Article


ABSTRACT


MAIN

  • 서론

  • 본론

  •   1. 첨두시간의 정의

  •   2. 공항 첨두시간 수요

  •   3. 인천공항의 사례

  •   4. 기존 연구 고찰

  • 실증 분석

  •   1. 실증 분석 방법

  •   2. 실증 분석 결과

  • 결론

서론

미래의 항공수요를 감안한 공항건설의 시설규모 산정은 시간단위 수요를 어떻게 적용하는가에 따라 경제적 측면과 서비스 측면이 서로 상반된 결과를 보이게 된다. 즉, 최고 첨두수요(1st Peak demand) 교통량을 바탕으로 설계하는 경우 서비스 수준(Level of Service)은 높아지나, 초기투자비 과다, 운영비 및 유지관리비 증가등 경제적인 면에서는 낭비적 운영을 초래하며, 반면 낮은 수준의 교통수요를 바탕으로 할 경우 경제적인 면에서는 유리하나 서비스 수준의 저하와 함께 경쟁력이 낮아지게 되는 단점이 있으므로 적정수준의 설계시간 수요의 결정은 매우 중요한 계획 요소이다. 공항에서 사용하고 있는 설계 첨두시간 수요는 주어진 서비스 수준에서 허용할 수 있는 교통량을 의미하며, 우리나라에서는 주로 표준혼잡율(SBR)과 첨두월 평균일 첨두시간 수요(ADPM-PH)1)를 활용하여 왔다.

본 연구에서는 이와 관련하여 ACI정의에 따른 중대형공항(연간 25백만 명 이상)2)에서의 적정 설계 첨두시간 수요를 도출하기 위하여 인천국제공항의 실적자료를 바탕으로 실증 분석을 하였다. 분석은 인천국제공항의 최근 10년 간, 국제선 여객처리 실적을 바탕으로 이론적 개념인 설계시간 교통량 산정방식(변곡점)을 이용하여 적정수준의 설계 첨두시간 수요를 추정하였다.

실증 분석 결과, 중대형공항의 설계 첨두시간 수요와 관련된 표준혼잡율(SBR), 첨두월 평균일 첨두시간 수요(ADPM-PH), 혼잡시간율(BHR)의 차이가 크게 나타났으며, 교통량 증가에 따른 최고 첨두수요(1st Peak hour traffic)와 관련하여 통상적으로 준용되던 교통량의 30번째 값인 표준혼잡율의 일률적인 사용이 적정하지 못하다는 점이 도출됨에 따라 이에 대한 제안을 제시하였다. 따라서 본 연구는 향후 건설되는 중대형공항의 수요에 근거한 공항의 규모 산정에 중요한 참고자료가 될 것이다.

본론

1. 첨두시간의 정의

공항에서의 “첨두시간”은 절대(최고)첨두시간보다 낮은 임의의 시간으로 정의되거나 항공 스케쥴 가운데 대표적인 때를 의미하지만, 대부분의 여객들에게 제공되는 적절한 수준의 서비스 수준으로 평가하기도 하듯이 용도측면에 따라 정의가 다르게 평가된다. 학문적 측면에서 공항의 설계 첨두시간 수요는 도로에서의 설계 첨두시간 수요와 이론적 배경을 같이하고 있으나, 공항은 대규모의 첨단 운송수단이 운영된다는 특성으로 인해 도로 교통보다 높은 서비스 수준을 요구한다는 점에서 차이가 있다.

도로의 설계시간 교통량의 기본개념은 연중 조사된 8,760시간(365×24)의 자료를 바탕으로 교통량이 많은 것부터 순서대로 배열한 후 이들을 연결한 곡선이 급격하게 변화하는 지점, 즉 변곡점에서의 교통량으로 정의(Korea Highway Corporation, 2007)되며, 이를 바탕으로 1950년대 미국 도로국에서는 최초 30번째 시간 교통량을 제안하였는데 지금도 미국 도로용량 편람에서는 도로의 설계시간 교통량을 30-100번째 값으로 제시하고 있으며, 일본 도로협회도 이를 적용하고 있다(Korea Highway Corporation, 2007). 그러나 이 기준은 교통량이 많지 않고, 모든 시간대의 교통량 조사가 어려웠던 시기에 사용되던 개념으로, 많은 지역에서는 다양한 연구를 통해 각 지역 특성에 맞는 설계시간 교통량을 사용하고 있다.

2. 공항 첨두시간 수요

공항 역시 도로에서의 기본개념을 이용하여 설계 첨두시간 수요를 산출하여 왔으며, 각 공항마다 허용하고 있는 서비스 수준과 항공산업의 특성으로 인해 적용방식에 있어 다른 형태로 발달되었다. 그러나 이 역시, 항공산업이 본격적으로 발달하기 이전의 소규모 공항에 기초한 방식으로 첨두시간에 따른 교통량의 크기가 크지 않아 서로 유사한 값으로 간과될 수 있는 수준이었다. 공항의 교통량 처리실적은 항행안전시설의 설치유무, 터미널 운영방식, 행정지원 처리, 랜드사이드 연계교통(철도, 버스 등) 등 종합적인 서비스의 결과로서 공항 설계 시 일반적 기준으로 적용하는 데에는 다소 한계점이 있다. 이러한 점을 고려하여 세계적으로 다양한 방식의 설계 첨두시간 수요가 적용되고 있다.

1) 표준혼잡율(Standard Busy Rate, SBR)

영국에서 주로 사용되고 있는 방식으로, 년 중 30번째로 많은 시간 단위 수요를 적용하며, 오랫동안 고속도로 설계교통량을 결정하는 개념과 방법으로 사용되었다. 즉, 매 시간단위로 교통량을 측정하여, 1년 중 상위 30번째 많은 교통량을 이용하는데 이를 기준으로 시설을 계획하는 경우 이론적으로 수요가 용량을 초과하는 시간이 1년 중 29시간 발생하게 된다. 이러한 점에서 표준혼잡율은 반드시 30번째의 교통량을 의미하지 않는데 매 시간단위 교통량 중 일부 중복되는 교통량이 존재하는 경우에는 실제적으로 그 보다 높은 값이 될 수 도 있으며, 동일한 개념을 각 공항의 특성에 따라 다르게 적용하기도 한다. 드골공항은 이와 유사한 개념으로 40번째 교통량을 스키폴공항은 20번째 교통량을 사용하는 등 유럽공항들은 주로 20-40번째 교통량을 첨두시간 수요로 사용하고 있다.

2) 첨두월 평균일 첨두시간 수요(Average Day Peak Month Peak Hour, ADPM-PH)

미연방항공청과 국제민간항공기구에서 적용(권장)하고 있는 개념으로 첨두월 평균일(Peak Month Average Day, PMAD)의 첨두시간 활동량을 산정하여 설계에 반영하는 방식이다. 설계사항 중 가장 기본이 되는 예측항목은 탑승객, 출발여객 및 항공기 기종별 운항횟수이며, 여객터미널 시설들은 예상기간 동안의 피크 시 여객수요를 만족시킬 수 있도록 계획된다. 이렇게 산출된 경험적 첨두시간 수요는 Table 1과 같이 연간 수요와의 비율(연중 첨두시간 집중율, PHF (Peak Hour Factor))로 표현되어 예측년도의 첨두시간 설계수요를 계산하기 위하여 사용되기도 한다.

국제민간항공기구(ICAO)는 첨두시간 수요의 산정을 위해 연간수요 대비 첨두월 평균일 집중률(PMAD 또는 ADPM3))과 대표일 수요대비 첨두시간 집중률(일중 첨두시간 집중률)을 이용하며, 연간수요 대비 평균일 집중률은 첨두 2개월의 평균일 수요와 연간수요의 비율로 산정하도록 제시하고 있다(ICAO, 1987).

Table 1. The relation between annual and peak time passengers

Number of passengers per year (million) Peak hour factor
Over 20 0.030
10-20 0.035
1-10 0.040
0.5-1 0.050
0.1-0.5 0.065
Under 0.1 0.210

sources: FAA. Peak hour factor for annual passengers.

특히, 대표일 수요 대비 일중 첨두시간 집중률은 연중 최고 운항횟수를 나타내는 일을 대표일로 선정하여 시간대 별 최고 수요와의 비율을 산정하고 있다.

연간 수요 대비 평균일 집중률과 대표일 수요대비 첨두시간 집중률(일중 첨두시간 집중률)을 통하여 대표 첨두율을 산출하고, 이를 미래 연간수요에 적용하여 첨두시간 설계수요를 산출하며 첨두월의 평균일 수요는 첨두월(2개월)의 수요를 그달의 일수로 나눈다. 국내 주요공항(인천공항, 김포공항, 제주공항)의 경우 여객의 일중 첨두시간 집중율은 하루 활동량의 7-10% 수준을 보이고 있으나, 교통량(비행스케줄)이 증가할수록 고르게 분포되는 경향이 있다. 이 집중률은 하루 전체로 퍼지면서 낮아진다(FAA, 1988). 이러한 피크집중이 일어나는 이유는 여객의 수요를 충족시키기 위해 일중 주요시간에 대형기가 운항되기 때문이다.

Table 1에서 제시4)하고 있는 첨두시간 집중율은 2천만 명 이상의 공항에도 동일한 집중율 계수를 적용함으로써 일반적으로 여객이 증가할수록 집중율이 감소하는 특성을 반영하지 못하므로 국제선 보다는 소규모의 국내선 공항을 계획하는 경우 비교적 적합하다.

3) 5% 혼잡시간율(Busy Hour Rate, BHR)

표준혼잡율(SBR)에서 무조건적으로 상위 30번째 수요를 사용함에 따라 규모별 특성을 반영할 수 없어 이의 단점을 보완하는 방법이 혼잡시간율(BHR)방법이다. 여기서 5% 혼잡시간율(Busy Hour Rate)은 매 시간단위로 측정된 연간 공항운영 값 가운데 가장 바쁜 시간에 처리된 상위 누적률 5%의 수요를 의미한다. 혼잡시간율은 시간단위 수요를 크기순으로 나열하고 연간수요의 5%에 해당하는 누적률을 계산함으로써 산출되며 누적률 5%의 직전 수요를 혼잡시간율로 정의한다. 이 방법은 혼잡도가 공항 간 공통적이지 않을 때 야기되는 문제를 극복하기 위해 제안되었으나, 많은 자료를 수집 분석해야 한다는 약점 때문에 주로 소규모 공항을 계획하는데 사용된다(Norman et al., 2010).

4) BTH (Busiest Timetable Hour)

비행스케줄 상 최대 용량의 비행편이 제공되는 시간대 수요량을 첨두수요로 사용하는 방법으로, 주로 규모가 작은 공항에서 주로 사용되고 있다. BTH는 평균탑승률과 비행편 스케줄을 고려하여 결정하며, 예측치와 실제 첨두시간 수요값의 차이가 존재하게 된다.

5) 피크윤곽시간(Peak Profile Hour, PPH)

평균일 피크라고도 불리는 피크윤곽시간 방법은 먼저 연중 최 첨두월을 선정한 후 이를 매 시간 단위별 수요량을 산출하고 매 시간대 별 평균수요를 계산하며, 계산된 하루 동안의 시간대 별 평균수요량을 Average Peak Day라고 정의한다. Average Peak Day의 시간대별 수요 중 수요가 가장 많은 시간대의 수요량을 피크수요로 사용하며, 이는 SBR과 비슷한 수치로 알려져 있다.

3. 인천공항의 사례

인천국제공항건설을 위한 수도권 신국제공항 기본설계 공항시설보고서(Department of Transportation, 1991)에서는 설계시간수요를 산출함에 있어 “연중 30번째 Peak Hour에 해당하는 수요의 선택 또는 0.03-0.06%를 취할 수 있으나 가장 바람직한 방법은 항공기 운항 스케쥴을 고려하여 Peak Month의 평균일 중에서 Peak Hour의 수요를 구하는 것이지만 계획단계에서의 운항스케쥴 산정의 불확실성 때문에 미국공항 사례로 작성된 첨두율(PHF)을 활용하여 설계 첨두시간 수요를 산정하였다.

또한, “인천국제공항 2단계건설 공항시설공사 기본 및 실시설계용역 기본설계보고서(Incheon International Airport Corporation, 2006)”에 의하면 마스트플랜 재검토의 경우 첨두시간 계수는 유럽에서 사용하고 있는 항공기 운항 첨두시간 계수를 국내여건에 맞도록 다소 상향조정된 계수를 사용하였으며, 본 항공수요 검증에서는 첨두시간 계수의 선정 시 통계학적으로 가장 널리 쓰이는 표준혼잡율(SBR)값”을 선정하였다고 한다.

그 후, 3단계 건설사업을 위한 인천국제공항 3단계 공항시설 기본설계용역 기본계획 확인 및 검토보고서(Incheon International Airport Corporation, 2011)에서는 경제적인 시설과 서비스 수준이 동시에 고려되고 균형적인 시설계획이 가능하며, ICAO 및 FAA에서 권고하고 있는 ADPM (첨두월 평균일)방식인 ADPM-PH값을 적용하였다.

인천국제공항의 사례에서 보듯이 첨두시간 수요를 결정함에 있어 당시 상황에 따라 다양하게 적용하고 있음을 알 수 있다. 그러나 이는 공항의 규모와 관계없이 일반적으로 적용된 개념으로 교통량이 많아지고, 복잡해지는 대형공항의 경우에는 본래의 취지와는 다른 효과를 가져 올 수 있으므로 그 간의 공항운영(여객처리실적)에 기초한 적용방식에 대한 실증적 비교가 필요하다.

4. 기존 연구 고찰

공항의 연간수요에 대한 연구는 계량경제학적 모델을 이용하여 체계적으로 진행되어 왔으나, 실제적으로 공항을 설계하거나 타당성 분석의 기준이 되는 첨두시간 수요에 대한 연구는 많지 않다.

Robert and Francis(1994)는 설계 첨두시간 교통량이 연간 처리량과 연관이 있다고 제안하였고, Wang and Pitfield(1999)는 48개 브라질 공항을 중심으로 대형 공항과 관련한 설계 첨두시간 수요에 대한 실증적 연구를 수행한 바 있다. 동 연구에서 Wang과 D.E Pitfield는 시간 교통량 순위 200개의 자료를 이용하여 1990년부터 5개년 동안의 시간별 표준편차를 평균 교통량으로 나누어 설계 첨두시간 수요의 적정성을 검토하였으며, 그 결과 상파울로 국제공항의 경우 Figure 1 좌측상단에서 보이는 바와 같이 출발 교통량에 대한 200번째 바쁜 시간까지의 표준편차/평균교통량(Standard Deviation/Mean, 세로축)값들이 초기에는 변동성을 보이다가 일정하게 감소 후 80번째 시간부터 안정된 모습을 보이고 있음을 확인하였다. 또한, Figure 1의 좌측 하단 그림에서와 같이 80번째 시간(첨두 설계시간)까지의 출발 여객 누적률(Cumulative percentage (%), 세로축)은 연간 처리량의 약 3.5-4.5%를 나타내고 있음을 확인하였다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F1.jpg
Figure 1.

Design peak time analysis method

Figure 1 우측 상 ‧ 하단의 리우데자네이루 공항 역시 표준편차, 누적교통량에 대한 결과가 상파울로 국제공항의 경우와 유사하게 표준편차의 경우 설계첨두시간이 60번째 값에서 안정화를 보이고 있으며, 연간 대비 3.5% 누적률 임을 나타내고 있다.

결과적으로 Wang은 시간에 따라서 변동이 많은 대형공항의 경우 누적 교통량의 3.5-4.5% 정도를 설계 첨두수요로 정의하고, 대형화 될수록 더 작은 비율을 적용하는 것으로 정의하고 있다.

실증 분석

1. 실증 분석 방법

본 연구에서는 대형화 되고 있는 공항의 특성을 살펴보기 위하여 먼저, 중대형공항(연간 25백만 명 이상)의 범주에 속하는 인천국제공항의 최근 10년 간 국제선 여객처리 실적은 Table 2와 같으며, 이 실적 근거인 Tower Log5)를 바탕으로 한국도로공사의 설계시간 교통량 산정방식(변곡점)을 이용하여 적정수준의 설계 첨두시간 수요를 추정하였다.

Table 2. Incheon airport's passenger handling performance (international flights)

Year 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Number of passengers (million) 30.8 29.6 28.1 32.9 34.5 39.8 40.8 44.9 48.7 57.2

sources: Incheon airport's passenger handling performance (Tower Log, 2007-2016)6)

이렇게 추정된 설계 첨두시간 수요값을 “표준편차/평균“방식을 이용한 연구결과와 변곡점, 그리고 우리나라에서 주로 사용하고 있는 설계 첨두시간 수요인 표준혼잡율(SBR), 첨두월 평균일 첨두시간 수요(ADPM-PH) 및 5% 혼잡시간율(BHR)과 비교하였다. 연구를 위한 절차는 Figure 2와 같다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F2.jpg
Figure 2.

Design peak time analysis method

2. 실증 분석 결과

1) 변곡점에 의한 설계 첨두시간 추정

도로 부문에서는 연중 조사된 8,760시간(1년, 가로축)의 자료를 교통량 순으로 순서대로 배열(순위도 곡선)하여 시간 교통량(세로축)을 연결한 곡선이 급격하게 변화하는 지점, 즉 변곡점을 설계를 위한 기준점인 설계시간 교통량으로 사용해 왔다. 이러한 이론적 배경에 따라 적정 설계수요 추정을 위해 인천공항의 연도별 순위도 곡선을 토대로 기울기 값이 일정하게 작아지는, 즉 도함수값이 1.0×10-5 이 되는 점과 이를 통해 변곡점 추정이 이루어질 수 있도록 순위도 곡선 추정식의 통계적 모형 적합도를 살펴보았다.

다만, 본 연구에서는 연도별 비교분석을 위하여 순위도 곡선의 설계시간 교통량(DHV)을 연평균 일교통량(AADT)으로 나눈 설계시간 계수를 이용7) 하였는데, 분석결과는 전 기간이 유사하고 유의미하므로 Table 3과 4 및 Figure 3과 같이 2007년과 최근 자료인 2016년 결과만을 한정하여 제시하였다. Figure 3 순위도 곡선에서 가로축은 8,760시간(1년)의 시간당 교통량 순위이며, 세로축은 이에 대한 설계시간 계수(DHV/AADT)를 표현한 것이다. 2007년의 경우 순위도 곡선 추정식에 대한 모형식은 Table 3과 같으며, 결정계수 값(R2)이 0.991로 모형적합도에 문제가 없었으며 아울러 설명변수의 유의확률(p)이 0.000으로 교통량 순위에 따른 순위곡선이 통계적인 의미가 있음을 알 수 있다.

Table 3. Incheon airport traffic ranking curve model summary (2007)

Model summary
Model R R2 Modified R2 Standard error of the estimated value
1 .995a .991 .991 .0006605

a. estimated value: (constant), LN_Ranking of traffic.

ANOVAa
Model Sum of squares Degree of freedom Average square F p-value
1 Regression model .048 1 .048 109276.1 .000b
Residual .000 998 .000    
Sum .048 999      

a. dependant variable: DHV_AADT.
b. estimated value: (constant), LN_Ranking of traffic.

Coefficienta
Model Nonstandardization coefficient Standardization coefficient t p-value
B Standard error Beta
1 (constant) .12463 .000   980.574 0.000
LN_Ranking of traffic -.00701 .000 -.995 -330.569 0.000

a. dependant variable: DHV_AADT.

Table 4. Incheon airport traffic ranking curve model summary (2016)

Model summary
Model R R2 Modified R2 Standard error of the estimated value
1 .993a .987 .987 .0005424

a. estimated value: (constant), LN_Ranking of traffic.

ANOVAa
Model Sum of squares Degree of freedom Average square F p-value
1 Regression model .021 1 .021 73068.9 .000b
Residual .000 998 .000    
Sum .022 999      

a. dependant variable: DHV_AADT.
b. estimated value: (constant), LN_Ranking of traffic.

Coefficienta
Model Nonstandardization coefficient Standardization coefficient t p-value
B Standard error Beta
1 (constant) .10074 .000   965.293 0.000
LN_Ranking of traffic -.00471 .000 -.993 -270.313 0.000

a. dependant variable: DHV_AADT.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F3.jpg
Figure 3.

Traffic ranking chart at Incheon airport

또한, 비교적 최근인 2016년의 순위도 곡선추정식에 대한 모형식도 Table 4와 같이 R2가 0.987로 모형 적합도에 문제가 없었고 유의확률(p)값이 0.000으로 교통량 순위에 따른 순위곡선이 통계적으로 의미가 있었다.

2007년 및 2016년도까지의 순위도 곡선을 종합 분석한 결과, 모형적합도 및 결정계수, 유의확률의 경우도 모두, 교통량 순위에 따른 순위곡선이 통계적으로 유의미한 것으로 나타나, 추정된 모형식을 변곡점 추정식으로 사용하는 것에 문제가 없었다.

따라서 Table 5와 같이 추정한 모형식을 이용하여 기울기 값이 일정하게 작아지는 점인 도함수 값이 1.0×10-5이 되는 점과 1순위 점을 직선으로 연결하여 직선 위 각 점에서 X축 방향으로 내린 거리가 최대가 되는 점, 즉 변곡점을 추정한 결과 인천공항의 각 연도별 변곡점은 2016년을 제외하고 100 순위를 넘어서는 지점에서 발생하는 것으로 조사되었다(Table 6).

Table 5. Estimation equation of the Incheon airport ranking curve

Year Estimation equation R2
2007 y= -0.00701 ln(x)+0.12463 0.991
2008 y= -0.00727 ln(x)+0.12740 0.991
2009 y= -0.00760 ln(x)+0.13129 0.981
2010 y= -0.00599 ln(x)+0.11802 0.968
2011 y= -0.00621 ln(x)+0.11786 0.978
2012 y= -0.00628 ln(x)+0.11632 0.981
2013 y= -0.00599 ln(x)+0.11490 0.965
2014 y= -0.00572 ln(x)+0.11109 0.983
2015 y= -0.00523 ln(x)+0.10726 0.972
2016 y= -0.00471 ln(x)+0.10074 0.987

Table 6. Location of inflection points at Incheon airport

Year 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Inflection point 131th 126th 128th 100th 109th 112th 117th 110th 121th 97th

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F4.jpg
Figure 4.

Estimation of inflection point on ranking curves of Incheon airport (2011)

분석된 이들 값의 누적률은 연간 여객의 2.2-3.5%에 해당하였으며(Table 7, Figure 5), 누적률을 연간 여객규모별로 살펴보면 20-30백만 명 규모는 3.4-3.5%, 30-50백만 명의 경우 2.6-2.9%, 50백만 명 규모 이상에서는 2.2%로 연간 여객이 증가함에 따라 값이 점점 줄어드는 양상을 보이고 있어, 브라질 공항을 중심으로 분석된 Wang(1999)의 연구 결과와 유사한 것으로 나타났다(Table 8, Figure 6).

Table 7. Accumulation rate of Inflection point at Incheon airport

Year 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Accumulation rate(%) 3.5% 3.4% 3.5% 2.6% 2.8% 2.8% 2.9% 2.7% 2.9% 2.2%

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F5.jpg
Figure 5.

Accumulation rate of inflection point yearly at Incheon airport

Table 8. Accumulation rate of inflection points by passenger size at Incheon airport

Number of passengers (million) 30.8 29.6 28.1 32.9 34.5 38.4 40.8 44.9 48.7 57.2
Accumulation rate(%) 3.5% 3.4% 3.5% 2.6% 2.8% 2.8% 2.9% 2.7% 2.9% 2.2%

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F6.jpg
Figure 6.

Accumulation rate of inflection points by passenger size at Incheon airport

2) 표준편차를 이용한 설계 첨두시간 추정

평균과 표준편차를 이용하여 10년 동안의 인천공항 실적에 대한 설계 첨두시간 수요를 추정해 보았으며, Figure 7에서 알 수 있는 바와 같이 그래프는 우측으로 하향하는 모습을 보여주고 있다. 특히 85번째 이후부터는 이전과 달리8) 완만한 하락이 비교적 지속되고 있음을 알 수 있으며, 이는 약 2.2% 수준의 누적률에 해당하는 것으로 조사되었다(Table 9, Figures 7, 8).

Table 9. Comparison of Incheon airport peak demand estimation

Classification Ranking Accumulation rate
Design peak hour demand by standard deviation/average 85th 2.2%

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F7.jpg
Figure 7.

Incheon airport ranking curve according to standard deviation/average (2007-2016)

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F8.jpg
Figure 8.

Cumulative rate of Incheon airport according to standard deviation/average (2007-2016)

3) 이론적인 항공수요 추정 방식을 준용한 설계 첨두시간 추정

이론적인 항공수요 추정 방식을 준용한 인천공항의 설계 첨두시간을 추정하기 위하여 교통량 순위를 산출하였다. 산출결과, 표준혼잡율(SBR)의 교통량 순위는 첨두월 평균일 첨두시간 수요(ADPM-PH) 및 혼잡시간율(BHR)의 교통량 순위와 많은 차이를 보이고 있어 통상적인 설계 첨두시간의 추정방법에 의한 연간 교통량의 30번째 값인 표준혼잡율의 일률적인 사용은 바람직하지 않은 것으로 판단된다(Table 10).

Table 10. Ranking of traffic demand for design peak time by air demand

Year 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
SBR 30th 30th 30th 30th 30th 30th 30th 30th 30th 30th
ADPM-PH 148th 129th 122th 118th 98th 89th 94th 134th 92th 81th
BHR (5%) 192th 189th 183th 197th 200th 204th 205th 211th 215th 228th

아울러 교통량이 증가할수록 첨두월 평균일 첨두시간 수요(ADPM-PH)와 혼잡시간율(BHR) 역시 점차 순위면에서 차이를 보이고 있으며, 표준혼잡율(SBR)은 교통량 증가와 함께 최고 첨두수요(1st peak hour traffic)에 근접해 가는 경향이 있어 규모 증가에 따라 설계 첨두시간 수요의 본래 목적이 유지될 수 있도록 최고 첨두수요와의 적정거리를 이격시켜 주는 설계수요 사용이 필요할 것으로 판단된다.

최고 첨두수요와의 적정 이격수준을 알아보기 위하여 최고 첨두시간과 설계 첨두시간 수요 값의 비율을 분석한 결과, Table 11 (하단에 결과를 그래프로 제시)과 같이 변곡점을 이용하여 추정한 결과와 첨두월 평균일 첨두시간 수요(ADPM-PH) 결과는 상당부분 일치하고 있는 것으로 나타나고 있다.

Table 11. Comparison of design peak hour (2007-2016)

Classification 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
1st peak 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%
Inflection points 78.3% 76.0% 76.0% 78.6% 79.0% 78.9% 81.2% 80.9% 85.5% 83.9%
SBR 85.6% 84.5% 82.5% 83.7% 84.6% 84.7% 87.1% 87.4% 91.8% 89.4%
ADPM-PH 77.7% 75.8% 76.2% 77.9% 79.4% 79.9% 82.2% 80.1% 87.0% 84.9%
BHR 76.0% 74.0% 73.8% 75.7% 75.9% 75.3% 78.6% 77.9% 82.4% 79.7%
http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_T11-1.jpg

이는 표준혼잡율(SBR)의 경우 변곡점 추정결과와 비교할 때 다소 과도 추정의 가능성이 될 수 있음을 의미한다.

또한, 누적 교통량 역시 설계 첨두시간 판단의 참고기준이 될 수 있으므로 이를 분석한 결과, Table 11 (하단에 결과를 그래프로 제시)과 같으며 이 자료도 변곡점을 이용하여 추정한 값과 첨두월 평균일 첨두시간 수요(ADPM-PH) 값이 상당부분 유사함을 알 수 있으며, 변곡점에 의한 첨두시간 수요는 연간 교통량 대비 약 2.0-3.5% 수준을, 첨두월 평균일 첨두시간 수요(ADPM-PH)의 경우 약 2-4% 수준을 보이는 것으로 조사됨에 따라 두 수요 모두 평균 3% 내외 수준에 있는 것으로 확인되었다.

Table 12. Comparison of Incheon airport peak hour demand accumulated rate (2007-2016)

Classification 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Inflection points 3.5% 3.4% 3.5% 2.6% 2.8% 2.8% 2.9% 2.7% 2.9% 2.2%
SBR 0.9% 0.9% 0.9% 0.8% 0.8% 0.8% 0.8% 0.8% 0.8% 0.7%
ADPM-PH 3.9% 3.5% 3.4% 3.1% 2.5% 2.3% 2.4% 3.2% 2.2% 1.9%
BHR 5.0% 5.0% 5.0% 5.0% 5.0% 5.0% 5.0% 5.0% 5.0% 5.0%
http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_T12-1.jpg

나타난 값 또한, 브라질 공항을 대상으로 연구된 Wang(1999)의 표준편차에 의한 첨두시간 수요의 누적율과 유사한 값이나, 동일한 방식으로 분석된 인천공항의 표준편차에 의한 첨두시간 수요(85번째 순위값) 누적률인 2.2%와는 약간의 차이를 보인다. 따라서 본 분석에서 상호 유사한 값을 보여주고 있는 변곡점을 이용하여 추정한 값과 첨두월 평균일 첨두시간 수요(ADPM-PH) 값을 비교해 볼 때 누적률은 약 2.0-3.5% 사이의 값에서 형성되면 바람직한 것으로 보인다.

4) 연간 여객규모에 따른 비교

분석을 통하여 살펴본 바와 같이 표준혼잡율(SBR)은 다른 첨두시간 수요인 첨두월 평균일 첨두시간 수요(ADPM-PH), 혼잡시간율(BHR), 변곡점에 의한 이론적 수치와 많은 차이를 보이며, 그 값 또한 크게 형성되고 있어 경제적 건설을 위한 공항계획 및 설계 목적으로는 적절치 않은 것으로 판단된다.

그러나 첨두월 평균일 첨두시간 수요(ADPM-PH)와 변곡점에 의한 이론적인 설계 첨두시간 값은 서로 유사한 특성을 보이고 있

먼저, 인천공항의 이론적 첨두시간 설계 수요값인 변곡점 교통량 순위를 연간 교통량을 기준으로 살펴보면 교통량이 증가할 수 록 점점 줄어드는 모습으로 연간 교통량에 따라 다른 특성을 보이고 있었으며 2,500만 명 이상의 중대형공항 규모에서는 약 115번째 순위에서 수렴되는 것으로 관측되어 규모에 따른 공항계획 차원에서는 유용할 것으로 판단된다(Figure 9).

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F9.jpg
Figure 9.

Rankings of inflection points traffic by annual traffic volume

연간 교통량에 따른 변곡점 누적률 역시 Fig. 10의 변곡점 교통량 순위와 유사한 수렴형 패턴을 보이고 있어 평균값인 2.9% 수준에서 수렴되고 있었다(Figure 10).

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F10.jpg
Figure 10.

Accumulation rate of inflection points by annual traffic volume

변곡점에서의 이러한 특성은 첨두월 평균일 첨두시간 수요(ADPM-PH)에 대한 교통량 순위 및 교통량 누적률에서도 동일하며, Figure 11, 12와 같다. 첨두월 평균일 첨두시간 수요(ADPM-PH) 또한, 변곡점에 의한 교통량 특성에서와 같이 수요 증가에 따라 약하게 감소되는 경향을 보이는 것으로 분석되었다. 첨두월 평균일 첨두시간 수요(ADPM-PH)의 경우 평균 111번째 순위의 교통량과 함께 평균 2.8% 수준의 누적률 값이 관측 되었다.

변곡점에서의 이러한 특성은 첨두월 평균일 첨두시간 수요(ADPM-PH)에 대한 교통량 순위 및 교통량 누적률에서도 동일하며, Figure 11, 12와 같다. 첨두월 평균일 첨두시간 수요(ADPM-PH) 또한, 변곡점에 의한 교통량 특성에서와 같이 수요 증가에 따라 약하게 감소되는 경향을 보이는 것으로 분석되었다. 첨두월 평균일 첨두시간 수요(ADPM-PH)의 경우 평균 111번째 순위의 교통량과 함께 평균 2.8% 수준의 누적률 값이 관측 되었다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F11.jpg
Figure 11.

Traffic rankings of ADPM-PH by annual traffic volume

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370603/images/kst_37_06_03_F12.jpg
Figure 12.

Accumulated rate of ADPM-PH by annual traffic volume

특히, 이들 첨두월 평균일 첨두시간 수요(ADPM-PH)값과 변곡점에 의한 규모별 교통량 평균 순위와 누적률 값은 Table 13과 같이 첨두월 평균일 첨두시간 수요(ADPM-PH)값이 이론적 접근 개념인 변곡점 값과 잘 일치하고 있었다.

Table 13. Average of annual traffic at Inflection points and ADPM-PH

Classification Inflection point ADPM-PH
Ranking of traffic Accumulation rate Ranking of traffic Accumulation rate
Over 25 million 115th 2.9% 111th 2.8%

Table 14는 첨두월 평균일 첨두시간 수요(ADPM-PH)와 변곡점(Inflection point)을 통합하여 규모별 교통량 순위와 누적률을 평균하여 살펴본 결과로 중대형 공항인 2,500만 명 이상의 규모에서는 연간 교통량 대비 3.0% 이내의 누적 교통량을 보이는 것으로 나타났다. 또한, 교통량 순위에 있어서는 각각 대략 110번째 순위의 값으로 나타났으며, 30번째 순위를 보이는 표준혼잡율(SBR)보다 높은 값임이 확인되었다.

Table 14. Average of annual traffic by integrating inflection point and ADPM-PH

Classification Inflection point + ADPM-PH
Ranking of traffic Accumulation rate
Over 25 million 110th within 3.0%

결론

항공수요 증가에 따라 공항의 규모 역시 증가하고 있는데 이에 따른 공항규모가 경제성에 미치는 영향은 소규모 공항에서는 절대적 교통량이 작아 경제성에 미치는 영향이 크지 않을 수 있으나, 대형 공항으로 갈수록 영향이 증가할 수 밖에 없다. 첨두 수요는 어떤 서비스에 대하여 수요의 집중이 고조되는 시점의 수요를 의미하므로 공항시설의 설계를 위하여 첨두 특성을 분석하고 수요가 집중되는 시간의 수요를 기준으로 설계하는 것이 중요하다.

본 연구에서는 이러한 이론적인 접근을 토대로 대형화되고 있는 공항의 특성을 반영한 경제성 있는 설계 첨두시간 수요를 인천공항을 대상으로 알아보았다. 이론적 첨두시간 수요를 국내에서 전반적으로 적용하고 있는 설계 첨두시간 수요(표준혼잡율, 첨두월 평균일 첨두시간 수요, 5% 혼잡율)와 비교해 살펴본 결과, 변곡점에 따른 교통량 순위는 110번째 순위 지점에서 가장 많이 발생하였으며, 여객이 증가할수록 수렴되는 모습을 보여주어 중대형공항 이상에서는 110 순위 근처에서의 교통량이 설계 첨두시간으로 적정한 것으로 분석되었다.

이는 그동안 적정 설계 첨두시간 수요로 국내공항에서 가장 많이 사용해 오던 30번째 값인 표준혼잡율(SBR)이 다소 과도한 적용의 가능성이 있음을 의미하므로 신중한 접근이 필요한 것으로 분석이 되었다.

특히, 표준혼잡율(SBR)은 여객이 증가할수록 최고 첨두시간 수요값으로 근접함에 따라 최고 첨두시간 수요와의 차이가 사실상 줄어들고 있어 경제적인 면에서 매우 불리해지므로 공항이 대형화됨에 따라 경제적인 면이 더욱 부각되는 점을 고려할 때 표준혼잡율(SBR)에 대한 무조건적인 접근은 지양되어야 할 것으로 판단되었다.

반면, 수요 중 첨두월 평균일 첨두시간 수요(ADPM-PH)값이 도로분야에서 사용되고 있는 변곡점에 따른 이론적인 설계 첨두시간 값과 유사한 값을 보임에 따라 첨두월 평균일 첨두시간 수요(ADPM-PH)값의 적용이 보다 경제적인 공항계획과 적정수준의 시설계획을 위해서는 바람직한 것으로 분석되었으며 변곡점을 통한 설계시간 수요의 누적 교통량은 연간 교통량의 약 3% 이내의 값을 보였다.

따라서 향후 우리나라에서 중대형공항(2,500만 명 이상) 시설규모를 계획하는 경우에는 첨두월 평균일 첨두시간 수요(ADPM-PH)값을 설계수요로 사용하되, 신뢰도를 높이기 위해 누적교통량이 연간 교통량의 약 3% 이내에 위치될 수 있도록 참고자료로 활용하는 것이 바람직 할 것으로 판단된다. 그러나 본 연구에서 중대형 공항의 설계 첨두시간 분석방법론을 제시하기 위하여 인천공항 자료만 분석한 결과를 실제 공항계획 시 적용함에 다소 무리가 있을 수 있으므로 추후 우리나라에서 국제선을 포함하고 규모가 다른 김포공항, 제주공항의 최근 연간교통처리 실적자료를 바탕으로 추가분석이 필요할 것으로 판단된다. 이러한 분석결과는 공항의 대형화 추세와 맞물려 경제성을 고려한 신중한 미래 공항개발을 위해서도 의미가 있을 것이다.

 

1)첨두월 평균일 첨두시간(ADPM-PH): Average Day Peak Month Peak Hour.
2)국제공항협의회(Airport Council International, ACI)는 국제공항을 대상으로 대형공항(4,000만 명 이상), 중대형공항(2,500-4,000만 명), 중형공항(1,500-2,500만 명), 중소형공항(500-1,500만 명), 소형공항(500만 명 미만)으로 구분하여 ASQ 평가 및 공항을 관리하고 있다.
3)Average Day Peak Month.
4)Norman J. Ashford, Saleh A, Mumayiz, Pual H, Wright. (2010), “Airport Engineering”, Fourth edition, p59, p429
5)Tower Log.(2007-2016)는 항공기, 여객, 국제선, 국내선 등의 출도착시간이 분 단위까지 구체화되어 있어 시설분석을 위한 정밀한 평가가 가능함.
6)FAA는 연간교통처리 실적통계인 Tower Log데이터를 마스터플랜(공항계획)에 이용토록 제안하고 있음.
7)DHV (Design Hourly Volume)는 설계시간 교통량 또는 1시간 동안의 교통량이라고 하며, AADT (Annual Average Daily Traffic)는 연평균 일교통량 또는 1년 동안의 교통량을 365일로 나눈 값으로 1년간의 일평균 교통량이라고 함. DHV/AADT는 설계시간계수(K)로서 DHV (설계시간 교통량)을 AADT (연평균 일교통량)으로 나눈 값을 말함.
8)약 40-70번까지는 하락 이후 상승이 반복되는 등락(Fluctuation)이 발생.

References

1 

Department of Transportation (1991), A Report on the Basic Design for New International Airport in Seoul Metropolitan Area, 309-320, South Korea.

2 

FAA (1988), AC 150/5360-13, Planning and Design Guidelines for Airport Terminal Facilities, 7-10, USA.

3 

FAA (2005), AC 150/5070-6B Airport Master Plans, 32-33, USA.

4 

ICAO (1987), Doc 9184-AN/902, Airport Planning Manual, Part 1 Master planning, 2nd edition, 1-18, USA.

5 

Incheon International Airport Corporation (2006), A Basic Design Report for the 2nd Phase Incheon Airport Facilities, I(IV), 354-355, South Korea.

6 

Incheon International Airport Corporation (2007-2016), Annual Traffic Performance Statistics (Tower Log), South Korea.

7 

Incheon International Airport Corporation (2011), A Basic Design Report for the 3rd Phase Incheon International Airport Facilities, 548-551, South Korea.

8 

Incheon International Airport Corporation homepage, https://www.airport.kr/

9 

Korea Highway Corporation (2007), A Study on the Design Hourly Factor for Estimating the proper number of lanes on road, 9, 12-19, 155-162, South Korea.

10 

Korea Transport Institute (2005), A Study on the Establishment of Standardized Design Criteria by Airport Size, Design Guidelines for Airport Facilities, I, 4-7, South Korea.

11 

Ministry of Land, Transport and Maritime Affairs (2008), Road Capacity Manual, South Korea.

12 

Norman J. A., Saleh M., Pual H. W. (2010), Airport Engineering, Fourth edition, 59, 429, USA.

13 

Robert H., Francis X. M. (1994), Planning and Design of Airports, Fourth Edition, 243, USA.

14 

Wang P. T., Pitfield D. E. (1999), The Derivation and Analysis of the Passenger Peak Hour, 135-141, Brazil, UK.

10.1016/S0969-6997(99)00007-1
페이지 상단으로 이동하기