출퇴근 통근시간 통계 어떻게 읽나요? 편도 30.8분과 왕복 73.9분이 갈리는 이유와 이동데이터 해석 절차

출퇴근 통근시간 통계, 편도 30.8분과 왕복 73.9분 중 무엇이 맞나요?

결론부터 말하면 둘 다 맞습니다. 편도 30.8분은 2020년 인구주택총조사에서 응답자가 스스로 적어 낸 편도 통근시간이고, 왕복 73.9분은 2024년 통계청이 통신3사 이동정보를 가명결합해 계산한 왕복 통근시간입니다. 같은 "통근시간"이라는 이름을 달고 있어도 조사 방식과 측정 단위, 기준 연도가 다릅니다. 그레서 통근 데이터를 읽을 때 가장 먼저 확인할 것은 숫자의 크기가 아니라 그 숫자가 편도인지 왕복인지, 자기응답인지 이동데이터인지입니다.

하나의 통근시간, 두 개의 숫자가 생기는 현장
자기응답과 이동데이터는 무엇이 다른가요
편도와 왕복, 단위를 확인하는 법
평균에 속지 않으려면 지역·성별·가구로 분해
KOSIS에서 원자료까지 확인하는 4단계
FAQ
같이 읽으면 좋은 것들

하나의 통근시간, 두 개의 숫자가 생기는 현장

지난달 지역 생활지표 워크숍에서 한 기초자치단체 담당자가 두 장의 표를 나란히 띄워 놓고 물었습니다. 왼쪽 표에는 우리 시 통근시간이 32분이라고 적혀 있는데, 오른쪽 언론 기사에는 같은 해 통근시간이 74분이라고 나옵니다. 어느 쪽을 시정 자료에 써야 하느냐는 질문이었는데요. 회의실이 잠깐 조용해졌습니다. 두 숫자의 차이가 두 배가 넘으니 누군가 통계를 잘못 냈다고 의심하는 분위기였습니다.

그런데 두 숫자 모두 통계청 자료였습니다. 왼쪽은 인구주택총조사의 편도 통근시간, 오른쪽은 통신 이동데이터로 추정한 왕복 통근시간이었습니다. 하나는 사람이 설문지에 적은 값이고 다른 하나는 휴대전화 위치가 남긴 흔적을 계산한 값이니, 두 배 차이는 오류가 아니라 측정 설계의 차이였습니다.

생활통계에서 이런 혼선은 자주 벌어집니다. 통근시간처럼 이름이 익숙한 지표일수록 사람들은 정의를 확인하지 않고 숫자부터 비교합니다. 편도와 왕복을 섞어 놓으면 "통근시간이 최근에 두 배로 늘었다" 같은 잘못된 서사가 만들어지기 쉽습니다. 데이터를 읽는 사람의 첫 일은 숫자를 믿는 것이 아니라, 그 숫자가 어떤 렌즈로 찍힌 사진인지 되묻는것입니다.

그날 워크숍에서는 결국 두 표를 모두 쓰기로 정리했습니다. 시정 목표에 넣을 "우리 시 편도 통근시간"은 인구주택총조사 값을 쓰고, 출퇴근 혼잡 시간대를 다루는 교통 대책 자료에는 이동데이터의 출근·퇴근 시각을 붙이기로 했습니다. 하나의 지표를 억지로 고르는 대신, 질문에 맞는 데이터를 각각 배치하는 편이 정확했기 때문입니다. 통근이라는 같은 단어를 두고도 "얼마나 걸리나"와 "언제 몰리나"는 서로 다른 질문이고, 그 답을 가진 통계도 서로 다릅니다.

자기응답과 이동데이터는 무엇이 다른가요

통근시간 통계의 두 축은 자기응답 조사와 이동데이터 분석입니다. 성격이 꽤 다릅니다.

자기응답 방식은 인구주택총조사가 대표적입니다. 응답자가 "집에서 직장까지 편도로 몇 분 걸립니까"라는 질문에 스스로 답합니다. 장점은 전국을 촘촘히 덮는 전수에 가까운 조사라 시군구 단위까지 쪼개 볼 수 있다는 점입니다. 한계도 분명합니다. 사람은 시간을 반올림해서 기억합니다. 실제 27분 걸려도 30분이라 적고, 43분이 걸려도 45분이라 적는 식입니다. 이런 어림 응답이 쌓이면 분포가 5분·10분 단위에 몰리는 특유의 톱니 모양이 나타납니다.

이동데이터 방식은 2024년 통계청이 통신3사(SKT, KT, LGU+)의 위치·이동 정보를 인구·가구 정보와 가명결합해 만든 실험적 통계가 대표적입니다. 실제 이동이 남긴 신호를 쓰기 때문에 기억에 의존하지 않고, 출근 시각과 퇴근 시각, 근무지 체류시간까지 잡아낼 수 있습니다. 이 분석에서 통근 근로자는 평균 8시 10분에 출근해 18시 18분에 퇴근했고, 왕복 73.9분 동안 17.3km를 이동했으며, 근무지에 평균 9.1시간 머물렀습니다. 대신 신호가 잡히는 통근 근로자를 대상으로 하므로 재택근무자나 통신 신호가 불안정한 구간은 다르게 잡힐수 있습니다.

정리하면 자기응답은 넓게 보되 흐릿하고, 이동데이터는 정밀하되 대상이 좁습니다. 두 방식은 경쟁 관계가 아니라 서로의 사각지대를 메우는 보완 관계입니다. 자기응답으로 전국 지도를 그리고, 이동데이터로 하루의 결을 채우는 식으로 함께 읽으면 통근이라는 현상이 훨씬 입체적으로 보입니다. 어느 한쪽만 절대 기준으로 삼는 순간, 다른 방식이 잡아 준 진실을 놓치게 됩니다.

구분	자기응답(인구주택총조사)	이동데이터(통신 가명결합)
측정 방식	설문 응답, 기억 기반	위치·이동 신호
기본 단위	편도 통근시간	왕복 통근시간
강점	시군구까지 세분	시각·체류시간까지 포착
약점	어림 응답, 반올림	대상이 통근 근로자로 한정

편도와 왕복, 단위를 확인하는 법

통근 데이터에서 가장 흔한 실수는 편도와 왕복을 섞는 것입니다. 국가지표체계에 실린 통근시간은 편도 기준입니다. 2020년 30.8분, 2015년 31.2분, 2000년 28.4분으로 20년 동안 크게 요동치지 않았습니다. 편도로 1시간 이상 걸리는 통근자 비율은 2000년 14.5%에서 2020년 15.3%로 완만하게 늘었습니다.

반면 2024년 이동데이터의 73.9분은 왕복입니다. 편도로 환산하면 대략 37분 안팎이니, 편도 30.8분과 아주 동떨어진 값이 아닙니다. 단위만 맞춰도 두 숫자는 같은 세계의 이야기로 돌아옵니다. 표를 볼 때는 제목 옆 괄호나 각주에 (편도) 또는 (왕복)이 붙어 있는지부터 확인하는 습관이 필요합니다.

한 가지 더 있습니다. 통근시간은 전국 평균과 지역 평균의 격차가 큰 지표입니다. 이동데이터 기준으로 통근시간이 가장 긴 곳은 수도권으로 82분에 달했고, 언론 보도로는 서울 시민의 14%가 편도 2시간 이상을 길에서 보낸다는 분석도 나왔습니다. 전국 평균 하나만 보면 이 꼬리가 지워집니다. 평균은 봉우리가 아니라 무게중심이라는 점을 기억하면, 긴 통근에 시달리는 소수가 평균 뒤에 가려지는 상황을 놓치지 않을 수 있습니다.

평균에 속지 않으려면 지역·성별·가구로 분해

통근시간 73.9분이라는 전국 평균은 출발점일 뿐입니다. 데이터를 읽는 재미는 이 평균을 쪼갤 때 생깁니다.

성별로 보면 남성이 여성보다 21분 먼저 출근했고, 근무지 체류시간은 남성이 여성보다 36분 길었습니다. 통근과 체류 시간의 성별 격차는 노동시장 구조와 돌봄 분담이 만든 결과이지, 개인의 부지런함 차이가 아닙니다.

연령으로 보면 연령이 높을수록 일찍 출근하고 일찍 퇴근하는 경향이 뚜렷했고, 근무지 체류시간은 30대가 9.4시간으로 가장 길었습니다. 사회초년생과 관리자급의 하루가 서로 다른 리듬으로 흘러간다는 뜻입니다.

가구 특성으로 보면 미취학 자녀가 있는 근로자가 없는 근로자보다 통근시간과 거리가 더 길었고, 다인가구가 1인가구보다, 가구주가 가구원보다 더 멀리 오래 이동했습니다. 자녀 양육과 주거비가 얽히면서 직장에서 먼 곳에 자리를 잡을수밖에 없는 사정이 데이터에 그대로 찍힙니다.

전국 평균만 보면 지역·성별·가구별 격차가 사라집니다.
근무지 체류시간은 통근시간과 별개로 삶의 질을 좌우하는 축입니다.
분해 축을 두세 개 겹쳐 보면 "누가 오래 이동하는가"라는 질문에 답할 수 있습니다.

지역별 근무지 체류시간을 놓고 보면 수도권이 9.3시간으로 가장 길고 제주가 8.6시간으로 가장 짧았습니다. 통근이 길면 체류도 길어 하루가 통째로 일에 묶이는 구조가 보입니다. 이런 분해는 삶의 질 지표를 지역 단위로 설계할 때 그대로 재료가 됩니다.

분해 축을 하나만 볼 때와 겹쳐 볼 때는 결론이 달라지기도 합니다. 예를 들어 성별 격차만 보면 남성의 통근이 더 길어 보이지만, 여기에 가구 특성을 겹치면 미취학 자녀를 둔 부모의 통근이 더 길다는 층이 새로 드러납니다. 하나의 축이 다른 축의 효과를 가리는 이런 현상은 통계 해석에서 흔히 만나는 함정입니다. 그래서 통근 데이터를 다룰 때는 "무엇이 통근을 길게 만드는가"를 한 축이 아니라 최소 두 축을 겹쳐서 따져 보는 것이 안전합니다.

정책 담당자라면 여기서 한 걸음 더 나아갈 수 있습니다. 통근시간을 근무지 체류시간, 여가시간과 함께 놓으면 한 사람의 하루 24시간이 어떻게 분배되는지 그림이 그려집니다. 통근 82분에 체류 9.3시간을 더하면 잠자는 시간을 빼고 남는 자유시간이 얼마나 얇아지는지 계산이 됩니다. 통근 통계를 시간 사용 데이터와 연결해 읽을 때, 비로소 "긴 통근이 삶을 어떻게 갉아먹는가"라는 질문에 숫자로 답할 수 있습니다.

분해 축	통근이 더 긴 쪽	함께 보면 좋은 지표
성별	남성(먼저 출근·체류 길다)	돌봄시간 배분
연령	30대(체류 9.4시간)	근로시간
가구	미취학 자녀·다인가구	주거비 부담
지역	수도권(82분)	주택 가격·직주근접

KOSIS에서 원자료까지 확인하는 4단계

통근 숫자를 인용하기 전에 국가통계포털(KOSIS)에서 출처를 직접 확인하는 절차를 권합니다. 초보자도 네 단계면 충분합니다.

1단계 · 통계명으로 검색합니다. KOSIS 검색창에 "통근 통학"을 넣으면 인구주택총조사 계열의 통근·통학 인구 표가, "통근 근로자 이동"을 넣으면 이동데이터 기반 실험적 통계가 나옵니다. 두 계열이 다른 조사라는 점을 먼저 확인합니다.

2단계 · 표 제목과 각주에서 단위를 봅니다. 편도인지 왕복인지, 12세 이상인지 취업자인지, 소요시간 구간이 어떻게 나뉘는지를 각주에서 읽습니다. 이 단계를 건너뛰면 앞서 본 두 배 차이의 함정에 그대로 빠집니다.

3단계 · 기준 시점을 맞춥니다. 인구주택총조사는 5년 주기라 2020년이 최신인 경우가 많고, 이동데이터 분석은 특정 월(2024년 6월)을 기준으로 합니다. 다른 해의 숫자를 나란히 놓고 "늘었다·줄었다"를 말하면 그만큼 오독 위험이 커집니다.

4단계 · 지역·성별로 쪼갠 뒤 원자료를 내려받습니다. 화면 표를 그대로 쓰지 말고 필요한 분해 축을 선택해 엑셀로 받아 두면, 전국 평균이 지운 이야기를 다시 읽을수 있습니다. 인용할 때는 조사명·기준연도·단위를 함께 적어 주는 것이 데이터를 다루는 기본 예의입니다.

이 절차의 핵심은 화려한 분석 기법이 아닙니다. 숫자가 어디서 왔고 무엇을 재고 있는지 되묻는 습관 하나가, 통근 통계를 둘러싼 대부분의 혼선을 걷어 냅니다.

FAQ

통근시간 통계는 얼마나 정확한가요?

자기응답 조사는 기억에 기대기 때문에 5분·10분 단위로 어림하는 경향이 있고, 이동데이터는 실제 신호를 쓰지만 대상이 통근 근로자로 한정됩니다. 두 방식 모두 완벽하지는 않지만, 편도·왕복 같은 단위와 기준연도만 맞춰 읽으면 서로를 검증하는 신뢰할 만한 재료가 됩니다.

편도 30.8분과 왕복 73.9분은 왜 이렇게 차이가 나나요?

하나는 편도이고 다른 하나는 왕복이기 때문 입니다. 왕복 73.9분을 편도로 환산하면 약 37분이라 편도 30.8분과 크게 다르지 않습니다. 조사 방식(자기응답 대 이동데이터)과 기준 연도(2020년 대 2024년)도 다르므로, 단위를 통일한 뒤에 비교해야 합니다.

우리 지역 통근시간은 어디서 보나요?

국가통계포털(KOSIS)에서 "통근 통학"으로 검색하면 인구주택총조사 기반의 시군구 단위 통근시간 표를 찾을 수 있습니다. 이동데이터 기반 분석은 광역권 단위로 제공되는 경우가 많아, 세분한 지역 값이 필요하면 인구주택총조사 계열이 유리합니다.

통근시간이 길면 무엇이 문제인가요?

긴 통근은 근무지 체류시간과 합쳐져 하루의 자유시간을 줄이고, 여가시간과 삶의 만족도에 직접 영향을 줍니다. 그래서 통근시간은 단순한 교통 지표가 아니라 삶의 질 지표 체계에서 시간 빈곤을 보여 주는 핵심 축으로 다뤄집니다.

통근 데이터를 정책에 쓰려면 어떤 통계를 써야 하나요?

목적에 따라 다릅니다. 시군구 단위의 세밀한 비교가 필요하면 인구주택총조사의 편도 통근시간을, 출퇴근 시각이나 근무지 체류시간처럼 하루의 흐름을 봐야 하면 이동데이터 기반 분석을 쓰는 편이 맞습니다. 어느 쪽이든 조사명과 단위를 명시해 인용하는 것이 원칙입니다.