서울시 지하철 무임승차 제도 최적화 연구-데이터 기반 수요 예측 및 적자 개선 시나리오 분석

프로젝트 개요

---

• 데이터 기간: 2024.01 ~ 2025.09
• 역할: 데이터 수집, 데이터 전처리, EDA, 수요 예측 모델링, 시나리오별 손익 분석(개인프로젝트)
• 배경: 급격한 고령화로 서울교통공사의 적자가 심화됨에 따라, 단순한 요금 인상이 아닌 데이터에 기반한 합리적인 제도 개선안이 필요했습니다.

데이터 수집 및 전처리

---

• 데이터셋: 서울시 대중교통 승객 데이터(TAIMS), 장래인구추계(2024~2040), 노인 실태 조사 등
• 결측치 보정: 주간 주기성을 고려하여 동일 요일 평균값으로 결측 구간 대체
• 파생 변수: 월별 계절성 지수 산출 및 인구 구조 변수(65세/70세 이상 인구수) 결합

탐색적 데이터 분석 (EDA)

---

• 노인 승객 특성 파악: 일반 승객과 달리 주말에도 이용률이 75.5%로 높게 유지되며(생활형 이동), 출퇴근 시간대(RH) 이용 비중은 27.9%에 불과함을 확인했습니다.
• 상관관계 분석: 노인 인구수와 무임승차 승객수 간의 강한 양의 상관관계(R=0.638)를 입증하여 인구 데이터를 핵심 예측 변수로 선정했습니다

모델링 및 수요 예측

---

• 알고리즘: Linear Regression + Seasonal Decomposition
  • 단순 회귀뿐만 아니라 시계열의 계절적 변동성을 반영하기 위해 계절 지수를 결합한 모델 구축
  • $Y_{pred} = (\text{인구수} \times \beta + \alpha) \times \text{계절지수}$
• 성능 평가: 2025년 테스트셋 기준 MAPE 1.90%, $R^2\ 0.86$ 의 높은 예측 정확도 확보
• Base Line 예측: 현행 유지 시 2040년 연간 무임승차 손실액이 약 1조 683억 원에 달할 것으로 전망

시나리오 분석 및 결과

---

• 시나리오 설계:
  1. Case 1: 연령 상향 (65세 → 70세)
  2. Case 2: 요금 부과 (50% 유료화)
  3. Case 3: 출퇴근 시간(RH) 유료화
  4. Case 4: 연령 상향(70세) + 요금 50% 부과 병행
• 분석 결과
  • 가장 많이 거론되는 '출퇴근 시간 유료화(Case 3)'는 적자 절감 효과가 24.6%로 가장 낮았습니다.
  • 최적안(Case 4) 적용 시, 2040년 예상 적자를 1조 683억 원에서 4,551억 원으로 약 57.4%(-6,132억 원) 절감할 수 있음을 입증했습니다.