으나, 현대에 이르러서는 통행자 개인의 효용(Utility) 극대화 원리를 바탕으로 한 확률적 선택 이론이 중심이 되고 있다. 이는 교통수단 분담이 단순히 물리적인 배분 과정이 아니라, 시간, 비용, 편리성 등 다양한 변수를 고려한 복합적인 인간 행태의 반영임을 시사한다. 따라서 교통수단 분담의 이해는 효율적인 교통수요관리(Transportation Demand Management, TDM) 정책 수립과 지속 가능한 교통 체계로의 전환을 위한 이론적 토대가 된다.

교통수단 분담(Modal Split)은 특정 지역 내에서 발생하는 전체 교통수요가 버스, 지하철, 승용차, 자전거 등 가용한 개별 교통수단으로 나누어지는 현상을 의미한다. 이는 교통계획 및 공학적 관점에서 도시의 교통 체계가 얼마나 효율적으로 운영되고 있는지를 보여주는 핵심 지표이며, 장래의 교통 시설 규모를 결정하거나 교통수요관리 정책의 효과를 평가하는 기초 자료로 활용된다. 학술적으로 교통수단 분담은 통행자가 기점과 종점 사이를 이동할 때 특정 수단을 선택하는 개별 의사결정의 집합적 결과로 이해된다.

교통수단 분담률은 일정 기간 동안 발생한 전체 통행(Trip)량 중에서 특정 교통수단이 차지하는 비율로 정의된다. 이를 수학적으로 정식화하면, 특정 지역 또는 특정 기종점 간의 전체 통행량을 $ T $라고 하고, 그중 교통수단 $ i $를 이용한 통행량을 $ T_i $라고 할 때, 수단 $ i $의 분담률 $ MS_i $는 다음과 같이 계산된다.

$$MS_i = \frac{T_i}{\sum_{j=1}^{n} T_j} \times 100 (\%)$$

여기서 $ n $은 해당 구간에서 선택 가능한 총 교통수단의 개수를 의미하며, 모든 수단의 분담률 합계는 반드시 100%가 되어야 한다. 분담률의 계산 단위는 분석의 목적에 따라 달라질 수 있다. 가장 일반적인 단위는 통행 횟수를 기준으로 하는 ‘인-통행(Person-trip)’ 방식이나, 통행 거리에 가중치를 두어 교통량의 실질적 부하를 측정하는 ‘인-킬로미터(Person-kilometer)’ 단위를 사용하기도 한다. 화물 운송 분야에서는 톤수와 거리를 결합한 ’톤-킬로미터(Ton-kilometer)’가 주요 계산 원리로 적용된다.

교통수단 분담의 개념적 기초는 통행자의 효용 극대화 원리에 근거한다. 통행자는 각 교통수단이 제공하는 서비스 수준, 즉 통행 시간, 비용, 편리성, 안전성 등을 종합적으로 고려하여 자신에게 가장 큰 효용을 주는 수단을 선택한다. 이러한 선택의 결과가 집합적으로 나타난 것이 분담률이다. 따라서 분담률은 고정된 수치가 아니라, 새로운 교통망의 확충이나 요금 체계의 변화, 혹은 유가 변동과 같은 외부 환경의 변화에 따라 민감하게 반응하는 동태적인 특성을 지닌다.

전통적인 교통수요예측 4단계 모델에서 수단 분담은 통행 발생과 통행 분포를 거쳐 생성된 기종점 간 통행량을 실제 네트워크상의 수단별 통행량으로 배분하는 역할을 수행한다. 이 과정에서 분석가는 승용차와 같은 개인교통과 버스, 지하철 등 대중교통 사이의 경쟁 관계를 모형화한다. 최근에는 보행과 자전거를 포함한 비동력 교통 및 개인형 이동수단(Personal Mobility)의 비중이 강조되면서, 분담률의 산정 범위가 기존의 도로 중심에서 도시 전체의 모빌리티 체계로 확장되는 추세이다.

교통수단 분담률의 구조적 변화는 도시의 환경적 지속 가능성과 직결된다. 승용차 분담률이 지나치게 높은 구조는 교통혼잡 비용의 증가와 대기오염, 온실가스 배출량 증가를 초래한다. 반면 지하철이나 버스와 같은 대중교통 분담률이 높은 구조는 에너지 효율성을 높이고 도시의 가용 공간을 최적화하는 데 기여한다. 따라서 현대의 교통 정책은 단순히 분담률을 예측하는 데 그치지 않고, 수단 전환(Modal Shift) 전략을 통해 승용차 이용자를 대중교통이나 친환경 수단으로 유도하여 분담 구조를 재편하는 데 중점을 둔다.

교통수단 분담(Modal Split)은 교통수요예측(Transportation Demand Forecasting)의 전통적인 4단계 모델 중 세 번째 단계에 해당하며, 도시 교통 체계의 효율성을 결정짓는 핵심적인 지표이다. 교통 계획 과정에서 수단 분담 분석이 갖는 일차적인 중요성은 사회적 자원의 효율적 배분과 사회기반시설(Infrastructure)의 적정 규모를 산정하는 기초 자료를 제공한다는 점에 있다. 특정 도시 공간 내에서 발생하는 전체 통행량이 승용차, 버스, 도시철도, 자전거 등 개별 교통수단으로 어떻게 나누어지는지에 따라 도로의 차로 수나 철도의 수송 용량과 같은 물리적 시설의 규모가 결정된다. 만약 수단 분담률 예측이 부정확할 경우, 특정 시설은 수요 초과로 인한 교통 혼잡을 겪게 되거나 반대로 과잉 투자(Over-investment)로 인한 예산 낭비가 초래될 수 있다. 따라서 정확한 수단 분담 분석은 공공 투자 사업의 타당성을 검토하는 편익 비용 분석(Benefit-Cost Analysis, BCA)에서 필수적인 과정이다.¹⁾

효율적인 자원 배분의 관점에서 교통수단 분담은 정책적 개입의 방향을 설정하는 전략적 도구로 활용된다. 도시 내 가용 부지와 예산은 한정되어 있으므로, 모든 교통 수요를 도로 건설로 대응하는 것은 현실적으로 불가능하다. 교통 계획가는 수단 분담 모델을 통해 혼잡통행료 부과나 대중교통 전용차로 설치와 같은 교통수요관리(Transportation Demand Management, TDM) 정책이 이용자의 수단 선택 행태에 미치는 영향을 시뮬레이션할 수 있다. 이를 통해 승용차 이용자를 대중교통이나 비동력 교통수단으로 유도함으로써 도로의 서비스 수준(Level of Service, LOS)을 유지하고 전체 교통 체계의 효율성을 극대화하는 최적의 자원 배분 시나리오를 도출한다. 이는 단순히 교통 시설의 확충을 넘어, 기존 시설의 운영 효율을 높이는 데 기여한다.

또한 교통수단 분담은 환경적 지속 가능성과 사회적 비용 저감 측면에서도 중대한 의의를 지닌다. 기후 변화 대응과 탄소 중립 실현이 글로벌 의제로 부상함에 따라, 수송 부문의 온실가스 배출을 줄이기 위한 방안으로 저탄소 교통수단의 분담률 제고가 강조되고 있다. 교통수단 분담 분석은 특정 정책이 대기 오염, 소음, 교통사고 발생 등 교통의 외부 효과(External Effect)를 얼마나 감소시킬 수 있는지 정량적으로 평가하는 근거를 제시한다.²⁾ 예를 들어, 보행 및 자전거와 같은 지속 가능한 교통 수단의 분담률이 높아질수록 도시의 에너지 소비 효율은 향상되며, 이는 장기적으로 도시의 경쟁력과 거주 적합성을 높이는 결과로 이어진다.

결과적으로 교통 계획에서의 수단 분담은 단순한 통계적 수치를 넘어, 도시의 물리적 구조와 정책적 지향점을 연결하는 가교 역할을 수행한다. 이용자의 행태적 특성을 반영한 수단 분담 모델링은 미래의 통행 패턴 변화를 선제적으로 예측하게 하며, 이를 통해 교통 계획가는 경제적 타당성과 사회적 형평성, 그리고 환경적 가치를 동시에 고려한 균형 잡힌 교통 정책을 수립할 수 있다. 이러한 일련의 과정은 도시 교통 시스템이 직면한 한정된 자원의 제약을 극복하고, 사용자 중심의 효율적인 이동 환경을 조성하는 데 중추적인 기능을 담당한다.

통행자가 특정 교통수단을 선택하게 만드는 다양한 내부적 및 외부적 변수들을 분류한다.

소득 수준, 자동차 보유 여부, 연령, 직업 등 개인의 배경이 수단 선택에 미치는 영향을 분석한다.

출퇴근, 등교, 쇼핑 등 통행 목적과 통행 거리 및 시간대가 수단 분담에 주는 영향을 설명한다.

통행 시간, 통행 비용, 환승 횟수, 쾌적성 등 교통수단 자체의 경쟁력 요소를 다룬다.

교통수단 분담 분석 모형은 교통수요예측의 4단계 모델 중 세 번째 단계에 해당하며, 기종점 간의 통행량이 어떠한 교통수단으로 배분되는지를 정량적으로 추정하는 체계이다. 이 모형은 도시 교통 체계 내에서 도로의 용량 결정, 대중교통 노선 설계, 그리고 교통 정책의 효과 분석을 위한 핵심적인 기초 자료를 제공한다. 분석의 단위와 이론적 접근 방식에 따라 크게 집계형 모형(Aggregate Model)과 비집계형 모형(Disaggregate Model)으로 분류할 수 있다.

전통적인 교통 계획에서 주로 사용되었던 집계형 모형은 교통구역(Traffic Analysis Zone, TAZ) 단위로 수집된 데이터를 바탕으로 한다. 이 방식은 특정 구역 내 통행자들의 평균적인 사회경제적 특성과 구역 간의 평균 통행 시간 및 비용을 변수로 활용한다. 대표적인 기법으로는 두 개 이상의 교통수단 간 시간이나 비용의 차이 또는 비율을 독립 변수로 사용하는 전이 곡선(Diversion Curve) 방법과 다중 회귀 분석(Regression Analysis)이 있다. 집계형 모형은 데이터 수집이 비교적 용이하고 계산 과정이 단순하다는 장점이 있으나, 구역 내 개별 통행자 간의 이질성을 무시함으로써 발생하는 생태학적 오류(Ecological Fallacy)와 모형의 전이성 결여라는 한계를 지닌다.

이러한 집계형 모형의 한계를 극복하기 위해 도입된 비집계형 모형은 개별 행태 모형(Individual Behavioral Model)이라고도 불리며, 통행자 개개인의 의사결정 과정을 분석의 기초로 삼는다. 이 모형은 미시경제학의 소비자 선택 이론에 기반한 효용 극대화 이론(Utility Maximization Theory)을 따른다. 즉, 통행자는 자신에게 주어진 여러 교통수단 대안 중에서 가장 높은 효용(Utility)을 주는 수단을 선택한다고 가정한다. 이때 통행자 $ n $이 대안 $ i $를 선택할 때 얻는 효용 $ U_{in} $은 다음과 같이 관측 가능한 부분과 관측 불가능한 부분의 합으로 정의된다.

$$ U_{in} = V_{in} + \epsilon_{in} $$

여기서 $ V_{in} $은 통행 시간, 비용, 소득 등 분석가가 관측할 수 있는 변수들로 구성된 결정론적 효용(Deterministic Utility)이며, $ _{in} $은 분석가가 파악할 수 없는 개인적 취향이나 모형의 오차를 포함하는 확률적 오차항(Random Error Term)이다. 이러한 구조를 확률적 효용 모형(Random Utility Model)이라 한다.

확률적 오차항의 분포 가정에 따라 모형의 구체적인 형태가 결정된다. 오차항이 제1종 극치 분포(Type I Extreme Value Distribution)를 따른다고 가정할 경우, 계산이 간편하고 수식적 해를 구하기 쉬운 로짓 모형(Logit Model)이 도출된다. 로짓 모형은 각 수단이 선택될 확률을 지수 함수 형태로 표현하며, 다수의 대안을 동시에 고려할 수 있는 다항 로짓 모형(Multinomial Logit Model, MNL)으로 확장되어 실무에서 가장 널리 사용된다. 그러나 로짓 모형은 독립 대안 선택(Independence of Irrelevant Alternatives, IIA)이라는 특성을 가지는데, 이는 새로운 수단이 도입될 때 기존 수단들 사이의 확률 비율이 변하지 않는다는 가정으로, 실제 현실의 버스와 지하철처럼 유사한 특성을 가진 수단 간의 관계를 왜곡할 위험이 있다.

반면 오차항이 다변량 정규 분포(Multivariate Normal Distribution)를 따른다고 가정하는 프로빗 모형(Probit Model)은 IIA 특성의 제약에서 자유롭고 수단 간 오차항의 상관관계를 반영할 수 있다는 장점이 있다. 하지만 확률 밀도 함수의 적분 과정이 복잡하여 매개변수 추정을 위해 몬테카를로 시뮬레이션(Monte Carlo Simulation)과 같은 고도의 수치 해석 기법이 요구된다. 최근에는 로짓 모형의 간편성과 프로빗 모형의 유연성을 결합한 혼합 로짓 모형(Mixed Logit Model)이나 수단 간 계층 구조를 반영하는 네스티드 로짓 모형(Nested Logit Model) 등이 개발되어 복잡한 교통 선택 행태를 정밀하게 분석하는 데 활용되고 있다. 이러한 모형 체계는 단순한 수단 선택을 넘어 출발 시간 선택, 목적지 선택 등과 결합된 통합 모형으로 진화하고 있다.

교통 구역 단위의 집계 데이터를 바탕으로 분담률을 추정하는 전통적인 기법을 설명한다.

개별 통행자의 의사결정 과정을 확률적으로 모형화하는 이론적 배경과 방법론을 고찰한다.

효용 극대화 이론에 기반하여 수단 선택 확률을 계산하는 로짓 모형의 특성을 상세히 다룬다.

오차항의 정규분포 가정을 바탕으로 한 프로빗 모형 및 다항 선택 모형의 구조를 비교한다.

전통적인 교통수요예측 4단계 모델 내에서 수단 분담 단계가 수행되는 시점과 역할을 기술한다.

통행 발생 직후에 수단별로 통행량을 나누어 분석하는 방식의 특징과 한계를 설명한다.

기종점 간 통행량이 결정된 이후에 수단을 선택하는 일반적인 분석 절차를 다룬다.

분석 결과를 바탕으로 실제 도시 교통 문제를 해결하기 위한 정책적 활용 방안을 제시한다.

승용차 이용자를 대중교통으로 유도하기 위한 서비스 개선 및 인센티브 정책을 논한다.

혼잡통행료 부과나 주차 관리 정책이 교통수단 분담 구조에 미치는 영향을 분석한다.

보행, 자전거 등 친환경 교통수단의 분담률을 높이기 위한 도시 설계와 정책 방향을 고찰한다.