Article

Journal of Korean Society of Transportation. 31 December 2021. 711-720
https://doi.org/10.7470/jkst.2021.39.6.711

ABSTRACT


MAIN

  • 서론

  • 기존이론 및 선행연구 검토

  • 자료수집

  •   1. 개요

  •   2. 주차실태 조사결과

  • 주차수요 추정 모형 구축

  •   1. 도입 변수 및 분석방법

  •   2. 모형구축 및 검정

  • 결론

서론

주차문제는 많은 도시에서 해결에 어려움을 겪고 있는 교통문제 중 하나이다. 부족한 주차공급으로 인해 도로변 불법주차는 줄어들지 않고 있다. 도로변 불법주차는 교통지체, 교통안전 등 또 다른 교통문제로 이어지고 주차 분쟁으로 사회구성원간의 불화도 발생하고 있는 실정이다.

주차문제를 해결하기 위해서는 적절한 위치에 주차수요를 수용하기에 충분한 주차장을 공급해야 하지만 많은 건설비용과 부지확보 등의 문제를 고려할 때 쉬운 일이 아니다. 주차 후 보행거리와 같은 이용편의성 등을 고려할 때 이용자가 만족하는 위치에 주차장을 공급하는 것은 더욱 어려운 일이며 특히, 토지이용이 고밀화되고 부지 비용이 매우 높은 도심에서는 거의 불가능에 가깝다.

따라서 지금까지 건축물 부설주차장 확보를 통해 개별 건축물의 주차수요에 대응하여 주차장을 확보하는 노력에 더해 지역 또는 지구의 토지이용에 따라 광역범위의 주차수요에 대응하기 위한 주차장 공급 노력이 요구된다. 지역 또는 지구의 주차수요에 대응하는 주차장의 형태는 별도의 토지를 확보하여 설치하는 노외주차장이나 도로변에 주차를 허용하는 노상주차장으로 구분할 수 있다. 노상주차에 비해 노외주차가 바람직하기 때문에 지속적으로 노외주차장 설치를 위해 노력해야 하지만 현실적인 한계를 가지고 있다.

노상주차장의 설치는 도로를 통행하는 차량에 방해가 되는 문제가 있으나 이동기능의 간선도로를 제외하고 이면도로의 경우 도입이 가능하며 최근 세계 주요도시에서 노상주차에 대한 연구가 활발히 이루어지고 있다. 이면도로의 경우 이미 불법주차로 인해 다양한 문제가 발생하고 있고 노상주차는 목적지와 가까운 지점에 주차가 가능하다는 이용편의성 측면에서의 장점으로 인해 우리나라에서도 거주자우선주차, 급지별 노상주차 설치 등 다양한 방법으로 노상주차장 공급 정책을 추진하고 있다.

본 연구에서는 대도시의 도심에 해당하는 지역을 대상으로 건축물 부설주차장 수요를 제외한 노상 ‧ 노외 주차수요에 대한 연구를 수행하였다. 대구광역시 중구를 대상으로 노상 ‧ 노외 주차장별 주차면수 등 시설공급 현황과 노상 ‧ 노상 주차차량에 대한 현장조사를 실시하고 주차특성을 분석하여 최종적으로 용도지역 면적을 설명변수로 주차수요를 산정하기 위한 모형을 구축하였다.

기존이론 및 선행연구 검토

주차문제를 완화하거나 해소하기 위한 주차정책을 수립하고 시행하는데 기초자료가 되는 주차수요를 산정하는 방법은 많은 연구가 진행되었으며 다양한 이론이 있다. 주차수요 산정과 관련된 이론에는 과거추세연장법, 주차원단위법, 자동차 기종점에 의한 방법, P요소법, 누적주차수요 추정방법 등 다양한 방법이 있다.

과거추세연장법은 성장률이 안정기에 접어든 도시나 사회경제적 여건이 크게 변화하지 않는 도시에서 개략적 계획을 할 때 적합하다. 그러나 너무 개괄적이고 신뢰성이 떨어지는 단점이 있다. 주차원단위법은 교통패턴이 크게 변하지 않는 상태에서 단기적 주차수요예측에 신뢰성이 비교적 높지만 장래에 주차발생원단위가 변화는 경우 신뢰성이 떨어지고 지방이나 지역에 따라 원단위가 다를 수 있으므로 주의하여야 한다. 자동차 기종점에 의한 방법은 특정지역에 대해서 정확한 수요 추정이 가능하지만 자료수집의 어려움과 시간 및 비용 소요가 많은 단점을 지니고 있다. P요소법은 여러 지역 특성을 포괄적으로 고려하는 것이 가능하고 특정장소의 수요 추정에 적합한 방법이나 우리나라 도시에 계절주차 집중계수에 대한 도시별 자료가 정리되어 있지 않고 지역특성을 반영하는 지역주차 조정계수도 미비하여 적용성이 약한 방법이다. 누적주차 수요추정방법은 시간에 대한 고려가 가능하고 특정 용도의 수요추정에 적용이 용이하나 추정 시 각 용도별로 각각 추정함으로써 비용이 많이 소모되며 모형 산정과정에서 부적절한 분포를 활용할 경우 신뢰도가 낮아지는 약점을 가지고 있다.

주차에 관련된 선행연구는 주차수요예측 모형 구축과 주차 원단위에 관한 연구 두 분야로 구분할 수 있으며 Table 1에 제시하였다.

Table 1.

Consideration of preceding research

Categorization Title of the research Main contents Research method
Estimation of
the parking
demand model
A study on the parking demand analysis according
to housing size and locations in multi-family
housing estates
Parking demand forecast
by housing size in
apartment area
Investigation
Regression analysis
Parking demand estimation model of apartments Establishment of parking
demand forecast for
apartment
Investigation
Survey
Regression analysis
A study on industrial site annexed parking unit
calculation method by considering facility use and
scale characteristics
Establishment of parking
demand forecast for
industrial complexes
Regression model
The estimation of daytime street-parking demand
model by total floor area of building occupancy
Estimation of daytime
street-parking demand
model
Regression model
Calculation of
the parking unit
A study on the demand analysis of parking units Calculation of parking unit
by city size and land use
Regression analysis
Calculation methods of parking demand for
housing using parking basic units analysis
Presentation of the criteria
for parking unit
Regression analysis

주차수요예측 모형에 관한 선행연구를 살펴보면 Park et al.(1999)은 공동주택지 주차수요분석에 관한 연구를 통하여 공동주택단지 내의 주차현황을 파악하여 주차수요에 영향을 미치는 변수 중 주택규모별 변수와 입지별 변수 2가지를 추출하여 주차수요와의 관계를 갖고 있는지 밝혔으며 도심과 외곽 공동주택단지를 분류하여 주택규모별 주차수요를 예측하였다. Park(2003)은 주차수요예측모형 개발에 필요한 주차수요에 영향을 미치는 여러 가지 변수를 아파트단지를 대상으로 현장조사 및 설문조사를 통해 각 아파트 단지 현황 및 세대수, 평형별 차량보유대수 등에 관한 자료를 확보한 후 다중회귀분석을 통한 주차수요예측모델을 개발하였다. Ahn and Lee(2010)는 현장조사를 통해 산업단지 내 공장시설에 대한 기존 주차수요산정에 대한 문제점을 분석하고 이를 해결하기 위한 방안으로 시설용도 및 규모 특성을 고려한 주차수요예측모형을 구축하고 개선방안을 제시하였다. 주차수요예측모형 구축결과 연면적이 큰 구간에도 적용이 가능한 회귀모형식을 제시하였다. Kwon and Lee(2012)는 대구광역시 동구 19개 동을 대상으로 건축물 용도별 연면적을 이용하여 노상주차수요 산정모형을 구축하였고, Lee(2014)는 자동주차조사 시스템을 이용하여 노상주차수요를 추정하는 연구를 수행하였는데, 지구단위계획 등 다양한 토지개발 사업의 초기에 건축물의 규모 및 용도기 결정되지 않은 상황에서 토지의 용도별 면적에 기반한 노상 및 노외 주차수요에 대해 연구를 수행한 본 연구는 차별성을 가지고 있다.

주차원단위에 관한 연구를 살펴보면 Oh et al.(2006)은 도시규모별과 지역용도별로 구분하여 회귀분석을 통해 주차원단위를 산출하여 도시의 특성과 지역용도별 특성을 감안한 부설주차장 설치기준을 제시하였다. 또한, 주차장법상의 설치기준과 비교를 위해 최소주차원단위를 적용하였다. Lee(2008)는 현장조사를 통한 기존방법의 주차원단위를 산정하고 적용할 경우 발생될 수 있는 문제점을 분석하고 이러한 문제점을 보완하기 위한 새로운 주차수요 산정모형을 구축하고 많은 시설물들이 주차수요를 반영할 수 있는 주차원단위 적용기준을 제시하였다.

선행연구를 검토한 결과 공동주택이나 공장시설 등 특정 용도지역을 대상으로 주차수요예측모형을 제시하거나 주차원단위의 문제점을 분석하고 보완하기 위한 연구가 대부분이었다. 따라서 본 연구에서는 기존 연구와의 차별성을 확보하기 위해 연구의 대상범위를 광역범위의 지역이나 지구로 설정하였으며 연구대상 범위 내의 모든 노상 ‧ 노외주차장 공급현황에 대해 전수조사하고 주간과 야간으로 구분하여 주차실태에 대한 현장조사를 실시하였으며 용도지역별 면적을 조사하였다. 이를 바탕으로 통계분석을 실시하여 용도지역 면적을 설명변수로 하는 주차수요 산정을 위한 모형을 구축하였다.

기존이론 및 선행연구를 검토한 결과 광역범위를 대상으로 건축물 용도별 연면적을 이용하여 주차수요를 산정하는 본 연구의 특성을 고려할 때 선행연구에서 많이 적용되어온 회귀분석 방법이 여러 가지 설명변수에 대한 검토와 거시적인 분석모형 구축에 유리한 측면이 있어 본 연구에 더욱 적합할 것으로 판단되었다.

자료수집

1. 개요

주차수요와 특성을 분석하고 토지용도별 면적에 따른 노상주차수요 산정 모형을 구축하기 위해 주차시설과 주차이용실태에 대한 현장조사를 대구광역시 중구의 12개 동을 대상으로 실시하였다. 조사시간은 주간의 경우 09:30-11:30, 13:30-17:30, 야간의 경우 22:00-05:00 시간대에 현장조사를 실시하였다. 시간대별로 주차수요의 변화가 심한 곳은 2회 조사를 실시하여 조사결과의 편차를 최소화하기 위해 노력하였다. 조사방법은 주행형 번호판 인식 및 위치확인시스템(GPS)을 조사차량에 탑재하여 조사하였으며 야간조사 시에는 적외선 조명을 사용하여 조사하였다.

본 연구의 대상지인 대구광역시 중구는 대구 전체면적의 0.8%를 차지하고 있다. 면적은 다른 지역에 비해 작은 편이지만 주요 상업 ‧ 업무 시설이 밀집되어 있으며 높은 토지가격을 형성하고 있어 대구광역시의 중심상업지역(CBD) 기능을 수행하고 있는 도시의 중심지에 해당하는 지역이다. 본 연구의 대상지역을 Figure 1에 나타내었다.

https://cdn.apub.kr/journalsite/sites/kst/2021-039-06/N0210390601/images/kst_39_06_01_F1.jpg
Figure 1.

Study area

2. 주차실태 조사결과

중구의 자동차 등록대수는 총 65,781대이며 승용차가 51,386대로 78.1%를 차지하고 있고 승합차 2.4%, 화물차 7.4%, 이륜차 12.0%, 특수차 0.1%로 구성되어 있다. 전체 주차면은 82,351면으로 조사되었으며 부설주차장이 73,848면, 89.7%로 대부분을 차지하고 있고 노상주차면 3,384면으로 4.1%, 노외주차장이 5,119면, 6.2%로 구성되어 있다.

본 연구대상지인 대구광역시 중구를 행정동을 기준으로 구역을 구분하였으며 각 연구대상 구역의 노상 및 노외 주차장과 용도지역별 면적에 대한 조사결과를 Table 2에 제시하였다. 자동차등록대수는 본 연구의 대상에 포함되지 않는 이륜차를 제외하고 주차와 관련된 승용, 승합, 화물, 특수차량이 대상이며 노상주차장은 거주자우선주차면을 포함한 값이며 노외주차장은 공한지 주차면을 포함하였다.

Table 2.

Survey result for parking lot and land use area

Zone Number
of cars
registered
Land use area (m2) Number of parking lot
Residential
area
Business
area
Public office
area
School
area
Green
area
Total On-street Off-street
Dongin-dong 4,394 38.5 42.1 4.0 11.6 1.7 1,802 987 815
Samdeok-dong 2,402 38.2 47.8 3.3 9.0 0.0 888 353 535
Seongnae1-dong 12,661 11.5 79.3 5.7 0.0 0.0 1,560 58 1,502
Seongnae2-dong 2,413 8.1 79.1 7.3 1.7 0.0 1,377 229 1,148
Seongnae3-dong 2,598 28.2 48.2 1.8 20.5 0.0 652 473 179
Daesin-dong 3,720 54.8 40.7 0.0 0.0 0.0 659 127 532
Namsan1-dong 10,079 47.1 37.1 14.0 0.0 0.0 326 125 201
Namsan2-dong 2,838 65.9 26.6 6.8 0.0 0.0 262 229 33
Namsan3-dong 3,607 74.9 12.4 11.8 0.0 0.0 162 125 37
Namsan4-dong 8,562 81.5 16.5 0.0 1.7 0.0 162 146 16
Daebong1-dong 3,529 48.0 35.2 4.8 11.4 0.1 396 286 110
Daebong2-dong 1,057 75.0 20.9 0.0 2.8 0.0 257 246 11
Total 57,860 571.7 485.9 59.5 58.7 1.8 8,503 3,384 5,119

주차대수에 대한 현장조사는 건축물 부설주차장을 제외하고 노상과 노외주차장을 대상으로 하였다. 현장조사 결과 주간의 경우 총 주차대수가 10,117대로 조사되었으며 이 중 불법주차가 3,204대로 31.7%로 나타났다. 중구에 등록되어 있는 관내차량 불법주차 비율은 총 2,646대의 주차차량 중 643대로 24.3%로 조사되었으며 타 지역에 등록되어 있는 관외차량의 경우에는 총 7,474대의 주차차량 중 불법주차가 2,561대로 34.3%로 나타나 관외차량의 불법주차 비율이 관내차량에 비해 높은 것으로 분석되었다.

야간의 경우 총 주차대수는 7,054대였으며 이중 불법주차는 2,747대로 38.9%의 불법주차 비율을 나타내는 것으로 분석되었다. 야간의 불법주차 비율을 관내와 관외로 구분하여 분석한 결과 관내 불법주차 비율은 총 3,292대의 주차차량 중 불법주차 차량 1,184대로 36.0%로 나타났으며 관외의 경우 총 3,762대의 주차차량 중 불법주차가 1,563대로 41.5%의 불법주차 비율을 나타내었다.

관내차량의 경우 야간에 주차대수가 증가하면서 불법주차의 비율도 동시에 증가하는 현상을 나타냈으며 관외차량은 주간에 비해 야간에 주차대수가 감소했음에도 불구하고 불법주차 비율은 오히려 높아지는 현상을 나타내는 것으로 분석되었다.

야간 관내차량의 불법주차 비율의 증가는 주거지 주차장 부족으로 인한 원인으로 판단되며 관외 차량의 야간에 불법주차 비율이 증가하는 이유는 중심상업지역의 특성을 나타내는 중구의 지역적 특성으로 인해 건축물 부설주차장과 노외주차장의 영업종료로 인한 것으로 판단된다. 조사시간대를 기준으로 주간과 야간으로 구분하고 주차장 유형에 따라 노외와 노상으로 구분하여 현장조사한 결과는 Table 3과 같다.

Table 3.

Survey result for parking

Classification Parking lot
(ea)
Jurisdiction The outside of the jurisdiction Total
Legal
parking
Illegal
parking
Subtotal Legal
parking
Illegal
parking
Subtotal
Day
time
On-street parking 3,384 921 643 1,564 1,949 2,561 4,510 6,074
Off-street parking 5,119 1,082 0 1,082 2,961 0 2,961 4,043
Total 8,503 2,003 643 2,646 4,910 2,561 7,471 10,117
Night
time
On-street parking 3,384 1,120 1,184 2,304 1,146 1,563 2,709 5,013
Off-street parking 5,119 988 0 988 1,053 0 1,053 2,041
Total 8,503 2,108 1,184 3,292 2,199 1,563 3,762 7,054

주차수요 추정 모형 구축

1. 도입 변수 및 분석방법

본 연구의 목적은 광역범위의 지역이나 지구에서 노상이나 노외에 주차하는 수요를 추정하기 위한 모형을 구축하는데 있다. 건축물부설주차장의 경우 개별 건축물별로 요구되는 주차수요를 반영하고 있어 본 연구에서는 제외하였으며 본 연구에서는 일정범위 이상의 지역 또는 지구에서 토지이용에 따른 영향으로 발생하는 노상과 노외 주차장에 집중하여 연구를 수행하였다.

모형 구축을 위해 주간과 야간으로 구분하여 주차실태조사를 실시하였으며 조사된 주차대수를 종속변수로 하고 설명변수는 분석대상 지역의 토지용도를 기준으로 하였다. 토지의 용도는 주거지역면적, 상업지역면적, 녹지지역면적, 공공시설면적 4가지로 구분하여 분석을 실시하였다.

모형구축을 위해 종속변수와 설명변수에 대한 상관분석을 실시한 결과 상업지역의 면적과 주차수요의 상관계수가 매우 높은 값을 나타내었다. 이는 대구광역시의 CBD 기능을 수행하는 중구의 특성이 반영된 결과로 판단된다. 주거지역의 면적은 전반적으로 주차수요와 매우 낮은 상관관계를 가지는 것으로 나타났으나 관내차량의 경우 야간에 상관계수가 증가하는 것으로 분석되었다. 주간과 달리 야간의 경우 관내차량의 박차 특성이 반영되어 주거지역 면적과 상관계수 값이 증가한 것으로 판단된다. 야간 상업지역의 면적과 주차수요의 상관관계가 주간에 비해 다소 떨어지긴 하지만 여전히 높은 상관관계를 가지는 것으로 나타났다.

본 연구에서는 토지의 용도지역 면적과 주차수요와의 상관분석 결과를 반영하여 회귀모형을 구축하였는데 상업지역의 면적을 설명변수로 사용하였고 주간과 야간으로 구분하여 주차수요를 종속변수로 설정하여 모형을 구축하였다. 모형의 구축을 위해 결정된 종속변수와 설명변수를 가지고 통계소프트웨어인 SPSS Statistics 25를 이용하여 회귀분석을 실시하였다.

2. 모형구축 및 검정

다양한 회귀분석 모형을 적용하여 분석을 실시하고 적합도를 검토한 결과는 Table 4, Table 5와 같고 각 모형별 그래프는 Figure 2에 나타내었다.

Table 4.

Result of correlation analysis

Classification Residential area Business area Green area Public office area
Day time Jurisdiction 0.043 0.632 0.177 0.407
The outside of the jurisdiction (0.018) 0.915 0.400 0.544
Total number of parking (0.001) 0.880 0.353 0.533
Night time Jurisdiction 0.561 0.398 0.554 0.278
The outside of the jurisdiction (0.260) 0.896 0.344 0.376
Total number of parking 0.061 0.785 0.479 0.374
Table 5.

Model summary and parameter estimation value

Division Model summary Parameter estimation value
R2 F Sig. Constant b1 b2
Day
time
Linear .774 34.293 .000 318.141 .002
Log .739 28.288 .000 -4,925.174 475.225
Quadratic .803 18.334 .001 161.521 .003 -2.075E-9
Composite .804 40.950 .000 400.102 1.000
Involution .833 49.947 .000 .849 .556
Exponential .804 40.950 .000 400.102 2.158E-6
Night
time
Linear .617 16.085 .002 200.643 .001
Log .650 18.596 .002 -3,002.483 288.911
Quadratic .682 9.656 .006 47.346 .003 -2.031E-9
Composite .639 17.730 .002 219.508 1.000
Involution .741 28.650 .000 .209 .625
Exponential .639 17.730 .002 219.508 2.294E-6

explanatory variable: business area.

각 모형의 분석결과를 살펴보면 주간, 야간 모두 거듭제곱모형이 가장 높은 결정계수를 가지는 것으로 나타났으며 선형모형도 비교적 높은 결정계수 값을 나타내고 있어 모형 적용의 용이성을 고려할 때 사용 가능할 것으로 판단된다.

각 모형의 그래프로 나타낸 Figure 2를 살펴보면 지수모형의 경우 결정계수 값이 다른 모형들에 비해 낮은 측면도 있지만 설명변수인 상업지역면적이 증가함에 따라 주차수요가 기하급수적으로 증가하는 형태를 나타내고 있어 다른 모형과 서로 다른 형상을 나타내고 있다.

https://cdn.apub.kr/journalsite/sites/kst/2021-039-06/N0210390601/images/kst_39_06_01_F2.jpg
Figure 2.

Model diagram

나머지 곡선모형의 경우 상업지역 면적이 작은 경우 주차수요가 급격히 증가하다가 일정 규모 이상의 면적일 경우에는 주차수요의 증가율이 감소하는 형상을 보이고 있다. 토지이용면적이 증가하더라도 일정 규모 이상이 되면 주차수요가 한계를 가질 것으로 예상하는 것이 합리적이기 때문에 지수모형에 비해 적절한 모형의 형태로 판단된다.

따라서 본 연구에서는 지수모형을 제외한 곡선모형 중 가장 높은 결정계수 값을 가지는 거듭제곱모형을 제안하였다. 거듭제곱모형의 통계분석 결과는 Table 6, Table 7과 같다.

Table 6.

Result of multiple regress analysis

Division Unstandardized coefficients Standardized coefficients t Sig.
B Std. error β
Day time BA .556 .079 .913 7.067 .000
Constant .849 .812 1.046 .320
Night time BA .625 .117 .861 5.353 .000
Constant .209 .297 .704 .497

BA: business area.

Table 7.

Model summary

Division R R2 Adjuster R2 Std. error of the estimate
Day time .913 .833 .817 0.244
Night time .861 .741 .715 .363

분산분석 결과 유의확률이 모두 0.000으로 나타나 귀무가설을 기각하여 95% 신뢰수준에서 통계적으로 유의한 모형이 구축된 것으로 판단된다. 분산분석 결과는 Table 8과 같으며 Figure 3은 구축된 주 ‧ 야간 노상 주차수요추정 모형을 표현한 그래프이다.

Table 8.

ANOVA

Division Sum of squares df Mean squares F Sig.
Day time Regression 2.980 1 2.980 49.947 .000
Residual .597 10 .060
Total 3.577 11
Night time Regression 3.767 1 3.767 28.650 .000
Residual 1.315 10 .131
Total 5.082 11

explanatory variable: business area.

https://cdn.apub.kr/journalsite/sites/kst/2021-039-06/N0210390601/images/kst_39_06_01_F3.jpg
Figure 3.

Model diagram

결론

본 연구에서는 도시지역에서 발생하는 주차문제를 해소하기 위한 기초적인 연구로 대도시에서 중심상업지역의 역할을 하는 도심지역을 대상으로 토지의 용도지역 면적을 이용하여 노상과 노외 주차수요를 산정하기 위한 모형을 구축하였다.

본 연구의 대상지인 대구광역시 중구지역은 대구의 도심에 해당하며 중심상업지역(CBD) 기능을 담당하고 있다. 대구광역시 중구의 12개 동을 대상으로 노상과 노외주차장을 전수조사 하였으며 주간과 야간으로 구분하여 주차실태를 조사하였다. 조사 자료를 분석한 결과 설치된 노상과 노외주차장에 설치된 주차면수 이상의 주차수요가 발생하여 불법주차로 이어지고 있는 것으로 나타났다.

총 주차대수는 야간에 비해 주간에 많은 것으로 조사되었으나 불법주차 비율은 주간에 비해 야간에 높은 수준으로 분석되었다. 야간에 총 주차대수가 주는데도 불구하고 불법주차비율이 높아지는 이유는 노외주차장의 영업종료로 인한 것으로 예상된다. 따라서 노상주차장의 공급은 야간 주차수요를 반영하여 계획되어야 할 것으로 판단된다.

관내차량과 관외차량으로 구분하여 조사결과를 분석한 결과 관내차량은 박차수요로 인해 주간에 비해 야간에 총 주차대수가 증가하면서 동시에 불법주차율도 증가하였다. 관외차량은 야간에 총 주차대수는 감소하지만 불법주차율은 증가하는 현상을 보였다.

주차수요 산정을 위한 설명변수는 주거지역면적, 상업지역면적, 녹지지역면적, 공공시설면적 4가지로 구분하여 분석을 실시하였다. 상관분석결과 4가지의 설명변수 중 상업지역면적이 주차수요와 유의한 상관관계를 가지는 것으로 분석되었다. 주거지역면적은 상관성이 상대적으로 낮은 것으로 분석되었다. 야간 주차수요의 경우 주거지역면적과의 상관계수가 주간에 비해 증가하는 것으로 분석되었다. 특히 관내 차량의 경우 더욱 높은 상관관계를 가지는 것으로 나타났는데 이는 야간 박차 차량의 특성이 반영된 것으로 판단된다.

상관관계 분석 결과를 바탕으로 상업지역면적을 설명변수로 도입하고 주간과 야간 노상 및 노외주차수요를 종속변수로 설정하여 회귀분석을 실시한 결과 거듭제곱모형이 가장 높은 설명력을 가지는 모형으로 나타났다. 구축모형을 대상으로 분산분석 등 통계 분석을 실시한 결과 높은 결정계수 값을 가지는 것으로 분석되었고 F값과 유의확률에서 통계적으로 유의한 결과를 도출하였다.

본 연구결과를 타 지역에 적용하는 경우 본 연구대상지가 중심상업지역(CBD)의 토지이용이 이루어지고 있는 지역적 특성을 고려하여 신중하게 적용되어야 할 것으로 판단되며 향후 토지이용 특성과 도시에서 차지하는 해당지역의 기능 등 다양한 지역적 특성 변수를 반영한 모형구축을 위한 추가적인 연구가 필요할 것으로 판단된다.

또한, 주차수요를 산정하기 위한 대상지역의 규모에 따라서도 주차특성이 매우 다양하게 나타날 수 있어 다양한 변수들을 고려한 후속연구가 지속적으로 진행되어야 할 것으로 판단된다.

Funding

This study was conducted with the 2019 Daegu University Academic Research Fund Support-04.

References

1
Ahn W. Y., Lee S. H. (2010), A Study on Industrial Site Annexed Parking Unit Calculation Method by Considering Facility Use and Scale Characteristics, Korean Society of Road Engineers, 12(2), 129-136.
2
Kwon H. J., Lee Y. W. (2012), The Estimation of Street-Parking Demand Model by Total Floor Area of Building Occupancy, The 67th Conference of KST, Korean Society of Transportation, 859-864.
3
Lee Y. W. (2008), Calculation Methods of Parking Demand for Housing Using Parking Basic Units Analysis, J. Korean Soc. Transp., 26(4), Korean Society of Transportation, 149-157.
4
Lee Y. W. (2014), Study on Establishment of On-street Parking Demand Model using Data by Automatic Parking Survey System, International Journal of Applied Engineering Research, 9(24), 24921-24931. 10.14257/astl.2014.69.07
5
Oh J. H., Kwon Y. I., Park S. W., Ahn J. Y., Choi W. S. (2006), Parking demand analysis and research intensity, The Korea Transport Institute (KOTI), No.11-1500000-001862-01 (in Korean).
6
Park J. H. (2003), Parking demand estimation model of apartments, M.Eng. Chonnam National University.
7
Park K. H., Hong W. H., Ha J. M. (1999), A Study on the Parking Demand Analysis according to Housing Size and Locations in Multi-Family Housing Estates, The Architectural Institute of Korea, 15(10), 121-130.
페이지 상단으로 이동하기