서론
수송부문 탄소중립을 실현하기 위한 핵심 이행방안으로서 전기차 전환 정책이 추진되고 있다. 2030년까지 우리나라 수송부문 온실가스 감축 목표 중 전기차와 수소차 전환을 통한 감축량은 약 29.7백만 톤으로 전체 감축량의 80%를 차지한다(Republic of Korea, 2021). 전기차 차종은 초기 승용차 중심에서 점차 승합차와 화물차까지 확대되고 있다. 특히 1톤급 소형 전기트럭 규모는 빠르게 증가하여 2022년 말 기준 8만 대 이상 등록돼 있다(Ministry of Land, Infrastructure and Transport, 2023). 앞으로 물류 분야 탄소배출량 감축 노력이 강화되면서 화물차의 전기차 전환도 더욱 가속화될 것으로 전망된다.
전기트럭 전환을 위해서는 무엇보다 편리하고 안정적인 충전인프라 공급이 중요하나, 이미 국내에서는 전기트럭 증가로 인한 고속도로 충전소에서 충전 혼잡 등 충전인프라 문제가 발생하고 있다. 이러한 문제를 해결하기 위해서는 향후 인프라 계획에서 전기트럭 충전 수요가 효과적으로 반영돼야 할 것이다. 그러나 아직까지 국내 충전인프라 정책은 승용차 중심으로 진행되고 있어서 트럭을 포함한 상용차 충전 수요에 관한 연구는 거의 없다. 국내 전기차 충전패턴에 관한 연구로서 Park et al.(2017)과 Park and Kim(2022) 등이 있으나, 주로 승용차를 대상으로 분석한 결과로 전기트럭에 적용하기는 제한적이다.
해외에서는 점차 화물차의 전기차 전환을 위한 충전인프라 연구가 증가하고 있는데 해당 연구에서는 인프라 계획의 기초자료로서 화물차 통행 특성과 충전 수요 분석을 포함하고 있다(Speth et al., 2022; Al-Hanahi et al., 2021; Teoh, 2021). 다만 전기트럭은 아직 상용화 초기 단계이기 때문에 충전 수요 분석도 실증적 분석보다는 개념적 연구 중심으로 진행되고 있다. 또한 차량 특성이나 공급망 구조 등에 있어서 국내 화물차 시장 환경은 해외 환경과 상이하므로 국외 선행연구 결과를 활용하기에도 한계가 있다.
따라서 본 논문은 국내 전기차 충전인프라 계획의 중요한 기초자료로서 전기트럭 충전패턴을 분석하고, 향후 충전인프라 정책에 반영돼야 할 주요 함의를 논의하였다. 여기에서 전기트럭은 국내에 보급된 1톤급 소형 트럭을 대상으로 하며, 충전패턴 분석의 기초자료로는 전기트럭 운전자의 실제 충전실적 조사 자료를 활용했다. 전기트럭 충전특성 파악을 위해 선행연구에서 분석한 전기승용차 충전패턴과 비교하여 차종별 특성을 분석했으며, 주요 분석 결과를 토대로 향후 충전인프라 정책 방향을 제언했다.
선행연구 고찰
전기트럭은 아직 기술 상용화 초기 단계로 전기트럭 충전인프라 연구도 주로 개념적인 연구로 진행 중이다. Speth et al.(2022)는 독일 전역을 대상으로 2030년까지 화물차 전기차 전환을 위해 필요한 급속충전소의 적정 규모를 산정했다. 이 연구에서는 전기트럭 충전 중 약 50%는 고속도로를 주행하는 동안 발생한다고 가정했다. Al-Hanahi et al.(2021)와 Teoh(2021)는 문헌 리뷰를 통해 전기트럭의 충전전략을 논의한 연구다. Al-Hanahi et al.(2021)은 화물차 충전 관련 선행연구를 검토하여 전기트럭 충전모델을 제시했으며 세부 충전모델별로 극복 과제를 논의했다. 이 연구에서 화물차 충전모델은 주로 차고지 충전과 경로 충전이며, 차량 운행거리에 따라 충전 특성이 달라질 것으로 가정했다. Teoh(2021)는 도시부 전기트럭의 운행패턴과 충전시스템에 대한 선행연구 검토를 통해 이상적인 충전전략을 논의했다. 이 연구에서는 전기트럭 충전모델을 차고지 충전, 기회 충전, 간섭 충전으로 분류했으며, 차량 운행특성에 따라 운행 제약이 큰 간섭충전을 최소화할 수 있는 이상적인 충전전략을 논의했다.
국내 전기차 충전 분석 연구로는 Park et al.(2017), Kim et al.(2018), Park and Kim(2022) 등이 있으나 주로 승용차를 대상으로 한 연구다. Park et al.(2017)과 Kim et al.(2018)은 공용 충전인프라 충전실적 자료를 중심으로 차량 용도와 충전장소 및 시간대별 충전패턴을 분석했다. 위 연구들과 달리 Park and Kim(2022)은 개별 운전자의 충전실적 자료를 토대로 모든 충전인프라 유형을 포함한 충전패턴 분석을 수행했다. 이 연구는 충전패턴을 구분하는 지표변수로 충전장소와 충전기 유형별 충전빈도를 활용했고, 그 결과 승용차 충전패턴을 주거지완속형, 공용중심형, 혼용완속형, 직장완속형으로 분류했다.
앞서 선행연구에서 검토된 전기차 충전 특성과 충전 유형은 다음과 같이 요약할 수 있다. 전기트럭의 경우 운행 중 충전이 전체 충전빈도에서 상당한 비중을 차지하며, 개별 운전자에 따라 충전장소와 시간 등 충전패턴은 다양하게 나타난다. 따라서 전기트럭은 승용차보다 운행 중 충전 비중이 높을 것으로 예상되므로 충전인프라의 적정 규모와 적절한 충전전략에 대한 고려가 중요하다는 점이 지적됐다. 선행연구에서 제시한 전기트럭을 포함한 전기차 충전패턴 연구내용을 정리하면 Table 1과 같다.
Table 1.
Literature review related to e-truck charging pattern
| Authors | Purpose | Research target | Charging model |
| Speth et al.(2022) |
Estimate the required size of fast charging points for the transition of all trucks to e-truck by 2030 |
Large trucks (over 12 tons) across Germany |
Assume that 50% of electric truck charging occurs while driving on the highway |
| Al-Hanahi et al.(2021) |
Comprehensive literature review on commercial vehicle charging |
Model availability of e-truck, E-truck charging strategies |
Return-to-base charging On-route charging |
| Teoh(2021) |
Literature Review for ideal charging strategies for e-trucks in rrban Areas |
Urban electric truck operation patterns, charging systems, and charging services |
Downtime charging Opportunity charging Intrusive charging |
| Park and Kim(2022) |
Analysis of charging pattern types and influencing factors based on electric car driver survey results | electric car drivers in Korea |
Home and slow charging Public-centric charging Mixed and slow charging Work and slow charging |
본 연구는 국내에서 최초로 실증 데이터를 활용해서 전기트럭 충전패턴을 분석한 연구라는 점에서 앞서 검토한 선행연구와 차별화될 수 있다. 또한 본 논문에서는 전기트럭과 다른 전기차 차종 간의 충전특성 비교를 위해 Park and Kim(2022)에서 제시한 전기승용차 충전패턴 분석 방법을 활용했다. 전기트럭 충전패턴 분석에 활용한 기초자료와 구체적인 연구방법은 다음 장에서 상세히 서술했다.
기초자료와 분석방법
1. 기초자료
본 연구에서 전기트럭 충전패턴 분석에 활용한 기초자료는 Park et al.(2020)에서 수집한 전기트럭 운전자 조사 결과다. 본 조사는 1톤급 전기트럭 구매자 대상으로 차량 구매와 이용 실태 등을 파악하고자 실시됐으며, 2020년 9월부터 4주 동안 면접 방식으로 실시돼 총 157명의 유효표본을 획득했다. 표본 할당은 용도별로 사업용 운전자 54명, 비사업용 운전자 103명을 조사했고, 유효표본 중 성별 구성비는 남성 96.2%, 여성 3.8%이며, 대상 모델은 현대 포터2 67.5%, 기아 봉고3 32.5%로 구성되어 있다.
위 조사 결과에서 충전패턴 분석에 직접 활용한 자료는 조사일 기준 최근 일주일 동안 충전장소와 충전기 유형별 충전빈도를 조사한 결과다. 충전장소 유형은 주거지, 직장, 영업소 및 사업장, 기타 공용 충전소 등 다양한 유형으로 구분해 조사했으나, 표본 규모와 실제 응답빈도를 고려해 비공용 충전소와 공용 충전소의 두 가지 유형으로 재분류했다. 충전기 유형은 7kW급 미만 완속충전기와 50kW급 이상 급속충전기의 두 가지 유형으로 분류했다. 따라서 각 응답자의 일주일 동안 충전빈도는 비공용 완속 충전, 비공용 급속 충전, 공용 완속 충전, 공용 급속 충전의 네 가지 충전유형별 충전빈도로 세분화했다.
최종적으로 본 연구에서는 응답자 총 157명 중 충전빈도 응답 오류가 있는 1인을 제외한 156명의 충전실적을 분석했다. 충전패턴 분석에 활용한 변수는 앞서 설명한 충전유형별 충전빈도 이외 충전기 보유 유무, 충전기 선호도, 차량 운행특성과 개인 특성 등을 충전패턴의 영향요인으로서 검토했으며, 각 변수에 대한 설명과 기초 통계는 Table 2와 같다.
Table 2.
List of variables related to e-truck charging pattern
2. 분석방법
본 연구에서는 전기트럭 충전 특성을 타 차종과 비교 분석할 수 있도록 전기승용차를 대상으로 분석한 Park and Kim(2022)과 유사한 분석 방법을 적용했다. 이 연구는 충전장소와 충전기 유형별 충전빈도 분포를 통해 전체 집단의 충전패턴을 파악하고, 잠재계층분석을 적용하여 개별 운전자의 충전패턴 유형을 분석했다. 본 연구도 전기트럭 운전자 집단의 평균적인 충전패턴을 분석하고, 개별 운전자의 충전특성을 반영할 수 있는 비집계적 분석방법으로서 잠재계층분석을 활용했다.
먼저 집계 분석으로는 전체 전기트럭 운전자 집단과 용도별로 사업용과 비사업용 전기트럭 집단을 구분하여 충전유형별 충전빈도에 대한 평균과 분산 분석을 수행했다. 그 결과는 전기승용차 충전패턴 집계분석 결과와 비교 분석하여 전기트럭 충전 특성을 설명했다.
다음 비집계 분석으로 개별 운전자의 충전패턴 유형을 파악하기 위해 잠재계층분석(Latent Class Analysis, LCA)을 수행했다. 잠재계층분석은 비슷한 성격을 가진 관측자를 동일 계층으로 분류할 수 있고, 각 계층에 속할 확률과 계층 간 차이를 분석할 수 있는 통계적 기법이다(Shin, 2010). 본 연구에서는 Park and Kim(2020)에서 적용한 바와 같이 충전장소 및 충전기 유형별 충전빈도를 지표변수로 선정하여 계층을 분류했으며, 해당 모형을 도식화하면 Figure 1과 같다.
전기트럭 충전패턴을 구분하는 지표변수로는 표본 규모를 고려해 총 4개 변수를 적용했으며, 해당 변수는 비공용 완속 충전 횟수(F_other_S), 비공용 급속 충전 횟수(F_other_F), 공용 완속 충전 횟수(F_public_S), 비공용 급속 충전 횟수(F_public_F)이다. 또한 충전패턴 유형에 영향을 미치는 요인으로는 충전인프라 접근성, 충전선호도, 차량 특성 및 개인 특성 등을 검토했다.
잠재계층분석에서 최적 모형을 선정하기 위해 계층 수를 2개부터 순차적으로 증가시키며 각 모형의 적합도와 분류 적절성 등을 비교했으며 그 결과는 Table 3과 같다. 본 연구에서는 모형 적합도 지수와 계층별 비율 적절성을 고려해 계층 수가 3인 모형을 최적 모형으로 선택했다. 해당 모형은 통계적으로 유의하며 모형 적합도 측면에서 우수하고 모든 계층이 5% 이상 확률로 유의하게 분석됐다. 최적 모형에서 도출된 잠재계층에 대한 상세 분석은 다음 장에서 논의하였다.
Table 3.
Model fit and classification rate of latent class
전기트럭 충전패턴 분석
1. 충전패턴 집계분석
전체 전기트럭 운전자 156명 대상으로 분석한 결과 1주일 동안 평균 충전빈도는 4.98회이며, 충전장소별로는 공용충전소 2.46회, 사업장과 주거지 2.53회, 충전기 유형별로는 완속 2.67회, 급속 2.53회로 나타났다.
차량 용도별로 사업용과 비사업용 집단을 구분하여 분석한 결과 집단별로 충전특성은 상이하게 나타났다. 사업용 트럭의 충전빈도는 주 평균 6.44회, 비사업용 트럭은 4.21회로 사업용이 더 충전횟수가 많다. 충전유형별 충전빈도에서도 차이가 있는데 사업용의 경우 공용 급속충전기 충전횟수가 주 평균 4.07회로 가장 높지만, 비사업용은 비공용 완속충전기 충전횟수가 2.64회로 가장 높게 나타났다. 전기트럭 용도별 충전빈도 분포를 비교한 결과는 Table 4와 같다.
Table 4.
Average charging pattern of e-truck by purpose
앞서 전기트럭 분석 결과와 Park and Kim(2022)에서 도출한 전기승용차 충전빈도를 비교하면 Figure 2와 같다. 전체 충전빈도에서 전기트럭은 주 평균 4.98회, 전기승용차는 4.01회로 트럭이 승용차보다 다소 충전횟수가 많다. 또한 충전빈도 분포에서 트럭의 경우 공용충전소와 급속충전기 충전빈도가 승용차보다 더 높게 나타난 반면, 비공용충전소와 완속충전기 충전빈도는 승용차보다 적다. 그러나 용도별로 살펴보면 비사업용 트럭의 충전빈도 분포는 대체로 승용차 충전패턴과 유사한 특성을 보이며 사업용과는 차이가 있는 것으로 나타났다.
위 결과를 종합할 때 전기트럭의 평균적인 충전패턴은 승용차와는 대체로 상이하며 공용충전소와 급속충전기 의존도가 높은 특성을 보인다. 다만 트럭 용도별로 충전특성이 상이하게 나타났으며, 비사업용 트럭의 평균 충전패턴은 승용차와 유사한 특성을 보였다.
2. 잠재계층분석을 활용한 충전패턴 유형 분석
앞서 전기트럭 운전자 집단의 평균적인 충전패턴을 살펴보았으나 개별 운전자 충전 특성은 서로 상이한 형태로 존재하며 집계분석 결과로 대표하기 어렵다. 따라서 여기에서는 잠재계층분석을 활용하여 개별 운전자의 충전패턴 유형을 분석했다.
앞 장에서 서술한 바와 같이 잠재계층분석 결과 통계적으로 유의한 모형이 도출되었으며 최종적으로 계층수가 3인 모형을 최적 모형으로 선정했다. 계층별 주요한 충전 특성을 반영하여 ‘차고지 완속 중심 충전형(이하 차고지완속형)’, ‘혼합 충전형(이하 혼합충전형)’, ‘공용 급속 중심 충전형(이하 공용급속형)’으로 명명했으며, 계층별 확률과 충전빈도 분포는 Table 5와 같다.
Table 5.
Latent class of e-truck charging pattern
첫 번째로 차고지완속형은 주거지와 사업장 등 차고지 중심으로 설치된 완속충전기로 주로 충전하며, 해당 계층에 포함될 확률은 33.7%로 예측됐다. 충전유형별로 충전빈도를 살펴보면 비공용 완속충전기 충전횟수가 5.28회로 가장 높고, 다음은 공용 급속충전기 충전빈도가 평균 1.20회이며 비공용 급속충전과 공용 완속충전 빈도는 비교적 낮게 나타났다.
두 번째로 혼합충전형은 상대적으로 여러 장소에서 충전하는 특성을 보이며 주 평균 충전빈도는 약 3.4회로 가장 충전횟수가 적은 계층이다. 혼합충전형에 속할 확률은 60.7%로 가장 높은 구성비를 차지하는 것으로 나타났다. 충전빈도 분포를 살펴보면 공용 급속충전기가 주 평균 1.77회로 가장 충전빈도가 높고, 다음은 비공용 완속충전기 0.90회, 공용 완속충전기 0.51회, 비공용 급속충전기 0.24회 순이다.
세 번째로 공용급속형은 주로 공용 급속충전기로 충전하는 유형으로 해당 계층에 속할 확률은 5.6%로 가장 낮게 예측됐다. 충전빈도는 주 평균 11.53회로 가장 자주 충전하는 계층이며, 이중 공용 급속충전기 충전횟수가 11.40회로 절대 다수를 차지한다.
다음으로 충전패턴 유형에 영향을 미치는 요인을 분석하기 위해 다항로짓분석을 적용했다. 여기서 종속변수는 충전패턴 유형으로 설정하고, 독립변수로서 다양한 예측변인을 적용하여 충전패턴 유형에 유의한 영향을 미치는 요인을 탐색했다.
먼저 다항모형의 기준 범주를 차고지충전형으로 설정하고 혼합충전형과 공용급속형에 대해 모형을 분석하였다. 그 결과 혼합충전형에 대해서는 통계적으로 유의한 결과가 도출되었으나 공용급속형의 경우 표본 규모의 한계로 유의한 결과가 도출되지 못했다. 따라서 추정결과의 안정성을 검증하기 위해 공용급속형을 제외하고 차고지충전형과 공용급속형에 대한 이항로짓모형도 함께 분석했다. 그 결과 Table 6과 같이 혼합충전형의 경우 다항로짓모형과 이항로짓모형 분석 결과가 거의 동일하게 나타났다.
혼합충전형 분석 결과를 살펴보면 충전패턴 유형의 예측변인으로 주거지 완속충전기와 직장 및 영업소 완속충전기 보유 유무, 일 평균 주행거리, 체감 전비, 충전 결정 특성의 여섯 개 변수가 통계적으로 유의하게 나타났다. 이는 주거지나 직장 완속충전기 이용이 불가하고, 전기트럭 주행거리가 짧고 체감 전비가 높을수록, 경제적 요인으로 전기트럭을 구매할수록 혼합충전형 충전패턴을 보인다는 것을 의미한다.
Table 6.
Results from multi-nomial and binary logit model
|
Base: Garage slow charging | Multi-nomial logit model | Binary logit model | |
| Mixed charging | Public fast charging | Mixed charging | |
| Constant | 0.114 | -800.7 | 0.113 |
| A_Home_S | -1.936*** | -312.8 | -1.936*** |
| A_Home_R | -0.852 | 169.5 | -0.852 |
| A_Rest_S | 0.630 | -89.5 | 0.630 |
| A_Rest_R | -1.665 | -55.5 | -1.665 |
| A_Work_S | -1.428** | -128.7 | -1.428** |
| A_Work_R | -0.146 | 31.6 | -0.146 |
| PerCharger | -0.608 | 24.4 | -0.608 |
| Pref_Home | -2.114 | 422.3 | -2.113 |
| Pref_Work | 0.079 | 966.3 | 0.079 |
| Pref_Public | 2.977 | 288.9 | 2.978 |
| Days | 0.370 | 51.3 | 0.370 |
| Avertravel | -0.018* | 1.6 | -0.018* |
| Operatdays | -0.042 | 6.9 | -0.042 |
| Operattimes | 0.036 | -9.6 | 0.036 |
| Fueleff | 1.105** | -17.9 | 1.105** |
| Purpose | -0.594 | 44.1 | -0.594 |
| DecCharge | 1.709*** | -49.3 | 1.708*** |
| Motivation | -0.119 | 8.2 | -0.119 |
| Drivyears | 0.021 | -0.4 | 0.021 |
| Area | 0.649 | -10.8 | 0.649 |
| Gender | 1.282 | 42.4 | 1.282 |
| Age | -0.017 | -1.0 | -0.017 |
|
Log-likelihood at zero : -124.80734 Final log-likelihood : -56.419443 LR Chi2(44)=136.78, Prob>Chi2= 0.0000 Pseudo R2= 0.5479 Obs. = 156 |
Log-likelihood at zero : -93.25274 Final log-likelihood : -56.419442 LR Chi2(22)=73.67, Prob>Chi2= 0.0000 Pseudo R2= 0.3950 Obs. = 148 | ||
예측변인 별로 충전패턴 유형에 미치는 한계효과는 equation 1과 같이 추정할 수 있다. 한계효과는 독립변수 가 한 단위 변화할 때, 종속변수인 충전패턴 유형의 선택확률 변화를 나타낸다.
통계적으로 유의한 변인을 중심으로 살펴보면 Table 7과 같이 요약할 수 있다. 즉, 주거지 완속충전기로 충전가능한 경우 차고지충전형 확률은 22.3-23.5% 증가하고 혼합충전형은 동일한 확률만큼 감소한다. 사업장 및 영업소 완속충전기로 충전가능한 경우 차고지충전형 확률은 16.5-17.4% 증가하며 혼합충전형은 그만큼 감소하게 된다. 일평균 주행거리가 100km씩 늘어날수록 차고지 충전형은 0.20% 증가하고 혼합충전형은 그만큼 감소한다. 체감 전비가 1kWh당 1km씩 높아질수록 차고지충전형은 12.7-13.4% 감소하고 혼합충전형은 그만큼 증가하게 될 것이다.
여기서, P: 로짓모형에서 대안을 선택할 확률, n: 개별충전자료수, i: 종속변수(선택대안), k: 독립변수의 수, : 독립변수, : 독립변수의 추정된 계수
Table 7.
Average marginal effect of multi-nomial and binary logit model
| Variables |
Average marginal effect of multi-nomial logit model |
Average marginal effect of binary logit model |
| A_Home_S | 0.223 | 0.235 |
| A_Work_S | 0.165 | 0.174 |
| Avertravel | 0.002 | 0.002 |
| Fueleff | -0.127 | -0.134 |
마지막으로 전기트럭 충전패턴 유형과 Park and Kim(2022)에서 도출한 전기승용차 충전패턴 유형을 비교했다. 차종별로 잠재계층 유형이 상이하기 때문에 상호 비교를 위해서 계층을 다시 두 가지 형태로 재분류했다. 첫 번째는 주로 차량을 운행하지 않는 시간 동안 충전하는 ‘휴지시간 충전(downtime charging)’이며, 두 번째는 주로 운행 중 충전하는 ‘기회 충전(opportunity charging)’ 형태다. 두 차종의 충전패턴을 비교한 결과는 Figure 3과 같다. 승용차의 경우 휴지시간 충전 형태가 90% 이상을 차지하는 반면, 전기트럭은 기회 충전 형태가 60% 이상으로 상이하게 나타났다. 이러한 결과는 충전인프라 계획에서 차종별로 세분화된 충전 수요 분석이 필요하며, 충전인프라 유형별 적정 규모나 배치 전략 도출을 위해서도 도입 차종의 충전패턴 분석이 필요하다는 사실을 보여준다.
결론 및 정책적 함의
본 연구는 최근 수송부문 탄소중립 이행방안으로 전기트럭 도입이 확대됨에 따라 장래 충전인프라 계획에 필요한 기초자료로서 전기트럭 운전자의 충전패턴을 분석했다. 분석의 기초자료는 전기트럭 운전자 156명을 대상으로 한 2020년 조사 결과를 활용했다. 충전패턴을 식별하기 위한 지표변수는 충전장소와 충전기 유형별 충전빈도로 설정했으며, 충전패턴 분석 결과는 전체 운전자와 용도별 세부 집단을 대상으로 한 집계분석과 잠재계층분석을 활용한 개별 운전자 충전패턴 유형 분석으로 제시했다.
집계분석 결과를 살펴보면 전기트럭 충전패턴은 용도별로 상이한 특성을 보이는데, 사업용 차량은 공용충전소와 급속충전기 충전빈도가 높고 비사업용은 전기승용차와 유사하게 비공용충전소와 완속 충전기 충전빈도가 높은 특성을 보인다. 전반적으로 전기트럭은 전기승용차보다 충전빈도가 더 많고, 특히 공용 급속충전기를 사용한 충전빈도가 더 높게 나타났다.
잠재계층분석 결과를 종합하면 전기트럭 충전 유형은 혼합충전형, 차고지완속형, 공용급속형의 세 계층으로 분류할 수 있고, 계층별 확률은 혼합충전형 60.7%, 차고지완속형 33.7%, 공용급속형 5.6% 순이다. 혼합충전형은 다른 계층보다 다양한 장소에서 충전하지만 그 중에서도 공용 급속 충전빈도가 가장 높게 나타났으며, 차고지완속형의 경우도 주거지나 영업소 완속 충전빈도가 가장 많지만 공용 급속 충전횟수도 1주일 1회 이상으로 유의한 비중을 차지하는 것으로 나타났다. 공용급속형은 1주일 평균 11회 이상 공용 급속충전기로 충전하며 공용 급속충전 중심 충전 특성을 보인다. 다항로짓분석을 통해 충전패턴의 예측변인을 분석한 결과 주거지와 직장 완속충전기 접근성, 일평균 주행거리와 체감 연비, 충전 결정 특성 등이 유의한 영향을 미치는 것으로 나타났다.
전기트럭과 전기승용차 차종별 충전특성을 비교하기 위해 충전패턴 잠재계층을 휴지시간 충전과 기회 충전의 두 가지 형태로 재분류했다. 그 결과 전기트럭은 기회 충전 형태가 60% 이상을 차지하며 전기승용차는 휴지시간 충전 형태가 90% 이상을 차지한다. 위 결과는 전기트럭은 승용차보다 운행 중 충전가능성이 더 높고, 기회 충전을 위한 공용 급속충전인프라 의존도도 더 높다는 것을 의미한다.
위 연구 결과를 통해 향후 충전인프라 정책에 있어서 함의를 도출하고 향후 연구를 논의하면 다음과 같다. 첫 번째로는 화물차의 전기차 전환을 위한 기반 여건으로서 공용 급속충전인프라 확대가 중요하다는 점이다. 승용차의 경우 휴지시간 충전이 많은 특성을 고려할 때 향후 충전인프라는 주거지 완속충전기 중심으로 확대되는 것이 합리적일 것이다. 그러나 전기트럭 운전자는 대부분 공용 급속충전기 충전비중이 높고, 운행 중 기회 충전 특성을 보이는 비율이 높은 편으로 공용 충전인프라 의존도가 높다. 특히 사업용 차량의 경우 급속충전 비중이 높기 때문에 상용차 전환을 위해서는 충분한 공용 급속충전인프라 공급이 중요하다. 따라서 향후 연구로서 2030년까지 국가 온실가스 감축 목표로 반영된 전환 목표대수를 토대로 적정 충전소 규모와 충전설비 용량 산정을 위한 연구를 제안한다. 해당 연구에서는 상용차 용도별 특성을 고려한 충전전략과 공공 충전인프라 구축 전략 연구도 함께 진행되어야 할 것이다.
두 번째는 전기트럭 충전특성을 고려할 때 상용차의 전기차 전환을 위해서는 고효율과 경제성을 확보한 급속충전기술이 확보되어야 한다는 점이다. 상용차는 운행 중 기회충전 가능성이 높기 때문에 충전시간 제약을 극복할 수 있는 충전전략과 기술 확보가 중요하다. 이미 해외 기술 선진국 중심으로 전기트럭 도입을 위한 메가와트급 초급속 충전시스템 상용화를 준비 중이며, 배터리 교환 방식, 팬터그래프 급전방식의 초급속 충전, 주행 중 무선충전시스템 등 차량 운행특성을 고려한 충전방식 다양화 방안을 검토 중이다(Bernard et al., 2022). 덧붙여 전기트럭 충전전략은 경제성 확보도 중요하다. 기존 경유차 대비 이용 편의성과 경제성을 확보할 수 있는 충전시스템을 확보하고 초기 시장 단계에서는 상용차 전용 충전요금제 등 정책적 지원방안도 검토되어야 할 것이다.
마지막으로 본 연구의 한계로는 분석에 활용한 표본 규모가 제한적이어서 차량 용도별 집단에 대한 잠재계층분석과 예측변인분석이 어렵다는 점이다. 또한 아직 국내 화물차 시장의 전기차 모델이 1톤급으로 제한적이어서 중ㆍ대형차 분석은 실시할 수 없었다. 이에 향후 연구로서 전기트럭 실충전 데이터 수집과 분석 연구를 지속적으로 추진하여 데이터를 확보하고, 대형화물차 전환을 위한 최적 충전전략과 충전인프라 기술 연구도 수송부문 탄소중립을 위한 향후 연구로서 수행할 것을 제안한다.
