노측면접조사(Roadside Interview Survey)는 도로의 특정 지점을 통과하는 차량을 일시적으로 정지시킨 후, 운전자를 대상으로 통행의 특성을 직접 대면하여 조사하는 교통 조사 기법의 일종이다. 이는 기종점 조사(Origin-Destination Survey, O-D 조사)를 수행하는 가장 전통적이면서도 직접적인 방법론으로, 조사 대상 차량이 도로상의 특정 지점을 통과할 때 발생하는 ’차단(intercept)’의 원리를 이용한다. 학술적으로 노측면접조사는 조사 구역의 경계선인 코드라인(Cordon line)이나 구역을 가로지르는 가상의 선인 스크린라인(Screenline)을 설정하고, 해당 지점을 지나는 표본 차량으로부터 기점과 종점, 통행 목적, 탑승 인원, 적재 화물의 종류 및 중량 등의 정밀한 데이터를 수집하는 것을 목적으로 한다.

교통 계획 체계에서 노측면접조사가 갖는 위상은 실측 데이터(ground truth)의 확보와 모델의 정밀도 검증이라는 두 가지 측면에서 독보적이다. 대규모 교통 계획의 기초가 되는 가구통행실태조사가 가구원을 대상으로 주거지 중심의 통행 패턴을 파악한다면, 노측면접조사는 실제 도로 네트워크상에서 움직이는 차량의 흐름을 직접 포착한다. 특히 가구통행실태조사에서 포착하기 어려운 외부 유입 및 유출 통행(external-to-internal, internal-to-external), 구역을 통과하기만 하는 통과 통행(external-to-external), 그리고 기업체 중심의 물류 흐름인 화물 자동차 통행 특성을 파악하는 데 있어 노측면접조사는 대체 불가능한 핵심 자료원으로 기능한다.

교통 수요 예측 모델링 과정에서 노측면접조사는 수집된 원시 데이터를 바탕으로 기종점 통행량 행렬(O-D Matrix)을 구축하거나 수정하는 데 활용된다. 4단계 수요 예측 모델(통행 발생, 통행 분포, 수단 분담, 통행 배정)의 각 단계에서 발생하는 오차를 최소화하기 위해, 실제 노상에서 관측된 노측면접조사 결과는 모델의 보정(calibration)과 검증(validation)의 기준점이 된다. 예를 들어, 특정 도로 구간의 관측 교통량과 모델에 의해 배정된 교통량이 일치하지 않을 경우, 노측면접조사를 통해 얻은 실제 통행 경로와 목적 데이터를 기반으로 네트워크 모델의 신뢰성을 제고할 수 있다.

또한, 노측면접조사는 사회간접자본(SOC) 투자의 타당성 검토나 대규모 개발 사업에 따른 교통영향평가에서 정량적 근거를 제시하는 법적·공적 역할을 수행한다. 대한민국에서는 국가통합교통체계효율화법 제15조 및 동법 시행령에 근거하여 교통조사지침을 수립하고 있으며, 공공기관이 실시하는 교통 계획 및 정책 수립의 기초 자료로서 노측면접조사의 객관성과 통일성을 엄격히 관리하고 있다. 이러한 기초 이론적 토대 위에서 노측면접조사는 단순한 데이터 수집 수단을 넘어, 국가 및 도시 단위의 합리적인 교통 자원 배분을 결정짓는 정책적 판단의 근거로 작용한다.

노측면접조사(Roadside Interview Survey)는 도로의 특정 지점을 통과하는 차량을 일시적으로 정지시킨 후, 운전자 또는 탑승자를 대상으로 직접 면접을 실시하여 해당 통행의 상세 특성을 파악하는 교통 조사 기법이다. 이는 교통 계획 수립에 필수적인 기종점 통행량(Origin-Destination Survey, O-D) 데이터를 수집하는 가장 전통적이면서도 직접적인 방법론으로 간주된다. 조사의 주된 목적은 단순한 교통량 집계를 넘어, 통행의 출발지와 목적지, 통행 목적, 탑승 인원, 적재 화물의 종류 등 구체적인 이동 행태를 파악하여 교통 수요 예측 모델의 기초 자료를 확보하는 데 있다.

본 조사 기법의 핵심적 특징은 데이터의 높은 신뢰성과 현장성에 있다. 응답자가 현재 수행 중인 통행에 대해 즉각적으로 답변하므로, 사후에 기억을 되살려 응답하는 가구통행실태조사에서 발생할 수 있는 기억의 왜곡이나 누락 가능성이 현저히 낮다. 특히 도시 경계선에 설정된 코든라인(Cordon Line)이나 특정 하천·철도를 가로지르는 스크린라인(Screen Line)에서 실시되는 노측면접조사는 해당 구역을 드나드는 외부 유입 및 유출 통행량을 포착하는 데 독보적인 위상을 갖는다. 이는 가구 조사를 통해서는 파악하기 어려운 외부 지역 거주자의 통행 특성을 보완하는 역할을 수행한다.

통계적 관점에서 노측면접조사는 특정 지점을 통과하는 전체 차량 흐름을 모집단으로 설정한다. 조사 과정에서는 모든 차량을 조사하는 전수 조사가 물리적으로 불가능하므로, 일정한 간격이나 무작위 방식을 통해 표본 추출(Sampling)을 시행한다. 수집된 표본 데이터는 해당 시간대의 관측 교통량과 비교하여 전수화(Expansion) 과정을 거치며, 이를 통해 전체 통행 패턴을 추정한다. 이 과정에서 조사 지점의 기하구조와 교통 흐름의 안정성은 데이터의 대표성을 결정짓는 중요한 변수가 된다.

그러나 노측면접조사는 도로상에서 차량을 직접 정지시켜야 한다는 물리적 특성으로 인해 몇 가지 제약 사항을 수반한다. 첫째, 조사 과정에서 불가피하게 교통 지체가 발생하며, 이는 운전자의 불편을 초래하고 대규모 교통 혼잡의 원인이 될 수 있다. 둘째, 도로변이라는 열악한 환경에서 조사가 이루어지므로 조사원과 운전자의 교통 안전 확보를 위한 고도의 통제 전략이 요구된다. 셋째, 응답 거부나 불성실한 응답으로 인한 표본 편의(Sampling Bias)가 발생할 수 있으며, 특히 고속 주행 도로나 교통량이 극심한 간선도로에서는 조사의 실행 가능성 자체가 제한되기도 한다. 이러한 한계에도 불구하고 노측면접조사는 실제 통행 주체로부터 직접적인 정보를 획득할 수 있다는 점에서 여전히 교통학 분야의 중추적인 조사 방법으로 활용되고 있다.

교통 계획 체계에서 노측면접조사는 교통 수요 모델링의 신뢰도를 결정짓는 가장 핵심적인 기초 자료 수집 수단이다. 합리적인 교통 계획은 현재의 교통 흐름을 정확히 진단하고 장래의 수요를 과학적으로 예측하는 것에서 출발하는데, 노측면접조사는 실제 도로를 주행 중인 운전자로부터 직접적인 통행 정보를 획득함으로써 통계적 실증성을 부여한다. 특히 가구통행실태조사가 포착하기 어려운 외부 유입 통행이나 화물차의 이동 패턴을 파악하는 데 있어 대체 불가능한 역할을 수행한다.

교통 수요 예측의 전형적인 방법론인 4단계 모델(Four-Step Model)에서 노측면접조사는 각 단계의 매개변수를 추정하고 결과를 검증하는 기준점(Ground Truth)이 된다. 통행 발생 단계에서는 특정 지역의 유출입 교통량을 확정하는 데 기여하며, 통행 분포 단계에서는 기종점(Origin-Destination, OD) 행렬을 구축하는 결정적 근거가 된다. 조사된 데이터는 관측된 교통량과 모델 예측치 사이의 오차를 보정하는 데 사용되는데, 이 과정에서 수치적 정합성을 확보하기 위해 다음과 같은 단순 보정 관계가 활용되기도 한다.

$ T_{ij}^{adjusted} = T_{ij}^{model} $

여기서 $ T_{ij} $는 지역 $ i $와 $ j $ 사이의 통행량을 의미하며, 실측된 교통량($ V_{observed} $)을 바탕으로 모델의 예측치를 조정함으로써 실제 교통 상황에 근접한 수요 지도를 완성한다.

사회기반시설의 확충 및 운영 효율화 측면에서도 노측면접조사의 역할은 지대하다. 도로의 신설이나 확장을 결정하는 타당성 조사 과정에서 노측면접조사를 통해 수집된 통행 목적, 탑승 인원, 차종 정보는 비용-편익 분석(Cost-Benefit Analysis, CBA)의 기초 입력 변수가 된다. 예를 들어, 업무 목적의 통행 비중이 높게 나타나는 구간은 시간 가치(Value of Time, VOT)가 높게 산정되어 사업의 경제적 타당성이 높게 평가될 가능성이 크다. 또한, 특정 교차로나 구간에서의 병목 현상을 해결하기 위한 교통 운영 전략 수립 시에도 운전자의 경로 선택 행태를 분석하여 최적의 우회 경로를 설계하는 근거를 제공한다.

국가적 차원에서는 국가통합교통체계효율화법 등에 근거하여 정기적인 교통 조사를 시행함으로써 중장기 국가기간교통망계획의 일관성을 유지한다. 노측면접조사는 지자체 경계나 권역 경계(Cordon Line) 및 주요 하천, 산악 지형을 가로지르는 차단선(Screen Line)에서 실시되어 권역 간 유동량을 정밀하게 측정한다. 이는 지역 간 균형 발전을 위한 교통망 배분 정책이나 대중교통 활성화 정책의 효과를 모니터링하는 지표로 활용되며, 궁극적으로는 한정된 예산을 최적의 교통 시설에 투입하도록 돕는 의사결정 지원 체계의 중추를 담당한다.

노측면접조사(Roadside Interview Survey)의 신뢰성은 정교한 조사 설계와 통계적으로 타당한 표본 추출 방법론에 의해 결정된다. 조사의 목적은 특정 지점을 통과하는 차량의 기종점(Origin-Destination) 및 통행 특성을 파악하여 교통 수요 모델링의 기초 자료를 제공하는 데 있다. 이를 위해 조사 설계 단계에서는 조사 지점의 전략적 배치, 표본 추출 틀의 구축, 그리고 수집된 자료를 전체 교통량으로 확대하기 위한 전수화(Expansion) 전략이 체계적으로 수립되어야 한다.

조사 지점 선정은 분석 대상 지역의 통행 흐름을 누락 없이 포착하기 위해 코드라인(Cordon Line)과 스크린라인(Screen Line) 개념을 활용한다. 코드라인은 조사 대상 지역의 경계선에 설정하여 외부에서 내부로 유입되거나 내부에서 외부로 유출되는 통행을 파악하기 위한 지점들의 집합이다. 반면 스크린라인은 지역 내부를 가로지르는 하천, 철도, 산악 지형 등 지리적 장벽을 따라 설정하며, 조사 데이터의 정확도를 검증하기 위한 교통량 관측 지점으로 기능한다. 지점 선정 시에는 차량의 정지가 용이하고 조사원의 안전이 확보될 수 있는 충분한 시거와 가감속 차로가 확보된 장소를 우선적으로 고려한다.

표본 추출은 시간대별 및 차종별 교통량 변화를 반영할 수 있도록 계통추출법(Systematic Sampling)을 주로 적용한다. 이는 전체 교통 흐름에서 일정한 간격(예: 매 5번째 차량)으로 조사 대상을 선정하는 방식이다. 추출률(Sampling Rate)은 조사의 허용 오차와 예산, 현장 도로 여건에 따라 결정되는데, 일반적으로 교통량이 많은 간선도로에서는 낮은 추출률을 유지하되 절대적인 표본 수를 확보하고, 교통량이 적은 지점에서는 높은 추출률을 적용하여 표본 오차를 최소화한다. 추출된 표본 데이터는 해당 지점에서 관측된 전수 교통량과 비교하여 다음과 같은 전수화 계수(Expansion Factor)를 통해 전체 통행량으로 확대된다.

$$F_i = \frac{V_i}{n_i}$$

여기서 $ F_i $는 $ i $차종의 전수화 계수, $ V_i $는 해당 조사 시간대 동안 관측된 $ i $차종의 전체 교통량, $ n_i $는 실제 설문에 응답한 유효 표본 수를 의미한다. 이러한 전수화 과정에는 조사 미실시 시간대 및 조사 거부로 인한 편의(Bias)를 보정하기 위한 가중치(Weighting) 산정 절차가 포함되며, 최종적으로 스크린라인 통과 교통량과의 비교를 통해 데이터의 통계적 유의성을 검증한다.

설문 항목의 구성은 데이터의 활용 목적에 부합하도록 논리적으로 설계되어야 한다. 필수 항목으로는 출발지와 목적지의 구체적인 주소 또는 주요 지명, 통행 목적(출근, 업무, 쇼핑 등), 탑승 인원, 적재 화물의 종류 및 중량 등이 포함된다. 설문 설계 시에는 응답자의 기억 편의를 방지하기 위해 질문의 순서를 최적화하고, 가급적 폐쇄형 질문을 활용하여 응답의 일관성을 높여야 한다. 또한, 노상 조사의 특성상 짧은 시간 내에 응답을 완료해야 하므로 질문은 명료해야 하며, 조사원이 차량 흐름에 방해를 주지 않으면서도 정확한 정보를 기입할 수 있도록 설계된 표준화된 조사표를 사용한다. 이러한 체계적 설계는 향후 교통 수요 예측 모델의 정밀도를 결정짓는 핵심적인 토대가 된다.¹⁾

노측면접조사의 신뢰도는 대상 지역의 통행 흐름을 얼마나 정확하게 대변하는 지점을 선정하느냐에 의해 결정된다. 조사 지점 선정의 일차적 기준은 조사 대상 구역(Study Area)을 설정하고, 해당 영역으로 유입되거나 유출되는 모든 통행을 포착할 수 있는 코돈 라인(Cordon Line)을 확정하는 과정에서 시작된다. 코돈 라인은 통상 도시의 행정 구역 경계나 주요 지형지물을 활용하여 설정하며, 이 경계선과 교차하는 모든 주요 간선 도로는 잠재적인 조사 후보지가 된다. 이때 모든 교차로를 조사하는 것은 현실적으로 불가능하므로, 전체 통행량의 80~90% 이상을 수용하는 주요 도로를 우선적으로 선정하는 전략이 필요하다.

내부 통행의 누락을 방지하고 수집된 데이터의 정확도를 검증하기 위해 스크린 라인(Screen Line)을 설정하기도 한다. 스크린 라인은 조사 영역을 가로지르는 하천, 철도, 산악 지형 등 지형적 제약 요소를 따라 설정하며, 이러한 병목 구간을 통과하는 차량을 조사함으로써 기종점(Origin-Destination, OD) 데이터의 정밀도를 높인다. 특히 교통수요모델링 과정에서 스크린 라인 통과 교통량과 실제 관측 교통량을 비교하여 전수화(Expansion) 과정의 오차를 보정하는 핵심 자료로 활용한다.

물리적인 지점 선정 시에는 교통 안전과 운영 효율성을 동시에 고려해야 한다. 차량을 정지시켜 면접을 진행해야 하므로, 급커브나 급경사 구간을 피하고 충분한 시거(Sight Distance)가 확보된 직선 구간을 선정하는 것이 원칙이다. 또한 조사 대상 차량이 본선의 교통 흐름을 방해하지 않고 안전하게 대기할 수 있는 충분한 갓길이나 유휴 공간이 확보되어야 한다. 고속도로의 경우 입체 교차로(Interchange, IC) 진출입로 부근이나 요금소(Tollgate) 하부 공간을 활용하는 것이 통행 방해를 최소화하는 전략적 방안이다.

표본의 대표성을 확보하기 위해 교통량(Traffic Volume)의 시간적, 방향적 특성도 반영해야 한다. 특정 시간대에 치우치지 않도록 24시간 조사를 원칙으로 하되, 예산과 인력의 제약이 있는 경우 첨두시(Peak Hour)와 비첨두시를 포괄하는 전략적 시간대 배분이 이루어진다. 지점 선정 시 해당 도로의 서비스 수준(Level of Service, LOS)을 검토하여, 조사로 인한 지체(Delay)가 허용 범위를 초과하지 않도록 주의해야 한다. 만약 조사 지점의 교통 밀도가 너무 높아 극심한 혼잡이 예상된다면, 표본 추출(Sampling) 비율을 유동적으로 조절하거나 인근의 보조 간선 도로로 지점을 분산 배치하는 방안을 강구해야 한다.

최근에는 지능형 교통 체계(Intelligent Transport Systems, ITS) 장비와의 연계성을 고려하여 지점을 선정하는 추세이다. 기존의 면접 조사 지점을 차량 번호판 인식 장치(AVI)나 하이패스(Hi-pass) 검지기 설치 지점과 일치시킴으로써, 수동으로 수집된 면접 데이터와 자동화된 기계 관측 데이터를 상호 검증(Cross-check)할 수 있는 체계를 구축한다. 이는 데이터의 신뢰성을 획기적으로 높일 뿐만 아니라, 장기적인 데이터베이스(Database) 구축의 연속성을 보장하는 전략적 기초가 된다.

노측면접조사에서 수집된 자료는 조사 당시에 추출된 일부 표본에 불과하므로, 이를 바탕으로 전체 교통류의 특성을 파악하기 위해서는 정교한 표본 설계(Sampling Design)와 전수화(Expansion) 과정이 필수적이다. 표본 설계는 모집단인 전체 통행의 특성을 가장 잘 나타낼 수 있는 부분집합을 선택하는 과정이며, 전수화는 이렇게 얻어진 표본 데이터를 모집단의 규모로 확대 적용하는 통계적 추정 절차를 의미한다. 이 과정은 교통 수요 모델링의 기초가 되는 기종점 통행량(Origin-Destination Matrix)의 신뢰도를 결정짓는 핵심적인 단계이다.

표본 설계의 핵심은 표본 오차(Sampling Error)를 최소화하면서 조사의 효율성을 극대화하는 데 있다. 노측면접조사에서는 주로 층화 추출법(Stratified Sampling)이 활용된다. 이는 도로를 통행하는 차량을 시간대, 차종, 통행 방향 등에 따라 상호 배타적인 층(Strata)으로 나누고, 각 층 내에서 독립적으로 표본을 추출하는 방식이다. 예를 들어, 출퇴근 시간대와 비첨두 시간대의 통행 특성이 상이하므로 이를 별도의 층으로 구분하여 조사함으로써 표본의 대표성을 높일 수 있다. 이때 필요한 표본의 크기 $ n $은 허용 오차와 신뢰 수준에 따라 결정되며, 일반적으로 다음과 같은 산식을 활용한다.

$$ n = \frac{Z^2 \cdot p \cdot (1-p)}{e^2} $$

위 식에서 $ Z $는 신뢰 수준에 따른 표준정규분포 값, $ p $는 추정하고자 하는 특성의 비율, $ e $는 허용 오차를 의미한다. 실제 현장에서는 교통 흐름의 안전과 조사 인력의 한계를 고려하여 목표 표본율을 설정하며, 통상적으로 전체 교통량의 5%에서 20% 사이를 목표로 삼는다.

전수화 이론은 조사된 표본 한 단위가 모집단에서 몇 대의 차량을 대표하는지를 계산하는 전수화 계수(Expansion Factor) 산출을 골자로 한다. 가장 기본적인 전수화 계수 $ F $는 특정 조사 시간대와 차종별로 집계된 관측 교통량 $ V $를 유효 응답 표본 수 $ n $으로 나눈 값으로 정의된다.

$$ F = \frac{V}{n} $$

그러나 단순히 관측된 수치만을 이용하는 것은 무응답 편의(Non-response Bias)나 조사 거부 등으로 인한 오차를 포함할 수 있다. 따라서 실제 분석에서는 조사 지점을 통과하는 전체 교통량을 별도로 계수하는 교통량 조사 결과와 대조하여 계수를 보정한다. 만약 특정 차종의 응답률이 현저히 낮다면 해당 차종에 더 높은 가중치를 부여함으로써 모집단의 구성을 재현한다.

전수화된 데이터의 정확성을 검증하기 위해 스크린라인(Screen Line) 검증 기법이 동원된다. 이는 하천이나 철도 등 지형적 경계선을 통과하는 통행량의 총합과 해당 경계선상의 모든 조사 지점에서 전수화된 통행량의 합을 비교하는 방법이다. 두 수치 사이에 유의미한 차이가 발생할 경우, 반복 비례 적합법(Iterative Proportional Fitting, IPF)과 같은 통계적 기법을 통해 기종점 행렬의 각 행과 열의 합이 실제 관측된 유출입 교통량과 일치하도록 조정한다.

결론적으로 표본 설계와 전수화 이론은 노측면접조사라는 미시적 자료를 교통 체계 분석이라는 거시적 관점으로 전환하는 가교 역할을 한다. 표본의 대표성이 결여되거나 전수화 과정에서 왜곡이 발생할 경우, 이는 장래 교통 수요 예측의 오류로 이어져 부적절한 인프라 투자 결정을 초래할 위험이 있다. 따라서 통계적 유의성을 확보하기 위한 엄격한 설계와 다각적인 보정 절차는 노측면접조사의 학술적·실무적 타당성을 뒷받침하는 근거가 된다.

노측면접조사의 설문지 설계는 수집된 자료의 신뢰성과 교통 수요 모델링의 정확도를 결정짓는 핵심적인 단계이다. 도로상에서 운전자를 직접 정지시킨 후 진행하는 조사의 특성상, 응답자의 피로도를 최소화하면서도 분석에 필수적인 정보를 누락 없이 확보하는 것이 관근이다. 따라서 설문 항목은 조사 목적에 부합하는 최소한의 필수 항목으로 구성하며, 응답의 즉각성을 확보할 수 있도록 체계적으로 설계되어야 한다.

가장 기초적이면서도 중요한 설문 항목은 기종점(Origin-Destination) 정보이다. 출발지와 목적지는 단순히 행정구역 단위로 조사하는 것을 넘어, 구체적인 지명이나 건물명을 파악하여 교통 분석 존(Traffic Analysis Zone, TAZ) 단위로 세밀하게 코딩할 수 있도록 유도해야 한다. 이는 통행 배분(Traffic Assignment) 모델에서 실제 도로 네트워크상의 경로를 추정하고, 특정 구간의 통행량을 예측하는 기초 자료가 된다. 출발지와 목적지 정보가 불분명할 경우, 전체 조사 데이터의 활용도가 현격히 저하되므로 조사원의 숙련된 질문 기법이 요구된다.

통행 목적(Trip Purpose)은 통행의 발생 동기를 파악하는 지표로서 필수적으로 포함된다. 통행 목적은 통상 출근, 등교, 업무, 쇼핑, 여가 등으로 세분화하며, 이는 통행 발생(Trip Generation) 및 통행 분포(Trip Distribution) 예측 시 각 목적별로 상이한 통행 행태를 반영하기 위해 필요하다. 특히 화물차량의 경우 적재 물동량과 품목, 공차 여부 등을 추가로 조사하여 물류 체계 분석 및 화물 수요 예측 모델의 기초 자료로 활용한다.

재차 인원(Occupancy) 및 차량 특성에 관한 항목은 도로의 수송 효율성을 평가하는 데 사용된다. 탑승 인원 조사는 수단 분담(Modal Split) 분석뿐만 아니라, 고다인원 차량(High-Occupancy Vehicle, HOV) 전용차로 도입 등 정책적 대안을 검토할 때 중요한 근거가 된다. 또한 차량의 종류를 승용차, 버스, 소형 화물차, 중대형 화물차 등으로 구분하여 조사함으로써 도로의 서비스 수준(Level of Service, LOS) 산정에 필요한 차종별 혼입률 데이터를 확보한다.

설문지 설계 시 유의해야 할 원칙은 조사 시간의 엄격한 통제이다. 노측면접은 교통 흐름을 일시적으로 지체시키므로, 전체 설문 과정이 1~2분 이내에 완료될 수 있도록 문항을 직관적으로 배치해야 한다. 질문의 순서는 응답자가 답변하기 쉬운 항목부터 배치하고, 개인정보와 관련된 민감한 질문은 가급적 배제하거나 마지막에 배치하여 거부감을 줄여야 한다. 또한 선택 편의(Selection Bias)를 방지하기 위해 질문 문구는 중립적이어야 하며, 응답자의 주관이 개입될 여지를 최소화하는 폐쇄형 질문 형식을 주로 채택한다.

통계적 유의성을 확보하기 위해 설문 항목에는 조사 지점, 조사 시간대, 요일, 날씨 등 환경적 요인을 기록하는 항목이 반드시 포함되어야 한다. 이는 사후 분석 과정에서 조사 표본을 전체 교통량으로 확대하는 전수화(Expansion) 작업 시 가중치를 산정하는 핵심 기준으로 작용한다. 특히 특정 시간대에 조사가 집중될 경우 발생할 수 있는 시간적 편의를 보정하기 위해, 해당 지점의 상시 교통량 조사(Automatic Traffic Recorder, ATR) 자료와 연계할 수 있는 식별자를 설문지에 명시하는 것이 바람직하다.

마지막으로, 설문지는 현장의 물리적 환경을 고려하여 설계되어야 한다. 야간 조사나 악천후 상황에서도 조사원이 쉽게 기입할 수 있도록 글자 크기와 간격을 충분히 확보하고, 최근에는 종이 설문지 대신 태블릿 PC를 활용한 컴퓨터 보조 면접 조사(Computer-Assisted Personal Interviewing, CAPI) 방식을 도입하여 입력 오류를 실시간으로 방지하고 데이터 정제 시간을 단축하는 추세이다. 이러한 디지털 설계 방식은 GPS 좌표를 자동으로 기록하여 위치 정보의 정확도를 높이는 장점이 있다.

출발지와 목적지, 통행 경로, 중간 경유지 등 이동 자체에 관한 항목을 세분화하여 다룬다.

노측면접조사에서 수집되는 사회경제적 특성 항목은 통행의 공간적 이동 경로를 파악하는 것을 넘어, 해당 통행이 발생하게 된 근본적인 원인과 동기를 규명하는 데 필수적인 기초 자료를 제공한다. 교통 계획 수립 시 통행자의 인구통계학적 배경과 경제적 여건은 통행 행태(travel behavior)를 결정짓는 핵심 변수로 작용하며, 이는 장래 교통 수요 예측 모델의 정교함을 좌우하는 설명변수가 된다. 따라서 설문 구성 시 운전자의 개인적 특성과 차량의 운영 목적을 체계적으로 분류하여 조사한다.

운전자의 인적 특성 항목에는 주로 연령, 성별, 직업, 거주지 등이 포함된다. 연령과 성별은 통행의 빈도와 목적을 결정하는 생물학적·사회적 요인으로, 예를 들어 고령층의 경우 비업무용 여가 통행의 비중이 높고 청장년층은 출퇴근 등 정기적인 업무 통행의 비중이 높게 나타나는 경향이 있다. 직업은 통행의 시간대별 분포와 밀접한 관련이 있으며, 특히 특정 직종에 따른 통행의 규칙성은 첨두 시간(peak hour) 교통량 분석의 신뢰도를 높이는 데 기여한다. 이러한 데이터는 통행 발생(trip generation) 단계에서 가구 혹은 개인 단위의 통행 원단위를 산정하는 기준이 된다.

차량의 용도 및 운행 특성 항목은 통행의 경제적 가치와 물류 흐름을 파악하는 데 중점을 둔다. 차량의 종류(승용차, 버스, 화물차 등)와 더불어 해당 통행이 자가용, 영업용, 혹은 관용인지 구분하여 조사한다. 특히 화물차의 경우 적재 물동량의 종류와 중량, 공차 여부 등을 추가로 파악하여 지역 간 물류 체계 분석에 활용한다. 차량 용도는 통행 시간 가치(Value of Time, VOT) 산정에도 직접적인 영향을 미치는데, 일반적으로 업무용 통행은 비업무용 통행보다 높은 시간 가치를 지니는 것으로 간주되어 도로 건설의 경제성 분석에서 편익 산출의 근거로 활용된다.

가구 소득 및 자동차 보유 대수와 같은 경제적 지표는 조사의 민감도를 고려하여 선택적으로 포함되나, 수단 선택(modal split) 모델 구축에는 결정적인 역할을 한다. 경제적 여건이 우수할수록 승용차 이용 선호도가 높고 통행 거리에 대한 저항이 낮아지는 특성을 보이기 때문이다. 이와 같은 사회경제적 데이터는 국가교통조사 지침에 따라 표준화된 분류 체계로 수집되며, 수집된 원시 데이터는 향후 데이터 정제 과정을 거쳐 각 존(zone)별 통계적 대표성을 갖는 수치로 가공된다.

사회경제적 특성 항목의 분석적 함의는 이산 선택 모형(Discrete Choice Model) 등을 통한 통행자의 의사결정 구조 파악에 있다. 통행자가 특정 경로를 선택하거나 수단을 결정할 때, 개인의 소득 수준과 직업적 특성은 경로의 비용이나 시간만큼이나 중요한 제약 조건으로 작용한다. 따라서 노측면접조사에서 확보된 사회경제적 데이터는 단순한 통행량 보정을 넘어, 교통 정책의 변화가 특정 계층이나 지역에 미치는 영향을 평가하는 교통 형평성 분석의 토대가 된다. ²⁾

노측면접조사의 실행은 도로라는 공공의 공간에서 차량의 흐름을 인위적으로 통제하며 이루어지므로, 정밀한 행정적 절차와 고도의 안전 관리 체계가 뒷받침되어야 한다. 조사 수행을 위한 행정적 준비는 법적 근거 확보에서 시작된다. 대한민국의 경우 국가통합교통체계효율화법 제15조 및 동법 시행령에 따라 국가교통조사의 일환으로 수행되며, 이에 관한 세부 사항은 국토교통부 훈령인 교통조사지침을 따른다. 실제 조사를 위해서는 해당 도로의 관리 주체로부터 도로법에 따른 도로 점용 허가를 득해야 하며, 차량의 정지 및 유도를 수반하므로 관할 경찰서와의 사전 협의 및 경찰공무원의 현장 지원 요청이 필수적이다. 이러한 행정적 협의 과정에서는 조사의 목적, 기간, 지점, 교통 통제 계획 등이 명시된 조사 실행 계획서가 공유되어야 한다.

현장 조사의 물리적 수행 절차는 교통 흐름의 안전한 감속과 정지, 면접 수행, 그리고 재합류의 단계로 구성된다. 조사 지점은 시거가 충분히 확보된 직선 구간이나 졸음쉼터, 과적검문소와 같이 차량이 안전하게 정차할 수 있는 여유 공간이 확보된 장소로 선정한다. 조사원은 차량을 유도하기 위해 조사 지점 전방 일정 거리부터 단계별로 교통안전 시설물을 배치한다. 우선 주의 표지판과 가변 정보 표지판(Variable Message Sign, VMS)을 통해 조사 구간임을 알리고, 라바콘과 같은 채널리징(channelizing) 장비를 활용하여 차량이 자연스럽게 조사 차로로 진입하도록 유도한다. 차량이 정지하면 조사원은 운전자에게 조사의 취지를 간략히 설명하고 준비된 설문 문항에 따라 기종점 조사를 실시한 뒤, 안전하게 본선으로 합류할 수 있도록 수신호를 제공한다.

안전 관리는 노측면접조사 수행 시 최우선으로 고려되어야 할 요소이다. 현장 조사원은 형광 안전 조끼와 안전모 등 시인성이 높은 복장을 착용해야 하며, 야간 조사 시에는 신호봉과 투광기 등 조명 장비를 충분히 확보하여 교통사고 위험을 최소화해야 한다. 또한 조사 착수 전 모든 인력을 대상으로 현장 안전 수칙 및 비상 상황 발생 시 대피 요령에 관한 교육을 시행한다. 특히 교통류의 급격한 정체나 돌발 상황에 대비하여 현장 책임자는 실시간으로 교통 상황을 모니터링하고, 정체가 심화될 경우 조사를 일시 중단하거나 조사 빈도를 조절하는 등 유연한 현장 운영 능력이 요구된다. 이러한 체계적인 안전 관리 방안은 조사원의 인명 피해 방지뿐만 아니라 운전자의 불편을 최소화하고 조사 데이터의 신뢰성을 확보하는 근간이 된다.

노측면접조사는 공공의 자산인 도로 공간을 일시적으로 점유하고 주행 중인 차량의 흐름을 인위적으로 통제해야 하는 특수성을 지닌다. 따라서 조사의 원활한 수행과 현장 안전 확보를 위해서는 체계적인 행정적 준비와 관계 기관 간의 긴밀한 협조 체계 구축이 선행되어야 한다. 이러한 절차는 단순히 실무적인 준비를 넘어 조사의 법적 정당성을 확보하고, 예기치 못한 사고나 민원 발생 시 책임 소재를 명확히 하는 근거가 된다.

행정적 준비의 핵심은 국가통합교통체계효율화법에 근거한 법적 지위의 확인이다. 동법 제15조 및 시행령에 따르면 국토교통부 장관이나 시·도지사는 효율적인 교통 체계 수립을 위해 국가교통조사를 실시할 수 있으며, 조사 수행 기관은 관계 행정기관의 장에게 필요한 자료의 제출이나 협조를 요청할 수 있다. 이러한 법적 근거는 도로상에서 차량을 정지시키는 행위가 공익적 목적을 위한 정당한 집행임을 보장한다. 조사 주체는 조사 실시 전 조사 목적, 일시, 장소, 방법 등을 명시한 조사 계획서를 작성하여 관련 기관에 공식적으로 협조를 구해야 한다.

가장 중점적인 협의 대상은 관할 경찰청 및 경찰서이다. 도로교통법 제6조에 따른 통행의 금지 및 제한 권한은 경찰에 있으므로, 노측면접조사를 위한 차량 정지 및 차로 통제는 경찰과의 사전 협의 없이는 불가능하다. 조사 기관은 관할 경찰서 교통과와 협의하여 조사 지점의 교통 기하구조, 가감속 차로의 확보 가능성, 시거 확보 여부 등을 검토받아야 한다. 특히 교통량이 많은 간선도로나 사고 위험이 높은 구간에서는 경찰관의 현장 배치나 순찰차 지원을 요청하여 운전자의 순응도를 높이고 안전사고를 미연에 방지한다.

도로의 유지·관리를 책임지는 도로관리청과의 협조 역시 필수적이다. 일반국도의 경우 각 지방국토관리청, 고속도로는 한국도로공사, 지방도 및 시도(市道)는 해당 지방자치단체가 관리 주체가 된다. 조사 수행을 위해서는 도로법에 따른 도로 점용 허가 또는 이에 준하는 사전 협의가 이루어져야 한다. 이는 조사용 가설 시설물, 안내 표지판, 안전 꼬깔(LANE CONE) 등의 설치가 도로 구조물에 미치는 영향과 교통 소통 저해 정도를 심의하는 과정이다. 도로관리청은 조사가 진행되는 동안 해당 구간의 도로 보수 공사나 특수 차량 통행 계획을 조정하여 조사 환경의 간섭을 최소화하는 역할을 수행한다.

행정적 준비 단계에서는 시민들의 자발적인 협조를 이끌어내기 위한 대외 홍보 전략도 포함된다. 조사가 실시되는 지역의 지방자치단체와 협력하여 반상회보, 시정 소식지, 전광판(VMS) 등을 통해 조사 실시 정보를 사전에 공지함으로써 현장에서의 마찰을 줄이고 응답률을 높일 수 있다. 또한, 개인정보 보호법에 의거하여 수집된 정보가 교통 계획 수립 이외의 목적으로 사용되지 않음을 명시하는 행정적 조치를 완료함으로써 조사 과정에서의 법적 리스크를 차단해야 한다. 이러한 다각적인 행정 협의와 법적 절차의 이행은 노측면접조사의 신뢰성을 담보하는 행정적 인프라로 작용한다.³⁾

노측면접조사의 현장 운영은 교통 흐름의 연속성을 보장하면서도 목표로 하는 표본 추출률을 달성해야 하는 이중적 과제를 안고 있다. 이를 위해 현장은 물리적으로 명확히 구분된 구역화(Zoning)가 이루어져야 하며, 각 구역의 기능에 최적화된 인력 배치가 필수적이다. 조사 현장의 배치는 크게 주의 구간, 유도 구간, 조사 구간, 종결 구간의 네 단계로 구성된다. 주의 구간은 조사 지점 전방에서 운전자에게 조사의 존재를 알리고 감속을 유도하는 구간으로, 도로의 설계 속도(Design Speed)에 따라 충분한 인지 반응 거리를 확보하여 예고 표지판을 설치한다. 유도 구간에서는 교통 통제 시설물을 활용하여 차량을 조사 차로로 서서히 진입시키며, 조사 구간은 본선 교통에 지장을 주지 않도록 별도의 포켓(Pocket) 공간이나 충분한 폭의 갓길에 조성하는 것이 원칙이다.

조사 구간의 기하구조적 설계는 교통 용량(Traffic Capacity) 분석에 기반하여 결정된다. 특히 조사 차량이 본선에서 이탈하여 정지하고, 조사를 마친 후 다시 본선으로 합류하는 과정에서 발생하는 병목 현상을 방지하기 위해 충분한 길이의 가감속 차로를 확보해야 한다. 만약 물리적 공간이 협소하여 본선 차로 중 하나를 차단하고 조사를 수행해야 하는 경우에는 교통 영향 평가를 통해 예상되는 대기 행렬(Queue)의 길이를 산정하고, 이것이 인근 교차로나 나들목에 미치는 영향을 최소화할 수 있는 시간대를 선정하여 조사를 진행한다.

인력 운용의 효율화는 조사 데이터의 품질과 현장 안전을 결정짓는 핵심 요소이다. 현장 인력은 역할에 따라 현장 감독(Supervisor), 교통 통제원(Flagman), 면접 조사원(Interviewer), 그리고 예비 인력으로 세분화된다. 현장 감독은 전체적인 조사 진행 상황을 모니터링하며, 교통 정체가 심화될 경우 조사를 일시 중단하고 차량을 소통시키는 ‘바이패스(Bypass)’ 결정을 내리는 권한을 가진다. 교통 통제원은 운전자의 혼선을 방지하고 안전한 진출입을 유도하며, 면접 조사원은 표준화된 설문 지침에 따라 신속하고 정확하게 데이터를 수집한다.

필요한 면접 조사원의 수($M$)는 목표로 하는 시간당 표본 수($N$)와 설문지 작성에 소요되는 평균 면접 시간($T_i$, 단위: 분)을 고려하여 다음과 같은 산식으로 결정할 수 있다.

$$M = \lceil \frac{N \times T_i}{60 \times \eta} \rceil$$

여기서 $\eta$는 조사원의 숙련도 및 현장 여건을 고려한 효율 계수(보통 0.8~0.9)를 의미하며, $\lceil \cdot \rceil$은 올림 기호이다. 인력 운영의 효율을 극대화하기 위해 조사원들은 교대 근무조를 편성하여 피로도를 관리해야 하며, 현장 투입 전 설문 항목에 대한 충분한 교육을 통해 응답 시간을 단축해야 한다.

최근에는 인력 운용의 부하를 줄이고 데이터의 정확도를 높이기 위해 태블릿 PC 등을 활용한 컴퓨터 이용 면접 조사(Computer-Assisted Personal Interviewing, CAPI) 방식이 널리 채택되고 있다. 이는 종이 설문지를 사용할 때 발생하는 기입 오류나 논리적 모순을 현장에서 즉시 검토(Logic Check)할 수 있게 하여, 사후 데이터 정제 과정에서 발생하는 인력과 시간의 낭비를 획기적으로 줄여준다. 또한, GPS 기능을 활용하여 조사 지점의 위치 정보를 자동으로 기록함으로써 데이터의 신뢰성을 담보한다.

현장 통제 시 가장 유의해야 할 점은 돌발 상황에 대한 대응 체계 구축이다. 기상 악화나 대형 차량의 진입, 혹은 운전자의 비협조로 인한 사고 위험이 감지될 경우를 대비하여 비상 연락망을 가동하고, 경찰청 및 도로 관리 주체와의 실시간 협조 체계를 유지해야 한다. 특히 야간 조사의 경우 고휘도 반사 조끼와 경광등 등 시인성이 확보된 안전 장구를 반드시 착용하고, 조명 시설을 적절히 배치하여 조사원과 운전자의 시거를 확보하는 것이 인력 운용 지침의 핵심이다. 이러한 체계적 현장 통제와 인력 관리는 단순한 자료 수집을 넘어 공공 도로의 안전을 책임지는 교통 행정의 일환으로 다루어져야 한다.

노측면접조사는 도로라는 물리적 공간에서 주행 중인 차량을 인위적으로 정지시켜 수행되므로, 조사원과 운전자의 안전을 확보하는 것이 조사의 성패를 결정짓는 최우선 과제이다. 이를 위해 조사는 국가통합교통체계효율화법 및 관련 지침에 근거하여 엄격한 안전 관리 계획 하에 시행되어야 한다. 조사 지점의 선정 단계에서부터 시거(Sight Distance)가 충분히 확보된 직선 구간을 우선적으로 고려하며, 급경사나 급커브 구간 등 운전자의 시야가 제한되거나 제동 거리가 부족할 위험이 있는 지점은 배제하는 것이 원칙이다.

현장의 물리적 안전을 보장하기 위한 핵심 요소는 체계적인 교통안전시설의 배치이다. 조사 구역 전방에는 운전자가 상황을 인지하고 속도를 줄일 수 있도록 충분한 거리를 두고 안내 표지판을 단계적으로 설치해야 한다. 이때 차로의 감소나 변경을 유도하는 테이퍼(Taper) 구간의 길이는 해당 도로의 설계 속도에 부합하도록 설정하여 급격한 차선 변경으로 인한 사고를 방지한다. 라바콘(Traffic Cone)과 교통안전표지를 활용하여 조사 공간과 주행 차로를 명확히 분리하며, 야간이나 기상 악화 시에는 발광형 안전 시설물과 싸인카(Sign Car)를 배치하여 시인성을 극대화한다. 특히 고속 주행이 빈번한 도로에서는 충격흡수시설(Truck Mounted Attenuator, TMA)을 장착한 안전 관리 차량을 조사 구역 후방에 배치하여 만일의 추돌 사고로부터 조사 인력을 보호한다.

인적 자원의 안전 관리 또한 필수적이다. 현장에 투입되는 모든 조사원은 시인성이 높은 안전 조끼와 보호 장구를 착용해야 하며, 조사 시작 전 안전 수칙 및 비상 상황 대응 요령에 관한 철저한 교육을 이수해야 한다. 차량의 진입과 정지를 유도하는 신호수는 숙련된 인원으로 배치하며, 경찰청 등 관계 기관과의 협조를 통해 현장 통제력을 확보한다. 조사원은 차량 사이를 무단으로 횡단하지 않아야 하며, 지정된 안전 구역 내에서만 설문을 진행함으로써 주행 차량과의 접촉 가능성을 근본적으로 차단한다.

시민의 불편을 최소화하고 원활한 조사를 진행하기 위해서는 전략적인 민원 대응 체계가 뒷받침되어야 한다. 교통 정체는 민원 발생의 가장 큰 원인이므로, 가급적 출퇴근 시간대와 같은 첨두시(Peak Hour)를 피하여 조사를 수행하거나 정체 발생 시 즉시 조사를 중단하고 차량을 방류하는 유연한 운영 지침을 적용한다. 또한 설문 문항을 간소화하여 개별 차량의 정지 시간을 최소화하고, 응답을 거부하는 운전자에게는 강요 없이 정중히 통과를 유도하여 마찰을 방지한다. 조사 시행 전 지자체 홈페이지, 현수막, 전광판 등을 통한 사전 홍보를 실시하여 조사의 공익성을 알리고 시민의 자발적인 협조를 구하는 과정은 잠재적 민원을 예방하는 데 효과적이다. 현장에는 조사 목적과 법적 근거가 명시된 안내문을 상시 비치하고, 민원 발생 시 즉각 대응할 수 있는 현장 책임자를 지정하여 공공 조사의 신뢰도와 사회적 수용성을 제고한다.⁴⁾

노측면접조사를 통해 수집된 원시 데이터(raw data)는 교통 현상을 정량적으로 파악하기 위한 기초 자료에 불과하므로, 이를 정책 수립 및 계획 단계에서 활용하기 위해서는 체계적인 데이터 처리와 분석 과정이 필수적이다. 분석의 첫 단계는 수집된 설문지의 논리적 오류를 검토하고 부적절한 응답을 걸러내는 정제 작업이다. 이후 조사된 각 통행의 출발지와 목적지를 사전에 설정된 교통분석존(Traffic Analysis Zone, TAZ) 체계에 따라 수치화하는 코딩(coding) 과정을 거친다. 이 과정에서 지리 정보 시스템(GIS) 기술이 활용되어 통행의 공간적 분포를 명확히 시각화하고 데이터베이스화한다.

조사된 표본 데이터를 전체 교통량으로 확대 적용하는 전수화(Expansion)는 분석의 신뢰성을 결정짓는 핵심 공정이다. 노측면접조사는 도로의 모든 통행 차량을 전수 조사하는 것이 불가능하므로, 조사 시간대와 지점의 전체 교통량 대비 실제 조사된 표본의 비율을 계산하여 전수화 계수(expansion factor)를 산출한다. 전수화 계수는 다음과 같은 수식으로 정의된다.

$$ W_{ij} = \frac{V_{total, ij}}{V_{sample, ij}} $$

여기서 $ W_{ij} $는 특정 차종 $ i $와 시간대 $ j $에 대한 전수화 계수이며, $ V_{total} $은 해당 지점의 관측 교통량, $ V_{sample} $은 실제 유효 응답 수를 의미한다. 산출된 계수를 개별 응답 데이터에 곱함으로써 조사 지점을 통과하는 전체 차량의 통행 특성을 추정할 수 있다. 이렇게 가공된 데이터는 지역 간 통행 흐름을 한눈에 파악할 수 있는 기종점 통행량(Origin-Destination, OD) 행렬로 구축된다.

구축된 기종점 행렬의 정확도를 확보하기 위해 스크린라인(Screenline) 및 코돈라인(Cordon line) 검증 작업을 수행한다. 이는 특정 가상의 선을 통과하는 실제 관측 교통량과 조사 데이터를 통해 추정된 통행량을 비교하는 과정이다. 두 수치 사이의 오차가 허용 범위 내에 있을 때 해당 데이터의 대표성이 인정된다. 만약 유의미한 차이가 발생할 경우, 통계적 기법인 프라타법(Fratar Method)이나 엔트로피 극대화 모델(Entropy Maximization Model) 등을 활용하여 행렬의 균형을 맞추는 보정 작업을 실시한다.

최종적으로 정립된 데이터는 교통수요예측 모델의 입력 자료로 활용된다. 특히 4단계 수요예측 모델(Four-step Model)의 통행 분포와 수단 선택 단계에서 노측면접조사 데이터는 실제 통행 행태를 반영하는 결정적인 근거가 된다. 이는 새로운 도로 신설이나 확장 사업의 예비타당성조사에서 경제적 타당성을 분석하는 기초가 되며, 특정 개발 사업에 따른 교통영향평가나 도시 전체의 교통정비기본계획 수립 시 정책적 의사결정을 지원하는 핵심 지표로 기능한다. 이러한 일련의 과정은 국가통합교통체계효율화법 등 관련 법령에 근거한 교통조사지침에 따라 객관성과 통일성을 유지하며 수행되어야 한다.⁵⁾

노측면접조사를 통해 수집된 개별 통행 데이터는 그 자체로는 표본에 불과하므로, 이를 전체 교통 흐름으로 환산하여 공간적인 통행 구조를 파악하기 위해서는 기종점 행렬(Origin-Destination Matrix, O-D Matrix) 구축 과정이 필수적이다. 이 과정은 크게 데이터의 공간적 수치화, 표본의 전수화, 그리고 행렬의 정산 및 통합 단계로 구분된다.

첫 번째 단계는 수집된 설문 자료의 지오코딩(Geocoding)과 권역 설정이다. 조사원이 기록한 출발지와 목적지의 지명, 주소, 주요 건물명 등 텍스트 정보는 분석이 가능한 수치 좌표나 교통 분석 권역(Traffic Analysis Zone, TAZ) 코드로 변환되어야 한다. 교통 분석 권역은 토지 이용 상태와 인구 통계적 특성이 유사한 지역을 하나의 분석 단위로 묶은 것으로, 기종점 행렬의 행과 열을 구성하는 기초 단위가 된다. 이 과정에서 오기입된 주소나 논리적으로 불가능한 통행 경로는 필터링을 통해 제거하여 데이터의 정밀도를 확보한다.

두 번째 단계는 표본 데이터를 모집단의 크기로 확대하는 전수화(Expansion) 과정이다. 노측면접조사는 도로의 모든 통행 차량을 조사하는 것이 아니라 일부 표본만을 추출하여 진행하므로, 조사 지점을 통과한 전체 교통량과 실제 유효 응답 수의 비율을 계산하여 전수화 계수(Expansion Factor)를 산출한다. 전수화 계수 $W$는 일반적으로 다음과 같은 산식을 통해 결정된다.

$$W = \frac{V}{n}$$

여기서 $V$는 조사 시간대 동안 해당 지점을 통과한 관측 교통량이며, $n$은 논리적 오류가 제거된 유효 표본 수이다. 더욱 정밀한 분석을 위해 차종별(승용차, 버스, 화물차 등) 또는 시간대별로 구분하여 개별적인 전수화 계수를 적용하는 것이 일반적이다. 이렇게 산출된 계수를 각 표본 통행에 곱하여 합산함으로써 특정 존 $i$에서 존 $j$로 이동하는 전체 통행량을 추정한다.

세 번째 단계는 구축된 행렬의 검증과 보정이다. 노측면접조사는 도로상의 특정 지점을 통과하는 차량만을 대상으로 하므로, 해당 지점을 통과하지 않는 권역 내부 통행(Internal-Internal trip)은 포착되지 않는 특성이 있다. 따라서 코든라인(Cordon Line)이나 스크린라인(Screenline)을 설정하여 관측된 실제 교통량과 추정된 행렬상의 교통량을 비교하는 검증 절차를 거친다. 만약 오차가 허용 범위를 초과할 경우, 프라타 모델(Fratar Model)이나 퍼니스 방법(Furness Method)과 같은 행렬 정산 기법을 활용하여 행렬의 각 셀 값을 반복적으로 수정함으로써 관측치에 수렴시킨다.

마지막으로, 노측면접조사 결과는 가구통행실태조사 등 다른 조사 자료와 통합되어 완성된 교통 수요 예측 모델의 기초 자료로 활용된다. 노측면접조사는 주로 유출입 통행(External-Internal)과 통과 통행(External-External)을 파악하는 데 강점이 있으며, 가구통행조사는 권역 내부 통행을 파악하는 데 유리하다. 이 두 자료를 논리적으로 결합하여 중복 통행을 제거하고 공백을 보완함으로써, 해당 지역 전체의 모빌리티 흐름을 정교하게 묘사하는 최종적인 기종점 통행량 행렬이 완성된다. 이 행렬은 도로 신설의 경제성 분석이나 대중교통 노선 개편 등 각종 교통 정책 수립의 핵심적인 정량적 근거가 된다.

노측면접조사를 통해 수집된 원시 자료(Raw data)는 모집단 전체가 아닌 일부 통행만을 추출한 표본 자료이므로, 분석 결과의 신뢰성을 확보하기 위해서는 반드시 자료 검증(Data Validation)과 오차 보정(Error Correction) 과정을 거쳐야 한다. 조사 현장에서 발생하는 무응답 편의(Non-response Bias)나 조사원의 숙련도 차이, 특정 시간대의 조사 누락 등은 수집된 자료가 실제 교통 현상을 왜곡하는 주요 원인이 된다. 따라서 조사된 표본 자료를 실제 도로상의 관측 교통량과 비교하여 그 차이를 정량적으로 파악하고, 통계적인 기법을 통해 이를 수정하는 과정이 필수적이다.

가장 대표적인 검증 방법은 조사 지점이나 특정 지역을 가로지르는 가상의 선인 스크린라인(Screenline) 또는 조사 권역의 경계인 코돈라인(Cordon line)에서 별도로 실시된 교통량 조사 결과와 면접 조사 자료를 대조하는 것이다. 면접 조사가 진행되는 동안 해당 지점을 통과한 전체 차량 대수와 실제 조사가 완료된 유효 표본 수를 비교함으로써 표본 추출률을 산정한다. 만약 특정 차종이나 특정 시간대의 추출률이 현저히 낮다면, 해당 자료는 모집단을 대표하기 어렵다고 판단하며 이를 보정하기 위한 가중치(Weighting) 부여 절차를 밟게 된다.

오차 보정의 핵심 기법은 전수화(Expansion) 과정에서 산출되는 전수화 계수(Expansion Factor)의 정밀화에 있다. 기본적인 전수화 계수 $ W_i $는 특정 시간대 $ i $에 관측된 전체 교통량 $ V_i $를 해당 시간대의 유효 표본 수 $ n_i $로 나눈 값으로 정의된다.

$$W_i = \frac{V_i}{n_i}$$

그러나 단순한 수치적 확대를 넘어 자료의 정확도를 높이기 위해서는 차종별 보정과 시간적 보정이 병행되어야 한다. 예를 들어, 승용차와 화물차의 조사 응답률이 다를 경우 각 차종별로 별도의 전수화 계수를 적용하여 표본 편의(Sampling Bias)를 제거한다. 또한, 조사 당일의 특수 상황(기상 악화, 교통사고 등)으로 인해 평상시 교통량과 차이가 발생한 경우에는 인근 상시교통량조사지점(Continuous Traffic Count site)의 자료를 활용하여 일변동 및 계절변동을 반영한 보정 계수를 추가로 적용한다.

검증의 마지막 단계에서는 보정된 자료가 실제 교통 패턴을 얼마나 잘 재현하는지 통계적 지표를 통해 평가한다. 주로 결정계수($ R^2 $)나 평균 제곱근 오차(Root Mean Square Error, RMSE)를 활용하여 관측치와 추정치 간의 상관관계를 분석한다. 만약 오차 범위가 허용 기준을 초과할 경우, 기종점 통행량(Origin-Destination Survey) 행렬의 셀 값을 조정하는 통행행렬 보정 기법(Matrix Estimating Techniques)을 적용하여 최종적인 자료의 정밀도를 확보한다. 이러한 체계적인 검증과 보정은 노측면접조사 결과가 교통 수요 예측이나 도로 투자 타당성 조사에서 객관적인 근거로 기능하게 하는 학술적 토대가 된다.

노측면접조사를 통해 수집된 데이터는 교통 수요 예측 모델의 정교화와 장래 도로 사업의 경제적 타당성 평가를 위한 핵심 입력 자료로 활용된다. 조사된 표본 자료는 전수화 과정을 거쳐 해당 조사 지점을 통과하는 전체 교통류의 특성을 대변하게 되며, 이는 4단계 모델(Four-step model)로 알려진 전통적인 교통 수요 추정 체계의 각 단계에 반영된다. 특히 기종점 행렬(Origin-Destination Matrix, OD 행렬)의 구축과 보정 단계에서 노측면접조사는 실제 도로상의 통행 행태를 가장 직접적으로 투영하는 지표가 된다.

통행 분포(Trip Distribution) 단계에서 노측면접조사 결과는 지역 간 통행 강도를 결정하는 중력 모형(Gravity Model)의 파라미터 보정에 사용된다. 관측된 기종점 자료를 바탕으로 통행 거리나 시간에 따른 마찰 함수(Friction Function)를 추정함으로써, 모델이 모사하는 가상의 통행 패턴을 실제 관측치에 근접하도록 조정한다. 또한 수단 선택(Modal Split) 분석 시에는 운전자의 사회경제적 특성과 통행 목적을 결합하여 특정 경로를 선택하는 행태적 근거를 제공하며, 이는 신규 교통 수단 도입 시의 수요 전환율을 예측하는 기초가 된다.

도로 신설 및 확장 사업의 타당성 검토 과정에서 노측면접조사는 우회 통행량(Diverted Traffic)과 유발 수요(Induced Demand)를 산정하는 데 결정적인 역할을 수행한다. 신설 노선이 기존 도로망의 통행 패턴을 어떻게 변화시킬지 예측하기 위해서는 현재 이용객들의 출발지와 목적지 정보가 필수적이다. 노측면접조사를 통해 확보된 상세 OD 자료는 통행 배정(Traffic Assignment) 모델 내에서 경로 선택 알고리즘의 신뢰도를 높여, 사업 시행 시 예상되는 교통량 분산 효과를 정밀하게 분석할 수 있게 한다. 이러한 분석 결과는 비용 편익 분석(Cost-Benefit Analysis)의 편익 항목인 통행 시간 절감 및 차량 운행 비용 감소분을 산출하는 근거가 된다.

미시적 관점에서의 활용 또한 중요하다. 노측면접조사는 특정 교차로나 구간의 교통 성장률을 산정하는 데 있어 가구통행실태조사보다 높은 해상도의 자료를 제공한다.⁶⁾ 특히 화물차와 같은 특정 차종의 통행 특성을 분석할 때는 일반적인 설문보다 노측면접조사가 모집단의 특성을 더욱 정확하게 포착하는 것으로 알려져 있다.⁷⁾ 이러한 특성별 데이터는 장래 교통 수요의 변동 요인을 세분화하여 분석함으로써 예측의 불확실성을 감소시키는 데 기여한다.

전통적인 노측면접조사는 조사원이 직접 주행 중인 차량을 정지시켜 설문을 수행하는 물리적 접촉 방식을 기반으로 한다. 그러나 이러한 방식은 교통 정체 유발에 따른 사회적 비용 발생, 조사원의 안전사고 위험, 그리고 응답자의 거부감으로 인한 표본 편의(Sampling Bias) 발생 등 구조적인 한계를 안고 있다. 이에 따라 지능형 교통 체계(Intelligent Transport Systems, ITS)의 발전과 함께 비접촉식·비표집 방식의 데이터 수집 기술이 노측면접조사의 보완재 또는 대체재로 급부상하고 있다.

가장 대표적인 기술적 변화는 차량 번호판 인식(License Plate Recognition, LPR) 장치와 자동 차량 식별(Automatic Vehicle Identification, AVI) 시스템의 도입이다. 도로변에 설치된 고정식 카메라를 통해 통과 차량의 번호를 실시간으로 인식하고, 이를 다른 지점의 데이터와 매칭함으로써 차량의 이동 경로와 통행 시간을 정밀하게 산출한다. 또한 단거리 전용 통신(Dedicated Short Range Communications, DSRC) 기술을 활용한 하이패스 단말기 데이터는 고속도로와 주요 간선도로에서 발생하는 광역적 기종점 통행량(Origin-Destination, OD)을 파악하는 데 핵심적인 역할을 수행한다. 이러한 기술은 조사 인력의 투입을 최소화하면서도 24시간 연속적인 데이터 수집이 가능하다는 강점을 지닌다⁸⁾.

최근에는 스마트폰의 보급과 함께 모바일 신호 데이터(Mobile Signal Data) 및 내비게이션의 GPS(Global Positioning System) 궤적 데이터를 활용한 빅데이터 분석 기법이 주목받고 있다. 통신사 기지국 신호나 앱 기반의 위치 정보를 활용하면 특정 도로 구간뿐만 아니라 도시 전체를 아우르는 거시적인 통행 패턴을 분석할 수 있다. 이는 기존의 점(Point) 단위 조사를 면(Area) 단위 조사로 확장시키는 계기가 되었다⁹⁾. 다만 이러한 디지털 데이터는 통행의 목적이나 탑승자의 사회경제적 특성을 파악하기 어렵다는 단점이 있다. 따라서 현대의 교통 계획에서는 빅데이터를 통해 전체적인 통행량을 파악하고, 소규모의 정밀 노측면접조사를 통해 세부 통행 특성을 보정하는 하이브리드(Hybrid) 방식이 표준으로 자리 잡고 있다.

미래의 노측면접조사는 인공지능(Artificial Intelligence, AI) 영상 인식 기술과 차량 사물 통신(Vehicle-to-Everything, V2X) 기술의 융합을 통해 더욱 고도화될 것으로 예측된다. 딥러닝 기반의 영상 분석은 차종 분류를 넘어 차량 내부의 탑승 인원이나 적재 화물의 종류까지 식별하는 수준으로 발전하고 있으며, 이는 교통 수요 예측 모델의 정확도를 획기적으로 높일 수 있다. 또한 자율주행 자동차의 확산에 따라 차량이 생성하는 실시간 주행 데이터가 공공 데이터 인프라와 결합될 경우, 전통적인 의미의 정지형 면접 조사는 점차 자취를 감추고 실시간 디지털 전수 조사 체계로 전환될 전망이다. 이러한 변화 속에서 개인정보 보호를 위한 비식별화 기술과 데이터 보안 체계의 확립은 기술적 구현만큼이나 중요한 학술적·정책적 과제로 다루어지고 있다.

전통적인 노측면접조사는 직접적인 대면 방식을 통해 상세한 통행 정보를 수집할 수 있다는 강점이 있으나, 현대의 복잡한 도로 네트워크와 증가하는 교통량 하에서는 여러 구조적인 한계에 직면해 있다. 이러한 한계는 크게 교통 운영상의 저해, 막대한 경제적 비용, 그리고 수집된 데이터의 통계적 신뢰성 문제로 요약된다.

가장 즉각적으로 나타나는 문제는 조사 과정에서 발생하는 교통 정체와 그에 따른 사회적 비용의 발생이다. 노측면접조사를 수행하기 위해서는 주행 중인 차량을 강제로 정지시켜야 하며, 이는 해당 도로 구간의 용량(capacity)을 일시적으로 감소시키는 결과를 초래한다. 차량의 정지와 재출발 과정에서 발생하는 지체 시간(delay time)은 도로의 서비스 수준(Level of Service, LOS)을 급격히 저하시키며, 특히 통행량이 많은 간선도로나 출퇴근 시간대에는 심각한 병목 현상을 유발한다. 이러한 인위적인 정체는 운전자의 유류비 증가와 시간 가치 손실뿐만 아니라, 급감속으로 인한 교통 사고의 위험성을 높이는 직접적인 원인이 된다.

경제적 측면에서도 전통적 방식은 효율성이 낮다. 노측면접조사는 현장 통제를 위한 안전 요원과 설문을 진행할 조사원 등 대규모 인적 자원의 투입이 필수적이다. 또한 조사 지점의 안전을 확보하기 위한 각종 교통 안전 시설물 설치와 유관 기관과의 행정적 협의 과정에서 상당한 예산과 행정력이 소모된다. 이러한 비용 구조는 조사 표본의 크기를 제한하는 요인이 되며, 결과적으로 전체 교통량을 대표하기에는 부족한 수준의 표본만을 확보하게 하여 표본 오차(sampling error)를 확대시키는 결과를 낳는다.

데이터의 신뢰성 측면에서는 무응답 오차(non-response error)와 표본 편의(sampling bias)의 문제가 심각하다. 바쁜 일정 중에 조사를 요청받은 운전자는 응답을 거부하거나 불성실하게 답변할 가능성이 높으며, 이는 조사 결과의 왜곡을 초래한다. 특히 특정 시간대나 특정 차종의 운전자가 조사에 더 비협조적일 경우, 수집된 데이터는 전체 교통류의 특성을 편향되게 반영하게 된다. 또한, 면접원의 질문 방식이나 응답자의 기억 오류에 의존하는 대면 조사의 특성상, 통행 기종점이나 목적 등에 대한 정보의 정확도가 떨어지는 측정 오차가 발생하기 쉽다.

마지막으로 물리적 및 환경적 제약 또한 무시할 수 없는 한계점이다. 전통적인 노측면접조사는 야간이나 악천후 시 조사가 거의 불가능하며, 이는 24시간 교통 흐름이나 계절별 교통 특성을 파악하는 데 한계를 지닌다. 조사원의 안전 사고 위험은 기상 조건이 악화될수록 기하급수적으로 증가하며, 이는 조사 수행의 연속성을 저해하는 주요 요인이 된다. 이러한 다각적인 제약 요인들로 인해 현대 교통 계획 분야에서는 점차 지능형 교통 체계(Intelligent Transport Systems, ITS) 기술을 활용한 비접촉식 조사 기법으로의 전환이 가속화되고 있다¹⁰⁾.

지능형 교통 체계(Intelligent Transport Systems, ITS)의 비약적인 발전은 전통적인 노측면접조사가 지닌 물리적, 경제적 한계를 극복하는 결정적인 계기가 되었다. 정보통신기술(Information and Communication Technology, ICT) 기반의 비접촉식 데이터 수집 기법은 차량을 정지시키지 않고도 대량의 교통 정보를 실시간으로 확보할 수 있게 함으로써, 기존의 표본 조사 방식을 보완하거나 대규모 조사의 경우 이를 점진적으로 대체하고 있다. 이러한 기술적 전환의 핵심은 차량 번호판 인식(Automatic Vehicle Identification, AVI), 전용 단거리 통신(Dedicated Short Range Communications, DSRC), 그리고 모바일 빅데이터의 유기적 결합에 있다.

차량 번호판 인식 장치는 도로상에 설치된 영상 장비를 통해 통과 차량의 번호판을 자동으로 판독하여 차량의 이동 궤적을 추적한다. 특정 지점들을 통과하는 차량의 일치 여부를 대조함으로써 구간 통행 시간과 기종점 통행량의 일부를 추정할 수 있다. 이는 노측면접조사와 달리 교통 흐름에 전혀 지장을 주지 않으면서도 야간이나 악천후 등 극한 환경에서도 지속적인 데이터 수집이 가능하다는 장점이 있다. 다만, 개인정보 보호와 관련된 법적 제약으로 인해 수집된 번호판 정보는 비식별화 과정을 거쳐 통계적 목적으로만 활용된다.

하이패스 시스템으로 대표되는 전용 단거리 통신 기술은 더욱 정밀한 통행 데이터를 제공한다. 차량에 장착된 단말기(On-Board Unit, OBU)와 도로변 기지국(Roadside Unit, RSU) 간의 통신을 통해 수집되는 하이패스 데이터는 톨게이트 간의 이동 기록을 전수 데이터에 가까운 수준으로 확보하게 해준다. 이를 통해 구축된 기종점 행렬(Origin-Destination Matrix)은 교통 수요 모델링의 정확도를 획기적으로 높이는 기초 자료가 된다. 특히 유료 도로 비중이 높은 광역 교통망 분석에서 DSRC 데이터는 노측면접조사의 표본을 보정하고 전수화하는 핵심적인 준거 데이터로 기능한다.

최근에는 모바일 빅데이터와 범지구 위성 항법 시스템(Global Navigation Satellite System, GNSS) 기반의 위치 정보 데이터를 활용한 조사 대체 시도가 활발하다. 휴대전화 신호가 기지국 사이를 이동할 때 발생하는 핸드오버(Hand-over) 정보나 스마트폰 애플리케이션의 GPS 궤적 데이터는 개별 통행자의 연속적인 이동 경로를 파악하는 데 탁월한 성능을 보인다. 이러한 데이터는 기존 노측면접조사가 포착하기 어려웠던 장거리 통행이나 비정형적 이동 패턴을 분석하는 데 효과적이며, 조사 지점 설정의 공간적 제약에서도 자유롭다.

그러나 스마트 기술을 활용한 비접촉식 조사가 노측면접조사를 완전히 대체하기에는 여전히 정성적 정보의 부재라는 한계가 존재한다. 기계적 장치는 ‘어디에서 어디로(Where)’ 이동하는지에 대한 정량적 정보는 정확히 제공하지만, ‘왜(Why)’ 이동하는지에 해당하는 통행 목적이나 차량 내 탑승 인원, 화물차의 적재 물동량 등 상세한 속성 정보를 파악하는 데는 한계가 있다. 따라서 현대의 교통 조사 체계는 스마트 기술을 통해 전체적인 교통량과 흐름의 골격을 파악하고, 최소화된 규모의 노측면접조사를 병행하여 구체적인 통행 특성을 보완하는 하이브리드 조사 방식으로 진화하고 있다. 이러한 융합적 접근은 조사의 효율성을 극대화하는 동시에 표본 편의(Sampling Bias)를 최소화하여 교통 계획의 신뢰성을 제고하는 데 기여한다.