도로정책 Brief제101호

시카고의 자전거 관련 계획들이 시민들에게 항상 핑크빛으로 비춰지지는 않았다. 그 중 하나는 도로를 잠식해오는 자전거 도로에 대한 차가운 반응이었다. 다수의 자동차 운전자들은 차선을 좁히거나 줄이면서까지 소수를 위한 자전거 도로가 차도에 합류되는 것을 원하지 않았다. 또한 일리노이 주정부의 자전거 도로가 안전측면에서 정말 효과가 있는지에 대한 의문을 제기하기 시작했다. 이에 시카고 시는 자전거 도로를 위한 지역별 공청회를 개최하여 시민들의 이야기를 듣고, 어떤 도로가 새로운 자전거 도로 설치와 자전거 시설물 개선의 우선순위가 되어야 하는지에 관해 의견을 나누며 시민과 함께 계획을 세우기 시작했다. 또한 시카고 교통국은 자전거 도로 설치 전과 후의 사고율을 다년간 조사하여 사고율 분석 자료를 발표함으로써 일리노이 주정부를 상대로 자전거 도로의 효율성을 증명했다. 이 결과로 운전자 또는 예비운전자이기 전에 보행자인 시카고 시민들은 자전거 도로에 대한 차가운 마음을 누그러뜨리고, 자전거 계획들과 발맞추어 자전거를 더 많이 이용하게 되었다. 미국에서는 차량 공유, 자전거 공유, 운송네트워크 회사 등 혁신적인 교통서비스를 제공하는 모바일앱 산업이 빠르게 진행되고 있다. 대표적인 운송네트워크 회사 서비스인 우버(Uber)는 미국 311개 도시에서 162,000명의 운전자를 관리하고 있으며, 리프트(Lyft)는 60개 도시에서 100,000명의 운전자를 관리하고 있다(Shaheen, 2015). 이와 같은 통계는 택시와 리무진 운전자의 80%에 달하는 수치이다. Morning Consult는 전통적 택시서비스와 운송네트워크 회사서비스의 이용빈도수를 비교하기 위하여 설문조사를 실시하였다. 설문 결과, 3% 응답자가 매일 전통적인 택시서비스를 이용한다고 응답하였고, 26%의 응답자가 이용경험이 있다고 응답하였다. 이용경험을 응답한 이용자의 연령 중 35%가 18~44세였다. 미국 운송네트워크 회사의 정책 및 규제를 살펴보기 앞서, 전통적 택시산업의 정책 및 규제를 살펴보고자 한다. 미국은 승객의 안전과 요금, 시장진입, 면허제도, 서비스 등의 규정을 통해 택시서비스의 정책을 마련하여 규제를 하고 있으며, 세부적인 기준은 해당 지역의 법적 규제에 따라 달라진다. 지난 2001년 911사태 이후 승객의 안전에 한층 집중하였고, 이를 위해 운전자 검증과 차량 검사를 강화하였다. 자동차보험에 관해서는 지역별로 최소한의 규정을 제시하고 있다. 미국의 택시요금은 기본 요금에 거리와 통행시간에 비례하여 요금이 결정되는 시간·거리 병산제이다. 한편, 대공황 이후 운행질서 확립과 불법영업 방지를 위해 영업면허(medallion)를 도입하였고 영업면허 제도를 통해 택시 과잉공급을 억제하고 운전자의 소득을 높여주기 위해 면허의 발급을 제한하고 있다. 또한, 승객의 안전과 고객서비스를 위해 운전연수 프로그램을 운영하고 있으며 전통적 택시서비스의 가장 중요한 서비스로 장애우를 위한 택시서비스를 제공하고 있다. 운송네트워크 서비스의 대표적인 사례로는 우버택시가 있다. 우버택시는 2009년 미국 샌프란시스코에서 창업된 스타트업으로 45개국 200개 도시에 진출해 있으며, Uber X, Uber 택시, Uber 블랙, Uber SUV, Uber Cycle 등 다양한 서비스를 제공하고 있다. 우버택시는 각광받는 서비스임에도 불구하고 전 세계적으로 문제가 되고 있다. 우리나라에서는 우버X가 「여객 운수사업법」에 의거 불법으로 간주되어 해당 서비스를 철회하였다. 해외에서는 영업중단(샌프란시스코), 우버택시 차량압수(워싱턴 DC), 대규모 총파업 시위(베를린, 런던, 마드리드, 밀라노) 등의 교통당국 및 택시업계의 반발로 이어지고 있다. 최근 미국 샌프란시스코에서는 가장 큰 택시회사인 ‘샌프란시스코 옐로캡 협동조합’의 파산으로 교통당국이 큰 충격에 휩싸였다. 미국은 파산 원인 중 하나를 우버택시로 보았고, 이로 인하여 모바일 택시서비스가 불법인지 공유경제인지에 대한 논란이 확산되고 있다. 미국 대부분의 지역에서는 운송네트워크 산업을 위한 정책 및 규제가 없으며, 규정이 있더라도 유연하게 운영되고 있다. 해당 정책의 부재로 인하여 승객의 안전, 적정가격에 대한 규정을 피하고 있다는 주장도 제기되어 산업 간 마찰이 계속되고 있다. 최근 일부 도시에서는 운송네트워크 산업의 활성화로 인한 논란이 지속적으로 제기됨에 따라 운송네트워크 산업을 합법으로 인정하거나 관련 데이터를 요구하며 규제마련을 준비하고 있다. 시애틀은 모바일 택시의 동일 시간 운행 가능한 운전기사 숫자를 업체당 150명 정도로 제한하였는데 해당 규제를 완화하였다. 또한 운송네크워크 회사의 운전기사 면허허가, 보험요건 규정에 시 당국과 택시업계가 합의하였다. 뉴올리언즈 시의회는 운송네트워크 차량의 임대 최소시간을 삭제하였고, 모바일앱에 ‘인터넷 기반의 소프트웨어 응용을 통한 운행 주선’ 문구를 추가하도록 규제하였다. 캘리포니아주에서는 서비스 가능한 차량, 서비스 가능한 Zip code, 운전자의 문제점, 운전자 근무시간, 운전자 운행기록, 운전연수 프로그램을 수료한 운전자 수 등에 관한 데이터 분석을 통해 장기계획에 활용할 예정이다. 미국에서는 전통적 택시서비스와 운송네트워크 서비스가 지역에 따라 다른 규제와 정책이 적용되고 있다. 일반적으로 전통적 택시서비스에 대한 규정은 공통적인 항목과 세부적인 항목이 존재하나, 운송네트워크 산업에 대한 규정은 구체적인 법적 제재가 없는 것으로 파악되었다. 최근 일부 도시에서 모바일앱 택시에 대해 수집된 데이터를 중심으로 정책 및 규제를 마련하기 위해 준비하고 있다. 하지만 두 산업간 산업 분류가 달라 효율성과 효과성 측면에서 문제가 될 것으로 예상된다. 따라서 두 산업간의 균형있는 경쟁을 촉구할 수 있는 정책 마련이 필요하다. 현재 우리나라의 모바일 택시서비스는 아직까지 콜택시의 형태로 제공되고 있지만 해당 서비스가 점점 세분화됨에 따라 다양한 형태로 발전될 것으로 예상된다. 우버 사례와 같이 단순히 시장 진입을 차단하고 기존 사업을 보호하는 것이 아니라 해당 산업의 발전과 서비스 품질 개선을 위한 전통산업과 새로운 산업과의 균형 있는 정책 마련이 필요하다. 최근 이세돌 9단과 구글 알파고의 바둑 대국으로 인공지능에 대한 관심이 높아지고 있다. 인공지능 연구 가운데 가장 이슈가 되는 키워드 중 하나가 ‘딥러닝(deep learning)’이다. 대량의 데이터로부터 스스로 핵심적인 개념을 간추려내도록 하는 기계학습(machine learning) 방법론을 말하는 딥러닝은 사람이 일일이 판단 기준과 정답을 알려주지 않아도 수많은 데이터를 통하여 컴퓨터 스스로가 방법을 찾아나가는 것이 특징이다. 음성·이미지 인식과 사진 분석 등에 광범위하게 활용된다. 구글 알파고도 딥러닝 기술에 기반한 컴퓨터 프로그램이다. 딥러닝의 핵심은 분류를 통한 예측이다. 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 데이터를 나눈다. 딥러닝은 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보 처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킨다. 딥러닝 기술을 적용하면 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 스스로 인지, 추론, 판단할 수 있게 된다. 자율주행자동차가 추구하는 궁극적인 방향이기도 하다. 알파고가 구글에 의해 만들어졌고 구글이 자율주행자동차를 개발 중이라는 점은 향후 연구결과에 더욱 관심을 가지게 하는 부분이다.