팬데믹 전후 공공자전거의 마이크로 모빌리티 패턴 비교: 서울시 사례 연구

Comparison of Micro Mobility Patterns of Public Bicycles Before and After the Pandemic: A Case Study in Seoul

코로나19와 같은 팬데믹 현상이 사람들의 이동성에 어떤 변화를 일으켰는지 살펴보기 위해 서울시 공공자전거 대여이력 데이터를 분석하였다. 2019년과 2021년 데이터를 코로나 이전과 이후로 구분해 비교·분석하였다. 공공데이터 포털사이트에서 데이터를 수집하였고, 심층적인 분석을 위해 데이터마트를 만들었다. 주행방향유형 차원과 대여소유형 차원을 추가하였고, 파생변수(대당 회전율과 이용속도)를 생성하여 두 기간의 변화를 비교하였다. 코로나 이전과 이후 평균 이용시간에는 큰 차이가 없지만, 평균 이용거리와 평균 이용속도는 감소하였다. 생활 리듬이 다소 느려진 현상이 따릉이 이동성에서도 나타나고 있다. 평일의 경우 코로나 이전에도 출·퇴근 시간대에 가장 많은 임대가 일어났으나, 코로나 이후에 급증하였다. 감염을 염려하기 시작한 사람들이 마이크로 모빌리티 수단으로 마을버스보다 따릉이를 선호한다고 해석할 수 있다. 본 연구에 제안된 데이터마트 기반 시각화 및 분석 결과는 공공자전거 운영과 정책 개발에 인사이트를 제공할 수 있을 것이다. 향후 연구에서는 트위터, 인스타그램과 같은 SNS 데이터와 공공자전거 데이터를 병합하여 살펴볼 필요가 있다. 자전거를 이용한 사람이 여러 장소에서 보인 행동 패턴 등을 다양하게 살펴본다면, 관련 연구의 가치가 향상될 수 있을 것으로 기대한다.

The rental history data of public bicycles in Seoul were analyzed to examine how pandemic phenomena such as COVID-19 caused changes in people's micro mobility. Data for 2019 and 2021 were compared and analyzed by dividing them before and after COVID-19. Data were collected from public data portal sites, and data marts were created for in-depth analysis. In order to compare the changes in the two periods, the riding direction type dimension and the rental station type dimension were added, and the derived variables (rotation rate per unit, riding speed) were newly created. There is no significant difference in the average rental time before and after COVID-19, but the average rental distance and average usage speed decreased. Even in the mobility of Ttareungi, you can see the slow rhythm of daily life. On weekdays, the usage rate was the highest during commuting hours even before COVID-19, but it increased rapidly after COVID-19. It can be interpreted that people who are concerned about infection prefer Ttareungi to village buses as a means of micro-mobility. The results of data mart-based visualization and analysis proposed in this study will be able to provide insight into public bicycle operation and policy development. In future studies, it is necessary to combine SNS data such as Twitter and Instagram with public bicycle rental history data. It is expected that the value of related research can be improved by examining the behavior of bike users in various places.